Konsep Dasar Sampling

Populasi dan Sampel

• Populasi: keseluruhan objek yang akan diamati
• Sampel: bagian dari populasi yang menjadi objek
penelitian
• Sampling: suatu proses atau cara yang dilakukan
untuk mengambil sampel secara benar dari suatu
populasi sehingga sampel tersebut dapat
mewakili populasinya.
 Alasan Pengambilan Sampel
1. Keterbatasan waktu, tenaga dan biaya.
2. Lebih cepat dan lebih mudah.
3. Memberi informasi yang lebih banyak dan
dalam.
4. Dengan populasi kadang penelitian dapat
merusak
 Langkah-langkah menentukan besar
sampel penelitian:
• Menentukan jenis pertanyaan penelitian
1. Penelitian deskriptif kategorik
2. Penelitian deskriptif numerik
3. Penelitian analitis kategorik-kategorik tidak
berpasangan
4. Penelitian analitis kategorik-kategorik
berpasangan
5. Penelitian analitis kategorik-numerik tidak
berpasangan
6. Penelitian analitis kategorik-numerik
berpasangan
7. Penelitian analitis numerik-numerik
 Perhitungan Besar Sample
• Pendapat Gay dan Diehl (1992) ini
mengasumsikan bahwa semakin banyak
sampel yang diambil maka akan semakin
representatif dan hasilnya dapat digeneralisir.
Namun ukuran sampel yang diterima akan
sangat bergantung pada jenis penelitiannya.
1. Penelitian deskriptif
• Menggambarkan proporsi/rerata
Formula pertanyaan penelitian:
• Bagaimana prevalensi.....?
• Bagaimana proporsi…?
• Berata rata-rata…?

2. Penelitian analitis
• Untuk mengetahui hubungan antar variabel
Formulasi pertanyaan:
• Adakah hubungan…?
• Adakah perbedaan…?
• Adakah korelasi…?
3. Variabel Kategorik
• Variabel yang hasil pengukurannya
dikelompokkan berdasarkan klasifikasi
tertentu
Contoh:
 Jenis Kelamin: laki-laki, perempuan
 Kanker payudara : penderita , bukan
penderita
 pengetahuan : baik, cukup, kurang
4. Variabel Numerik
variabel yang hasil pengukurannya berupa
angka atau nilai asli tanpa dikelompokkan
Contoh:
• Kadar hemoglobin
• Kadar gula darah
• Tekanan darah
5. Berpasangan-tidak berpasangan
• Berpasangan : data diperoleh dari
pengukuran berulang dari kelompok yang
sama
• Kelompok berpasangan bisa diperoleh dengan
metode matching dan cross over
Proses Matching
Contoh : peneliti mengukur kadar gula darah
perokok dan bukan perokok. Setiap subjek
perokok dicarikan pasangannya dari bukan
perokok dengan syarat mempunyai karakteristik
yang sama berdasar usia dan jenis kelamin.
Desain cross over
Contoh: pada periode tertentu subjek penelitian
akan menerima obat A. setelah menyelesaikan
obat A , mereka akan menerima obat B selama
periode tertentu. Dengan cara ini akan diperoleh
data ketika subjek menggunakan obat A dan
ketika menggunakan obat B. Data obat A dan
data obat B dikatakan berpasangan karena
diperoleh dari individu yang sama.
• Ilustrasi kelompok tidak berpasangan
Seorang peneliti membandingkan kadar gula
darah antara perokok dan bukan perokok. Gula
darah perokok adalah satu kelompok data
sedangkan gula darah bukan perokok adalah
kelompok data yang lain. Data tidak
berpasangan karena individu dari 2 kelompok
berbeda.
• Contoh kasus
1. Berapa rerata kadar gula darah penduduk
usia 30-40 tahun di Kecamatan Sukamaju?
2. Apakah terdapat perbedaan kesembuhan
antara subjek yang menderita pneumonia
yang diberi obat amoksilin dengan
kotrimoksazol?
3. Apakah terdapat perbedaan rerata kadar gula
darah antara sebelum pengobatan dengan
sebulan setelah pengobatan obat
hipoglikemik oral (OHO)?
4. Apakah terdapat perbedaan rerata kadar
ketokolamin antara subjek yang mengalami
penyakit jantung koroner dengan yang
normal?
5. bagaimana korelasi antara kadar kolesterol
dengan kadar tebal lemak bawah kulit?
Jenis penilitian kasus:
1. Deskriptif-numerik
2. Analitik kategorik-kategorik tidak
berpasangan
3. Penelitian analitis kategorik-numerik
berpasangan
4. Penelitian analitis kategorik-numerik tidak
berpasangan
5. Penelitian korelatif
• Menentukan ukuran sampel suatu populasi
dengan formula:
1. Penelitian deskriptif-kategorik

2
Z x P x Q
n 2
d
n = jumlah sampel
2
Z = tingkat kepercayaan
P = proporsi
d = presisi
• Tingkat kepercayaan 95% (1,96), 90% (1,645)
Contoh (prevalensi diketahui):
seorang peneliti ingin mengetahui prevalensi
diare di Desa A. Diketahui bahwa prevalensi
diare dari penelitian sebelumnya adalah 20%.
Berapa besar sampel yang diperlukan untuk
meneliti prevalensi diare di di Desa A?
• Jawab:
2
Z x P x Q
n
d2
1,96 2 x 0,2 x 0,8

0,12
 62
• Contoh (prevalensi tidak diketahui):
Seorang peneliti ingin mengetahui prevalensi
status gizi buruk di Kabupaten A. berapa besar
sampel yang diperlukan untuk meneliti
prevalensi status gizi buruk di Kabupaten A
bila belum ada data sebelumnya?
Jawab: P= 50%
2
2 1,96 x 0,5 x 0,5
Z x P x Q n
n 2 0,12
d
 96
• Catatan:
panduan menetapkan presisi (d):
PxN>5
Contoh: sama dengan soal di atas
Jika prediksi peneliti benar, maka prevalensi yang
diperoleh sebesar 50% ± 10% = 40% - 60%
40% x 96 = 38,4
60% x 96 = 57,6
Dengan demikian sampel sebesar 96 boleh
digunakan karena memenuhi syarat besar sampel.
2. Deskriptif-numerik
2
 Zα x S 
n   
 d 

S = standar deviasi variabel yang diteliti

• Contoh: (simpangan baku/SD diketahui)
Seorang peneliti ingin mengetahui rerata
kadar hemoglobin pada ibu hamil di
Kabupaten A. Berdasarkan penelitian
sebelumnya, rerata dan standar deviasi kadar
hemoglobin adalah 10  4 g/dl. Berapa besar
sampel yang diperlukan untuk meneliti rerata
kadar hemogobin di Kabupaten A?
• Jawab:
2
 Z x S 
n 
 d 
2
 1,96 x 4 
 
 1 
 62
Contoh: (simpangan baku tidak diketahui)
Seorang peneliti ingin mengetahui rerata kadar
vitamin B12 pada vegetarian di Jakarta. Berapa
besar sampel yang diperlukan untuk meneliti
kadar vitamin B12 di Jakarta?
• Peneliti harus melakukan studi pendahuluan
terlebih dahulu untuk mengetahui rerata dan
standar deviasi vitamin B12 dari 10 orang
vegetarian di Jakarta. Dari 10 subjek ini
diperoleh kadar vitamin B12 10 ± 3. Berarti S =
3, α = 5 % nilai Zα = 1,96 dan nilai d = 1.
sehingga besar sampel
 2
 Z x S 
n 
 d 
2
 1,96 x 3 
 
 1 
 35
3. Analitik-Kategorik tidak berpasangan

n
Z  2 P1  P   Z  P1 1  P1  P2 1  P2  
2

P1  P2 2
Keterangan:
P = proporsi rata-rata (P1 + P2) /2
Zα = nilai distribusi normal baku pada α tertentu
Zβ = nilai distribusi normal baku pada β tertentu
P1 = proporsi kelompok 1
P2 = proporsi kelompok 2
Contoh 1: (Uji Klinis)
Obat A dikatakan dapat menghilangkan nyeri
pada 80% pasien rematik dibandingkan dengan
50% oleh parasetamol. Anda diminta untuk
membuktikan apakah obat A memang lebih
efektif dari parasetamol. Berapa besar sampel
yang anda butuhkan jika menginginkan
kemaknaan 5% dan kekuatan uji 80%.
Jawab:
P1 = 80% = 0,8
P2 = 50% = 0,5
Zα = 5% = 1,64 (1 arah)
Zβ = 80% = 0,84
P = (0,8 + 0,5)/2 = 0,65
Cat: kekuatan uji 80%, 90%, 95%, 99% dengan
nilai Z berturut-turut 0,84; 1,28; 1,64; 2,33
 n

1.64 2 x 0,651  0,65  0,84 0,8 1  0,8 0,51  0,5 
2

0,8  0,52
 29,99
 30

Jadi besar sampel untuk tiap kelompok adalah 30

• Catatan: rumus ini berlaku untuk desain cross

sectional, kasus kontrol, kohort, dan uji klinis
Contoh 2 : (cross sectional)
Hubungan jenis sarapan dengan daya ingat
sesaat dan prestasi belajar anak SD di Kota
Bogor. Peneliti ingin mengetahui apakah ada
perbedaan jenis sarapan yang dimakan dengan
daya ingat sesaat dan prestasi belajar.
Berapakah besar sampel yang harus diambil?

Catatan: anak SD kelas 4, 5, 6 dan usia 6-12

tahun
• Keterangan:
Zα = 5% = 1,96 (2 arah)
Zβ = 80% = 0,84
P1 = Proporsi anak usia 6-12 tahun
mengonsumsi sarapan tradisional (51,5%)
P2 = Proporsi anak usia 6-12 tahun
mengonsumsi sarapan instan (4,9%)
P = (0,515 + 0,49)/2 = 0,282
n

1.96 2 x 0,282 1  0,282  0,84 0,515 1  0,515 0,049 1  0,049 
2

0,515  0,0492
 13,37
14

• Jadi besar sampel untuk tiap kelompok adalah

14
 Formula Lemeshow
1. Tidak diketahui populasi

Z 2 P 1  P 
n 
d2

• Z = derajat kepercayaan (90%, 95%, 99%)

= 1,64; 1,96; 2,58
• P = maksimal estimasi = 0,5
• d = alpha ( 1%, 5%, 10%)
Contoh:
• Kepala dinas kesehatan kabupaten Cirebon
ingin mengetahui prevalensi gizi kurang pada
balita. Berdasarkan masalah dan informasi
yang ada, berapa jumlah sampel yang
dibutuhkan jika kepala dinas menginginkan
presisi mutlak sebesar 10% dan derajat
kepercayaan 95%?
Jawab:
1,96 0,5 1  0,5
2
n 2
0,1
(3,84) (0,5) (0,5)

0,01
0,96

0,01
 96
Jadi jumlah sampel yang dibutuhkan sebanyak 96 anak balita
2. Diketahui populasi

N. Zα 2 P 1  P 
n
d 2 N  1  Zα 2 P 1  P 
• Contoh:
Hubungan status gizi, zat goitrogenik, asupan
dan garam beriodium dengan kadar EIU pada
anak sekolah dasar. Diketahui populasi murid
3793 siswa. Berapa besar sampel yang harus
diambil?
• Keterangan:
Zα2 = derajat kepercayaan 95% (Z = 1,96)
P = Kadar urin ekskresi iodium berdasarkan
kepustakaan (73,33%)

3793 x 1,962 x 0,7333 1  0,7333

n
0,12 3793  1  1,962 x 0,7333 1  0,7333
2849,70

38,67
 73,69
 74