Sesi 2: Dasar Teori Rancangan Sampel

Presentasi berjudul: "Sesi 2: Dasar Teori Rancangan Sampel"— Transcript presentasi:

1 Sesi 2: Dasar Teori Rancangan Sampel
Visi Program Studi Sarjana Kesehatan Masyarakat FIKES UHAMKA: “Program Studi Kesehatan Masyarakat FIKES UHAMKA pada tahun 2020 menjadi salah satu institusi pendidikan tinggi kesehatan masyarakat yang menghasilkan lulusan unggul di tingkat nasional yang memiliki kecerdasan spiritual, intelektual, emosional, dan sosial.“ Sesi 2: Dasar Teori Rancangan Sampel Dosen: Nurul Huriah Astuti, SKM, MKM Rancangan Sampel, Program Studi Sarjana Kesehatan Masyarakat FIKES UHAMKA

2 Capaian Pembelajaran Mahasiswa memahami tentang konsep dan metode pengambilan sampel Program Studi Sarjana Kesehatan Masyarakat

3 Tujuan Menjelaskan tentang konsep dan metode pengambilan sampel
Program Studi Sarjana Kesehatan Masyarakat

4 Populasi Populasi adalah Kumpulan individu di mana hasil suatu penelitian akan dilakukan generalisasi Unit elementer/elemen dari Populasi/unit sampel adalah Anggota populasi di mana pengukuran dilakukan Program Studi Sarjana Kesehatan Masyarakat

5 Contoh : Jika seorang peneliti melakukan survei prevalensi diare di Kabupaten Cirebon MAKA Semua anak balita yang tinggal di kabupaten Cirebon = Populasi Setiap anak balita yang tinggal di kabupaten Cirebon = unit elementer dalam survei tersebut Program Studi Sarjana Kesehatan Masyarakat

6 Contoh Lain Jika sebuah penelitian bertujuan untuk mengestimasi jumlah perokok pada remaja usia 15 – 17 tahun di Kabupaten Garut. Maka siapa populasinya? Siapa unit elementernya? Populasi : Semua remaja usia 15 – 17 tahun di Kabupaten Garut Unit elementer adalah setiap remaja usia 15 – 17 tahun di Kabupaten Garut Program Studi Sarjana Kesehatan Masyarakat

7 Unit Analisis Adalah Satuan utama yang dianalisis dalam sebuah penelitian (bagian dari sampel) Contoh : Jika sebuah penelitian ingin membandingkan nilai skor pengetahuan di antara anak-anak SD X kelas 5A, maka unit analisisnya adalah individu anak Program Studi Sarjana Kesehatan Masyarakat

8 Unit Analisis Tetapi Jika penelitian ingin membandingkan skor pengetahuan antara kelas 5A dengan 5B, maka unit analisisnya adalah kelas Karena yang dibandingkan adalah nilai rata-rata skor pengetahuannya bukan nilai individu Program Studi Sarjana Kesehatan Masyarakat

9 Tujuan Penelitian Tujuan utama dalam suatu penelitian dibagi menjadi 2 kelompok : Estimasi nilai tertentu dari populasi Uji hipotesis Program Studi Sarjana Kesehatan Masyarakat

10 1. Tujuan Estimasi Nilai Populasi
Ingin memperkirakan berapa nilai/angka dari suatu gangguan/penyakit/cakupan imunisasi/lainnya pada populasi Peneliti hanya ingin menggambarkan nilai-nilai yang ada di populasi (rata-rata, total jumlah, rasio, dsb) Program Studi Sarjana Kesehatan Masyarakat

11 1. Tujuan Estimasi Nilai Populasi
Contoh : Peneliti ingin mengetahui cakupan imunisasi MMR pada anak sekolah dasar Peneliti ingin mengetahui prevalensi penyakit hepatitis B, ingin mengetahui jumlah pelajar SMA yang merokok, dsb Program Studi Sarjana Kesehatan Masyarakat

12 2. Tujuan Uji Hipotesis Peneliti ingin membandingkan nilai satu kelompok populasi dengan kelompok populasi lainnya Contoh : Peneliti ingin membandingkan apakah ada perbedaan proporsi kejadian BBLR antara kelompok populasi ibu perokok dengan ibu non perokok Program Studi Sarjana Kesehatan Masyarakat

13 Contoh Lain: Seorang peneliti ingin mengetahui efek asupan natrium pada tekanan darah  Uji hipotesis atau estimasi? Uji Hipotesis Seorang peneliti ingin mengetahui rata-rata kadar Hb ibu hamil di Kota Bogor Estimasi Seorang peneliti ingin mengetahui hubungan anemia pada ibu hamil dengan kejadian BBLR Program Studi Sarjana Kesehatan Masyarakat

14 Parameter Populasi Adalah :
suatu angka ringkasan, seperti rata-rata atau prosentase yang menggambarkan keseluruhan nilai pada populasi Rata-rata populasi dilambangkan dengan μ (the greek letter "mu") Proporsi pada populasi dilambangkan dengan P Program Studi Sarjana Kesehatan Masyarakat

15 Parameter Populasi Rumus Rata-rata Populasi :
Jika N = jumlah unit elementer pada populasi MAKA : (Menggambarkan ukuran tengah) Program Studi Sarjana Kesehatan Masyarakat

16 Parameter Populasi Rumus Proporsi Populasi :
Jika N = jumlah unit elementer pada populasi MAKA : (Menggambarkan ukuran tengah) Program Studi Sarjana Kesehatan Masyarakat

17 Varians Populasi Dilambangkan dengan 2 MAKA : Rumus Varians untuk Variabel Kontinyu (numerik) : Program Studi Sarjana Kesehatan Masyarakat

18 Varians Populasi 2 = NP (1 – P)
Sedangkan untuk Variabel dikotomus (Kategorik) : 2 = NP (1 – P) Program Studi Sarjana Kesehatan Masyarakat

19 Standar Deviasi Populasi
Merupakan akar kuadrat dari varians Sehingga varians untuk variabel kontinyu (numerik) adalah Program Studi Sarjana Kesehatan Masyarakat

20 Standar Deviasi Populasi
Sedangkan varians untuk variabel dikotomus (Kategorik) adalah Program Studi Sarjana Kesehatan Masyarakat

21 Program Studi Sarjana Kesehatan Masyarakat
Program Studi Sarjana Kesehatan Masyarakat

22 Populasi, Kerangka Sampel, Sampel, dan Unit Elementer
Program Studi Sarjana Kesehatan Masyarakat

23 Sampel Pengambilan sampel secara garis besar dapat digolong menjadi 2, yaitu : Pengambilan sampel dengan probabilitas (probability sampling) Pengambilan sampel dengan tanpa probabilitas (non probability sampling) Program Studi Sarjana Kesehatan Masyarakat

24 Probability Sampling Tiap elemen populasi memiliki probabilitas yang diketahui, untuk terpilih sebagai sampel Setiap subyek harus memiliki kesempatan yang sama untuk terpilih (equal probability of selection/EPSEM Untuk itu, perlu kerangka sampel (sampling frame) Program Studi Sarjana Kesehatan Masyarakat

25 Probability Sampling Unit elementer = unit yang ada dalam kerangka sampel Pada penelitian survei, seringkali unit elementer tidak dapat dipilih secara langsung Contoh : penelitian untuk mengetahui cakupan imunisasi campak di Kabupaten Lebak Program Studi Sarjana Kesehatan Masyarakat

26 Probability Sampling Pada penelitian tersebut : peneliti tidak mungkin langsung memilih balita dari daftar semua balita yang ada di kabupaten tersebut  karena daftar unit elementer (kerangka sampel) tidak tersedia Dilakukan metode multistage Program Studi Sarjana Kesehatan Masyarakat

27 Multistage Random Sampling
Tahap Pertama : Memilih desa (Kerangka Sampel : nama desa)  Unit sampel (random) : primary sampling unit (PSU) Tahap Kedua: Memilih balita dari desa terpilih (Kerangka sampel : nama balita di desa terpilih) Program Studi Sarjana Kesehatan Masyarakat

28 Unit tersebut disebut sebagai unit enumerasi (enumeration unit)
Dalam penelitian survei, seringkali unit sampel/elementer tidak tersedia atau sulit didapat Tetapi unit elementer dapat dikaitkan dengan unit lain yang daftarnya sudah tersedia/mudah dibuat Unit tersebut disebut sebagai unit enumerasi (enumeration unit) 1 unit enumerasi bisa terdiri dari 1 atau lebih unit elementer Contoh : Karena daftar anak balita di tingkat desa tidak tersedia maka pemilihan sampel dilakukan berdasarkan rumah tangga  RT adalah unit enumerasi; balita adalah unit elementer Program Studi Sarjana Kesehatan Masyarakat

29 Non Probability Sampling
Pengambilan sampel tidak didasarkan pada probabilitas Evaluasi matematis tidak dapat dilakukan Program Studi Sarjana Kesehatan Masyarakat

30 Statistik Jika n adalah elemen yang telah diambil sebagai sampel dari populasi yang memiliki elemen dan rata-rata sampel dilambangkan dengan Maka rumus rata-rata pada sampel adalah : (Menggambarkan ukuran tengah) Program Studi Sarjana Kesehatan Masyarakat

31 Statistik Jika p melambangkan proporsi sampel yang memiliki nilai MAKA
Rumus proporsi sampel tersebut adalah : (menggambarkan ukuran tengah) Program Studi Sarjana Kesehatan Masyarakat

32 Statistik Varians pada sampel dilambangkan dengan S2 MAKA rumusnya adalah : (Untuk variabel kontinyu (Numerik) Program Studi Sarjana Kesehatan Masyarakat

33 Statistik S2 = np(1– p) (n – 1)
Varians pada sampel dilambangkan dengan S2 MAKA rumusnya adalah : (Untuk variabel dikotomus/kategorik) S2 = np(1– p) (n – 1) Program Studi Sarjana Kesehatan Masyarakat

34 Statistik Standar deviasi adalah kuadrat dari varians, sehingga besarnya adalah (untuk variabel kontinu/numerik) Program Studi Sarjana Kesehatan Masyarakat

35 Statistik Sedangkan, Standar deviasi untuk variabel dikotomus/kategorik adalah p Program Studi Sarjana Kesehatan Masyarakat

36 Besar Sampel Tergantung pada : Jenis Penelitian
- Eksplorasi awal  1 sampel mungkin cukup - Generalisasi  Harus representatif Skala-ukur variabel dependen - Nominal/ordinal (kategorik)  Proporsi - Interval/ratio (numerik)  Mean dan SD Program Studi Sarjana Kesehatan Masyarakat

37 Besar Sampel Tergantung pada :
Derajat ketepatan perkiraan yang diinginkan (presisi)  semakin tinggi presisi, semakin besar sampelnya Tujuan penelitian - Estimasi - Uji hipotesis Kesalahan sering terjadi  menganggap setiap penelitian adalah estimasi Interval/derajat kepercayaan/kekuatan uji Teknik pengambilan sampel (SRS atau bukan SRS) Program Studi Sarjana Kesehatan Masyarakat

38 Besar Sampel Besar sampel hanya dapat dihitung jika ada informasi awal tentang populasi Informasi awal adalah tentang hal yang akan diteliti Contoh : Suatu survei dilakukan untuk mengetahui prevalensi diare pada balita di kota Bogor. Berapa jumlah sampel yang diperlukan untuk survei ini? Program Studi Sarjana Kesehatan Masyarakat

39 Baru tentukan dan hitung rumusnya
Besar Sampel Untuk perhitungan besar sampel survei tersebut diperlukan informasi : Jenis penelitian : generalisasi Skala ukur : ordinal  proporsi Presisi : dipakai oleh peneliti 5% Tujuan penelitian : estimasi Derajat kepercayaan : 95% Teknik pengambilan SRS Baru tentukan dan hitung rumusnya Program Studi Sarjana Kesehatan Masyarakat

40 Estimasi Karakteristik Populasi
Estimasi rata-rata, proporsi, varians, dan standar deviasi populasi dapat langsung diperoleh dari statistik pada sampel Jika pengambilan sampel dilakukan secara acak sederhana (simple random sampling) maka nilai rata-rata, proporsi, dan varians dapat langsung digunakan untuk estimasi nilai rata-rata pada populasi, nilai proporsi pada populasi, dan nilai standar deviasi pada populasi Program Studi Sarjana Kesehatan Masyarakat

41 Estimasi Karakteristik Populasi
Akan tetapi jika pengambilan sampel tidak dilakukan secara SRS, maka nilai-nilai yang ada pada sampel tsb tidak selalu merupakan estimasi yang benar dari nilai yang ada pada populasi Misal, pada survei yang menggunakan disain metode sampel yang kompleks melibatkan metode stratifikasi dan klaster  estimasi yang benar untuk nilai populasi juga harus memperhitungkan kompleksitas pengambilan sampel yang digunakan Program Studi Sarjana Kesehatan Masyarakat

42 Distribusi Sampel Dasar dari rancangan sampel adalah teori limit sentral Teori Limit Sentral (Central Limit Theoreme) : Jika ada satu populasi dengan rata-rata µ, proporsi adalah P, dan standar deviasi adalah , maka distribusi sampel berdasarkan pengambilan sampel n secara acak dan berulang-ulang akan memiliki 3 sifat Program Studi Sarjana Kesehatan Masyarakat

43 3 Sifat Distribusi Sampel
Rata-rata distribusi pada sampel akan sama dengan rata-rata pada populasi Standar deviasi distribusi sampel untuk nilai pada sampel akan sama dengan /n (SE)  SE memegang peranan penting pada estimasi parameter dan uji statistik Program Studi Sarjana Kesehatan Masyarakat

44 3 Sifat Distribusi Sampel
3. a. Jika distribusi nilai pada populasi normal maka distribusi sampel juga normal; b. jika distribusi nilai pada populasi tidak normal dengan jumlah sampel “cukup” besar maka distribusi sampel akan mendekati normal, tanpa tergantung oleh distribusi nilai populasi Program Studi Sarjana Kesehatan Masyarakat

45 Program Studi Sarjana Kesehatan Masyarakat

46 Karakteristik dari Estimasi Parameter Populasi
Dalam melakukan penelitian, peneliti sangat berharap untuk memperoleh estimasi parameter yang sama atau paling tidak mendekati parameter populasi yang tidak diketahui Ketepatan estimasi parameter populasi dapat diukur dengan bias dan sampling error Program Studi Sarjana Kesehatan Masyarakat

47 Karakteristik dari Estimasi Parameter Populasi
Bias dalam estimasi populasi perbedaan antara estimasi parameter populasi dengan parameter populasi yang sebenarnya Sampling error menggambarkan hubungan antara estimasi yang diperoleh pada pengambilan sampel tunggal dengan parameter populasi Program Studi Sarjana Kesehatan Masyarakat

48 Karakteristik dari Estimasi Parameter Populasi
Contoh : kita mengetahui bahwa cakupan imunisasi campak suatu daerah adalah 78%. Seorang peneliti mengambil sampel dari populasi dan memperoleh hasil cakupan imunisasi campak 72% Dengan demikian, Sampling error penelitian tersebut adalah 78% - 72% = 6% 72% adalah estimasi titik Program Studi Sarjana Kesehatan Masyarakat

49 Confidence Interval Untuk menggambarkan adanya sampling error lebih digunakan estimasi selang (Interval estimate) daripada estimasi titik Confidence interval berkaitan dengan konsep teoritis pengambilan sampel yang berulang dari populasi yang sama Program Studi Sarjana Kesehatan Masyarakat

50 Confidence Interval Pada satu pengambilan sampel, peneliti hanya dapat mengatakan bahwa kita c% percaya bahwa confidence internal yang dihitung mencakup parameter populasi yang sebenarnya Di mana c adalah batas kepercayaan yang ditentukan oleh peneliti (90%, 95%, atau 99%) Program Studi Sarjana Kesehatan Masyarakat

51 Confidence Interval Nilai c berkaitan dengan nilai Z
Contoh : 95% confidence interval (CI) cakupan imunisasi polio di suatu kabupaten adalah 78% – 88%.  berarti bila CI dihitung pada tiap sampel yang mungkin diambil dari populasi maka 95% dari interval tersebut akan mencakup parameter populasi Program Studi Sarjana Kesehatan Masyarakat

52 Confidence Interval Atau kita percaya 95% bahwa cakupan imunisasi polio di populasi itu ada di antara 78% - 88% Presisi berhubungan dengan CI Program Studi Sarjana Kesehatan Masyarakat

53 Nilai Confidence Interval
Nilai CI Nilai Z 99% 2,575 95% 1,96 90% 1,645 85% 1,28 Program Studi Sarjana Kesehatan Masyarakat

54 Terima Kasih Program Studi Sarjana Kesehatan Masyarakat