STATISTIK/MAS101

Besar Sampel
Tim Pengajar Statistik D4 Pengobat Tradisional
Fakultas Vokasi, Universitas Airlangga

Ratna Wahyuni, SSi,MKes,PhD

Agustus 2022
Besar Sampel

MENGHITUNG BESAR SAMPEL PENELITIAN - Uji Statistik (statistikian.com)

Besar Sampel
• Dalam statistik inferensial, besar sampel sangat menentukan
representasi sampel dalam menggambarkan populasi penelitian.
• Ada banyak cara dan rumus besar sampel yang dapat digunakan,
sesuai dengan tujuan masing-masing penelitian.
• Cara menghitung rumus besar sampel suatu penelitian sangat
ditentukan oleh desain penelitian yang digunakan dan jenis data
yang diambil.
• Berikut diberikan beberapa contoh rumus besar sampel yang
biasanya digunakan.
Penelitian Cross Sectional
❑Rumus jika jumlah populasi (N) diketahui :

❑Rumus jika jumlah populasi (N) tidak diketahui :

d= limit eror/presisi absolut

Penelitian Kohort dan Case Control
• Rumus besar sampel yang digunakan untuk penelitian Kohort dan Case
Control pada dasarnya adalah sama, terutama jika menggunakan data
proporsi, namun untuk penelitian Kohort ada yang menggunakan data
continue berupa nilai mean.
• Besar sampel untuk penelitian Kohort bertujuan untuk mendapatkan
jumlah sampel minimal untuk kelompok terpapar dan kelompok tidak
terpapar.
• Besar sampel untuk penelitian Case Control bertujuan untuk mendapatkan
jumlah sampel minimal untuk kelompok kasus dan kelompok kontrol.
• Pada penelitian Case Control kadang-kadang peneliti membuat
perbandingan Case:Control sebesar 1:1, 2:1, atau 3:1 untuk mendapatkan
hasil yang lebih baik.
Rumus penelitian case control dan Rumus penelitian kohort data continue
kohort data proporsi (nilai mean/rata-rata)
Penelitian eksperimental
• Pada penelitian eksperimental dengan rancangan acak lengkap, acak
kelompok atau faktorial, rumus besar sampel secara sederhana dapat
menggunakan rumus Federer :
(t-1) (r-1)>15
t= banyaknya kelompok perlakuan,
r= jumlah replikasi.
• Antisipasi drop out unit eksperimen dengan menggunakan
koreksi 1/(1-f), f adalah proporsi drop out.
Contoh kasus (1)
• Penelitian cross sectional tentang factor pemberian ASI eksklusif pada bayi
baru lahir. Hasil penelusuran referensi sebelumnya didapatkan bahwa
proporsi bayi yang diberi ASI ekslusif di daerah Demak, Jawa Tengah adalah
sebesar 17,2%. Jadi didapatkan nilai p=0,172 dan q=1-p. Dengan limit eror
dan α sudah ditetapkan yaitu 0,05 (convidence interval/tingkat
kepercayaan/CI 95%) , maka :

= 219 sampel sebagai angka minimal.

• Jika tidak ditemukan nilai p dari literatur, maka dapat dipakai nilai estimasi
maksimal yaitu p=0,5.
Contoh kasus (2)
• Penelitian kohort tentang pengaruh pemberian ASI eksklusif terhadap berat
badan bayi. Menggunakan α=0,05 dan β=0,10 (convidence interval/tingkat
kepercayaan/CI 95% dan power/tingkat kuasa 90%). Hasil yang akan
diamati adalah berat badan bayi dengan nilai standard deviasi yang
diasumsikan adalah SD=0,94 kg, selisih berat badan kelompok tidak
terpapar dan terpapar berdasarkan referensi sebelumnya dalah U1-U2=0,6
kg, maka :

=51,5 sampel sebagai angka minimal.

• Perkiraan kasus drop out untuk penelitian kohort diasumsikan 15%, maka
n=51,5 x (1+0,15) = 59,2, pembulatan 60 sampel.
Contoh kasus (3)
• Penelitian eksperimental dengan kelompok perlakuan ada 4, maka jumlah
replikasi adalah :
(4 -1) (r-1) > 15
(r-1) > 15/3
r>6
• Perkiraan drop out 15% maka 1/(1-f)= 1/(1-0,15)= 1.2.
n=6x1,2 = 7,2 dibulatkan 7/8 replikasi.
Sampling Size (Besar Sampel)
Dahlan MS., 2010, Besar Sampel dan Cara Pengambilan Sampel dalam Penelitian Kedokteran dan Kesehatan,
Salemba Medika, Jakarta.
Besar Sampel
“Cara menghitung rumus besar sampel suatu penelitian sangat
ditentukan oleh desain penelitian yang digunakan dan jenis data yang
diambil.”

Maka perhatikan :
❑Desain/Jenis penelitian
❑Jenis Data/Variabel
Desain/Jenis
penelitian
• Dekriptif Analitis

• Analitis
Jenis Data/Variabel
Skala pengukuran :
➢Kategorik (Data Kualitatif baik
Nominal maupun Ordinal) Analitis

➢Numerik (Data kuantitatif baik

Interval maupun Ratio)
Jenis :
❑Berpasangan
❑Tidak Berpasangan
Perhatikan Jenis Pertanyaan Penelitian, akan
menentukan Rumus Besar Sampel yang digunakan
Contoh pertanyaan penelitian
Rumus besar sampel yang digunakan
Faktor-faktor yang
mempengaruhi
Besar Sampel
 Penelitian Dekriptif Kategorik
Rumus Besar sampel :

d → kesalahan prediksi P hasil

penelitian yang bisa diterima
oleh peneliti

Jika P tidak ditemukan dari referensi/kepustakaan, maka bisa digunakan

nilai P=0,5
 Penelitian Dekriptif Numerik
Rumus Besar sampel :

d → kesalahan prediksi X hasil

penelitian yang bisa diterima
oleh peneliti

Jika S tidak ditemukan dari referensi/kepustakaan, maka disarankan

melakukan studi pendahuluan untuk menentukan S.
 Penelitian Analitis Kategorik
tidak Berpasangan
Rumus Besar sampel :

Disarankan nilai Zα adalah nilai dari Zα hipotesis dua arah.

Jika P2 tidak ditemukan dari referensi/kepustakaan, maka disarankan melakukan studi pendahuluan untuk
menentukan nilainya, atau berdasarkan perkiraan rasional peneliti.
 Penelitian Analitis Kategorik
Berpasangan
Rumus Besar sampel :

Lihat buku hal 61

Dua cara perhitungan :

 Penelitian Analitis Numerik
tidak Berpasangan
Rumus Besar sampel :

Lihat definisi dan rumus simpang baku gabungan

pada buku hal 68

Jika S tidak ditemukan dari referensi/kepustakaan, maka disarankan melakukan studi pendahuluan pada dua
kelompok (kasus/kontrol atau terpajan/tidak terpajan) untuk menentukan nilainya, atau menggunakan simpang baku
populasi.
 Penelitian Analitis Numerik
Berpasangan
Rumus Besar sampel :

Lihat definisi dan rumus simpang baku gabungan

pada buku hal 68
 Penelitian Analitis Korelatif
Rumus Besar sampel :

Semua parameter pada rumus besar sampel korelatif ditetapkan oleh peneliti.
Rumus Slovin
Rumus Slovin
❑Rumus untuk menghitung jumlah
sampel minimal dari suatu
populasi, apabila perilaku suatu
populasi tersebut tidak diketahui
secara pasti.
❑Dirumuskan oleh Slovin pada
tahun 1960.
❑Digunakan pada jumlah populasi
yang besar.
❑Sangat sederhana dan praktis,
namun perlu dipertimbangkan
kekuatan statistiknya.
Rekomendasi Referensi
• Table of Contents (bu.edu)
• https://sphweb.bumc.bu.edu/otlt/MPH-
Modules/BS/BS704_Power/BS704_Power-TOC.html
Ratna; Surabaya, September 2021,
modified Agustus 2022