Sampling

Bahasan

1 Konsep Dasar Sampling

2 Metode Pengambilan Sample

33 Besar Sample
Konsep Dasar
Sampling
 Pengertian
Populasi &
Sampel
 Populasi adl keseluruhan unit analisis yg
karakteristiknya akan diduga (sabri,
2010).

 Sampel adalah sebagian populasi yg ciri-

cirinya diselidiki atau diukur
(Sabri,2010)
 Alasan
pengambilan
1. sampel
Memudahkan peneliti
2. Lbh efisien ( dana, waktu dan tenaga)
3. Lbh teliti dan cermat
4. Lebih efektif
Syarat sampel
yang ideal
1. Dapat menghasilkan gambaran karakter populasi
yang tepat
2. Dapat menentukan presisi (ketepatan) hasil
penelitian dengan menentukan simpangan baku
dari taksiran yang diperoleh
3. Sederhana, mudah dilaksanakan
4. Dapat memberikan keterangan sebanyak mungkin
dengan biaya serendah mungkin.

Jika tidak dapat dipenuhi dapat terjadi BIAS

 Error
(Penyimpangan
)
1. Sampling Error
Merupakan variasi dari konsekuensi pengambilan
sampel, setiap sampel yg akan diambil dari suatu
populasi akan berdistribusi sekitar nilai populasi.

2. Non Sampling Error

Merupakan error yg tidak disebabkan oleh
sampel, tetapi oleh pelaksanaan dalam
pengambilan sampel sampai analisisnya. seperti :
saat perencanaan, pelaksanaan, pengolahan,
analisis dan interpretasinya
 SAMPLING ERROR

Perbedaan antara hasil sampel dg hasil

sensus :
a. cara yang sama
b. populasi yang sama
c. pewawancara yang sama
 NON SAMPLING ERROR
Kesalahan tdk terkait dg pengambilan
sampel, karena :
a. batasan unit dasar yg kurang tepat
b. jawaban responden yg salah/ respon
error
c. kesalahan dlm batas dan lokasi
d. human error
e. kesalahan alat ukur
 METODE
PENGAMBILAN SAMPLING
 Pengambilan Sampel

Secara umum :

1. Secara Acak (random sampling)

2. Secara Tidak Acak (non random
sampling)
 Random Sampling
 Semua unsur dalam populasi
berpeluang sama
 Dilakukan secara objektif
 Terdiri dari :
1. Acak sederhana (simple random sampling)
2. Sistematik (systematic random sampling)
3. Stratifikasi (stratified random sampling)
4. Kelompok (cluster random sampling)
5. Bertahap (multistage random sampling)
 Non Random Sampling

Semua unsur dalam populasi

berpeluang tidak sama.
Dilakukan secara subjektif
Terdiri dari :
1. Seadanya (accidental sampling)
2. Berjatah (quota sampling)
3. Berdsr Pertimbangan (purposive sampling)
 Simple Random Sampling (1)

 Tiap unit dasar (individu) berkesempatan

sama
 Cara paling sederhana
 Mrp dasar cara pengambilan sampel yg
lain
 Jarang dilakukan scr tunggal pd populasi
besar
 Simple Random Sampling (2)
 Dilaksanakan bila populasi tidak banyak
variasinya & secara geografis tidak terlalu
menyebar.
 Harus ada daftar populasi (sampling frame)
 Caranya adalah:
1. Dengan melakukan undian
2. Memakai tabel bilangan random
3. Memakai paket komputer (kalau sudah
mempunyai kerangka sampel)
 Systematic Random Sampling
 Dilakukan scr berurutan dg interval
tertentu
 Sampel pertama diambil secara acak
 Besar interval : N/n
 Syaratnya:
1. Tersedianya kerangka sampling
2. Populasinya mempunyai pola beraturan
3. Populasi sedikit homogen
 Contoh
Systematic Random Sampling
Dari 500 orang pasien yang dirawat di suatu
rumah sakit akan diambil 25 orang untuk
penelitian tentang kepuasan pelayanan
dirumah sakit tersebut.
Cara pengambilan sampel akan dilakukan
secara sistematis, dimana probabilitas untuk
terambil sebagai sampel adalah 500/25 =
20/1.
 Contoh
Systematic Random Sampling

Untuk mengambil unsur I dilakukan secara

acak sederhana dari nomor pertama sampai
dua puluh. Misalnya, sudah tertarik nomor
15, untuk selanjutnya diambil setiap jarak
20 satu sampel. Dalam hal ini akan diambil
nomor 35, 55, 75, … dan seterusnya sampai
didapatkan 25 orang.
 Stratified Random Sampling (1)
 Untuk populasi yang bersifat heterogen
 Agar semua sifat dapat terwakili, terlebih
dahulu populasi tersebut dibagi menjadi
beberapa strata, misalnya pendidikan
(tinggi, sedang, kurang), ekonomi (kaya,
sedang, miskin)
 Kelebihan : semua ciri yang heterogen di
dalam populasi dapat terwakili dan
memungkinkan mencari hub. antarstrata at
membandingkannya.
 Stratified Random Sampling (2)

 Di dalam melakukan stratifikasi dan pengambilan

sampel perlu diperhatikan hal-hal berikut:
1. Unsur populasi dlm strata sehomogen mungkin
2. Antarstrata diusahakan seheterogen mungkin
3. Sampel diambil scr proporsional mnt besarnya
unit yang ada di dalam masing2 strata
4. Di dalam masing2 strata diambil secara acak
 Stratified Random Sampling (3)
Diketahui 3650 jumlah KK menurut tk pendidikan :
Tdk SD = 150 KK, SD = 250 KK, SMP = 750 KK, SMA
= 1500 KK, PT = 1000
Jika akan diambil 700 KK maka setiap jenjang
pendidikan akan diambil :
Tdk SD = (150/3650) x 700 = 28.8 = 29
SD = (250/3650) x 700 = 49.9 = 50
SMP = (750/3650) x 700 = 143.8 = 144
SMA = (1500/3650) x 700 = 287.6 = 287
PT = (1000/3650) x 700 = 191.8 = 192
 Cluster Random Sampling
 Populasi dibagi ke dalam gugus/kelas yang
diasumsikan di dalam setiap kelas/gugus
sudah terdapat semua sifat/variasi yang
akan diteliti.
 Gugus/kelas tersebut disebut sbg kluster
 Dalam gugus/kelas seheterogen mungkin
 Antar gugus/kelas sehomogen mungkin
 Dikenal sebagai area sampling
 Multistage Random Sampling
 Dilakukan jika secara geografis populasi sangat
menyebar dan meliputi area yang sangat luas.
 Misalnya, kita akan meneliti puskesmas di
Indonesia yang terdiri dari 33 provinsi.
 Tahap pertama diacak dulu 5 provinsi dari 33
provinsi itu, selanjutnya masing-masing provinsi
diacak lagi kabupaten mana yang akan ditarik
sebagai sampel (tahap II). Setelah Kabupaten
ditarik, tahap III diacak lagi puskesmas mana
yang akan menjadi sampel dari penelitian itu.
 Quota Sampling
 Sampel yang akan diambil
ditentukan oleh pengumpul data dan
sebelumnya telah ditentukan jumlah
yang akan diambil.
 Kalau jumlah tersebut sudah dicapai,
si pengumpul data berhenti,
selanjutnya hasil itu dipresentasikan.
 Contoh Quota Sampling
 Seorang Bidan ingin mengetahui apakah masyarakat
setuju akan adanya program KB. Sebelum pulta
ditentukan bahwa dia akan mewawancarai sebanyak
500 orang yang datang ke Klinik “X”.
 Kepada setiap pasien yang datang ke klinik
ditanyakan apakah orang itu setuju atau tidak
dengan program tersebut. Orang yang ditanya
mungkin hanya menjawab setuju atau tidak setuju.
 Bidan tersebut akan berhenti setelah dia menanyai
sebanyak 500 orang dan akan menulis hasil
temuannya.
 Accidental Sampling

 Sampel tersebut tidak terencana dan

penggambaran hasil dari pengumpulan
data tersebut tidak didasarkan pada suatu
metode yang baku.
 Misalnya, terjadi suatu keadaan luar biasa,
data yang sudah terkumpul disajikan
secara deskriptif dan hasil tersebut tidak
dapat digeneralisasi.
 Purposive Sampling

 Sampel ditentukan oleh orang yang telah

mengenal betul populasi yang akan diteliti
(seorang ahli di bidang yang akan diteliti)
 Dengan demikian, sampel tersebut
mungkin representatif untuk populasi yang
sedang diteliti.
Besar
Sampel
 BESAR SAMPEL
 Jumlah sampel diharapkan 100%
mewakili populasi
 Makin besar sampel makin sedikit
peluang kesalahan generalisasi
 Makin kecil sampel makin besar
peluang kesalahan generalisasi
 Besar sampel tergantung pada tk.
Ketelitian / kesalahan yang
dikehendaki
 Makin besar tingkat kesalahan makin
kecil sampel
 KETENTUAN NILAI Z

68,27% = 1,00
95% = 1,96
95,45% = 2,00
99% = 2,58
99,73% = 3,00
PENENTUAN BESAR SAMPEL

Tergantung pada :
1. Sumber2 yg dpt digunakan utk
menentukan batas maksimal besar
sampel

2. Rencana analisis (menentukan batas

minimal sampel)
Hal-hal yg perlu diperhatikan :

1. Perkiraan angka (prevalensi, proporsi)

Bila tidak diketahui biasanya : 50 %
(0.5)
2. Derajat ketepatan yang diinginkan
(presisi). Biasanya 5%, 10%
3. Derajat kepercayaan (Confidence
level), 90%, 95%, 99%
4. Jumlah populasi yang harus diwakili
sampel tersebut.
Jumlah sampel untuk
Estimasi Proporsi
Rumus

n= Z²1-/2 P (1-P)
d²

n = besar minimal sampel

Z²1-/2 = nilai Z pada derajat kepercayaan
1-/2
P = proporsi kasus yang diteliti
d = simpangan maksimal thd prevalen
1 = probabilitas maksimal
Contoh
Berapa jumlah sampel minimal yang diperlukan
untuk penelitian hiperlipidemia jika diketahui
proporsi hiperlipidemia 26% dengan tingkat
kepercayaan 95% dan nilai simpangan thd
prevalen 5%?

n= Z²1-/2 P (1-P)
d²

n= (1.96)² * 0.26 (1 – 0.26)

(0.05)²

= 295.6 = 296
Jumlah sampel untuk estimasi
rata-rata
Rumus :

n= Z²1-/2 * ²
d²

n = besar minimal sampel

Z²1-/2 = nilai Z pada derajat kepercayaan
1-/2

 = standar deviasi
d = simpangan maksimal thd rata-rata
1 = probabilitas maksimal
Contoh
Suatu penelitian tentang hiperlipidemia dimana
simpangan maksimal thd rata2 = 10 gr/dL dan
simpangan baku kadar kolesterol = 43.0 gr/dL.
Jika penelitian menginginkan tk kepercayaan 95%,
hitung besar sampel minimal ?

Z²1-/2 * ²
n=
d²

(1.96)² * (43.0) ²
n=
(10)²

= 71