Metode kuantitatif:

Randomisasi
PA N JI FO RT U N A H A DI S O EMA RTO
M E TO DE , A P LI K A SI DA N M A NA JE M E N P E NE LI T IA N K E SM A S – S2 I K M FK U P
1 2 O K TO BE R 2 0 1 6
Random selection vs random allocation
Dua jenis randomisasi:
1. Random selection/sampling:
Digunakan dalam studi observasional; menghindari selection bias  karakteristik sample 
ppoulasi  external validity
2. Random assignment/allocation
Digunakan dalam studi eksperimental; menghindari selection bias  karakteristik kelompok
perlakuan  kelompok kontrol  internal validity
Prinsipyang sama: menggunakan prosedur random

PANJI HADISOEMARTO, 2016 2

Prosedur random
Beberapa jenis prosedur random:
1. Lempar koin
2. Random number:
◦ Tabel angka random
◦ Software: SAS, SPSS, Excel
◦ Website: random.org, dll.

3. Kartu
4. …
Prinsip: menghasilkan urutan random yang tidak bisa diramalkan

PANJI HADISOEMARTO, 2016 3

Random (probabilistic)
sampling

PANJI HADISOEMARTO, 2016 4

The Fundamental
Principle of Survey Design:
You can best design the survey you should
have taken after you have finished the
survey.

PANJI HADISOEMARTO, 2016 5

Istilah-istilah
Representatif: karakteristik dari populasi dapat diperkirakan dengan akurasi yang diketahui
Unit observasi/elemen: obyek/subyek yang akan diukur
Populasi target: kumpulan lengkap dari obyek/subyek yang ingin dipelajari
Sampling frame: daftar, lokasi atau spesifikasi dari sampling unit di populasi yang dapat
digunakan untuk memilih sample
◦ Undercoverage: tidak seluruh populasi target masuk ke dalam sampling frame
◦ Overcoverage: populasi yang tidak termasuk ke dalam populasi target masuk ke dalam sampling frame

Sampling unit: unit yang dapat dipilih sebagai sample

PANJI HADISOEMARTO, 2016 6

PANJI HADISOEMARTO, 2016 7
 Sampling vs. non-sampling error
(Random) Sampling error:
Akurasi dari suatu statistik terhadap nilai parameter sebenarnya, yang dipengaruhi oleh proses
pemilihan sample.
Solusi: teknik sampling yang baik
Non-sampling error:
Akurasi dari hasil pengukuran/estimasi suatu statistik terhadap nilai statistik sebenarnya. Terdiri
dari:
◦ Response error: error yang timbul karena subyek yang merespon memberikan respon yang tidak akurat
◦ Non-response error: error yang timbul karena subyek yang terpilih tidak memberikan respon

Solusi: 1) intrumentasi yang baik, dan 2) pengambilan data yang baik

PANJI HADISOEMARTO, 2016 8

Probability sampling
Simple random sample (SRS): SRS berukuran n berarti setiap subset berukuran n dari populasi
yang diambil mempunyai probabilitas yang sama untuk terpilih
Stratified random sample: Populasi dibagi menjadi strata; SRS diambil dari setiap strata secara
independen.
Cluster sample: Unit observasi dikelompokkan ke dalam cluster; SRS dilakukan pada cluster
Systematic sample: Titik permulaan sampling dipilih secara random; unit yang terpilih dan setip
unit ke-k diambil sebagai sample

PANJI HADISOEMARTO, 2016 9

Simple random sample
Kuis:
Ada berapa cara memilih n dari N? (Misal: memilih 2 huruf berbeda dari 4 huruf A – D)

N = {A, B, C, D}
S = {{A, B}, {A, C}, {A, D}, {B, C}, {B, D}, {C, D}}

Atau…
𝑁 𝑁!
= 𝑛!
𝑛 𝑁−𝑛 !

PANJI HADISOEMARTO, 2016 10

Sehingga, probabilitas satu sampel berukuran 2 huruf diambil dari 4 huruf A – D adalah 1/6.
Sehingga, probabilitas dari masing2 huruf untuk terpilih ke dalam sample adalah jumlah
probabilitas dari sampel yang mengandung huruf tersebut:
P(A) = P(B) = P(C) = P(D) = 3/6 = 1/2
Dalam hal ini, setiap huruf mempunyai probabilitas sama, dan tidak sama dengan nol, untuk
terpilih; dalam kondisi tertentu, kita dapat memperbesar atau memperkecil probabilitas
terpilihnya huruf tertentu (misal: probability proportional to size).
Cat.: Kebalikan dari probabilitas terpilihnya suatu unit disebut sebagai bobot sampling (sampling
weight), yang bisa diinterpretasikan sebagai jumlah unit dari populasi yang diwakili oleh unit
terpilih.

PANJI HADISOEMARTO, 2016 11

Kapan menggunakan SRS:
- Tidak ada informasi tambahan yang bisa digunakan untuk mengelompokkan populasi lebih
jauh
- Tidak ada pilihan; harus menggunakan SRS (misal: permintaan pembimbing tesis)
- Tidak bisa melakukan analisis yang diperlukan untuk jenis sampling yang lain
Kapan tidak menggunakan SRS:
- Jika daftar unit observasi tidak tersedia, atau SRS akan terlalu mahal untuk dikerjakan
- Ada informasi tambahan untuk mendesain sampling lain yang lebih cost-effective
- Survey bukan desain penelitian yang tepat untuk menjawab pertanyaan penelitian

PANJI HADISOEMARTO, 2016 12

Teknik SRS:
1. Tentukan besarnya sampel n
2. Tetapkan daftar dari semua unit observasi/sampling frame
3. Ambil N angka random, lalu alokasikan setiap unit ke satu angka
4. Urutkan angka random dari terkecil ke terbesar, ambil n unit pertama sebagai sampel
Atau:
3. Berikan angka 1 – N pada setiap unit
4. Buat urutan random sebesar n dari angka 1 - N

PANJI HADISOEMARTO, 2016 13

Systematic sampling
Biasa digunakan sebagai pendekatan untuk SRS, namun tidak selalu menyerupai SRS
- Misal: jika unit observasi tersusun dalam pola periodik atau siklik tertentu (misal: laki-
perempuan-laki- dst…)
- Systematic sampling dapat menyerupai SRS jika unit observasi tersusun secara random
◦ Namun tidak akan sepenunya sama dengan SRS

- Sampling frame dan definisi yang tepat dari populasi target tetap diperlukan untuk melakukan
systematic sampling:
◦ Men-sample setiap pengunjung ke-10 perpustakaan FK tidak memberikan sample yang representatif
untuk mahasiswa FK

PANJI HADISOEMARTO, 2016 14

Stratified sampling
Sampling pada populasi yang dilakukan secara independen pada sejumlah strata yang mutually
exclusive:
Setiap stratum tidak beririsan dengan strata yang lain
Setiap anggota populasi hanya menjadi anggota satu stratum
Tujuan stratifikasi: meningkatkan presisi estimasi
Stratified random sampling: SRS di dalam setiap stratum

PANJI HADISOEMARTO, 2016 15

Kapan menggunakan stratified sampling:
1. Mencegah terambilnya sampel yang “buruk”
2. Ingin membuat estimasi dengan presisi tertentu untuk setiap sub-populasi/stratum
3. Jika stratifikasi dapat mempermudah/mempermurah proses sampling
4. Jika menginginkan estimasi yang lebih presisi
Penyusunan strata:
◦ Nilai rata-rata antar-strata sebaiknya sangat berbeda; varians di dalam strata sebaiknya sekecil mungkin
◦ Idealnya strata disusun berdasarkan nilai y (variabel dependen); namun karena y tidak diketahui, maka
strata disusun berdasarkan variabel yang paling berkaitan dengan y
◦ Semakin banyak informasi, semakin banyak strata yang dapat dibuat

PANJI HADISOEMARTO, 2016 16

Alokasi observasi ke dalam strata:
1. Alokasi proporsional
Proporsi sampel (sampling fraction) yang diambil di setiap stratum berbanding lurus dengan
ukuran stratum.
2. Alokasi optimal
Proporsi sampel yang diambil dari satu stratum disesuaikan dengan varians di dalam stratum
tersebut. Biasanya stratum yang berukuran besar mempunyai varians yang lebih besar juga.
Optimal allocation biasanya memperhitungkan biaya yang diperlukan untuk sampling.
3. Alokasi sesuai presisi
Besarnya sampel di setiap stratum dihitung terpisah berdasarkan presisi yang diinginkan.

PANJI HADISOEMARTO, 2016 17

Cluster sampling
Sampling pada populasi dengan mengambil sampel dari kelompok-kelompok populasi yang
terjadi secara natural.
Tujuan cluster sampling: efisiensi biaya
Kapan menggunakan cluster sampling:
1. Jika menyusun sampling frame sulit atau bahkan tidak mungkin
2. Populasi target tersebar di wilayah geografis yang luas, dan mungkin berkelompok secara
natural

PANJI HADISOEMARTO, 2016 18

Jenis cluster sampling:
1. One-stage cluster sampling
◦ Definisikan cluster (=primary sampling unit)
◦ Lakukan SRS di antara cluster
◦ Ukur semua anggota cluster di cluster yang terpilih (=secondary sampling unit)

2. Two-stage cluster sampling

◦ Definisikan cluster
◦ Tahap 1: Lakukan SRS di antara cluster
◦ Tahap 2: Lakukan SRS di cluster yang terpilih
◦ Ukur anggota cluster yang terpilih di tahap 2

Cluster dapat berukuran sama (equal size) atau berbeda ukuran (unequal size)

PANJI HADISOEMARTO, 2016 19

PANJI HADISOEMARTO, 2016 20
Yang perlu diperhatikan dalam cluster sampling:
1. Berapa presisi yang diinginkan?
2. Sebesar apa ukuran cluster harus dibuat?
3. Berapa banyak anggota cluster yang harus disampel?
4. Berapa banyak cluster yang harus disampel?

Memerlukan data yang cukup, atau bahkan sampling pendahuluan.

PANJI HADISOEMARTO, 2016 21

Random allocation

PANJI HADISOEMARTO, 2016 22

Simple (unrestricted) randomization
Simple randomization:
1. Metode paling sederhana dan mudah dilakukan; dapat dilakukan seperti melakukan simple
random sampling
◦ Dapat menggunakan tabel, atau program dan website

2. Keuntungan: tidak bisa ditebak – sulit “mengakali” proses randomisasi

3. Kerugian: ada kemungkinan alokasi yang “buruk” terjadi
◦ Misal: rasio subyek di kelompok intervensi dan kontrol yang tidak berimbang
◦ Kemungkinan ini berkurang dengan jumlah sampel yang besar

PANJI HADISOEMARTO, 2016 23

Restricted randomization
Misalnya block randomization:
1. Dapat menjamin alokasi yang seimbang (atau sesuai dengan keperluan) antara kelompok
kontrol dan eksperimental
2. Ukuran blok dapat berubah-ubah selama proses randomisasi
Contoh: random permuted block design dengan ukuran blok=4, dan alokasi 1:1

1 2
A B
A B
B A
B A
3 4 5 6
A B A B
B A B A
A B B A
B A A B

PANJI HADISOEMARTO, 2016 24

Blinding
Blinding: menutupi status ‘penugasan’ subyek, baik dari subyek, peneliti maupun analis, untuk
menghindarkan terjadinya bias  single, double, triple blinding

PANJI HADISOEMARTO, 2016 25

Sample size

PANJI HADISOEMARTO, 2016 26

Strategi perhitungan besaran sampel
1. Tentukan apa yang akan dihitung (berdasarkan pertanyaan penelitian/hipotesis)
◦ Misal: mean, proportion, rate, odds ratio

2. Tentukan pendekatan perhitungan sampel:

◦ 1. Power
◦ 2. Confidence interval
◦ 3. Simulasi

3. Cari formula yang sesuai dengan desain penelitian:

◦ One sample vs. two sample
◦ Independent vs. paired
◦ Equal vs. unequal size

PANJI HADISOEMARTO, 2016 27

Review

PANJI HADISOEMARTO, 2016 28

Kuliah 2
Definisi dan proses penelitian
Perbedaan antara metodologi, metode, desain dan pendekatan serta hubungan di antara
keempatnya
Perbedaan antara pendekatan kuantitatif dan kualitatif
Literatur review dan penulisan karya ilmiah

PANJI HADISOEMARTO, 2016 29

Kuliah 3
Perbedaan antara teori, model dan kerangka pikir
Beberapa teori yang dapat digunakan di penelitian IKM: teori perilaku, teori politik, teori
matematika
Menggunakan teori dalam penelitian
Menyusun pertanyaan penelitian; mendefinisikan variabel

PANJI HADISOEMARTO, 2016 30

Kuliah 4
Berbagai pendekatan sebab-akibat: SB Hill, produksi, perlu/cukup, komponen
cukup,probabilistik, kontrafaktual, mekanisme
Kedudukan desain eksperimental dan random assignment dalam penarikan kesimpulan sebab-
akibat

PANJI HADISOEMARTO, 2016 31

Kuliah 5
Ancaman terhadap internal validity
Berbagai jenis desain kuantitatif
 Eksperimental
 Pre- dan kuasi-eksperimental
 Observasional

PANJI HADISOEMARTO, 2016 32