Perhitungan Besar Sampel

(Aplikasi pada Penelitian Kesehatan)

1
 Outline Presentasi
1. Besar sampel untuk estimasi (estimasi
proporsi dan rerata)
- Konsep
- Aplikasi
2. Besar sampel untuk uji hipotesis (beda
proporsi dan rerata)
- Konsep
- Aplikasi
3. Besar sampel untuk situasi lainnya
4. Anggapan yang salah tentang sampel

2
 Konsep dalam Rancangan
Sampel
Rancangan sampel harus memenuhi 2 kaidah:
1. Akurasi  estimasi parameter populasi
 Bergantung pada cara pengambilan sampel
 Bergantung pada ketersediaan kerangka
sampel, biaya, dan waktu
2. Presisi  simpangan dari nilai sampel
dengan nilai populasi
 Bergantung pada besar sampel

Cara pengambilan sampel sering kurang mendapat

perhatian dibandingkan menghitung besar sampel3
 Ruang Lingkup
Rancangan Sampel
1. Tentukan Tujuan Penelitian

2. Definisikan Populasi Target

3. Identifikasi Kerangka Sampel

4. Pilih Cara/Metode Pengambilan Sampel

yang sesuai/cocok

5. Hitung Besar Sampel

6. Pilih Sampel & Kumpulkan Data 4

BESAR SAMPEL Tergantung pada:
1. Jenis penelitian
 Eksplorasi awal  1,2 sampel mungkin cukup
 Generalisasi  harus representative
2. Tujuan Penelitian
 Estimasi
 Uji Hipotesis
3. Skala-ukur outcome variabel
 Nominal/ordinal (Kategorik)  Proporsi
 Interval/ratio (Numerik)  Mean dan SD
4. Ketepatan perkiraan yang diinginkan (presisi
atau sampling error, sampling error kecil  presisi tinggi)
 presisi main tinggi ~ sample makin besar
5. Interval kepercayaan dan Kekuatan Uji
6. Teknik pengambilan sampel (SRS atau Non-SRS)
5
 BESAR SAMPEL Tergantung pada:
Selang
Tujuan Outcome Presisi/ Ukuran Kekuatan Cara penarikan
dampak Kepercayaa
penelitian variabel variasi Uji sampel
n
1. Estimasi 1. Proporsi p, presisi 90, 95, 99% 1. Acak sederhana
2. Kompleks
(satu sampel) 2. Rerata x, presisi
sampel

2. Uji 1. Beda
p1-p2 OR,RR 90, 95, 99% 80,90,95% 1. Acak sederhana
Hipotesis proporsi
2. Beda 2. Kompleks
(dua sampel) x1-x2
rerata sampel

6
Perhitungan Besar Sampel

 Sampel hanya bisa dihitung jika ada

informasi awal tentang hal yang diteliti dan
populasinya
 Secara umum perhitungan besar sampel
dapat dibagi menurut tujuan penelitian:
1.Estimasi parameter
2.Uji Hipotesis
 Kesalahan yang sering terjadi: selalu
menganggap penelitian sebagai estimasi
parameter padahal sebenarnya uji hipotesis
7
 Perhitungan
Besar Sampel untuk
Estimasi Parameter
Populasi
8
 Perhitungan Besar Sampel utk
Estimasi Parameter Populasi

P = Estimasi proporsi  hasil penelitian terdahulu

d = deviasi/presisi/sampling error  ditentukan peneliti
CI = Confidence Interval  penelitian terdahulu
(95% kesmas, 99% klinis) 9
Perhitungan Besar Sampel utk Estimasi
Parameter Populasi
 Diketahui prevalensi diare Balita di Jabar 15%
 Presisi/Simpangan yang dapat diterima 5%
 Derajat kepercayaan 95%

5% 5%
10% 15% 20%

95% CI

Artinya, peneliti 95% percaya bahwa prevalensi

diare di Jabar berkisar antara 10% sampai
dengan 20% 10
 Perhitungan Besar Sampel utk
Estimasi Parameter Populasi
Presisi Mutlak Presisi Relatif
Estimasi 2
z P(1  P) z12 / 2 (1  P)
Proporsi n 1 / 2
n
d2  2P
Estimasi
z 2
 2
z
2 2
Rata-rata n 1 / 2
n 1 / 2
d 2
  2 2

Kaitan presisi mutlak dg relatif  d   *P

atau d   *
11
 Besar sampel estimasi proporsi:
presisi mutlak
z2
P(1  P)
n 1 / 2
2
P=Estimasi proposi
d
d=presisi/simpangan mutlak
z=nilai z pada derajat kepercayaan 1-/2

Rumus tersebut:
 Digunakan untuk estimasi proposi
 Tidak tepat digunakan untuk uji hipotesis
 Asumsi desain: populasi tak terbatas dan sampel SRS
12
 Jika sampel Non-SRS, harus dikalikan dengan Deff
Besar sampel estimasi proporsi:
Contoh
 Suatu survei dilakukan untuk mengetahui
prevalensi diare pada Balita di Kabupaten
Bogor. Berapa jumlah sampel yang
diperlukan untuk survei ini?

 Untuk menghitung jumlah sampel,peneliti

perlu tahu:
 Perkiraan prevalensi diare di kab. Bogor
 Presisi/deviasi yang dapat diterima
 Derajat kepercayaan
13
Besar sampel estimasi proporsi:
Contoh
 Misalkan:
 Data diare di Bogor belum ada
 Diketahui prevalensi diare di Jabar 15%
 Simpangan yang dapat diterima 5%
 Derajat kepercayaan 95%
 Berarti:
 Peneliti menggunakan data prov Jabar utk
memperkirakan angka diare di kab. Bogor 15%
 Peneliti 95% yakin bahwa prevalensi diare di
kab. Bogor berkisar antara 10-20%
 Ada 5% kemungkinannya prevalensi diare
berada di luar kisaran 10-20%
14
Besar sampel estimasi proporsi:
Contoh
1,96 * 0,15(1  0,15)
2
n 2
0,05
n  196
 Berarti:
Pada survei yang bertujuan untuk mengetahui
prevalensi diare pada Balita di Kab. Bogor,
diperlukan sampel minimum 196 Balita,
- yang pengambilan sampelnya dilakukan dengan
metode SRS
- jika pengambilan sampelnya bukan SRS maka
harus dikoreksi dengan DEFF
15
Besar sampel estimasi rata-rata:
simpangan mutlak
z2
 2
n 1 / 2
2
=simpang baku d
d=presisi/deviasi dari nilai rata-rata
z=nilai z pada derajat kepercayaan 1-/2

 Digunakan untuk estimasi rata-rata

 Tidak tepat digunakan untuk uji hipotesis
 Asumsi desain: populasi tak terbatas dan
metode sampel SRS 16
Besar sampel estimasi rata-rata:
contoh
 Suatu penelitian dilakukan untuk mengetahui rata-
rata tekanan darah sistolik orang dewasa di Jakarta
 Asumsi yang digunakan:
 Rata-rata tek. Darah 120 mmHg
 Simpang baku penelitian sebelumnya 20 mmHg
 Presisi/deviasi mutlak 5 mmHg
 Derajat kepercayaan 95%

 Berarti:
Peneliti 95% yakin bahwa rata-rata tek. Darah
sistolik di populasi berkisar 115-125 mmHg

17
Besar sampel estimasi rata-rata,
simpangan mutlak
2 2
1,96 20
n 2
4
n  97
 Berarti, utk mengetahui rata-rata tekanan darah
sistolik orang dewasa di Jakarta, diperlukan
sampel minimum 97 sampel orang dewasa,
- yang pengambilan sampelnya dilakukan dengan
metode SRS
- jika pengambilan sampelnya bukan SRS maka
harus dikoreksi dengan DEFF
18
 Perhitungan
Besar Sampel untuk
Uji Hipotesis

19
Terminologi pada Perhitungan Besar
Sampel utk Uji Hipotesis

P1 = Estimasi proporsi pada kelp.1

P2 = Estimasi proporsi pada kelp.2
CI = Confidence Interval (1-α)
20
Power = Kekuatan Uji (1-β)
 Perhitungan Besar Sampel utk
Uji Hipotesis
Uji beda
proporsi
n
z 1 / 2 2P (1  P )  z1 P1 (1  P1 )  P2 (1  P2 ) 
2

( P1  P2 ) 2

Uji beda rata-

2 z1 / 2  z1    2
2 2

(n  1)s
1
2
1  ( n2  1) s 2
2 
rata n (n1  1)  (n2  1)
(independent) 1  2  2

 2 z1 / 2  z1  2
Uji beda rata-
rata (paired)
n
1  2  2

21
 Besar sampel uji hipotesis beda
proporsi 2 kelompok

n
z1 / 2 2 P (1  P )  z1  P1 (1  P1 )  P2 (1  P2 ) 
2

( P1  P2 ) 2

 P1 dan P2 didapat dari hasil penelitian terdahulu

 n =Jumlah sampel untuk masing-masing kelompok
 P-hat = (P1+P2)/2
 P1-P2 = perbedaan minimal yang dianggap
bermakna secara substansi
 Z1-α = 1,96
 Z1-β = 0,84 22
 Perbedaan bermakna secara Statistik
vs. bermakna secara Substansi
Kebiasaan PJK n
 Tidak ada hubungan
minum teh Ya Tidak
minum teh dengan PJK
Ya 12 (12%) 88 100
 Namun, jika sampelnya Tidak 10 (10%) 90 100
ditingkatkan 20 kali lipat, Jumlah 22 178 200
ada hubungan bermakna 2 = 0,20 p=0,6513

 Peneliti perlu
mempertimbangkan
apakah perbedaan Kebiasaan PJK n
kejadian penyakit jantung minum teh Ya Tidak
koroner sebesar 2% Ya 240 (12%) 1760 2000
memang bermakna dari Tidak 200 (10%) 1800 2000
segi ilmu kesehatan? Jumlah 440 3560 4000
2 = 4,09 p=0,0432 23
P1, P2 pada disain eksperimen,
kohort, & cross-sectional
Keluaran Total
Sebab
+ -
+ a b a+b
- c d c+d
Total a+c b+d a+b+c+d

 P1 = a/(a+b)
 P2 = c/(c+d)
24
P1, P2 pada disain kasus-kontrol
Keluaran Total
Sebab
+ -
+ a b a+b
- c d c+d
Total a+c b+d a+b+c+d

 P1 = a/(a+c)
 P2 = b/(b+d)
25
 Contoh P1 dan P2
“Hubungan antara anemia dengan BBLR”
BBLR Total
Anemia
Ya Tidak cohort/cross sectional

Ya a b a+b
Tidak c d c+d
P1: Proposi BBLR pada ibu anemia
P2: Proposi BBLR pada ibu tidak anemia
BBLR
Anemia
Ya Tidak Case control
Ya a b
Tidak c d
Total a+c b+d
P1: Proporsi ibu anemia pada BBLR 26

P2: Proporsi ibu anemia pada non BBLR

 Contoh Perhitungan Besar Sampel
uji beda Proporsi disain
Kohor/Eksperimen
 Penelitian untuk mengetahui hubungan anemia
pada ibu hamil dengan BBLR dengan desain cohort
 Asumsi & hasil penelitan terdahulu:
 Proporsi BBLR pada ibu anemia, P1: 30%
 Proporsi BBLR pada ibu non anemia, P2: 10%
 Peneliti berasumsi perbedaan minimal proporsi BBLR
antara ibu anemia vs ibu non anemia (P1 – P2) yang
dianggap bermakna secara substansi adalah sebesar 20%
 Derajat kemaknaan: 5%  Z-alpha = 1,96
 Kekuatan uji: 80%  Z-beta = 0,84
 P=(0,3+0,1)/2 = 0,2
27
 Contoh Perhitungan Besar Sampel uji beda
Proporsi disain Kohor/Eksperimen

P1=0,3 P2=0,1 P=0,2

Z-a/2=1,96 Z-beta=0,84

n

1,96 2 * 0,2(1  0,2)  0,84 0,3(1  0,3)  0,1(1  0,1) 
2

(0,3  0,1) 2
n  62 / kelompok
 Berarti sampel yang dibutuhkan adalah 62 ibu
anemia dan 62 ibu non anemia, Total 124 ibu hamil
 Bukan berarti diambil sampel 124 ibu hamil
 karena tidak menjamin diperoleh 62 ibu hamil anemia
dan 62 ibu hamil non anemia
29
Besar sampel uji hipotesis beda
rata-rata berpasangan (paired)
 z1 / 2  z1  
2 2

n
1   2 2

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

 Z1-/2 = nilai z pada interval kepercayaan 1-/2
(uji hipotesis dilakukan dua arah - two tailed)
 z1- = nilai z pada kekuatan uji (power) 1-
 1 = perkiraan rata-rata sebelum intervensi
 2 = perkiraan rata-rata sesudah intervensi
(didapat dari penelitian terdahulu atau penelitian awal)
30
Contoh Besar sampel uji hipotesis
beda rata-rata 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 175 mg/dl.
Jadi ada penurunan kadar LDL rata-rata 20 mg/dl
dengan simpangan baku 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% ?
31
Contoh Besar sampel uji hipotesis
beda rata-rata berpasangan (paired)
15 * 1,96  1,28
2 2
n 2
 24
(10)

Jadi, untuk menguji efek latihan aerobik

terhadap penurunan kadar kolesterol LDL
(mendeteksi adanya penurunan rata-rata kadar
LDL sebesar 10 md/dl) diperlukan sampel
sebanyak 24 sampel
32
33
 Masalah dalam Penentuan Besar Sampel
 Jika hipotesis tidak fokus, misalnya:
 Faktor-faktor yang berpengaruh pada kejadian BBLR
 P1 dan P2 diambil dari variabel yang mana ?
 Solusinya:
 1. Pilih faktor utama saja, faktor lain dianggap
confounder
 2. Hitung besar sampel untuk tiap faktor,
kemudian ambil jumlah sampel terbesar
 Catatan:
Perbedaan P1 dan P2 harus berdasarkan perbedaan
yang dianggap secara subtansi bermakna, bukan
hanya dari penelitian terdahulu saja
34
 Anggapan yang salah tentang
sampel
Anggapan-1: menaikkan besar sampel akan
mengurangi semua bias
Anggapan-2: peningkatan besar sampel akan
menurunkan Std.Error secara linier
Anggapan-3: penarikan besar sampel secara
proporsional (misalnya 10% dari
populasi) sudah dianggap cukup.
35