Besar Sampel pada

Uji Hipotesis

RISYA AHRIYASNA, M.Gz

 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
Besar sampel uji hipotesis beda
proporsi

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

( P1  P2 ) 2

 Untuk beda proporsi 2 kelompok

 P1 dan P2 bergantung pada desain
 N =Jumlah sampel untuk masing-masing kelompok
 P-hat = (P1+P2)/2
 P1-P2 = beda minimal yang dianggap bermakna secara substansi
 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
P1 dan P2 pada 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)
P1 dan P2 pada 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)
Contoh P1 dan P2

 “Hubungan antara anemia dengan BBLR”

 Desain kohort/cross sectional
 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
Contoh Kohort
 Suatu penelitian dilakukan untuk mengetahui
hubungan antara anemia pada ibu hamil dengan
BBLR dengan desain kohort
 Asumsi untuk besar sampel:
 Proporsi BBLR pada ibu anemia: 30%
 Proporsi BBLR pada ibu non anemia: 10%
  Peneliti menganggap ada perbedaan proporsi
BBLR sebesar 20% antara ibu anemia vs ibu
non anemia
 Derajat kemaknaan: 5%
 Kekuatan uji: 80%
 Maka P=(0,3+0,1)/2 = 0,2
Contoh Kohort
 Pada contoh ini P1-P2 = 20%
 Beda minimal proporsi BBLR yang dianggap bermakna antara ibu
anemia vs ibu non anemia sebesar 20%
  Jika nantinya (setelah data terkumpul), beda BBLR sebesar 20% atau
lebih pada n sampel yang diambil
 Uji statistik “signifikan”
  Jika nantinya (setelah data terkumpul), beda BBLR kurang dari 20%
pada n sampel yang diambil
 Uji statistik “tidak signifikan”
  Signifikan uji statistik dirancang berdasarkan pengertian
tentang substansi
 INGAT:
Perbedaan berapapun dapat dirancang untuk “signifikan” secara
statistik, asal jumlah sampel terpenuhi
Contoh Kohort

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
Contoh Kasus-Kontrol
 Suatu penelitian dilakukan untuk mengetahui hubungan
antara anemia pada ibu hamil dengan BBLR dengan desain
kasus kontrol
 Asumsi untuk besar sampel:
 Proporsi anemia pada BBLR: 80%
 Proporsi anemia pada non BBLR: 60%
  Peneliti menganggap beda minimal proporsi ibu
anemia 20% antara bayi BBLR vs non BBLR
 Derajat kemaknaan: 5%
 Kekuatan uji: 80%
 Maka P=(0,8+0,6)/2 = 0,7
Contoh Kohort
 Berapa sampel ibu hamil yang perlu diambil agar
dapat diperoleh 62 ibu hamil anemia & 62 ibu
hamil non anemia?
 Tergantung proporsi anemia pada ibu hamil
 60% bumil anemia, 40% tidak anemia

 Jadi dihitung 62 = 40/100 * n’

 n’ = 155
  Peneliti perlu mengikutkan sampel 155 ibu hamil
sehingga akan diperoleh 62 bumil non anemia dan 93
bumil anemia
 Dari 93 bumil anemia dapat dipilih secara acak 62

bumil saja
Contoh Kasus Kontrol

n
1,96 2 * 0,7(1  0,7)  0,84 0,8(1  0,8)  0,6(1  0,6)  2

(0,8  0,6) 2
n  82 / kelompok

 Berarti sampel yang dibutuhkan adalah 82 bayi BBLR dan

82 bayi non BBLR, Total 164 bayi
 Bukan berarti diambil sampel 164 bayi  karena tidak
menjamin diperoleh 82 bayi BBLR dan 82 bayi non BBLR
Contol Kasus Kontrol
Berapa sampel bayi yang perlu diambil agar
dapat diperoleh 82 BBLR & 82 non BBLR?
 Proporsi bayi yang BBLR 15%, non BBLR 85%
 Jadi dihitung 82 = 15/100 * n’
 n’ = 547
 Peneliti perlu mengikutsertakan 547 bayi sebagai
sampel agar diperoleh 82 bayi BBLR
 Bayi non BBLR dapat dipilih secara acak 82 saja

  Hal ini penting diperhatikan, terutama jika

penelitian dibatasi oleh waktu & tempat
 Besar Sampel Kasus Kontrol
(perbandingan k kontrol per kasus)

n=
 z 1-/2 (1+ 1/k)P(1 - P) + z 1-  P1 (1 - P1 ) + ( P 2 (1 - P 2 ))/k  2

2
( P1 - P 2 )

P
 P1  kP2 
(1  k )

.
Masalah dalam Penentuan Besar
Sampel
 Jika hipotesis tidak fokus, misalnya:
 Faktor-faktor yang berpengaruh pada kejadian
BBLR
 P1 dan P2 variabel 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
Contoh
 Penelitian “Faktor-faktor yang
berhubungan dengan BBLR”
 Faktor utama yang ingin diuji
 Anemia
 Merokok
 Hipertensi
 Status Ekonomi
Contoh
 Maka perlu informasi tentang:
Prop BBLR pada anemia dan pada non anemia
Prop BBLR pada perokok dan pada non perokok
Prop BBLR pada hipertensi dan pada non hipertensi
Prop BBLR pada ibu miskin dan pada ibu non miskin

 Hitung besar sampel utk tiap variabel

 Sampel terbesar yang diambil
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
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 kelp. 1
s22 = varians pd kelp. 2
Contoh
 Suatu penelitian dilakukan untuk
membandingkan efek asupan natrium terhadap
tek. darah orang dewasa
 Asumsi (dari penelitian terdahulu):
 Pada kelp. Natrium rendah:
 Rata-rata TD: 72 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%
Contoh

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

2 *122 1,96  0,84

2 2
n  20
10 2

Dibutuhkan sampel 20 orang dengan asupan natrium tinggi

Dan 20 orang dengan asupan natrium rendah
Latihan: Seorang peneliti ingin membandingkan efek
penurunan gula darah antara anti diabetes “A”
dan “B”.

Pada penelitian pendahuluan menggunakan 5

pasien pada masing-masing kelompok, dlm 3
minggu pengobatan, obat “A” rata-rata
menurunkan kadar gula darah sebesar 40
mg/dl ± 20. Sedangkan obat “B” rata-rata
menurunkan kadar gula darah sebesar 30
mg/dl ± 15.

Berapa n dibutuhkan untuk membuktikan

perbedaan efek penurunan gula darah antara
anti diabetes “A” dan “B” dg α = 95%.
Besar sampel uji hipotesis beda
rata-rata (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)
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 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% ?
Contoh

15 * 1,96  1,28
2 2
n 2
 24
(10)

Jadi diperlukan sampel sebanyak 24 sampel

untuk mendeteksi adanya penurunan rata-rata
kadar LDL sebesar 10 md/dl
Latihan
 Seorang peneliti ingin menguji efek latihan aerobik
terhadap penurunan kadar trigliserida pada orang
dewasa.
Dari penelitian awal pada 10 orang diketahui rata-rata
trigliserida sebelum latihan aerobik adalah 210 mg/dl dan
setelah 3 bulan berlatih aerobik adalah 200 mg/dl.
Jadi ada penurunan kadar LDL rata-rata 10 mg/dl dengan
simpangan baku 8 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% ?
Terima kasih