Estimasi Proporsi
Perbedaan hasil studi yang diamati ditentukan oleh peneliti, dan seyogyanya angka yang
digunakan tidak diperoleh dari pustaka, melainkan didasarkan pada judgment klinis
peneliti.
Makin kecil perbedaan hasil yg diinginkan, makin banyak subyek yang dibutuhkan.
Tingkat Keyakinan ( Confidence Interval)
mengestimasi rentang nilai pada populasi dengan dasar 1nilai yang diperoleh dari sampel
yang mewakili populasi.
Lebar interval kepercayaan sangat dipengaruhi oleh besar sampel. Interval ini akan
makin lebar dengan berkurangnya besar sampel, yang sekaligus menunjukkan power yang
kecil.
Kuasa statistik ( statistical power) yang diinginkan
Power adalah kekuatan untuk menolak Ho pada data penelitian, apabila dalam populasi
terdapat perbedaan hasil studi.
Nilai power adalah sebesar (1-β) ; bila β = 20%, maka berarti power = 80%. Artinya,
penelitian ini memiliki peluang/kekuatan sebesar 80% untuk mendeteksi perbedaan hasil
studi yang diamati., apabila perbedaan tersebut dalam populasi memang ada.
Nilai (1-β) juga ditetapkan oleh peneliti. Nilai power yang sering digunakan adalah 80%
(0,842) dan 90% (1,282).
Makin besar power yang diinginkan, makin kecil β / makin besar Zβ), makin besar pula
sampel yang diperlukan.
Perkiraan Prevalensi penyakit
Rumusnya:
n=
Rumus ini digunakan untuk simple random sampling.
Ingat, presisi yang biasa digunakan peneliti berada pada rentang 10%-20%
Contoh soal
Kepala Dinas Kesehatan Kabupaten Cianjur ingin mengetahui prevalensi anemia pada ibu hamil.
Berdasarkan informasi pada survey gizi ibu hamil di Jawa Barat diperoleh prevalensi anemia
pada kehamilan sebesar 62%. Berdasarkan masalah dan informasi yang ada, berapa jumlah
sampel yang dibutuhkan jika Kepala Dinas menginginkan presisi mutlak sebesar 10% dan
tingkat kepercayaan 90%?
Jawaban:
nilai p=0,62, d=0,10, z=1,64, maka diperoleh jumlah sampel
P P (1-P)
0.5 0.25
0.4 0.24
0.3 0.21
0.2 0.16
0.1 0.09
Untuk One-tailed
Misalnya kita akan menguji hipotesis : Ho : Pa=P0
Versus hipotesis alternative : Ha: Pa>P0
n = besar sampel
z1-α = nilai sesuai kesalahan tipe I dan tingkat kepercayaan
z1-β = nilai sesuai kesalahan tipe II dan kekuatan uji
= proporsi yang diteliti [dari pustaka/studi pendahulu]
= proporsi alternative [clinical judgement)
Selama masa wabah tetanus neonatarum yang virulen, petugas kesehatan menginginkan
untuk menentukan apakah prevalensinya turun setelah sebelumnya naik sampai 150
kasus/1000 kelahiran hidup. Berapa besar sampel yang diinginkan untuk menguji Ho: P =
0,15 pada α=0,10 bila diinginkan 90% kemungkinan dapat mendeteksi angka kesakitan
100/1000 jika ini prevalensi yang sesungguhnya.
Jawaban:
Untuk Two-tailed
Misalnya kita akan menguji hipotesis : Ho : Pa=P0
Versus hipotesis alternative : Ha: Pa≠P0
[ 𝑍 1 −𝛼 /2 √ 𝑃 0 (1 − 𝑃 0 )+ 𝑍 1 − 𝛽 √ 𝑃 𝑎 ( 1 − 𝑃𝑎 ) ] 2
( 𝑃𝑎− 𝑃0) 2
n = besar sampel
z1-α = nilai sesuai kesalahan tipe I dan tingkat kepercayaan
z1-β = nilai sesuai kesalahan tipe II dan kekuatan uji
= proporsi yang diteliti [dari pustaka/studi pendahulu]
= proporsi alternative [clinical judgement)
Misalnya angka keberhasilan perawatan bedah untuk suatu penyakit jantung dilaporkan dalam literatur sebesar 0,70. Suatu
perawatan baru diusulkan, dan diduga mempunyai tingkat keberhasilan yang sama dengan perawatan bedah . sebuah rumah
sakit yang tidak memiliki fasilitas perawatan bedah dan dokter ahli yang memadai telah menetapkan untuk menggunakan
metode perawatan baru ini terhadap semua pasien dengan diagnose penyakit jantung tersebut. Berapa jumlah pasien yang
harus diteliti untuk menguji Ho : P =0,70 melawan Ha : P ≠ 0,70 pada tingkat kemaknaan 0,05 jika diinginkan untuk
mendapatkan kekuatan (power) uji 90% untuk mendeteksi perbedaan proporsi sebesar 10 persen atau lebih?
Peny :
Pertama-tama kita menetapkan bahwa Pa 10% lebih besar daripada Po (artinya Pa=0,8)
Dik : Po = 0,70 Pa=0,8 α = 0,05 z1-α/2 = 1,96 1-β = 90% z1-β = 1,282
Jadi dengan mengambil angka yang terbesar dari kedua perhitungan tersebut diatas, kita membutuhkan 233 pasien untuk
diteliti dengan metode perawatan yang baru.
Estimasi Beda 2 Proporsi
Dari hasil penelitian di Negara lain, diperoleh hasil bahwa ibu yang menderita hipertensi
memiliki risiko 18% untuk melahirkan BBLR. Sedangkan ibu yang tidak menderita
hipertensi memiliki risiko 9%. Estimasi beda risikonya: 18%-9% = 9%. Jika seorang
peneliti ingin melakukan penelitian yang sama di negaranya dan ia menginginkan presisi
2% serta derajat kepercayaan 95%. Berapa besar sampel yang diperlukan?
Jawaban = 2204,12 orang = 2205.
Uji hipotesis untuk beda 2 proporsi
Keterangan:
=
Uji hipotesis untuk beda 2 proporsi
Keterangan:
=
Contoh soal
CI Z 1- Z 1-/2
1 - Z 1-
> 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
Referensi
Ariawan,Iwan. 1998. Besar dan Metode Besar Sampel Pada Penelitian Kesehatan. Jurusan
Biostatistik dan kependudukan FKM UI
Lemeshow, Stanley. 1990. Adequancy of sample size in health studies.
Sastroasmoro S, Ismael S. 2014. Dasar-dasar metodologi penelitian Klinis. Jakarta :
Sagung Seto