Anda di halaman 1dari 22

BESAR SAMPEL

Pendahuluan
 Hipotesis dan desai penelitian dapat
memberikan arah untuk menentukan
perhitungan besar sampel yang tepat
 Hipotesis satu sampel dan dua sampel
 Desain yang biasa digunakan adalah cross
sectional, case control, kohort dan
exsperimen
 Banyak rumus perhitungan besar sampel
Lanjutan
 Sampel yang biasa dikenal sampel
independen dan sampel dependent.
 Uji statistik yang tepat sesuai dengan data.
 Sampel Independent maksudnya tidak ada
kaitanya antara pengamatan pada satu
variabel dengan pengamatan pada variabel
lainnya
 sampel dependent memberi maksud ada
kaitan antara pengamatan pada satu
variabel dengan pengamatan pada variabel
lainnya
Besar sampel untuk hipotesis
satu sampel pada populasi
 pada penelitian survei
 desai cross sectional
 Terkait dengan presisi
 Contoh hipotesis : Prilaku baik
pemberian makanan bayi lebih
banyak banyak terjadi pada keluarga
inti.
Besar sampel untuk satu
sampel populasi presisi
 Rumus Z 21 / 2 PQ
n
d2
 n = Besar sampel
 Z1-α/2 = 1,96 pada α 0,05
 P = Proporsi prevalensi kejadian
(0,3)
 d = Presisi ditetapkan (0,1)
Contoh kasus
 Suatu penelitian dilakukan di
Kabupaten Bantul untuk mengetahui
perilaku ibu dalam memberikan
makanan kepada bayi. Jika penelitian
yang dilakukan menginginkan
ketepatan 10%, tingkat kemaknaan
95% dan diketahui prevalensi
pemberian makanan bayi baik 30%.
Berapa sampel yang harus diambil
pada kasus diatas?
Latihan
 Suatu penelitian dilakukan di rumah
sakit sardjito. Penelitian dilakukan
terhadap penyakit diare. Jika pada
penelitian menginginkan ketepatan
5%, dengan kemaknaan 95%, dan
jika diketahui proporsi diare 10%.
Berapa sampel yang harus diambil
pada penelitian ini?
Latihan
 Penelitian dilakukan di smp negeri 1
beringin untuk mengetahui perilaku
penanganan disminorhe pada remaja
putri. Jika penelitian yang dilakukan
menginginkan ketepatan 5%, tingkat
kemaknaan 90% dan diketahui
prevalensi disminorhe 50%. Berapa
jumlah sampel yang diperlukan…?
Besar sampel untuk satu
sampel populasi proporsi
 Rumus
n
z
1 
p0 1  p0   Z1 Pa1  Pa
2

Pa  P0 2
 Po= proposi awal
 Pa=proporsi yang diinginkan
 α= level of signifikan
 β= power
 N= besar sampel

Contoh (sebuah diskusi)
 Suatu penelitian survei terdahulu
diketahui jika angka prevalensi
ketrampilan rendah pada perawat di
RSU PKU Muhammadiyah 20%.
Berapa jumlah perawat yang harus
diteliti dalam survei jika diinginkan
90% kemungkinan dapat mendeteksi
bahwa angka prevalensi ketrampilan
rendah pada perawat 15%.
Pertanyaan
 Apa hipotesis yang tepat untuk kasus
diatas?
 Desain penelitian apa yang tepat
untuk kasus diatas?
 Berapa sampel yang harus terambil?
Besar sampel untuk hipotesis
dua proporsi populasi/ relative
risk
 Biasa digunakan pada desain kohort dan dapat juga
digunakan pada desain cross sectional.
 Rumus

n
Z1 / 2 2 P1 P   Z1  P11 P1 P21 P2
2

P1  P22
 P1 = Proporsi perbedaan gangguan pertumbuhan
pada kelompok BBLR
 P2 = Proporsi perbedaan gangguan pertumbuhan
pada kelompok BBLN
 α = 0.05
 Zα = 1.96
 ß = 0.20
Besar sampel untuk hipotesis
odd rasio
 Besar sampel untuk hipotesis odd rasio lebih
menekankan pada proporsi kelompok kasus
atau kontrol.
 Rumus
n
Z   / 2 2P * 1  P *  Z  
1 2 2 1 
P1 * 1  P1 *  P2 * 1  P2 *
2

P1 * P2 *2



(OR) P2 *
P1 
(OR) P2 * (1  P2 *)
Lanjutan
 N : Besar sampel pada masing masing
kelompok
 P1 : Proporsi bayi dengan penyapihan
dini pada kejadian tidak ISPA.
 P2 : Proporsi bayi yang tidak
penyapihan dini pada kejadian tidak
 ISPA.
 Z1- : Level of significance,
 Z1- : Power of the test (80 %)
 OR : odd rasio
Contoh sebuah diskusi
 Suatu penelitian dilakukan untuk
mengetahui kaitannya penyapihan dengan
kejadian ISPA. Jika diperoleh data sbb:
 Z1- : Level of significance, 0,05 = 1.96
 Z1- : Power of the test (80 %) = 0.84
 OR : 3.2 (Penelitian Cesar et al, 1999)
 P2 : 0.235 (berdasarkan penelitian
Cesar, 1999)
 Berapa sampel yang harus terambil?
Besar sample untuk penelitian
dua populasi mean
 Besar sampel untuk rata-rata satu populasi
 2 Z1  Z1  
2

n
 0  1 2
 Besar sample untuk rata-rata dua populasi.

2 Z1  Z1  
 2 2

n
1   2  2
Keterangan
 N = besar sampel
 S = standar deviasi
 Z = level of signifikan
 Z = power
 μ1 = rata-rata kelompok perlakuan
 μ 2 = rata-rata kelompok kontrol
Contoh
 Penelitian akan dilakukan di rumah sakit A.
jika diketahui sebagai berikut:
 N = besar sampel
 S = standar deviasi (1.70 berdasarkan
penelitian Sharavage, 2006)
 Z = 0,05
 Z = 0,20
 μ1 = rata-rata kelompok perlakuan = 2.94
 μ 2 = rata-rata kelompok kontrol = 5.72
 Berapa sampel yang harus diambil?
Sistematika pemilihan uji statistic
 Menekankan pada jenis hipotesis
 Menekankan pada skala data
PENGUNAAN STATISTIK PARAMETRIK DAN NON PARAMETRIK
Data Bentuk Hipotesis
Deskriptif Komparatif 2 sampel Komparatif > 2 sampel Asosiatif
(1 relate independent related independent
varabel)
Nominal - Binomial Mc - Fisher exact - X2 k - X2 k sample Contgensi
- Chi Nemar - Probability sample
square 1 - X2 two - Choncran
sampel sampel

Ordinal Run test - Sing test - Man witney Friedman - Median - Spearman
- Wiloxon U test two way Extension rank
matche - Median test anova - Kruskal -Kendal
paired - Kolmogorof Wallis tau
Smirnov One way
- Wald Wold Anava
Witz
Interval t-test T test of T test - One way - Pearson
Rasio related Independent anova - One way Product
- Two way anova moment
anava - Two way - multiple
anava correlation
- regresi
Latihan (sebuah studi)
 Tujuan penelitian:hubungan antara
kepatuhan ibu dalam mengkonsumsi obat
malaria terhadap kejadian bayi berat lahir
rendah.
 Hipotesis: Peluang ibu yang tidak patuh
dalam mengkonsumsi obat malaria lebih
tinggi pada kelompok BBLR di banding
dengan yang tidak BBLR.
 Desain: case control