Anda di halaman 1dari 33

SAMPEL

1
Sampling
Ada 2 topik bahasan dalam sampling:
1. Metode pengambilan sampel (Sampling
Design)
2. Perhitungan 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
MENGAPA PERLU
SAMPLING?
SAMPLING?

1.
1. Populasi tidak
Populasi tidak terbatas
terbatas
2.
2. Sumberdaya terbatas
Sumberdaya terbatas (tenaga,
(tenaga, dana,
dana, waktu)
waktu)
3.
3. Tidak mungkin
Tidak mungkin diteliti
diteliti semua
semua (waktu
(waktu dan
dan ruang)
ruang)
4.
4. Adanya penelitian
Adanya penelitian yang
yang destruktif
destruktif
5.
5. Tidak perlu
Tidak perlu semua
semua diteliti,
diteliti, ada
ada metode
metode sampling
sampling
yg didasarkan
yg didasarkan pada
pada distribusi
distribusi probabilitas
probabilitas

Metode
sampling

Menjamin
 Menjaminsampel
sampelmenggambarkan
menggambarkanpopulasinya
populasinya
Menjamin
 Menjaminsampel
sampelmempunyai
mempunyai akurasi
akurasiyang
yangterukur
terukur
Menjamin
 Menjaminsampling
samplingdapat
dapatdilaksanakan
dilaksanakandgdgefisien
efisien
Page 5
Langkah
Langkah
PENGAMBILAN
PENGAMBILAN
SAMPEL
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
L= s a si
PO S IA r a li
e
TA PULA T EN g en
RG S PO d lm u an
ET I S
BIA lahan ya sa
t
t i dak I
s a a n T yg TU D
Ke a ad R G E
a s iS
a r en i T A p ul
k l as P o
p u la m
Po e da
ut k
sampel
sampel ik
PO
P sampel
ST ULA sampel
UD SI sampel
sampel
I

sampel
sampel sampel
sampel

Page 7
CONTOH BIAS KARENA SELEKSI SAMPEL

Page 8
TEKNIK
TEKNIK
SAMPLING •Sampel pertimbangan
SAMPLING (Purposive/judgemental)
•Sampel berjatah (Quota)
A. Non Random •Sampel seadanya
(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. Tentukan sampling frame
2. Buat sampling frame (N)
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 tentukan
Komputer) sampel berikutnya no.2, 3,..
dst dengan interval=N/n

Page 11
STRATIFIED RANDOM SAMPLING
STRATIFIKASI SEDERHANA STRATIFIKASI
(Alokasi sama): PROPORSIONAL:
1. Tentukan populasi studi 1. Tentukan populasi studi
2. Kelompokkan populasi 2. Kelompokkan populasi
berdasarkan variabel Strata berdasarkan variabel Strata
3. Tentukan besar sampel 3. Tentukan besar sampel
4. Besar sampel dibagi rata menurut 4. Besar sampel dibagi proporsional
strata menurut strata
5. Buat sampling frame (N) ditiap 5. Buat sampling frame (N) ditiap
strata strata
6. Di tiap strata, pilih sampel secara 6. Di tiap strata, pilih sampel secara
random (Tabel-random atau random (Tabel-random atau
Komputer) Komputer)

Perlu Bobot Sampling


Tdk Perlu Bobot Sampling
= (Jumlah populasi / jumlah sampel)

Page 12
(Antar strata heterogen, dalam strata homogen)
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  cluster 1-tahap
6. Pada cluster terpilih: pilih secara random responden dengan
jumlah yang sama  cluster 2-tahap
(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 atau presisi 5%)
5—25%  d = 0.10 (deviasi atau presisi 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 / 2 * p * (1  p )
n 2
d
 p=perkiraan proporsi
 d=presisi
 z= nilai z pada interval kepercayaan (1-/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-/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 / 2 * 2
2 = perkiraan varians
n

 d = presisi 2
 z = nilai z pada interval kepercayaan 1-/2 d
 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
1,96 2 * 6 2
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
TUGAS
1. FKM UI ingin melakukan survei untuk mengetahui
kejadian Stress pada staf administrasinya. Data penelitian
terdahulu melaporkan kejadian stress pada karyawan
mencapai 15%. Hitunglah besar sampel minimum, jika
presisi 5% (Alpha 5%) dan tingkat kepercayaan 95%.

2. Pemda Sukabumi ingin melakukan survei untuk


mengetahui kejadian polio di kabupatennya. Data awal
memperlihatkan ditemukan 15 kasus polio dari 1500
anak-anak dibawah 15 tahun. Hitunglah besar sampel
minimum pada tingkat kepercayaan 95%, jika presisi atau
tingkat kesalahan yang ditolerir adalah 10%.

Page 25
TUGAS (kumpul ke ysyuliasari@gmail.com)
1. Dinas Kesehatan Propinsi Jawa Barat ingin mengetahui melakukan
survey untuk mendapatkan angka yang layak dipercaya untuk Angka
Kematian Ibu (AKI) tahun 2003. Dari survei nasional yang sudah ada
diperkirakan AKB Jawa Barat sebesar 250 per 100.000 (0,0025). Jika
peneliti menginginkan presisi sebesar 10% dari perkiraan AKI tersebut,
dengan menggunakan tingkat kepercayaan 95% hitunglah berapa
jumlah sampel minimal yang harus dipenuhi untuk survey tersebut.

2. Kepala Dinas Kesehatan Kabupaten Bogor ingin mengetahui status gizi


ibu hamil, yang diukur dengan menggunakan indikator asupan
karbohidrat dalam makanan per hari.. Berdasarkan perkiraan
sementara rata-rata asupan karbohidrat per hari adalah 200 gram
dengan standar deviasi 70 gram. Jika peneliti menginginkan presisi 5%
dan derajat kemaknaan 5% hitunglah berapa sampel minimal yang
harus dipenuhi. Asumsi: pengambilan sampel dilakukan secara
simple/systematic random sampling.
Page 26
Dasar Perhitungan Besar Sampel
utk UJI HIPOTESIS

n=
 z 1- 2 P(1 - P ) + z1-  P1 (1 - P1 ) + P 2 (1 - P 2 )
2

2

( P1 - P 2 ) Page 27
2. Uji Hipotesis Beda 2 Proporsi

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

( P1  P2 ) 2

 n = besar sampel
1-a/2 = nilai z pada derajat kepercayaan 1-a/2 atau batas kemaknaan a.
 Z

Perhatikan pada rumus ini uji hipotesis dilakukan dua arah (two tailed)
1-a/2 = 1,64 ; 1,96 ; 2,58 untuk derajat kepercayaan 90, 95, 99%
Z

 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 28
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, z 1-a=1, 64 ; z1-b=0,84, maka besar sampel
dapat dihitung:

Jadi untuk
1,64 2 * 0,45 * (1  0,45)  0,84 0,60 * (1  0,60)  0,30 * (1  0,30)  41,97
n  membuktikan apakah proporsi kematian pasien trauma kepala dengan
2

kadar glukosa tingi berbeda dengan 0kadar 30


2
,60  0,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 29
2a. Uji Hipotesis Beda Rata-rata
2 Kelompok Independen

n

2 2 z1 / 2  z1   2

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

 Z
1- = nilai z pada interval kepercayaan 1-
uji hipotesis dilakukan dua arah (two tailed)
 z1- = nilai z pada kekuatan uji (power) 1-
 1 = estimasi rata-rata kelp. 1 ; 2 = estimasi rata-rata kelp. 2
 2 = varians gabungan ; s12 = varians pd kel. 1;
s22 = varians pd kel. 2
Page 30
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 *122 180
Diperlukan sampel sebanyak
n 

,96sampel 2
 0,84(40 orang yang konsumsi natriumnya
 39,04
rendah dan 40 orang yang (konsumsi
82  75) 2natriumnya tinggi)

(Asumsi; sampel dipilih secara acak sederhana)

Page 31
2b. Uji Hipotesis Beda Rata-rata 2
Kelompok Berpasangan (Paired)

  z1 / 2  z1  
2 2

n
 1   2  2

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


(didapat dari penelitian terdahulu atau penelitian awal)
 Z
1- = nilai z pada interval kepercayaan 1-
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)

Page 32
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 33

Anda mungkin juga menyukai