SAMPLING

Sumber :
Adequacy of Sample Size in Health Studies
Lemeshow et al., 1997
 Definisi

Sampling atau pengambilan sampel

adalah proses memilih sejumlah
subyek dari populasi untuk dijadikan
sebagai unit penelitian.
Alasan melakukan
pengambilan sampel :
Pada sebagian besar penelitian, terutama yg menggunakan populasi
manusia, tdk semua orang bisa diteliti
Populasi terlalu besar jumlahnya
Populasi tdk bisa didefinisikan sec spesifik berdasarkan ruang dan waktu
HAL2 YG PERLU DIPERTIMBANGKAN
DLM PERHITUNGAN JUMLAH
SAMPEL:

Substansi atau tujuan penelitian (mengukur kejadian

penyakit /masalah kesehatan, atau menguji hipotesis)
Desain penelitian yg digunakan (Cross-sectional, Kasus kontrol,
atau Kohort)
Outcome penelitian (rata-rata, proporsi, atau insidensi)
Tingkat kemaknaan yg diinginkan
Kekuatan penelitian, apabila ingin menguji hipotesis
Presisi yg diinginkan
Cara pengambilan sampel (sederhana atau kompleks)
 Perhitungan Besar Sampel
(Lemeshow et al., 1997)

Satu Dua
Populasi Populasi

Variabel Variabel Variabel Variabel Variabel Variabel

Outcome Outcome Outcome Outcome Outcome Outcome
Kontinyu Kategorik Orang-Waktu Kontinyu Kategorik Orang-Waktu
(Rata-rata) (Proporsi) (Insidensi) (Rata-rata) (Proporsi) (Insidensi)

Pengujian
Hipotesis
Tanpa Ada Tanpa Ada Tanpa Ada Tanpa Ada Tanpa Ada Untuk
Hipotesis Hipotesis Hipotesis Hipotesis Hipotesis Hipotesis Hipotesis Hipotesis Hipotesis Hipotesis Insidensi
Dua
Populasi

Pengujian Pengujian Pengujian Pendugaan Pengujian Pendugaan Pengujian Pengujian Pengujian

Pendugaan Hipotesis Pendugaan Hipotesis Pendugaan Hipotesis Perbedaan Hipotesis Perbedaan Hipotesis Hipotesis Hipotesis
Rata-rata Rata-rata Proporsi Proporsi Insidensi Insidensi antara Untuk Dua antara Untuk Dua Terhadap Risiko
populasi Satu Populasi Populasi Populasi Populasi Dua Rata-rata Dua Proporsi Odds Relatif
Populasi Tunggal Tunggal Rata-rata Populasi Proporsi Populasi Ratio Populasi
 PENDUGAAN PROPORSI POPULASI
Satu populasi, variabel outcome kategorik (proporsi), tanpa hipotesis

•Pendugaan proporsi populasi umumnya digunakan

dalam studi cross-sectional yang bertujuan mengetahui
prevalensi masalah kesehatan di suatu populasi tanpa
melakukan uji hipotesis tertentu.

•Rumus perhitungan sampelnya adalah:

2
z1 / 2 P(1  P)
n 2
d
Seorang kepala dinas kesehatan kota ingin mengetahui proporsi anak
di kab. Yg menerima imunisasi lengkap.
•Perlu diingat bahwa P(1-P) akan memberikan berbagai nilai
untuk nilai P yang 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

•Besar sampel yg dipilih akan paling besar jika P=0.5.

•Disarankan bila peneliti tdk mengetahui besarnya P dlm

populasi, memilih P sebesar 0.5 akan selalu memberikan
observasi yg cukup.
Umumnya rumus perhitungan jumlah sampel ini akan
menghasilkan jumlah sampel yg diperlukan jika menggunakan
cara pengambilan sampel acak sederhana (simple random
sampling)

Dalam survei lapangan yg sesungguhnya, cara pengambilan

sampel yg digunakan akan lebih kompleks, misalnya
menggunakan sampel kelompok (cluster sampling), dengan
design effect sebesar 2.

Apabila cara pengambilan sampel sec cluster yg digunakan,

maka jumlah sampel yg diperlukan dua kali lebih besar dari hasil
perhitungan jumlah sampel yg telah didapat.
Apabila menginginkan penduga proporsi
populasi jatuh dlm jarak 10% dari nilai proporsi
populasi yg sebenarnya, maka presisi yg
digunakan adalah presisi relatif ().

Rumus perhitungan jumlah sampelnya adalah:

2 (1 P)
nz 1 / 2 2
εP
Hal2 yg perlu diperhatikan dalam pendugaan
proporsi populasi adalah:

Simbol Definisi
 tingkat kemaknaan yg diinginkan
Z1-/2 angka galat baku normal untuk 
P proporsi (prevalensi) yg diduga
d presisi absolut
 presisi relatif
CONTOH SOAL PENDUGAAN PROPORSI
POPULASI

1. Seorang Kepala Dinas Kesehatan Kabupaten ingin

mengetahui proporsi anak-anak di kabupatennya yg
sdh menerima imunisasi lengkap.
Dengan anggapan bhw akan dipilih sebuah sampel
acak sederhana, berapa jumlah anak yg hrs diteliti
agar penduga yg dihasilkan akan jatuh dlm jarak 10%
dibawah dan diatas penduga yg sesungguhnya,
dengan kepercayaan sebesar 95%?
CONTOH SOAL PERHITUNGAN SAMPEL UNTUK
PENDUGAAN PROPORSI POPULASI

2. Berapa besar sampel yg diperlukan untuk menduga

proporsi kehamilan pd populasi yg memanfaatkan
perawatan prenatal dlm trimester pertama kehamilan
dalam interval 5% dari proporsi yg sesungguhnya
dengan tingkat kepercayaan 95%?

Diperkirakan bhw proporsi wanita yg memanfaatkan

perawatan seperti itu adalah antara 25% s.d 40%.
 PENGUJIAN HIPOTESIS UNTUK
PROPORSI POPULASI TUNGGAL
Satu populasi, variabel outcome kategorik (proporsi), ada
hipotesis
•Pengujian hipotesis proporsi populasi tunggal
dilakukan apabila ingin membuktikan hipotesis
bahwa proporsi populasi yg diduga lebih besar
dari proporsi populasi pada penelitian
sebelumnya (Hipotesis alternatif satu arah).

•Hipotesis yg akan diuji:

H0: P = P0
Ha: P > P0
Rumus perhitungan sampel utk pengujian
hipotesis proporsi populasi tunggal, dengan
hipotesis alternatif satu arah, adalah:

n

z 1 Po (1  Po )  z1 Pa (1  Pa ) 
2

Pa  Po 2
•Jika ingin membuktikan hipotesis bahwa
proporsi populasi yg diduga akan berbeda
dari proporsi populasi pada penelitian
sebelumnya, tanpa menentukan lebih
besar atau lebih kecil (Hipotesis alternatif
dua arah), maka hipotesis yg akan diuji:

H0: P = P0
Ha: P  P0
Rumus perhitungan sampel untuk pengujian
hipotesis proporsi populasi tunggal, dengan
hipotesis alternatif dua arah, adalah:

n

z 1 / 2 Po (1  Po )  z1 Pa (1  Pa ) 
2

Pa  Po 
2
Hal2 yg perlu diperhatikan dalam pengujian hipotesis
untuk proporsi populasi tunggal adalah:
Simbol Definisi
 tingkat kemaknaan yg diinginkan
1- kekuatan penelitian
Z1- angka galat baku normal untuk , pada hipotesis
alternatif satu arah.
Z1-/2 angka galat baku normal untuk , pada hipotesis
alternatif dua arah.
Z1- angka galat baku normal untuk 1-
P0 proporsi populasi berdasarkan penelitian pendahuluan
Pa proporsi populasi yg diduga
Contoh soal perhitungan sampel untuk
pengujian hipotesis proporsi populasi tunggal

1. Dalam survei yg dilakukan sebelumnya, diketahui bhw

angka prevalensi karies gigi pada anak sekolah di suatu
daerah adalah 25%.
Berapa jumlah anak sekolah yg hrs diteliti dalam
survei yg akan dilakukan bila diinginkan 80%
keyakinan bahwa prevalensinya adalah 20% atau
kurang, dengan tingkat kemaknaan 0.05?
Contoh soal perhitungan sampel untuk
pengujian hipotesis proporsi populasi tunggal

2. Menurut data yg dikeluarkan oleh suatu Dinas

Kesehatan Kabupaten, proporsi pasien yg melakukan
pemeriksaan kehamilan pd trimester pertama adalah
40%. Petugas kesehatan di lain kabupaten tertarik
untuk membandingkan keberhasilan mereka dlm
pelayanan perawatan kehamilan dengan data tersebut.
Berapa ibu yg hrs diteliti untuk menguji H0: P=0.40
melawan Ha: P0.40 agar kita memiliki kekuatan
penelitian 80% untuk mendeteksi perbedaan sebesar
5% dengan =0.05?
 PENDUGAAN PERBEDAAN ANTARA
DUA PROPORSI

Dua populasi, variabel outcome kategorik (proporsi), tanpa hipotesis

• Perbedaan antara dua proporsi populasi dalam literatur

epidemiologi disebut sebagai perbedaan risiko (Risk
Difference)

• Rumus perhitungan jumlah sampel untuk pendugaan

beda dua proporsi populasi adalah:

z 2
1 / 2
P1 1P1  P2 1P2 
n 2
d
Bila menginginkan n2 proporsional dengan n1
(misalnya n2=kn1), maka rumus perhitungan
jumlah sampel untuk pendugaan beda dua
proporsi populasi berubah menjadi:

2
z1 / 2 kP1 1P1  P2 1P2 
n 2
kd
Hal2 yg perlu diperhatikan dalam pendugaan perbedaan
dua proporsi adalah:
Simbol Definisi
n Besar sampel untuk salah satu populasi
 tingkat kemaknaan yg diinginkan
Z1-/2 angka galat baku normal untuk 
P1 proporsi populasi kelompok 1, berasal dari literatur
atau sampel percobaan
P2 proporsi populasi kelompok 2, berasal dari literatur
atau sampel percobaan
d presisi absolut
k rasio jumlah sampel yg diinginkan antara kelompok 1
dan kelompok 2
HAL PENTING DALAM
PEMAHAMAN BESAR SAMPEL 2
PROPORSI
P1 = proporsi pada kelompok pertama (sampel pertama)
P2 = proporsi pada kelompok kedua (sampel kedua)
Melihat kekuatan uji yang diinginkan (power of the test/ beta (β)).
Melihat tingkat kemaknaan (α).
BESAR SAMPEL 2
PROPORSI
Biasa digunakan dalam penelitian dengan desain eksperimen.
Penelitian kohort
Penelitian cross sectional.
P1 DAN P2 PADA EKSPERIMEN,
KOHORT & CROSS-SECTIONAL

P1 = a/(a+b)
P2 = c/(c+d)

Keluaran
Sebab + - Total
+ a b a+b
- c d c+d
Total a+c b+d a+b+c+d
KETERANGAN
P1 = Proporsi kelompok sakit pada yang terpajan
P2 = Proporsi kelompok sakit pada yang tidak terpajan
α = misalkan 0.05 (ditentukan peneliti dengan mengacu teori statistik)
Zα = misalkan 1.96 (ditentukan peneliti dengan mengacu teori statistik)
ß = misalkan 0.20 (ditentukan peneliti dengan mengacu teori statistik)
P1 DAN P2 PADA CASE CONTROL

P1 = a/(a+c)
P2 = b/(b+d)

Keluaran
Sebab + - Total
+ a b a+b
- c d c+d
Total a+c b+d a+b+c+d
KETERANGAN
P1 = Proporsi subjek yang terpajan pada kelompok yang sakit
P2 = Proporsi subjek yang terpajan pada kelompok yang tidak sakit
α = misalkan 0.05 (ditentukan peneliti dengan mengacu teori statistik)
Zα = misalkan 1.96 (ditentukan peneliti dengan mengacu teori statistik)
ß = misalkan 0.20 (ditentukan peneliti dengan mengacu teori statistik)
Contoh soal perhitungan sampel untuk
pendugaan perbedaan dua proporsi
populasi

Bila diinginkan untuk menduga perbedaan risiko terhadap

pemaparan lingkungan dlm dua kelompok industri, berapa
besar sampel yg hrs diambil, agar supaya penduga jatuh
dlm jarak 5% dari perbedaan yg sesungguhnya dengan
tingkat kepercayaan 95%, jika tidak ada penduga risiko
pemaparan yg tersedia untuk kedua kelompok?
 CONTOH SOAL
Pilot study yang dilakukan pada 50 subjek memberikan hasil nilai p1 dan p2

sebesar 0,40 dan 0,32. Dengan menggunakan presisi 5% dan CI 95% berapa

banyak tambahan pasien yang diperlukan?

CONTOH SOAL

Pilot study yang

dilakukan pada 50
subjek memberikan
hasil nilai p1 dan p2
sebesar 0,40 dan 0,32.
Dengan menggunakan
presisi 5% dan CI 95% (tab 5c, hal 120)
berapa banyak Tambahan pasien yang
tambahan pasien yang diperlukan sebesar 704-
diperlukan? 50= 654
 PENGUJIAN HIPOTESIS UNTUK DUA
PROPORSI POPULASI
Dua populasi, variabel outcome kategorik (proporsi), ada hipotesis

•Pengujian hipotesis beda dua proporsi populasi

dilakukan apabila ingin membuktikan hipotesis
bahwa proporsi populasi kelompok 1 lebih besar
dari proporsi populasi kelompok 2 (Hipotesis
alternatif satu arah).

•Hipotesis yg akan diuji:

H0: P1 = P2
Ha: P1 > P2
Rumus perhitungan sampel untuk pengujian
hipotesis beda dua proporsi populasi, dengan
hipotesis alternatif satu arah, adalah:

n

z1     
2 P 1 P  z1 P1 1  P1  P2 1  P2 

2

 
P1  P2 2

P  (P1  P2 ) / 2
•Jika ingin membuktikan hipotesis bahwa
proporsi populasi kelompok 1 berbeda
dari proporsi populasi kelompok 2
(Hipotesis alternatif dua arah), maka
hipotesis yg akan diuji:

H0: P1 = P2
Ha: P1  P2
Rumus perhitungan sampel untuk pengujian
hipotesis beda dua proporsi populasi, dengan
hipotesis alternatif dua arah, adalah:

 
2
z1 / 2 2 P(1  P)  z1 P1 1  P1  P2 1  P2  
n  
P1P2 2

P  (P1  P2 ) / 2
Hal2 yg perlu diperhatikan dalam pengujian
hipotesis untuk dua proporsi populasi adalah:
Simbol Definisi
n Besar sampel untuk salah satu populasi
 tingkat kemaknaan yg diinginkan
Z1- angka galat baku normal untuk , pada
hipotesis alternatif satu arah.
Z1-/2 angka galat baku normal untuk , pada
hipotesis alternatif dua arah.
Z1- angka galat baku normal untuk 1-
P1 proporsi populasi kelompok 1
P2 proporsi populasi kelompok 2
Contoh soal perhitungan sampel untuk
pengujian hipotesis dua proporsi
populasi
Diperkirakan angka karies gigi pd anak sekolah di
suatu kabupaten adalah 800 per 1000 dan di kabupaten
lain 600 per 1000.
Berapa murid yg hrs diambil dari tiap kabupaten untuk
menentukan apakah perbedaan ini bermakna pd
tingkat kemaknaan 10% jika kita menginginkan untuk
mendapatkan 80% kemungkinan untuk mendeteksi
perbedaan jika perbedaan ini nyata?
Diketahui:
p1 = 0,8
P2 = 0,6
P = (P1 + P2) / 2 = (0,80 + 0,60)/2 = 0,70
α= 0,10 →Z1-α = 1,28 (satu sisi)
1-β = 0,80 → Z1-β = 0,842

n=
z 1- 2 P(1 - P ) + z1-  P1 (1 - P1 ) + P 2 (1 - P 2 )
2

2

( P1 - P 2 )

{1,282 2(0,7)(0,3)  0,842 (0,8)(0,2)  (0,6)(0,4)}2

n
(0,8  0,6) 2

n= 47
Jumlah minimal sampel yg dibutuhkan tiap kabupaten adalah
47 org tab 6h, hal 129
MENCARI N DENGAN TABEL
CONTOH 2
Nyeri pd 80% pasien osteoartritis dpt dihilangkan dg obat A, dan 50% dg
paracetamol. Ingin diuji apakah obat A lebih efektif dr paracetamol?. Brp
besar sampel yg dibutuhkan jika peneliti menetapkan derajat kemaknaan 1%
dan kekuatan uji 80%?
Diketahui:
p1 = 0,8
P2 = 0,5
P = (P1 + P2) / 2 = (0,80 + 0,50)/2 = 0,65
α= 0,01 →Z1-α = 2,33 (satu sisi)
1-β = 0,80 → Z1-β = 0,842

n=
z 1- 2 P(1 - P ) + z1-  P1 (1 - P1 ) + P 2 (1 - P 2 )
2

2

( P1 - P 2 )

{2,33 2(0,65)(0,35)  0,842 (0,8)(0,2)  (0,5)(0,5)}2

n
(0,8  0,5) 2
n= 49,45
Jadi jumlah minimal subyek yg dibutuhkan adalah 50 org tiap
kelompok tab 6b, hal 123
MENCARI N DENGAN TABEL
B. UJI HIPOTESIS UNTUK DUA PROPORSI POPULASI
(TWO TAIL)

n
z 1  / 2 2 P (1  P )  z1  P1 (1  P1 )  P2 (1  P2 ) 
2

2
( P1  P2 )
• Z1-α/2 = angka galat baku normal untuk , pada hipotesis
alternatif dua arah
CONTOH 1
Dalam sebuah survei pendahuluan, seorang ahli epidemiologi membandingkan
sebuah sampel terdiri dari 50 subjek dewasa yang menderita suatu penyakit
neurologik dan sampel lainnya terdiri dari 50 subjek sebagai pembanding
yang tidak mengalami penyakit tersebut.

Sebanyak 30 orang di antara mereka yang menderita penyakit tersebut

(60 %) dan 25 dari subjek pembanding (50%) terlibat dalam industri yang
menggunakan sejenis bahan kimia. Dengan menganggap bahwa proporsi
mereka yang bekerja di industri ini di populasi sama dgn yang telah diteliti
pada survey pendahuluan, berapa jumlah subjek tambahan yang perlu diteliti
dalam tiap group untuk mendapatkan 90% kepercayaan untuk mendeteksi
perbedaan yang sesungguhnya antara kedua kelompok jika hipotesisnya diuji
pada tingkat kemaknaan 5 %?
 Diketahui:
p1 = 0,60
P2 = 0,50
P = (P1 + P2) / 2 = (0,60 + 0,50)/2 = 0,55
α= 0,05 →Z1-α = 1,96 (dua sisi)
1-β = 0,90 → Z1-β = 0,282

n
z 1  / 2 2 P (1  P )  z1  P1 (1  P1 )  P2 (1  P2 ) 
2

( P1  P2 ) 2
{1,960 2(0,55)(0,45)  1,282 (0,6)(0,4)  (0,5)(0,5) }2
n
(0,6  0,5) 2
n= 518,19
Jumlah minimal sampel yg dibutuhkan adalah 519 orang tiap kelompok
tab 7d, hal 134
Krn dlm survey pendahuluan telah diperiksa 50 subyek, maka diperlukan tambahan
469 subyek dlm tiap kelompok.
MENCARI N DENGAN TABEL
CONTOH 2

Diketahui bhw kadar gula darah mungkin merupakan

faktor prognostik pd pasien dg trauma kepala berat. Pd
penelitian tersebut, dari 20 pasien trauma kepala berat dg
kadar gula darah tinggi, 12 org meninggal dlm 7 hr
perawatan. Sdgkan pd 20 pasien trauma kepala berat dg
kadar gula darah rendah, 6 org meninggal dlm 7 hr
perawatan. Ingin diketahui apk ada perbedaan proporsi
kematian pasien antara pasien dg kadar gula darah tinggi
dan pasien dg kadar gula darah rendah. Berapa sampel yg
dibutuhkan jika derajat kemaknaan 5% dan kekuatan uji
80%.
Diketahui:
p1 = 12/20 = 0,6
P2 = 6/20 = 0,3
P = (P1 + P2) / 2 = (0,60 + 0,30)/2 = 0,45
α= 0,05 →Z1-α = 1,96 (dua sisi)
1-β = 0,80 → Z1-β = 0,842

n
z 1 / 2 2 P (1  P )  z1  P1 (1  P1 )  P2 (1  P2 ) 
2

( P1  P2 ) 2

{1,96 2(0,45)(0,55)  0,842 (0,6)(0,4)  (0,3)(0,7)}2

n
(0,6  0,3) 2

n= 41,97
Jadi dibutuhkan 42 orang tiap kelompok tab 7e, hal 135
MENCARI N DENGAN TABEL
 PENGUJIAN HIPOTESIS TERHADAP
ODDS RATIO
Dua populasi, variabel outcome kategorik (proporsi), ada
hipotesis, desain studi kasus kontrol

 Pengujian hipotesis terhadap odds ratio dilakukan pada

penelitian dengan desain kasus kontrol

 Hipotesis yg akan dibuktikan adalah adanya perbedaan

proporsi terpajan antara kelompok kasus dan kontrol

 Uji hipotesisnya sebagai berikut :

H0: P1* = P2*
Ha: P1*  P2*
Rumus perhitungan sampel utk pengujian hipotesis terhadap
odds ratio adalah:

 
2

z
 1 / 2
 
2 P2* 1 P2*   z1 *  *  *  * 
P1 1 P1   P2 1 P2  
      
 
n
 * *
2
 P  P 
 1 2

*
(OR) P2
*
P1 
*  1 P* 
(OR) P2  2
 
Hal2 yg perlu diperhatikan dalam pengujian hipotesis
terhadap odds ratio adalah:
Simbol Definisi
n Besar sampel untuk populasi kasus
 tingkat kemaknaan yg diinginkan
1- Kekuatan penelitian yg diinginkan
Z1-/2 angka galat baku normal untuk 
Z1- angka galat baku normal untuk 1-
P1* proporsi terpajan pada kasus
P2* proporsi terpajan pada kontrol, berasal dari literatur atau
penelitian sebelumnya
OR besar Odds Ratio yg dianggap bermakna (dapat diperoleh
juga dari penelitian sebelumnya)
 Contoh soal perhitungan sampel untuk
pengujian hipotesis terhadap Odds Ratio

Keandalan vaksin BCG untuk mencegah TB pd anak

masih mnjadi pertanyaan. Atas dasar itu, suatu penelitian
ingin membandingkan cakupan imunisasi pd kelompok yg
menderita TB dengan kelompok pembandingnya. Data
menunjukkan kira-kira 30% dari kelompok pembanding
tdk divaksinasi.
Penelitian ini ingin mendapatkan kekuatan 80% untuk
mendeteksi OR yg signifikan pd tingkat kemaknaan 5%.
Jika OR sebesar 2 dianggap sebagai perbedaan yg penting
diantara kedua kelompok, berapa besar sampel dlm tiap
kelompok?
 PENGUJIAN HIPOTESIS
RISIKO RELATIF POPULASI
Dua populasi, variabel outcome kategorik (proporsi), ada
hipotesis, desain studi kohort

 Pengujian hipotesis risiko relatif populasi dilakukan pada

penelitian dengan desain kohort
 Hipotesis yg akan dibuktikan adalah adanya perbedaan
proporsi penyakit antara kelompok terpajan dan tidak
terpajan
 Uji hipotesisnya sebagai berikut :
H0: P1 = P2
Ha: P1  P2
Rumus perhitungan sampel utk pengujian hipotesis
risiko relatif populasi adalah:

2

z   z    
 1 / 2 2 P 1 P  1 P1 1 P1  P2 1 P2 
n  
 P  P 
2
 1 2

P1  (RR) P2

P1  P2
P
2
Hal2 yg perlu diperhatikan dalam pengujian hipotesis
risiko relatif populasi adalah:
Simbol Definisi
n Besar sampel untuk populasi terpajan
 tingkat kemaknaan yg diinginkan
1- Kekuatan penelitian yg diinginkan
Z1-/2 angka galat baku normal untuk 
Z1- angka galat baku normal untuk 1-
P1 proporsi penyakit pada kelompok terpajan
P2 proporsi penyakit pada kelompok tidak terpajan,
berasal dari literatur atau penelitian sebelumnya
RR besar Risiko Relatif yg dianggap bermakna (dapat
diperoleh juga dari penelitian sebelumnya)
 Contoh soal perhitungan sampel untuk
pengujian hipotesis Risiko Relatif populasi

Dua cara pengobatan untuk sejenis kanker akan

dibandingkan efektifitasnya dengan suatu
penelitian kohort dlm suatu uji klinik multi-center.
Penderita diacak untuk mendapat terapi A atau B
dan kemudian diikuti untuk mendeteksi berapa yg
kambuh selama 5 tahun setelah pengobatan.
Berapa jumlah penderita yg hrs diteliti dlm tiap
kelompok jika diinginkan setiap 90% keyakinan
untuk menolak H0: RR=1 dan mendukung Ha:
RR1, jika diasumsikan bhw P2=0.35 dan RR=0.5?
 ANGKA INSIDENSI
Istilah lain: kepadatan insidensi, angka insidensi
orang-waktu, angka insidensi sesaat, kekuatan
morbiditas, dan Hazard
Angka insidensi menunjukkan jml kejadian
(sakit) sec relatif terhadap waktu sepanjang
kejadian itu muncul
Pengembangannya didasarkan atas analisis
kelangsungan hidup (survival analysis) dan
fungsi hazard (Hazard function)
Contoh penggambaran angka insidensi yg diduga:
5 orang diikuti selama 5 tahun dan 2 orang
diantaranya mendapatkan penyakit yg diteliti,
masing2 setelah 2 dan 3 tahun diikuti. Krn jumlah
kasus adalah 2 dan total orang-tahun yg
mempunyai risiko adalah 5+5+5+2+3=20, maka
angka insidensi yg diestimasi adalah :

λ 2  0.1
20
Pada contoh pengamatan terhadap 5 orang
tersebut, waktu penelitian adalah selama 5
tahun, dan baru terdapat 2 orang yg
mengalami peristiwa penyakit yg diteliti,
sedangkan 3 orang lainnya belum. Setiap
pengamatan yg dihentikan sebelum peristiwa
itu terjadi disebut censored

Jika pengamatan terus dilakukan sampai

terjadi semua subyek mengalami penyakit,
maka tdk ada censoring.
 PENDUGAAN INSIDENSI POPULASI
Satu populasi, variabel outcome orang-waktu (insidensi), tanpa hipotesis

Rumus perhitungan sampel untuk

pendugaan insidensi populasi adalah:

n  z1 / 2 /ε  2
Hal2 yg perlu diperhatikan dalam
pendugaan insidensi populasi adalah:

Simbol Definisi
 tingkat kemaknaan yg diinginkan
Z1-/2 angka galat baku normal untuk 
 presisi relatif
 Contoh soal perhitungan sampel
untuk pendugaan insidensi populasi

Berapa orang hrs diikuti untuk menduga

hazard (insidensi) dalam jarak 10% dari
nilai sesungguhnya dengan tingkat
kepercayaan 95%?
 PENGUJIAN HIPOTESIS INSIDENSI
POPULASI TUNGGAL
Satu populasi, variabel outcome orang-waktu (insidensi), ada hipotesis

•Pengujian hipotesis insidensi populasi tunggal

dilakukan apabila ingin membuktikan hipotesis
bahwa insidensi populasi yg diduga akan berbeda
dari insidensi populasi pada penelitian sebelumnya.

•Hipotesis yg akan diuji:

H0:  =  0
Ha:    0
Rumus perhitungan sampel untuk
pengujian hipotesis insidensi populasi
tunggal adalah:

n
z1 / 2 λ o  z1  λ a 
2

λo  λa  2
Hal2 yg perlu diperhatikan dalam pengujian
hipotesis insidensi populasi tunggal adalah:

Simbol Definisi
 tingkat kemaknaan yg diinginkan
1- kekuatan penelitian
Z1-/2 angka galat baku normal untuk 
Z1- angka galat baku normal untuk 1-
0 insidensi populasi berdasarkan penelitian sebelumnya
a insidensi populasi yg diduga
 Contoh soal perhitungan sampel
untuk pengujian hipotesis insidensi
populasi tunggal
Sudah dilaporkan sec meluas bhw hazard yg
disebabkan oleh pemaparan bahan kimia
tertentu di suatu industri adalah sebesar 0.20,
tetapi akhir2 ini dengan digunakannya teknik
produksi yg baru, hazard tersebut telah
berubah sebesar 25%.
Berapa orang yg hrs diikuti untuk menguji H0:
0=0.20 melawan Ha: a=0.15 atau 0.25 pd
tingkat kemaknaan 5% dan kekuatan uji 80%?
PENGUJIAN HIPOTESIS UNTUK INSIDENSI
DUA POPULASI
Dua populasi, variabel outcome orang-waktu (insidensi), ada hipotesis

•Pengujian hipotesis beda insidensi dua populasi

dilakukan apabila ingin membuktikan hipotesis
bahwa insidensi populasi pada kelompok terpajan
berbeda dengan insidensi populasi pada kelompok
tidak terpajan.

•Hipotesis yg akan diuji:

H0: 1 =  2
Ha: 1   2
Rumus perhitungan sampel untuk pengujian
hipotesis beda insidensi dua populasi adalah:
2

  2

λ 2 λ 2  
z1 / 2 2 λ   z1   1 2 


n  
λ1  λ 2 2

 
λ  λ1  λ 2 / 2
Jika akan diambil besar sampel (n1 dan n2) yg tidak
sama, maka rumus perhitungan sampelnya adalah:

2
 

z1 / 2 1 k λ   z1   kλ1  λ 2  
 2   2 2 
 
n

k λ1  λ 2 2

λ1  kλ 2
λ 
1 k
Apabila waktu pengamatan dilakukan pembatasan
yaitu selama T tahun, maka penelitian perlu
memperhitungkan observasi yg censored.

Rumus perhitungan sampel yg mempertimbangkan

adanya sensor adalah:
2

z1 / 2 2 f λ   z 1 

f λ1  f λ 2 
n  
λ1  λ 2 2

f λ   λ 3T/ λT  1  e  λT   
λ  λ1  λ 2 / 2
Untuk keadaan-keadaan dimana subyek
dimasukkan kedalam penelitian untuk T1 tahun dan
lama waktu total penelitian adalah T tahun (sensor
tetap diperhitungkan), maka rumus perhitungan
sampelnya adalah:
2

z1 / 2

2 gλ   z 1 

gλ1  gλ 2 

n
λ1  λ 2 2

gλ   λ 3T1/ λT1  e  λ T T1  e  λT   
λ  λ1  λ 2 / 2
Hal2 yg perlu diperhatikan dalam pengujian
hipotesis untuk insidensi dua populasi adalah:
Simbol Definisi
n Besar sampel untuk populasi terpajan
 tingkat kemaknaan yg diinginkan
1- kekuatan penelitian
Z1-/2 angka galat baku normal untuk 
Z1- angka galat baku normal untuk 1-
1 insidensi populasi terpajan
2 insidensi populasi tidak terpajan
k rasio jumlah sampel yg diinginkan antara
n1 dan n2
T Waktu pengamatan
 Contoh soal perhitungan sampel
untuk pengujian hipotesis insidensi
dua populasi
1. Suatu hazard penyakit yg disebabkan
pemaparan bahan kimia di suatu industri
sebesar 0.10 dan industri saingannya
menggunakan teknik dengan hazard penyakit
yg diperkirakan sekitar 0.05.
Berapa orang yg hrs diikuti dlm tiap pemaparan
industri untuk menguji perbedaan hazard
penyakit pd kedua industri dengan tingkat
kemaknaan 5% dan kekuatan uji 80%?
 Contoh soal perhitungan sampel
untuk pengujian hipotesis insidensi
dua populasi

2. Suatu hazard penyakit yg disebabkan

pemaparan bahan kimia di suatu industri
sebesar 0.10 dan industri saingannya
menggunakan teknik dengan hazard penyakit
yg diperkirakan sekitar 0.05.
Penelitian ini menggunakan tingkat
kemaknaan 5% dan kekuatan uji 80%, serta
akan berhenti dlm 5 tahun.
Berapa orang yg harus diikuti?
 PENDUGAAN RATA-RATA POPULASI
Satu populasi, variabel outcome kontinyu (rata-rata), tanpa hipotesis

Rumus perhitungan jumlah sampel yg

diperlukan untuk menduga rata-rata
populasi adalah :

n
z1 / 2σ
2 2
2
d
Apabila menginginkan penduga rata-rata
populasi jatuh dlm jarak 10% dari nilai rata-rata
populasi yg sebenarnya, maka presisi yg
digunakan adalah presisi relatif ().

Rumus perhitungan sampelnya adalah:

n
z1 / 2σ
2 2
2 2
ε μ
Hal2 yg perlu diperhatikan dalam pendugaan
rata-rata populasi adalah:
Simbol Definisi
 tingkat kemaknaan yg diinginkan
Z1-/2 angka galat baku normal untuk 
 simpangan baku, berasal dari penelitian
pendahuluan atau sumber lain yang tersedia
d presisi absolut
 presisi relatif
 Rata-rata populasi yang sesungguhnya
berdasarkan survei pendahuluan
Contoh soal perhitungan sampel
untuk pendugaan rata-rata populasi

Diinginkan penduga untuk rata-rata harga eceran

20 tablet obat penenang yg biasa digunakan.
Ditetapkan sebuah sampel apotek sec acak.
Diinginkan penduga dengan jarak 10 sen dari
rata-rata harga sesungguhnya dengan
kepercayaan 95%. Berdasar penelitian
pendahuluan, simpangan baku harga eceran
diperkirakan 85 sen.
Berapa apotek yg hrs dipilih sec acak?
 PENGUJIAN HIPOTESIS
RATA-RATA SATU POPULASI
Satu populasi, variabel outcome kontinyu (rata-rata), ada hipotesis

•Pengujian hipotesis rata-rata satu populasi

dilakukan apabila ingin membuktikan hipotesis
bahwa rata-rata populasi yg diduga lebih besar dari
rata-rata populasi pd penelitian sebelumnya
(Hipotesis alternatif satu arah).

•Hipotesis yg akan diuji:

H0:  = 0
Ha:  > 0
Rumus perhitungan sampel untuk pengujian
hipotesis rata-rata satu populasi, dengan
hipotesis alternatif satu arah, adalah:

n
 2 2
σ 2 z1  z1 2

 μo  μa 2
•Jika ingin membuktikan hipotesis bahwa rata-rata
populasi yg diduga berbeda dari rata-rata populasi
pada penelitian sebelumnya (Hipotesis alternatif
dua arah), maka hipotesis yg akan diuji:
H0:  = 0
Ha:   0

•rumus perhitungan sampelnya adalah:

n
2 2
 2 2
σ z1 / 2  z1 

μo  μa 2

Hal2 yg perlu diperhatikan dalam pengujian hipotesis
rata-rata satu populasi adalah:
Simbol Definisi
 tingkat kemaknaan yg diinginkan
1- kekuatan penelitian
Z1-
1- angka galat baku normal untuk , pada hipotesis alternatif
satu arah.
Z1-/2 angka galat baku normal untuk , pada hipotesis alternatif
dua arah
Z1- angka galat baku normal untuk 1-
 simpangan baku, berasal dari penelitian pendahuluan
atau sumber lain yang tersedia
0 rata-rata populasi berdasarkan penelitian pendahuluan
a rata-rata populasi yg diduga
Contoh soal perhitungan sampel
untuk pengujian hipotesis rata-rata
satu populasi
Suatu survei mengungkapkan rata-rata berat
badan pria usia >55 tahun yg didiagnose sakit
jantung adalah 90 kg. Ada kecurigaan terjadi
penurunan berat badan pria dengan ciri2
tersebut.
Pd tingkat kemaknaan 5% dan kekuatan 90%,
berapa besar sampel yg diperlukan untuk
menguji hipotesis bhw rata-rata berat badan
telah turun dari 90 kg menjadi 85 kg dengan
simpangan baku 20 kg?
 PENDUGAAN PERBEDAAN ANTARA
DUA RATA-RATA POPULASI
Dua populasi, variabel outcome kontinyu (rata-rata), tanpa hipotesis

Rumus perhitungan jumlah sampel yg

diperlukan untuk menduga beda dua rata-
rata populasi adalah :

n
z12 / 2 2 σ2 
d2
Hal2 yg perlu diperhatikan dalam pendugaan
perbedaan dua rata-rata populasi adalah:

Simbol Definisi
 tingkat kemaknaan yg diinginkan
Z1-/2 angka galat baku normal untuk 
 simpangan baku, berasal dari penelitian
pendahuluan atau sumber lain yang
tersedia
d presisi absolut
Contoh soal perhitungan sampel
untuk pendugaan perbedaan dua
rata-rata
Sekelompok ahli gizi ingin mengetahui perbedaan
pemasukan kalori siswa di sekolah yg
menyelenggarakan prog makan siang dan siswa di
sekolah yg menyelenggarakan. Dari penelitian2
gizi lain, diduga simpangan baku pemasukan kalori
pd anak sekolah dasar adalah 75 kalori, dan
peneliti menginginkan penduga yg berjarak 20
kalori dari perbedaan yg sebenarnya, dengan
kepercayaan 95%.
Berapa jumlah sampel yg diperlukan?
 PENGUJIAN HIPOTESIS
UNTUK DUA RATA-RATA POPULASI
Dua populasi, variabel outcome kontinyu (rata-rata), ada hipotesis

•Pengujian hipotesis untuk dua rata-rata populasi

dilakukan apabila ingin membuktikan hipotesis
bahwa rata-rata populasi pada kelompok 1 lebih
besar dari rata-rata populasi pd kelompok 2
(Hipotesis alternatif satu arah).

•Hipotesis yg akan diuji:

H0: 1 = 2
Ha: 1 > 2
Rumus perhitungan sampel untuk pengujian
hipotesis untuk dua rata-rata populasi, dengan
hipotesis alternatif satu arah adalah:

n
2

2 σ z1  z1  
2

μ1  μ 2 
2
•Jika ingin membuktikan hipotesis bahwa rata-rata
populasi pada kelompok 1 berbeda dari rata-rata
populasi pd kelompok 2 (Hipotesis alternatif dua
arah), maka hipotesis yg akan diuji:
H0: 1 = 2
Ha: 1  2

•Rumus perhitungan sampelnya adalah:

n
2

2 σ z1 / 2  z1  
2

μ1  μ 2 
2
Hal2 yg perlu diperhatikan dalam pengujian hipotesis
untuk dua rata-rata populasi adalah:
Simbol Definisi
n Besar sampel untuk salah satu populasi
 tingkat kemaknaan yg diinginkan
1- kekuatan penelitian
Z1-
1- angka galat baku normal untuk , pada hipotesis alternatif
satu arah
Z1-
1-/2 angka galat baku normal untuk , pada hipotesis alternatif
dua arah
Z1- angka galat baku normal untuk 1-
 simpangan baku, berasal dari penelitian pendahuluan
atau sumber lain yang tersedia
1 rata-rata populasi kelompok 1
2 rata-rata populasi kelompok 2
 Contoh soal perhitungan sampel
untuk pengujian hipotesis dua
rata-rata populasi
Suatu penelitian sedang direncanakan untuk
membuktikan bhw Pemberian Makanan
Tambahan pd wanita hamil akan meningkatkan
berat badan bayi yg akan dilahirkan. Satu
kelompok ibu2 akan menerima PMT dan
kelompok lainnya akan menerima penyuluhan gizi
yg biasa dilakukan.
Dari penelitian pendahuluan diketahui simpangan
baku berat badan bayi adalah 500 gr dan
diasumsikan sama untuk kedua kelompok
 Contoh soal perhitungan sampel
untuk pengujian hipotesis dua
rata-rata populasi
(lanjutan)

Hipotesis bhw tdk ada perbedaan berat badan

akan diuji pd tingkat kemaknaan 5%.
Dalam penelitian ini diinginkan kekuatan uji 80%
untuk menguji perbedaan berat badan sebesar
100 gr.
Berapa jumlah sampel yg diperlukan?
 Konsep Dasar Pengambilan
Sampel
1. Pengambilan sampel acak sederhana
(Simple random sampling)
2. Pengambilan sampel sistematik (Systematic
sampling)
3. Pengambilan sampel stratifikasi (Stratified
sampling)
4. Pengambilan sampel klaster (Cluster
sampling
 1. PENGAMBILAN SAMPEL ACAK
SEDERHANA
(Simple random sampling)

Definisi:
Pengambilan sampel dimana setiap
sampel dari sejumlah sampel
mempunyai kesempatan yg sama
untuk terpilih
N = jumlah populasi n  jumlah sampel
P = proporsi pada populasi P  proporsi pada sampel
 = rata-rata populasi X  rata- rata pada sampel
 = variansi populasi s  varians pada sampel
 Dari sejumlah n yg terpilih sebagai sampel;
proporsi populasi, rata-rata populasi , dan
variansi populasi dapat diduga dengan p, x,
dan s2.

 Jika sampel dipilih sec acak, hasilnya tidak

akan bias. Artinya:
E p   P
E x   μ
 
E s2  σ2
Dalam rangka memilih suatu sampel acak
sederhana, perlu dilakukan hal-hal berikut :

1. Membuat daftar (atau “kerangka”) dari

populasi (N) yg menjadi unit penghitungan
sampel
2. Menggunakan proses acak (misalnya
dengan tabel bilangan acak) untuk
menentukan individu yg terpilih ke dalam
sampel
Keuntungan pengambilan sampel
secara acak sederhana antara lain:
1. Mudah dipahami
2. Memberikan dasar probabilistik terhadap
banyak teori statistik
3. Memberikan dasar perbandingan bagi
metode lainnya
Kelemahan pengambilan sampel acak
sederhana adalah:
1. Seluruh populasi harus ditetapkan dan diberi
nomor untuk identifikasi sebelum melakukan
pengambilan sampel. Proses ini kemungkinan
besar mahal dan memakan waktu
2. Individu yg terpilih mungkin sangat tersebar.
Kunjungan kepada tiap individu yg terpilih
mungkin akan sangat mahal dan memakan
waktu
3. Sub-klaster (kelompok dengan karakteristik
tertentu) dalam populasi, secara kebetulan
mungkin terpilih semua ke dalam sampel
2. PENGAMBILAN SAMPEL SISTEMATIK

(Systematic sampling)
Contoh: sampel n dari kartu rekam medis pasien diperlukan
untuk survei pemasukan gizi. Dengan sampel sistematik,
diperoleh cara membuat n daerah yg masing2 terdiri dari k
rekam medis (k=N/n). Dalam daerah pertama pilih satu
angka acak antara 1 dan k yg merupakan unsur kartu
pertama yg terpilih. Rekam medis berikutnya ditentukan
dengan menambahkan konstanta k pada angka acak awal i.
k k k k k

i i+k i + 2k i + 3k i + (n-1)k
 Keuntungan pengambilan sampel
sistematik
1. Dapat dilakukan pd situasi dimana pengambilan sampel
acak sederhana sulit dilakukan.
Contoh: audit terhadap kartu rekam medis, jumlah
populasi (N) tdk diketahui. Jika jumlah populasi dapat
diperkirakan dan diketahui berapa jumlah sampel (n) yg
diperlukan, maka sampel “1 dalam k” dapat dipilih, dimana
k=N/n
2. Sampel yg terpilih cenderung lebih tersebar dlm
keseluruhan populasi sehingga mungkin lebih mewakili
dibanding sampel acak sederhana
3. Dlm sebagian besar macam situasi, rumus pengambilan
sampel acak sederhana dapat digunakan dalam sampel
sistematik
 Kelemahan pengambilan sampel
sistematik
1.Hasil menjadi bias jika kerangka sampel disusun sec siklus dan
k adalah panjangnya siklus.

Contoh:
Penelitian tentang kunjungan ke UGD suatu RS. Jika
kunjungan hari minggu yg paling ramai dan hari rabu yg paling
sepi, maka siklusnya adalah 7 hari. Jika diperoleh daerah
dengan panjang 7, maka hasil yg tidak menguntungkan akan
terjadi seperti berikut ini.
 MSSRKJS / MSSRKJS ... / MSSRKJS

1 2 k

Pada contoh diatas, memilih angka acak diantara 1 dan

7 dapat menghasilkan angka 4, yg berarti hari rabu.
Penambahan 7 kepada angka awal tadi akan
menghasilkan hari rabu terus-menerus, yg merupakan
hari paling sepi, sehingga hal ini dianggap tidak
mewakili.

2.Pengambilan sampel sistematik seringkali bukan metode

pilihan dlm survei lapangan sesungguhnya, krn masalah
dlm pengambilan sampel acak sederhana juga berlaku
dlm pengambilan sampel sistematik, relatif mahal dan
memakan waktu.
 3. PENGAMBILAN SAMPEL
STRATIFIKASI
(Stratified sampling)

Definisi:
Proses pemilahan populasi ke dalam
beberapa strata, pemilihan sampel sec
acak dari tiap-tiap strata, dan akhirnya
menjadikan sampel tersebut untuk
menduga parameter populasi
 Jika populasi kumpulan RS disuatu daerah diambil
sampelnya sec acak sederhana, sec kebetulan RS
besar mungkin saja terlewatkan, terlalu banyak,
atau terlalu sedikit yg terpilih dalam sampel
 Strata adalah subpopulasi dari populasi awal.
Dalam hal Rumah Sakit, strata bisa dibentuk
berdasar jenis RS, jumlah tempat tidur, jumlah
dokter, dsb.
 Untuk memperoleh presisi yg paling tinggi, elemen
dalam tiap strata harus sehomogen mungkin,
sedangkan variasi dari satu strata ke strata lainnya
relatif besar
 Cara pengambilan sampel
stratifikasi
1. Alokasi Sampel
 Cara yg paling sederhana
 Pemilihan jumlah sampel yg sama dari tiap
strata. Perhitungannya adalah:

nh=n/L

nh=jumlah elemen yg terpilih dari strata h

n=jumlah sampel
L=jumlah strata
2. Alokasi Proporsional
 Paling sering digunakan.
 Perhitungan jumlah yg diambil dari strata ke h
adalah:

nh=(Nh)(n/N)

nh = jumlah elemen yg terpilih dari strata h

N = jumlah populasi
N = jumlah sampel
Nh = Jumlah populasi pada strata h
 Keuntungan pengambilan sampel
stratifikasi
1. Presisi lebih tinggi ( CI lebih sempit) dibanding
sampel acak sederhana pada besar sampel yg
sama
2. Informasi mengenai penduga pada tiap strata
dapat diperoleh dengan mudah
3. Lebih mudah memilih sampel dengan stratifikasi
dibanding sampel acak sederhana, dalam hal
administratif maupun logistik
Kelemahan pengambilan sampel
stratifikasi
Lebih mahal dibanding sampel acak
sederhana, krn kerangka sampel sec
terperinci harus disusun untuk tiap
strata, sebelum pengambilan sampel
dilakukan.
4. PENGAMBILAN SAMPEL KLASTER
(Cluster sampling)
 Definisi :
Pengambilan sampel menggunakan
kerangka yg terdiri dari klaster-klaster
 Populasi dibagi menjadi “M” klaster yg
berbeda
 Berbeda dengan strata, klaster hrs
seheterogen mungkin.
Alasan pemilihan cara pengambilan
sampel klaster
 Populasi sangat besar dan sedikit kemungkinan
untuk menyusun kerangka sampel yg mutakhir
dan akurat
 Halangan dari segi biaya untuk menyusun
kerangka sampel dan dari segi jangkauan
terhadap individu dalam sampel
 Populasi sangat menyebar (berkaitan dengan
masalah logistik dan biaya perjalanan)
 Cara pengambilan sampel
klaster
1. Mengambil sampel klaster dari klaster-
klaster yg ada di populasi
2. Menyusun daftar unit pencacahan hanya
untuk klaster yg terpilih sbg sampel
3. Memilih sampel dari unit pencacahan
tersebut
Catatan:
Untuk sampel klaster tingkat tunggal, semua individu dalam
sampel klaster yg terpilih pada langkah pertama langsung
dimasukkan sebagai sampel
Gambaran pengambilan sampel klaster
Contoh pengambilan sampel klaster :
RW adalah klaster (M), dan keluarga adalah
unit pendaftaran (m).

Langkah2nya sebagai berikut:

1. Pilih sebuah RW
2. Pilih sebuah sampel keluarga dari tiap RW
yg telah terpilih pd langkah pertama
Contoh pengambilan sampel klaster > 2 tingkat :
Survei cakupan imunisasi terhadap anak-anak
sekolah dalam suatu propinsi.
Langkah2nya :
1. Pilih m kabupaten dari sejumlah M kabupaten yg
membentuk propinsi
2. Pilih sebuah sampel kecamatan dlm tiap2 kabupaten yg
terpilih dlm langkah pertama
3. Pilih sebuah sampel IPDA wilayah dari tiap2 kecamatan
yg terpilih dalam langkah kedua
4. Pilih sebuah sampel sekolah dari tiap2 IPDA wilayah yg
terpilih dalam langkah ketiga
5. Pilih sebuah sampel kelas dalam tiap2 sekolah yg
terpilih dalam langkah keempat
6. Ambil seluruh anak dalam kelas yg terpilih dalam
langkah kelima
 Keuntungan pengambilan sampel
klaster
1. Hemat waktu dan sumber daya krn kerangka sampel
tidak perlu disusun untuk populasi sec keseluruhan
2. Dengan biaya yg sama, dapat memilih sampel klaster
yg lebih besar dibanding cara pengambilan sampel
lainnya. Dari ukuran sampel yg besar ini, presisi yg
dihasilkan relatif tinggi
3. Merupakan satu-satunya metode yg feasible pd situasi
yg memerlukan waktu dan sumber daya yg besar hanya
untuk menghimpun daftar individu dalam populasi
4. Ekonomis, krn biaya pembuatan kerangka sampel dan
biaya perjalanan adalah yg paling rendah dibanding
metode lainnya.
Kelemahan pengambilan sampel
klaster
 Tidak akan menghasilkan penduga setepat yg
dihasilkan oleh pengambilan sampel acak
sederhana atau stratifikasi

 Pd sampel klaster bertingkat (> 2 tingkat),

sangat sulit untuk menuliskan rumus yg tepat
untuk penduga parameter dan galat baku krn
setiap tingkat pengambilan sampel hrs
diperhitungkan.