Perhitungan Besar Sampel
Lingkup Rancangan Sampel 1. Tentukan Tujuan Penelitian 2. Definisikan Populasi Target 3. Identifikasi Kerangka Sampel 4. Pilih Metode Pengambilan Sampel yang sesuai/cocok 5. Hitung Besar Sampel 6. Ambil Sampel & Kumpulkan Data
BESAR SAMPEL Tergantung pada: Jenis penelitian Eksplorasi awal 1 sampel mungkin cukup Generalisasi harus representative Skala-ukur variabel dependen Nominal/ordinal (Kategorik) Proporsi Interval/ratio (Numerik) Mean dan SD Ketepatan perkiraan yang diinginkan (presisi) Semakin tinggi presisi ~ semakin besar sample Tujuan Penelitian Estimasi Uji Hipotesis Interval kepercayaan dan Kekuatan Uji Teknik pengambilan sampel (SRS atau Non-SRS)
BESAR SAMPEL Tergantung pada: Tujuan penelitian Outcome variabel Presisi/ variasi Ukuran dampak Selang Kepercayaan Kekuatan Uji Cara penarikan sampel 1. Estimasi 1. Proporsi p, presisi 90, 95, 99% 1. Acak sederhana (satu sampel) 2. Rata-rata x, presisi 2. Kompleks sampel 2. Uji Hipotesis 1. Beda p1-p2 OR,RR 80,90,95% (dua sampel) proporsi 2. Beda x1-x2 rata-rata
Perhitungan Besar Sampel untuk Estimasi Parameter
Terminologi pada Perhitungan Besar Sampel utk Estimasi Parameter P = Estimasi proporsi hasil penelitian terdahulu d = Simpangan/presisi ditentukan peneliti CI = Confidence Interval 95% kesmas, 99% klinis
Perhitungan Besar Sampel utk Estimasi Parameter Kaitan presisi mutlak dg relatif
Contoh Perhitungan Besar Sampel untuk mengetahui prevalensi diare di Kab Bekasi Prevalensi diare pd Balita di Bekasi belum diketahui, digunakan hasil survei Jawa Barat, Diketahui prevalensi diare Balita di Jabar 15% Presisi/Simpangan yang dapat diterima 5% Derajat kepercayaan 95% Peneliti 95% percaya bahwa prevalensi diare Balita di Kab Bekasi berkisar antara 10% sampai dengan 20%
Besar sampel estimasi proporsi: simpangan mutlak P=Estimasi proposi d=presisi/simpangan mutlak z=nilai z pada derajat kepercayaan 1-a/2 Digunakan untuk estimasi proposi Tidak tepat digunakan untuk uji hipotesis Asumsi desain: populasi tak terbatas dan sampel SRS Jika sampel Non-SRS, harus dikalikan dengan Deff
Besar sampel estimasi proporsi: simpangan mutlak Contoh penggunaan: Survei cakupan imunisasi Survei prevalensi gizi kurang di masyarakat Penelitian prevalensi hipertensi di masyarakat
Besar sampel estimasi proporsi: Contoh Suatu survei dilakukan untuk mengetahui prevalensi diare pada Balita di Kabupaten Bogor. Berapa jumlah sampel yang diperlukan untuk survei ini? Untuk menghitung jumlah sampel,peneliti perlu tahu: Perkiraan prevalensi diare di kab. Bogor Presisi/Simpangan yang dapat diterima Derajat kepercayaan
Besar sampel estimasi proporsi: Contoh Misalkan: Data diare di Bogor belum ada Diketahui prevalensi diare di Jabar 15% Simpangan yang dapat diterima 5% Derajat kepercayaan 95% Berarti: Peneliti memperkirakan prevalensi diare di kab. Bogor 15% Peneliti 95% yakin bahwa prevalensi diare di kab. Bogor berkisar antara 10-20% Ada 5% kemungkinannya prevalensi diare berada di luar kisaran 10-20%
Besar sampel estimasi proporsi: Contoh Berarti: Pada survei yang bertujuan untuk mengetahui prevalensi diare pada Balita di Kab. Bogor, diperlukan sampel minimum 196 Balita, yang pengambilan sampelnya dilakukan dengan metode SRS
Besar sampel estimasi rata-rata: simpangan mutlak s=simpang baku d=presisi/simpangan mutlak dari rata-rata z=nilai z pada derajat kepercayaan 1-a/2 Digunakan untuk estimasi rata-rata Tidak tepat digunakan untuk uji hipotesis Asumsi desain: populasi tak terbatas dan metode sampel SRS
Besar sampel estimasi rata-rata: contoh Suatu penelitian dilakukan untuk mengetahui rata-rata tekanan darah sistolik orang dewasa di Jakarta Asumsi yang digunakan: Rata-rata tek. Darah 120 mmHg Simpang baku dari penelitian sebelumnya (referensi) 20 mmHg Presisi/Simpangan mutlak 4 mmHg Derajat kepercayaan 95% Berarti: Peneliti 95% yakin bahwa rata-rata tek. Darah sistolik di populasi berkisar 115-125 mmHg
Besar sampel estimasi rata-rata, simpangan mutlak Berarti, utk mengetahui rata-rata tekanan darah sistolik orang dewasa di Jakarta, diperlukan sampel minimum 97 sampel orang dewasa, yang pengambilan sampelnya dilakukan dengan metode SRS
Perhitungan Besar Sampel untuk Uji Hipotesis
Terminologi pada Perhitungan Besar Sampel utk Uji Hipotesis P1 = Estimasi proporsi pada kelp.1 P2 = Estimasi proporsi pada kelp.2 CI = Confidence Interval (1-alpha) Power = Kekuatan Uji (1-beta)
Perhitungan Besar Sampel utk Uji Hipotesis
Besar sampel uji hipotesis beda proporsi 2 kelompok P1 dan P2 bergantung pada desain (didapat dari hasil penelitian terdahulu) n =Jumlah sampel untuk masing-masing kelompok P-hat = (P1+P2)/2 P1-P2 = perbedaan minimal yang dianggap bermakna secara substansi (berdampak pada kesehatan masyarakat)
P1, P2 pada disain eksperimen, kohort, & cross-sectional P1 = a/(a+b) P2 = c/(c+d)
P1, P2 pada disain kasus-kontrol P1 = a/(a+c) P2 = b/(b+d)
Contoh P1 dan P2 Pada disain kohort/cross sectional “Hubungan antara anemia dengan BBLR” Pada disain kohort/cross sectional P1: Proposi BBL R pada ibu anemia P2: Proposi BBLR pada ibu tidak anemia Pada disain kasus-kontrol P1: Proporsi ibu anemia pada BBLR P2: Proporsi ibu anemia pada non BBLR Kesalahan penetapan P1 dan P2 sering terjadi pada desain kasus-kontrol
Masalah dalam Penentuan Besar Sampel Jika hipotesis tidak fokus, misalnya: Faktor-faktor yang berpengaruh pada kejadian BBLR P1 dan P2 variabel yang mana ? Solusi: 1. Pilih faktor utama saja, faktor lain dianggap confounder 2. Hitung sampel untuk tiap faktor, kemudian ambil jumlah sampel terbesar Perbedaan P1 dan P2 harus berdasarkan perbedaan yang dianggap secara subtansi bermakna, bukan hanya dari penelitian terdahulu saja
Contoh: Penelitian tentang “Faktor-faktor yang berhubungan dengan BBLR” Faktor utama yang ingin diuji: Anemia Merokok Hipertensi Status Ekonomi Maka perlu informasi tentang: Prop BBLR pada anemia dan pada non anemia Prop BBLR pada perokok dan pada non perokok Prop BBLR pada hipertensi dan pada non hipertensi Prop BBLR pada ibu miskin dan pada ibu non miskin Kemudian, Hitung besar sampel utk tiap variabel Sampel terbesar yang diambil