1

Populasi dan
Sampel
Ns. Rizky Setiadi, S.Kep., MKM.
 2
Definisi

 Populasi adalah keseluruhan dari unit

didalam pengamatan yang akan kita
Population lakukan.
Population
 Sampel sebagian dari populasi yang
nilai/ karakteristiknya kita ukur dan
nantinya kita pakai untuk menduga
karakteristik populasi
Sample
Sample  Sampling memungkinkan peneliti
untuk mengestimasi beberapa
karakteristik dari populasi.
 Sensus adalah pengukuran dari
seluruh individu yang berada dalam
satu populasi.
 3
Mengapa perlu sampling?

 Ketersediaan dana dan waktu (pada populasi yang besar)

 Keakuratan dan reliabilitas yang tinggi (jika sampel representative)

 Dengan sampling mungkin akan didapatkan data yang lebih akurat
daripada sensus (jika populasi besar  memerlukan enumerator yang
besar dgn kemampuan yang tidak merata/ sama  error besar)
 4
Istilah

 Setiap
anggota yang ada di dalam populasi disebut Unit
Elementer, biasanya dilambangkan dengan N
 Daftar
elemen untuk memilih sampel disebut dengan kerangka
sampel (sample frame).
 Unityang ada didalam kerangka sampel disebut dengan unit
sampel (sampling unit).
 5
Istilah

 Dalam penelitian survey, unit sampel terkadang tidak dapat dipilih

secara langsung.
 Pengambilan sampel dilakukan secara bertahap (multistage)
 Unit sampel untuk pemilihan pertama (secara acak) disebut sebagai
unit sampel primer (primary sampling unit/ PSU)
 Unit enumerasi merupakan unit yang berada diatas unit sampel, jika
kerangka sampel tidak berhasil didapatkan.
 6
Contoh

Unit Elem ent e r Populasi:

Se lur uh Ba lita ya ng be r ada
di Kota Sa ma r inda

Survey tentang pemantauan gizi Balita

di Kota Samarinda

Unit Sampel Primer:

Nama Kelurahan di ko ta
Samarinda

PSU dipilih secara acak berdasarkan kelurahan

yang terdapat di Kota Samarinda

Unit Enumera s i:
Ru mah Tang g a y an g memilik i
Balita d i k elu rahan terp ilih

Unit enumerasi dipilih secara acak dari RT yang

berada dalam kelurahan terpilih

Unit Sampel:
Balita yang ada di RT
yang terpilih
Sampel dipilih secara acak dari Balita yang ada
di dalam RT
 7
The Sampling Process

Plan
Plan procedure
procedure for
for
selecting
selecting sampling
sampling units
units
44
Determine
Determine ifif aa probability
probability
33 or
or non-probability
non-probability sampling
sampling Determine
Determine sample
sample size
size 55
method
method will
will be be chosen
chosen

22 Select
Select aa Select
Select actual
actual sampling
sampling units
units 66
Sampling
Sampling Frame
Frame

Define
Define the
the Target
Target
11 Conduct
Conduct fieldwork
fieldwork 77
population
population
 Langkah
Langkah
PENGAMBILAN
PENGAMBILAN
Page 8

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 9

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)
 10
Kesalahan (error) pada sampling

Respondents
Planned (actual
Sampling Frame Sample sample)

Non-Response Error
Sampling Frame Error

Random Sampling Error

Total Population
 11
Probability and Non-Probability Sampling

 Probability Sampling – setiap unit elementer di populasi memiliki

kesempatan dan probabillitas yang sama untuk terpilih menjadi sampel.

 Non-Probability Sampling – pemilihan unit sampel didasarkan pada

pertimbangan subjektif, berdasarkan penilaian dan kenyamanan personal.
Probabilistic vs judgmental sampling
design
 13
Pengambilan Sampel

Probability Sampling
Non probability sampling
Simple Random Sampling
Accidental sampling
Systematic random Sampling
Purposive sampling
Stratified sampling
Quota sampling
Cluster sampling
Snowball sampling
Multistage Random Sampling
 Page 14

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
 15
Non-Probability Sampling (1)

 Accidental Sampling – teknik sampling dengan cara memilih sampel secara langsung
berdasarkan ketersediaan selama periode waktu tertentu

 Contoh ingin meneliti gambaran pengetahuan remaja gaul di Big Mal Samarinda tentang NAPZA,
maka peneliti melakukan pengumpulan data di Mal tersebut pada setiap remaja yang dijumpai.
 Keuntungan utamanya adalah pengambilan sampel bisa dilakukan dengan cepat, lebih ekonomis
 Kelemahan utamanya adalah bahwa sampel mungkin tidak representative terhadap populasi.
 Baik digunakan dalam riset explorasi
 16
Non-Probability Sampling (2)

 Judgment (purposive) Sampling – teknik sampling dengan cara memilih sampel berdasarkan
penilaian peneliti saja yang menganggap beberapa karakteristik/ unsur telah ada pada unit sampel.

 Contoh: pada saat menjelang Pilkada/ Pilpres dilakukan polling dengan cara memilih daerah polling
yang dianggap representative menggambarkan tren pemilihan secara nasional.
 17
Non-Probability Sampling (3a)

 Quota Sampling – teknik pengambilan sampel dengan cara memilih sampel

berdasarkan kriteria tertentu yang diyakini bisa mewakili populasi berdasarkan
keinginan peneliti, besar dan kriteria sampel telah ditentukan lebih dulu.

 Contoh: peneliti ingin melakukan wawancara untuk mengetahui karakteristik masyarakat di suatu
daerah yang komposisi etnisnya beragam. Jika sampelnya berjumlah 100 orang, maka jumlah
individu yang dipilih memiliki persentase/ komposisi yang merata di seluruh etnis yang ada di
daerah tersebut.
 18
Non-Probability Sampling (3b)

 Quota Sampling memiliki keuntungan dan kerugian, yaitu:

 Keuntungan meliputi pengumpulan data makin cepat, biaya kecil, dan representative jika
subkelompok dipilih dengan baik.
 Kerugiannya meliputi pemilihan sampel yang subjektif karena biasanya pengumpul data lebih
memilih sampel yang lebih “mudah”.
 19
Non-Probability Sampling (4)

 Snowball Sampling – pemilihan sampel dengan cara memilih salah satu unit sampel dengan cara
probabilitas, kemudian responden atau unit selanjutnya dipilih berdasarkan informasi dari unit sampel
yang sebelumnya, seterusnya hingga didapatkan sampel yang cukup.

 Contoh: penelitian terhadap 100 gay, langkah pertama adalah mencari 1 orang gay secara
probabilitas, kemudian dari gay pertama didapatkan informasi responden gay berikutnya hingga
didapatkan 100 gay yang dijadikan sampel.

 Keuntungannya adalah diperlukan sampel dan biaya yang sedikit, namun kerugian utamanya
adalah sampel berikutnya setelah sampel pertama mungkin memiliki banyak kesamaan dengan
sampel yang pertama dan tidak mewakili populasi.
 20
Probability Sampling (1)

 Simple Random Sampling – teknik sampling dimana setiap unit

populasi memiliki kesempatan yang sama untuk terpilih menjadi
sampel.

 Keuntungan utamanya adalah kemudahan dalam pengambilan sampelnya (lebih

simpel/ sederhana caranya)
 Misal dengan cara diundi, atau diacak menggunakan komputer.
 Kesulitannya adalah teknik ini memerlukan kerangka sampel yang mungkin
tidak tersedia
 21
Probability Sampling (2)

 Systematic random Sampling – pengambilan sampel acak dilakukan secara

berurutan dengan interval tertentu. (Interval = N/n)

 Example: From a list of 1500 name entries, a name on the list is randomly selected and then (say)
every 25th name thereafter. The sampling interval in this case would equal 25.

 For systematic sampling to work best, the list should be random in nature and not have some
underlying systematic pattern
RANCANGAN SRS
(Simple/Systematic Random Sapling)
SIMPLE RANDOM
SAMPLING
1. Tentukan populasi studi
2. Buat sampling frame (N)
3. Tentukan besar sampel
4. Pilih sampel sejumlah n
secara random (Dengan
Tabel-random atau Komputer)
Page 22
SYSTEMATIC RANDOM SAMPLING:
1. Tentukan populasi studi
2. Tentukan sampling frame
3. Tentukan besar sampel
4. Tentukan interval (i=N/n)
5. Pilih sampel no.1 secara acak
6. Secara sistematik tentukan sampel berikutnya
no.2, 3,.. dst dengan interval=N/n
 23
Probability Sampling (3)

 Stratified Random Sampling – Pengambilan sampel secara acak setelah populasi dibagi menjadi
beberapa strata, dimana tiap strata bersifat homogeny (karakteristik sama).

 Contoh; akan diambil sampel berdasarkan masa kerja perawat, maka diabgi terlebih dahulu strata
berdasarkan lamanya perawat bekerja, misal: 1 – 5 thn, 6 – 10 thn, dan > 10 tahun
 Kemudian dihitung jumlah sampel yg dibutuhkan untuk masing2 strata, misal: jika dibutuhkan 96
sampel, maka dimasing2 strata diambil sampel sebesar 96/3 = 32 orang per strata.
 Jika prosentase populasi di masing2 strata berbeda, maka jumlah sampel di masing2 strata jadi
berbeda, misal: pada Populasi sebesar 140 perawat dengan pembagian strata 1 = 40 (29%), strata 2 =
70 (50%) dan strata3 = 30 (21%), maka jumlah sampel di strata 1 = 27, strata 2 = 48 dan strata 3 =
21.

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)
Page 24
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 25

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 (n k) dan jumlah sampel di tiap cluster terpilih(n s)
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
 26
Probability Sampling (4)

 Multistage Random sampling: proses pengambilan sampel dilakukan secara bertingkat, baik tingkat 2 maupun
lebih
 Untuk melakukan survei tentang PTM disuatu propinsi dibutuhkan 2000 responden/ sampel. Maka pengambilan
sampelnya dengan cara memilih kab/ kota yang ada di propinsi tersebut secara acak, kemudian memilih desa/
kelurahan di masing2 kab/ kota secara acak, selanjutnya memilih rumah tangga di desa yang terpilih sebagai
cluster, selanjutnya memilih salah satu ART secara acak yang eligible (sesuai) untuk dijadikan responden hingga
didapatkan 2000 responden sebagai sampel.
 Cara ini digunakan bila: populasi cukup homogen, jumlah populasi sangat besar, letak geografis/ wilayah yang
luas, biaya penelitian tidak memadai.
 Page 27

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

 Kesalahanyang sering terjadi adalah metode pengambilan sampel sering

kurang mendapat perhatian dibandingkan besar sampel
 28
Menghitung besar sampel

1. Estimasi proporsi
 Dasar Perhitungan Besar Sampel Page 29

utk ESTIMASI

 Perhitungan besar sampel didasarkan pada Teori

Limit Central (Central Limit Theorem)
 BESAR SAMPEL Page 30

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 31

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
 1. Jumlah sampel utk ESTIMASI
Page 32

PROPORSI
Tujuan penelitian: Mengetahui prevalensi diare pada balita di Kota Samarinda

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 Samarinda sama dengan Kaltim 15%  p = 0.15
 Peneliti 95% yakin bahwa prevalensi diare di Samarinda 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 33

1a. Jumlah Sampel untuk Estimasi Proporsi

z 21 / 2 * p * (1  p)
 Rumus:
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 34

1b. Jumlah Sampel untuk Estimasi Proporsi

 Tujuan: Mengetahui prevalensi diare pada balita di Samarinda:

 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 35

2. Besar Sampel untuk Estimasi Rata-rata

Tujuan: Mengetahui rata-rata Hb ibu hamil di Kota Samarinda

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 Samarinda 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 36

2a. Besar Sampel untuk Estimasi Rata-rata

 Untuk menghitung besar sampel peneliti perlu mengetahui:

 Perkiraan Varians (Kuadrat dari Std.Deviasi)
 Presisi
 Derajat kepercayaan

*
 Rumus: 2 2
z 1 / 2
n 2
 s2 = 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 37

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, 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
(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 38

TUGAS

1. Poltekkes 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%
dan tingkat kepercayaan 95%.

2. Pemkab Kukar 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 39

TUGAS (kumpul ke r12ky_ui@yahoo.com)

3. Dinas Kesehatan Propinsi Kaltim ingin melakukan survey untuk mendapatkan angka yang layak
dipercaya untuk Angka Kematian Ibu (AKI) tahun 2016. Dari survei nasional yang sudah ada
diperkirakan AKB Kaltim 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.

4. Kepala Dinas Kesehatan Kabupaten Kutai Timur 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.
Dasar Perhitungan Besar Sampel Page 40

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 41

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
 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)
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 42

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
1,64 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)
 2a. Uji Hipotesis Beda Rata-rata Page 43

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-a/2= nilai z pada interval kepercayaan 1-a/2
uji hipotesis dilakukan dua arah (two tailed)
 z1-b = nilai z pada kekuatan uji (power) 1-b
 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
 Uji Hipotesis Beda Rata-rata Page 44

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 
 (20  1) *12 2
2
 122
(20  1)  (20  1)
2 *1221,96  0,84
2
n  11,32
(72  85) 2

Diperlukan sampel sebanyak 24 sampel (12 orang yang konsumsi natriumnya rendah dan 12 orang yang konsumsi natriumnya
tinggi)
(Asumsi; sampel dipilih secara acak sederhana)
 2b. Uji Hipotesis Beda Rata-rata 2 Page 45

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-a/2 = nilai z pada interval kepercayaan 1-a/2
uji hipotesis dilakukan dua arah (two tailed)
 z1-b = nilai z pada kekuatan uji (power) 1-b
 m1 = perkiraan rata-rata sebelum intervensi
 m2 = perkiraan rata-rata sesudah intervensi
(didapat dari penelitian terdahulu atau penelitian awal)
 2b.Uji Hipotesis Beda Rata-rata 2 Page 46

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 mg/dl
(Asumsi: sampel dipilih secara acak sederhana/sistematik)