TEHNIK SAMPLING

 Dr. dr. Arlinda Sari Wahyuni MKes

 Departemen IKM/IKK/IKP FK
Curiculum Vitae
 Nama : Dr. Arlinda Sari Wahyuni M.Kes
 Alamat : Jl. Karya Wisata, Villa Mutiara Johor D5
Telp. (061) 7850619/77707569
 Pendidikan:
S1. FK USU 1988-1995
S2 Biostatistik FKM UI 2000-2002
 Pekerjaan:
Staf Pengajar FK USU Bgn IKM/IKK
Staf Pengajar Pascasarjana Biomedik, IKM, TKP PPDS
Konsultan Statistik & Penelitian TKP PPDS
 Organisasi:
PDKI, IDI wil, Komite Etik Penelitian USU
Sampling
 Pendahuluan
 Pada hakekatnya teknik sampling
dikembangkan dengan tujuan untuk membantu
para peneliti dalam upaya untuk melakukan
generalisasi dari hasil penelitian yang telah
dilakukan.
 Generalisasi bisa dilakukan lewat penaksiran
(estimation) parameter populasi maupun
generalisasi lewat pengujian hipotesis (testing
of hypothesis) tentang keadaan parameter di
populasi.
Defenisi
 Populasi target
Kumpulan dari satuan/unit yang ingin
kita buat inferensi/generalisasinya
 Populasi studi
kumpulan dari satuan/unit dimana kita
mengambil sampel
Sample
bagian dari populasi studi yg diambil
untuk dilakukan pengukuran
 Populasi target

 Pop.studi

sample
Mengapa sampling?

Jumlah populasi yg sangat besar

 Homogenitas
 Menghemat waktu, biaya dan tenaga
(efisien)
 Faktor ketelitian
Syarat sampel ideal
 Menghasilkan gambaran yang
tepat karakter populasi
(representatif)
 Dapat menentukan presisi
(ketepatan) dari hasil penelitian.
 Sederhana dan mudah
dilaksanakan
 Informasi banyak dan biaya
rendah.
Bagaimana Prosedurnya???
Prosedure Sampling
Define the Target Population

Identify the Sampling Frame

Choose the Sampling Method

Determine the Sample Size

Gather the Data

 Types of Sampling Methods

SAMPLING METHODS

Probability Sampling Nonprobability Sampling

Simple Systematic Stratified Cluster Consecutive Convenience Quota Snowball

random sampling sampling sampling sampling sampling sampling
sampling
sampling
Tehnik Pengambilan Sampel

 Non Probability Sampling

 Probability Sampling
Non probability sampling

 Consecutive
 Convinient
 Quota
 Snowball
sampling
Probability Sampling/Acak
 Acak sederhana(Simple
Random Sampling)
 Sistematis (Systematic
Random Sampling
 Sampel strata (Stratified
Random Sampling)
 Klaster (Cluster sampling)
 Bertingkat/bertahap
(Multistage)
Acak Sederhana
 Pengambilan sampel sedemikian rupa
sehingga setiap unit dasar (indvidu)
mempunyai kesempatan yang sama
 Cara yang paling sederhana, paling ideal
 Keuntungan: ketepatan yg tinggi
 Kerugian : harus ada kerangka sampling.
 Cara: dengan undian, tabel random,
komputer
Kerangka Sampling
 Daftar dari semua unsur sampel dalam populasi

 Cth :
 Daftar penduduk dalam suatu kecamatan.
 Jumlah penderita TBC dari Puskesmas X

 Misal deretan tabel bilangan random adalah sebagai berikut:

001201 234019 010325 000123 021780

660012 021340 000120 127658 012030
Acak Sederhana

 Randomisasi
Acak Stratifikasi
 Pengambilan sampel dengan membagi
populasi menjadi beberapa strata, setiap
strata homogen
 Keuntungan : ketepatan tinggi, SD lebih
kecil
 Kerugian : harus mengetahui kondisi
populasi, sulit membuat kelompok.
Acak stratifikasi

 strata

 sampel
Acak Sistematis
 Yang diambil secara acak adalah unsur
pertama, selanjutnya secara sistematis
sesuai langkah yg ditetapkan
 keuntungan : kerangka samplin tidak
mutlak
 lebih mudah, biaya relatif rendah.
 Kerugian : terdapat kecendrungan tertentu.
Acak sistimatis

penentuan secara
sistematis
Acak kluster
 Populasi dibagi didalam kelas, didalam
kelas terdapat semua variasi yang akan
diteliti
 Ciri :
 didalam kelas seheterogen mungkin
 Antar kelas sehomogen mungkin
Kluster
acak kelas

 Kelas
 (dlm heterogen)
Acak bertingkat (Multistage)
 Pengambilan sampel dengan banyak
tahap.
 Contoh : untuk penelitian di seluruh
Indonesia, langkah awal mengacak
propinsi, kemudian mengacak kabupaten
dst sampai ketingkat yg paling kecil.
Bertingkat
Bagaimana Mengukur Besar
sampel??????
 Penentuan Besar Sampel

 Syarat penting untuk suatu generalisasi

atau inferensi
 Semakin homogen populasi, semakin kecil
sampel, semakin heterogen populasi,
semakin besar sampel
 Tujuan penentuan besar sampel :
1. mewakili populasi (representativeness)
2. keperluan analisis
Penentuan Besar sampel
 Tergantung:
 Biaya yg tersedia, waktu dan tenaga
 Tujuan dan desain penelitian
 Variasi dalam variabel dan banyak variabel
 Skala pengukuran
 Presisi : ketepatan yang dikehandaki (ditentukan
peneliti)
 Rencana analisis
 JENIS PENELITIAN

OBSERVASIONAL E
K
S
P
ESTIMASI UJI HIPOTESIS E
R
I
KOMPARASI K M
O E
R N
1 POPULASI 2 POPULASI 1 POPULASI 2 POPULASI E
L
T
A A
K P K P K P
SI L
SIMPLE/ STRA. CLUST.
SYST. R.S. R.S. R.S.

K P K P K P

CROSS CASE CO- CROSS CASE CO-

SECT CTRL HORT SECT CTRL HORT
Formula Besar Sampel
 Menurut skala pengukuran
nominal/ordinal
interval/rasio
 Tujuan penelitian (estimasi atau uji
hipotesis)
Estimasi
 Skala nominal/ordinal
 n = Za2 p (1-p)
d2
sering pada penelitian croseksional

 Skala interval/rasio
 n = Za2 sd2
d2
 Estimasi
 Simple random sampling atau
systematic random sampling
- data proporsi (populasi infinit)

Z21-/2 P (1-P)
n = --------------------
d2
 Contoh
Berapa besar sampel utk perilaku remaja
merokok bila proporsi di populasi 40% dan
alpha 5%/ Za = 1,96 dengan ketepatan 0.1
N=92.19 93
1.96x1.96x0.4x0.6
n = --------------------
0.12
 - SE<  <  + SE
 =   SE
 Estimasi
 Simple random sampling atau
systematic random sampling
- data proporsi (populasi finit)

N Z21-/2 P (1-P)
n = -------------------------------
(N-1) d2 + Z21-/2 P (1-P)
N = besar populasi
Estimasi

n = besar sampel minimum

Z1-/2 = nilai distribusi normal baku
(tabel Z) pada  tertentu
P = harga proporsi di populasi
d = kesalahan (absolut) yang
dapat ditolerir
N = jumlah populasi
 Uji Hipotesis
 Data proporsi

{Z1-/2 2 P (1-P) + Z1-P1 (1-P1) + P2 (1-P2)}2

n = ----------------------------------------------------------
(P1- P2)2
Uji Hipotesis
n = besar sampel minimum
Z1-/2 = nilai distribusi normal baku (tabelZ)
pada  tertentu
Z1- = nilai distribusi normal baku (tabelZ)
pada  tertentu
P = rata-rata P1 dan P2
P1 = proporsi di populasi
P2 = perkiraan proporsi di populasi
P1-P2 = perkiraan selisih proporsi yang
diteliti dengan proporsi di populasi
Terima Kasih Atas Perhatiannya