Dosen Pengajar :
Disusun oleh :
Robiatul Addawiyah
(1813251010)
JAKARTA
2019
Populasi
Karakteristik Populasi
Jenis Populasi
1. Geografik
2. Demografik
3. Klinik
Populasi Aktual -- himpunan subjek dari populasi sasaran, disebut juga
sumber
Populasi Studi – subjek dari populasi aktual yang akan diteliti
Populasi Eksternal – populasi yang lebih luas, di luar popuasi sasaran
Berdasarkan keadaan :
1. Populasi Homogen
2. Popuasi Heterogen
Berdasarkan ukuran :
1. Populasi Terhingga
Sampel
Sampel adalah sebagian dari populasi yang terpilih dan mewakili populasi
(Yusuf, 2014). Sampel merupakan sebagian atau wakil populasi yang diteliti.
Dinamakan penelitian sampel apabila kita bermkasud untuk mengeneralisasikan
hasil penelitian sampel artinya mengangkat kesimpulan penelitian sebagai
suatu yang berlaku pada populasi (Arikunto, 2010).
Kelebihan Sampel
Biaya menjadi berkurang
Lebih cepat dalam pengumpulan dan pengolahan data
Lebih akurat dan lebih luas ruang cakupan penelitian
Langkah Penentuan Sampel
Mengidentifikasi karakteristik populasi
Menentukan teknik penentuan sampel
Menetapkan besarnya sampel
Memilih sampel sesuai dengan teknik dan besar yang telah ditetapkan
Ukuran/Besaran Sampel
Tujuan utama : membuat kesimpulan tentang populasi dari sampel acuan umum
penelitian sosial memiliki maksimal tingkat kesalahan sebesar 5% (0,05).
Makin besar tingkat kesalahan maka makin kecil ukuran sampel. Semakin besar
sampel (semakin mendekati populasi) maka semakin kecil peluang kesalahan
generalisasi. Semakin kecil jumlah sampel (menjauhi jumlah populasi) maka
semakin besar peluang kesalahan generalisasi.
Formula Penentuan Sampel
Formula Slovin (dalam Ridwan, 2005:65)
N = n/N(d)2 + 1
n = sampel;
N = populasi;
d = nilai presisi 95% atau sig. = 0,05
Misalnya, jumlah populasi adalah 125, dan tingkat kesalahan yang dikehendaki
adalah 5%, maka jumlah sampel yang digunakan adalah :
N = 125/125(0,05)2 + 1
= 95,23 ---- dibulatkan 95
Formula Jacob Cohen (Suharsimi Arikunto, 2010:179)
N = L/ F^2 + u + 1
Keterangan:
N = ukuran sample
F^2 = effect size
U = banyaknya ubahan yang terkait dalam penelitian
L = fungsi power dari u, diperoleh dari table
Power (p) = 0.95 dan effect size (F^2) = 0.1
Harga L table dengan ts 1% power 0.95 dan u = 5 adalah 19.76 maka dengan
formula tsb diperoleh ukuran sampel N = 19.76 / 0.1 + 5 + 1 = 203,6, dibulatkan
203
Ukuran Sampel berdasarkan Proporsi (Tabel Isaac dan Michael)
Tabel penentuan jumlah sampel dari Isaac dan Michael memberikan kemudahan
penentuan jumlah sampel berdasarkan tingkat kesalahan 1%, 5% dan 10%. Dengan
tabel ini, peneliti dapat secara langsung menentukan besaran sampel
berdasarkan jumlah populasi dan tingkat kesalahan yang dikehendaki.
Cohran’s Formula
Data Continues
N = (t^2) * (s^2) / (d^2)
N = ukuran sampel,
t = nilai t berdasarkan alpha tertentu,
s = standard deviasi dari populasi, dan
d = margin error
Contoh :
N=(1.96)^2(1.167)^2/ (7*.03)^2
N= 118
Data Kategori
N = (t)^2 * (p)(q) / (d)^2
N = ukuran sampel,
t = nilai t berdasarkan alpha tertentu,
(p)(q) = estimate of variance,
d = margin of error yang diterima
Contoh :
(1.96)^2(0.5)(0.5) / (.05) ^ 2 = 384
Formula Lemeshow Untuk Populasi tidak diketahui
n=Z^2P(1−P)/d^2
z=1.96
p=maximal_estimasi=0,5
d=alpha(0.05)
Jadi,
1.96^2.(0.5)(1-0.5)/0.05^2= 384
Besar Sampel
Menentukan besar sample Prasetyo (2008) ditentukan oleh beberapa hal antara
lain:
Tujuan penelitian,
Jenis outcome variabel yang ingin diukur dan presisinya,
Ukuran dampak yang ingin diukur
Selang Kepercayaan
Kekuatan uji
Cara penarikan sampel serta desain efeknya.
Perhitungan Besar Sampel
Cross Sectional
Besar sampel dalam penelitian ini ditentukan dengan rumus estimasi proporsi.
(Lwanga & Lameshaw, 1991).
Dari rumus tersebut, untuk menghindari drop out biasanya peneliti menambahkan
lagi 10%.
Case Control
Besar sampel dalam penelitian case control dihitung dengan rumus estimasi OR
(Lwanga & Lameshaw, 1991)
𝘯 = Jumlah sampel minimal yang dibutuhkan
α = Probabilitas kesalahan menolak Ho yang benar, ditetapkan 0,05
Z₁-α⁄₂ = 1,96 (tabel dua arah)
Β = kesalahan gagal menolak Ho yang salah, ditetapkan 20 % atau 0,20
1- β = Power (kekuatan) studi, 80% atau 0,8
Z₁-ᵦ = 0,84 (tabel)
P₁ = Proporsi yang terpajan pada kelompok kasus
P₂ = Poroporsi yang terpajan pada kelompok kontrol
P = Proporsi keseluruhan yang terpajan pada populasi target
Untuk menghitung besar sampel pada rumus tersebut maka dua dari parameter P₁,
P₂ dan OR harus diketahui nilainya. Jika diharapkan OR > 1 , P₂ dihitung dari
OR.
Namun rumus di atas tidak bisa dipakai jika pajanan (expose) lebih dari satu
macam (pendidikan, status ekonomi, status perkawinan) dengan demikian besar
sampel tidak dapat dihitung.
Kohort
Besar sampel dalam penelitian kohort dihitung dengan rumus uji hipotesis
untuk RR (Lwanga & Lameshaw, 1991)
𝘯 = Jumlah sampel minimal yang dibutuhkan
α = Probabilitas kesalahan menolak Ho yang benar, ditetapkan 0,05
Z₁-α⁄₂ = 1,96 (tabel dua arah)
β = kesalahan gagal menolak Ho yang salah, ditetapkan 20 % atau 0,20
1- β = Power (kekuatan) studi, 80% atau 0,8
Z₁-ᵦ = 0,84 (tabel)
P₁ = Proporsi munculnya penyakit pada kelompok terpajan
P₂ = Poroporsi munculnya penyakit pada kelompok tidak terpajan
P = Proporsi keseluruhan yang terpajan pada populasi target
Untuk menghitung besar sampel pada rumus di atas maka dua dari parameter P₁,
P₂ dan RR harus diketahui nilainya. Jika diharapkan RR > 1 , P₂ = P₁/RR.
Maka sama dengan case control, rumus sampel di atas tidak dapat digunakan
karena P₁ tidak dapat ditentukan sehubungan dengan pajanan yang lebih dari
satu macam.
Teknik Pengambilan Sampel Random (Probability)
Simple Random Sampling
Langkah – langkahnya :
1. Undian atau Lotere sederhana
2. Tabel Random Number
3. Random Number dalam mesin hitung
Systematic Random Sampling
Langkah-langkah :
1. Buat daftar populasi dengan nomor berurutan
2. Temukan interval (i), yang merupakan perbandingan antara jumlah
populasi dan ukuran atau besarnya sampel yang telah ditentukan.
a. I = N/n
b. I = Interval
c. N = populasi
d. n = Besarnya (jumlah) sampel
3. Contoh : Andai kata peneliti mempunyai populasi 1000 orang , sedangkan
sampel yang diharapkan 250 orang, maka:
a. I = 1000/250= 4
4. Ini berarti sampel yang akan terpilih adalah individu yang nomer
urutannya mempunyai interval atau rentang empat dari urutan sebelumnya.
5. Tentukan secara random sampel pertama
6. Catat nomor dan nama sampel terpilih pada kertas tertentu yang akan
membantu mempercepat proses penelitian
Cluster (Area Sampling)
Langkah-langkah :
1. Rumuskan karakteristik populasi.
2. Tentukan masing-masing cluster.
3. Tetapkan ukuran sampel masing-masing cluster.
4. Pilih secara random dari masing-masing cluster.
5. Buat daftar sampel terpilih menurut cluster.
Stratified Random Sampling
Langkah-langkah :
1. Menentukan karakteristik populasi sehingga jelas stratanya.
2. Penentuan besarnya sampel dengan menggunakan teknik presentase sulit
untuk dapt dipercayai keakuratannya. 75% dari populasi 40 orang akan
berbeda kecermatan hasil penelitian dibandingkan 75% dari 2000 populasi.
Populasi yang berjumlah 100000 apakah peneliti juga harus mengambil 75%
walaupun presentasenya sama, namun ketepatan hasil penelitian berbeda
sekali.
3. Menentukan sampel secara random sesuai dengan besarnya ukuran sampel
yang telah ditentukan sebelumnya.
4. Buat daftar sampel terpilih yang akan dijadikan responden penelitian.
5.
Multistage Random Sampling
Dalam berbagai objek penelitian sering ditemukan bahwa ada berbagai
pertimbangan yang perlu dilakukan sebelum sampai kepada cara menentukan siapa
responden penelitian yang akan dilakukan
Proportional Random Sampling
Teknik ini juga merupakan pengembangan dari stratified random sampling,
dimana jumlah sampel pada masing-masing strata sebanding dengan jumlah
anggota populasi pada masing-masing stratum populasi.
Teknik Pengambilan Sampel Non Random (Non Probability)
Sampling Kuota
Sampling Insidental
Sampling Purposif
Sampling Jenuh
Snowball Sampling
Bias
Definisi: kesalahan pengukuran yang bersifat sistematik (tidak acak). Jenis
Bias:
Selection bias
Confounding
Information bias
Selection Bias
Definisi : penyimpangan /distorsi yang disebabkan oleh prosedur pemilihan
subjek penelitian dan faktor-faktor yang mempengaruhi partisipasi dalam studi.
Hubungan antara paparan dan outcome berbeda antara mereka yang ikut dan
mereka yang tidak ikut sebagai subjek penelitian. Contoh: self selection bias
(studi Smoky Atomic Test, efek “pekerja sehat”), diagnostic bias (studi
kontrasepsi oral dan tromboembolism).
Confounding
Efek dari paparan terdistorsi akibat efek dari faktor luar (extraneous
factor=confounders).
Contoh: studi mengenai hubungan antara alkohol dan kanker oral confounder:
merokok
Karakteristik confounder:
Confounder harus merupakan faktor risiko bagi outcome
Confounder harus berhubungan dengan paparan pada populasi sumber
Confounder tidak boleh dipengaruhi oleh paparan atau outcome (bukan
variabel antara)
Information Bias
Penyimpangan/distorsi terhadap efek paparan-outcome yang disebabkan oleh
kesalahan dalam mendapatkan informasi.. Differential misclassification: jika
kesalahan klasifikasi tergantung dari variabel lain. Nondifferential
misclassification: jika kesalahan klasifikasi tidak tergantung dari variabel
lain. Recall bias, contoh studi malformasi
Reliabilitas
Istilah lain: presisi Jenis reliabilitas:
Reliabilitas inter-rater/inter-observer
Reliabilitas test-retest
Reliabilitas bentuk paralel (parallel-forms)
Reliabilitas konsistensi internal
Reliabilitas inter-rater/inter-observer
Jika menggunakan manusia sebagai bagian dari pengukuran
Pada pengukuran kategorikal, dapat diuji persentase persetujuan
(percent of aggreement)
Pada pengukuran kontinyu, korelasi nilai antara 2 pengamat
Pertemuan rutin untuk “kalibrasi”
Reliabilitas Test Retest
Dilakukan uji/alat ukur yang sama terhadap sampel yang sama (atau sejenis)
pada dua kesempatan yang berbeda. Semakin pendek rentang waktu antara
pengukuran 1 dan pengukuran 2 semakin tinggi korelasi antara hasil dua
pengukuran tsb. dan sebaliknya.
Reliabilitas Bentuk Paralel
Jika ada ancaman terhadap validitas internal, digunakan 2 jenis alat ukur
yang paralel (mengukur hal yang sama). Kedua alat ukur paralel tsb kemudian
diujikan kepada subjek yang sama, korelasinya kemudian dihitung.
Reliabilitas konsistensi internal (rata-rata korelasi antar-item)
Seluruh item untuk mengukur konstruk yang sama diuji
Hitung korelasi antara pasangan item
Ditotal nilainya, kemudian dirata-rata
Reliabilitas konsistensi internal (rata-rata korelasi item total)
Sama dengan rata-rata korelasi antar-item tetapi sebagai tambahan dihitung
skor total dari seluruh item dan digunakan sebagai variabel tambahan. Hitung
korelasi antara item dengan total. Kemudian dirata.
Reliabilitas konsistensi internal (split-half reliability)
Seluruh item dibagi dua secara acak
Diujikan pada subjek dan dihitung skornya
Korelasi antar skor dihitung
Reliabilitas konsistensi internal (Cronbach’s Alpha)
Seluruh item dibagi dua secara acak
Seluruh kemungkinan pembagian menjadi 2 dilakukan
Rata-rata seluruh korelasi antar skor dihitung
Pakai komputer !
Validitas
Definisi umum: benarkah alat ukur mengukur apa yang hendak kita ukur Jenis
validitas:
Validitas konstruk
Validitas translasi:
1. Validitas face
2. Validitas konten
Validitas terkait kriteria:
1. Validitas prediktif
2. Validitas konkuren
3. Validitas konvergen
4. Validitas diskriminan
Validitas Konstruk
Kebenaran kesimpulan yang menunjukkan bahwa operasionalisasi alat ukur benar-
benar mencerminkan konstruk yang hendak diukur. Validitas lain mengarah ke
validitas konstruk dengan berbagai cara.
Validitas face
Cara terlemah untuk mendemonstrasikan validitas konstruk
Lihat operasionalisasi/alat ukur dan cek apakah “wajahnya” merupakan
translasi yang baik dari konstruk
Subjective judgment/penilaian subjektif
Untuk meningkatkan kualitasnya: gunakan tim pakar penilai
Validitas Konten
Cek operasionalisasi dan bandingkan dengan ranah konten yang relevan
dengan konstruk
Contoh “teenage pregnancy prevention program”
Validitas Prediktif
Apakah alat ukur mampu memprediksi sesuatu yang seharusnya secara
teoretis bisa diprediksi
Contoh tes matematika dan prediksi menjadi insinyur yang baik
Validitas Konkuren
Kemampuan alat ukur untuk membedakan kelompok yang secara teoretis seharusnya
memang bisa dibedakan. Contoh: pengukuran manic-depression; pengukuran
empowerment antara petani pekerja dan petani pemilik.
Validitas Konvergen
Mengukur derajat seberapa mirip alat ukur dengan alat ukur lain yang
seharusnya mirip “Validitas diskriminan”. Mengukur derajat seberapa tidak
mirip alat ukur dengan alat ukur lain yang seharusnya tidak mirip.
Hubungan Reliabilitas-Validitas