POPULASI DAN SAMPEL

Proposal Penelitian
 Populasi dan Sampel:
 Siapa Populasi? Populasi target & Populasi Studi
 Siapa Sampel?
 Kriteria Inklusi dan Kriteria Ekslusi.
 Besar sampel berapa? (harus dihitung dg rumus
Besar sampel sesuai dengan desain penelitian),
 Teknik sampling (random atau non random).
 POPULASI=UNIVERSE
 Sekelompok individu atau objek yang memiliki
karakteristik yang sama
 Sama: umur, jenis kelamin, pekerjaan, status sosial,
dll
 Kumpulan individu dimana hasil suatu penelitian
akan dilakukan generalisasi
 Keseluruhan objek penelitian, sbg sumber data yg
memiliki karakteristik ttt dlm suatu penelitian
 Nilai karakteristik populasi yang ingin diketahui
disebut parameter
 SAMPEL
 Sebagian kecil dari populasi atau objek yang memiliki
karakteristik yang sama
 Nilai karakteristik sampel yang ingin diketahui disebut
statistik
 Mengapa Sampel diperlukan:
 Penelitian secara individual atau satu persatu thd

seluruh anggota populasi tidak mungkin dilaksanakan

 Bila objek penelitian bersifat homogen

 Adanya dampak destruktif thd objek yang akan diteliti

 Menghemat waktu, tenaga, biaya (dalam persiapan,

pelaksanaan, pengolahan data, dst)

 Sampel yang baik:
 Harus mewakili karakteristik populasi (representatif)
 Prosedur sampling harus sederhana dan praktis shg
mudah dilaksanakan di lapangan
 Standar error kecil
 Efisien dan ekonomis serta dapat memberikan
informasi selengkap-lengkapnya dg biaya yg murah
 Memberikan keterangan sebanyak mungkin dg biaya
serendah-rendahnya
 Jumlah sampel yg ada hrs adekuat shg dpt dipakai
untuk keperluan generalisasi parameter populasi
 •Meliputi seluruh unit sampel
•Sampel tidak dihitung dua kali
•Batas Jelas
•Up to date
AT •Dapat dilacak di lapangan
A R ASI
SY PUL
PO
SAMPEL:
•objektif (sesuai dg kenyataan)

•representatif (mewakili keadaan yg

sebenarnya)
•variasinya kecil

•tepat wkt

•relevan
 •Objek penelitian yg homogen
MENGAPA •Objek penelitian yg mudah rusak
SAMPLING
? •Penghematan biaya & wkt
•Masalah ketelitian
•Ukuran populasi
•Faktor ekonomi
Berbagai teknik
sampling

•Sampel menggambarkan populasinya

•Mempunyai akurasi yang terukur
•Dapat dilaksanakan
•Efisien
Karakteristik Populasi Sampel
Lambang N n
_
Rata-rata μ X
Proporsi P p
Varians 2 S2
Standar deviasi  S

PARAMETER STATISTIK
BEBERAPA ISTILAH
 Unit elementer: Anggota suatu populasi yang
karakteristiknya akan diukur atau dianalisa
 Sampling frame/kerangka sampling: daftar
dari semua unit sampling dalam populasi
sampling
 Sampling unit/unit sampel: elemen individu
dalam populasi yang akan diamati
 Populasi target
 Kumpulan dari satuan/unit yang ingin kita buat
inferensi/generalisasi-nya
 Populasi studi
 Kumpulan dari satuan/unit di mana kita mengambil
sampel
 Exs: Penelitian tentang rata-rata jumlah konsumsi alkohol perminggu
dikota A pada remaja usia 5 s/d 17 tahun, maka populasi target
adalah semua anak remaja yang berusia 15 sampai 17 tahun yang
ada di kota A, dan populasi sampling adalah sekelompok anak
remaja yang dipilih dari sebuah sekolah tertentu yang ada dikota A.
 L = sa si
S IA e r ali
TEN g e n
PO S PO d lm t u an
TA PULA BIA lahan ya sa
RG S e sa da n da k I
ET I K a a ti U D
r e n T yg - S T
ka R GE m ”P
A la
P-T keda
PO
u t “
P ik
ST ULA
UD SI
I
Sampel

Sampel
Sampel

Sampel Sampel
4 faktor yang harus dipertimbangkan dalam
menentukan besarnya sampel:
 Tingkat keseragaman (degree of homogeneity)
 Tingkat presisi yang dikehendaki dalam penelitian
 Rencana analisis
 Tenaga, biaya, waktu

KEUNTUNGAN SAMPLING
 Data yg diperoleh lebih komprehensif dan representatif serta
merupakan refleksi dari karakterisitk populasi yg sedang diteliti
 Tenaga pelaksana dan dana yang diperlukan lebih sedikit
 Mudah dikerjakan dan hasilnya dapat segera dievaluasi dan dianalisis
 Dapat menghilangkan bias seleksi dg cara melakukan randomisasi.
 •Sampel pertimbangan
(Purposive/judgemental)
b . •Sampel berjatah (Quota)
ro •Sampel seadanya
JENIS-JENIS n -P
TEKNIK No (Accidental/Convenience)
•Network sampling
SAMPLING P •Panel Sampling
r ob
ab
il ist
ik
Sampel Acak Sederhana (simple random sampling)
Sampel sistematik (sistematik random sampling)
Sampel Stratifikasi (stratified sampling)
Sampel Kluster (Cluster Sampling)
Sampel dg banyak Tahap (Multistage Sampling)
Sampel Acak Sederhana
(simple random sampling)
 Dengan mengundi unit-unit penelitian dalam populasi
 Semua unit penelitian disusun dalam daftar kerangka sampling
 Dari kerangka sampling ditarik sbg sampel dengan cara undian
sehingga setiap unit punya peluang yang sama untuk dapat
dipilih.
 Penggunaan cara ini tidak praktis apabila populasinya besar
 Menggunakan tabel random
 Tentukan populasi studi, lalu buat kerangka sampling
 Dari kerangka sampling ditarik sebagai sampel sejumlah unit
penelitian dengan menggunakan tabel random.
• Menggunakan komputer
Syarat penggunaan: hrs ada kerangka sampel, sifat populasi homogen,
keadaan populasi tidak terlalu tersebar secara geografis
 POPULASI:
1 2 3 4 5 6 7 8 9 10
SAMPEL:
4 10
11 12 13 14 15 16 17 18 Simpel random sampling
15 17
20 25
19 20 21 22 23 24 25

ab ce d f
h e f
gh kl i j Statified random sampling
o p i
no mp q r

def
abc
ghi abc
jkl mno ghi Cluster sampling
jkl
pqr stu
Sampel sistematik (sistematic random sampling)
 Tentukan dahulu interval sampel (k), hasil bagi jumlah satuan elementer
populasi dibagi besar sampel (N/n).
 Unsur pertama dari sampel lalu dipilih secara acak
 Andaikan yang terpilih adalah satuan elementer bernomor urut s, maka
unsur-unsur selanjutnya dalam sampel dapat ditentukan , yaitu :
 S, S+k, S+2k, S+3k, dan seterusnya

 Contoh :
 Andaikan satuan-satuan elementer dalam satuan populasi berjumlah 50,

yang diberi nomor urut 1 sampai 50, dan besar sampel yang akan
diambil 10, maka k = 50/10 = 5.
 Unsur pertama dari sampel harus dipilih secara acak di antara satuan

satuan elementer nomor 1 dan 5.

 Andaikan yang terpilih sebagai unsur pertama adalah nomor 3, maka

unsur-unsur lainnya dari sampel adalah satuan-satuan nomor 8, 13, 18,

23, 28, 33, 38, 43 dan 48.

Syarat penggunaan: bila kerangka sampel telah diurutkan, populasi homogen

Sampel Stratifikasi (stratified sampling)
 Membagi populasi menurut strata yang akan diteliti dan
merupakan sub populasinya yang bersifat homogen.
Penentuan strata berdasarkan keterangan-keterangan statistik
yang objektif dan subjektivitas si peneliti.
 Membuat kerangka sampling untuk setiap subpopulasi
 Selanjutnya pengambilan sampel dapat dilakukan secara acak
sederhana atau acak proporsional

SYARAT PENGGUNAAN
 Harus ada kriteris yg jelas yg digunakan sgb dasar untuk

menstratifikasi populasi dlm strata ttt.

 Harus ada data pendahuluan dari populasi mengenai kriteria

yg digunakan untuk menstratifikasi

 Harus diketahui dg tepat jumlah satuan2 elemter dari tiap

strata dlm populasi

 Contoh:

Populasi: seluruh mahasiswa jurusan keperawatan

Sub populasi: mhs Tk. I (75 orang)
mhs Tk. II (65 orang) 200 orang
mhs Tk. III (60 orang

1. Besar sampel yang dibutuhkan: 150, maka sampel setiap kelas adalah
150/3= 50, dipilih secara simpel random sampling
2. Besar sampel proporsional dg besar populasi
• Sampel dr Tk. I= 75/200 x 150= 56 orang
• Sampel dr Tk. II= 65/200 x 150= 49 orang
• Sampel dr Tk. III= 60/200 x 150= 45 orang
Sampel Kluster (Cluster Sampling)
 Membagi daerah penelitian ke dalam klaster-klaster
(misalnya : desa, RW, RT, dsb), kemudian susunlah daftar
klaster.
 Tetapkanlah jumlah klaster
 Perkirakan jumlah rata-rata anggota per cluster
 Tentukan jumlah kluster yang diperlukan (ukuran sampel
dibagi jumlah rata-rata anggota per cluster)
 Pilihlah klaster sampel dengan cara random murni atau
sistematik
 Identifikasi seluruh individu yang termasuk subjek analisis
penelitian dalam semua klaster yang terpilih sebagai
sampel
Sampel dg banyak Tahap (Multistage Sampling)

 Menggabungkan dua atau lebih metode pengambilan sampel

sekali gus. Misalnya, daerah populasi meliputi satu propinsi,
sementara klaster yang dikehendaki tingkat desa. Maka dari
propinsi tersebut dipilih secara random beberapa kabupaten,
dan dari kabupaten yang terpilih, dipilih pula secara random
beberapa kecamatan dan seterusnya sehingga didapatkan
sejumlah klaster sampel tingkat desa yang dikehendaki. Dg
prosedur:
 Membagi daerah penelitian (populasi) yang sangat luas ke
dalam klaster-klaster melalui beberapa tingkatan sampai
terpilih klaster sampel
 Buat daftar subjek dari semua klaster yang terpilih sebagai
klaster sampel
 Pilihlah subjek sampel dari daftar subjek tersebut, sebanyak
yang dikehendaki dengan menggunakan teknik acak
 def Multistage sampling
abc
ghi abc
jkl mno ghi
jkl
pqr stu

bij
Non Probability Sampling Method
 Convenience Sampling (sampel yang tersedia)
 Network Sampling
 Judgement Sampling/Purposive sampling (proses
seleksi bersyarat)
 Quota Sampling (sampel dg jumlah tertentu)
 Panel Sampling (sampel semi permanen yg dipilih
untuk keperluan suatu studi yg berkelanjutan)
 Systematic Sampling
REPRESENTATIVENESS SAMPLE
 Variabilitas populasi: peneliti harus menerima
sebagaiman adanya, tidak mengatur atau
memanipulasi sampel
 Besar sampel: makin besar sampel, makin tinggi
taraf representativeness sampelnya
 Teknik penentuan sampel: makin tinggi tingkat
rambang dlm penentuan sampel akan makin tinggi
tingkat representatifnya
 Kecermatan memasukkan ciri-ciri populasi: makin
lengkap ciri-ciri populasi yg dimasukkan ke dlm
sampel, makin tingi tingkat representatifnya

Semakin besar ukuran sampel semakin kecil

kesalahan duga yang kita buat
 SAMPLE SIZE
Sample Size Determ in ation

One sample problem Two sample problems

Estim ation Hypoth esis testing Estim ation Hypothesis testin g

population proportion population mean proportion mean two proportions two means two proportions two means
ESTIMASI PROPORSI 1 SAMPEL/SRS
 Presisi mutlak
Z 21 / 2 . P (1  P )
n 2
d .( N  1)  Z 21 / 2 .P (1  P )
 Presisi relatif
Z 21 / 2 . N (1  P)
n 2
 .P( N  1)  Z 21 / 2 .(1  P )
Jika n relatif kecil dibandingkan
dengan N, sehingga (N-n)/(N-1)
mendekati 1, maka rumus menjadi:
Z 21 / 2 . P(1  P )
n
d2
Z 21 / 2 . (1  P )
n
 2 .P

n = besar sampel
 = presisi relatif

d = presisi mutlak
z = z score ditentukan berdasarkan derajat kepercayaan
P = proporsi penelitian sebelumnya
N = jumlah populasi
Nilai d melambangkan simpangan dari proporsi pada populasi dan
besarnya d dapat dihitung sbb:

d= Z1-α/2√ [{p(1-P)/n}]

P-Z1-α/2 √[P(1-P)/n] P+Z1-α/2 √[P(1-P)/n]

α/2 α/2
d d

s.wiyono STAT_INFERENS 26
 d= simpangan dari proporsi pada
populasi
 /2
 /2
d d

Contoh: proporsi bayi yang diimunisasi campak di populasi adalah 60%

 Presisi Mutlak 10% dg CI: 95%, artinya 95% dari

sampel yang diambil akan menghasilkan cakupan
sebesar 50-70% (60 ± 10)
 Presisi Relatif: 10% dg CI: 95%, artinya 95% dari
sampel yang diambil akan menghasilkan cakupan
54-66% [60 ± (0,1 x 60)]
Estimasi proporsi 1 sampel
(presisi absolut)
Estimasi proporsi 1 sampel
(presisi relatif)
CONTOH 1:
 Penelitian pendahuluan pada 50 pekerja di satu perusahaan memperoleh
hasil 30 orang menderita anemia. Pada perusahaan tersebut terdapat
3000 karyawan. Berapa besar sampel yang diperlukan jika peneliti ingin
mengetahui prevalensi anemia pada perusahaan tersebut dengan presisi
mutlak yang diinginkan 5 % pada derajat kepercayaan 95 % ?

Jawab :N = 3000
P = 30/50 = 0,6
d = 5% = 0,05
Z pada derajat kepercayaan 95% = 1,96

1,962 . 0,6 (1 - 0,6) 3000

n = ----------------------------------------------------- = 328,52
0,052 . (3000 – 1) + 1,962 . 0,6 (1 - 0,6)

Jadi diperlukan 329 karyawan sebagai sampel.

CONTOH 2:

 Misalkan pada persoalan contoh 1, peneliti menginginkan estimasi proporsi

dengan presisi relatif 5 % dan derajat kepercayaan 95%.
N = 3000
P = 30/50 = 0,6
 = 5% = 0,05
Z pada derajat kepercayaan 95% = 1,96

Besar sampel yang diperlukan :

1,962 . 3000 (1 - 0,6)

n = ---------------------------------------------------- = 458,31
0,052 . 0,6 (3000 – 1) + 1,962 (1 - 0,6)

Diperlukan 459 karyawan sebagai sampel

 ESTIMASI RATA-RATA 1 SAMPEL
Jika n relatif kecil dibandingkan
dengan N, sehingga (N-n)/(N-1)
 Presisi mutlak mendekati 1, maka rumus menjadi:
Z 21 / 2 . 2 .N
n 2 Z 21 / 2 . 2
d .( N  1)  Z 21 / 2 . 2 n
d2
 Presisi relatif
2 2
Z 1 / 2 . .N Z 21 / 2 . 2
n n
 2 . 2 .( N  1)  Z 21 / 2 . 2  2 . 2
n = besar sampel
 = presisi relatif

d =presisi mutlak
z = z score ditentukan berdasarkan derajat
kepercayaan
 = standar deviasi populasi
N = jumlah populasi
 = mean populasi
Contoh 3:
 Seorang peneliti ingin mengetahui rata-rata tekanan darah diastolik manajer
dan direktur dari satu perusahaan. Pemeriksaan awal oleh dokter perusahaan
menunjukkan hasil rata-rata tekanan darah diastolik 90 mmHg dengan standar
deviasi 20 mmHg. Pada perusahaan ini terdapat 100 orang manajer dan
direktur. Berapa besar sampel yang diperlukan, jika peneliti menginginkan
presisi mutlak terhadap rata-rata tekanan darah diastolik sebesar 10 mmHg
dan derajat kepercayaan 95% ?

Jawab :
N = 100
 = 20 mmHg
d = 10 mmHg
Z pada derajat kepercayaan 95% = 1,96

1,962 . 202 . 100

n = ------------------------------------------ = 13,44
102 . (100 – 1) + 1,962 . 202

Jadi peneliti perlu mengambil 14 orang manajer sebagai sampel.

Contoh 4:
 Jika pada contoh 3, peneliti menginginkan presisi relatif 10% dan
derajat kepercayaan 95%.
N = 100
 = 20 mmHg
 = 10 %
 = 90 mmHg
Z pada derajat kepercayaan 95% = 1,96

Besar sampel yang diperlukan :

1,962 . 202 . 100

n = ------------------------------------------------ = 16,08
0.12 . 902 . (100 – 1) + 1,962 . 202

Jadi peneliti perlu mengambil 17 orang manajer sebagai sampel.

UJI BEDA PROPORSI DUA SAMPEL

P  ( P1  P2 ) / 2

CONTOH 9:

Suatu penelitian pendahuluan memperlihatkan bahwa kadar glukosa

darah mungkin merupakan faktor prognostik pada pasien dengan trauma
kepala berat. Pada penelitian tersebut, dari 20 pasien trauma kepala
berat dengan kadar glukosa darah tinggi, 15 orang meninggal dalam 7
hari perawatan. Sedangkan pada 20 pasien trauma kepala berat dengan
kadar glukosa darah rendah, 5 orang meninggal dalam 7 hari
perawatan. Seorang peneliti ingin mengetahui apakah ada perbedaan
proporsi kematian pasien antara pasien dengan kadar glukosa darha
tinggi dan pasien dengan kadar glukosa darah rendah.Berapa besar
sample yang diperlukan jika peneliti menginginkan derajat kemaknaan
5% dan kekuatan uji 80% ?
Uji beda proporsi 2 sampel
Penyelesaian:
Ho : P1 = P2
Ha : P1 ≠ P2
P1 = 15/20 = 75% =0,75
P2 = 5/20 = 25% = 0,25
P = P1 + P2 / 2 = 0,75 + 0,25 / 2 = 0,50
z 1-α/2 = 1, 96
z 1-β = 0, 84

[1, 96 √2 . 0,5 (1-0,5) + 0, 84 √0,75(1-0,75)+0,25(1-0,25)]2

n = ------------------------------------------------------------------------------= 14,44
(0,75-0,25)2

Jadi untuk membuktikan bahwa proporsi kematian pasien trauma kepala berat
dengan kadar glukosa darah tinggi tidak sama dengan proporsi kematian pasien
trauma kepala berat dengan kadar glukosa darah rendah diperlukan 15 pasien pada
masing-masing kelompok. Besar sample juga dapat dilihat pada tabel 5j, pada
kolom 0,75 dan baris 0,25.
 UJI BEDA MEAN 2 SAMPEL

 Uji Hipotesis Beda 2 Rata-rata Pada 2

kelompok Independen
2 2 [ Z 1 / 2  Z 1  ] 2 2 [(n1  1).S12  (n2  1).S 22
n S 
p
( 1   2 ) 2 (n1  1)  (n2  1)

 Uji Hipotesis Beda 2 Rata-Rata Pada 2

Kelompok Dependen
 2 [ Z 1 / 2  Z 1  ] 2
n
( 1   2 ) 2
keterangan :
n = besar sampel
2 = Sp2 = varians gabungan
n1 = jumlah populasi pada kelompok 1 penelitian terdahulu
n2 = jumlah populasi pada kelompok 2 penelitian terdahulu
S12 = varians pada kelompok 1 penelitian terdahulu
S 22 = varians pada kelompok 2 penelitian terdahulu
μ1 = rata-rata pada kelompok 1 penelitian terdahulu
μ2 = rata-rata pada kelompok 2 penelitian terdahulu
Z1-α/2 = nilai z pada derajat kemaknaan yang dikehendaki
Z1-β = nilai z pada kekuatan uji yang dikehendaki
Uji beda mean 2 sampel
 Contoh 10: Uji Hipotesis Beda 2 Rata-rata Pada 2 kelompok Independen

 Seorang peneliti ingin mengetahui efek asupan natrium terhadap tekanan darah
orang dewasa normal. Pada penelitian sebelumnya dengan jumlah sample 20 orang
untuk masing-masing kelompok diketahui bahwa pada kelompok masyarakat yang
konsumsi natriumnya rendah rata-rata tekanan darah diastolic adalah 85 mmHg
dengan standar deviasi 15 mmHg. Sedangkan pada masyarakat yang konsumsi
natriumnya tinggi, rata-rata tekanan darah diastolic adalah 80 mmHg dengan
standar deviasi 10 mmHg. Berapa besar sampel yang dibutuhkan jika peneliti ingin
melakukan uji hipotesis adanya perbedaan tekanan darah diastolik pada kedua
kelompok tersebut dengan derajat kemaknaan 5%, kekuatan uji 80% dan uji
dilakukan secara 2 sisi ?
Penyelesaian:
n1 = n2 = 20
μ1 = 85 mmHg μ2 = 80 mmHg
σ1= 15m mHg σ2 = 10 mmHg
z 1-α/2 pada α 5% = 1,96 z 1-β pada β 80% = 0,84
[(n1  1).S12  (n2  1).S 22 [(20  1).152  (20  1).10 2
S p2  2
S 
p  162,5
(n1  1)  (n2  1) (20  1)  (20  1)

2 2 [ Z 1 / 2  Z 1  ] 2
n 2 x 162,5[1,96  0,84]2
( 1   2 ) 2
n 101,92
(85  80) 2

Jadi diperlukan sampel sebanyak 102 orang yang konsumsi natriumnya rendah
dan 102 orang yang konsumsi natriumnya tinggi.
 Contoh 11: Uji Hipotesis Beda 2 Rata-Rata
Pada 2 Kelompok Dependen

 Seorang peneliti ingin menguji efek diet terhadap penurunan BB. Dari
penelitian awal pada 5 orang, diketahui rata-rata BB sebelum diet
adalah 70 kg dan setelah 1 bulan diet rata-rata BB adalah 60 kg. Jadi
ada penurunan BB rata-rata 10 kg dan standar deviasi 10 kg. Peneliti
ingin menguji hipotesis dengan perbedaan rata-rata minimum yang ingin
dideteksi sebesar 10 kg, tingkat kemaknaan 5% dan kekuatan uji 90%.
Berapa besar sampel yang dibutuhkan ?
Penyelesaian:
μ1 = 70 kg μ2 = 60 kg
σ = 10 kg
z 1-α/2 pada α 5% = 1,96 z 1-β pada β 90% = 1,28
2
 [ Z 1 / 2  Z1  ] 2
10 2 [1,96  1,28] 2
n n 2
10,5
( 1   2 ) 2 (70  60)

Jadi peneliti membutuhkan sampel sebanyak 11 orang.

 Penelitian Epidemiologi
 Kohort
 
 Z1 / 2 . 2 P (1  P )  Z1  . P1 (1  P1 )  P2 (1  P2 ) 2
n
( P1  P2 ) 2
P1=(RR).P2
P1= Proporsi subjek terpajan yang disease

P2= Proporsi subjek tidak terpajan yang disease P  ( P1  P2 ) / 2
 Kasus Kontrol
 
 Z1 / 2 . 2 P (1  P )  Z1  . P1 (1  P1 )  P2 (1  P2 ) 2
n
( P1  P2 ) 2

P1= Proporsi subjek terpajan pd kelompok disease

P2= Proporsi subjek terpajan pd kelompok yang tidak disease
Contoh 12: penelitian kohort:
 Dua cara pengobatan untuk sejenis kanker akan dibandingkan
efektifitasnya dengan suatu penelitian kohort dalam suatu uji klinik
multi-center. Penderita diacak untuk mendapatkan terapi A atau terapi
B dan kemudian diikuti untuk mendeteksi berapa yang kambuh selama
5 tahun setelah pengobatan. Berapa jumlah penderita yang harus
diteliti dalam tiap kelompok jika diinginkan 90% keyakinan untuk
menolak Ho : RR =1 dan mendukung Ha :RR  1, jika diasumsikan
bahwa P2 = 0,35 dan RR = 0,5?
Penyelesaian:
P2 = 0,35
P1 = (RR) P2 = 0,5 x 0,35 = 0,175
P = (0,175 + 0,35)/2 = 0,2625
 
 Z1 / 2 . 2 P(1  P )  Z1  . P1 (1  P1 )  P2 (1  P2 ) 2
n
( P1  P2 ) 2

 1,96 2 x0,2625(1  0,2625)  1,282. 0,175(1  0,175)  0.35(1  0,35) 2

n  130,79
(0,175  0,35) 2
Contoh 13: penelitian kasus kontrol
 Seorang peneliti ingin menguji hipotesis anemia pada ibu hamil sebagai faktor risiko
terjadinya bayi berat lahir rendah (BBLR). Hasil pada peneliti di negara lain
menunjukkan rasio odds sebesar 2,5. Prevalensi anemia pada ibu hamil diketahui
dari hasil survei sebesar 60%. Berapa besar sampel yang diperlukan jika peneliti
menginginkan tingakat keprcayaan 5 % dan kekuatran uji 80% ?
Penyelesaian :
Karena sebagian besar bayi yang lahir memiliki berat badan normal maka prevalensi
anemia pada ibu hamil dapat dianggap sebagai anemia pada ibu yang melahirkan
bayi non BBLR (P2)
OR = 2,5 P2= 0,60 Z1-/2 = 1,96 Z1- = 0,84

(OR) P2 2,5 . 0,6

Nilai P1 = -------------------------- = ---------------------- = 0,79
(OR) P2 + (1- P2) 2,5.0,6 + (1-0,6)

P = ( P1+ P2) / 2 = (0,79+0,60)/2 = 0,7.

Besar sampelnya:
 1,96 2 x0,7(1  0,7)  0,84 0,79(1  0,79)  0,6(1  0,6) 2
n  93,17
(0,79  0,6) 2
Jadi diperlukan sampel 94 ibu yang melahirkan bayi BBLR dan 94 ibu yang
melahirkan bayi dengan berat badan normal.