ALUR PENELITIAN

TEORI dan FAKTA EMPIRIK FENOMENA

PERTANYAAN TAK TERJAWAB

IDENTIFIKASI dan PERUMUSAN MASALAH

TUJUAN PENELITIAN

KERANGKA KONSEP (identifikasi variabel penelitian)

PERUMUSAN / OPERASIONALISASI HIPOTESIS

Penetapan Model/Rancangan Penelitian

PENGOLAHAN/ANALISIS DATA

KESIMPULAN / LAPORAN PEN

GENERALISASI

XDEDUKSI EKSPLO-RASI

DEDUKSI

STRUK-TURASI

INDUKSI VERIFI-KASI

?

OBSERVASI / PENGUKURANPenetapanSubjek

Instrumentasi

PENELITIAN pada umumnya

MENGGUNAKAN SAMPEL DARI POPULASI YANG DIAMATI

ALASANNYA:• INFINITE POPULASI• HOMOGENITAS• MENGHEMAT BIAYA DAN WAKTU• KETELITIAN / KETEPATAN• ADANYA PENELITIAN DESTRUKTIF

POPULASI• POPULASI : HIMPUNAN DARI UNIT/ INDIVIDU YANG

MEMPUNYAI CIRI-CIRI YANG SAMA

• POPULASI HARUS DIDEFINISIKAN DENGAN JELAS : APA/SIAPA, DIMANA, KAPAN

contoh: - Pendapatan petani per bulan di desa Tungkop tahun 2006

- Karakteristik penderita TBC di R.Rawat Paru RSUZA tahun 2005 - Polutan di kawasan PT.Arun LhokSeumawe pada bulan November 2003

• POPULASI FINIT ATAU INFINIT

SAMPEL• SAMPEL : BAGIAN DARI POPULASI

YANG CIRI-CIRINYA AKAN DITELITI DAN DIUKUR

• UNTUK KEPERLUAN INFERENSI/ GENERALISASI, SAMPEL HARUS MEWAKILI (REPRESENTATIF) POPULASI

- TEKNIK SAMPLING- BESAR/UKURAN SAMPEL- KRITERIA SAMPEL- VARIASI ANTAR UNIT SAMPEL

POPULASI

SAMPELPARAMETER

STATISTIK

x s

s2 r

SAMPLING

GENERALISASI/ INFERENSI

PENGAMBILAN SAMPEL

CARA PENGAMBILAN SAMPEL :

A. PROBABILITY SAMPLING (RANDOM) : setiap anggota populasi mempunyai

peluang yang sama untuk diambil sebagai sampel

B. NON PROBABILITY SAMPLING

PENGAMBILAN SAMPEL

CARA PENGAMBILAN SAMPEL :A. PROBABILITY SAMPLING (RANDOM)

1. SIMPLE RANDOM SAMPLING 2. SISTEMATIC RANDOM SAMPLING 3. STRATIFIED RANDOM SAMPLING 4. CLUSTER RANDOM SAMPLING 5. MULTISTAGE RANDOM SAMPLING

SIMPLE RANDOM SAMPLING

Prinsip :• mengambil sejumlah n elemen dari sejumlah N

elemen secara random• Ada kerangka sampel atau ”sampling frame” • dengan undian,tabel bilangan random atau komputer

dan kalkulator • bila populasi yang diteliti homogen.• Populasi secara geografis tidak terlalu tersebar

SIMPLE RANDOM SAMPLING

POPULASIPOPULASIPOPULASIPOPULASI

SAMPELSAMPEL

LOTRE/ BIL. RANDOM

LOTRE/ BIL. RANDOM * * * *

* * * * * *

* * * * * * * *

* * * * * * * *

* * * * * * * *

* * * * * *

* * *

* * * *

* * * * * *

* * * * * * * *

* * * * * * * *

* * * * * * * *

* * * * * *

* * *

* * *

* * *

*

* * *

* * *

*

contoh Dari 1000 populasi petani yang dianggap homogen diambil sampel

sebanyak 30 orang dengan menggunakan tabel bilangan random. Pertama, buat kerangka sampling yaitu daftar nama petani yang diberi

nomor 0001 hingga 1000. Untuk pemberian nomor, perlu diperhatikan jumlah digit di populasi, karena besar populasi adalah 1000 maka jumlah digit adalah 4. Maka nomor awal dimulai dengan 0001 bukan 1, 01, ataupun 001. Ini untuk mempertahankan prinsip ”equal probability”.

Selanjutnya peneliti bisa menggunakan tabel bilangan random dengan menjatuhkan pensil di area tabel bilangan random. Kemudian dilihat, ujung pensil jatuh di nomor terdekat berapa.

• Misal deretan tabel bilangan random adalah sebagai berikut:

001201 234019 010325 000123 021780660012 021340 000120 127658 012030

SYSTEMATIC RANDOM SAMPLING

• MIRIP SIMPLE RANDOM SAMPLING. Ada sampling frame. Homogen. Populasi memiliki pola beraturan

• MENGGUNAKAN CARA SISTEMATIS . UNIT SAMPEL 1 : SIMPLE RANDOM

. UNIT SAMPEL 2, 3, ….. DST SECARA SISTEMATIS DENGAN INTERVAL TERTENTU

INTERVAL = N/n

contoh

. RSUZA merawat 500 pasien, untuk meneliti kepuasan pelayanan di RS diambil 25 pasien sebagai sampel

. Probabilitas terambil sebagai sampel adlah 25/500 = 1/20 atau interval sampel 500/25 =20

. Sampel 1 dipilih secara acak misal no 15 maka selanjutnya adalah no 35, 55, 75, …. dst sampai 25 sampel

STRATIFIED RANDOM SAMPLING

• Pada populasi yang heterogen sehingga bisa dipisah menurut stratifikasi tertentu

• STRATA :– subpopulasi dari populasi awal– tiap strata homogen– antar strata heterogen

• Contoh : petani dibagi menjadi 3 strata : petani kaya, petani cukup kaya, dan petani miskin

STRATIFIED RANDOM SAMPLING

- + * - + *

* * - + + - *

* - - * + + -

+ + + * - * -

* - - *

- + * - + *

* * - + + - *

* - - * + + -

+ + + * - * -

* - - *

* * *

* * *

* * *

* * *

- - -

- - - -

- - -

- - - -

+ + +

+ + + +

+ + +

+ + + +

+ - +

* * - - * + + - -

+ - +

* * - - * + + - -

stratifikasistratifikasi randomisasirandomisasi

CLUSTER/AREA RANDOM SAMPLING

• populasi bisa dipisah menurut rumpun/ gugus/cluster tertentu

• dilakukan ketika sampling frame sukar didapat dan biaya tidak mencukupi

• CLUSTER / RUMPUN :– subpopulasi dari populasi awal– tiap rumpun heterogen– antar rumpun homogen

• Contoh : rumpun (blok) rumah (RT, RW) kloter jamaah haji

CLUSTER/AREA RANDOM SAMPLING

- + * + * -

- * * - + - +

- + * + * -

- * * - + - +

- - - + + + *

* * - + * - +

- - - + + + *

* * - + * - +

11

22

* * + - + -

+ * * - + -

* * + - + -

+ * * - + -

+ + - - - + *

* * * + + - -

+ + - - - + *

* * * + + - -

33

44

+ * * - - +

+ - - + * +

+ * * - - +

+ - - + * +

+ + - - + -

* * + - + *

+ + - - + -

* * + - + *

+ - - + * * +

- - + + * *

+ - - + * * +

- - + + * *

+ - - - * * +

+ * * - - + -

+ - - - * * +

+ * * - - + -

55

66

77

88

- - - + + + *

* * - + * - +

- - - + + + *

* * - + * - ++ - - - * * +

+ * * - - + -

+ - - - * * +

+ * * - - + -

22

88

+ + - - * * - * + - *

+ + - - * * - * + - *

RANDOMISASI CLUSTER

RANDOMISASI CLUSTER

RANDOMISASI UNIT SAMPELRANDOMISASI UNIT SAMPEL

SAMPELSAMPEL

MULTISTAGE RANDOM SAMPLING

• Populasi dibagi dalam beberapa fraksi lalu diambil sampelnya

• Sampel fraksi yang dihasilkan dibagi lagi mjd fraksi yang lebih kecil kemudian diambil sampelnya

• Pembagian fraksi terus dilakukan sampai unit sampel yang diinginkan

• Unit sampel pertama disebut Primary sampling Unit ( PSU dalam fraksi besar dan fraksi kecil )

PENGAMBILAN SAMPEL

B. NON PROBABILITY SAMPLING (NON RANDOM)

1. QUOTA SAMPLING2. ACCIDENTAL SAMPLING3. PURPOSIVE SAMPLING (JUDGMENTAL SAMPLING)

QUOTA SAMPLING

• jumlah sampel ditentukan secara quotum (jatah) oleh peneliti

• jika jumlah telah tercapai maka pengumpulan data dihentikan dan hasilnya dipresentasikan

ACCIDENTAL SAMPLING

. sampel yang terpilih tidak terencana tapi berdasarkan kasus/responden yang kebetulan ada

. Contoh : KLB malaria , data yang ada disajikan secara deskriptif dan tidak dapat digeneralisir

PURPOSIVE SAMPLING (JUDGMENTAL SAMPLING)

– Sampel ditentukan oleh orang yang telah mengenal betul populasi yang akan diteliti

BESAR SAMPELPenelitian Cross Sectional (populasi infinit)

Z/22 . p . (1-p)

n = ------------------------ d2

dimana :Z/2 = harga normal baku sesuai dengan luas area di

bawah kurva baku sebesar (1-/2) untuk = 0,05 nilai Z = 1,961- = tingkat kepercayaanp = proporsi kasus yang diteliti dalam populasid = kesalahan yang dapat ditolerir

Contoh :Ingin diketahui proporsi penduduk miskin di suatu kabupaten. Jika dari literatur jumlah penduduk miskin di suatu daerah diperkirakan 20%, berapa besar sampel keluarga yang dibutuhkan sehingga proporsi yang diduga berada dalam interval 5% di atas dan di bawah proporsi yang sesungguhnya dengan tingkat kepercayaan 95% ?

Penyelesaian :

n = 245,86 = 246 keluarga

1,962 . 0,2 . 0,8

n = ------------------- 0,052

Jika populasi finit

N = besar populasi

N Z21-/2 P (1-P)

n = ------------------------------- (N-1) d2 + Z2

1-/2 P (1-P)

Contoh :

Jika jumlah keluarga di seluruh kabupaten = 10.000 keluarga, maka

n = 239,99 = 240 keluarga

10.000 . 1,962 . 0,2 . 0,8

n = ------------------------------------------ (10.000-1) 0,052 + 1,962

. 0,2 . 0,8

BESAR SAMPELPenelitian Case - Control

2 . (Z + Z)2 . p . (1-p)

n = ------------------------------- (p0 - p1)2

dimana :Z = harga normal baku sesuai luas area di bawah kurva

baku sebesar (1-) untuk kesalahan tipe I ( = 0,05 Z = 1,65)

Z = harga normal baku sesuai luas area di bawah kurva baku sebesar (1-) untuk kesalahan tipe II ( = 0,10 Z = 1,28)

p1 = proporsi individu kelompok kasus mendapat paparan

p0 = proporsi individu kelompok kontrol mendapat paparan

p = (p0 + p1)/2

BESAR SAMPELPenelitian Cohort

1 2 . (Z + Z)2 . p . (1-p)

n = --------- . ------------------------------- (1-f) (p0 - p1)2

dimana :Z & Z = sama dengan penelitian Case Control

p0 = proporsi partisipan tidak terpapar yang diharapkan terjadi kasus yang ditelitip1 = proporsi partisipan terpapar yang diharapkan terjadi kasus yang ditelitip = (p0 + p1)/2

f = proporsi partisipan hilang/mundur dari pengamatan