POPULASI, SAMPEL ,TEKNIK SAMPLING
DAN BESAR SAMPEL
PENGERTIAN
Populasi adalah: keseluruhan dari unit di dalam pengamatan yang
akan kita lakukan Atau Kumpulan individu dimana hasil suatu
penelitian akan dilakukan generalisasi.
Unit elementer atau elemen populasi adalah anggota populasi
dimana pengukuran dilakukan.
Sampel adalah: sebagian dari populasi yang nilai/
karakteristiknya akan diukur dan yang nantinya dipakai untuk
menduga karakteristik dari populasi.
Sensus adalah pengumpulan data menggunakan seluruh anggota yang
ada di dalam populasi.
Contoh :
Jika kita ingin melakukan survey anemi pada ibu hamil di Kota
Semarang, maka populasinya adalah keseluruhan ibu hamil yang ada di
Kota Semarang. Tiap ibu hamil yang ada di Kota Semarang adalah unit
elementer. Kita tidak mungkin mungukur Hb seluruh ibu hamil
tersebut, untuk itu diambil sebagian dari ibu hamil (sampel) yang
representatif yaitu yang mewakili seluruh ibu hamil yang ada di
kota Semarang.
Kadar Hb ibu hamil yang terambil sebagai sampel tersebut yang
diukur. Hasilnya dapat dipakai untuk menduga prevalensi anemi ibu
hamil di Kota Semarang.
ALASAN PENGAMBILAN SAMPEL:
1. Populasi yang sangat besar (infinite population)
Pada populasi yang sangat besar dan tidak terbatas tidak mungkin
seluruh populasi diteliti karena akan memakan waktu yang lama.
2. Homogenitas
Pada populasi yang homogen tidak perlu semua unit populasi
diperiksa/diteliti karena akan membuang waktu serta tidak ada
gunanya karena variabel yang akan diteliti telah terwakili oleh
sebagian saja dari populasi tersebut.
3. Menghemat waktu, biaya dan tenaga
Meneliti sebagian populasi tentu akan menghemat biaya, waktu dan
tenaga daripada meneliti seluruh populasi.
4. Ketelitian/ketepatan pengukuran
Meneliti sampel yang sedikit tentu akan lebih teliti
dibandingkan dengan meneliti jumlah yang banyak (populasi).
5. Percobaan yang bersifat destruktif (merusak)
METODE SAMPLING/TEKNIK SAMPLING
Metode sampling adalah suatu cara/teknik yang dipergunakan untuk
mengambil sejumlah sampel dari suatu populasi.Dua jenis Metode
Sampling:
1. Pengambilan sampel dg probabilitas (probability sampling atau
random sampling)
Pada pengambilan sampel dengan probabilitas, tiap elemen dalam
populasi untuk terpilih sebagai sampel, probabilitas diketahui.
Yang termasuk metode pengambilan sampel acak adalah:
a) Pengambilan sampel acak sederhana (simple random
sampling)
b) Pengambilan sampel acak sistematik (systematic random
sampling)
c) Pengambilan sampel acak stratifikasi (stratified random
sampling)
d) Pengambilan sampel acak kelompok (cluster random
sampling)
e) Pengambilan sampel acak bertahap (multistage random
sampling)
Keuntungan:
Probabilitas setiap unit sampel diketahui
Lebih obyektif
Dapat mewakili populasi
Kelemahan:
Sulit dalam pelaksanaan
Membutuhkan biaya, waktu dan tenaga relatif lebih besar
dibanding non probability sampling
Dapat terjadi penyimpangan jika sampel kecil
Memerlukan kerangka sampel (sampling frame)Yaitu daftar dari
semua unsur dalam populasi, misalnya: Daftar kunjungan pasien RS,
Daftar mahasiswa, Daftar balita di wilayah X, Daftar ibu hamil di
propinsi Y.
2. Pengambilan sampel tanpa probabilitas (non probability
sampling atau non random sampling)Pada pengambilan sampel dengan
non probabilitas, tiap elemen populasi tidak memiliki probabilitas
yang diketahui untuk terpilih sebagai sampel dan faktor subyektif
memegang peranan penting.Menurut Lemeshow et al (1990), disebutkan
bahwa yang dimaksud dengan non probabilitas sampling adalah
pengambilan sampel dimana sampel yang dipilih berdasarkan suatu
rencana pengambilan sampel yang tidak menggunakan probabilitas
dalam proses seleksinya. Yang termasuk metode pengambilan sampel
non random adalah:a) Purposif samplingb) Insidental samplingc)
Accidental Sampling / Haphazard Sampling d) Quota samplinge)
Voluntary samplingf) Snowball samplingKeuntungan: Mudah
pelaksanaannya Tidak membutuhkan waktu lama Tidak membutuhkan biaya
besar
Kerugian: Probabilitas setiap unit sampel tidak diketahui Tidak
obyektif Tidak dapat mewakili populasi keseluruhan
Jika digunakan probability sampling maka sampel diharapkan akan
mewakili populasi, serta keuntungan lainnya yaitu :a) Derajat
kepercayaan terhadap sampel dapat ditentukan.b) Beda penaksiran
parameter dengan statistik terhadap parameter yang sesungguh nya
dapat diperkirakan (presisi).c) Besar sampel yang akan diambil
dapat dihitung secara statistik.d) Dapat dilakukan uji statistik e)
Dapat dilakukan generalisasi populasi.Sedangkan jika pengambilan
sampelnya menggunakan non probability samplingmaka sampel yang
diambil tidak mewakili populasi sehingga besar sampel tidak bisa
dihitung secara statistik, dan tidak dapat digunakan untuk
generalisasi populasi.
RANDOM SAMPLING
1. Simple random sampling (SRS)Suatu metode pengambilan sampel,
dimana sampel diacak dari semua unit yang ada di populasi.Syarat:
Harus ada sampling frame Karakteristik populasinya cukup homogen
Populasinya secara geografis tidak terlalu menyebar
Cara : Memakai undian Menggunakan tabel bilangan random
Menggunakan tabel bilangan komputer
Keuntungan/kelebihan: Kurang praktis kalau populasinya besar
Relatif mudah untuk populasi kecil
2. Systematic random samplingSuatu metode pengambilan sampel,
yang mana sampel dipilih secara acak hanya untuk obyek yang
pertama, sedangkan obyek berikutnya ditentukan secara
kelipatan.
Syarat: Harus ada sampling frame Karakteristik populasinya cukup
homogen Populasinya secara geografis tidak terlalu menyebar
Cara:
Tentukan interval/kelipatan (k) berikut:k = N/n = interval
kelipatan
N = jumlah populasi
n = jumlah sampel
Contoh:N = 100, n = 20, N/n = 5
Subyek 1 dipilih secara acak dari 1 s/d 5 (misalnya terpilih no
3)
Subyek berikutnya diambil dengan kelipatan 5 (yaitu 3+5=8,
8+5=13, . . . dst).
Terpilih: 3, 8, 13, . . . dst.
Keuntungan:
Relatif mudah untuk populasi kecil
Menjamin sampel lebih tersebar ke seluruh anggota populasi
Bisa diaplikasikan pada sampling frame yang belum ada (mis.
pengunjung RS)
Tidak dianjurkan pada kasus dengan fenomena siklik
Contoh: memilih sampel hari dgn k= 7, sampel akan jatuh pada
hari yang sama.
3. Stratified random sampling
Unit populasi dikelompokkan berdasarkan tingkatan (strata)
tertentu (mis. Status ekonomi tinggi-rendah) agar populasi
terwakili.Stratum: bagian dari populasi yang memiliki karakteristik
yang sama dan karakteristik ini diduga berhubungan dengan variabel
yang diteliti.
Syarat:
Karakteristik populasinya heterogen Sampel dalam strata harus
sehomogen mungkin Dan antar strata harus seheterogen mungkin
Cara:
Populasi dibagi berdasarkan strata Buat kerangka sampel
masing-masing strata Sampel dalam strata diambil secara acak
(gunakan tabel random atau undian) Jumlah sampel diambil
proporsional menurut besarnya unit yang ada di dalam masing-masing
strata.
Contoh: Kualitas pelayanan pasien rawat inap di RS X
Dibuat strata kelas VIP, kelas I, kelas II dan kelas III Jumlah
populasi 500 (VIP=50, kelas I=100, kelas II= 150, kelas
III=200)Dimana jumlah sampel yang diambil 100 pasien Jumlah sampel
per strata :Kls VIP = 100/500 * 50 = 10Kls I = 100/500 * 100 =
20Kls II = 100/500 * 150 = 30Kls III = 100/500 * 200 = 40
Keuntungan /kelemahan:
Semua ciri heterogen terwakili Bisa mencari hubungan atau
membandingkan antar strata. Pada tiap stratum, kerangka sampel
harus dibuat
4. Cluster random sampling
Populasi masyarakat seringkali sudah terbagi menurut kelompok
tertentu, seperti RT, RW, desa dll.Pembuatan kerangka sampel
mungkin dibuat tapi ada keterbatasan waktu dan biaya.
Kelompok masyarakat dijadikan kluster dalam pengambilan
sampel
Syarat:
Populasi heterogen dan menyebar Sampel dalam klaster harus
seheterogen mungkin Dan antar klaster harus sehomogen mungkin
Cara:
Populasi dinagi berdasarkan kelompoik (cluster) mis.
Kelurahan/desa Klaster dipilih secara acak dan sampel dalam klater
diambil secara acak atau diambil seluruhnya.Contoh: Survey
mengetahui cakupan pemeriksaan kehamilan di Kab X
Subyek: Ibu yang telah melahirkan dalam 1 tahun terakhir
Cara sampling:
Buat daftar nama desa/klaster di Kab X
Pilih secara acak klaster missal satu desa terpilih yaitu desa
Tugu
Di desa Tugu semua ibu yang telah melahirkan dalam 1 tahun
terakhir diwawancarai.
Keuntungan/kelemahan:
Tidak diperlukan sampling frame unit elementer seluruh
populasi.
Varian (SE) lebih besar dari metode SRS
5. Multistage Random Sampling
Populasi yang secara geografis sangat tersebar, pengambilan
sampel dapat dilakukan secara bertahap. Tiap tahap dapat
menggunakan metode yang berbeda-beda.
Multistage sampling adalah teknik pengambilan sampel dengan
menggunakan banyak tingkat dari kelompok unit yang kecil atau
klaster. Multistage sampling merupakan perluasan dari cluster
sampling.
Misalnya survey untuk mengetahui cakupan imunisasi campak pada
anak SD di Kab Semarang maka pengambilan sampel dapat
dilakukan:
Tingkat 1: memilih kecamatan dari jumlah kecamatan yang ada di
Kab Semarang
Tingkat 2: memilih desa dari jumlah desa yang ada di kecamatan
terpilih.
Tingkat 3: memilih SD dari jumlah SD yang ada di desa
terpilih
Tingkat 4: memilih kelas dari jumlah kelas yang ada di SD
terpilih sebagai sampel.
Pada kasus tersebut, kelas berfungsi sebagai unit sampel dan
murid sebagai unit elementer
NON RANDOM SAMPLING
1. Purposive sampling
Sampel ditentukan oleh orang yang telah mengenal betul populasi
yang akan diteliti( seorang ahli di bidang yang akan diteliti
).
Contoh pemilihan sampel: Tokoh masyarakat yang cukup
berpengaruh
2. Insidental sampling
Sampel dipilih pada saat tertentu (insidental)
Sampel tersebut tidak terencana dan penggambaran hasil dari
pengumpulan data tersebut bukan didasarkan suatu metode yang baku.
Misalnya dari suatu kejadian yaitu terjadinya suatu keadaan luar
biasa , data yang sudah terkumpul disajikan secara deskriptif dan
hasil tersebut tidak dapat digeneralisir.
3. Sampling Seadanya (Accidental Sampling / Haphazard Sampling).
Pengambilan sampel berdasarkan seadanya data atau kemudahan nya
mendapatkan data tanpa perhitungan apapun mengenai derajat
kerepresentatifannya. Sehingga kesimpulan yang ditarik bersifat
kasar dan sementara.4. Quota sampling
Jumlah sampel ditentukan sesuai keinginan peneliti yang
tergantung pada biaya, tenaga dan waktu (tanpa mempertimbangkan
homogenitas/heterogenitas, presisi
dan rencana analisa.
Adalah pengambilan sampel tentang sesuatu yang sudah diperinci
terlebih dahulu.Yang diperlukan menurut pertimbangan dan atau
mengambil manfaat dari keterangan di dalam kategori yang sudah
diperinci. Jadi pengambilan sampelnya ditentukan si petugas sampai
dirasa cukup.
5. Voluntary sampling
Sampling Sukarela (Voluntary Sampling). Satuan sampling
diperoleh secara sukarela, contohnya dibidang kedokteran untuk uji
coba obat baru.
6. Snowball Sampling (bola salju)
Adalah pengambilan sampel dengan menetapkan terlebih dahulu
kelompok yang akan diambil sampelnya, kemudian kelompok ini
digunakan untuk menempatkan orang lain yang mempunyai karakteristik
yang serupa dan sebaliknya digunakan untuk mengidentifikasi lainnya
Pengambilan sampel bola salju digunakan untuk penelitian yang
respondennya sulit diidentifikasi dan dihubungi.Penyimpangan
(error) dalam penelitian
Sampling Error:
Penyimpangan yang terjadi akibat pengambilan sampel Sebaik
apapun sampel tetap ada penyimpangan
Sampling error adalah perbedaan antara estimasi yang diperoleh
dari sampel dengan parameter populasi. (Lemeshow S,et al, 1993).
Sampling error sebenarnya hal ini bukanlah benar-benar kesalahan
tetapi adalah variasi dari konsekuensi pengambilan sampel (Sabri L
dan Hastono S, 1999 ).
Jadi sampling error adalah perbedaan antara estimasi yang
diperoleh dari sampel dengan parameter populasi dan sebetulnya
adalah variasi dari konsekuensi pengambilan sampel..
Kesalahan sampling ini bisa dikontrol maksudnya bisa diperkecil,
misalnya dengan jalan menambah jumlah sampel yang akan
diteliti.
Sampling error dalam perhitungan jumlah sampel sering digunakan
istilah presisi.
Presisi berhubungan erat dengan confidence interval .
Non Sampling Error:
Penyimpangan yang terjadi bukan karena pengambilan sampel,
tetapi penyimpangan pada saat pelaksanaan penelitian, misalnya
saat:
Perencanaan Pengumpulan data Analisa data
Pengolahan data
Kesalahan bukan karena sampling disebabkan oleh hal-hal yang
sering non teknis sifatnya seperti kekurangsadaran responden,
kekeliruan pemeriksa, kesalahan mencatat, kelupaan karena
kelelahan, kecerobohan, kekurangpahaman terhadap konsep dan
definisi, salah mengukur, salah menghitung dan sebagainya.
Sedangkan menurut Sabri L dan Hastono S, 1999, kesalahan non
sampling maksudnya ialah kesalahan yang bukan karena sampel tetapi
disebabkan pelaksanaan dalam pengambilan sampel sampai
analisisnya..Sampel yang ideal :
ValiditasApakah sampel yang diambil benar-benar mengukur apa
yang ingin diukur?Contoh: rata-rata tunggu pasien yang berobat di
poliklinikPengamatan pada pasien datang pagi hari pada 5 hari
pertama bulan Januari tidak valid. Sore hari? Pertengahan? Atau
Akhir bulan?Validitas berkaitan dengan cara pengambilan sampel
(metode sampling)
PresisiSeberapa tepat ukuran yang diperoleh dari sampel dapat
menggambarkan populasiPresisi berkaitan dengan besar sampel.Jika
jumlah sampel (n) diperbesar maka SE (standar error) akan makin
kecil, sehingga sampling errornya akan makin kecil atau presisi
makin makin meningkat.
BESAR SAMPEL
Besar sampel merupakan
Syarat penting untuk suatu generalisasi atau inferensi Semakin
homogen populasi, semakin kecil sampel, semakin heterogen populasi,
semakin besar sampel Tujuan penentuan besar sampel :- mewakili
populasi (representativeness)- keperluan analisis
Perlu diperhatikan :
Tujuan penelitian/analisis Jenis dan rancangan penelitian Jumlah
populasi Karakteristik populasi/cara pengambilan sampel (teknik
sampling) Jenis (skala pengukuran) data
Besar Sampel ditentukan oleh :
1. Tujuan penelitian : Estimasi {proporsi atau estimasi
rata-rata} Uji hipotesis (sig. level; dan power: 1- )
2. Disain penelitian :
Observasi :
- cross sectional- case-control- cohort Experiment (clinical
trial).
3. Presisi: deviasi nilai estimasi dg nilai populasi sebenarnya
atau perbedaan antara dua nilai populasi
4. Derajat kepercayaan tingkat signifikansi ( ) 1% atau 5%
5. Metode sampling: SRS atau bukan SRS
6. Kekuatan uji. (1 - )
(Lemeshow, S, et al, 1997)Tabel Probabilitas Terjadinya
Kesalahan Dalam Uji Statistik
BESAR SAMPEL UNTUK SURVEY
BESAR SAMPEL UNTUK METODE SIMPLE RANDOM SAMPLING
/SYSTEMATIC RANDOM SAMPLING/ CLUSTER RANDOM
SAMPLING
1. Pada data proporsi, besar sampel pada populasi yang tidak
diketahui jumlah anggota populasinya
Sebelum menghitung besar sampel peneliti perlu tahu:
Perkiraan proporsi ( p ), presisi ( d ) , dan derajat kemaknaan
()
dimana : n : besar sampel
Z /2 : nilai Z pada derajat kepercayaan 1- /2
p : proporsi hal yang diteliti
d : presisiContoh:
Seorang Kepala Dinas Kesehatan Semarang ingin mengetahui
prevalensi anemia pada ibu hamil. Berdasarkan informasi pada survei
gizi ibu hamil di Jawa Tengah diperoleh prevalensi anemia pada
kehamilan sebesar 65%. Berdasarkan masalah dan informasi yang ada,
berapa jumlah sampel yang dibutuhkan jika Kepala Dinas menginginkan
presisi mutlak sebesar 10% dan derajat kepercayaan 90%?
Jawaban :
Dengan menggunakan rumus ( 1 ) dan nilai p=0,65 ; d= 0,10 ; dan
Z = 1,64
Jadi 62 ibu hamil diperlukan sebagai sampel agar kita 90%
percaya dalam melakukan estimasi prevalensi anemia pada ibu
hamil.
2. Pada data proporsi, besar sampel pada populasi terbatas
(Jumlah anggota populasi diketahui)
dimana :n : besar sampel
Z /2 : nilai Z pada derajat kepercayaan 1- /2
p : proporsi hal yang diteliti
d : presisi
N : jumlah populasi
Contoh 1:
Penelitian pendahuluan pada 25 ibu laktasi di Desa Melati
diperoleh hasil 15 orang menderita anemia. Di desa tersebut,
terdapat 300 ibu laktasi. Berapa besar sampel yang diperlukan jika
peneliti ingin mengetahui prevalensi anemia pada ibu laktasi di
desa tersebut dengan simpangan maksimum terhadap prevalensi
sebenarnya yang dapat diterima adalah 10% pada derajat kepercayaan
95%?
Jawaban :
Dengan menggunakan hasil dari penelitian pendahuluan, besar
sampel dapat dihitung :
Jadi sampel yang diperlukan sebanyak 71 orang ibu laktasiContoh
2 :
Diketahui : Jumlah penduduk lansia di kota Depok (N) = 4000
jiwa
Proporsi hipertensi pada lansia (P) = 40% = 0,4
a) Jika : Tingkat kepercayaan 95% (Z) = 1,96Kisaran perkiraan
hipertensi 30%-50% sehingga presisi mutlak (d) = 10%=0,1
Pengambilan sampel secara acak sederhana
Maka besar sampel adalah :
Jadi besar sampel minimum yang diperlukan adalah 91 jiwa.b) Jika
: Tingkat kepercayaan 95% (Z) = 1,96Kisaran perkiraan hipertensi
35%-45% sehingga presisi mutlak (d) = 5%=0,05 Pengambilan sampel
secara acak sederhana
Maka besar sampel adalah :
Jadi besar sampel minimum yang diperlukan adalah 338 jiwa.c)
Jika : Tingkat kepercayaan 95% (Z) = 1,96Kisaran perkiraan
hipertensi 30%-50% sehingga presisi mutlak (d) = 10%=0,1
Pengambilan sampel secara cluster dengan disain effek = 2,3 Maka
besar sampel adalah :
Karena ada disain efek maka n = 90,14 x 2,3 = 207,33
Jadi besar sampel yang diperlukan adalah 208 jiwa.3. Pada data
rata-rata, besar sampel pada populasi yang tidak diketahui jumlah
anggota populasinya
Untuk menghitung besar sampel peneliti perlu tahu:Perkiraan
varians () , presisi ( d ) dan derajat kemaknaan ( ) Rumus:
dimana :n : besar sampel
Z /2 : nilai Z pada derajat kepercayaan 1-/2
: standar deviasi
d : presisi
Contoh :
Suatu penelitian dilakukan untuk mengetahui rata-rata asupan
energi pada anak balita di Desa Sakura. Ingin dipilih sampel secara
acak sederhana. Dari penelitian pendahuluan diperoleh standar
deviasi asupan energi pada anak balita adalah 15 Kalori. Berapa
besar sampel yang diperlukan jika peneliti menginginkan derajat
kepercayaan 95% dan besar simpangan maksimum dari rata-rata adalah
5 Kalori (presisi mutlak).Jawaban:
Jadi besar sampel yang diperlukan adalah 35 anak balita.4. Pada
data rata-rata, besar sampel pada populasi terbatas (Jumlah anggota
populasi diketahui)Rumus
dimana :
n : besar sampelZ /2 : nilai Z pada derajat kepercayaan 1- /2:
standar deviasid : presisiN : jumlah populasiData Rata-rata 2
Kelompok Independen
Contoh :
Seorang peneliti ingin membandingkan efek penurunan gula darah
antara obat anti diabetes A dan B. Pada penelitian pendahuluan ,
diketahui dalam 3 minggu pengobatan , obat A rata-rata menurunkan
kadar gula darah sebesar 40 mg/dl dengan standar deviasi 20 mg/dl.
Sedangkan obat B rata-rata menurunkan kadar gula darah sebesar 30
mg/dl dengan standar deviasi 15 mg/dl. Pada penelitian awal
tersebut, peneliti hanya menggunakan 5 pasien pada masing-masing
kelompok. Berapa besar sampel yang diperlukan jika peneliti ingin
menunjukkan ada perbedaan rata-rata penurunan kadar gula darah
antara pasien yang memperoleh obat A dan B dengan simpangan
maksimum 5 mg/dl dari perbedaan yang ada dan peneliti menginginkan
derajat kepercayaan 95% ?
Jawaban :
Diketahui : n1 = 5 , n2 = 5, s1= 20, s2= 15, d = 5 , Z= 1,96
sehingga varians gabungan dapat dihitung :
Besar sampel dapat dihitung dengan rumus (5) yaitu :
Jadi diperlukan 97 pasien untuk masing-masing kelompok
pengobatan.
Kepustakaan:
Ariawan I. Besar dan Metode Sampel pada Penelitian Kesehatan.
Jurusan
Biostatistik dan Kependudukan, Fakultas Kesehatan Masyarakat,
Universitas
Indonesia, Depok, 1998.
Lemeshow, S.; DW Hosmer Jr.; J Klar; SK Lwanga; Adequacy of
Sample Size in
Health Studies. WHO. John Wiley & Sons Ltd. England,
1993.
Sabri L, Hastono S. Biostatistik dan Statistik Kesehatan. Modul.
Program
Pascasarjana, Program Studi Ilmu Kesehatan Masyarakat ,
Universitas Indonesia,
Depok, 1999.
Supranto, J, Tehnik Sampling untuk Survey dan Eksperimen, PT
Rineka Cipta,
Jakarta, 1992.