Konsep Dasar Sampling dan Statistik

(1)

Konsep Dasar Sampling

(2)

KONSEP DASAR STATISTIK

Populasi: Parameter Sampel: Statistik

Mengeneralisasi data sampel terhadap populasi yang sebenarnya

Asas:

Probabilitas

(3)

PENGERTIAN

Populasi target

• Kumpulan dari satuan/unit yang ingin kita buat inferensi atau generalisasi hasil penelitian

Populasi studi

• Kumpulan dari satuan/unit (N) di mana kita akan memilih sampel

Sampel

• Kumpulan dari satuan/unit yang kita ambil dari populasi studi di mana pengukuran dilakukan (n)

• Kerangka sampel/Sampling frame→

Daftar satuan/unit/anggota populasi yang berisi identitas: (Nomor, Nama, & Alamat)

Unit analisis

• Bagian dari sampel dimana kita akan melakukan analisis

(misalnya rumah tangga, atau indivudu ibu hamil, balita, PUS)

(4)

Ilustrasi

Page 4

Lansia usia > 60 tahun di Kab. Sukabumi, Kab. Ciamis, Kota Bandung,

(5)

sampel sampel

sampel sampel sampel

CONTOH BIAS KARENA SELEKSI SAMPEL

sampel

sampel sampel

sampel

(6)

Page 6

CONTOH BIAS KARENA SELEKSI SAMPEL

(7)

✓ Menjamin sampel menggambarkan populasinya

✓ Menjamin sampel mempunyai akurasi yang terukur

Metode sampling MENGAPA PERLU

SAMPLING?

1. Populasi tidak terbatas

2. Sumberdaya terbatas (tenaga, dana, waktu)

3. Tidak mungkin diteliti semua (waktu dan ruang) 4. Adanya penelitian yang destruktif

5. Tidak perlu semua diteliti, ada metode sampling

yg didasarkan pada distribusi probabilitas

(8)

Page 8

TEKNIK SAMPLING

• Sampel pertimbangan (Purposive/judgemental)

• Sampel berjatah (Quota)

• Sampel seadanya (Convenience)

•

1. Simple random sampling (acak sederhana)

•

2. Systematic random sampling (acak sistematik)

•

3. Stratified random sampling (acak bertingkat):

-Sederhana (Simple stratified random) -Proporsional (Proportional stratified random)

•

4. Cluster random sampling (acak berkelompok)

•

5. Multistages random sampling (acak bertahap)

Non Random Random (probability)

sampling

(9)

Beda Sample Random vs Non random

Random/Probability Sample

Probabilitas semua elemen di populasi untuk terpilih sebagai sampel adalah sama

Dapat merepresentasikan populasi dan hasilnya dapat digeneralisasi ke populasi

Non Random/Non Probability Sample

Probabilitas semua elemen di populasi untuk terpilih sebagai sampel adalah tidak sama

Tidak merepresentasikan populasi dan hasilnya

tidak dapat digeneralisasi ke populasi

(10)

BENTUK SAMPLE ACAK/RANDOM SAMPLING

Page 10

(11)

RANCANGAN SRS

( Simple/Systematic Random Sapling )

SIMPLE RANDOM SAMPLING

1. Tentukan populasi studi 2. Buat sampling frame (N) 3. Tentukan besar sampel 4. Pilih sampel sejumlah n

secara random (Dengan Tabel-random atau

Komputer)

SYSTEMATIC RANDOM SAMPLING:

1. Tentukan populasi studi 2. Tentukan sampling frame 3. Tentukan besar sampel 4. Tentukan interval (i=N/n) 5. Pilih sampel no.1 secara

acak

6. Secara sistematik tentukan sampel

berikutnya no.2, 3,.. dst

dengan interval=N/n

(12)

Ilustrasi Simple Random Sampling

Langkah I:Buat frame sampling yang terdiri dari daftar unit/elemen yang ada pada populasi

Langkah 2:Pilih sampel secara acak dengan menggunakan tabel random atau software

Sampel Terpilih

(13)

Populasi mahasiswa farmasi 5= 100

Sampel yang dibutuhkan = 30 Contoh Kerangka Sampel

No. Urut Nama Unit Alamat Nomor sampel

1 Badu Kp. Sawo No.1 1

2 Benu Kp. Sawo No.2 2

3 4 5 6 7 8 9 10

11 dst

(14)

Ilustrasi Systematic Random Sampling

Langkah I:Buat frame sampling yang terdiri dari daftar unit/elemen yang ada pada populasi

Langkah 2:Pilih sampel pertama secara acak dengan menggunakan tabel random/software

Sampel Terpilih

https://www.99.co/id/panduan/cluster-random-sampling-adalah

Langkah 3:Pilih sampel selanjutnya secara sistematis dengan menambahkan‘k’ pada nomor

urut sampel sebelumnya

(15)

Sistematik sampling

Populasi mahasiswa farmasi= 100 Sampel yang dibutuhkan = 30

i==N/n= 100/30 = 3,3…

(16)

Page 16

STRATIFIED RANDOM SAMPLING

STRATIFIKASI SEDERHANA (Alokasi sama):

1. Tentukan populasi studi 2. Kelompokkan populasi

berdasarkan variabel Strata 3. Tentukan besar sampel

4. Besar sampel dibagi rata menurut strata

5. Buat sampling frame (N) ditiap strata

6. Di tiap strata, pilih sampel

secara random (Tabel-random atau Komputer)

STRATIFIKASI PROPORSIONAL:

4. Besar sampel dibagi

proporsional menurut strata 5. Buat sampling frame (N) ditiap

strata

6. Di tiap strata, pilih sampel

Perlu Bobot Sampling

= (Jumlah populasi / jumlah sampel)

Tdk Perlu Bobot Sampling

(Antar strata heterogen, dalam strata homogen)

(17)

Ilustrasi Stratified Random Sampling

Langkah 2:Buat frame sampling yang terdiri dari daftar unit/elemen yang ada pada setiap strata

Langkah 3:Pilih sampel secara acak dengan menggunakan tabel random atau software sampel

pada setiap strata

Sampel Terpilih pada masing-masing strata Langkah 1: Populasi total dibagi menjadi

subpopulasi dengan kriteria tertentu→strata

Populasi berstrata : (populasi subjek atau

responden penelitian) yang anggota-anggotanya terkelompokkan ke dalam strata-strata (jenjang, lapisan) tertentu.

SD SMP SMA

DIPLOMA

SARJANA

(18)

Page 18

STRATIFIKASI SEDERHANA (Alokasi sama):

4. Besar sampel dibagi rata menurut strata

5. Buat sampling frame (N) ditiap strata

SD SMP SMA

DIPLOMA SARJANA

Studi ingin mengetahui PHBS pada di kecamatan X pada Tahun 2020. Dari informasi yang ada jumlah populasi pada masing-masing strata adalah sbb”

1. SD= 300 2. SMP = 120 3. SMA =100

4. DIPLOMA= 40 5. SARJANA=20

Sampel yang dibutuhkan adalah 100

SD=20 SMP=20 SMA=20

Diploma =20 Sarjana=20

(19)

SD SMP SMA

DIPLOMA SARJANA

Studi ingin mengetahui PHBS pada di kecamatan X pada Tahun 2020. Dari informasi yang ada jumlah populasi pada masing-masing strata adalah sbb”

1. SD= 300 = 300/580*100 = 52

2. SMP = 120 = 120/580100= 21 3. SMA =100 = 100/580100= 17

4. DIPLOMA= 40 =40/580*100= 7 5. SARJANA=20 = 20/580*100= 3

SD=52 SMP=21 SMA=170

Diploma =7 Sarjana=3

STRATIFIKASI PROPORSIONAL:

4. Besar sampel dibagi

proporsional menurut strata 5. Buat sampling frame (N) ditiap

strata

secara random (Tabel-random

(20)

Page 20

CLUSTER RANDOM SAMPLING

Digunakan jika sampling frame tidak tersedia atau

populasi merupakan wilayah geografis yang sulit dijangkau

1. Tentukan populasi studi (N)

2. Kelompokkan populasi berdasarkan cluster

• Geografis/area/wilayah administrasi/blok/unit

3. Tentukan jumlah sampel (n) dan jumlah cluster (n

_k

) dan jumlah sampel di tiap cluster terpilih(n

_s

)

4. Pilih cluster secara acak proporsional (PPS)

5. Pada cluster terpilih: ambil semua unit → cluster 1-tahap

6. Pada cluster terpilih: pilih secara random responden dengan jumlah yang sama → cluster 2-tahap

(Antar cluster homogen, dalam cluster heterogen)

(21)

Ilustrasi Klaster Random Sampling

Langkah 2: pilih secara random klaster yang ada pada populasi

Langkah 3: Semua unit yang ada pada klaster terpilih maka

dijadikan sampel

https://www.99.co/id/panduan/cluster-sampling-adalah

Langkah I: Buat frame sampling yang terdiri dari daftar klaster

yang ada pada populasi

Digunakan jika: Membutuhkan populasi luas, heterogen, atau mempunyai karakteristik berbeda satu sama lain. Namun keterbatasan tenaga tidak memungkinkan, maka metode ini dapat diterapkan untuk mencari reprentasi paling pas.

(22)

Page 22

Seorang peneliti ingin membuat survei mengenai gambaran status gizi di Kota Tangerang Selatan pada Balita Usia 0-5 tahun.

Langkah: 1. Tentukan bentuk klaster misalnya Kecamatan

Langkah 2: Tentukan jumlah klaster terpilih misalnya 3 (kluster dipilih secara acak), total sampel keseluruhan =300, dan jumlah sampel masing-masing klaster.

Ciputat Timur

Ciputat Pamulang

Serpong

Pondok Aren Serpong Utara

Setu

Antar klaster Dalam klaster

(Antar cluster homogen, dalam cluster heterogen)

Kerangka Sampel Kecamatan di Kota Tangerang Selatan Semua Bayi dan Balita yang ada di 3 kecamatan tersebut dijadikan sampel. Untuk menentukan jumlah masing2 kluster maka bisa di bagi secara proporsional.

Populasi balita: Ciputat = 200 ciputat timur= 100 Pamulang=100 Jumlah sampel masing:

Ciputat= 200/400*300 = 150

ciputat timur= 100/400*300= 75 Pamulang= 100/400*300 =75

Cluster 1 tahap

(23)

Seorang peneliti ingin membuat survei mengenai gambaran status gizi di Kota Tangerang Selatan pada Balita Usia 0-5 tahun.

Langkah: 1. Tentukan bentuk klaster misalnya Kecamatan

Langkah 2: Tentukan jumlah klaster terpilih misalnya 3 (kluster dipilih secara acak), total sampel keseluruhan =300, dan jumlah sampel masing-masing klaster.

Ciputat Timur

Ciputat Pamulang

Serpong Utara

Antar klaster Dalam klaster

P4 Serpong

Pondok Aren

Setu

Kota Tangerang Selatan

Bila pada cluster 2 tahap maka peneliti harus melakuakan pengacakan Kembali di level lebih bawah bisa kelurahan/RW

C1 C2 C3 CT1 CT 2 P1 P2 P3

Kerangka Sampel di tingkat Kelurahan

Cluster 2 tahap

P4

(24)

Page 24

Multi-stage random sampling

Digunakan jika populasi sangat besar dan menyebar dan tidak tersedia KERANGKA SAMPEL

Contoh tingkat Propinsi:

1. Tentukan populasi studi (N) dan sampel (n)

2. Bagi populasi menurut wilayah/Strata (Kab/Kota)

→ Pilih wilayah/strata secara acak

3. Di setiap strata terpilih, kelompokan populasi berdasarkan cluster atau strata (Urban/Rural)

→ Pilih cluster/strata secara acak

4. Tentukan besar sampel di tiap Strata & klaster

5. Di klaster/strata terpilih, ambil sampel secara acak

(tabel-random/komputer)

(25)

Ilustrasi Multistage Random Sampling

Langkah 6: Pilih secara acak individu yang akan dijadikan

sampel Langkah 1: Buat Frame Sampling

Kecamatan

Langkah 2: Pilih secara acak

kecamatan yang dijadikan sampel Langkah 4: Pilih secara acak kelurahan yang akan dijadikan sampel

Langkah 5: Buat Frame Sampling RT di Kelurahan terpilih Langkah 3: Buat Frame Sampling

kelurahan di Kecamatan terpilih

(26)

BENTUK SAMPEL NON-ACAK/NON RANDOM SAMPLING

Page 26

(27)

Non-Probability Sampling merupakan teknik pengambilan sampel tidak dipilih secara acak.

Unsur populasi yang terpilih menjadi

sampel bisa disebabkan karena kebetulan atau karena faktor lain yang sebelumnya sudah direncanakan oleh peneliti.

• Sampel pertimbangan (Purposive/judgemental)

• Sampel berjatah (Quota)

• Sampel seadanya

(28)

Purposive Sampling

Purposive Sampling merupakan Satuan sampling yang dipilih berdasarkan pertimbangan tertentu dengan tujuan untuk memperoleh satuan sampling yang memiliki karakteristik yang dikehendaki. Peneliti ahli dalam bidang yang akan diteliti

Bila dilakukan secara random maka akan menyulitkan peneiti karena karakteristik sampel random sangat luas.

Contoh : Penelitian terkait kekerasan dalam rumah tangga atau KDRT yang menimpa wanita. Penelitian ini nantinya bisa digunakan menjadi dasar untuk penanganan masalah kekerasan, terutama yang menimpa wanita.

Karakteristik sampel

1. Peserta adalah seseorang yang telah menikah dan mengalami kekerasan dalam rumah tangga secara langsung

2. Usia peserta penelitian minimal 20 tahun

3. Pernah tinggal bersama pasangan saat terjadi kekerasan dalam rumah tangga

4. Merupakan hubungan heterosexual atau hubungan antara pria dengan

wanita _{Page 28}

(29)

Sampel seadanya (Convenience) /Accidental Sampling

Untuk membedakan teknikaccidental samplingdengan metodesamplinglainnya, terdapat ciri khusus dari pengambilan sampel tersebut, yaitu :

1. Peneliti tidak menekankan pada

tujuansamplingmelainkan pada kemudahan proses riset sehingga tidak menetapkan kriteria khusus atau rumit tentang sampel.

2. Peneliti dengan sengaja memilih sampel dari populasi di mana informasi yang diperlukan bisa didapat dengan mudah.

3. Sesuai dengan namanya, sampel yang dipilih mayoritas karena berada di lokasi saat

dibutuhkan atau seseorang maupun sesuatu yang familier bagi peneliti.

4. Kemudahan akses biasanya menjadi pertimbanganutama peneliti dengan teknikaccidental sampling.

Contoh :

Peneliti ingin melihat bagaimana kepuasan pelayanan Rumah Sakit di DKI Jakarta Langkah:

1. Tentukan rumah sakit yang akan dipilih

2. Siapa saja yang tidak sengaja bertemu di RS X dengan peneliti dan sesuai dengan karakteistik maka orang tersebut dapat digunakan sebagai sampel (responden).

(30)

Sampel berjatah (Quota)

Pengambilan sampel hanya berdasarkan pertimbangan peneliti saja, besar dan kriteria sampel telah ditentukan lebih dahulu.

Definisi quota samping adalah sebagai teknik pengambilan sampel dimana jumlah populasi tidak diperhitungkan, tapi diklasifikasikan dalam beberapa

kelompok. Sampel diambil dengan cara memberikan jatah atau quorum tertentu terhadap kelompok.

Contohnya, penelitian tentang persepsi masyarakat Indonesia tentang kesetaraan gender.

Sampel yang dicari berada dalam lingkup nasional, yaitu Indonesia. Quota sampling membuat kategori berdasarkan karakteristik, seperti jenis kelamin, tingkat pendidikan, umur dan sebagainya.

Peneliti menentukan kuota berdasarkan pengetahuan karakteristik akan berapa jumlah laki-laki, berapa jumlah perempuan. Sampel dari kategori laki-laki dan perempuan diambil secara proporsional. Begitu pula kategori pendidikan dan umur.

Page 30

(31)

Snowball

Snowball sampling adalah teknik yang diterapkan untuk menentukan sample di mana mula-mula jumlahnya kecil. Kemudian, sample yang terpilih disuruh untuk memilih teman-temannya atau hal lain yang berhubungan dengan kriteria untuk dijadikan sample dan seterusnya. Dengan teknik ini nantinya jumlah sample akan semakin besar dan banyak.

Contoh:

1. Seorang peneliti ingin melakukan penelitian tentang perilaku pengguna narkoba.

Jumlah sampel sementara yang didapatkan hanya 3 orang berdasarkan dari data rumah sakit ketergantungan obat.

2. Selanjutnya, peneliti juga menggali informasi dari 3 orang pengguna narkoba tersebut tentang pengguna yang lainnya. Informasi tentang pengguna yang lain kemudian dijadikan sampel tambahan. D

3. ari sampel tambahan tersebut digali kembali informasi siapa saja yang menggunakan narkoba.

(32)

Terima Kasih

Page 32

Konsep Dasar Sampling dan Statistik