RESUME

VARIABEL,DEFINISI OPERASIONAL JENIS PULTA,POPULASI DAN

SAMPEL,CARA PERHITUNGAN BESAR SAMPEL

Untuk memenuhi salah satu tugas mata kuliah Metode Penelitian dan Biostatistik

Nama : Mela Yusnita Maelani

NIM : P2.06.24.5.16.026

Prodi : D IV Kebidanan
Tingkat : III Semester VI
Dosen : Sinar Pertiwi, SST, MPH

KEMENTRIAN KESEHATAN REPUBLIK INDONESIA

POLITEKNIK KESEHATAN TASIKMALAYA

2019
A. Variabel

1. Pengertian Variabel

Variabel merupakan suatu konsep yang memiliki nilai variabilitas

sehingga dapat dibedakan menjadi beberapa jenis atau kategori.

2. Klasifikasi Variabel

a. Berdasarkan skala pengukurannya

1) Variabel Nominal

Fungsinya membedakab atau memberikan label pada suatu objek atau

kategori Contoh :Jenis Kelamin,Suku,Ras dan lain lain

2) Variabel ordinal

Variabel yang berisi mengenai beberapa tingkatan Contoh : Kepuasa

pelayanan : Puas,sangat puas,kurang puas

3) Variabel Interval

Variabel ini mempunyai jarak yang pasti antara satu kategori dengan
kategori lainnya

Contoh : tinggi badan cukup untuk bb 46 kg adalah 155-157cm

4) Variabel Rasio

Variabel yang mempunyai nilai kategori yang jika diukur dari titik yang
sama Contoh : Tinggi badan,Berat badan.

b. Berdasarkan konteks hubungannya

 1) Variabel bebas atau independent variable

2) Variabel terikat atau dependent variable

3) Variabel moderator atau variable intervening

4) Variabel perancu (Confiding Variable)

5) Variabel Kendali

6) Variabel Rombang

c. Berdasarkan dapat tidaknya variabel dimanipulasi

1) Variabel dinamis,adalah variabel yang dapat dimanipulasu oleh

peneliti,contohnya : Metode mengajar dan lain lain

2) Variabel statis,adalah variabel yang tidak dapat dimanipulasi oleh

peneliti,contohnya : Jenis kelamin,umur dan lain lain.

B. Definisi Operasional Jenis Pulta

a. Pendefinisian variabel secara operasional

1. Pengertian dan Definisi Operasional

Definisi operasional merupakan definisi yang dapat didasarkan atas sifat-

sifat hal yang didefinisikan yang dapat diamati (Sumadi Suryabrata,2000 :
76).

2. Pentingnya Operasionalisasi Variabel

Untuk memudahkan peneliti dalam mencari hubungannya antara satu

variabel dengan yang lainnya maka varaibel harus didefinisikan secara
operasioanl.
 Manfaat operasionalisasi variabel yaitu :

1) Mengidentifikasi kriteria yang dapat diobservasi yang sedang

didefinisikan.

2) Menunjukkan bahwa suatu konsep atau objek mungkin mempunyai

lebih dari satu definisi operasional.

3) Mengetahui bahwa definisi operasional bersifat unik dalam situasi

dimana definisi tersebut harus digunakan (Sarwono,2006).

3. Cara - cara menyusun Definisi Operasional

Menurut Sumadi suryabrata,2000: 76-77,Sarwono,2006, dibedaka menjadi

:

a. Definisi Operasional Tipe A atau Pola I (Menekankan kegiatan apa

yang perlu dilakukan).Dengan menggunakan prosesur tertentu peneliti
dapat membuat gejala menjadi nyata.

b. Definisi Opetasional Tipe B atau Pola II (Menekankan pada

bagaimana kegiatan itu dilakukan). Dapat disusun berdasarkan pada
bagaimana objek tertentu yang didefinisikan dapat
dioperasionalisasikan,yaitu berupa apa yang dilakukannya atau apa
yang menyusun karakteristik - karakteristik dinamisnya.

c. Definisi Operasional Tipe C atau Pola III (Menekankan sifat - sifat

statis yang didefinisikan). Dapat disusun berdasarkan pada
penampakan seperti apa objek yang didefinisikan tersebut,yaitu apa
saja yang menyusun karakteristik - karakteristik statisnya.

4. Kriteria Keunikan
 Dalam menyusun definisi operasional,sebaiknya dapat
mengidentifikasi seperangkat kriteria unik yang dapat diamati,karena
keunikan tersebut akan banyak memberikan informasi kepada peneliti,dan
semakin menghilangkan objek - objek atau pernyataan lain yang muncul
dan dapat meningkatakan adanya kemungkinan makna variabel dalat
direpliakasi.

C. Populasi dan Sampel

1. Pengertian Populasi

Populasi adalah wilayah generalisasi. Dimana dalam wilayah ini terdiri

atas subyek dan obyek yang mempunyai karakteristik dan kuantitas
tertentu yang sudah ditetapkan oleh para peneliti agar bisa dipelajari
sehingga bisa diambil kesimpulannya. Pengertian tersebut menunjukkan
bahwa populasi memiliki peranan yang sangat penting untuk membantu
peneliti mendapatkan hasil yang diinginkan.

Populasi bukan sekedar jumlah subyek atau obyek yang kemudian

dipelajari dan diteliti. Tapi populasi harus bisa menunjukkan sifat-sifat dan
semua karakter yang dimiliki oleh subyek atau obyek yang akan diteliti
tersebut.

2. Pengertian Sampel

Sampel adalah contoh sebagian dari populasi yang karakterisriknya

hendak siteliti (Djarwanti,1994 : 43).

3. Kriteria Sampel

a. Kriteria Inklusi adalah karakteristik umum subjek penelitian dari suatu

populasi target yang terjangkau yang akan diteliti (Nursalam,2003 :
96).
 b. Kriteria Eksklusi adalah menghilangkan/mengeluarkan subjek yang
memenuhi kriteria inklusi dari penelitian karena sebab - sebab tertentu
(Nursalam,2003 : 97).

4. Teknik Pengambilan Sampel

a. Pengertian Teknik Pengambilan Sampel

Merupakan teknik pengambilan sampel dari populasi,sampel yang

merupakan bagian dari populasi tersebut kemudian diteliti dan hasil
penelitian (kesimpulan) kemudian dikenakan pada populasi
( generalisasi).

b. Manfaat Sampling

1) Menghemat Biaya Penelitian.

2) Menghemat waktu Penelitian.

3) Dapat menghasilkan data yang lebih akurat.

4) Memperluas ruang lingkup penelitian.

c. Syarat - syarat teknik sampling

Teknik sampling dapat dilakukan jika populasimya bersifat homogen

atau memiliki karakteristik yang sama atai setidak - tidaknya hampir
sama.
d. Jenis - jenis Teknik Sampling

e. Penentuan Jumlah Sampel

Bila jumlah populasi dipandang terlalu besar, dengan maksud meng-
hemat waktu, biaya, dan tenaga, penelitili tidak meneliti
seluruhanggota populasi. Bila peneliti bermaksud meneliti sebagian
dari populasi saja (sampel), pertanyaan yang selalu muncul adalah
berapa jumlah sampel yang memenuhi syarat. Ada hukum statistika
dalam menentukan jumlah sampel, yaitu semakin besar jumlah sampel
semakin menggambarkan keadaan populasi (Sukardi, 2004 : 55).
Selain berdasarkan ketentuan di atas perlu pula penentuan jumlah
sampel dikaji dari karakteristik populasi. Bila populasi bersifat
homogeny maka tidak dituntut sampel yang jumlahnya besar.
Misalnya saja dalam pemeriksaan golongan darah. Walaupun
pemakaian jumlah sampel yang besar sangat dianjurkan, dengan
 pertimbangan adanya berbagai keterbatasan pada peneliti,sehingga
peneliti berusaha mengambil sampel minimal dengan syarat dan aturan
statistika tetap terpenuhi sebagaimana dianjurkan oleh Isaac dan
Michael (Sukardi, 2004 : 55). Dengan menggunakan rumus tertentu
(lihat Sukardi, 2004 : 55-56), Isaac dan Michael memberikan hasil
akhir jumlah sampel terhadap jumlah populasi antara 10 – 100.000..
D. Cara Perhitungan Besar Sampel

1. Rumus Sampel Penelitian Cross-sectional

Untuk penelitian survei, biasanya rumus yang bisa dipakai menggunakan

proporsi binomunal (binomunal proportions). Jika besar populasi (N)
diketahui, maka dicari dengan menggunakan rumus berikut:

Keterangan :

n = jumlah sampel minimal yang diperlukan

= derajat kepercayaan

p = proporsi anak yang diberi ASI secara eksklusif

q = 1-p (proporsi anak yang tidak diberi ASI secara eksklusif

d = limit dari error atau presisi absolut

Jika ditetapkan =0,05 atau Z1- /2 = 1,96 atau Z2

1- /2 = 1,962 atau dibulatkan menjadi 4, maka rumus untuk besar N yang
diketahui kadang-kadang diubah menjadi:

Penyederhanaan Rumus Lemeshow Atau Disebut Rumus Slovin

2. Rumus Sampel Penelitian Case Control dan Kohort

Rumus yang digunakan untuk mencari besar sampel baik case control
maupun kohort adalah sama, terutama jika menggunakan ukuran proporsi.
Hanya saja untuk penelitian khohor, ada juga yang menggunakan ukuran
data kontinue (nilai mean).

Besar sampel untuk penelitian case control adalah bertujuan untuk

mencari sampel minimal untuk masing-masing kelompok kasus dan
kelompok kontrol. Kadang kadang peneliti membuat perbandingan antara
jumlah sampel kelompok kasus dan kontrol tidak harus 1 : 1, tetapi juga
bisa 1: 2 atau 1 : 3 dengan tujuan untuk memperoleh hasil yang lebih baik.
Rumus Sampel minimal Besar Sampel Penelitian Case Control

Adapun rumus yang banyak dipakai untuk mencari sampel minimal

penelitian case-control adalah sebagai berikut:

Besar Sampel Penelitian

Rumus Sampel minimal Besar Sampel Penelitian Kohort

Pada penelitian khohor yang dicari adalah jumlah minimal untuk

kelompok exposure dan non-exposure atau kelompok terpapar dan tidak
terpapar. Jika yang digunakan adalah data proporsi maka untuk penelitian
khohor nilai p0 pada rumus di atas sebagai proporsi yang sakit pada
populasi yang tidak terpapar dan p1 adalah proporsi yang sakit pada
populasi yang terpapar atau nilai p1 = p0 x RR (Relative Risk).

Jika nilai p adalah data kontinue (misalnya rata-rata berat badan, tinggi
badan, IMT dan sebagainya) atau tidak dalam bentuk proporsi, maka
penentuan besar sampel untuk kelompok dilakukan berdasarkan rumus
berikut:
 Rumus Sampel Case Control dan Kohort 2

3. Penelitian Eksperimental

Menurut Supranto J (2000) untuk penelitian eksperimen dengan rancangan

acak lengkap, acak kelompok atau faktorial, secara sederhana dapat
dirumuskan:

(t-1) (r-1) > 15

dimana : t = banyaknya kelompok perlakuan

j = jumlah replikasi

4. Besar sampel untuk satu sampel populasi presisi

Rumus Z 21 / 2 PQ
n
d2
n = Besar sampel

Z1-α/2 = 1,96 pada α 0,05

P = Proporsi prevalensi kejadian (0,3)

d = Presisi ditetapkan (0,1)

5. Besar sampel untuk satu sampel populasi proporsi

Rumus
n
z 1 p0 1  p0   Z1  Pa1  Pa   2

 Pa  P0  2
Po= proposi awal

Pa=proporsi yang diinginkan

 α= level of signifikan

β= power

N= besar sampel

6. Besar sampel untuk hipotesis dua proporsi populasi/ relative risk

Biasa digunakan pada desain kohort dan dapat juga digunakan pada desain cross
sectional.

Rumus n
Z1 / 2  2 P1 P    Z1   P11 P1   P 21 P 2 2
 P1  P 2 2

P1 = Proporsi perbedaan gangguan pertumbuhan pada kelompok

BBLR

P2 = Proporsi perbedaan gangguan pertumbuhan pada kelompok

BBLN

α = 0.05

Zα = 1.96

ß = 0.20

7. Besar sampel untuk hipotesis odd rasio

Besar sampel untuk hipotesis odd rasio lebih menekankan pada proporsi

nZ/2P*1ZP*1P*1
kelompok kasus atau kontrol.

Rumus

2
(OR ) P2 *
P1 

N
1 2211122
(OR) P2 *  (1  P2 *)
: Besar sampel pada masing masing kelompok

P*21  2
P1 : Proporsi bayi dengan penyapihan dini pada kejadian tidak
ISPA.
 P2 : Proporsi bayi yang tidak penyapihan dini pada kejadian tidak

ISPA.

Z1- : Level of significance,

Z1- : Power of the test (80 %)

OR : odd rasio

8. Besar sample untuk penelitian dua populasi mean

Besar sampel untuk rata-rata satu populasi

 2  Z1  Z1  
2

n
 0  1  2
Besar sample untuk rata-rata dua populasi.

2 2  Z1  Z1  
2

n
 1  2  2

N = besar sampel

S = standar deviasi

Z = level of signifikan

Z = power

μ1 = rata-rata kelompok perlakuan

μ 2 = rata-rata kelompok kontrol