Rancangan sampel

Nova Muhani

1
 Konsep dalam Rancangan
Sampel
Rancangan sampel harus memenuhi 2 kaidah:
1. Akurasi  estimasi parameter populasi

 Bergantung pada cara pengambilan sampel

 Bergantung pada ketersediaan kerangka
2. sampel,
Presisi biaya, dan
 simpangan waktu
dari nilai sampel dengan nilai
populasi

 Bergantung pada besar sampel

Cara pengambilan sampel sering kurang mendapat

perhatian dibandingkan menghitung besar sampel2
 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 3

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

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

80,90,95
2. Beda x1-x2 90, 95, 99% 1. Acak sederhana
%
2. Kompleks
rata-rata
sampel 5
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
6
 Perhitungan
Besar Sampel untuk
Estimasi Parameter

7
 Terminologi pada Perhitungan Besar
Sampel utk Estimasi Parameter

P = Estimasi proporsi  hasil penelitian terdahulu

d = deviasi/presisi/sampling error  ditentukan peneliti
CI = Confidence Interval  penelitian terdahulu
(95% kesmas, 99% klinis) 8
Terminologi pada Perhitungan Besar
Sampel utk Estimasi Parameter
 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% 9
 Perhitungan Besar Sampel utk
Estimasi Parameter
Presisi Mutlak Presisi Relatif
Estimasi z12 / 2 (1  P)
2
z P(1  P)
Proporsi n 1 / 2
n
d2  2P
Estimasi
Rata-rata z 2
 2
z
2 2
n 1 / 2
n 1 / 2
d 2
  2 2

Kaitan presisi mutlak dg relatif  d   *P

atau d   *
10
 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
11
 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
12
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 memperkirakan prevalensi 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%
13
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
14
Besar sampel estimasi proporsi:
Hasil perhitungan Ssize

15
Besar sampel estimasi rata-rata:
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 dari penelitian sebelumnya
(referensi) 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
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-alpha) 20

Power = Kekuatan Uji (1-beta)

 Perhitungan Besar Sampel utk
Uji Hipotesis
Uji beda
proporsi
n
 z1 / 2 2 P (1  P )  z1  P1 (1  P1 )  P2 (1  P2 )  2

( P1  P2 ) 2

Uji beda rata-

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

Uji beda rata-

rata (paired)
n
 2
z 1 / 2  z1   2

 1   2  2

21
 Besar sampel uji hipotesis beda
proporsi 2 kelompok

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

( P1  P2 ) 2

 P1 dan P2 bergantung pada desain (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

22
 Statistik vs. bermakna secara
Substansi
Kebiasaan PJK n
 Tidak ada hubungan minum
minum teh Ya Tidak
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 kejadian Kebiasaan PJK n
penyakit jantung koroner
minum teh Ya Tidak
sebesar 2% memang
Ya 240 (12%) 1760 2000
bermakna dari segi ilmu Tidak 200 (10%) 1800 2000
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”
 Desain kohort/cross sectional
 P1: Proposi BBLR 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
26
 Contoh Perhitungan Besar Sampel uji beda
Proporsi disain Kohor/Eksperimen
 Suatu penelitian dilakukan untuk mengetahui hubungan
antara anemia pada ibu hamil dengan BBLR dengan
desain kohort
 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 dianggab
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 beda proporsi:
Hasil perhitungan Ssize

30
 Besar sampel uji hipotesis beda
rata-rata (independen)

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

 Z
= nilai z pada interval kepercayaan 1-
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 kelp. 1
s22 = varians pd kelp. 2
31
Contoh Besar sampel uji hipotesis
beda rata-rata (independen)
(independen
 Suatu penelitian dilakukan untuk mengetahui
efek asupan natrium terhadap tek. darah orang
dewasa
 Asumsi (dari penelitian terdahulu):
 Pada kelp. Natrium rendah:
 Rata-rata TD: 75 mmHg, SD:10 mmHg, n=20
 Pada kelp. Natrium tinggi:
 Rata-rata TD: 85 mmHg, SD:12 mmHg, n=20
 Perbedaan minimal yg ingin dideteksi: 10 mmHg
 Derajat kemaknaan:5%
 Kekuatan uji:80%

32
Contoh Besar sampel uji hipotesis
beda rata-rata (independen)
(independen

 2

 (20  1)10 2

 (20  1)12 2
 122
(20  1)  (20  1)

2 *1222 1,96  0,84

2
n  20
10 2

Jadi, untuk mengetahui efek asupan natrium terhadap tek.

Darah
Dibutuhkan sampel 20 orang dengan asupan natrium tinggi
dan 20 orang dengan asupan natrium rendah
33
 Besar sampel uji beda rata-rata
(independen): Hasil perhitungan Ssize

34
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

 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)
35
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% ?
36
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
37
Besar sampel uji beda rata-rata (paired):
Hasil perhitungan size

38
 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
39
 sumber
1.Iwan ariawan, 2012. Bahan ajar besar
sampel. FKMUI
2.Besral, 2014. Menghitung besar sampel
estimasi dan uji hipotesis. FKMUI

40
Demo software SSize..

41
 Selamat berlatih.....
Terima kasih....
Jika ada pertanyan lebih lanjut,
Email: muhaninova@gmail.com
Atau wa: 0813 8333 9676

42