Besar Sampel untuk Estimasi

Proporsi dan Beda 2 Proporsi

Anggun Budiastuti, SKM., M.Epid

FAKULTAS KESEHATAN MASYARAKAT
UNIVERSITAS SRIWIJAYA
 Outline

Estimasi Proporsi

Uji hipotesis 1 Proporsi: 1 Arah ( One-tailed) & 2 Arah ( two-tailed)

Estimasi Beda 2 Proporsi

Uji Hipotesis Beda 2 Proporsi: 1 Arah ( One-tailed) & 2 Arah ( two-tailed)

 Pertanyaan dalam perhitungan sampel?

1. Berapa banyak orang yang sakit/kondisi tertentu?

2. Kenapa orang mengalami sakit/ kondisi tertentu?
“Berapa subyek yang diperlukan dalam suatu penelitian agar
dapat diperoleh hasil dengan tingkat kepercayaan tertentu?”
Faktor yang mempengaruhi ukuran sampel

 Presisi penaksiran yang diinginkan peneliti

 Tingkat Keyakinan ( Confidence Interval)
 Kuasa statistik ( statistical power) yang diinginkan
 Perkiraan prevalensi penyakit yang ditaksir (Epidemiologi deskriptif)
 Perkiraan besarnya pengaruh paparan terhadap penyakit (Epidemiologi analitik)
 Ukuran populasi
Presisi penaksiran yang diinginkan peneliti

 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

 Nilai tersebut diperoleh dari penelitian terdahulu.

 Dalam studi deskriptif, proporsi variabel diperkirakan dari pustaka.
 Dalam studi perbandingan (misalnya uji klinis yang membandingkan proporsi kesembuhan
subyek pada kelompok kontrol dan kelompok perlakuan), proporsi kesembuhan subyek
pada kelompok kontrol diperoleh dari pustaka/studi pendahuluan.
 Kesalahan dalam uji hipotesis
 Hipotesis nol (Ho) = tidak ada perbedaan hasil studi.
Dalam uji hipotesis tidak bisa dihindarkan terjadinya 2 kesalahan, yakni:
1. Kesalahan tipe I (α) adalah besarnya peluang untuk menolak Ho pada sampel, padahal dalam populasi Ho
benar.
2. Kesalahan tipe II (β) adalah besarnya peluang untuk tidak menemukan perbedaan yang bermakna dalam
sampel, padahal dalam populasi perbedaan itu ada. Jadi β adalah besarnya peluang untuk tidak menolak
Ho yang sebenarnya harus ditolak.
 Estimasi Proporsi dengan presisi mutlak
ada 3 informasi yang diperlukan:
 Proporsi penyakit atau keadaan yang akan dicari, (P) [dari pustaka]
 Tingkat ketepatan absolut yg diinginkan/presisi (d) [ditetapkan]
 Tingkat kemaknaan (α) [ditetapkan], z1-α/2 = nilai sesuai kesalahan tipe I dan tingkat kepercayaan

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

n= = 63,37 ibu hamil.

Jumlah tersebut dibulatkan menjadi 64 ibu hamil. Berarti 64 ibu hamil diperlukan sebagai
sampel agar kita 90% percaya dalam melakukan estimasi prevalensi anemia pada ibu hamil.
 Akan tetapi harus diingat bahwa p(1-p) akan memberikan berbagai nilai berikut ini,
untuk nilai p yg berbeda:

P P (1-P)
0.5 0.25
0.4 0.24
0.3 0.21
0.2 0.16
0.1 0.09

 Disarankan apabila peneliti tidak mengetahui besarnya nilai p dalam populasi,

memilih p sebesar 0.5 akan selalu memberikan observasi yg cukup, tanpa melihat
besarnya nilai proporsi yg sesungguhnya.
 Uji hipotesis satu Proporsi

Untuk One-tailed
 Misalnya kita akan menguji hipotesis : Ho : Pa=P0
Versus hipotesis alternative : Ha: Pa>P0

 Besar sampel yang diperlukan ditentukan dengan rumus:

[ 𝑍 1 −𝛼 √ 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)
 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:

[1,64 √ 0,15 ( 1 − 0,15 ) +1,28 √ 0,10 ( 1 − 0,10 ) ] 2

=
( 0,10 − 0,15 ) 2
 Uji hipotesis satu Proporsi

Untuk Two-tailed
 Misalnya kita akan menguji hipotesis : Ho : Pa=P0
Versus hipotesis alternative : Ha: Pa≠P0

 Besar sampel yang diperlukan ditentukan dengan rumus:

[ 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

n = [1,96 √ {(0,7)(0,3)} + 1,282√{(0,8)(0,2)}]2/[0,1]2 = 199,09

Jadi dibutuhkan sebuah sampel sebesar 200 pasien.
Dengan cara yang sama, karena nilai Pa bisa 10% lebih kecil daripada Po dilakukan perhitungan dengan menggunakan Pa =
0,6
Dik : Po = 0,70 Pa=0,6 α = 0,05  z1-α/2 = 1,96 1-β = 90%  z1-β = 1,282

n = [1,96 √ {(0,7)(0,3)} + 1,282√{(0,6)(0,4)}]2/[0,1]2 = 232,94

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

 Beda proporsi pada populasi merupakan ukuran tersendiri, P1-P2.

 Pada penelitian epidemiologi , beda dua proporsi ini juga disebut dengan beda risiko (risk
difference).
 Rumusnya:
n=
Contoh soal

 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

Rumus n untuk one tailed

Misalnya sebuah studi dirancang untuk menguji Ho: P1-P2 dibandingkan Ha:P1>P2
Rumusnya:

Keterangan:
=
 Uji hipotesis untuk beda 2 proporsi

Rumus n untuk two tailed

Misalnya sebuah studi dirancang untuk menguji Ho: P1-P2 dibandingkan Ha:P1>P2
Rumusnya:

Keterangan:
=
Contoh soal

 Peneliti melakukan uji klinis untuk mengetahui apakah terdapat

perbedaan efektivitas obat baru A dengan obat standar B terhadap
penyakit X. proporsi kesembuhan dengan obat standar A adalah 60%
sedangkan obat standar B adalah 80%. Bila tingkat kepercayaan 95%,
dan power = 80%. Berapa sampel yang diperlukan?
 Jawaban :
 Z 1-  & Z 1-  /2 untuk nilai  tertentu

CI  Z 1- Z 1-/2

90% 0.10 1.28 1.65

95% 0.05 1.65 1.96
97,5% 0.025 1.96 2.24
99% 0.01 2.33 2.58
 Z  untuk nilai  tertentu

 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