TUGAS RESUME

Diajukan untuk memenuhi salah satu tugas mata kuliah Metodologi Penelitian
Dosen Pembimbing:
Sinar Pertiwi, SST.,MPH

Disusun oleh :

NISA ANNISA ARFIYANTI

NIM. P2.06.26.5.16.028

KEMENTERIAN KESEHATAN REPUBLIK INDONESIA

POLITEKNIK KESEHATAN TASIKMALAYA
JURUSAN KEBIDANAN
TASIKMALAYA
 2019

TUGAS
1. PEMBAHASAN VARIABEL PENELITIAN
2. DEFINISI OPERASIONAL & JENIS PULTA
3. POPULASI DAN SAMPEL, JENIS DAN CARA PERHITUNGAN BESAR
SAMPEL

JAWAB
1. PEMBAHASAN VARIABEL PENELITIAN

VARIABEL PENELITIAN
1. Pengertian Variabel
Ada beberapa definisi tentang variabel. Diantarnya adalah sebagai berikut.
a. Variabel adalah segala sesuatu yang akan menjadi objek pengamatan penelitian.
Pengertian yang dapat diambil dari definisi tersebut ialah bahwa dalam
penelitian terdapat sesuatu yang menjadi sasaran, yaitu variabel, sehingga
variabel merupakan fenomena yang menjadi pusat perhatian penelitian untuk
diobservasi atau diukur.
b. Variabel adalah konsep yang memiliki variasi nilai. Definisi di atas
mengandung makna bahwa sesuatu atau konsep dapat disebut variabel jika
konsep tersebut memiliki variabilitas atau dapat dibedakan menjadi beberapa
jenis atau kategori.
2. Klasifikasi Variabel
Variabel dapat diklasifikasikan berdasarkan skala pengukurannya, konteks
hubungannya, dan dapat tidaknya variabel dimanipulasi.
a. Berdasarkan skala pengukuranya
1) Variabel nominal
 Variabel nominal merupakan variabel dengan skala paling sederhana karena
fungsinya hanya untuk membedakan atau memberi label suatu subjek atau
kategori. Contoh variable nominal : jenis kelamin (laki-laki dan perempuan).

2) Variabel ordinal
Variabel ordinal adalah variabel yang dibedakan menjadi beberapa secara
bertingkat, contoh status sosial ekonomi : rendah, sedang, tinggi.
3) Variabel interval
Variabel interval adalahvariabel yang selain dimaksudkan untuk membedakan,
mempunyaitingkatan, juga mempunyai jarak yang pasti atau satu kategori dengan
kategori lainnya, contoh prestasi belajar : 5, 6, 7, 8, dst.
4) Variabel rasio
Variabel rasio merupakan variabel selain berisfat membedakan, mempunyai
tingkatan yang jaraknya pasti, dan setiap nilai kategori diukur dari titik yang
sama, contoh : berat badan, tinggi badan, dst.

b. Berdasarkan konteks hubungannya

Variabel dalam suatu penelitian jumlahnya bisa lebih dari satu. Variabel-variabel
tersebut saling berhubungan dan jika ditinjau dari konteks ini variable dibedakan
menjadi :
1) Variabel bebas atau independent variables
Variabel bebas adalah variabel yang nilainya mempengaruhi variabel lainnya,
yaitu variable terikat.
2) Variabel terikat atau dependent variabel
Variabel terikat merupakan variabel yang nilainya tergantung dari nilai
vaiabel lainnya.
3) Variabel moderator atau variable intervening
 Variabel moderator merupakan variable yang juga mempengaruhi variabel
terikat, namun dalam penelitian pengaruhnya tidak diutamakan.
4) Variabel perancu (confuding variable)
Variabel perancu merupakan variabel yang berhubungan variabel bebas dan
variabel terikat, tetapi bukan variable antara.
5) Variabel kendali
Variabel kendali merupakan variabel yang juga mempengaruhi variabel
terikat, tetapi dalam penelitian keberadaannya dijadikan netral.
6) Variabel rambang
Variabel rambang merupakan variabel yang juga ikut mempengaruhi variabel
terikat namun pengaruhnya tidak penelitian diabaikan.

c. Berdasarkan dapat tidaknya variabel dimanipulasi

Ada variabel di mana peneliti dapat melakukan intervensi dan ada pula variable
di mana peneliti tidak dapat melakukan intervensi. Atas dasar tinjauan ini,
variabel dibedakan menjadi:
1) Variabel dinamis, adalah variabel yang dapat dimanipulasi atau diintervensi
oleh peneliti, contoh : metoda mengajar, teknik pelatihan, strategi
pembiasaan, dst.
2) Variabel statis, merupakan variabel yang tidak dapat diintervensi atau
dimanipulasi oleh peneliti, contoh : jenis kelamin, umur, status perkawinan,
dst.

2. DEFINISI OPERASIONAL DAN JENIS PULTA

PENDEFINISIAN VARIABEL SECARA OPERASIONAL

a. Pengertian definisi operasional
Definisi operasional adalah definisi yang didasarkan atassifat-sifat hal yang
didefinisikan yang dapat diamati (Sumadi Suryabrata, 2000 : 76). Lain halnya
 dengan definisi konseptual, definisi konseptual lebih bersifat hipotetikal dan
“tidak dapat diobservasi”. Karena definisi konseptual merupakan suatu konsep
yang didefinisikan dengan referensi konsep yang lain. Definisi konseptual
bermanfaat untuk membuat logika proses perumusan hipotesa (Sarwono, 2006).
b. Pentingnya operasionalisasi variable
Variabel harus didefinisikan secara operasional agar lebih mudah dicari
hubungannya antara satu variabel dengan lainnya dan pengukurannya. Tanpa
operasionalisasi variabel, peneliti akan mengalami kesulitan dalam menentukan
pengukuran hubungan antar variable yang masih bersifat konseptual.
Operasionalisasi variabel bermanfaat untuk: 1) mengidentifikasi criteria
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)
c. Cara-Cara Menyusun Definisi Operasional
Ada tiga pendekatan untuk menyusun definisi operasional yaitu:
1) yang menekankan kegiatan apa yang perlu dilakukan,
2) yang menekankan pada bagaimana kegiatan itu dilakukan, dan
3) yang menekankan sifat-sifat statis yang didefinisikan.
Ketiga cara menyusun definisi operasional tersebut dapat disebut sebagai
definisi operasional tipe A atau pola I, definisi operasional pola B atau tipe II, dan
definisi operasional tipe C atau pola III (Sumadi Suryabrata, 2000: 76-77; Sarwono,
2006).
1) Definisi Operasional Tipe A atau Pola I
Definisi operasional Tipe A dapat disusun didasarkan pada operasi yang
harus dilakukan, sehingga menyebabkan gejala atau keadaan yang didefinisikan
menjadi nyata atau dapat terjadi. Dengan menggunakan prosedur tertentu peneliti
dapat membuat gejala menjadi nyata. Contoh: “Konflik” didefinisikan sebagai
keadaan yang dihasilkan dengan menempatkan dua orang atau lebih pada situasi
 dimana masing-masing orang mempunyai tujuan yang sama, tetapi hanya satu
orang yang akan dapat mencapainya.
2) Definisi Operasional Tipe B atau Pola II
Definisi operasional Tipe B dapat disusun didasarkan pada bagaimana objek
tertentu yang didefinisikan dapat dioperasionalisasikan, yaitu berupa apa yang
dilakukannya atau apa yang menyusun karaktersitik-karakteristik dinamisnya.
Contoh: “Orang pandai” dapat didefinisikan sebagai seorang yang mendapatkan
nilai-nilai tinggi di sekolahnya.
3) Definisi Operasional Tipe C atau Pola III
Definisi operasional Tipe C dapat disusun didasarkan pada penampakan
seperti apa objek atau gejala yang didefinisikan tersebut, yaitu apa saja yang
menyusun karaktersitikkaraktersitik statisnya. Contoh: “Orang pandai” dapat
didefinisikan sebagai orang yang mempunyai ingatan kuat, menguasai beberapa
bahasa asing, kemampuan berpikir baik,M sistematis dan mempunyai
kemampuan menghitung secara cepat.
d. Kriteria Keunikan
Dalam menyusun definisi operasional, definisi tersebut sebaiknya dapat
mengidentifikasi seperangkat kriteria unik yang dapat diamati. Semakin unik suatu
definisi operasional, maka semakin bermanfaat. Karena definisi tersebut akan
banyak memberikan informasi kepada peneliti, dan semakin menghilangkan objek-
objek atau pernyataan lain yang muncul dalam mendifinisikan sesuatu hal yang
tdiak kita inginkan tercakup dalam definisi tersebut secara tidak sengaja dan dapat
meningkatkan adanya kemungkinan makna variable dapat direplikasi. Sekalipun
demikian, keunikan / kekhususan tersebut tidak menjadi penghalang
keberlakuannnya secara umum suatu konsep yang merupakan cirri validitas
eksternal bagi desain penelitian yang kita buat.
4. POPULASI DAN SAMPEL, JENIS DAN CARA PERHITUNGAN BESAR
SAMPEL

1. Pengertian populasi
Populasi atau universe adalah jumlah keseluruhan dari satuan-satuan atau
individu-individu yang karakteristiknya hendak diteliti. Dan satuansatuan
tersebut dinamakan unit analisis, dan dapat berupa orang-orang, institusi-
institusi, benda-benda, dst. (Djawranto, 1994 : 420).
2. Pengertian Sampel
Sampel atau contoh adalah sebagian dari populasi yang karakteristiknya
hendak diteliti (Djarwanto, 1994 : 43). Sampel yang baik, yang kesimpulannya
dapat dikenakan pada populasi, adalah sampel yang bersifat representatif atau
yang dapat menggambarkan karakteristik populasi.
3. Kriteria Sampel
Ada dua kriteria sampel yaitu kriteria inklusi dan kriteria eksklusi.
Penentuan criteria sampel diperlukan untuk mengurangi hasil peneliian yang
bias. Kriteria inklusi adalah karakteristik umum subjek penelitian dari suatu
populasi target yang terjangkau yang akan diteliti (Nursalam, 2003: 96).
Sedangkan yang dimaksud dengan Kriteria eksklusi adalah menghilangkan/
mengeluarkan subjek yang memenuhi kriteria inklusi dari penelitian karena
sebab-sebab tertentu (Nursalam, 2003: 97).
Sebab-sebab yang dipertimbangkan dalam menentukan criteria ekslusi
antara lain: a. subjek mematalkan kesediannya untuk menjadi responden
penelitian, dan b. subjek berhalangan hadir atau tidak di tempat ketika
pengumpulan data dilakukan.
4. Teknik pengambilan sampel
a. Pengertian teknik pengambilan sampel
 Teknik pengambilan sampel atau teknik sampling adalah teknik pengambilan
sampel dari populasi. Sampel yang merupakan sebagaian dari populasi tsb.
kemudian diteliti dan hasil penelitian (kesimpulan) kemudian dikenakan pada
populasi (generalisasi). Hubungan populasi, sample, teknik sampling, dan
generasi dapat digambarkan sebagai berikut.

b. Manfaat sampling
1) Menghemat beaya penelitian.
2) Menghemat waktu untuk penelit ian.
3) Dapat menghasilkan data yang lebih akurat.
4) Memperluas ruang lingkup penlitian.
c. Syarat-syarat teknik sampling
Teknik sampling boleh dilakukan bila populasi bersifat homogen atau
memiliki karakteristik yang sama atau setidak-tidaknya hampir sama. Bila
keadaan populasi bersifat heterogen, sampel yang dihasilkannya dapat bersifat
tidak representatif atau tidak dapat menggambarkan karakteristik populasi.
d. Jenis-jenis teknik sampling
1) Teknik sampling secara probabilitas
 Teknik sampling probabilitas atau random sampling merupakan teknik
sampling yang dilakukan dengan memberikan peluang atau kesempatan
kepada seluruh anggota populasi untuk menjadi sampel. Dengan demikian
sampel yang diperoleh diharapkan merupakan sampel yang representatif.
Teknik sampling semacam ini dapat dilakukan dengan cara-cara sebagai
berikut.
a) Teknik sampling secara rambang sederhana.
Cara paling populer yang dipakai dalam proses penarikan sampel
rambang sederhana adalah dengan undian.
b) Teknik sampling secara sistematis (systematic sampling).
Prosedur ini berupa penarikan sample dengan cara mengambil setiap
kasus (nomor urut) yang kesekian dari daftar populasi.
c) Teknik sampling secara rambang proportional.
Jika populasi terdiri dari subpopulasi-subpopulasi maka sample
penelitian diambil dari setiap subpopulasi. Adapun cara peng-ambilan-
nya dapat dilakukan secara undian maupun sistematis.
d) Teknik sampling secara rambang bertingkat.
Bila subpoplulasi-subpopulasi sifatnya bertingkat, cara pengambilan
sampel sama seperti pada teknik sampling secara proportional.
e) Teknik sampling secara kluster (cluster sampling)
Ada kalanya peneliti tidak tahu persis karakteristik populasi yang ingin
dijadikan subjek penelitian karena populasi tersebar di wilayah yang
amat luas. Untuk itu peneliti hanya dapat menentukan sampel wilayah,
berupa kelompok klaster yang ditentukan secara bertahap. Teknik
pengambilan sample semacam ini disebut cluster sampling atau multi-
stage sampling.
2) Teknik sampling secara nonprobabilitas.
Teknik sampling nonprobabilitas adalah teknik pengambilan sample yang
ditemukan atau ditentukan sendiri oleh peneliti atau menurut pertimbangan
 pakar. Beberapa jenis atau cara penarikan sampel secara nonprobabilitas
adalah sebagai berikut.
a) Puposive sampling atau judgmental sampling
Penarikan sampel secara puposif merupakan cara penarikan sample
yang dilakukan memiih subjek berdasarkan criteria spesifik yang
dietapkan peneliti.
b) Snow-ball sampling (penarikan sample secara bola salju).
Penarikan sample pola ini dilakukan dengan menentukan sample
pertama. Sampel berikutnya ditentukan berdasarkan informasi dari
sample pertama, sample ketiga ditentukan berdasarkan informasi dari
sample kedua, dan seterusnya sehingga jumlah sample semakin besar,
seolah-olah terjadi efek bola salju.
c) Quota sampling (penarikan sample secara jatah).
Teknik sampling ini dilakukan dengan atas dasar jumlah atau jatah yang
telah ditentukan. Biasanya yang dijadikan sample penelitian adalah
subjek yang mudah ditemui sehingga memudahkan pula proses
pengumpulan data.
d) Accidental sampling atau convenience sampling
Dalam penelitian bisa saja terjadi diperolehnya sampel yang tidak
direncanakan terlebih dahulu, melainkan secara kebetulan, yaitu unit
atau subjek tersedia bagi peneliti saat pengumpulan data dilakukan.
Proses diperolehnya sampel semacam ini disebut sebagai penarikan
sampel secara
kebetulan.
5. Penentuan Jumlah Sampel
Bila jumlah populasi dipandang terlalu besar, dengan maksud meng-
hemat waktu, biaya, dan tenaga, penelitili tidak meneliti seluruh anggota
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.

PENGHITUNGAN BESAR SAMPEL

Keterwakilan populasi oleh sampel dalam penelitian merupakan syarat penting

untuk suatu generalisasi atau inferensi. Pada dasarnya semakin homogen nilai variabel yang
diteliti, semakin kecil sampel yang dibutuhkan, sebaliknya semakin heterogen nilai variabel
yang diteliti, semakin besar sampel yang dibutuhkan.
Di samping keterwakilan populasi (kerepresentatifan), hal lain yang perlu
dipertimbangkan dalam menentukan besar sampel adalah keperluan analisis. Beberapa
analisis atau uji statistik memerlukan persyaratan besar sampel minimal tertentu dalam
penggunaannya.
Dalam makalah ini akan dibahas penentuan besar sampel dengan tujuan dapat
mewakili populasi.
Beberapa hal yang perlu diperhatikan dalam penghitungan besar sampel adalah :
1. Jenis dan rancangan penelitian
2. Tujuan penelitian/analisis
3. Jumlah populasi atau sampel
4. Karakteristik populasi/cara pengambilan sampel (teknik sampling)
5. Jenis (skala pengukuran) data (variabel dependen)
Pada kondisi yang berbeda, cara penentuan besar sampel juga berbeda. Berdasarkan
jenisnya, dibedakan penelitian observasional atau eksperimen. Berdasarkan tujuan
penelitian atau analisisnya, dibedakan diskriptif atau inferensial (estimasi atau pengujian
hipotesis). Berdasarkan jumlah populasi atau sampelnya, dibedakan satu populasi/sampel
atau lebih dari satu populasi/sampel. Hal ini berhubungan dengan karakteristik populasi
atau cara pengambilan sampel (sampling) yang dibedakan random atau non random
sampling. Random sampling dibedakan simple random, systematic random, stratified
random, cluster random atau multistage random sampling. Berdasarkan jenis data atau
variabel yang dianalisis, dibedakan data proporsi atau kontinyu. Hal-hal di atas sangat
menentukan cara penghitungan besar sampel.

PENELITIAN OBSERVASIONAL
BESAR SAMPEL PADA SATU POPULASI
1. Estimasi
a. Simple random sampling atau systematic random sampling
- Data kontinyu
Untuk populasi infinit, rumus besar sampel adalah :

Z21-/2 2

n = -------------

d2

di mana n = besar sampel minimum

Z1-/2 = nilai distribusi normal baku (tabel Z) pada  tertentu
 2 = harga varians di populasi
d = kesalahan (absolut) yang dapat ditolerir
Jika populasi finit, maka rumus besar sampel adalah :

N Z21-/2 2

n = --------------------------

(N-1) d2 + Z21-/2 2

di mana N = besar populasi

- Data proporsi
Untuk populasi infinit, rumus besar sampel adalah :
Z21-/2 P (1-P)

n = --------------------

d2

di mana n = besar sampel minimum

Z1-/2 = nilai distribusi normal baku (tabel Z) pada  tertentu
P = harga proporsi di populasi
d = kesalahan (absolut) yang dapat ditolerir
Jika populasi finit, maka rumus besar sampel adalah :

N Z21-/2 P (1-P)

n = -------------------------------

(N-1) d2 + Z21-/2 P (1-P)

di mana N = besar populasi

b. Stratified random sampling
- Data kontinyu

Rumus besar sampel adalah :

N2h 2h
Nh 2h

di mana n = besar sampel minimum

N = besar populasi
Z1-/2 = nilai distribusi normal baku (tabel Z) pada  tertentu
2h = harga varians di strata-h
d = kesalahan (absolut) yang dapat ditolerir
Wh = fraksi dari observasi yang dialokasi pada strata-h = N h/N
Jika digunakan alokasi setara, W = 1/L
L = jumlah seluruh strata yang ada

- Data proporsi
Rumus besar sampel adalah :

di mana n = besar sampel minimum

N = besar populasi
Z1-/2 = nilai distribusi normal baku (tabel Z) pada  tertentu
Ph = harga proporsi di strata-h
 d = kesalahan (absolut) yang dapat ditolerir
Wh = fraksi dari observasi yang dialokasi pada strata-h = N h/N
Jika digunakan alokasi setara, W = 1/L
L = jumlah seluruh strata yang ada

c. Cluster random sampling

- Data kontinyu

Pada cluster random sampling, ditentukan jumlah cluster yang akan diambil
sebagai sampel. Rumusnya adalah :
N Z21-/2 2

n = ----------------------------------

(N-1) d2 (N/C) 2 + Z21-/2 2

di mana n = besar sampel (jumlah cluster) minimum

N = besar populasi
Z1-/2 = nilai distribusi normal baku (tabel Z) pada  tertentu
2 = harga varians di populasi
d = kesalahan (absolut) yang dapat ditolerir
C = jumlah seluruh cluster di populasi
- Data proporsi

Rumus besar sampel adalah :

N Z21-/2 2

n = ----------------------------------

(N-1) d2 (N/C) 2 + Z21-/2 

 di mana n = besar sampel (jumlah cluster) minimum
N = besar populasi = mi
Z1-/2 = nilai distribusi normal baku (tabel Z) pada  tertentu
d = kesalahan (absolut) yang dapat ditolerir
C = jumlah seluruh cluster di populasi
2 = (ai – mi P)2/(C’-1) dan P = ai /mi
ai = banyaknya elemen yang masuk kriteria pada cluster ke-i
mi = banyaknya elemen pada cluster ke-i
C’ = jumlah cluster sementara
2. Uji Hipotesis

- Data kontinyu

Rumus besar sampel adalah :

di mana n = besar sampel minimum
Z1-/2 = nilai distribusi normal baku (tabel Z) pada  tertentu
Z1- = nilai distribusi normal baku (tabel Z) pada  tertentu
2 = harga varians di populasi
0-a = perkiraan selisih nilai mean yang diteliti dengan mean di
populasi
- Data proporsi

Rumus besar sampel adalah :

 di mana n = besar sampel minimum
Z1-/2 = nilai distribusi normal baku (tabel Z) pada  tertentu
Z1- = nilai distribusi normal baku (tabel Z) pada  tertentu
P0 = proporsi di populasi
Pa = perkiraan proporsi di populasi
Pa-P0 = perkiraan selisih proporsi yang diteliti dengan proporsi
di populasi

BESAR SAMPEL PADA DUA POPULASI

1. Estimasi

a. Data kontinyu

Rumus besar sampel sebagai berikut :

di mana n = besar sampel minimum

Z1-/2 = nilai distribusi normal baku (tabel Z) pada  tertentu
2 = harga varians di populasi
d = kesalahan (absolut) yang dapat ditolerir
b. Data proporsi

- Cross sectional

Rumus besar sampel sebagai berikut :

 di mana n = besar sampel minimum
Z1-/2 = nilai distribusi normal baku (tabel Z) pada  tertentu
P1 = perkiraan proporsi pada populasi 1
P2 = perkiraan proporsi pada populasi 2
d = kesalahan (absolut) yang dapat ditolerir

- Cohort

Rumus besar sampel sebagai berikut :

1-P2

P2

di mana n = besar sampel minimum

Z1-/2 = nilai distribusi normal baku (tabel Z) pada  tertentu
P1 = perkiraan probabilitas outcome (+) pada populasi 1
P2 = perkiraan probabilitas outcome (+) pada populasi 2
 = kesalahan (relatif) yang dapat ditolerir
Pada penelitian cohort, untuk mengantisipasi hilangnya unit pengamatan, dilakukan
koreksi dengan 1/(1-f), di mana f adalah proporsi unit pengamatan yang hilang atau
mengundurkan diri atau drop out.

- Case-control

Rumus besar sampel adalah :

 di mana n = besar sampel minimum
Z1-/2 = nilai distribusi normal baku (tabel Z) pada  tertentu
P1* = perkiraan probabilitas paparan pada populasi 1 (outcome +)
P2* = perkiraan probabilitas paparan pada populasi 2 (outcome -)
 = kesalahan (relatif) yang dapat ditolerir

2. Uji Hipotesis

a. Data kontinyu

Rumus besar sampel sebagai berikut :

di mana n = besar sampel minimum

Z1-/2 = nilai distribusi normal baku (tabel Z) pada  tertentu
Z1- = nilai distribusi normal baku (tabel Z) pada  tertentu
2 = harga varians di populasi
1-2 = perkiraan selisih nilai mean di populasi 1 dengan populasi 2
b. Data proporsi

- Cross sectional

Rumus besar sampel sebagai berikut :

 di mana n = besar sampel minimum
Z1-/2 = nilai distribusi normal baku (tabel Z) pada  tertentu
Z1- = nilai distribusi normal baku (tabel Z) pada  tertentu
P1 = perkiraan proporsi pada populasi 1
P2 = perkiraan proporsi pada populasi 2
P = (P1 + P2)/2
- Cohort

Rumus besar sampel sebagai berikut :

di mana n = besar sampel minimum

Z1-/2 = nilai distribusi normal baku (tabel Z) pada  tertentu
Z1- = nilai distribusi normal baku (tabel Z) pada  tertentu
P1 = perkiraan probabilitas outcome (+) pada populasi 1
P2 = perkiraan probabilitas outcome (+) pada populasi 2
P = (P1 + P2)/2
Pada penelitian cohort, untuk mengantisipasi hilangnya unit pengamatan, dilakukan
koreksi dengan 1/(1-f), di mana f adalah proporsi unit pengamatan yang hilang atau
mengundurkan diri atau drop out.
 - Case-control

Rumus besar sampel adalah :

di mana n = besar sampel minimum

Z1-/2 = nilai distribusi normal baku (tabel Z) pada  tertentu
Z1- = nilai distribusi normal baku (tabel Z) pada  tertentu
P1* = perkiraan probabilitas paparan pada populasi 1 (outcome +)
P2* = perkiraan probabilitas paparan pada populasi 2 (outcome -)

Jika besar sampel kasus dan kontrol tidak sama (unequal), dibuat modifikasi besar
sampel dengan memperhatikan rasio kontrol terhadap kasus. Rumus di atas
dikalikan dengan faktor (r + 1) / (2 . r). Besar sampel untuk kelompok kontrol
adalah (r.n).

PENELITIAN EKSPERIMENTAL

Pada penelitian eksperimental, belum banyak rumus yang dikembangkan untuk

menentukan besar sampel yang dibutuhkan. Untuk menentukan besar sampel (replikasi)
yang dibutuhkan digunakan rumus berikut :
1. Untuk rancangan acak lengkap, acak kelompok atau faktorial, secara sederhana dapat
digunakan rumus :

(t-1) (r-1)  15
 di mana t = banyak kelompok perlakuan
r = jumlah replikasi
2. Di samping rumus di atas dan untuk rancangan eksperimen lain yang membutuhkan
perhitungan besar sampel, dapat digunakan rumus besar sampel seperti pada penelitian
observasional baik untuk satu sampel maupun lebih dari 1 sampel, baik untuk data
proporsi maupun data kontinyu.
Pada penelitian eksperimen, untuk mengantisipasi hilangnya unit eksperimen, dilakukan
koreksi dengan 1/(1-f), di mana f adalah proporsi unit eksperimen yang hilang atau
mengundurkan diri atau drop out.