RESUME METODE DAN BESAR SAMPEL

BIOSTATISTIK

Disusun Oleh
Zonas Indra Priyana
CKX0200027

PROGRAM STUDI S1 KEPERAWATAN

SEKOLAH TINGGI ILMU KESHATAN KUNINGAN JAWA BARAT
2021
A. Sampel (Metode dan Besar Sampel)
Ruamg lingkup sampel bergantung pada tujuan penelitian untuk menentukan
bagaiman bentuk sempelnya dan berapa perhitungan besar sampel minuman. Terkait
dengan metode juga akan berkaitan dengan desain penelitian.
Ruang lingkup sampel:
1. Menentukan tujuan studi
2. Menentukan desain studi
3. Menentukan populasi (target dan studi) kerangka sampel
4. Menentukan metode pengambilan sampel, sesuai desain penelitian
5. Menghitung besar sampel sesuai tujuan penelitian
6. Memilih sampel dan mengumpulkan data
Tersedianya populasi target dan kerangka sampel akan mempengaruhi metode
yang akan dipilih dalam sampel dan lebih banyak bergantung dengan desain penelitian
yang akan membedakan bagaimana tata cara memperoleh metode atau sampel. Metode
tersebut diantaranya antaralain adalah:
1. Cross – section
2. Case – control
3. Cohort
4. Experiment
Tujuan penelitian secar garis besar terbagi menjadi 2 yaitu estimas dan uji hipotesis
 Estimasi :- Proporsi
- Rerata
 Uji Hipotesis :- Beda Proporsi
-Beda Rerata:
a. Paired (berpasangan)
b. Independen
-Korelasi, OR, RR, Surival, dll

Tujuan penelitian tersebut akan menentukan rumus perhitungan besar sampel yang
akan menyesuaikan estimasi atau uji hipotesis yang kan dilakukan.
B. Metode

Cross – section 1. Simple random sampling

2. Systematic random sampling
3. Stratified random sampling
4. Cluster random sampling
Case – control 1. Populasi kasus random
2. Populasi control random
Cohort 1. Populasi eksposed random
2. Populasi non exposed random

Experimen 1. Random sampling (populasi sampel)

2. Random alokasi/randomisasi ( intervensi vs control)

Metode pengambilan sampel

Metode pengambilan sampel harus memenuhi 2 kaidah yaitu:
1. Akurasi → estimasi parameter populasi
- Bergantung pada cara pengambilan sampel.
- Bergantung pada ketersediaan kerangka sampel, biaya, dan waktu serta disain
studi.
2. Presisi → Deviasi/error antara nilai sampel dengan nilai populasi (yang ditoleransi)
- Bergantung pada besar sampel.

C. Pengertian Populasi dan Sampel

1. Populasi target
Kumpulan dari satuan/unit yang dibuat inferensi atau generalisasi hasil penelitian
2. Populasi studi
Kumpulan dari satuan/unit (N) di mana kita akan memilih sampel
3. Kerangka sampel/Sampling frame
Daftar satuan/unit/anggota populasi yang berisi identitas: (Nomor, Nama, & Alamat)
4. Sampel
Kumpulan dari satuan/unit yang kita ambil dari populasi studi (n), misalnya individu,
Rumah tangga, Toko obat, Apotik, dll
5. Unit analisis
Bagian dari sampel dimana kita melakukan pengukuran dan analisis (misalnya kepala
rumah tangga, atau ibu hamil, balita, WUS, lansia, Obat, Alat kesehatan)
1. Metode Sampling
Metode sampling terbagi menjadi 2 yaitu:
a. Random / probality sampling
Semua elemen di populasi memiliki probalitas/kesempatan untuk terpilih
sebagai sampel, (boleh sama, boleh tidak sama, jika probalitas tisak sama
pada saat analisa data aharus di samakan dengan bobot).
Jika area terlalu luas lebih tepat menggunakan cluster sampling meskipun
kerangka sampel tersedia. Sedangkan untuk area yang lebih kecil lebih
cocoknya menggunkan simple random sampling atau systematic random
sampling, sedangkan stratified sampling digunakan saat ingin mendapatkan
angka yang berbeda/ estimasi di masing-masing populasi.

METODE SAMPLING PENGGUNAAN

Stratified sampling Populasi tidak homogen & ingin
membuat generalisasi pada sub-populasi
Cluster sampling Populasi besar dan tidak tersedia
kerangka sampel
Systematic random sampling Populasi kecil, tersedia kerangka & tidak
ada efek kelipatan (siklus)
Simple random sampling Pada populasi kecil dan tersedia
kerangka sampel

Rancangan SRS (Simple/Systematic Random Sampling)

Digunkan jika tersedia sampel pada tingkat individu
SIMPLE RANDOM SAMPLING SYSTEMATIC RANDOM
SAMPLING:
1. Tentukan populasi studi 1. Tentukan populasi studi
2. Buat sampling frame (N) 2. Buat sampling frame (N)
3. Tentukan besar sampel (n) 3. Tentukan besar sampel (n)
4. Pilih sampel sejumlah n secara 4. Tentukan interval (i=N/n)
random (Dengan Tabel-random 5. Pilih sampel no.1 secara
 atau MsExcel) acak/random
6. Pilih sampel berikutnya no.2,
3,.. dst n + interval

Stratified Random Sampling (antara strata heterogen, dalam sastra

jomogen)
Digukan jika populasi tidak homogeny dan ingin membuat generalisasi untuk
sub populasi

STRATIFIKASI SEDERHANA STRATIFIKASI

(Alokasi Sama): PROPORSIONAL
1. Tentukan populasi studi 1. Tentukan populasi studi
2. Kelompokkan populasi 2. Kelompokan populasi
berdasarkan variabel Strata berdasarkan variable strata
3. Tentukan besar sampel 3. Tentukan besar sampel
4. Besar sampel dibagi rata menurut 4. Besar sampel dibagi
strata proporsional menurut strata
5. Buat sampling frame (N) ditiap 5. Buat sampling frame (N) di
strata tiap strata
6. Di tiap starta, pilih sampel
secara random
Analisis: Perlu Bobot Sampling Tidak Perlu Bobot Sampling

Cluster Random Sampling (Antar cluster homogen, dalam cluster

heterogen)
Digunakan jika sampling frame tidak tersedia atau populasi berada di
wilayah geografis yang luas dan sulit dijangkau
1) Tentukan populasi studi (N)
2) Kelompokkan populasi berdasarkan cluster (Geografis/area/wilayah
administrasi/blok/unit)
3) Tentukan jumlah sampel (n) dan jumlah cluster (n k) jumlah sampel di tiap
cluster terpilih(ns)
4) Pilih cluster secara acak proporsional (PPS)
 5) Pada cluster terpilih: ambil semua unit (1-tahap) atau pilih secara random
dengan jumlah yang sama (2-tahap)
Implikasi :
- Nilai varian lebih besar disbanding dengan SRS (Deff>1) sehingga
dibutuhkan jumlah sampel yang besar
- Perlu analisis yang memperimbangkan varian desain cluster
Multi-stages Random Sampling
Digunakan jika populasi sangat besar dan wilayah geografis yang luas
dan sulit di jangkau

b. Non-random/Non-probability Sampling
Tidak semua elemen di populasi memiliki probabilitas untuk terpilih sebagai
sampel.

D. Besar Sampel
Rumus Besar Sampel Penelitian: Dalam statistik inferensial, besar sampel sangat
menentukan representasi sampel yang diambil dalam menggambarkan populasi
penelitian. Oleh karena itu menjadi satu kebutuhan bagi setiap peneliti untuk memahami
kaidah-kaidah yang benar dalam menentukan sampel minimal dalam sebuah penelitian.
Cara menghitung rumus besar sampel penelitian suatu penelitian sangat ditentukan
oleh desain penelitian yang digunakan dan data yang diambil. Jenis penelitian
observasional dengan menggunakan disain cross-sectional akan berbeda dengan case-
control study dan khohor, demikian pula jika data yang dikumpulkan adalah proporsi
akan beda dengan jika data yang digunakan adalah data continue. Pada penelitian di
bidang kesehatan masyarakat, kebanyakan menggunakan disain atau pendekatan cross-
sectional atau belah lintang, meskipun ada beberapa yang menggunakan case control
ataupun khohor. Terdapat banyak rumus untuk menghitung besar sampel minimal
sebuah penelitian, namun pada artikel ini akan disampaikan sejumlah rumus yang paling
sering dipergunakan oleh para peneliti.
 Proporsi

Estimasi

Rerata

Beda Proporsi

Beda Rerata

Uji Survival
Uji Hipotesis

Uji OR,RR, HR

Uji Korelasi

1. Ruang Lingkup Besar Sampel

a. Komponen penentuan besar sampel
b. Penentuan besar sampel untuk estimasi (estimasi proporsi dan rerata)
c. Penentuan besar sampel untuk uji hipotesis (beda proporsi, beda rerata, korelasi,
survival, dll)
d. Penentuan besar sampel untuk situasi lainnya
e. Anggapan yang salah tentang sampel
2. Penentu Besar Sampel
a. Jenis penelitian
1) Eksplorasi awal → 1,2 sampel mungkin cukup
 2) Generalisasi → harus representative (tergambar dari metode pemilihan
sampel dan besar sampel)
b. Skala-ukur outcome variable
1) Nominal/ordinal (Kategorik) → Proporsi
2) Interval/ratio (Numerik) → Mean dan SD
c. Ketepatan perkiraan yang diinginkan (presisi atau sampling error)
1) Sampling error kecil → presisi tinggi
2) Presisi makin tinggi ~ sample makin besar
d. Tujuan Penelitian
1) Estimasi
2) Uji Hipotesis
PENENTU BESAR SAMPEL
Tujuan Outcome Ukuran Selang Cara penarikan
Presisi Kekuatan Uji
penelitian variabel dampak Kepercayaan sampel
1. Estimasi 1. Proporsi -p, presisi 1. Acak sederhana
90, 95, 99%
(satu sampel) 2. Rerata -x, presisi 2. Kompleks sampel

1. Beda OR,
2. Uji Hipotesis p1-p2 1. Acak sederhana
proporsi RR, 90, 95, 99% 80,90,95%
(dua sampel) x1-x2 2. Kompleks sampel
2.Beda rerata HR

e. Interval kepercayaan dan Kekuatan Uji

f. Teknik pengambilan sampel (SRS atau Non-SRS)

Perhitungan Besar Sampel → Estimasi

1. Estimasi Proporsi
Prinsipnya adalah harus ada pengetahuan awal tentang proporsi yang akan di
teliti.
Rumus tersebut:
- Digunakan untuk estimasi proporsi
- Tidak dapat digunakan untuk uji hipotesis
- Asumsi : populasi tak terbatas dan sampel SRS
- Jika sampel non-SRS, harus dikalikan dengan Deff
2. Estimasi Rata-rata

Digunakan untuk estimasi rata-rata, dan tidak tepat digunkan untuk uji hipotesis
Asumsi desain: populasi tak terbatas dan metode sampel SRS

Perhitungan Besar Sampel → Uji Hipotesis

1. Uji Hipotesis Beda Proporsi
2. Uji Hipotesis Beda Rata-rata

Masalah dalam Penentuan Besar Sampel

Jika hipotesis tidak fokus, misalnya:

- Faktor-faktor yang berpengaruh pada kejadian BBLR
- P1 dan P2 diambil dari variabel yang mana ?
Solusinya:
1) Pilih faktor utama saja, faktor lain dianggap confounder
2) Hitung besar sampel untuk tiap faktor, kemudian ambil jumlah sampel
terbesar
Catatan:
Perbedaan P1 dan P2 harus berdasarkan perbedaan yang dianggap bermakna
secara subtansi, bukan hanya dari penelitian terdahulu saja

Besar Sampel Pada Situasi Lain

1. Besar sampel untuk analisis data sekunder
Lakukan perhitungan presisi atau sampling error (untuk estimasi) atau
perhitungan kekuatan uji stastistik/power (untuk uji stastistik), dari n-sampel
yang tersedia
2. Besar sampel untuk multiple outcome atau multi-faktor
perhitungan besar sampel harus dilakukan untuk semua oucome yang ingin
diukur /semua faktor yang ingin diuji
3. Besar sampel untuk analisis multivariabel
Aturan praktis mempersyaratkan setidaknya 10-20 responden yang mengalami
kejadian (event) per variable
4. Besar sampel untuk populasi terbatas
Gunakan faktor koreksi untuk populasi terbatas (n’ = (n*N) / (n+N)
5. Besar sampel uji klinis
Gunakan rumus Federer à (n-1)*(k-1) ≥ 15
Besar sampel Uji Klinis (Hewan Coba)
Prinsip penggunaan hewan coba
Jika menggunakan sampel kecil sudah cukup, mengapa harus menggunakan
sampel besar?
Rumus Federer:
(n-1)*(k-1) ≥ 15, dimana n = besar sampel, k = jumlah kelompok perlakuan
Contoh: Percobaan empat kelompok perlakuan, maka diperlukan (n-1)*(4-1)≥ 15
atau (n-1) ≥ 15/3, atau (n-1) ≥ 5, atau n≥6. Minimal dibutuhkan 6 hewan coba
dalam setiap kelompok, Total = 6*4 klp = 24 hewan coba.
Anggapan yang salah tentang sampel
- Anggapan-1: menaikkan besar sampel akan mengurangi semua bias
- Anggapan-2: peningkatan besar sampel akan menurunkan Std.Error secara
linier
- Anggapan-3: penarikan besar sampel secara proporsional (misalnya 10% dari
populasi) sudah dianggap cukup.
- Anggapan-4: hasil uji statistik sudah signifikan, namun sampel minimum
belum terpenuhi sampel bermasalah?