SAMPEL

METODE PENELITIAN (METODE DAN

PERHITUNGAN BESAR
SAMPEL)
Semarang, Dr. M.Zen Rahfiludin, SKM, M.Kes
Maret 2021 Fakultas Kesehatan Masyarakat, Universitas
Diponegoro
RUANG LINGKUP SAMPEL
SAMPEL
1. METODE
Desain Penelitian
Cross Case
Cohort Experiment
sectional control
• Simple random
sampling

• Systematic Populasi eksposed • Random sampling

Populasi kasus random random
random (Populasi sampel)
sampling
• Random alokasi/
Populasi kontrol random Populasi non exposed
• Stratified random randomisasi
random (intervensi vs control)
sampling

• Cluster random
sampling
2. BESAR SAMPEL
Tujuan Penelitian

Beda Rerata
Uji Korelasi
•Paired
•Independen
 METODE PENGAMBILAN SAMPEL

Cara pengambilan sampel kurang

mendapat perhatian dibandingkan
menghitung besar sampel
Metode Sampling
Induktif/generalisasi
Statistik
Parameter (Populasi)
(Sampel)
Mean (µ)
X
Varians
S2
Proporsi (P)
ps

Deduktif

Bagaimana menarik sampel supaya nilai statistic mendekati nilai parameter?

Penyimpangan statistic terhadap parameter dapat diketahui (sampling error)
DEFINISI POPULASI DAN SAMPEL

Kumpulan dari satuan/unit yang peneliti ambil dari populasi

Sampel studi, contoh : individu, rumah tangga, toko obat, dll

Bagian dari sampel, dimana peneliti melakukan pengukuran dan

Unit Analisis analisis (contoh : ibu hamil, balita, lansia, dll)

Kerangka Daftar satuan/unit/anggota populasi yang berisi identitas

sampel (nomor, nama, alamat)
METODE SAMPLING

• Sampel pertimbangan (Purposive/judgmental)

• Sampel berjatah (Quota)
• Sampel seadanya (Incidental/ Convenience/
consecutive)
• Sampel snowbowl
• Respondent driven sampling

• Simple random sampling (acak sederhana)

• Systematic random sampling (acak sistematik)
• Stratified random sampling (acak bertingkat)
*Sederhana (simple stratified random)
*Proporsional (proportional stratified random)
• Cluster random sampling (acak berkelompok)
• Multistages random sampling (acak bertahap)
Sample Random dan Non Random
METODE SAMPLING  PENGGUNAAN
 Rancangan Simple/ Systematic Random Sampling
(Digunakan jika tersedia kerangka sampel pada tingkat individu)

1. Tentukan populasi studi 1. Tentukan populasi studi

2. Buat sampling frame (N)
3. Tentukan besar sampel (n)
4. Tentukan interval (i=N/n)
4. Pilih sampel sejumlah n secara
random (dengan Tabel-random
atau Ms Excel
2. Buat sampling frame (N)
3. Tentukan besar sampel (n)
5. Pilih sampel no 1 scr
acak/random
6. Pilih sampel berikutnya no.
2,3,.. dst n+ interval
 STRATIFIED RANDOM SAMPLING
(Digunakan jk populasi tdk homogen& ingin membuat generalisasi u/ sub-populasi)
STRATIFIKASI SEDERHANA
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. Ditiap strata, pilih sampel secara
random
7. Analisis :Perlu bobot sampling
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. Ditiap strata, pilih sampel secara
random
7. Analisis : Tidak perlu bobot
sampling
 CLUSTER RANDOM SAMPLING
(Digunakn jk sampling frame tdk tersedia/populasi berada diwlyh geografis yg luas &sulit dijangkau)
 Multi stages random sampling
(Digunakan jika populasi sangat besar dan wilayah geografis yg luas dan sulit dijangkau)
METODE PENELITIAN
TOPIK 2
Perhitungan Besar Sampel

Semarang, Dr. M.Zen Rahfiludin, SKM, M.Kes

Maret 2021 Fakultas Kesehatan Masyarakat, Universitas Diponegoro
RUANG LINGKUP BESAR
SAMPEL
PENENTU BESAR SAMPEL
 PENENTU BESAR SAMPEL
Tujuan Outcome Presisi Ukuran Selang Kekuatan Cara penarikan
penelitian variabel dampak kepercayaan Uji sampel

1. Estimasi 1. Proporsi p, presisi 90, 95, 99% 1. Acak

(Satu sampel) 2. Rerata X, presisi sederhana
2. Kompleks
sampel

2. Uji Hipotesis 1. Beda p1-p2 OR 90, 95, 99% 80,90,95% 1. Acak

(Dua sampel) proporsi X1-x2 RR sederhana
2. Beda HR 2. Kompleks
Rerata sampel
Perhitungan Besar Sampel
 Tujuan Penelitian :
Estimasi dan Uji statistik

1. Estimasi
• Estimasi Proporsi  Mengetahui prevalen anemia pada ibu hamil
di kota depok
• Estimasi rerataMengetahui rerata kadar Hb pada ibu hamil di
kota depok

2. Uji hipotesis
• Uji beda proporsi  Mengetahui hubungan sosial ekonomi dengan
anemia pada ibu hamil di kota depok
• Uji beda rerata independen  Mengetahui hubungan sosial
ekonomi dengan rerata Hb pada ibu hamil di kota depok
Perhitungan Besar Sampel Estimasi
 Perhitungan Besar Sampel untuk Estimasi
Parameter Populasi
Presisi Mutlak Presisi Relatif
Estimasi Proporsi

Keterangan :
P= Estimasi proposi Kaitan presisi mutlak dengan
d= presisi/simpangan mutlak relatif 
Z= nilai z pada derajat kepercayaan 1-α/2
Rumus tsb:
•Tidak tepat digunakan untuk uji hipotesis
•Asumsi : populasi tak terbatas dan sampel SRS
•Jika sampel Non-SRS, harus dikalikan dengan Deff

Estimasi Rata-rata

Keterangan :
= simpang baku
d= presisi/ deviasi dari nilai rata-rata
Z= nilai z pada derajat kepercayaan 1-α/2 Kaitan presisi mutlak dengan
Rumus tsb :
rata-rata 
•Tidak tepat digunakan untuk uji hipotesis
•Asumsi desain : populasi tak terbatas & metode
sampel SRS
 Perhitungan Besar Sampel untuk
Estimasi Proporsi Parameter Populasi

Keterangan:
P = Estimasi proporsi (hasil penelitian terdahulu)
d = deviasi/ presisi/ sampling error (ditentukan oleh peneliti)
CI = Confidence Interval (penelitian terdahulu; 95% Kesmas, 99% Klinis)
 Contoh :
Perhitungan Besar Sampel untuk Estimasi Proporsi Parameter
Populasi
• Diketahui : Prevalensi anemia di Bumil di kota depok 55%
Presisi/simpangan yg dpt diterima 5%
Derajat kepercayaan 95%

Artinya :
Peneliti percaya 95% bahwa prevalensi anemia Bumil di kota
depok berkisar antara 50% sampai dengan 60%
 Perhitungan Besar Sampel untuk
Estimasi Proporsi (CONTOH)

Suatu penelitian, dilakukan untuk mengetahui prevalensi anemia

pada ibu hamil di kota depok Berapa sampel minimal yang
diperlukan untuk penelitian ?

• Peneliti yang diperlukan untuk menghitung jumlah sampel :

1. Perkiraan prevalensi anemia pada ibu hamil di kota depok (P)
2. Presisi/ deviasi yang dapat diterima (d)
3. Derajat kepercayaan (Z)
Besar sampel estimasi proporsi (Contoh)
Misalkan :
1)Data anemia ibu hamil di Kota
depok belum ada
2)Diketahui anemia ibu hamil di
Kota depok 55% (P=0.55)
3)Simpangan yg dpt diterima
5% (d=0.55)
4)Derajat kepercayaan 95%
(Za=1.96)
Berarti :
•Peneliti menggunakan data Kota depok
untuk memperkirakan anemia ibu hamil
di kota depok 55%
•Peneliti 95% yakin bahwa prevalensi
anemia ibu hamil di kota depok berkisar
antara 50-60%
•Ada 5% kemunginannya prevalensi
anemia ibu hamil berada di luar kisaran
50-60%
Besar sampel estimasi proporsi (Contoh)

n = 1.962*0.55*(1-0.55) =381
0.052
• Berarti :
• Pada penelitian yg bertujuan untuk mengetahui prevalensi anemia pada ibu hamil di
kota depok, diperlukan sampel minimum sebesar 381 responden, yang pengambilan
sampelnya dilakukan dengan metode acak sederhana
• Jika pengambilan sampelnya komplek maka harus dikoreksi (dikalikan) dg disain efek
(DEFF), (kisaran 1.5 sampai 4)
 Perhitungan Besar Sampel untuk
Estimasi Rata-rata Parameter Populasi

Keterangan:
Rerata, SD hasil penelitian terdahulu
d = deviasi/ presisi/ sampling error (ditentukan oleh peneliti)
CI = Confidence Interval (penelitian terdahulu; 95% Kesmas, 99% Klinis)
Besar sampel estimasi rata-rata (Contoh)
• Mengetahui rerata kadar
haemoglobin ibu hamil di
kota depok
• Asumsi yang digunakan:
• Rearata Hb 12 mg% (Data
provinsi Jawa Barat) Berarti :
• Simpang baku penelitian •Peneliti yakin 95% bahwa rerata kadar Hb
sebelumnya 6 mg% Bumil di kota depok populasi berkisar 11-13
• Presisi/deviasi 1 mg% mg%
(ditentukan peneliti) (d=1%)
• Derajat kepercayaan 95%
(Za=1.96)
Besar sampel estimasi rata-rata (Contoh)

n= 1.962*62 =139
12
• Berarti, untuk mengetahui rerata Hb Bumil di Depok diperlukan sampel minimum
139 responden, yg pengambilan sampelnya dilakukan dengan metode SRS
• Jika pengambilan sampelnya bukan SRS maka harus dikoreksi (dikalika) dengan
DEFF (kisaran 1.5 sampai 4)
1. Tujuan (Estimasi)
• Mengetahui prevalensi anemia pada Bumil di kota Depok
• Mengetahui rerata kadar Hb pada Bumil di kota Depok

2. Besar sampel (Tujuan estimasi)

• 381 Bumil untuk mengetahui prevalensi anemia pada
Bumil di kota Depok
• 139 Bumil untuk mengetahui rerata Hb Bumil di kota
Depok

Dengan sampel 381 Bumil, dapat memenuhi sampel minimum ke-2

tujuan tsb (estimasi proporsi dan rerata)
Perhitungan Besar Sampel Uji Hipotesis
 Rumus Perhitungan Besar Sampel untuk
Uji Hipotesis
Rumus
Uji Beda Proporsi

Keterangan :
N= jumlah sampel masing2 kelompok
P1 dan P2 didapat dari hasil penelitian terdahulu
P-hat = (P1+P2)/2
(P1-P2)= perbedaan minimal yang dianggap bermakna secara substansi

Uji Beda Rata-rata

(independent)
Keterangan :

Uji beda Rata-rata (paired)

Terminologi pada Perhitungan Besar Sampel
Uji Hipotesis Beda Proporsi

Keterangan:
P1 = Estimasi proporsi pada kelp.1
P2 = Estimasi proporsi pada kelp. 2
CI = Confidence Interval (1-α)
Power = Kekuatan Uji (1-β)
POTENSI KESALAHAN DLM UJI STATISTIK
Kesalahan yang mungkin terjadi pada uji hipotesis

Simpulan hasil sampel
Ho ditolak (Ada perbedaan)
H0 gagal ditolak/ H0 diterima
(Tidak ada perbedaan)
Jumlah
Populasi
H0 salah (Ada perbedaan) H0 benar (Tidak ada perbedaan)
1-β (Power of the test) α (type-I error)
Rejecting fals H0 Rejecting true H0
β (type-II error) 1-α (interval kepercayaan)
Do not reject fals H0 Do not reject fals H0
1.0 1.0
Perbedaan bermakna secara Statistik vs bermakna
secara Substansi
Jika sampelnya ditingkatkan 20
kali lipat maka :

Tidak ada hubungan antara minum the dengan Ada hubungan bermakna antara
penyakit jantung coroner (PJK) minum the dengan penyakit
jantung coroner (PJK)
Perbedaan bermakna secara Statistik vs bermakna
secara Substansi

Kesembuhan obat A lebih tinggi dari obat B (60% vs 40%)

dengan sig 0.004 Sampel yang terlalu kecil tidak
mampu mendeteksi
perbedaan 40% dengan 60%

Kesembuhan obat A sama saja dengan B (60% vs 40% tidak

berbeda sig 0.172
 P1,P2 pada disain eksperimen,
kohort, cross sectional
Sebab Keluaran 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)
P1,P2 pada disain kasus kontrol
Sebab Keluaran 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)
 Contoh P1 dan P2
• Hubungan antara anemia dengan BBLR
Desain Cohort/ Cross sectional
Anemia BBLR Total
Ya Tidak
Ya a b a+b
Tidak c d c+d

P1 = Proposi BBLR pada ibu anemia

P2 = Proposi BBLR pada ibu tidak anemia

Desain Case control

Anemia BBLR
Ya Tidak
Ya a b
Tidak c d
Total a+c b+d

P1 = Proposi ibu anemia pada BBLR

P2 = Proposi ibu anemia pada non BBLR
Tujuan Penelitian dan Jenis Uji Hipotesis

TUJUAN PENELITIAN JENIS UJI HIPOTESIS

Uji beda 2 proporsi

Uji beda 2 rerata

independen
 Contoh Perhitungan Besar Sampel
Uji Beda Proporsi
• Penelitian untuk mengetahui hubungan sosial ekonomi (tinggi vs
rendah) dengan anemia pada ibu hamil
• Asumsi dan hasil penelitian terdahulu :
Proporsi anemia pada sosek rendah; P1 :60%
Proporsi anemia pada sosek tinggi; P2:50%
Penelti berasumsi perbedaan minimal proporsi anemia antara sosek
rendah dengan sosek tinggi (P1-P2) yg dianggap bermakna scr
substansi sebesar 10%
Derajat kemaknaan 5% Z-alpha= 1.96
Kekuatan uji 80%  Z-beta = 0.84
P= (0.5+0.6)/2 = 0.55
Contoh Perhitungan Besar Sampel Uji Beda
Proporsi

P1 : 50% P2 : 60%
Keterangan:
P1 = Estimasi proporsi pada kelp 1 = 0.5
P2 = Estimasi proporsi pada kelp. 2 = 0.6
CI = Confidence Interval 95% (Z1-α = 1.64)
Power = Kekuatan Uji 80% (Z1-β = 0.84)
 Contoh Perhitugan Besar Sampel Uji
Beda Proporsi (1-tailed)

P1= 0.6; P2=0.5; P=0.55; Z-a/2 = 1.64; Z-beta=0.84

• Berarti sampel yg dibutuhkan n=305 perkelompok sosek tinggi dan

sosek rendah, Jadi total sampel n=610 ibu hamil
• Bukan berarti diambil sampel 610 ibu hamil karena tidak
menjamin diperoleh 305 sosek tinggi dan 305 sosek rendah
 Contoh Perhitungan Besar Sampel
Uji Beda Proporsi
• Pada contoh (P1-P2)=10%  n= 305 per kelompok
• Beda minimal proporsi anemia yg dianggap bermakna antara sosek tinggi
vs rendah sebesar 10%
• Jika nantinya (setelh data terkumpul) beda anemia sebesar 10% atau lebih
 Uji statistic akan signifikan
• Jika nantinya (setelah data terkumpul) beda anemia kurang dari 10% Uji
statistic akan tidak signifikan
• Signifikan uji statistic dirancang berdasarkan pengertian tentang substansi
• INGAT : Perbedaan berapapun dpt dirancang untuk signifikan scr statistic,
asal jumlah sampel terpenuhi
 Contoh Perhitugan Besar Sampel Uji
Beda Proporsi (2-tailed)

P1= 0.6; P2=0.5; P=0.55; Z-a/2 = 1.96; Z-beta=0.84

• Berarti sampel yg dibutuhkan n=388 perkelompok sosek tinggi dan

sosek rendah, Jadi total sampel n=776 ibu hamil
• Bukan berarti diambil sampel 776 ibu hamil karena tidak
menjamin diperoleh 388 sosek tinggi dan 388 sosek rendah
Tujuan Penelitian, Hipotesis, dan Besar Sampel

TUJUAN PENELITIAN :
Mengetahui hubungan sosek (tinggi vs rendah) BESAR SAMPEL
dengan anemia pada Bumil

n = 305; 305 sosek tinggi

+ 305 sosek rendah

n=388; 388 sosek tinggi

+ 388 sosek rendah
Terminologi pada Perhitungan Besar Sampel
Uji Hipotesis Beda Rerata

Keterangan:
Tujuan Penelitian dan Jenis Uji Hipotesis

Ibu hamil di Kota Depok dari kelompok sosial ekonomi tinggi

memiliki rerata Hb lebih tinggi disbanding sosial ekonomi rendah
Contoh Besar sampel uji hipotesis
beda rerata (independen): 1-tailed

Jadi, untuk mengetahui efek sosek terhadap kadar Hb Bumil,

dibutuhkan sampel 61 Bumil sosek tinggi dan 61 Bumil sosek
rendah
Tujuan Penelitian dan Besar Sampel
BESAR SAMPEL

• 381

• 139

Uji Hipotesis
•305+305 (1-tailed)
•388+388(2-tailed)

•61+61 (1-tailed)
•77+77 (2-tailed)
Perhitungan sampel untuk data numeric selalu
mendapatkan ukuran sampel yang lebih kecil
Masalah dalam Penentuan Besar Sampel

Catatan:

Perbedaan P1 dan P2
harus berdasarkan
perbedaan yang
dianggap bermakna
secara subtansi, bukan
hanya dari penelitian
terdahulu saja
Besar sampel pada situasi lainnya
Besar Sampel Uji Klinis (hewan
coba)
Anggapan yang salah tentang
sampel
 Calculating sample size
• Only a guide
• Most of the time, bound by financial, time, and resource
limitations
• But an estimate is important in order to prioritise, and
to know the statistical confidence and power of the
study beforehand
• Avoid gross under/over sampling
 Negative results
• When a study yields negative results (no
association/effect):
• It could be that the effect really doesn’t exist,
• It could be that the effect exist, but the study was not
powerful enough to detect it, because the sample size
could have been too small
Hasil penelitian tidak signifikan :
•Benar benar tidak ada efek,
•Bisa jadi efeknya ada, tetapi penelitian tidak mampu mendeteksi
adanya efek karena sampel terlalu kecil
 Power (Kekuatan Uji)
• Kekuatan uji (1-β)
Probabilitas studi untuk menolak hipotesis nol (menyimpulkan
adanya perbedaan) jika hipotesis nol di populasi memang salah
(perbedaan tersebut eksist)
• Power harus dihitung dan dicantumkan dalam laporan hasil
penelitian, terutama jika H0 gagal ditolak (menyimpulkan tidak
ada perbedaan)
• Pada sampel yang kecil, gagal menolak H0 (menyimpulkan tidak
ada perbedaan) sangat mungkin disebabkan oleh power yang
rendah, dibandingkan dengan kemungkinan bahwa H0 benar
(benar tidak ada perbedaan di populasi)
TERIMA KASIH