SAMPEL

1
 Sampling
Ada 2 topik bahasan dalam
sampling:
1. Metode pengambilan sampel (Sampling
Design)
2. Besar sampel (Sample Size)

Ada 2 metode pengambilan sampel:

1. Random/Probability sampling
2. Non random/non probability sampling Page 2
 TOPIK BAHASAN:
1. Pengertian (Populasi & Sampel)
2. Mengapa perlu sampling
3. Langkah Pengambilan Sampel
4. Potensi Bias pada pengambilan sampel
5. Metode Probability Sampling
6. Besar Sampel
7. Aplikasi: menghitung besar sampel
sesuai tujuan dan disain penelitian
Page 3
 PENGERTIAN
 Populasi target
• Kumpulan dari satuan/unit yang ingin kita buat inferensi atau
generalisasi hasil penelitian
 Populasi studi
• Kumpulan dari satuan/unit (N) di mana kita akan memilih
sampel
 Kerangka sampel/Sampling frame
• Daftar satuan/unit/anggota populasi yang berisi identitas:
(Nomor, Nama, & Alamat)
 Sampel
• Kumpulan dari satuan/unit yang kita ambil dari populasi studi
di mana pengukuran dilakukan (n)
 Unit analisis
• Bagian dari sampel dimana kita akan melakukan analisis
(misalnya rumah tangga, atau indivudu ibu hamil, balita, PUS)
Page 4
MENGAPA PERLU
SAMPLING?

•Populasi tidak terbatas

•Sumberdaya terbatas (tenaga, dana, waktu)
•Tidak mungkin diteliti semua (waktu dan ruang)
•Adanya penelitian yang destruktif
•Tidak perlu semua diteliti, ada metode sampling
yg didasarkan pada distribusi probabilitas

Metode
sampling

Menjamin sampel menggambarkan populasinya

Menjamin sampel mempunyai akurasi yang terukur
Menjamin sampling dapat dilaksanakan dg efisien
Page 5
 Langkah
PENGAMBILAN
SAMPEL
1
1.Menentukan tujuan studi 2

2.Menentukan populasi penelitian 3

•Populasi target, Populasi studi
•Sampling frame
•UNIT ANALISIS

3.Menentukan metode pengambilan sampel 4

5
4.Menghitung besar sampel sesuai metode

5.Memilih sampel

Page 6
CONTOH BIAS KARENA SELEKSI SAMPEL

sampel

sampel
sampel

sampel
sampel

Page 7
CONTOH BIAS KARENA SELEKSI SAMPEL

Page 8
 TEKNIK •Sampel pertimbangan
SAMPLING (Purposive/judgemental)
•Sampel berjatah (Quota)
A. Non Random •Sampel seadanya
(Accidental/Convenience)

B. Random (probability) sampling

•1. Simple random sampling (acak sederhana)

•2. Systematic random sampling (acak sistematik)
•3. Stratified random sampling (acak bertingkat):
-Sederhana (Simple stratified random)
-Proporsional (Proportional stratified random)
•4. Cluster random sampling (acak berkelompok)
•5. Multistages random sampling (acak bertahap)
Page 9
Beda Sample Random vs Non random
Random/Probability Sample
 Probabilitas semua elemen di populasi untuk terpilih
sebagai sampel adalah sama
 Dapat merepresentasikan populasi dan hasilnya
dapat digeneralisasi ke populasi

Non Random/Non Probability Sample

 Probabilitas semua elemen di populasi untuk terpilih
sebagai sampel adalah tidak sama
 Tidak merepresentasikan populasi dan hasilnya
tidak dapat digeneralisasi ke populasi
Page 10
RANCANGAN SRS
(Simple/Systematic Random Sapling)
SIMPLE RANDOM SYSTEMATIC RANDOM
SAMPLING SAMPLING:
1. Tentukan populasi studi 1. Tentukan populasi studi
2. Buat sampling frame (N) 2. Tentukan sampling frame
3. Tentukan besar sampel
3. Tentukan besar sampel
4. Tentukan interval (i=N/n)
4. Pilih sampel sejumlah n 5. Pilih sampel no.1 secara
secara random (Dengan acak
Tabel-random atau 6. Secara sistematik
Komputer) tentukan sampel
berikutnya no.2, 3,.. dst
dengan interval=N/n

Page 11
 STRATIFIED RANDOM SAMPLING
STRATIFIKASI SEDERHANA
(Alokasi sama):
1. Tentukan populasi studi
2. Kelompokkan populasi
berdasarkan variabel Strata
3. Tentukan besar sampel
4. Besar sampel dibagi rata
menurut strata
5. Buat sampling frame (N) ditiap
strata
6. Di tiap strata, pilih sampel
secara random (Tabel-random
atau Komputer)
Perlu Bobot Sampling
= (Jumlah populasi / jumlah sampel)
(Antar strata heterogen, dalam strata homogen)
STRATIFIKASI PROPORSIONAL:
1. Tentukan populasi studi
2. Kelompokkan populasi
berdasarkan variabel Strata
3. Tentukan besar sampel
4. Besar sampel dibagi
proporsional menurut strata
5. Buat sampling frame (N) ditiap
strata
6. Di tiap strata, pilih sampel
secara random (Tabel-random
atau Komputer)
Tdk Perlu Bobot Sampling
Page 12
 CLUSTER RANDOM SAMPLING
Digunakan jika sampling frame tidak tersedia atau
populasi merupakan wilayah geografis yang sulit
dijangkau
1. Tentukan populasi studi (N)
2. Kelompokkan populasi berdasarkan cluster
• Geografis/area/wilayah administrasi/blok/unit
3. Tentukan jumlah sampel (n) dan jumlah cluster (nk) dan
jumlah sampel di tiap cluster terpilih(ns)
4. Pilih cluster secara acak proporsional (PPS)
5. Pada cluster terpilih: ambil semua unit atau pilih secara
random dengan jumlah yang sama
(Antar cluster homogen, dalam cluster heterogen)
Kelemahan: 1. Nilai varians lebih besar dibandingkan SRS (Deff.)
sehingga dibutuhkan jumlah sampel yang lebih besar
2. Perlu software khusus dalam analisa data agar hasil akurat Page 13
 Multi-stage random sampling
Digunakan jika populasi sangat besar dan menyebar
dan tidak tersedia KERANGKA SAMPEL
Contoh tingkat Propinsi:
1. Tentukan populasi studi (N) dan sampel (n)
2. Bagi populasi menurut wilayah/Strata (Kab/Kota)
 Pilih wilayah/strata secara acak
3. Di setiap strata terpilih, kelompokan populasi
berdasarkan cluster atau strata (Urban/Rural)
 Pilih cluster/strata secara acak
4. Tentukan besar sampel di tiap Strata & klaster
5. Di klaster/strata terpilih, ambil sampel secara acak
(tabel-random/komputer)

Page 14
 Sampling
 Sampling harus memenuhi 2-kaidah berikut:
• 1. Akurasi/valid/akurat
– Mengukur apa yang sebenarnya ingin diukur
– Tergantung dari metode mengambil sampel
• 2. Presisi/konsisten/reliable
– Mengambarkan ketepatan ukuran yang diperoleh
– Tergantung dari besar sampel
 Kesalahan yang sering terjadi adalah metode
pengambilan sampel sering kurang mendapat
perhatian dibandingkan besar sampel
Page 15
 Dasar Perhitungan Besar Sampel
utk ESTIMASI
 Perhitungan besar sampel didasarkan pada
Teory Limit Central (Central Limit Theorem)

Page 16
 BESAR SAMPEL
Tergantung pada:
1. Jenis penelitian
• Eksplorasi awal  1 sampel mungkin cukup
• Generalisasi  harus representative
2. Skala-ukur variabel dependen
• Nominal/ordinal (Kategorik)  Proporsi
• Interval/ratio (Numerik)  Mean dan SD
3. Derajat ketepatan perkiraan yang diinginkan (presisi)
 Semakin tinggi presisi ~ semakin besar sample
4. Tujuan Penelitian
• Estimasi
• Uji Hipotesis
5. Interval kepercayaan dan Kekuatan Uji
6. Teknik pengambilan sampel (SRS atau bukan SRS)
Page 17
 Besar sampel

Besar sampel hanya bisa dihitung jika ada

informasi awal tentang populasi (informasi
awal tentang hal apa yang akan diteliti)
Secara garis besar, perhitungan besar
sampel dibagi menurut tujuan penelitian:
• 1. Estimasi parameter populasi
• 2. Uji hipotesis
Kesalahan yang sering terjadi, selalu
menganggap penelitian sebagai estimasi,
padahal seharusnya uji hipotesis

Page 18
 1. Jumlah sampel utk ESTIMASI PROPORSI
Tujuan penelitian: Mengetahui prevalensi diare pada balita di Kota Depok

Untuk menghitung jumlah sampel, peneliti perlu tahu sbb:

1. P = Perkiraan prevalence (dari penelitian terdahulu atau pilot studi)
2. d = Presisi: Ketepatan dari perkiraan prevalen –> deviasi/simpangan
yang masih dapat ditolerir (pada derajat kepercayaan tertentu)
3. CI = Interval kepercayaan

Contoh:
 Peneliti memperkirakan prevalensi diare di Depok sama dengan Jabar
15%  p = 0.15
 Peneliti 95% yakin bahwa prevalensi diare di Depok berkisar antara
10—20%  d = 0.05 (deviasi 5%)
5—25%  d = 0.10 (deviasi 10%)
 Ada 5% kemungkinannya prevalensi diare berada diluar kisaran
10—20%  CI = 95%  Za/2 = 1,96
 5—25%  CI = 95%  Za/2 = 1,96
Page 19
1a. Jumlah Sampel untuk Estimasi Proporsi
 Rumus: z 21a / 2 * p * (1  p)
n 2
d
 p=perkiraan proporsi
 d=presisi
 z= nilai z pada interval kepercayaan (1-a/2)
 Catatan:
• Rumus di atas hanya untuk estimasi proporsi
• Rumus di atas hanya untuk sampel acak
sederhana
• Untuk sampel cluster jumlah sampel perlu
dikalikan dengan Design Effect (DEFF)
Page 20
 1b. Jumlah Sampel untuk Estimasi Proporsi
 Tujuan: Mengetahui prevalensi diare pada balita di Depok:
 Diketahui:
• Perkiraan proporsi 15% (p=0.15)
• Presisi 5% (d=0.05)
• Derajat kepercayaan 95% (Z1-a/2=1.96)
 Perhitungan:
1.96 2 * 0.15(1  0.15)
n 2
 196
0.05
 Hasil:
• Dibutuhkan paling tidak 196 balita
yang dipilih secara SRS dari sampling frame populasi

Page 21
 2. Besar Sampel untuk Estimasi Rata-rata
Tujuan: Mengetahui rata-rata Hb ibu hamil di Kota Depok

Untuk menghitung jumlah sampel, peneliti perlu tahu sbb:

1. (SD2): Perkiraan varians Hb ibu hamil (dari penelitian terdahulu, atau pilot
studi)
2. (d): Presisi: Ketepatan dari perkiraan rata-rata Hb ibu hamil –>
deviasi/simpangan yang masih dapat ditolerir (pada derajat kepercayaan
tertentu)
3. (CI): Derajat kepercayaan
Contoh:
Diperkirakan (mean = 12.5 g/dl) dan (2 = 62 = 36 g/dl2 )
 Hasil penelitian terdahulu
Peneliti 95% yakin mean Hb bumil di depok berkisar .... Sd .....g/dl
 d= 1.0 gr/dl (ketepatan perkiraan 1.0 gr/dl)  11.5—13.5 g/dl
 d= 2.0 gr/dl (ketepatan perkiraan 2.0 gr/dl)  10.5—14.5 g/dl
 d= 0.5 gr/dl (ketepatan perkiraan 0.5 gr/dl)  12.0—13.0 g/dl

Ada 5% kemungkinannya rata-2 Hb berada diluar kisaran 11.5—13.5

 CI = 95%

Page 22
 2a. Besar Sampel untuk Estimasi Rata-rata
 Untuk menghitung besar sampel peneliti perlu
mengetahui:
• Perkiraan Varians (Kuadrat dari Std.Deviasi)
• Presisi
• Derajat kepercayaan
 Rumus:
z 2
1a / 2 * 2
n 2
 2 = perkiraan varians
d
 d = presisi
 z = nilai z pada interval kepercayaan 1-a/2
 Catatan:
• Rumus di atas hanya untuk estimasi rata-rata
• Rumus di atas hanya untuk sampel acak sederhana
Page 23
 2b. Besar Sampel untuk Estimasi Rata-rata
 Seorang peneliti ingin mengetahui rata-rata Kadar HB Ibu hamil di
Depok. Dari laporan terdahulu, diketahui rata-rata HB Bumil 12.5 g/dl
dengan standar deviasi 6 g/dl. Berapa besar sampel yang diperlukan
jika peneliti menginginkan derajat kepercayaan 95% dan simpangan
maksimum dari rata-rata HB sebesar 1.0 g/dl?
 Berdasarkan informasi di atas, 2=62=36 ; d=1 ; z=1,96, maka besar
sampel 2 2
1,96 * 6
n 2
 139
1

Sehingga diperlukan 139 ibu hamil sebagai sampel

(Asumsi: ibu hamil dipilih secara SRS dari sampling frame populasi)
(Bila tidak SRS, maka metode cluster bisa jadi pilihan, namun jumlah
sampel harus di kali dengan disain efek.
Page 24
 Dasar Perhitungan Besar Sampel
utk UJI HIPOTESIS

n=
z 1-a 2 P(1 - P ) + z1-  P1 (1 - P1 ) + P2 (1 - P 2 )
2

2

( P1 - P 2 ) Page 25
 2. Uji Hipotesis Beda 2 Proporsi

n
z 1a 2 P (1  P )  z1  P1 (1  P1 )  P2 (1  P2 ) 
2

( P1  P2 ) 2

 n = besar sampel
Z
 1-a/2 = nilai z pada derajat kepercayaan 1-a/2 atau batas kemaknaan a.
Perhatikan pada rumus ini uji hipotesis dilakukan dua arah (two tailed)
Z
1-a/2 = 1,64 ; 1,96 ; 2,58 untuk derajat kepercayaan 90, 95, 99%
 z1-b = nilai z pada kekuatan uji (power) 1-b.
z1-b = 0,84; 1,28; 1,64; 2,33 untuk kekuatan uji 80, 90, 95, 99%
 P1 = perkiraan proporsi pada kelompok 1
 P2 = perkiraan proporsi pada kelompok 2

Page 26
 2a. Uji Hipotesis Beda 2 Proporsi
 Suatu pengamatan awal pada 10 pasien trauma kepala berat dengan
kadar glukosa tinggi menunjukkan 6 orang meninggal. Sedangkan
pengamatan pada 10 pasien trauma kepala berat dengan kadar glukosa
rendah menunjukkan 3 orang meninggal.
 Seorang peneliti ingin mengetahui apakah kadar glukosa darah dapat
digunakan sebagai faktor prognostik pasien trauma kepala. Berapa
besar sampel jika interval kepercayaan 95% dan kekuatan uji 80%
 Dari informasi di atas, P1=0,60 ; P2=0,30, z1-a=1, 64 ; z1-b=0,84, maka
besar sampel dapat dihitung:

n
1,96 2 * 0,45 * (1  0,45)  0,84 0,60 * (1  0,60)  0,30 * (1  0,30) 
2

 41,97
0,60  0,302

Jadi untuk membuktikan apakah proporsi kematian pasien trauma kepala

dengan kadar glukosa tingi berbeda dengan kadar glukosa rendah
diperlukan 84 pasien, (42 pasien trauma kepala berat dengan kadar
glukosa tinggi
dan 42 pasien trauma kepala berat dengan kadar glukosa rendah)
 (Asumsi: sampel dipilih secara acak sederhana) Page 27
 2a. Uji Hipotesis Beda Rata-rata
2 Kelompok Independen

n

2 2 z1a / 2  z1  
2

m1  m 2 2
( n  1) s 2
 ( n  1) s 2
2  1 1 2 2
(n1  1)  (n2  1)

 Z1-a/2 = nilai z pada interval kepercayaan 1-a/2

uji hipotesis dilakukan dua arah (two tailed)
 z1- = nilai z pada kekuatan uji (power) 1-
 m1 = estimasi rata-rata kelp. 1 ; m2 = estimasi rata-rata kelp. 2
 2 = varians gabungan ; s12 = varians pd kel. 1;
s22 = varians pd kel. 2
Page 28
 Uji Hipotesis Beda Rata-rata
2 Kelompok Independen
 Seorang peneliti ingin mengetahui efek asupan natrium pada tekanan
darah. Pada pilot studi diketahui pada 20 orang yang asupan
natriumnya rendah mempunyai tek. Darah diastolik rata-rata 72 mmHg
dengan st. dev. 10 mmHg. Sedangkan pada 20 orang yang asupan
natriumnya tinggi mempunyai tek. Darah diastolik rata-rata 85 mmHg st.
dev. 12 mmHg.
 Berapa besar sampel yang diperlukan jika peneliti ingin melakukan uji
hipotesis adanya perbedan tekanan darah pada kedua kelompok
tersebut dengan interval kepercayaan 95% dan kekuatan uji 80% ?

 2

(20  1) *10 2

 (20  1) *12 2
 122
(20  1)  (20  1)
2 *1221,96  0,84
2
n  39,04
(82  75) 2

Diperlukan sampel sebanyak 80 sampel (40 orang yang konsumsi

natriumnya rendah dan 40 orang yang konsumsi natriumnya tinggi) Page 29
(Asumsi; sampel dipilih secara acak sederhana)
 2b. Uji Hipotesis Beda Rata-rata 2
Kelompok Berpasangan (Paired)

 z1a / 2  z1  
2 2

n
m1  m 2  2

 2 = varians dari beda 2 rata-rata pasangan

(didapat dari penelitian terdahulu atau penelitian awal)
 Z1-a/2 = nilai z pada interval kepercayaan 1-a/2
uji hipotesis dilakukan dua arah (two tailed)
 z1- = nilai z pada kekuatan uji (power) 1-
 m1 = perkiraan rata-rata sebelum intervensi
 m2 = perkiraan rata-rata sesudah intervensi
(didapat dari penelitian terdahulu atau penelitian awal)
Page 30
 2b.Uji Hipotesis Beda Rata-rata 2
Kelompok Berpasangan (Paired)
 Seorang peneliti ingin menguji efek latihan aerobik terhadap penurunan
kadar kolesterol LDL pada orang dewasa. Dari penelitian awal pada 5
orang diketahui rata-rata LDL sebelum latihan aerobik adalah 185 mg/dl
dan setelah 4 minggu berlatih aerobik adalah 165 mg/dl. Jadi ada
penurunan kadar LDL rata-rata 20 mg/dl dengan st. dev. 15 mg/dl.
 Berapa besar sampel yang diperlukan jika peneliti ingin menguji
hipotesis dengan perbedaan rata-rata minimum yang ingin dideteksi
sebesar 10 mg/dl dengan interval kepercayaan 95% dan kekuatan uji
90% ?
152 * 1,96  1,28
2
n 2
 23,62
(10)

Jadi diperlukan sampel sebanyak 24 sampel untuk mendeteksi adanya

penurunan rata-2 kadar LDL sebesar 10 md/dl
(Asumsi: sampel dipilih secara acak sederhana/sistematik)

Page 31
LATIHAN (10.00-11.00)
Kepala Dinas Kesehatan Kabupaten Cianjur ingin mengetahui
prevalensi anemia pada ibu hamil. Berdasarkan informasi pada
survei gizi ibu hamil di Jawa Barat diperoleh prevalensi anemia
pada kehamilan sebesar 62%. Berdasarkan masalah dan informasi
yang ada, berapa jumlah sampel yang dibutuhkan jika Kepala
Dinas menginginkan presisi mutlak sebesar 10% dan derajat
kepercayaan 90% ?
Suatu obat “A” dikatakan dapat menghilangkan nyeri pada 80%
pasien osteoartritis. Sedangkan parasetamol, yang merupakan
analgetik lama dapat menghilangkan nyeri pada 50% pasien
osteoartritis. Seorang peneliti ingin menguji apakah obat “A”
memang lebih efektif dari parasetamol. Berapa besar sampel yang
dibutuhkan jika peneliti mengingkinkan derajat kemaknaan 1% dan
kekuatan uji 80% ?
Page 32