penghitungan besar sampel
TRANSCRIPT
PENGHITUNGAN BESAR SAMPEL
Hari Basuki N.
PENDAHULUAN
Keterwakilan populasi oleh sampel dalam penelitian merupakan syarat penting
untuk suatu generalisasi atau inferensi. Pada dasarnya semakin homogen nilai variabel yang
diteliti, semakin kecil sampel yang dibutuhkan, sebaliknya semakin heterogen nilai variabel
yang diteliti, semakin besar sampel yang dibutuhkan.
Di samping keterwakilan populasi (kerepresentatifan), hal lain yang perlu
dipertimbangkan dalam menentukan besar sampel adalah keperluan analisis. Beberapa
analisis atau uji statistik memerlukan persyaratan besar sampel minimal tertentu dalam
penggunaannya.
Dalam makalah ini akan dibahas penentuan besar sampel dengan tujuan dapat
mewakili populasi.
Beberapa hal yang perlu diperhatikan dalam penghitungan besar sampel adalah :
1. Jenis dan rancangan penelitian
2. Tujuan penelitian/analisis
3. Jumlah populasi atau sampel
4. Karakteristik populasi/cara pengambilan sampel (teknik sampling)
5. Jenis (skala pengukuran) data (variabel dependen)
Pada kondisi yang berbeda, cara penentuan besar sampel juga berbeda. Berdasarkan
jenisnya, dibedakan penelitian observasional atau eksperimen. Berdasarkan tujuan
penelitian atau analisisnya, dibedakan diskriptif atau inferensial (estimasi atau pengujian
hipotesis). Berdasarkan jumlah populasi atau sampelnya, dibedakan satu populasi/sampel
atau lebih dari satu populasi/sampel. Hal ini berhubungan dengan karakteristik populasi atau
cara pengambilan sampel (sampling) yang dibedakan random atau non random sampling.
Random sampling dibedakan simple random, systematic random, stratified random, cluster
random atau multistage random sampling. Berdasarkan jenis data atau variabel yang
dianalisis, dibedakan data proporsi atau kontinyu. Hal-hal di atas sangat menentukan cara
penghitungan besar sampel.
1
PENELITIAN OBSERVASIONAL
BESAR SAMPEL PADA SATU POPULASI
1. Estimasi
a. Simple random sampling atau systematic random sampling
- Data kontinyu
Untuk populasi infinit, rumus besar sampel adalah :
Z21-/2 2
n = ------------- d2
di mana n = besar sampel minimumZ1-/2 = nilai distribusi normal baku (tabel Z) pada tertentu2 = harga varians di populasid = kesalahan (absolut) yang dapat ditolerir
Jika populasi finit, maka rumus besar sampel adalah :
N Z21-/2 2
n = -------------------------- (N-1) d2 + Z2
1-/2 2
di mana N = besar populasi
- Data proporsi
Untuk populasi infinit, rumus besar sampel adalah :
Z21-/2 P (1-P)
n = -------------------- d2
di mana n = besar sampel minimum
Z1-/2 = nilai distribusi normal baku (tabel Z) pada tertentuP = harga proporsi di populasid = kesalahan (absolut) yang dapat ditolerir
2
Jika populasi finit, maka rumus besar sampel adalah :
N Z21-/2 P (1-P)
n = ------------------------------- (N-1) d2 + Z2
1-/2 P (1-P)
di mana N = besar populasi
b. Stratified random sampling
- Data kontinyu
Rumus besar sampel adalah :
di mana n = besar sampel minimumN = besar populasiZ1-/2 = nilai distribusi normal baku (tabel Z) pada tertentu2
h = harga varians di strata-hd = kesalahan (absolut) yang dapat ditolerirW h = fraksi dari observasi yang dialokasi pada strata-h = N h/N
Jika digunakan alokasi setara, W = 1/LL = jumlah seluruh strata yang ada
- Data proporsi
Rumus besar sampel adalah :
di mana n = besar sampel minimumN = besar populasiZ1-/2 = nilai distribusi normal baku (tabel Z) pada tertentuPh = harga proporsi di strata-hd = kesalahan (absolut) yang dapat ditolerirW h = fraksi dari observasi yang dialokasi pada strata-h = N h/N
Jika digunakan alokasi setara, W = 1/LL = jumlah seluruh strata yang ada
3
N2h 2
hNh 2
h
c. Cluster random sampling
- Data kontinyu
Pada cluster random sampling, ditentukan jumlah cluster yang akan diambil
sebagai sampel. Rumusnya adalah :
N Z21-/2 2
n = ---------------------------------- (N-1) d2 (N/C) 2 + Z2
1-/2 2
di mana n = besar sampel (jumlah cluster) minimumN = besar populasiZ1-/2 = nilai distribusi normal baku (tabel Z) pada tertentu2 = harga varians di populasid = kesalahan (absolut) yang dapat ditolerirC = jumlah seluruh cluster di populasi
- Data proporsi
Rumus besar sampel adalah :
N Z21-/2 2
n = ---------------------------------- (N-1) d2 (N/C) 2 + Z2
1-/2 2
di mana n = besar sampel (jumlah cluster) minimumN = besar populasi = mi
Z1-/2 = nilai distribusi normal baku (tabel Z) pada tertentud = kesalahan (absolut) yang dapat ditolerirC = jumlah seluruh cluster di populasi2 = (ai – mi P)2/(C’-1) dan P = ai /mi
ai = banyaknya elemen yang masuk kriteria pada cluster ke-imi = banyaknya elemen pada cluster ke-iC’ = jumlah cluster sementara
4
2. Uji Hipotesis
- Data kontinyu
Rumus besar sampel adalah :
di mana n = besar sampel minimumZ1-/2 = nilai distribusi normal baku (tabel Z) pada tertentuZ1- = nilai distribusi normal baku (tabel Z) pada tertentu2 = harga varians di populasi0-a = perkiraan selisih nilai mean yang diteliti dengan mean di
populasi
- Data proporsi
Rumus besar sampel adalah :
di mana n = besar sampel minimumZ1-/2 = nilai distribusi normal baku (tabel Z) pada tertentuZ1- = nilai distribusi normal baku (tabel Z) pada tertentuP0 = proporsi di populasiPa = perkiraan proporsi di populasiPa-P0 = perkiraan selisih proporsi yang diteliti dengan proporsi
di populasi
BESAR SAMPEL PADA DUA POPULASI
1. Estimasi a. Data kontinyu
Rumus besar sampel sebagai berikut :
5
di mana n = besar sampel minimumZ1-/2 = nilai distribusi normal baku (tabel Z) pada tertentu2 = harga varians di populasid = kesalahan (absolut) yang dapat ditolerir
b. Data proporsi
- Cross sectional
Rumus besar sampel sebagai berikut :
di mana n = besar sampel minimumZ1-/2 = nilai distribusi normal baku (tabel Z) pada tertentuP1 = perkiraan proporsi pada populasi 1P2 = perkiraan proporsi pada populasi 2d = kesalahan (absolut) yang dapat ditolerir
- Cohort
Rumus besar sampel sebagai berikut :
di mana n = besar sampel minimumZ1-/2 = nilai distribusi normal baku (tabel Z) pada tertentuP1 = perkiraan probabilitas outcome (+) pada populasi 1 P2 = perkiraan probabilitas outcome (+) pada populasi 2 = kesalahan (relatif) yang dapat ditolerir
Pada penelitian cohort, untuk mengantisipasi hilangnya unit pengamatan, dilakukan
koreksi dengan 1/(1-f), di mana f adalah proporsi unit pengamatan yang hilang atau
mengundurkan diri atau drop out.
- Case-control
Rumus besar sampel adalah :
6
1-P2
P2
di mana n = besar sampel minimumZ1-/2 = nilai distribusi normal baku (tabel Z) pada tertentuP1* = perkiraan probabilitas paparan pada populasi 1 (outcome +)P2* = perkiraan probabilitas paparan pada populasi 2 (outcome -) = kesalahan (relatif) yang dapat ditolerir
2. Uji Hipotesis
a. Data kontinyu
Rumus besar sampel sebagai berikut :
di mana n = besar sampel minimum
Z1-/2 = nilai distribusi normal baku (tabel Z) pada tertentuZ1- = nilai distribusi normal baku (tabel Z) pada tertentu2 = harga varians di populasi1-2 = perkiraan selisih nilai mean di populasi 1 dengan populasi 2
b. Data proporsi
- Cross sectional
Rumus besar sampel sebagai berikut :
di mana n = besar sampel minimumZ1-/2 = nilai distribusi normal baku (tabel Z) pada tertentuZ1- = nilai distribusi normal baku (tabel Z) pada tertentuP1 = perkiraan proporsi pada populasi 1P2 = perkiraan proporsi pada populasi 2
P = (P1 + P2)/2
- Cohort
7
Rumus besar sampel sebagai berikut :
di mana n = besar sampel minimumZ1-/2 = nilai distribusi normal baku (tabel Z) pada tertentuZ1- = nilai distribusi normal baku (tabel Z) pada tertentuP1 = perkiraan probabilitas outcome (+) pada populasi 1 P2 = perkiraan probabilitas outcome (+) pada populasi 2
P = (P1 + P2)/2
Pada penelitian cohort, untuk mengantisipasi hilangnya unit pengamatan, dilakukan
koreksi dengan 1/(1-f), di mana f adalah proporsi unit pengamatan yang hilang atau
mengundurkan diri atau drop out.
- Case-control
Rumus besar sampel adalah :
di mana n = besar sampel minimumZ1-/2 = nilai distribusi normal baku (tabel Z) pada tertentuZ1- = nilai distribusi normal baku (tabel Z) pada tertentuP1* = perkiraan probabilitas paparan pada populasi 1 (outcome +)P2* = perkiraan probabilitas paparan pada populasi 2 (outcome -)
Jika besar sampel kasus dan kontrol tidak sama (unequal), dibuat modifikasi besar
sampel dengan memperhatikan rasio kontrol terhadap kasus. Rumus di atas
dikalikan dengan faktor (r + 1) / (2 . r). Besar sampel untuk kelompok kontrol
adalah (r.n).
PENELITIAN EKSPERIMENTAL
8
Pada penelitian eksperimental, belum banyak rumus yang dikembangkan untuk menentukan
besar sampel yang dibutuhkan. Untuk menentukan besar sampel (replikasi) yang
dibutuhkan digunakan rumus berikut :
1. Untuk rancangan acak lengkap, acak kelompok atau faktorial, secara sederhana dapat
digunakan rumus :
(t-1) (r-1) 15
di mana t = banyak kelompok perlakuan r = jumlah replikasi
2. Di samping rumus di atas dan untuk rancangan eksperimen lain yang membutuhkan
perhitungan besar sampel, dapat digunakan rumus besar sampel seperti pada penelitian
observasional baik untuk satu sampel maupun lebih dari 1 sampel, baik untuk data
proporsi maupun data kontinyu.
Pada penelitian eksperimen, untuk mengantisipasi hilangnya unit eksperimen, dilakukan
koreksi dengan 1/(1-f), di mana f adalah proporsi unit eksperimen yang hilang atau
mengundurkan diri atau drop out.
Referensi :
9
CDC, FHI, WHO, 1991. An Epidemiologic Approach to Reproductive Health. Editors : PA Wingo, JE Higgins, GL Rubin, SC Zahniser. CDC-Atlanta, FHI-North Carolina, WHO-Geneva.
Cochran WG, 1977. Sampling Techniques. John Wiley & Sons, Inc.
Fleiss JL, 1981. Statistical Methods for Rates and Proportions. Second Edition. John Wiley & Sons.
Hanafiah KA, 2003. Rancangan Percobaan, Teori & Aplikasi. Fakultas Pertanian Universitas Sriwijaya, Palembang. Penerbit PT RajaGrafindo Persada, Jakarta.
Lemeshow S, DW Hosmer Jr, J Klar, SK Lwanga, 1990. Adequacy of Sample Size in Health Studies. WHO. John Wiley & Sons.
Notoatmodjo S, 2002. Metodologi Penelitian Kesehatan. Penerbit PT Rineka Cipta.
Pratiknya AW, 2001. Dasar-dasar Metodologi Penelitian Kedokteran & Kesehatan. Penerbit PT RajaGrafindo Persada, Jakarta.
Sastroasmoro S, S Ismael,1995. Dasar-dasar Metodologi Penelitian Klinis. Bagian Ilmu Kesehatan Anak Fakultas Kedokteran Universitas Indonesia. Penerbit PT Binarupa Aksara, Jakarta.
Sugiarto, D. Siagian, LT Sunaryanto, DS Oetomo, 2003. Teknik Sampling. Penerbit PT Gramedia Pustaka Utama, Jakarta.
Supranto J, 2000. Teknik Sampling untuk Survei dan Eksperimen. Penerbit PT Rineka Cipta, Jakarta.
Istilah Pengukuran Statistik
10
1. Apa yang dimaksud mean, median dan modus?
Mean adalah rata-rata hitung. Penghitungannya dengan cara semua nilai skor dibagi
jumlah data (dalam penelitian yang dimaksud adalah jumlah responden)
Median (Me) adalah nilai tengah dari data yang telah diurutkan (disusun) mulai dari
data terkecil sampai data terbesar, atau sebaliknya dari data terbesar sampai data
terkecil.
Modus atau Mode (Mo) adalah nilai dari data yang mempunyai frekuensi tertinggi
atau nilai yang sering muncul dalam kelompok data.
2. Apa yg disebut regresi dan varians?
Regresi atau peramalan/pendugaan adalah proses memperkirakan secara sistematis
tentang apa yang mungkin terjadi di masa yang akan datang berdasarkan informasi
(data) masa lalu dan sekarang yang dimiliki agar kesalahan dapat diperkecil.
Regresi dapat juga diartikan sebagai usaha memperkirakan perubahan.
Regresi mengemukakan tentang keingintahuan apa yang terjadi di masa depan untuk
memberikan kontribusi menentukan keputusan yang terbaik.
Kegunaan regresi dalam penelitian salah satunya adalah untuk meramalkan atau
memprediksi variabel terikat (Y) apabila variabel bebas (X) diketahui. Selain itu
regresi juga dapat digunakan untuk mengetahui bentuk hubungan dua variabel
berbentuk linier (garis lurus) atau tidak linier.
Varians adalah rata-rata hitung deviasi kuadrat setiap data terhadap rata-rata
hitungnya. Dalam penelitian ini menggunakan varians sampel, varians sampel
adalah deviasi kuadrat dari dari setiap data rata-rata hitung terhadap semua data
dalam sampel. Fungsinya untuk mengetahui tingkat penyebaran atau variasi data.
Standar deviasi adalah akar kuadrat dari varians dan menunjukan standar
penyimpangan data terhadap nilai rata-ratanya.
3. Apa kegunaan koefisien korelasi?
11
Dalam statistik korelasi diberi pengertian sebagai hubungan antara dua variabel atau
lebih. Hubungan dua variabel dikenal dengan istilah bivariate correlation, sedangkan
hubungan antar lebih dari dua variabel disebut multivariate correlation
Koefisien korelasi adalah sebuah angka yang dapat dijadikan petunjuk untuk
mengetahui seberapa besar kekuatan korelasi di antara variabel yang sedang
diselidiki korelasinya.
Angka koefisien korelasi berkisar antara 0 sampai dengan ± 1.00 (artinya paling
tinggi ± 1.00 dan paling rendah 0). Tanda plus minus pada angka koefisien korelasi
ini fungsinya hanya untuk menunjukan arah korelasi. Apabila angka koefisien
korelasi bertanda plus (+) maka korelasi tersebut positif dan arah korelasi satu arah,
sedangkan Apabila angka koefisien korelasi bertanda negatif (-) maka korelasi
tersebut negatif dan arah korelasi berlawanan arah.serta apabila angka koefisien
korelasi = 0, maka hal ini menujukan tidak ada korelasi.
Contoh hubungan satu arah: Kenaikan gaji diikuti dengan jumlah konsumsi.
Contoh hubungan yang berlawanan arah: makin meningkatnya harga barang diikuti
dengan menurunnya jumlah permintaan.
Kegunaan korelasi 1) untuk mencari bukti terdapat tidaknya hubungan (korelasi)
antar variabel. 2) bila sudah ada hubungan, untuk melihat/mengetahui besarnya
tingkat keeratan hubungan antar variabel (variabel bebas dengan variabel terikat atau
variabel bebas dengan variabel bebas), dan 3) untuk memperoleh kejelasan dan
kepastian apakah hubungan tersebut signifikan (berarti/meyakinkan) atau tidak
signifikan (tidak berarti atau tidak meyakinkan).
4. Apa guna korelasi parsial dan korelasi multiple?
Guna korelasi parsial dinukan untuk menganalisis atau mengetahui hubungan antara
variabel independen dan dependen, dimana salah satu variabelnya dibuat
tetap/dikendalikan atau dikontrol. Jadi korelasi parsial merupakan angka yang
menunjukan arah dan kuatnya hubungan antara dua variabel atau lebih setelah satu
variabel yang diduga dapat mempengaruhi hubungan variabel tersebut
dikontrol/dikendalikan untuk dibuat tetap keberadaannya.
12
Korelasi multiple atau korelasi ganda/jamak adalah hubungan antara dua atau lebih
variabel bebas secara bersama-sama dengan satu variabel terikat.
5. Bagaimana cara mengukur/mengetahui derajat signifikan?
Dapat diketahui dari tabel distribusi t atau F atau tabel r (koefisien korelasi)
Menentukan dan menghitung nilai uji statistik yang digunakan, contoh mencari
thitung atau F hitung kemudian dibandingkan dengan t tabel atau F tabel untuk
mengetahui signifikan atau tidak signifikan.
6. Apa yang dimaksud dgn derajat signifikan?
Derajat signifikan adalah kesalahan taksiran, umumnya dinyatakan dalam peluang
yang berbentuk persentase. Biasanya dalam penelitian kesalahan taksiran ditetapkan
terlebih dahulu. Umumnya yang digunakan adalah 5% dan 1%. atau taraf
kepercayaan umumnya 95% dan taraf kesalahan 5% atau α = 0,05 dan taraf
kesalahan 1% atau α = 0,01. Dengan kata lain suatu kesimpulan dari data sampel
yang akan diberlakukan untuk populasi itu mempunyai peluang kesalahan dan
kebenaran (kepercayaan) yang dinyatakan dalam bentuk prosentase. Bila peluang
kesalahan atau α = 5% maka taraf kepercayaan 95%. Peluang kesalahan dan
kepercayaan ini disebut dengan taraf signifikansi.
7. Apa kegunaan derajat signifikan ?
Kegunaan derajad signifikan sebagai pedoman untuk menentukan atau mencari nilai
tabel yang sesuai dengan uji statistik yang digunakan. Dalam penelitian ini
digunakan uji t untuk uji hipotesis sederhana dan uji F untuk uji hipotesis ganda.
Hasil perhitungan uji statistik dibandingkan dengan nilai derajad signifikan, dengan
kriteria tertentu. Jika hasil uji statistik lebih besar nilai derajad signifikan maka
dinyatakan terdapat hubungan antara X dengan Y.
8. Apa beda uji signifikan dan uji linearitas?
Bedanya pada uji signifikansi, kriteria uji adalah apabila Fhitung > Ftabel, maka
persamaan regresi dinyatakan signifikan sedangkan pada uji linearitas apabila
Fhitung <>
9. Bagaimana cara mengukur X1X2 terhadap Y ?
13
Diukur menggunakan korelasi produk momen. Untuk mengukur X dengan Y
menggunakan korelasi sederhana, untuk mengetahui signifikansi menggunakan uji t,
sedangkan untuk mengukur X1X2 secara bersama-sama dengan Y menggunakan
korelasi ganda untuk mengetahui signifikansi menggunakan uji F.
14