Besar Sampel untuk

Survey
(Populasi Terbatas)

Jurusan Biostatistik
Fakultas Kesehatan Masyarakat
Universitas Indonesia, 2005

1
 Pendahuluan
 Tujuan utama survey (pada umumnya) adalah untuk
melakukan estimasi parameter-q pada populasi.
 Parameter q umumnya tidak diketahui
 Survei dilakukan untuk memperoleh estimasi dengan presisi
tertentu.
 Hasil survei akan menghasilkan estimasi dari q disertai
dengan varians-q
 varians-q berperan dlm menghitung besar sampel
 Metode pengambilan sampel pada survey:
• Simple Random Sampling/Systematic Random Sampling
• Stratified Random Sampling
• Klaster Random Sampling
• Multi-stages
Page 2
Perhitungan Besar Sampel
 Dasar perhitungan besar sampel adalah Teory Limit
Central (Central Limit Theorem)

p * (1  p)
d  z1 / 2 *
n

Page 3
 Metode SIMPLE RANDOM SAMPLING:
Besar Sampel untuk Estimasi PROPORSI

p * (1  p)
d  z1 / 2 *
n

z 2
1 / 2 * p * (1  p)
n 2 ……….. presisi mutlak
d
d d *p
  ……….. presisi relatif
Page 4
p
Metode SIMPLE RANDOM SAMPLING:
Besar Sampel untuk Estimasi RATA-RATA

d  z1 / 2 *  2 n

z 2
1 / 2 * 2
n 2 ……….. presisi mutlak
d

d   * ……….. presisi relatif

Page 5
 Koreksi untuk Populasi terbatas &
Non-respon (Droupout)

 Untuk populasi yang terbatas, maka Besar Sampel dapat dihitung ulang
dengan rumus berikut: n N *n
n’= jumlah sampel setelah koreksi n'  
n N n
n = jumlah sampel sebelum koreksi 1
N = Besar Populasi N
 Dengan mempertimbangkan efek dari penolakan responden untuk ikut
dalam penelitian atau dropout (DO), maka Besar Sampel perlu dihitung
ulang dengan rumus berikut:
n’= jumlah sampel setelah koreksi n
n = jumlah sampel sebelum koreksi n' 
f = Perkiraan Non-respon (DO) 1 f
atau
n'  n  ( f * n )
Page 6
Estimasi Proporsi Populasi terbatas atau
Populasi tidak terbatas

 Untuk populasi yang terbatas, maka Besar

Sampel dapat dihitung langsung dengan rumus
berikut:

2 P(1 - P)N
n= 2 z 1-/2

d (N - 1) + 2
z 1-/2 P(1 - P)

Page 7
 Metode STRATIFIED RANDOM SAMPLING:
Besar Sampel untuk Estimasi PROPORSI

L
 N 2
h * Ph (1  Ph ) 
Z  /2  
2
 ………. presisi mutlak
h 1  wh 
n L
N 2 * d 2  Z 2 / 2  N h * Ph (1  Ph )
h 1
N =T
o tal populasi
Nh = Populasi masing2 strata
Ph = Proporsi kejadian di masing2 strata
Alokasi sampel yang dialokasi untuk stratum:
wh=1/L (alokasi sama, L = jml strata)
wh=Nh/N (alokasi proposional)
Page 8
 Metode STRATIFIED RANDOM SAMPLING:
Besar Sampel untuk Estimasi PROPORSI

L
 N 2 h * Ph (1  Ph ) 
Z  /2  
2
 ………. presisi relatif
h 1  w 
n 2
h

 L
 L
 2   N h * Ph   Z 2 / 2  N h * Ph (1  Ph )
 h 1  h 1

wh=nh/n (fraksi sampel yang dialokasi untuk stratum h)

wh=1/L (jika memakai alokasi sama)
wh=Nh/N (jika memakai alokasi proposional)
Page 9
 Metode STRATIFIED RANDOM SAMPLING:
Besar Sampel untuk Estimasi RATA-RATA

L
 N 2
*  2
h
Z  /2   ………. presisi mutlak
2 h

h 1  w 
n L
h

N 2 * d 2  Z 2 / 2  N h *  2
h 1

wh=nh/n (fraksi sampel yang dialokasi untuk stratum h)

wh=1/L (jika memakai alokasi sama)
wh=Nh/N (jika memakai alokasi proposional)
Page 10
 Metode STRATIFIED RANDOM SAMPLING:
Besar Sampel untuk Estimasi RATA-RATA

L
 N 2
*  2
h
Z  /2  
2 h
 …. presisi relatif
h 1  wh 
n
2
L
N h * h  L
N *  
2
  Z  / 2  N h * 2
2

 h 1 N  h 1

wh=nh/n (fraksi sampel yang dialokasi untuk stratum h)

wh=1/L (jika memakai alokasi sama)
wh=Nh/N (jika memakai alokasi proposional) Page 11
 Metode CLUSTER RANDOM SAMPLING:
Besar Sampel untuk estimasi
m m
M - m N - n
Vˆar(Pˆ ) =  ( Pˆ 1 - P ) +  Pˆ i (1- Pˆ i )
2

Mm(m - 1) i=1 N Mm(n - 1) i=1

 Pi = estimasi proporsi pada klaster i,

m = jumlah klaster yang terpilih
n = besar sampel keseluruhan dan
N = rata-rata sampel untuk tiap klaster
 Rumus tsb selain kompleks juga mengandung parameter Pi, yang sulit
diketahui sebelum survei dilakukan
 Strategi yang digunakan adalah dengan menggunakan rumus untuk
metode simple random sampling dan mengalikan hasil perhitungannya
dengan efek desain (design effect)
 design effect (deff) = perbandingan antara varians pada sampel
kompleks (seperti sampel klaster) dengan varians yang diperoleh jika
pengambilan sampel dilakukan secara acak sederhana (Berkisar
antara 2—4) Page 12
 Metode CLUSTER RANDOM SAMPLING:
Besar Sampel untuk estimasi Proporsi

Contoh: Dinas Kesehatan Kabupaten Cianjur ingin mengetahui cakupan

imunisasi lengkap pada anak. Dari hasil survei imunisasi pada tingkat
propinsi Jabar tahun yang lalu diperoleh cakupan imunisasi sebesar 70%.
Pada penelitian ini, peneliti merencanakan untuk menggunakan metode
sampel klaster 2 tahap. Pada tahap pertama akan dipilih desa dan pada tiap
desa terpilih akan dipilih anak berumur 1-2 tahun secara acak sederhana.
Berapa besar sampel yang diperlukan jika peneliti menginginkan kesalahan
maksimum terhadap cakupan imunisasi di populasi sebesar 5% dan derajat
kepercayaan 95% ?
Jawab:Dengan menggunakan perhitungan besar sampel untuk estimasi
proporsi dengan metode sampling acak sederhana diperoleh jumlah sampel
323 anak. Karena peneliti ingin menggunakan metode sampel klaster, maka
besar sampel harus dikoreksi dengan efek desain. Dengan asumsi deff=2,
maka besar sampel yang diperlukan menjadi 646 anak. Ke 646 anak ini
dapat dialokasikan ke m klaster. Jika peneliti memilih 20 klaster, maka
diperlukan sampel 33 anak per klaster. Jika menggunakan 40 klaster, makaPage 13
diperlukan sampel 17 anak per klaster
 Metode MULTI-STAGES:
Besar Sampel untuk Estimasi Proporsi

 Dalam rancangan penelitian survei, terutama yang melibatkan

populasi besar, pengambilan sampel sering menggunakan banyak
tahap (multi-stages) dengan desain gabungan stratifikasi dan
klaster
 Misalnya: Tujuan untuk mengetahui estimasi proporsi cakupan
imunisasi lengkap di propinsi Jawa Timur.
 Pada tahap pertama dapat dilakukan pembagian DATI II menurut
keadaan perkotaan-pedesaan (Strata).
 Pada stratum perkotaan dapat dipilih misalnya 4 DATI II. Dan
pada stratum pedesaan dapat dipilih juga 4 DATI II.
 Pada tiap DATI II terpilih dilakukan pemilihan desa sebagai klaster.
 Dan akhirnya pada tiap desa (klaster) dipilih subjek dengan cara acak
sederhana.
Page 14
 Metode MULTI-STAGES:
Besar Sampel untuk Estimasi

Pada contoh di atas, besar sampel dapat dihitung dengan berbagai pendekatan
 1. Besar sampel dihitung untuk DATI II. Cara ini umum digunakan agar pada
tingkat DATI II juga dapat dilakukan inferensi ke populasi (DATI II) kemudian
data dapat digabung untuk menggambarkan propinsi. Dengan cara ini pada
waktu analisis harus digunakan bobot untuk menyamakan peluang terpilih
sampel pada tiap Dati II.

 2. Besar sampel dihitung untuk tingkat propinsi dengan alokasi proporsional

untuk 8 DATI II. Besar sampel dapat dihitung menurut rumus besar sampel
untuk sampel acak stratifikasi dengan menggunakan koreksi efek desain
untuk tiap stratum. Koreksi efek desain diperlukan karena pada desain
sampel peneliti menggunakan metode klaster bukan acak sederhana untuk
memilih sampel pada tiap stratum. Pada umumnya digunakan efek desain
yang sama untuk tiap stratum.
Page 15
 Metode Stratifikasi

 Contoh Soal: (Estimasi Proprosi dengan Presisi Mutlak)


 Suatu penelitian awal dilakukan pada satu fakultas di universitas
negeri untuk mengetahui prevalensi anemia pada staf fakultas
tersebut. Hasil penelitian awal menurut golongan pegawai negeri
memperlihatkan prevalensi anemia sebesar 60% pada pegawai
golongan I, 50% pada pegawai golongan II, 30% pada pegawai
golongan III dan 20% pada pegawai golongan IV. Pada fakultas
tersebut, terdapat 100 orang pegawai golongan I, 100 orang
pegawai golongan II, 150 orang pegawai golongan III dan 50
orang pegawai golongan IV.
 Berapa besar sampel yang diperlukan jika peneliti menginginkan
presisi mutlak sebesar 10%, derajat kepercayaan 95% dan alokasi
sampel proporsional untuk tiap stratum ?
Page 16
 Metode Stratifikasi

 Contoh Soal: (Estimasi Proprosi dengan Presisi Relatif)

 Suatu penelitian awal dilakukan pada satu fakultas di universitas negeri
untuk mengetahui prevalensi anemia pada staf fakultas tersebut. Hasil
penelitian awal menurut golongan pegawai negeri memperlihatkan
prevalensi anemia sebesar 60% pada pegawai golongan I, 50% pada
pegawai golongan II, 30% pada pegawai golongan III dan 20% pada
pegawai golongan IV. Pada fakultas tersebut, terdapat 100 orang
pegawai golongan I, 100 orang pegawai golongan II, 150 orang pegawai
golongan III dan 50 orang pegawai golongan IV.

 Berapa besar sampel yang diperlukan jika peneliti menginginkan presisi

relatif sebesar 10%, derajat kepercayaan 95% dan alokasi sampel
proporsional untuk tiap stratum ?
Page 17