Sampling Probabilitas

(1)

A N D R E I R A M A N I F K M U N E J

Sampling Probabilitas

Kenapa digunakan sampel?

 Lebih murah (cheaper)  Lebih mudah (easier)  Lebih cepat (faster)

 Lebih akurat (more accurate)  Mewakili populasi (Representatif)  Lebih spesifik 2 Populasi sampel Randomisasi If population is unreachable !!!

(2)

 Populasi  kumpulan subyek yg memiliki

karakteristik tertentu (bisa benda, hewan, manusia, data, dll).

 Populasi target  populasi yg mrpkn sasaran

akhir penerapan hsl penelitian

 Populasi terjangkau  bagian populasi target

yg dpt dijangkau oleh peneliti

 Sampel  bagian dari populasi terjangkau yg

dipilih dng cara tertentu yg dianggap dapat mewakili populasinya.

3

Populasi target

Populasi terjangkau

Subyek terpilih (Eligible subject)

Sampel yg diteliti

(3)

Heterogenitas ↑ ↑ Dibatasi oleh karakteristik klinis dan

karakteristik demografis

Populasi target

Populasi terjangkau

Eligible subject

Sampel yg diteliti

Dibatasi oleh tempat & waktu

Dipilih scr random

Subyek yg menyelesaikan penelitian

Kriteria Eksklusi Kriteria Inklusi

5

Homogen

 Populasi target  Pasien DHF (di Jember)

 Populasi terjangkau  Pasien DHF di RSUD Soebandi, tahun 2016 (578 pasien)

 Subyek terpilih  124 pasien DHF (diperoleh setelah diseleksi dengan kriteria inklusi dan eksklusi)

 Sampel yg diteliti  108 pasien DHF (diperoleh setelah melakukan penghitungan besar sampel)

Contoh:

(4)

Teknik Sampling

Sampling Probabilitas Sampling Non Probabilitas

Simple random (acak sederhana) Systematic random (acak sistematik) Cluster

Stratified (strata)

Multistage (bertingkat) 

penggabungan dari >2 teknik diatas Probability Proportional to Size  prinsip proporsionalitas antar kelompok

Convenient Consecutive Purposif Kuota

Snow Ball (network/chain referral) Deviant case (extreme case) Sequential

Theoritic … dsb

7

Simple & Systematic Random

 Hanya digunakan pd populasi yg homogen

 HARUS tersedia sampling frame  daftar yg berisi subyek2 yg ada pd populasi. Misal: daftar KK di tingkat RT. Daftar mhsw pd fak tertentu pd tahun tertentu, dsb

 Simple random menggunakan prinsip acak murni sesuai besar sample yg diinginkan

 Systematic random, penentuan bil random awal ditambah dengan interval

 Interval = N/n

(5)

Contoh Simple Random Sampling

 N = 100 KK, dari penghitungan besar sampel dibutuhkan n=10

 Menggunakan tabel bilangan random

 Rumus MS Excel  =RANDBETWEEN(1, batas atas populasi). Contoh: randbetween(1,100) utk merandom bilangan 1-100. Sel dicopy sebanyak sampel yg diinginkan (10 kali)

 Calculator Casio – FX:

- Tetapkan pembulatan keatas atau kebawah. Jika keatas, keatas semua & sebaliknya

- Tekan “100” + “Shift” + “.”

- Dilayar akan tertera “100Ran#”

- Tekan “=“  catat angka yg keluar. Ulangi sebanyak 10x

- Jk ada digit bulatkan sesuai kesepakatan pembulatan (keatas atau kebawah)

9

Simple random  subyek terpilih (10 org):

03, 25, 01, 23, 02, 17, 80, 66, 12, 13

(6)

Contoh Systematic Random Sampling

 N = 100 KK, dari penghitungan besar sampel dibutuhkan n=5  Penghitungan interval = 100/5 = 20

 Calculator Casio – FX digunakan utk mencari bil random pertama, misal diperoleh angka 18,2 (dibulatkan ke atas menjadi 19)

 Maka sampel terpilih:

sampel-1: 19 sampel-2: 39 (20+19) sampel-3: 59 (39+20)

sampel-4: 79 (59+20) sampel-5: 99 (79+20)

 Bgmn jika bil random pertama diperoleh angka 98??

11

Cluster Random Sampling

 Populasi dipisah menurut rumpun/cluster tertentu

 Ciri cluster/rumpun/gugus: - mrpkn sub populasi

- tiap rumpun heterogen - antar rumpun homogen

 Contoh: Kloter haji, rumpun rumah (RT/RW/Dukuh, dll)

(7)

Cluster Random Sampling

13

Stratified Random Sampling

 Populasi dikelompokkan menurut stratifikasi yg mempengaruhi outcome

 Ciri strata: tiap strata homogen, antar strata heterogen

 Misal: strata ibu hamil berdasarkan tk eko  bumil eko tinggi, bumil eko menengah, bumil eko rendah. strata kec berdasarkan endemisitas flu burung  kec endemis, kec sporadis, kec bebas.

Jawa Timur dibagi dlm bbrp area budaya: Mataraman, Pesisiran, Madura, Osing

(8)

Stratified Random Sampling

15

Multistage Random Sampling

 Mrpk penggabungan 1 atau lebih metode sampling

 Digunakan jika karakteristik populasi sangat heterogen

(9)

Kelurahan RW RT KK 17 PROP KAB KEC DESA DUKUH RT PROP _PROP PROP

KAB KEC DESA DUKUH RT KK DUKUH KK DESA KEC KAB

(10)

SATU POPULASI

(Estimasi)

• Simple random sampling atau systematic

random sampling

- data kontinyu (populasi infinit)

19

SATU POPULASI

(Estimasi)

n

= besar sampel minimum

Z

_1-/2

= nilai distribusi normal baku

(tabel Z) pada  tertentu



2

_{= harga varians di populasi}

d = kesalahan (absolut) yang dapat

ditolerir

(11)

SATU POPULASI

(Estimasi)

• Simple random sampling atau systematic

random sampling

- data kontinyu (populasi finit)

N = besar populasi

21

SATU POPULASI

(Estimasi)

• Simple random sampling atau systematic

random sampling

(12)

SATU POPULASI

(Estimasi)

n

= besar sampel minimum

Z

_1-/2

= nilai distribusi normal baku

(tabel Z) pada  tertentu

P = harga proporsi di populasi

d = kesalahan (absolut) yang dapat

ditolerir

23

SATU POPULASI

(Estimasi

)

• Simple random sampling atau systematic

random sampling

- data proporsi (populasi finit)

(13)

S.K. Lwanga & S. Lemeshow BESAR SAMPEL UNTUK PENELITIAN

ESTIMASI ATAU UJI HIPOTESIS (KOMPARASI)

25

JENIS DATA YANG AKAN DIESTIMASI ATAU DIKOMPARASIKAN KONTINYU PROPORSI 7 1-4 & 8 Populasi Infinit Populasi Finit 1 Populasi 2 Populasi Estimasi Komparasi Estimasi Komparasi 1 Populasi 2 Populasi Estimasi Komparasi Estimasi Komparasi Simple RS Stratified RS Cross Sectional

Case Control Estimasi Komparasi 7.1 & 7.2 7.3 & 7.4 7.1 7.2 7.3 7.4 8.1 8.2 8 1-4 1 2-4 1.1 & 1.2 1.3a & 1.3b 2 2.1 2.2 3.1 3.2 Sistematik

(14)

Presisi

= Ketelitian

= Kesalahan yang dapat ditolerir

• Untuk tujuan estimasi

• Ditentukan oleh peneliti

• Menunjukkan besar penyimpangan

terhadap nilai sebenarnya yang

diestimasi, yang dapat diterima oleh

peneliti

27

Bentuk Presisi

• Presisi absolut = d

• Presisi relatif = ε

 proporsi presisi terhadap nilai

yang diestimasi

d = ε . 

d = ε . 

(15)

 - d CONFIDENCE INTERVAL = DERAJAT KEPERCAYAAN CONFIDENCE INTERVAL = (1- ) 100% LOWER CONFIDENCE LIMIT UPPER CONFIDENCE LIMIT AREA KETIDAKPERCAYAAN = /2 AREA KETIDAKPERCAYAAN = /2 + d d d 29

LATIHAN 1

a. Suatu penelitian bertujuan untuk mengetahui rerata kadar Hb ibu hamil trimester III. Jika dari penelitian sebelumnya diketahui simpangan baku kadar Hb ibu hamil trimester III sebesar 2,0 , berapa besar sampel ibu hamil yang dibutuhkan sehingga rerata kadar Hb yang diduga berada dalam interval 0,5 di atas dan di bawah mean yang sesungguhnya dengan tingkat kepercayaan 95% ?

b.

Simpangan baku kadar Hb ibu hamil trimester III

sebesar 2,0 dengan rerata kadar Hb yang diduga

berada dalam interval 0,5 di atas dan di bawah mean

yang sesungguhnya. Jika populasi ibu hamil = 1000

orang, berapa besar sampel yang dibutuhkan

(16)

LATIHAN 2

a.

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% ?

b.

Dari literatur jumlah penduduk miskin di suatu daerah

diperkirakan 20%, jika populasi = 1000 KK dan

proporsi yg diduga berada dalam 10% poin dari

proporsi sesungguhnya, berapa besar sampel yang

dibutuhkan ?

31

LATIHAN 3

Suatu survei dilakukan di 3 area (urban, suburban dan rural)

untuk mengetahui proporsi remaja 10-12 tahun yang pernah

merokok. Dari hasil penelitian sebelumnya diketahui bahwa

proporsi remaja yang pernah merokok di 3 area tersebut

berturut-turut 0,3 ; 0,2 dan 0,1. Jika jumlah remaja di 3

wilayah tersebut berturut-turut 3000, 6000 dan 1000, dengan

interval kepercayaan 95% dan presisi 5% serta diinginkan

alokasi setara, berapa besar sampel yang dibutuhkan di

masing-masing kota ?

(17)