A. TEKNIK SAMPLING
Ada dua jenis sampling yaitu::
a. Sampling Non Probabilitas
Quota sampling, yaitu sampel diambil berdasarkan jatah
Accidental Sampling (convinience sampling), yaitu diambil secara
kebetulan ketemu dan memenuhi syarat ketentuan berdasarkan kriteria
inklusi dan eklusi.
Purposive sampling yaitu sampel yang diambil berdasarkan
pertimbangan-pertimbangan dari peneliti, misalnya pertimbangan biaya,
tenaga peneliti, waktu yang tersedia dll.
Snowball sampling yaitu sampel yang diambil berdasarkan info dari
anggota sampel terdahulu yang sudah terjaring menjadi elemen sampel.
Sampling jenuh yaitu sampel yang diambil berdasarkan sampel yang
tersedia, bisa jumlahnya sama dengan populasi atau lebih kecil dari
populasi.
b. Sampling Probabilitas
Simple Random Sampling, yaitu anggota sampel yang diambil misalnya
berdasarkan undian (lotre). Teknik ini dipakai untuk populasi relatif
homogen.
Systematic Random Sampling, yaitu anggota sampel yang diambil
pertama kali kemudian sampel berikutnya diambil berdasarkan interval
yang didapat. Misalnya populasi berukuran N dan samplenya berukuran n,
N
maka intervalnya: i= k= , jadi anggota sampelnya kelipatan dari k,
n
misalnya sampel pertama nomor urut 12, maka sampel kedua 12+k dan
seterusnya. Teknik ini dipakai untuk populasi relatif homogen.
Stratified Random Sampling, yaitu anggota sampel diambil berdasarkan
stara/tingkatan yang ada, sehingga sample yang didapat betul-betul
referesentatif..
Cluster Random Sampling, yaitu anggota sampel yang diambil dengan
sampel area nya dulu dan seterusnya, misalnya populasi adalah keluarga
yang ada di sebuah propinsi, maka sampel dulu kabubapaten/kotanya,
dilanjutnya sampel kecamatan dan setrusnya.
Multistage Random Sampling, yaitu anggota sampel yang diambil dengan
melaui tahapan-tahapan berdasarkan area-area yang ada dalam populasi.
Teknik sampling ini diakai sebagai pengembangan teknik sampling di
atas.
Perhatikan gambar dibawah ini:
Parameter
Populasi µ, σ, π, ρ, T
Non Probabilitas
Probabilitas
sam x́ , S, π́ , r, t
pel Statistik
B. BESAR SAMPLE
Besar sampel minimal untuk penelitian kuantitatif (digunakan sampling probabilitas)
harus ditentukan dan sering ditanyakan para peneliti bagaimana cara menghitungnya.
Tidak benar kalau besar sampel dihitung dengan presentase dari populasi. Kebiasaan
yang salah besar sampel ditentukan asalkan minimal 30% dari populasi sudah cukup.
Penentuan bear sampel seperti ini tanpa memperhatikan homogenitas populasi.
Bayangkan jika populasi darah dalam tubuh kurang dari lima liter diambil minimal
30% akan berakibat pasien pingsan bahkan meninggal. Besar kecilnya sampel
dipengaruhi oleh homogenitas populasi, jika populasinya homogen maka besar
sampelnya akan lebih kecil dari populasi yang populasinya heterogen. Darah dalam
tubuh itu sifatnya homogen, maka sampel yang diambil cukup 1 ml atau 2 ml.
Homogen atau tidaknya populasi ditentukan oleh koefisien keragamannya. Populasi
yang koefisien keragamannya kecil berarti populasi itu lebih homogen dari populasi
yang koefisien keragamannya besar. Besar sampel juga dipengaruhi oleh jumlah
populasinya, jika populasina finit (maksimum 10.000 unit) sampelnya lebih kecil
dibanding dengan sampel yang populasinya infinit (lebih dari 10.000 unit). Besar
sampel juga dipengaruhi oleh nilai alfa (α) yang digunakan. Jika nilai alfa yang
digunakan semakin kecil, maka sampelnya akan semakin besar. Proporsi kejadian di
populasi juga mempengaruhi besar sampel, misalnya proporsi kejadian di populasi
50%, maka besar sampel menjadi maksimal. Jenis uji statistika yang digunakan juga
mempengaruhi besar sampel, misalnya jika digunakan pemodelan persamaan
struktural, besar sampel asalkan 100-200, 5-10 kali jumlah indikator 5-10 kali jumlah
parameter sudah cukup. Kelemahan penetapan besar sampel dengan metode ini tidak
memperhatikan homogenitas populasi dan nilai alfa dan beta yang digunakan. Dalam
tulisan ini yang dibahas adalah perhitungan besar sampel utuk pengujian hipotesis
data kontinu dan data proporsi.
{ }
2
( Z α +Z β ) σ
n=
µ1−µ0
Contoh :
Berdasarkan data di Rumah Sakit “X” diketahui rata-rata produktivitas karyawan =
200 unit dengan simpangan baku = 50 unit. Untuk mengetahui pengaruh pelatihan
terhadap produktivitas karyawan diambil sampel acak sebanyak 10 orang yang
merupakan penelitian pendahuluan, setelah diberi pelatihan produktivitasnya = 240
unit. Agar hasil penelitian tentang pengaruh pelatihan terhadap produktivitas
karyawan tersebut dapat digeneralisasi. Berapa besar minimal sampel yang
digunakan, dengan menggunakan nilai σ=0,05 dan β=0,1.
Jawab :
{ }
2
( 1 , 96+1 , 28 ) 50
n=
( 240−200 )
2
( n1−1 ) s21 + ( n 2−1 ) s 22
σ = n 1+ n2−2
Contoh :
Diteliti daun yang diduga mengandung bahan penurun gula darah, digunakan tikus
putih sebagai hewan uji. Untuk penelitian pendahuluan, masing-masing kelompok
tikus diambil sebanyak lima ekor dengan asumsi datanya berdistribusi normal. Kedua
kelompok tikus putih dibuat kadar gula darahnya melebihi normal. Kelompok satu
digunakan sebagai pembanding diberi plasebo dan kelompok kedua diberi ekstrak
daun penurun gula darah. Rata-rata kadar gula darah tikus putih pembanding = 200
mg/dl dengan simpangan baku = 48 mg/dl. Rata-rata kadar gula darah tikus putih
kelompok diberi ekstrak penurun gula darah= 160 mg/dl dengan simpangan baku =
40 mg/dl. Berapa besar sampel minimum yang dibutuhkan untuk menyimpulkan
bahwa ekstrak dauntersebut benar-benar mampu menurunkan kadar gula darah tiku
putih? Dengan menggunakan nilai alfa= 5% dan nilai beta = 10%.
Jawab :
2
( 5−1 ) 482 + ( 5−1 ) 402
σ = = 1952
5+ 5−2
σ = 44,18
{ }
2
( 1 , 96+1 , 28 ) 44 ,18
n= 2 = 25,61 dibulatkan menjadi 26
( 200−160 )
keterangan:
n = besar sampel minimal
Zα = nilai distribusi normal pada alfa maksimal 0,05
Zβ = nilai distribusi normal pada beta maksimal 0,2.
Π = proporsi sampel
Π0 = proporsi populasi
Π- Π0 selisih antara proporsi sampel dan proporsi di populasi.
Contoh :
Diteliti pengaruh penyuluhan terhadap keterlambatan wajib pajak para dokter dalam
membayar Pajak Bumi dan Bangunan (PBB). Berdasarkan data yang lalu, besarnya
wajib paja yang terlambat membayar PBB sebesar 40%. Dilakukan penelitian
pendahuluan sebanyak 50 orag wajib pajak yang diambil secara random, selanjutnya
diberi penyuluhan. Setelah diberi penyuluhan dari 50 orang wajib pajak yang
terlambat membayar PBB sebanyak 15 orang. Dengan menggunakan nilai alfa=0,05
dan nilai beta=0,2. Berapakah besar sampel minimal yang dapat digunakan untuk
menarik kesimpulan bahwa penyuluhan benar-benar berhasil memperkecil persentase
keterlambatan wajib pajak membayar PBB.
4. Rumus besar sampel data kontinu untuk pengujian hipotesis proporsi dua sampel:
{ }
2
Z α √ π 1 ( 1−π 1 )−Z β √ π 2 ( 1−π 2)
n=
( π 1−π 2 )
keterangan:
n = besar sampel minimal
Zα = nilai distribusi normal pada alfa maksimal 0,05
Zβ = nilai distribusi normal pada beta maksimal 0,2.
Π1 = proporsi sampel 1
Π2 = proporsi sampel 2
Π1- Π2 selisih antara proporsi sampel 1 dan proporsi 21mpel 2.
Contoh:
Proporsi kejadian penyakit malaria antara kabupaten A dan kabupaten B diduga
berbeda. Hasil penelitian pendahuluan, proporsi kejadian penyakit malaria di
kabupaten A sebanyak 30% dan proporsi kejadian malaria di kabupaten B sebanyak
20%. Berapakah besar sampel minimal yang ideal untuk mnarik kesimpulan bahwa
kejadian malarian antara kabupaten A dan kabupaten B berbeda? Dalam penelitian
ini digunakan nilai alfa= 0,05 dan nilai beta = 0,2.
{ }
2
1 , 96 √ 0 , 3(1−0 , 3)−0 , 85 √ 0 , 2(1−0 , 2)
n= = 31
0 , 3−0 , 2
5. Rumus besar sampel untuk menguji dua rata-rata atau lebih juga dapat dihitung
dengan menggunakan rumus berikut ini:
(t-1)(ni-1) ≥ 15
Keterangan :
t = jumlah perlakuan
ni = besar sampel (replikasi) masing-masing perlakuan.
Contoh:
Direktur sebuah Rumah Sakit “X” berusaha meningkatkan produktivitas karyawan
dengan cara memberi pelatihan. Apakah pelatihan yang diberikan mampu
meningkatkan produktivitas karyawan? Berapakan besar sampel yang dibutuhkan
masing-masing kelompok kontrol dan kelompok yang diberikan pelatihan? Jumlah
perlakuan dan kontrol = 2, selanjutnya dihitung sebagai berikut:
(2-1)(ni-1) ≥ 15
ni ≥ 16.
Jadi besar sampel masing-masing kelompok yang dikeri pelatihan dan kelompok
kontrol adalah minimal 16 orang karyawan.
1. Rumus Slovin:
N
n= 1+ N (d )2
N = populasi
n=besar sampel
d=nilai presisi
Contoh:
Tentukan besar sampelnya jika populasinya adalah 894 orang bayi BBLR dengan
mengambil d=0,10.
Penyelesaian:
894
n = = 89,939 atau dibulatkan 90.
1+ 894 ¿ ¿
2
Nχ P (1−P)
S= 2
d ( N −1 ) + χ 2 P (1−P)
Keterangan:
S= ukuran sampel
N= ukuran populasi
P= proporsi dalam populasi
d= ketelitian (error)
Contoh :
Dari contoh di atas dapat dicari sebagai berikut:
894 x 124 , 3 x 0 , 5 x 0 , 5
S= 2 = 230,6 atau dibulatkan 231
0.10 x 894+ 124 , 3 x 0 , 5 x 0 , 5
keterangan:
n= ukuran sampel
Z= nilai Z standar untuk α tertentu
e= sampling error
P= proporsi dalam populasi
Contoh :
( )
2
1.96
n = x 0 , 5 x 0 , 5 = 94,04
0 , 10
jadi dibutuhkan sampel minimal 94 untuk tingkat kepercayaan 95% dan sampling
error = 0,10.
4. Rumus Lameshow
2
Z α . p(1−p)
n= 2
d2
Keterangan:
n=besar sampel
p=proporsi
d=nilai presisi
contoh :
d2
Keterangan:
n= besar sampel
Z= nilai Z standar dengan α tertentu
d= presisi
2
N Z α /2 P (1−P)
n= 2 2
d ( N −1 ) +Z α /2 P (1−P)
keterangan:
n= besar sampel
Z= nilai Z standar dengan α tertentu
d= presisi
p= proporsi
contoh:
jika diketahui populasinya 8426, α=0,05, p=0,5, d=0,10. Tentukan ukuran sampelnya.
1. Ukuran (besar) sampel dapat juga dihitung dengan dua rumus berikut ini:
pg
a. n ≥ σ 2
p
keterangan:
n = ukuran (besar) sampel yang diperlukan.
P = prosentase hipotesis (Ho) yang dinyatakan dalam peluang yang besarnya =
0,50.
q = 1-0,50 = 0,50
σp = perbedaan antara yang ditaksir pada hipotesis kerja (Ha) dengan hipotesis nol
(Ho), dibagi dengan Z pada tinggkat kepercayaan tertentu.
contoh:
Misal seorang peneliti ingin mengetahui produktivitas kerja bidan di Rumah Sakit
“X”. peneliti berhipotesis bahwa produktivitas kerja bidan di Rumah Sakit “X”
paling sedikit 70% dari tolok ukur ideal yang ditetapkan. Untuk itu diperlukan
ukuran (besar) sampel sebagai sumber datanya, maka untuk menghitung ukuran
(besar) sampel digunakan rumus di atas.
[ ]=
2
0 , 70−0 ,50
σ
2
p = 1 , 96
0,0104
Dengan demikian maka besarnya sampel yang diperlukan sebagai sumber data
pada taraf 95% adalah:
(0 , 50)(0 , 50)
n≥ 0,0104
≥ 24,038
Jika diambil taraf kepercayaan 99% maka Z=2,58, sehingga besar sampelnya:
[ ] = 0,006
2
0 , 70−0 ,50
σ p=
2
2 , 58
(0 , 50)(0 , 50)
n≥ 0,006
≥ 41,67 = 42
[ ]
2
σ .Z
b. n ≥ b
keterangan :
n = ukuran (besar) sampel yang diperlukan
b = perbedaan antara yang ditaksir dengan tolok ukur penaksiran
Z = nilainya tergantung taraf kepercayaan yang ditentukan.
σ = simpangan baku.
Contoh:
Untuk menaksir berapa tingkat kepuasan kerja pegawai di Rumah Sakit “X”
diperlukan sebuah sampel. Taraf kepercayaan yang dikehendaki misalnya 99%.
Perbedaan antara yang ditaksir dengan tolok ukur yang ditetapkan tidak lebih dari
10%. Jika diketahui simpangan bakunya 20%, maka ukuran (besar) sampelnya
dihitung sebagai berikut:
[ ]≥
2
(0 , 20)(2 ,58)
n ≥ 0 , 10
26,63= 27
Maka jumlah sampel yang diperlukan diambil dengan cara proporsional sebagai
berikut:
2. A. Cara menentukan ukuran (besar) yang perlu diselidiki sehubungan dengan uji
hipotesis (berhubungan dengan rata-rata).
Faktor-faktor yang ikut menentukan adalah:
a. Mengenai parameter apakah hipotesis yang akan ditest.
b. Bagaimana test dilakuan, satu pihak atau dua pihak.
c. Berapa besar taraf signifikan yang akan digunakan.
d. Berapa besar kekeliruan yang ditolerer.
e. Berapa besar penyimpangan yang dapat diterima dari nilai hipotesis.
Contoh :
Sebuah sampel random diperlukan untuk mengetes hipotesis:
Ho : µ = 50 melawan Ha: µ ≠ 50
Dengan syarat-syarat sebagai berikut:
Probabilitas menolak Ho apabila sebenarnya µ=50 paling tinggi α=0,05.
Probabilitas menerima Ho apabila sebenarnya µ berbeda dari 50 dengan 5
paling tinggi β=0,10.
Jika diketahui populasi berdistribusi normal dengan σ = 6.
Berapa besar sampel paling sedikit harus diselidiki?
Penyelesaian:
Daerah penerimaan Ho adalah antara Z=1,96 dan Z=-1,96.
Dengan menggunakan rumus distribusi normal dengan µ=50, didapat:
x−50
(1). 1,96 = dimana n adalah ukuran (besar) sampel,
6 / √n
x−55
(2). -1,28 =
6 / √n
Dari contoh di atas dapat diketahui semakin kecil kekeliruan yang ditentukan maka
semakin besar sampel yang diperlukan.
dengan
memasukkan nilai n yang didapat, maka akan didapat nilai dari x dan ambilah
kesimpulannya apakah Ho atau Ha yang akan ditolak.
B. Cara menentukan ukuran (besar) yang perlu diselidiki sehubungan dengan uji
hipotesis (berhubungan dengan proporsi).
Contoh:
Diduga paling banyak 30% dari anggota masyarakat menderita penyakit sejenis A.
akan di test pernyataan ini dengan mengambil α=0,05 dan β=0,10, untuk
penyimpangan maksimal 10% yang dihipotesiskan.
Berapa anggota masyarakat yang harus diselidiki?
Penyelesaian:
Daerah penerimaan Ho adalah z=1,645 kekiri dalam distribusi normal yang sesuai
dengan p=0,3, maka didapat:
x
−0 , 3
(1). 1,645 = n dimana n adalah ukuran sampel
√(0 , 3)(0 , 7)/n
Dari β=0,05 dengan menggunakan distribusi normal yang sesuai dengan p=0,4
didapat:
x
−0 , 4
(2). -1,645 = n dimana n adalah ukuran sampel
√(0 , 4)(0 ,6)/n
Jika persamaan (1) dan persamaan (2) diseleaikan maka akan didapat n=258,
Jadi paling sedikit sampelnya adalah 258.
Dengan memasukkan n=258 kedalam salah satu persamaan di atas akan x, maka
simpulkanlah apakah Ho atau Ha yang akan ditolak dengan nilai x tersebut.
CATATAN:
Untuk penelitian Survey Epidemiologi Analitik digunakan rumus-rumus sebagai
berikut:
2
N Z α /2 P (1−P)
n= 2 2
d ( N −1 ) +Z α /2 P (1−P)
keterangan:
n= besar sampel
Z= nilai Z standar dengan α tertentu
d= presisi
p= proporsi
( p0 q 0+ p 1 q 1) ( Z 1−α /2 + Z1− β )2
n = ❑
( p 1 − p0 )
Keterangan:
n = besar sampel
Z1-α/2= nilai Z standar dengan α tertentu, untuk α=0,05 maka Z=1,96.
Z1-β = 1-β adalah power of test, untuk β=0,10 maka nilai Z=1,28
P0 = proporsi tidak sakit
P1 = proporsi sakit
2 2
2 ( Z 1−α / 2+ Z 1−β ) σ
n= ( µ1−µ2 )
2
keterangan :
n = besar sampel
Z1-α/2= nilai Z standar dengan α tertentu, untuk α=0,05 maka Z=1,96.
Z1-β = 1-β adalah power of test, untuk β=0,10 maka nilai Z=1,28
σ = standar deviasi
µ1 = mean outcome kelompok tidak terpapar.