PENARIKAN SAMPEL Mugi Wahidin, M.Epid Prodi Kesehatan Masyarakat Universitas Esa Unggul 2014

POKOK BAHASAN Populasi dan Sampel Alasan Penarikan Sampel Syarat Sampel ideal Kerangka sampel Teknik pengambilan sampel Distribusi Sampling

Populasi dan Sampel Statistik Infrerens: cara atau metode yang dipergunakan untuk menggeneralisasi hasil dari suatu sampel menjadi hasil populasi Contoh: Survei tekanan darah terhadap 234 orang berusia >18 tahun di Kota Jakbar, sebanyak 30% mengalami tekanan darah tinggi. Apakah tekanan darah tinggi penduduk berusia >18 tahun di Kota Jakbar sebesar 30%?

Populasi dan Sampel Populasi Adalah wilayah generalisasi yang terdiri atas obyek/subyek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya contoh: mahasiswa baru Univ Esa Unggul tahun ajaran 2014/2015 karakterisik: usia tertentu, latar belakang pendidikan tertentu, asal hasil pengukuran parameter: µ, σ Sampel Adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi. Atau sebagian populasi yang ciri2nya disellidiki/diukur contoh: sebagian mahasiswa baru Univ Esa Unggul tahun ajaran 2014/2015 hasil pengukuran: statistik:, yaitu estimasi (pendugaan): s, x bar

Populasi dan Sampel Representatif Sampel Miniatur Populasi

Alasan Penarikan Sampel Populasi sangat besar (infinite population), tidak mungkin mengukur semua Homogenitas, tidak perlu mengukur semua yg sama Menghemat waktu dan biaya Ketelitian/ketepatan pengukuran yg sedikit (sampel) lebih tepat daripada mengukur banyak (populasi) Ada obyek penelitian yang dihancurkan setelah penelitian: misal darah

Syarat Sampel Ideal Dapat menggambarkan karakterisik populasi yang diamati Dapat menentukan presisi (ketepatan) hasil penelitian dengan menentukan simpangan baku dari taksiran yg diperoleh Sederhana, mudah dilaksanakan Dapat memberikan informasi sebanyak mungkin dengan biaya serendah mungkin (efisien)  jika syarat-syarat tidak terpenuhi, kesimpulan penelitian bisa menjadi bias (bias conclusion)

Kerangka Sampel Adalah daftar semua unsur sampel dalam populasi Misal: daftar penduduk di wilayah kecamatan X, daftar penderita AIDS di suatu kota, daftar telepon di suatu wilayah, dll

Teknik Pengambilan Sampel Probability sampling Non Probability sampling Simple Random Sampling (SRS) Sistematic Random Sampling Proportionate Stratified Random Sampling Disproportionate Stratified Random Sampling Area (cluster) sampling Sampling sistematis Sampling kuota Sampling insidentil Purposive sampling Sampling jenuh Snowball samplig

Probability Sampling Simple Random Sampling (acak sederhana) Untuk populasi tidak banyak variasi, geografis sempit, Dilakukan dengan undian, tabel random, memakai software Sistematic Random Sampling Untuk populasi tidak terlalu besar Sampel pertama diundi (random) selanjutnya dipilih secara sistematik dengan kelipatan tertentu. Misal dari 400 orang diambil 15 orang, maka kelipatan adalah 15/400=1/27, kelipatan 27. no pertama diundi, misal angka 5, maka sampel kedua dst adalah angka 5+27=32, 32+27=59 dst

Probability Sampling 3. Proportionate Stratified Random Sampling Untuk populasi heterogen, ada strata, misal kota-desa, kaya-miskin Unsur dalam strata sehomogen mungkin Unsur antar strata seheterogen mungkin Sampel diambil proporsional pada strata Sampel diambil secara acak pada masing-masing strata 4. Disproportianate Stratified Random Sampling Untuk populasi berstrata tetapi kurang proporsional, Misal lulusan PT 1 orang, SD 2 orang, SMP 200 orang, SMA 100 orang, maka lulusan PT dan SD diambil semua, sedangkan SMP dan SMA diambil secara acak proporsional

Probability Sampling 5. Cluster sampling/area sampling Jika kerangka sampel tidak ada, wilayah luas Populasi dibagi ke dalam kelas dg asusmsi di setiap kelas sudah terdapat variasi Kelas yang diacak (proportianate) dan sampel diambil dari kelas yg terpilih Syarat Di dalam kelas sehomogen mungkin Antar kelas seheterogen mungkin

Non Probability Sampling Sampling sistematis Sampel diambil berdasarkan urutan anggota Misal sampel dari 100 orang diambil yg ganjil saja, genap saja, atau kelipatan 4 Kuota Sampel Sampel diambil berdasarkan jumlah kuaota yang ditetapkan Misal jumlah sampel 300, maka setelah menemukan 300 responden pengambilan sampel berhenti Sampling insidentil Sampel diambil tidak terencana (kebetulan) Misal sampel pada kondisi KLB, siapa sj yg teridentifikasi diajadikan sampel

Non Probability Sampling 4. Purposive Sampling Sampel diambil oleh orang yg telah mengenal betul populasi yg diteliti Misal: penelitian tentang politik, sampel adl ahli politik 5. Sampling jenuh Adalah semua populasi menjadi sampel, sama dengan sensus Populasi <30 orang 6. Snowball sampling Sampel mula-mula kecil, kemudian membesar Misal: awalnya peneliti mengambil 2 orang, tetapi karena karena dipandang ada orang yg lebih tau maka ditambah sampel menjadi 4 orang, dst. Cocok untuk penelitian teroris dan penyebab kerusuhan

Distribusi Sampling Perlunya generalisasi informasi dari sample ke populasi Dasar-dasar statistik inferens adl distribusi sampling Sebelum menghitung estimasi dan uji hipotesis perlu mengetahui distribusi sampling Distribusi sampling adl: distribusi dari mean-mean sampel yang diambil secara berulang kali dari suatu populasi

Distribusi Sampling Misal: populasi dengan nilai parameter: µ, σ, dan N Diambil sampel scr random, akan diambil nilai mean (x bar) dan s . Diambil lagi sampel berikutnya dan menghasilkan mean dan s, dst Mean dari sampel2 tersebut akan menghasilkan distribusi: Distrbusi Sampling Harga Mean

Distribusi Sampling Sifat Distribusi Sampling = Central Limit Theorem (Teorema Limit Pusat)  sifat yang mendasari teori inferens Sifat-1 Apabila sampel-sampel random dengan elemen masing-masing diambil dari suatu populasi normal, yang mempunyai mean = µ varian σ, distribusi sampling harga mean akan mempunyai mean sama dengan µ dan varian σ2/n atau standar deviasi σ/√n. Standar deviasi distribusi sampling = Standar Error (SE)

Distribusi Sampling Sifat-2 Apabila populasi berdistribusi normal, distribusi sampling harga mean juga akan berdistribusi normal. Maka berlaku sifat persamaan Z = x -µ SE Sifat-3 Walaupun populasi berdistribusi sembarang, kalau diambil sampel-sampel berulang kali secara secara random, distribusi harga mean akan membentuk distribusi normal

Distribusi Sampling Contoh: Diyakini bahwa kadar hemoglobin orang sehat (µ) =12 gr%, dan σ = 2,5 gr%. Seorang peneliti mengambil 25 orang sampel, hitunglah probabilitas rata-rata Hb sampel: >13 gr% Antara 11-13,5 gr%

Distribusi Sampling Jawab: Diket: µ) =12 gr%, σ = 2,5 gr% n = 25 SE = σ/√n = 2,5/ √25 = 0,5 gr% Z = x -µ = 13-12 = 2  Z tabel = 0,4772 SE 0,5 p (xbar >13 gr%) = 0,5 – 0,4772 = 0,0228 atau 2,3% jadi, peluang rata-rata sampel dengan Hb >13 gr% adalah 2,3%

Distribusi Sampling Hitunglah jawaban b! p (11 gr% < xbar , 13,5 gr%) Z1 = 11-12 = 2  Z tabel = 0,4772 0,5 Z2 = 13,5-12 = 3,0  Z tabel = 0,4987 p (11 gr% < xbar < 13,5 gr%) = 0,4772 + 0,4987 0,9759 = 98%

Thank You

Tugas Individu Buatlah contoh penelitian masing-masing untuk 5 teknik probabilitas dan 6 non probabilitas Diketahui tinggi badan mahasiswa Esa Unggul berdistribusi normal dengan mean 60 inci dan standar deviasi 10 inci. Diambil sampel 25 maahasiswa. Berapa persentase sampel yang diambil dengan rata-rata: Antara 57 dan 63 Kurang dari 55 64 atau lebih 75 atau lebih Di desa X rata-rata bayi baru lahir adalah 3360 gram dengan simpangan baku 490 gram. Jika diambil secara acak 30 bayi bari lahir, hitunglah probabilitas: 2400 < xbar , 2600 gram xbar ≤ 2500 gram Xbar ≥ 5000 gram