1

a) Skenario
SKENARIO 3
Teknik Sampling

Seorang peneliti ingin mengetahui prevalensi disfungsi ereksi laki – laki

menikah pada rentang usia produktif di Jawa Tengah. Peneliti juga menyertakan
kriteria inklusi dan eksklusi dalam pemilihan sampel. Karena populasi terlalu
besar maka ditentukan populasi terjangkau pada 6 kabupaten di Jawa Tengah, dan
dilakukan pengambilan sampel dengan teknik cluster random sampling.

b) Klarifikasi Istilah
STEP 1
1. Kriteria inklusi
2. Kriteria eksklusi
3. Cluster random sampling : teknik pengambilan sampel berapa pengambilan
4. Populasi terjangkau
: kriteria umum subjek dari populasi target yang
terjangkau yang akan diteliti
: ciri anggota populasi yang tidak dapat diambil
sebagai sampel
sampel secara kelompok dari populasi yang
tersebar pada wilayah yang luas
: populasi target yang dapat terjangkau

c) Rumusan Daftar Masalah

STEP 2
1. Apa saja jenis jenis populasi?
2. Bagaimana kriteria inklusi dan eksklusi?
3. Ada berapa jenis teknik sampling?
4. Apa kegunaan dari teknik sampling?
5. Bagaimana langkah dari teknik sampling?
6. Mengapa peneliti menggunakan teknik sampling?
 2

d) Analisis Masalah
STEP 3
1. Berdasarkan jenis yaitu terbatas dan tak terbatas.
Sifatnya : homogen dan heterogen
Kelompok : umum dan target
Target dan terjangkau

2. Inklusi : mencangkup sifat yang akan diteliti

Eksklusi : mencakup dari bias peenlitian

3. Teknik sampling
Probability : simple, proportionate, dispropotionate, cluster ( single stage,
double stage, multi stage)
Non probability : quota sampling, systematic, insidental, populasi, sampling
jenuh, snowball, purposif, konsikutif, convenient
mix : sampling systematic
non : biaya besar, populasi
kelemahan : tidak ada investigasi

4. Efisiensi tenaga dan biaya

Populasi bersifat homogen
Mempercepat penelitian
Memperluas ruang lingkup

5. Menentukan populasi
Mencari data yang akurat dari unit populasi
Memilih sampel yang representatif
Menentukan jumlah sampel
Kerangka sampel
Teknik sampel
 3

Metode sampel
Pengumpulan data
Me-review
Untuk mengambil sampel dari kelompok unit yang kecil

e) Sistematika Masalah
STEP 4
1. terbatatas : sumber data yang terbatas
tidak terbatas : tidak dapat ditentukan populasi yang luas
berdasarkan jenis : homogen ( populasi rawat jalan BPJS) heterogen (sifat
dalam keadaan yang berbeda)
berdasarkan target : ranah / domain
berdasarkan terjangkau : dapat dijangkau oleh peneliti lebih rinci
Menentukan populasi ada 4
- isi
- satuan
- cakupan
- waktu

2. kriteriaa inklusi : tingkat pengetahuan anak SMA terhadap AIDS

eksklusi : anak SMA yang tinggal kelas 2x ikut penyuluhan

3. Cluster untuk menentukan objek yang akan diteliti (tidak semua)

non probability : puporsive : langsung diteliti tanpa pertimbangan sistematis
probability sederhana
- setiap anggota sama
- lotre
- tabel bilangan

sistematis
 4

- membagi jumlah populasi ( homogen )

- stratifikasi (heterogen)

Contoh dari snowball

- HIV penularannya
- CA paru sampel jenuh

Sampling

- pengambilan n=2 N
- tidak ada pengambilan (diambil dalam 1x)

4. Efisiensi tenaga, biaya, waktu

5. Tujuan penelitian
- menentukan populasi
- menentukan jumlah data
- menentukan teknik sampling
- kerangka sampling
- besar sampling
- mereview
 5

Mind Map
Populasi

Eksklusi
Kegunaan
Teknik
Sampel
Sampling

Jenis Inklusi

Langkah
Probability Non
Probability Besaran Sampel

f) Sasaran Belajar
STEP 5
1. Jenis-jenis teknik sampling (beserta contohnya)
2. Langkah-langkah menentukan besar sampel

g) Belajar Mandiri
STEP 6
Belajar mandiri

h) Penjelasan
STEP 7
1. Jenis-jenis teknik sampling
Teknik sampling adalah merupakan teknik pengambilan sampel. Untuk
menentukan sampel dalam penelitian, terdapat berbagai teknik sampling yang
digunakan. Secara skematis, macam-macam teknik sampling ditunjukkan pada
gambar 1.1. 1
 6

Gambar 1.1 Macam-macam teknik sampling.1

Probability Sampling
A. TEKNIK PROBABILITY SAMPLING
Teknik probability sampling adalah cara pengambilan sampel
dengan semua objek atau elemen dalam populasi memiliki kesempatan
yang sama untuk dipilih sebagai sampel. Hasil penelitian dijadikan untuk
mengestimasi populasi (melakukan generalisasi). 2
 7

Gambar 1.2 Generalisasi Sampel pada Populasi dengan Teknik Sampling. 2

Yang termasuk dalam probability sampling adalah simple random

sampling, systematic random sampling, disproportionate stratified random
sampling, proportionate stratified sampling, dan cluster sampling. Setiap
jenis teknik sampling tersebut akan berikut ini: 2

1) Pengambilan sampel secara acak sederhana (simple random sampling).

Pada teknik sampling secara acak, setiap individu dalam populasi memiliki
peluang yang sama untuk dijadikan sampel. Teknik sampling acak
sederhana merupakan teknik yang populer dibandingkan teknik lainnya
dalam penelitian sains. Teknik ini biasanya menggunakan metode undian.

Persyaratan yang harus dipenuhi untuk teknik pengambilan sampel acak

secara sederhana adalah anggota populasi dianggap homogen. Teknik
sampling ini memiliki bias terkecil dan generalisasi tinggi. 2

Prosedur dalam teknik pengambilan sampel acak sederhana adalah sebagai

berikut: 2

a. Susun kerangka sampel

b. Tetapkan jumlah sampel yang akan diambil
c. Tentukan alat pemilihan sampel
d. Pilih sampel sampai dengan jumlah terpenuhi
 8

Penerapan prosedur teknik pengambilan sampel acak sederhana

terlihat pada gambar berikut ini. 2

Gambar 1.3 Prosedur teknik pengambilan acak sederhana. 2

Teknik pengambilan sampel acak sederhana yang sering digunakan

adalah dengan metode undian. Ada dua rancangan cara undian:
 9

1) Pengambilan sampel tanpa pengembalian, yang artinya sampel yang

sudah terpilih tidak akan dipilih lagi. Akan menghasilkan nilai
probabilitas yang tidak konstan.
2) Pengambilan sampel dengan pengembalian, yang berarti sampel yang
sudah terpilih ada kemungkinan terpilih lagi. Menghasilkan nilai
probabilitas yang konstan. 2

Metode lainnya yang dapat digunakan dalam teknik pengambilan acak

sederhana adalah dengan tabel random menggunakan Ms. Excel. Tahapan dalam
pembuatan tabel random adalah sebagai berikut: 2

1) Buat kode untuk setiap anggota populasi yang ditentukan (bisa 2 atau 3
digit). Sebagai contoh dalam suatu penelitian memiliki 50 anggota
populasi, dimana populasinya merupakan dokumen rekam medis. Dari 50
rekam medis yang telah ditentukan diberikan kode 2 digit, dari nomor urut
01 s.d 50. Setelah diperhitungkan menggunakan rumus besaran sampel
didapatkan sampel yang harus dipenuhi yaitu 44 rekam medis. 2

Gambar 1.4 Entri kode tiap anggota populasi. 2

 10

2) Kemudian pada kolom 2 buat nama Rand, kemudian buat rumus =rand
(Tarik rumus untuk meneruskan pada baris berikutnya). 2

Gambar 1.5 Random tiap anggota populasi. 2

3) Buat kolom baru dengan nama sampel Kemudian tuliskan rumus

=INDEX($A$2:$A$51;RANK(B2;$B$2:$B$51)) Catatan: Penggunaan
tanda “;” tergantung format komputer jika tidak sesuai gunakan tanda “,”.
4) Tarik rumus pada kolom C2 sesuai jumlah sampel yang dibutuhkan adalah
44 rekam medis, maka tarik rumus sampai C45 untuk mendapatkan kode
dari tiap anggota populasi yang menjadi sampel dalam penelitian. 2
 11

Gambar 1.6 Sampel yang diambil. 2

2) Sistematik Random Sampling

Sistematik random sampling adalah metode yang digunakan
dengan cara membagi jumlah seluruh anggota populasi dengan jumlah
sampel yang dibutuhkan. Hasil tersebut merupkan interval sampel. Dalam
rumus dituliskan sebagai berikut: 2,3
N
K= n

Keterangan: K = sampling interval

N = jumlah seluruh anggota populasi
n = jumlah sampel yang diinginkan

Contoh: Dalam penerapan pengambilan sistematik random sampling, suatu

populasi dalam penelitian yang merupakan seluruh tenaga kesehatan yang
 12

terdiri dari 500 orang, kemudian sampel yang diinginkan adalah 50.
Sampling interval pada penelitian tersebut adalah sebagai berikut: 2

N
K= n
500
K= 50
K= 10

Misal titik awal pada anggota populasi yang akan diambil sebagai
sampel adalah nomor 8, maka sampelnya adalah a, a2 (a+k), a2+k, dst
sehingga sampel penelitian adalah 8, 18, 28, dan seterusnya sampai
mencapai jumlah 50 anggota sampel. Untuk mencegah nomor urut sampel
ketika ditentukan dengan interval tidak tersedia, lebih baik menentukan
titik awal dari nomor 1 – 10. 2

3) Stratified Random Sampling

Stratified random sampling merupakan proses pengambilan sampel
melalui proses pembagian populasi ke dalam strata, memilih sampel acak
sederhana dari setiap strata, dan menggabungkannya ke dalam sebuah
sampel. Dari populasi tersebut kemudian dibagi ke dalam strata yang
karakteristiknya sama. 1,2
Contoh: Dalam suatu penelitian tentang kepuasan pasien rawat
inap RS X Januari 2017, populasi pasien rawat inap pada bulan Januari
2017 adalah 300 dengan populasi tiap strata berjumlah sama. Dari
perhitungan besar sampel, didapatkan jumlah sampel yang harus dipenuhi
adalah 90 pasien. Ruang rawat inap di RS X terdiri dari ruang rawat kelas
1, kelas 2, dan kelas 3. Maka dengan menggunakan teknik stratifikasi,
pengambilan sampel adalah sebagai berikut: 2
 13

Gambar 1.7 Contoh Teknik Stratifikasi. 2

4) Cluster Random Sampling.

Anggota dalam populasi dibagi ke dalam cluster atau kelompok
jika ada beberapa kelompok dengan heterogenitas dalam kelompoknya dan
homogenitas antar kelompok. Teknik cluster sering digunakan oleh para
peneliti di lapangan yang mungkin wilayahnya luas. 2,3
Contoh: Anggota populasi tersebar di Provinsi DKI Jakarta, maka
dalam teknik pengambilan sampel dibuat ke dalam cluster dari seluruh
anggota populasi per kota, yang nantinya sampel akan dibagi dari Jakarta
Barat, Jakarta Pusat, Jakarta Utara, Jakarta Selatan, dan Jakarta Timur. 2
 14

Gambar 1.8 Contoh Teknik Cluster Random Sampling. 2

Non-Probability Sampling

Non probability sampling merupakan cara pemilihan sampel yang lebih praktis
dan mudah dilakukan daripada probability sampling karenanya dalam penelitian
klinis lebih sering digunakan daripada probability sampling. Namun perlu diingat,
karena semua prosedur statistika berdasarkan asumsi umum bahwa sampel
diambil secara probability samplinh (khususnya random sampling), maka
kesahihan sampel non probability sampling terletak pada berapa benar
karakteristik sampel yang dipilih dengan cara lain akan menyerupai karakteristik
sampel bila pemilihan dilakukan dengan cara probability sampling. 4

Consecutive sampling, convienent sampling dan judgemental sampling

merupakan 3 jenis non probability sampling yang paling sering digunakan dan
diuraikan di bawah:

a. Consecutive sampling
 15

Pada consecutive sampling, semua subyek yang dating berurutan dan memenuhi
kriteria pemilihan dimasukan dalam penelitian sampai jumlah subyek yang
diperlukan terpenuhi. Consecutive sampling ini merupakan jenis non probability
sampling yang paling baik, dan seringkali merupakan cara termudah. Faktanya
sebagian besar penelitian klinis (termasuk uji klinis) pemilihan subyeknya
dilakukan dengan teknik ini. 4

Agar hasil pemilihan subyek dengan consecutive sampling dapat menyerupai hasil
dengan probability sampling, maka jangka waktu pemilihan pasien atau subyek
penelitian harus tidak terlalu pendek, terutama untuk penyakit yang dipengaruhi
oleh musim. Contohnya, pengambilan pasien demam berdarah dengue pada
bulan-bulan Agustus-September mungkin tidak mewakili karakteristik pasien
demam berdarah dengue pada umumnya, oleh karena puncak insidens penyakit ini
biasanya terjadi antara bulan April-Juni dan karakteristik pasien pada puncak
insidens biasanya tidak sama dengan pada bulan-bulan lain. Untuk jenis penyakit
yang tidak dipengaruhi oleh musim hal tersebut dapat diabaikan. 4

b. Convinient sampling

Cara ini merupakan cara termudah untuk menarik sampel, namun juga sekaligus
merupakan cara yang paling lemah. Pada cara ini sampel diambil tanpa
sistematika tertentu sehingga jarang dapat dianggap dapat mewakili populasi
terjangkau, apalagi populasi target penelitian. 4

Contoh : Ingin diketahui kadar hemoglobin pasien penyakit jantung bawaan

(PJB). Ditetapkan besar sampel 40. Peneliti, suatu hari mengambil 8 kasus di
poliklinik jantung. Kemudian ia cuti, dan waktu masuk kembali, kalau tidak rapat
atau memberi kuliah ia mengumpulkan lagi pasien sampai mencapai 40.Cara ini
mudah, namun subyek terpilih tidak mewakili pasien PJB yang berobat di
poliklinik tersebut. Dalam keadaan tertentu, bila variabilitas nilai pada subyek
penelitian tidak berbeda besar, maka hasil yang diperoleh dapat dianggap
representative untuk populasi target, misalnya pada penelitian untuk memperoleh
 16

nilai-nilai normal (contoh :ukuran ginjal pada bayi baru lahir, dimensi ruang
jantung dengan cara ekokardiografi pada orang dewasa normal). 4

c. Judgemental sampling atau purposive sampling

Pada judgemental sampling atau purposive sampling ini peneliti memilih

responden berdasarkan pada pertimbangan subyektif dan praktis, bahwa
responden tersebut dapat memberikan informasi yang memadai untuk menjawab
pertanyaan penelitian. 4

Contohnya untuk meneliti pendapat ibu-ibu tentang pemberian ASI dan susu
formula, dipilih ibu-ibu yang pernah memberikan ASI dan pernah pula
memberikan susu formula pada bayinya, atau ibu yang pendidikannya cukup
sehingga dapat memberikan keterangan yang lebih akurat. Cara tersebut
mempunyai kelemahan yang lebih kurang sama dengan cara convinient sampling.
4

Berbeda dengan Sampling secara acak, pada metode pengambilan secara

tidak acak, tidak semua unsur didalam populasi mempunyai peluang yang sama
untuk tertarik sebagai sampel. Pengambilan sampel secara tidak acak ini dapat
dilakukan jika karakteristik yang ada dipolusai tidak memadai, misalnya jika
disuatu daerah kasus kejadian penderita HIV sangat jarang, maka untuk penelitian
sebaiknya seluruh penderita HIV yang ada digunakan sebagai sampel tanpa
melakukan pengacakan. Terdapat banyak cara pengambilan sampel secara tidak
acak, tetapi yang akan dijelaskan disini hanya purposive sampling¸incidental
sampling dan quota sampling. 4

Berikut ini penjelasan lebih lanjut tentang penarikan sampel secara tidak acak
(non probability sampling). 4

a. Purposive Sampling
 17

Metode purposive sampling dapat dilakukan ketika peneliti telah memahami

karakteristik dari populasi, atau sampling dilakukan oleh orang yang telah
mengenal betul populasi yang akan diteliti (seorang ahli di bidang yang akan
diteliti). Penentuan sample selanjutnya berdasarkan tujuan-tujuan tertentu yang
telah ditetepakan serta mewakili karakteristik dari populasi. Dengan demikian,
sampel tersebut akan representatif terhadap populasi yang sedang diteliti.
Purposive sampling juga sering dikaitkan dengan tujuan penelitian yang akan
dilakukan. Sebagai contoh, jika kita hendak meneliti tentang hubungan pemberian
tablet zat besi pada ibu hamil dengan kenaikan kadar haemoglobin darah ibu
hamil tersebut, maka tidak perlu semua ibu hamil diteliti karena dampak
pemberian zat besi akan terlihat setelah beberapa waktu pemberian. Dengan
demikian maka sampel yang dipilih dalam penelitian tersebut adalah ibu hamil
dengan usia kehamilan 4 bulan atau lebih (trimester ke-2 dan ke-3). 2,5

Penarikan sampel secara puposif merupakan cara penarikan sampel yang

dilakukan dengan memilih subjek berdasarkan pada karakteristik tertentu yang
dianggap mempunyai hubungan dengan karakteristik populasi yang sudah
diketahui sebelumnya. 2,5

Contoh: Suatu penelitian tentang “Evaluasi Standar Operasional Pengelolaan

Rekam Medis di Puskesmas X”, peneliti menetapkan karakteristik subjek
penelitian adalah tenaga kesehatan yang bekerja di Bagian Rekam Medis lebih
dari 1 tahun. 2,5

b. Insidental Sampling

Sampel insidental atau aksidental (insidental sampling atau accidental sampling)

adalah pengambilan sampel dilakukan atas dasar seadanya tanpa direncanakan
terlebih dahulu dan penggambaran hasil dari pengumpulan data tidak didasarkan
pada suatu metoda yang baku. Misalnya, terjadi suatu keadaan luar biasa (KLB),
data yang sudah terkumpul disajikan secara deskriptif dan hasil tersebut tidak
dapat digeneralisasi. 2,5
 18

Teknik sampling aksidental dilakukan berdasarkan faktor spontanitas atau

kebetulan. Artinya siapa saja yang secara tidak sengaja bertemu dengan peneliti
maka orang tersebut dapat dijadikan sampel. 2

Contoh: Suatu penelitian tentang “Evaluasi kepuasan mahasiswa terhadap proses

pembelajaran”. Maka pada waktu penelitian, jika ditemui mahasiswa dapat
dijadikan sebagai sampel. 2

c. Quota Sampling

Sampel yang akan diambil ditentukan oleh pengumpul data dan sebelumnya telah
ditentukan jumlah yang akan diambil. Kalau jumlah tersebut sudah dicapai, si
pengumpul data berhenti, selanjutnya hasil itu dipresentasikan. Sebagai contoh,
misalnya seorang peneliti ingin mengetahui apakah masyarakat setuju dengan
kebijakan larangan merokok di tempat umum. Sebelum mengumpulkan data telah
ditentukan bahwa ia akan mewawancara sebanyak 1000 orang yang sedang
mengunjungi sebuah pusat perbelanjaan di Jakarta. Kepada setiap orang yang
hendak mengunjungi sebuah pusat perbelanjaan ditanyakan apakah ia setuju
dengan kebijakan larangan merokok di tempat umum. Orang yang ditanya atau
responden mungkin hanya menjawab setuju atau tidak setuju. Peneliti tersebut
akan berhenti setelah ia menanyai sebanyak 1000 orang dan akan menulis hasil
temuannya. 2

Sampling kuota (penarikan sampel secara jatah) merupakan teknik sampling yang
dilakukan atas dasar jumlah atau jatah yang telah ditentukan. Sebelum kuota
sampel terpenuhi maka peneltian belum dianggap selesai. 2

Contoh: Suatu penelitian tentang “Tinjauan Ketepatan Kode Diagnosa di RS X”,

dimana peneliti menetapkan bahwa sampel yang harus terpenuhi sebanyak 50
dokumen rekam medis. Pengambilan sampel dapat dilakukan dengan memilih
sampel secara bebas dengan karakteristik yang telah ditentukan peneliti. 2
 19

d. Sampling Jenuh
Teknik sampling jika semua anggota populasi digunakan sebagai sampel. Hal ini
dilakukan jika jumlah populasi kurang dari 30. 2

Contoh: Suatu penelitian tentang “Penilaian kinerja PMIK di RS X”, dimana

populasi pada bagian RMIK di RS X hanya 23 orang. Maka dengan menggunakan
sampel jenuh, sampel pada penelitian ini adalah keseluruhan PMIK di RS X yaitu
sebanyak 23 orang. 2

e. Snowball Sampling
Penarikan sampel pola ini dilakukan dengan menentukan sampel pertama. Sampel
berikutnya ditentukan berdasarkan informasi dari sampel pertama, sample ketiga
ditentukan berdasarkan informasi dari sampel kedua, dan seterusnya sehingga
jumlah sampel semakin besar. Dikatakan snowball sampling karena penarikan
sampel terjadi seperti efek bola salju. 2

Contoh: Suatu penelitian tentang “Evaluasi Standar Operasional Pengelolaan

Rekam Medis di Puskesmas X”. Peneliti menetapkan subjek penelitian pada
awalnya adalah Kepala Rekam Medis, kemudian dari hasil wawancara diarahkan
ke bagian perencanaan RS. 2

2. Langkah-langkah menentukan besar sampel

Prinsip Utama Menggunakan Sampel dalam penelitian

Tujuan utama kita ketika melakukan penelitian adalah untuk dapat

mengestimasi kondisi pada target populasi. Contohnya : kita tidak bisa
mengatakan tingkat kepuasaan pasien pada 50 pasien di dalam sampel
penelitian kita tetapi kita selalu ingin mengatakan kepuasaan pasien di Rumah
Sakit X, Kabupaten X, Propinsi X, dsb. Cara yang paling baik dan tidak bias
untuk dapat mengukur tingkat kepuasan pasien pada target populasi kita adalah
 20

dengan mengukur keseluruhan populasi tersebut. Tetapi pada umumnya hal ini
tidak dapat dilakukan karena terbentur beberapa keterbatasan seperti dana,
waktu dan kemampuan peneliti. Keadaan inilah yang kemudian memaksa kita
untuk menggunakan sampel untuk mengestimasi kondisi target populasi. 4

Dengan pengertian lain pengambilan sampel merupakan proses menyeleksi

sejumlah unit populasi dari target populasi yang ditetapkan.
Ketika kita ingin menggunakan hasil sampel untuk mengestimasi kondisi target
populasi maka kita perlu merancang sampel agar sampel tersebut benar-benar
dapat mencerminkan target populasi. Dalam bahasa statistik kita mengatakan ”
sampel harus mewakili (represenatitve) target populasi”. Untuk mendapatkan
hal tersebut maka kita perlu mendapatkan sampel yang tepat dan akurat.
Sampel yang tepat ditentukan oleh bagaimana kita memilih subyek penelitian
dari populasi. Pemilihan sampel ini harus melalui proses yang baik, misalnya
subyek di dalam populasi harus mempunyai kesempatan yang sama untuk
dapat terpilih sebagai sampel. Prinsip ini terlihat mudah tetapi pada
praktektnya tidaklah selalu mudah terutama pada penelitian di masyarakat. 4

Sampel yang akurat ditentukan oleh besar/jumlah sampel pada penelitian kita.
Perhitungan jumlah sampel harus berdasarkan tujuan penelitian dan estimasi
terbaik dari kondisi target populasi. Banyak peneliti yang hanya mementingkan
jumlah sampel tetapi tidak memikirkan bagaimana cara memilih subyek.
Jumlah sampel yang adekuat tanpa proses pemilihan subyek yang benar maka
akan hanya akan mendapatkan akurasi saja tetapi tidak akan mendapatkan
ketepatan subyek (valid). 4

Perhitungan Besar Sampel

Prinsip Perhitungan Besar Sampel

Ada 2 prinsip dasar dalam perhitungan besar sampel :
1). Tujuan penelitian
Rumus besar sampel sudah dapat ditentukan pada saat kita menetapkan tujuan
 21

penelitian. Apakah penelitian itu untuk mengestimasi parameter di suatu

populasi atau untuk menguji hipotesis?. Yang dimaksud dengan mengestimasi
parameter di populasi contohnya adalah suatu penelitian yang bertujuan untuk
mengetahui prevalensi malnutrisi pada anak balita , mengetahui prevalensi
anemia pada ibu hamil, dll. Dalam kasus ini kita hanya ingin mengetahui satu
atau lebih kondisi di dalam suatu populasi tanpa membandingkan dengan
populasi lain atau populasi yang sama tapi dengan waktu yang berbeda.
Sedangkan, pada penelitian dengan uji hipotesis kita ingin membandingan satu
kelompok dengan kelompok lain di dalam satu populasi berkaitan dengan
variabel outcome, atau keadaan dalam satu populasi pada waktu yang berbeda.
Contohnya : penelitian yang melihat proporsi tingkat kepuasan pasien di antara
pasien dengan pendidikan rendah dan pendidikan tinggi. 3

2). Estimasi (perkiraan) kodisi target populasi penelitian kita.

Prinsip inni seperti bertolak belakang, kita melakukanpenelitian karena kita
ingin mengetahui kondisi pada target populasi tetapi kita diminta untuk dapat
memperkirakan kondisi tersebut sebelum kita memulai penelitian. Perhitungan
besar sampel akan didasarkan pada data awal mengenai kondisi target populasi.
Data ini dibutuhkan sebelum kita memulai penelitian. Data ini bisa didapatkan
dari hasil penelitian yang sama yang telah dilakukan sebelumnya pada populasi
target, penelitian yang sama di tempat lain tetapi dengan populasi yang hampir
sama karakteristiknya dengan populasi target, dengan melakukan penelitian
pendahuluan atau perkiraaan dari para ahli. 3

Besar Sampel untuk Estimasi Proporsi Populasi

Kita mengguanakn rumus besar sampel untuk estimasi proporsi populasi jika
tujuan penelitian kita untuk mengestimasi prevalensi suatu penyakit atau
cakupan program kesehatan. Contoh jenis penelitian ini : survey untuk
menentukan cakupan imunisasi pada balita, survey untuk melihat prevalensi
diare, dll. Atau dengan kata lain penelitian ini adalah penelitian deskriptif atau
penelitian yang bertujuan tidak menguji hipotesis. 2
 22

Rumus perhitungan besar sampel untuk Estimasi proporsi populasi :

Tingkat kepercayaan yang sering digunakan adalah 95 % ( 1,960) dan 90 % (

1,645). Sedangkan untuk nilai p* (1-p) akan memberikan berbagai nilai yang
berikut ini untuk nilai p yang berbeda : 2

Tabel 2.1 Nilai P

Besar sampel yang dipilih akanpaling besra jika p sama dengan 0.5. Oleh
karena itu disarankan bila peneliti tidak mengetahui besarnya p dalam populasi,
 23

memilih p sebesar 0.5 akan memberikan jumlah yang cukup. Untuk nilai d
bervariasi antara 0.01 samapai dengan 0.25. 2

Dalam menggunakan rumus besar sampel di atas perlu diperhatikan bahwa

perhitungan besar sampel tersebut tidak memasukkan jumlah populasi. Jumlah
sampel akan sama untuk populasi 100.000 anak atau 1.000.000 anak. Hal lain
yang harus diperhatikan adalah pemilihan subyek harus secara menggunakan
prosedur random sederhana (simple random sampling) . Dalam prosedur
random sederhana ini subyek terpilih secara random (acak) dari daftar subyek
yang memenuhi syarat untuk dijadikan subyek dari populasi. Kemudian
memilih secara langsung sampel dari daftar. Dalam penelitian di masyarakat
prosedur ini hampir tidak mungkin dilakukan untuk itu maka ada beberapa
modifikasi dalam prosedur penyeleksian sampel. Konsekuensi dari modifikasi
ini adalah kita perlu menyesuaikan besar sampel dengan mengalikannya
dengan suatu ”efek rancangan ” (design effect).Sebagai contoh, bila digunakan
cara pengambilan kelompok (klaster) maka efek rancangan diperkirakan 2. Ini
berarti bahwa untuk memperoleh presisi yang sama, dengan pengambilan
sampel kelompok (klaster) diperlukan jumlah sampel yang besarnya 2 kali
lipat. 2

Contoh :
Seorang peneliti ingin mengetahui proporsi anemia anak di sebuah SD di desa
A. Di asumsikan bahwa pemilihan sekolah dilakukan dengan cara random
sampling sederhana (simple random sampling), berapa sampel yang
dibutuhkan jika diperkirakan 50 % dari anak –anak tersebut (populasi target)
anemia, dimana d ditentukan sebesar 10 % (0.01) dan tingkat kepercayaan 95
%. 2

Peneyelesaian :
Dengan menggunakan rumus sampel di atas :
n = (1.962 * 0.5* 0.5)/ (0.102) = 97, maka diperlukan 97 anak dalam
penelitian tersebut. Beberapa software tersedia untuk membantu kita dalam
 24

menghitung besar sampel. Dibawah ini contoh perhitungan sampel untuk

estimasi proporsi dengan. 2

Besar sampel untuk Estimasi Rata-Rata Populasi

Kita menggunakan rumus sampel rata-rata populasi apabila tujuan penelitian
kita adalah untuk estimasi rata-rata pada target populasi kita. Contohnya:
penelitian survey untuk mengetahui rata-rata kepuasan diantara pasien rawat
inap di suatu Rumah Sakit, survey untuk mengukur rata-rata tekanan darah
2
sistolik dan diastolik pada pada orang dewasa di suatu populasi.

Rumus perhitungan besar sampel untuk Estimasi rata-rata populasi : 2

Asumsi dalam menggunakan rumus ini sama dengan asumsi penggunaan

rumus besar sampel untuk estimasi proporsi populasi. 2

Besar sampel untuk uji hipotesis

- Proporsi dua populasi
Tujuan penelitian yang menggunakan rumus ini adalah untuk membandingkan
dua kelompok, misalnya : membandingkan proporsi kepuasan pasien diantara
pasien dengan tingkat sosek rendah dan tinggi, proporsi kinerja pegawai
 25

diantara pegawai denganmasa kerja baru dan lama, dll) Rumus perhitungan
besar sampel untuk uji hipotesis proporsi dua populasi : 2

Kalau kita menggunakan software Ssize untuk menghitung besar sampel untuk
uji hipotesis proporsi dua populasi maka kita memilih Hypothesis test for two
population proportions (two sided test) dari menu utama kemudian klik
Estimate. Kotak dialog akan terbuka dan kita perlu memasukkan tingkat
kemaknaan (significance level), kekuatan test (power of test), P1 dan P2. 2

Cara Pengambilan Sampel

Secara garis besar, terdapat 2 cara sampling, yaitu sampling dengan
probabilitas (probability sampling) yang banyak diterapkan pada penelitian
kuantitatif dan sampling tidak dengan probabilitas (non probability atau
purposive sampling) yang diterapkan pada penelitian kualitatif. Pada penelitian
kualitatif, oleh karena samplingnya tidak berhubungan dengan analisis statistik
dan proses generalisasi, oleh karena itu tidak dibicarakan disini. 3

Sampling dengan probabilitas adalah proses pencuplikan yang setiap satuan

di populasinya mempunyai probabilitas untuk terpilih di dalam cuplikan. Cara
pemilihan sampling dengan probabilitas menentukan prosedur dan satuan-
satuan untuk sampling dan estimasi. 3

Rumus estimasi proporsi populasi : 3

 26

Keterangan
n = jumlah sampel
Z21-α= Z score pada 1 – α/2 tingkat kepercayaan
p = estimasi proporsi
d = presisi

Rumus perhitungan besar sampel untuk Estimasi rata-rata populasi : 3

Keterangan
n = jumlah sampel
Z21-α = Z score pada 1 – α/2 tingkat kepercayaan
σ= standar deviasi
d = presisi

Rumus perhitungan besar sampel untuk uji hipotesis proporsi dua populasi : 3

Keterangan :
n= besar sampel
P1= proporsi kejadian pada salah satu partisipasi pada kelompok tertentu.
P2= proporposi kejadian pada salahsatu partisipasi pada kelompok tertentu
P= rata-rata P1 dan P2
Z21-α= Nilai Z pada derajat kemaknaan 90,95,99%= 1,64, 196, 2,58
Z1-β= nilai Z pada kekuatan uji power
 27

Berikut ini adalah beberapa metode yang digunakan dalam menentukan

ukuran sampel.

a. Rumus Slovin
Contoh:
Dalam suatu penelitian yang memiliki jumlah populasi 120 orang dan
tingkat kesalahan yang diharapkan oleh peneliti adalah sebesar 5%,
maka jika menggunakan rumus slovin, maka didapat sampel sebagai
berikut: 2

b. Penelitian Cross Sectional

Contoh:
Suatu penelitian ingin mengetahui proporsi resume medis yang tidak
lengkap pada RS X. Namun populasinya belum diketahui peneliti.
Untuk derajat penyimpangan yang diinginkan peneliti adalah 5%,
maka sampel yang dibutuhkan adalah sebagai berikut: 2

Maka, sampel dokumen resume medis yang diperlukan adalah 384

dokumen.
c. Sampel Berstrata
Contoh:
 28

Suatu penelitian mengukur evaluasi kinerja dosen dengan subjek

penelitian mahasiswa. Peneliti membuat stratum kelompok mahasiswa
sebagai berikut: 2

Tabel 2.2 Kelompok Mahasiswa Berdasarkan Nilai Mahasiswa. 2

Dengan mengggunakan rumus berstrata maka perhitungan adalah

sebagai berikut:
a. Cari besaran sampel secara keseluruhan (Bisa menggukan rumus
Slovin: dalam penelitian ini menggunakan tingkat kesalahan 5%).
b. Hitung sampel tiap stratifikasi. Maka setelah perhitungan,
didapatkan sampel dari tiap populasi seperti berikut: 2

Tabel 2.2 Sampel Tiap Kelompok Mahasiswa Berdasarkan Nilai Mahasiswa. 2

 29

Perhitungan besar sampel berdasarkan tujuan penelitian.

1) Besar Sampel untuk Estimasi Proporsi

a. Estimasi proporsi dengan presisi mutlak
Contoh:
Direktur sebuah rumah sakit ingin mengetahui tingkat kepuasan pasien
terhadap pelayanan kefarmasian di instalasi farmasi umah sakit
tersebut. Berdasarkan informasi pada suvei sebelumnya pada rumah
sakit lain diketahui persentase pasien yang tidak puas sebesar 35%.
Berdasarkan masalah dan informasi yang ada, berapa jumlah sampel
yang dibutuhkan jika Direktur menginginkan presisi mutlak sebesar
10% dan derajat kepercayaan 95%? Dengan menggunakan rumus (9.2)
dan nilai p = 0,35, d = 0,10 dan z = 1,96 maka diperoleh jumlah
sampel minimum adalah: 5

Jadi jumlah sampel minimum yang dibutuhkan sebesar 87,39 pasien.

Jumlah tersebut dibulatkan menjadi 88 pasien, berarti 88 pasien
diperlukan sebagai sampel agar kita 95% percaya dalam melakukan
estimasi jumlah atau persentase tingkat kepuasan pasien. 5

b. Estimasi proporsi dengan presisi relatif

Contoh:
 30

Seorang peneliti ingin mengetahui gambaran masyarakat yang

melakukan pengobatan sendiri ketika demam. Dari survei di Indonesia,
diketahui bahwa persentase masyarakat yang mengobati sendiri ketika
demam adalah 60%. Berapa jumlah sampel yang diperlukan jika
peneliti mengharapkan derajat kepercayaan 95% dan presisi relatif
10%? Dengan menggunakan rumus (3.6), jumlah sampel dapat
dihitung berdasarkan isian P = 0,60, ϵ = 0,10, dan Z = 1,96, maka: 5

Jumlah tersebut dibulatkan menjadi 257 orang sampel. Dengan

demikian diperlukan 257 orang sebagai sampel agar kita 95% percaya
dalam melakukan estimasi persentase masyarakat yang mengobati
sendiri ketika demam di daerah tersebut. 5

c. Besar Sampel untuk Uji Hipotesis Beda Proporsi

Contoh:
Suatu penelitian pendahuluan memperlihatkan bahwa kebiasaan
mengkonsumsi obat antibiotik tertentu pada ibu hamil merupakan
faktor risiko terhadap kejadian diskolorasi pada bayi yang dilahirkan
kelak (gigi berwarna abu-abu kehitaman). Pada peneltian tersebut, dari
20 ibu hamil yang mengkonsumsi antibiotik 12 orang melahirkan
dengan bayi atau anak memiliki gigi yang mengalami diskolorasi.
Sedangkan dari 20 ibu hamil yang tidak mengkonsumsi antibiotik 6
orang melahirkan bayi yang kemudian diketahui menderita diskolorasi.
Seorang peneliti ingin mengetahui apakah ada perbedaan proporsi
diskolorasi antara ibu hamil yang mengonsumsi antibiotik dan tidak. 5

Berapa besar sampel yang diperlukan jika peneliti menghendaki

derajat kemaknaan 5% dan kekuatan uji 80%? Pada penelitian
 31

pendahuluan, proporsi bayi diskolorasi pada ibu yang konsumsi

antibiotik adalah 12/20=60%, dan pada ibu yang tidak konsumsi
antibiotik adalah 6/20=30%. Proporsi rata-rata (Ṕ)
=(60%+30%)/2=45%. Dengan derajat kemaknaan 5%, kekuatan uji
80% dan uji 2 sisi (ada perbedaan=Ha:P1≠P2) maka besar sampel
adalah sebagai berikut. 5

Jadi untuk membuktikan bahwa proporsi diskolorasi pada ibu yang

mengonsumsi antibiotik tidak sama atau berbeda dari proporsi
diskolorsi ibu yang tidak mengonsumsi antibiotik diperlukan jumlah
minimum sampel 42 orang pada masing-masing kelompok. Perlu
diingat bahwa rumus besar sampel ini adalah jumlah sampel jika cara
pengambilan sampel menggunakan teknik acak sederhana (simple
random sampling). Pada penelitian survei jumlah sampel yang
diperoleh dari rumus tersebut harus dikalikan dengan faktor efek
desain, yang sering digunakan adalah dikali dua. 5

d. Besar Sampel untuk Estimasi Rata-rata

Contoh:
Suatu penelitian dilakukan untuk mengetahui berat rata-rata formulasi
tablet di suatu pabrik farmasi. Dari penelitian di pabrik lain, diketahui
standar deviasi berat tablet adalah 50 mg. Berapa besar sampel obat
 32

yang harus diambil jika peneliti menginginkan derajat kepercayaan

95% dan besar simpangan maksimum dari rata-rata berat tablet adalah
20 mg? Dengan menggunakan rumus (3.9) besar sampel dapat
dihitung: 5

Jadi dibutuhkan sampel sebanyak 25 tablet.

e. Besar Sampel untuk Uji Hipotesis Beda Rata-rata Dua Kelompok

Independen
Contoh:
Seorang peneliti ingin mengetahui efek jus daun seledri terhadap
tekanan darah orang hipertensi. Pada penelitian sebelumnya dengan
jumlah sampel 20 orang untuk masingmasing kelompok diketahui
bahwa pada kelompok masyarakat yang mengkonsumsi jus daun
selederi rata-rata tekanan darah diastoliknya adalah 75 mmHg dengan
standar deviasi 10 mmHg. Sedangkan pada kelompok masyarakat yang
tidak mengkonsumsi jus daun seledri rata-rata tekanan darah
diastoliknya adalah 82 mmHg dengan standar deviasi 12 mmHg.
Berapa jumlah sampel minimum yang dibutuhkan jika peneliti hendak
menguji hipotesis adanya perbedaan tekanan diastolik pada kedua
kelompok tersebut dengan derajat kemaknaan 5%, kekuatan uji 80%,
dan uji hipotesis dilakukan dua sisi.
n1 = 20, s1 = 10, μ1 = 75
n2 = 20, s2 = 12, μ2 = 82
α(kemaknaan)=5%, maka nilai Z1-α/2= 1,96 ( dari tabel-Z)
1-β (kekuatan uji)=80%, maka nilai Z1-β=0,84 (dari tabel-Z)
Berapa jumlah sampel minimum yang dibutuhkan? Dengan
menggunakan rumus sp 2 dapat dihitung sebagai berikut. 5
 33

jumlah sampel minimum dapat dihitung dengan rumus sebagai

berikut. 5

Jadi peneliti perlu memeriksa tekanan darah dari 40 orang yang

konsumsi natriumnya rendah dan 40 orang yang konsumsi natriumnya
tinggi. 5

f. Besar Sampel untuk Uji Hipotesis Beda Rata-rata Dua Kelompok

Berpasangan
Contoh:
Seorang peneliti ingin membuktikan efek pemberian tablet zat besi
terhadap peningkatan kadar haemoglobin pada ibu hamil. Dari
penelitian awal (pendahuluan) pada 10 orang ibu hamil, diketahui rata-
rata kadar haemoglobin sebelum perlakuan adalah 9,5 g/dl dan setelah
empat bulan pemberian tablet zat besi adalah 10,5 g/dl. Jadi ada
peningkatan kadar haemoglobin 1,0 g/dl dan standar deviasi 0,25 g/dl.
Peneliti ingin menguji hipotesis dengan perbedaan rata-rata minimum
yang ingin diketahui adalah sebesar 0,2 g/dl, tingkat kemaknaan 5%,
dan kekuatan uji 90%. Berapa jumlah sampel minimum dibutuhkan
dalam penelitian tersebut. 5
 34

𝛔 = 0,25 Perbedaan rata-rata minimum   1 2 0,2   α 5% maka

Z1-α = 1,96 Kekuatan uji (Z1-β) = 90% maka nilai z1-β = 1,28. Berapa
jumlah sampel minimum yang dibutuhkan? Dengan menggunakan
rumus (3.21), jumlah sampel minimun dapat dihitung: 5

Jadi peneliti membutuhkan minimum 17 orang ibu hamil sebagai

sampel. 5

g. Besar Sampel untuk Penelitian Survei

Contoh:
Seorang peneliti ingin melakukan survei kepuasan pasien rawat inap
terhadap layanan Instalasi Farmasi di RS X. Dari studi yang lalu
diketahui bahwa hanya 60% yang puas terhadap ayanan tersebut.
Berdasarkan proporsi itu, berapakah besar sample yang dibutuhkan
jika presisi =10% dan derajat kepercayaan=95%? 5

Jawab : Z /2=1,96; P= 0,6; d=0,1

Jadi untuk melakukan survei tentang tingkat kepuasan di rumah sakit

X sampel yang harus diambil minimal 92 orang pasien. 5
 35

DAFTAR PUSTAKA

1. Sugiyono. Statistika Untuk Penelitian. Edisi 1. Bandung: Alfabeta; 2011.

2. Masturoh I, Anggita N. Metodologi Penelitian Kesehatan. Edisi tahun 2018.

Jakarta: Kementrian Kesehatan Republik Indonesia; 2018.

3. Notoatmodjo S. Metodologi Penelitian Kesehatan. Edisi 1. Jakarta: Rineka

Cipta; 2018.

4. Sastroasmoro S, Ismael S. Dasar-Dasar Metodologi Penelitian Klinis. Edisi ke-

Jakarta: Sagung Seto.

5. Surahman dkk. Metodologi Penelitian. Edisi 1. Jakarta: Kementrian Kesehatan

Republik Indonesia; 2016.