SAMPEL

Oleh
DARMAYANTI SIREGAR

1
 Sampling
Ada 2 topik bahasan dalam sampling:
1. Metode pengambilan sampel (Sampling
Design)
2. Perhitungan Besar sampel (Sample Size)

Ada 2 metode pengambilan sampel:

1. Random/Probability sampling
2. Non random/non probability sampling
Page 2
 TOPIK BAHASAN:
1. Pengertian (Populasi & Sampel)
2. Mengapa perlu sampling
3. Langkah Pengambilan Sampel
4. Potensi Bias pada pengambilan sampel
5. Metode Probability Sampling
6. Besar Sampel
7. Aplikasi: menghitung besar sampel sesuai
tujuan dan disain penelitian
Page 3
 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)

Page 4
contoh
 Judul penelitian: Pengaruh kinerja dokter terhadap
kualitas rumah sakit di Indonesia
 Populasi target: dokter yang bertugas di rumah
sakit umum Medan
 Populasi studi: dokter yang bertugas di RSU
Pirngadi dan RSU Adam Malik
 Kerangka sampel: Daftar yang berisi dokter-
dokter yang bertugas dan keterangan lainnya
 Unit observasi: dokter

Page 5
MENGAPA PERLU
SAMPLING?

1. Populasi tidak terbatas

2. Sumberdaya terbatas (tenaga, dana, waktu)
3. Tidak mungkin diteliti semua (waktu dan ruang)
4. Adanya penelitian yang destruktif
5. Tidak perlu semua diteliti, ada metode sampling
yg didasarkan pada distribusi probabilitas

Metode
sampling

Menjamin sampel menggambarkan populasinya

Menjamin sampel mempunyai akurasi yang terukur
Menjamin sampling dapat dilaksanakan dg efisien
Page 6
 Langkah
PENGAMBILAN
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 7
CONTOH BIAS KARENA SELEKSI SAMPEL
L= s a si
PO S IA r a li
EN e
TA PULA T g en
RG S PO d lm u an
ET I S
BIA lahan ya sa
t
t i dak I
s a a n T yg TU D
Ke a ad R G E
a s iS
a r en i T A p ul
k l as P o
p u la m
Po e da
ut k
sampel ik
PO
P
ST ULA sampel
UD SI sampel
I

sampel
sampel

Page 8
CONTOH BIAS KARENA SELEKSI SAMPEL

Page 9
 TEKNIK •Sampel pertimbangan
SAMPLING (Purposive/judgemental)
•Sampel berjatah (Quota)
A. Non Random •Sampel seadanya
(Convenience)

B. Random (probability) sampling

•1. Simple random sampling (acak sederhana)

•2. Systematic random sampling (acak sistematik)
•3. Stratified random sampling (acak bertingkat):
-Sederhana (Simple stratified random)
-Proporsional (Proportional stratified random)
•4. Cluster random sampling (acak berkelompok)
•5. Multistages random sampling (acak bertahap)
Page 10
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
Page 11
RANCANGAN SRS
(Simple/Systematic Random Sapling)
SIMPLE RANDOM SYSTEMATIC RANDOM
SAMPLING SAMPLING:
1. Tentukan populasi studi 1. Tentukan populasi studi
2. Tentukan sampling frame
2. Buat sampling frame (N)
3. Tentukan besar sampel
3. Tentukan besar sampel
4. Tentukan interval (i=N/n)
4. Pilih sampel sejumlah n
5. Pilih sampel no.1 secara
secara random (Dengan acak
Tabel-random atau
6. Secara sistematik tentukan
Komputer) sampel berikutnya no.2, 3,..
dst dengan interval=N/n

Page 12
 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)
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 13
 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(ns)
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 Page 14
 Multi-stage random sampling
Digunakan jika populasi sangat besar dan menyebar dan
tidak tersedia KERANGKA SAMPEL
Contoh tingkat Propinsi:
1. Tentukan populasi studi (N) dan sampel (n)
2. Bagi populasi menurut wilayah/Strata (Kab/Kota)
 Pilih wilayah/strata secara acak
3. Di setiap strata terpilih, kelompokan populasi
berdasarkan cluster atau strata (Urban/Rural)
 Pilih cluster/strata secara acak
4. Tentukan besar sampel di tiap Strata & klaster
5. Di klaster/strata terpilih, ambil sampel secara acak
(tabel-random/komputer)

Page 15
 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
 Kesalahan yang sering terjadi adalah metode
pengambilan sampel sering kurang mendapat
perhatian dibandingkan besar sampel
Page 16
 Dasar Perhitungan Besar Sampel
utk ESTIMASI
 Perhitungan besar sampel didasarkan pada
Teory Limit Central (Central Limit Theorem)

Page 17
 BESAR SAMPEL
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 18
 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

Page 19
 1. Jumlah sampel utk ESTIMASI PROPORSI
Tujuan penelitian: Mengetahui prevalensi diare pada balita di Kota Depok

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 Depok sama dengan Jabar
15%  p = 0.15
 Peneliti 95% yakin bahwa prevalensi diare di Depok 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 20
1a. Jumlah Sampel untuk Estimasi Proporsi
 Rumus: z 21 / 2 * p * (1  p )
n 2
d
 p=perkiraan proporsi
 d=presisi
 z= nilai z pada interval kepercayaan (1-/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 21
 1b. Jumlah Sampel untuk Estimasi Proporsi
 Tujuan: Mengetahui prevalensi diare pada balita di Depok:
 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 22
 2. Besar Sampel untuk Estimasi Rata-rata
Tujuan: Mengetahui rata-rata Hb ibu hamil di Kota Depok

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 depok 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 23
 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 *


2 = perkiraan varians
d = presisi n 2
 z = nilai z pada interval kepercayaan 1-/2 d
 Catatan:
• Rumus di atas hanya untuk estimasi rata-rata
• Rumus di atas hanya untuk sampel acak sederhana

Page 24
 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, 2=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 25
 TUGAS
1. FKM UI 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% (Alpha
5%) dan tingkat kepercayaan 95%.

2. Pemda Sukabumi 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 1%.

Page 26
 Dasar Perhitungan Besar Sampel
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 27
 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
1-a/2 = nilai z pada derajat kepercayaan 1-a/2 atau batas kemaknaan a.
 Z

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 28
 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:

Jadi untuk 1,64 2 * 0,45 * (1  0,45)  0,84 0,60 * (1  0,60)  0,30 * (1  0,30)  41,97
n  membuktikan apakah proporsi kematian pasien trauma kepaladengan
2

kadar glukosa tingi berbeda dengan0kadar ,30

2
,60  0glukosa 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)

Page 29
 2a. Uji Hipotesis Beda Rata-rata
2 Kelompok Independen

n

2 2 z1 / 2  z1  2

1   2 2
2 2
( n  1) s  ( n  1) s
2  1 1 2 2
(n1  1)  (n2  1)

 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 kel. 1;
s22 = varians pd kel. 2

Page 30
 Uji Hipotesis Beda Rata-rata
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 2

 (20  1) *12 2
 122
(20  1)  (20  1)
Diperlukan sampel sebanyak
n 

2 *122 180
,96sampel 2
 0,84(40 orang yang konsumsi natriumnya
 39,04
rendah dan 40 orang yang (konsumsi
82  75) 2natriumnya tinggi)

(Asumsi; sampel dipilih secara acak sederhana)

Page 31
 2b. Uji Hipotesis Beda Rata-rata 2
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
= nilai z pada interval kepercayaan 1-
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)

Page 32
 2b.Uji Hipotesis Beda Rata-rata 2
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 md/dl
(Asumsi: sampel dipilih secara acak sederhana/sistematik)

Page 33
Zα dan Zα/2 untuk nilai α tertentu

α Zα Zα/2

0.10 1.28 1.65

0.05 1.65 1.96
0.025 1.96 2.24
0.01 2.33 2.58

Page 34
Zβ untuk nilai tertentu
β 1-β Zβ
>0.50 <0.50 <0.00
0.50 0.50 0.00
0.40 0.60 0.25
0.30 0.70 0.53
0.20 0.80 0.84
0.15 0.85 1.03
0.10 0.90 1.28
0.05 0.95 1.65
0.025 0.975 1.96
0.01 0.99 2.33

Page 35
 soal
Hitunglah besar sampel minimal untuk kasus yang
diberikan:
PJK
Minum teh Ya Tidak
ya 12 88
Tidak 10 90

Diketahui confidence level (1- α/2) 95% dan

power of test (kekuatan ujinya 80%)

Page 36
 Untuk menguji apakah efek penurunan gula
darah oleh obat A lebih besar dibandingkan
dengan obat B. studi pendahuluan
dilakukan dengan jumlah n1=n2=5
penurunan gula darah obat A (40±20) dan
obat B (30±15)pada kepercayaan 95%
(1.65) dan power of test 90% maka sampel
minimum adalah:

Page 37