SAMPEL

Dr. Sutanto Priyo Hastono, Drs. MKes

1
KESALAHAN PENELITIAN
Dalam penelitian ada 2 kesalahan :
a. Sampling Error
: Kesalahan penelitian akibat penelitian menggunakan
sampel
b. Non Sampling Error
: Kesalahan penelitian akibat proses penelitian yang
tidak benar

Page
2
KENAPA SAMPEL , APA UNTUNGNYA DATA HANYA SAMPEL?

Lebih hemat waktu, biaya dan tenaga

Lebih Akurat
Lebih Tajam
Tidak “merusak data”
SAMPEL REPRESENTATIF
Teknik Pemilihan sampel
- Simple Random Sampling
- Systematic Random sampling
- Stratified Random Sampling
- Cluster Random Sampling

Jumlah/besar sampel
 KRITERI INKLUSI DAN EKSKLUSI
A. KRITERIA INKLUSI: KRITERIA SAMPEL YG DIINGINKAN BERDASARKAN TUJUAN
PENELITIAN
PENELITIAN: NYERI PADA PASIEN DIABETES YG LUKA PD TUNGKAI KAKI
INKLUSI: 1. PENDERITA YG LUKA GANGRENE
2. USIA 18 – 59 TH

EKSKLUSI: KRITERIA KHUSUS YG MENYEBAKAN CALON RESP YG MEMENUHI KRITERIA

INKLUSI HARUS DIKELUARKAN DARI PENELITIAN
MISALNYA RESPONDEN YG MENGALAMI PENYAKIT PENYERTA
EKSKLUISI: 1. PENDERITA DM YG PUNYA PENYAKIT GINJAL

INGAT ?? KRITERIA EKSKLUSI BUKAN LAWAN DARI KRITERIA INKLUSI….PAHAM YA..

Page
5
 Teknik
Pemilihan sampel
TEKNIK PEMILIHAN SAMPEL

A. RAMDOM SAMPEL

B. NON RAN RANDOM SAMPEL

Page
7
TEKNIK PEMILIHAN SAMPEL
A. RANDOM SAMPLE

SIMPLE RANDOM SAMPLING SYSTEMATIC RANDOM

1. Tentukan populasi studi SAMPLING:
(N=Sampling Frame) 1. Tentukan populasi studi
2. Tentukan besar sampel (N=Sampling Frame)
3. Dengan Tabel- 2. Tentukan besar sampel
acak/Komputer lakukan 3. Tentukan secara acak
pemilihan sampel sampai sampel no.1 (pertama)
jumlah terpenuhi 4. Secara sistematik tentukan
sample no.2 dan
selanjutnya dengan
(interval=N/n)
 STRATIFIED RANDOM SAMPLING
STRATIFIKASI SEDERHANA:
1. Tentukan populasi studi
2. Stratifikasi populasi
berdasarkan variabel studi
3. Tentukan besar sampel
4. Besar sampel dibagi
berdasarkan stratifikasi
yang ada
5. Dengan Tabel-
acak/komputer lakukan
pemilihan sampel
STRATIFIKASI PROPORSIONAL:
1. Tentukan populasi studi
2. Stratifikasi populasi
berdasarkan variabel studi
3. Tentukan besar sampel
4. Besar sampel dibagi
proporsional berdasarkan
stratifikasi yang ada
5. Dengan Tabel-acak
/komputer lakukan pemilihan
sampel
 CLUSTER RANDOM SAMPLING

1. Tentukan populasi studi (N) dan sampel (n)

2. Bagi populasi berdasarkan klaster
 Geografis/area/wilayah administrasi/blok/unit
 Setiap klaster (intra) harus heterogen (optimal mewakili populasi
studi) dan antar klaster harus homogen
3. Tentukan jumlah klaster (nk) dan jumlah sampel di tiap
klaster terpilih(ns)
4. Pilih klaster secara acak
5. Pilihan sampel secara acak di klaster terpilih

Page
10
 NON RANDOM
A. PURPOSIVE SAMPLING
SESUAI KRITERIA INKLUSI, JUMLAH YG ADA SAJA YG DITELITI
B. ACCIDENTAL SAMPLING
YG DITEMUAI SAAT PENELITIAN - - PENYAKIT LANGKA ATAU UMUM :
KEBERSIHAN KOTA
C. QUOTA SAMPLING
MENANYAKAN RESP SEBANYAK SAMPEL YG SUDAH DITENTUKAN
D. SNOWBALL SAMPLING
MEMINTA INFORMASI UTK MENDAPATKAN SAMPEL BERIKUTNYA
PRIVASI N SENSITIF - - HIV

Page
11
Besar Sampel
 BESAR SAMPEL TERGANTUNG:
1. Skala-ukur variabel dependen
 Kategorik/proporsi (Nominal, ordinal)
 Numerik/rata-2 (interval, ratio)
2. Derajat ketepatan perkiraan yang diinginkan (presisi)
 Semakin tinggi ~ semakin besar sample
3. Tujuan Penelitian
 Estimasi
 Uji Hipotesis
4. Interval kepercayaan dan Kekuatan Uji
5. Teknik pengambilan sampel (SRS atau bukan SRS)

Page
13
JUMLAH SAMPEL UNTUK ESTIMASI PROPORSI (VAR KAT)
Sebelum menghitung jumlah sampel peneliti perlu tahu:
 Perkiraan proporsi : penel sebelumna /studi pendahuluan
 Presisi
 Derajat kepercayaan
Rumus:

z 2
* p * (1  p)
1a / 2
p=perkiraan proporsi n
d=presisi : 1%, 5%, 10 % d2
z= nilai z pada interval kepercayaan (1-a/2): TK=95%, z=1,96
Perhatian:
 Rumus di atas hanya untuk estimasi proporsi
 Rumus di atas hanya untuk sampel acak sederhana

Page
14
 CONTOH
Seorang mhs fkm ingin meneliti gambaran kejadian diare balita di depok.
Dari studi pendahuluan diketahui ada 15% balita yang mengalami diare.
Besarnya presisi yg diinginkan adalah 5%. Berap jumlah sampel yang
dibutuhlan dala penelitian ini (tk 95%).

Diketahui:
 Perkiraan proporsi (p=0.15) 1.96 2 * 0.15(1  0.15)
 Presisi (d=0.05)
 Derajat kepercayaan 95% (Z1-a/2=1.96)
n 2
 196
0.05
Perhitungan:

Hasil:
 Dibutuhkan paling tidak 196 balita
yang dipilih secara acak sederhana atau acak sistematik dari sampling frame populasi
(Bila acak sederhana/sistematik tidak bisa dilakukan, maka metode cluster bisa jadi
pilihan, namun jumlah sampel harus di kali dengan disain efek (deff = 2 -- 4)

Page
15
 BESAR SAMPEL UNTUK ESTIMASI RATA-RATA (VAR. NUM)
Untuk menghitung besar sampel peneliti perlu mengetahui:
 Perkiraan Varians (Kuadrat dari Std.Deviasi)
 Presisi
 Derajat kepercayaan
Rumus:
z 2
1a / 2 *s 2
n 2
s2 = perkiraan varians d
d = presisi (sekecil mungkin, patokan-: kira2 < 5 % dari nilai rata2nya)
z = nilai z pada interval kepercayaan 1-a/2 : TK=95% - - z=1,96
Perhatian:
 Rumus di atas hanya untuk estimasi rata-rata
 Rumus di atas hanya untuk sampel acak sederhana

Page
16
 CONTOH
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, s2=62=36 ; d=1 ; z=1,96, maka besar sampel

1,96 2 * 6 2
n 2
 139
1
Sehingga diperlukan 139 ibu hamil sebagai sampel
(ibu hamil dipilih secara SRS dari sampling frame populasi)
(Bila acak sederhana/sistematik tidak bisa dilakukan, maka metode cluster
bisa jadi pilihan, namun jumlah sampel harus di kali dengan disain efek (deff =
2 -- 4)

Page
17
 UJI HIPOTESIS BEDA 2 PROPORSI

 
2
z
1a / 2 2 P (1  P )  z1  P1 (1  P1 )  P2 (1  P2 )
n
( P1  P2 )2
n = besar sampel
Z = nilai z pada derajat kepercayaan 1-a/2 atau batas kemaknaan a.
1-a/2
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
18
 CONTOH
Suatu penelitian faktor2 yg berhubungan dengan asi ekskluif. Salah satu variabel
independennya adalah pendidikan. Dari studi pendahuluan dengan 30 responden diketahui
bahwa ibu yang pendidikan tinggi ada sebanyak 60% yg asi eksklusif. Sedangkan ibu yang
pendidikannya rendah ada sebanyak 30% yang asi eksklusif. Berapa besar sampel jika
interval kepercayaan 95% dan kekuatan uji 80%
Dari informasi di atas, P1=0,60 ; P2=0,30, z1-a/2=1,96 ; 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
Jumlah sampel: n = 2 x42 =84
Jadi untuk melakukan penelitian ini dibutuhkan sampel sebanyak 84responden
(sampel dipilih secara acak sederhana/sistematik)
(Bila acak sederhana/sistematik tidak bisa dilakukan, maka metode cluster bisa jadi pilihan, namun jumlah
sampel harus di kali dengan disain efek (deff = 2 -- 4)

Page
19
P1 DAN P2 PADA PENELITIAN CROSS-SECTIONAL DAN COHOR

Keluaran
Sebab + - Total
+ 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)

Page
20
P1 DAN P2 PADA KASUS-KONTROL
Keluaran
Sebab + - Total
+ 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)

Page
21
 CONTOH P1 DAN P2
“Hubungan antara anemia dengan BBLR”
 Desain cross sectional atau cohor
 P1: Proposi BBL R pada ibu anemia
 P2: Proposi BBLR pada ibu tidak anemia
 Desain kasus-kontrol
 P1: Proporsi ibu anemia pada BBLR
 P2: Proporsi ibu anemia pada non BBLR
Kesalahan penetapan P1 dan P2 sering terjadi
pada desain kasus-kontrol

Page
22
 MASALAH
Jika hipotesis tidak fokus
 Faktor-faktor yang berpengaruh pada kejadian BBLR
P1 dan P2 yang mana ?
Solusi:
 Pilih faktor utama saja, faktor lain dianggap confounder
 Hitung sampel untuk tiap faktor utama
Perbedaan P1 dan P2 harus berdasarkan perbedaan yang
dianggap secara subtansi bermakna, bukan hanya dari
penelitian terdahulu saja

Page
23
 CONTOH
Penelitian “Faktor-faktor yang berhubungan
dengan BBLR”
Faktor utama yang ingin diuji
 Anemia
 Merokok
 Hipertensi
 Status Ekonomi

Page
24
 CONTOH
Maka perlu informasi tentang:
 Prop BBLR pada anemia vs prop BBLR pada non
anemia
 Prop BBLR pada perokok vs prop BBLR pada non
perokok
 Prop BBLR pada hipertensi vs prop BBLR pada non
hipertensi
 Prop BBLR pada ibu miskin vs prop BBLR pada ibu
non miskin
Sampel terbesar yang diambil

Page
25
 UJI HIPOTESIS BEDA RATA-RATA 2 KELOMPOK INDEPENDEN

n

2s 2 z1a / 2  z1  
2

m1  m 2 2
( n  1) s 2
 ( n  1) s 2
s2  1 1 2 2
(n1  1)  (n2  1)

Z = nilai z pada interval kepercayaan 1-a/2

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
s2 = varians gabungan ; s12 = varians pd kel. 1;
s22 = varians pd kel. 2

Page
26
 CONTOH
Seorang peneliti ingin mengetahui efek asupan natrium pada tekanan darah. Pada penelitian
pendahuluan 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% ?

s2 
(20  1) *10  (20  1) *12 2
2
 122

(20  1)  (20  1)
2 *1221,96  0,84
2
n  39,04
Jumlah sampel : n= 2 x 40 =80
(82  75) 2

Jadi jumlah sampel yang dibutuhan dalam penelitin ini adalah 80 responden (sampel dipilih secara acak
sederhana/sistematik)
(Bila acak sederhana/sistematik tidak bisa dilakukan, maka metode cluster bisa jadi pilihan, namun jumlah sampel
harus di kali dengan disain efek (deff = 2 -- 4)

Page
27
 UJI HIPOTESIS BEDA RATA-RATA 2 KELOMPOK BERPASANGAN

s z1a / 2  z1  
(PAIRED) 2 2

n
m1  m 2  2

s2 = varians dari beda 2 rata-rata pasangan

(didapat dari penelitian terdahulu atau penelitian awal)
Z = nilai z pada interval kepercayaan 1-a/2
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
28
 CONTOH
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 (sampel dipilih secara acak sederhana/sistematik)
(Bila acak sederhana/sistematik tidak bisa dilakukan, maka metode cluster bisa jadi pilihan, namun jumlah
sampel harus di kali dengan disain efek (deff = 2 -- 4)

Page
29
UJI KORELASI

Page
30