Sesi 1. Pengantar Sampling - En.id-Digabungkan [PDF]

Citation preview

PENGANTAR SAMPLING



Anggun Budiastuti, SKM., M.Epid FAKULTAS KESEHATAN MASYARAKAT UNIVERSITAS SRIWIJAYA



MENGAPA SAMPLING? 







Akan mengurangi biaya, namun mengumpulkan data yang akurat Kualitas lebih baik dari total populasi karena: • Lebih sedikit staf yang dibutuhkan pilih yang terbaik dan latih mereka lebih baik • Lebih sedikit kesalahan karena kontrol kualitas yang lebih baik



DUA CARA BERPIKIR TENTANG SAMPLING 







Berapa banyak orang yang memiliki penyakit/kondisi A? Mengapa orang memiliki penyakit/kondisi A?



KETENTUAN • Sensus: Enumerasi lengkap dari suatu populasi • Sampel: Sekumpulan bagian dari suatu populasi yang memiliki sifat-sifat yang memberikan informasi tentang seluruh populasi • Contoh: Proses pemilihan bagian yang representatif dari suatu populasi untuk tujuan memperkirakan atau menyelidiki parameter dari seluruh populasi



KETENTUAN • Unit pengambilan sampel: unit terkecil di mana prosedur pengambilan sampel akan diterapkan. • Bingkai sampel: daftar semua unit sampling dalam suatu populasi



TINGKAT PEMILIHAN MATA PELAJARAN Tingkat seleksi Pengecualian utama Target pop. Source pop. Eligible subjects Study entrants



Study Participants



Tidak dinilai, dinilai dan ditemukan tidak memenuhi syarat, dan tidak diklasifikasikan karena data yang tidak memadai. Kematian, ketidakmampuan untuk bekerja sama, masalah admin, kerahasiaan, nonrespon sukarela ... (tidak masuk studi) Tidak melengkapi persyaratan studi, data hilang, mangkir (tidak menyelesaikan studi)



• • •



•



TINGKAT PEMILIHAN MATA PELAJARAN Target Populasi Populasi Sumber: termasuk populasi yang memenuhi syarat dan tidak memenuhi syarat Subjek yang Layak: termasuk mereka yang terpilih dan berpartisipasi, mereka yang terpilih tetapi tidak berpartisipasi, dan mereka yang dikeluarkan berdasarkan kriteria eksklusi (misalnya: mereka yang sudah meninggal) Contoh Studi: termasuk individu yang dipilih dan berpartisipasi dalam penelitian



TINGKAT PEMILIHAN MATA PELAJARAN (Contoh) •



Populasi target: Secara keseluruhan subyek, barang pengukuran, yang ingin ditarik kesimpulan oleh peneliti • exp: dalam suatu mencari kohort pengaruh kontrasepsi lisan (OC) terhadap infark otot jantung (MI), populasi sasarannya adalah semua wanita Indonesia berusuia 25-49 tahun yang tinggal di urban



•



Populasi Sumber: himpunan subjek dari populasi sasaran yang digunakan sebagai sumber pencuplikan subyek mencari. • exp: populasi yang memenuhi kriteria semua wanita Indonesia berusuia 25-49 tahun yang tinggal di jumlah kota yang terpilih, dan mengunjungi klinik keluarga berencana



•



Subjek yang memenuhi syarat: Subyek mencari yang sesuai dengan kriteria resktriksi (syarat-syarat subyek untuk dapat dimasukkan ke dalam sampel. Terdiri dari kriteria inklusi (kriteria dimasukkan) dan kriteria eksklusi (kriteria dikeluarkan)



Referensi bahan Terbuka sedikit:



• • • • •



Prinsip dan metodeRiset Epidemiologi. Bisma Murti HAIobservasional Studi Epidemiologi. J.Kelsey. Kecukupan Ukuran Sampel dalam Studi Kesehatan. Pertunjukan Leme. Prinsip Metode Epidemiologi. Thong ZhangZeng. Kritis Penilaian Studi Epidemiologi dan Uji Klinis. 2dan /3rdedisi. M. Elwood.



TERIMA KASIH



Besar Sampel untuk Estimasi Proporsi dan Beda 2 Proporsi



TIM MK SAMPLING & BIAS FAKULTAS KESEHATAN MASYARAKAT UNIVERSITAS SRIWIJAYA



Outline Estimasi Proporsi Uji hipotesis 1 Proporsi: 1 Arah ( One-tailed) & 2 Arah ( two-tailed) Estimasi Beda 2 Proporsi Uji Hipotesis Beda 2 Proporsi: 1 Arah ( One-tailed) & 2 Arah ( twotailed)



REVIEW MATERI SESI LALU



Hubungan antara populasi, sampel dan subyek yang diteliti Contoh: Penelitian hubungan antara Kontrasepsi Oral dengan Infark otot jantung pada wanita usia 15-49 Tahun di wilayah perkotaan Indonesia



Level Pemilihan subyek penelitian



Target Population



Semua wanita usia 15-49 tahun yang tinggal di wilayah perkotaan indonesia



Source Population



Semua wanita usia 15-49 tahun yang tinggal di beberapa kota di Indonesia



Eligible Subjects



2000 wanita usia 15-49 tahun yang tinggal di beberapa kota di Indonesia



Study Entrants



1800 wanita usia 15-49 tahun yang tinggal di beberapa kota di Indonesia



Study Participants



1750 wanita usia 15-49 tahun yang tinggal di beberapa kota di Indonesia



Pertanyaan dalam perhitungan sampel? 1. Berapa banyak orang yang sakit/kondisi tertentu? 2. Kenapa orang mengalami sakit/ kondisi tertentu?



“Berapa subyek yang diperlukan dalam suatu penelitian agar dapat diperoleh hasil dengan tingkat kepercayaan tertentu?”



Faktor yang mempengaruhi ukuran sampel  Presisi penaksiran yang diinginkan peneliti  Tingkat Keyakinan ( Confidence Interval)



 Kuasa statistik ( statistical power) yang diinginkan  Perkiraan prevalensi penyakit yang ditaksir (Epidemiologi deskriptif)



 Perkiraan besarnya pengaruh paparan terhadap penyakit (Epidemiologi analitik)  Ukuran populasi



Presisi penaksiran yang diinginkan peneliti



 Perbedaan hasil studi yang diamati ditentukan oleh peneliti, dan seyogyanya angka yang digunakan tidak diperoleh dari pustaka, melainkan didasarkan pada judgment klinis peneliti.  Makin kecil perbedaan hasil yg diinginkan, makin banyak subyek yang dibutuhkan.



Tingkat Keyakinan ( Confidence Interval)



 mengestimasi rentang nilai pada populasi dengan dasar 1nilai yang diperoleh dari sampel yang mewakili populasi.  Lebar interval kepercayaan sangat dipengaruhi oleh besar sampel. Interval ini akan makin lebar dengan berkurangnya besar sampel, yang sekaligus menunjukkan power yang kecil.



Kuasa statistik ( statistical power) yang diinginkan  Power adalah kekuatan untuk menolak Ho pada data penelitian, apabila dalam populasi terdapat perbedaan hasil studi.  Nilai power adalah sebesar (1-β) ; bila β = 20%, maka berarti power = 80%. Artinya, penelitian ini memiliki peluang/kekuatan sebesar 80% untuk mendeteksi perbedaan hasil studi yang diamati., apabila perbedaan tersebut dalam populasi memang ada.  Nilai (1-β) juga ditetapkan oleh peneliti. Nilai power yang sering digunakan adalah 80% (0,842) dan 90% (1,282).



 Makin besar power yang diinginkan, makin kecil β / makin besar Zβ), makin besar pula sampel yang diperlukan.



Perkiraan Prevalensi penyakit  Nilai tersebut diperoleh dari penelitian terdahulu.  Dalam studi deskriptif, proporsi variabel diperkirakan dari pustaka.



 Dalam studi perbandingan (misalnya uji klinis yang membandingkan proporsi kesembuhan subyek pada kelompok kontrol dan kelompok perlakuan), proporsi kesembuhan subyek pada kelompok kontrol diperoleh dari pustaka/studi pendahuluan.



Kesalahan dalam uji hipotesis  Hipotesis nol (Ho) = tidak ada perbedaan hasil studi. Dalam uji hipotesis tidak bisa dihindarkan terjadinya 2 kesalahan, yakni:



1.



Kesalahan tipe I (α) adalah besarnya peluang untuk menolak Ho pada sampel, padahal dalam populasi Ho benar.



2.



Kesalahan tipe II (β) adalah besarnya peluang untuk tidak menemukan perbedaan yang bermakna dalam sampel, padahal dalam populasi perbedaan itu ada. Jadi β adalah besarnya peluang untuk tidak menolak Ho yang sebenarnya harus ditolak.



 Kedua tipe ini saling mempengaruhi. (jika mengurangi β, maka akan memperbesar α).  Nilai α dan β hanya dapat dikurangi kesalahannya bersama-sama menambah subyek.



dengan cara



 Besaran kesalahan tipe I (α) ditetapkan oleh peneliti. Biasanya digunakan 0,05; kadang 0,10 atau 0,01.



 Makin kecil α (atau makin besar Zα), makin besar pula sampel yang diperlukan.  Jumlah subyek akan lebih sedikit apabila dipilih hipotesis 1-arah.



 Uji hipotesis 1-arah hanya bisa digunakan apabila ada sumber pustaka atau logika yang meyakinkan bahwa perbedaan kearah sebaliknya tidak mungkin terjadi.  Bila syarat ini tidak dipenuhi, maka harus digunakan uji hipotesis 2-arah dalam analisis dan laporan penelitian.



Estimasi Proporsi dengan presisi mutlak ada 3 informasi yang diperlukan:  Proporsi penyakit atau keadaan yang akan dicari, (P) [dari pustaka]  Tingkat ketepatan absolut yg diinginkan/presisi (d) [ditetapkan]  Tingkat kemaknaan (α) [ditetapkan], z1-α/2 = nilai sesuai kesalahan tipe I dan tingkat kepercayaan Rumusnya: 𝑍𝛼2×𝑃(1−𝑃) n= 𝑑2



Rumus ini digunakan untuk simple random sampling.



Ingat, presisi yang biasa digunakan peneliti berada pada rentang 10%-20%



Contoh soal  Kepala Dinas Kesehatan Kabupaten Cianjur ingin mengetahui prevalensi anemia pada ibu hamil. Berdasarkan informasi pada survey gizi ibu hamil di Jawa Barat diperoleh prevalensi anemia pada kehamilan sebesar 62%. Berdasarkan masalah dan informasi yang ada, berapa jumlah sampel yang dibutuhkan jika Kepala Dinas menginginkan presisi mutlak sebesar 10% dan tingkat kepercayaan 90%?  Jawaban:



nilai p=0,62, d=0,10, z=1,64, maka diperoleh jumlah sampel (1,64)2×(0,62)(1−0,62)



n=



0,12



= 63,37 ibu hamil.



Jumlah tersebut dibulatkan menjadi 64 ibu hamil. Berarti 64 ibu hamil diperlukan sebagai sampel agar kita 90% percaya dalam melakukan estimasi prevalensi anemia pada ibu hamil.



 Akan tetapi harus diingat bahwa p(1-p) akan memberikan berbagai nilai berikut ini, untuk nilai p yg berbeda:



P 0.5 0.4



P (1-P) 0.25 0.24



0.3



0.21



0.2 0.1



0.16 0.09



 Disarankan apabila peneliti tidak mengetahui besarnya nilai p dalam populasi, memilih p sebesar 0.5 akan selalu memberikan observasi yg cukup, tanpa melihat besarnya nilai proporsi yg sesungguhnya.



Uji hipotesis satu Proporsi Untuk One-tailed  Misalnya kita akan menguji hipotesis Versus hipotesis alternative



: Ho : Pa=P0 : Ha: Pa>P0



 Besar sampel yang diperlukan ditentukan dengan rumus:



𝑍1−𝛼 𝑃0 1 − 𝑃0 + 𝑍1−𝛽 𝑃𝑎 1 − 𝑃𝑎 𝑃𝑎 −𝑃0



2



2



 n = besar sampel  z1-α = nilai sesuai kesalahan tipe I dan tingkat kepercayaan  z1-β = nilai sesuai kesalahan tipe II dan kekuatan uji  𝑃0 = proporsi yang diteliti [dari pustaka/studi pendahulu]  𝑃𝑎 = proporsi alternative [clinical judgement)



 Selama masa wabah tetanus neonatarum yang virulen, petugas kesehatan menginginkan untuk menentukan apakah prevalensinya turun setelah sebelumnya naik sampai 150 kasus/1000 kelahiran hidup. Berapa besar sampel yang diinginkan untuk menguji Ho: P = 0,15 pada α=0,10 bila diinginkan 90% kemungkinan dapat mendeteksi angka kesakitan 100/1000 jika ini prevalensi yang sesungguhnya.  Jawaban: 1,64 0,15 1 − 0,15 + 1,28 0,10 1 − 0,10 0,10 − 0,15



2



2



=



Uji hipotesis satu Proporsi Untuk Two-tailed  Misalnya kita akan menguji hipotesis Versus hipotesis alternative



: Ho : Pa=P0 : Ha: Pa≠P0



 Besar sampel yang diperlukan ditentukan dengan rumus:



𝑍1−𝛼/2 𝑃0 1 − 𝑃0 + 𝑍1−𝛽 𝑃𝑎 1 − 𝑃𝑎 𝑃𝑎 −𝑃0



2



2



 n = besar sampel  z1-α = nilai sesuai kesalahan tipe I dan tingkat kepercayaan  z1-β = nilai sesuai kesalahan tipe II dan kekuatan uji  𝑃0 = proporsi yang diteliti [dari pustaka/studi pendahulu]  𝑃𝑎 = proporsi alternative [clinical judgement)



Misalnya angka keberhasilan perawatan bedah untuk suatu penyakit jantung dilaporkan dalam literatur sebesar 0,70. Suatu perawatan baru diusulkan, dan diduga mempunyai tingkat keberhasilan yang sama dengan perawatan bedah . sebuah rumah sakit yang tidak memiliki fasilitas perawatan bedah dan dokter ahli yang memadai telah menetapkan untuk menggunakan metode perawatan baru ini terhadap semua pasien dengan diagnose penyakit jantung tersebut. Berapa jumlah pasien yang harus diteliti untuk menguji Ho : P =0,70 melawan Ha : P ≠ 0,70 pada tingkat kemaknaan 0,05 jika diinginkan untuk mendapatkan kekuatan (power) uji 90% untuk mendeteksi perbedaan proporsi keberhasilan sebesar 10 persen atau lebih? Peny :



Pertama-tama kita menetapkan bahwa Pa 10% lebih besar daripada Po (artinya Pa=0,8) Dik : Po = 0,70



Pa=0,8



α = 0,05  z1-α/2 = 1,96



1-β = 90%  z1-β = 1,282



n = [1,96 √ {(0,7)(0,3)} + 1,282√{(0,8)(0,2)}]2/[0,1]2 = 199,09 Jadi dibutuhkan sebuah sampel sebesar 200 pasien.



Dengan cara yang sama, karena nilai Pa bisa 10% lebih kecil daripada Po dilakukan perhitungan dengan menggunakan Pa = 0,6 Dik : Po = 0,70



Pa=0,6



α = 0,05  z1-α/2 = 1,96



1-β = 90%  z1-β = 1,282



n = [1,96 √ {(0,7)(0,3)} + 1,282√{(0,6)(0,4)}]2/[0,1]2 = 232,94 Jadi dengan mengambil angka yang terbesar dari kedua perhitungan tersebut diatas, kita membutuhkan 233 pasien untuk diteliti dengan metode perawatan yang baru.



Estimasi Beda 2 Proporsi



 Beda proporsi pada populasi merupakan ukuran tersendiri, P1-P2.  Pada penelitian epidemiologi , beda dua proporsi ini juga disebut dengan beda risiko (risk difference).  Rumusnya: n=



𝑍1−𝛼/22 [𝑃1 1−𝑃1 +𝑃2(1−𝑃2) 𝑑2



Contoh soal  Dari hasil penelitian di Negara lain, diperoleh hasil bahwa ibu yang menderita hipertensi memiliki risiko 18% untuk melahirkan BBLR. Sedangkan ibu yang tidak menderita hipertensi memiliki risiko 9%. Estimasi beda risikonya: 18%-9% = 9%. Jika seorang peneliti ingin melakukan penelitian yang sama di negaranya dan ia menginginkan presisi 2% serta derajat kepercayaan 95%. Berapa besar sampel yang diperlukan?



 Jawaban = 2204,12 orang = 2205.



Uji hipotesis untuk beda 2 proporsi Rumus n untuk one tailed Misalnya sebuah studi dirancang untuk menguji Ho: P1-P2 dibandingkan Ha:P1>P2 Rumusnya:



Keterangan:



𝑃=



𝑃1 +𝑃2 2



Uji hipotesis untuk beda 2 proporsi Rumus n untuk two tailed Misalnya sebuah studi dirancang untuk menguji Ho: P1-P2 dibandingkan Ha:P1>P2 Rumusnya:



Keterangan:



𝑃=



𝑃1 +𝑃2 2



Contoh soal  Peneliti melakukan uji klinis untuk mengetahui apakah terdapat perbedaan efektivitas obat baru A dengan obat standar B terhadap penyakit X. proporsi kesembuhan dengan obat standar A adalah 60% sedangkan obat standar B adalah 80%. Bila tingkat kepercayaan 95%, dan power = 80%. Berapa sampel yang diperlukan?  Jawaban :



Z 1-  & Z 1-  /2 untuk nilai  tertentu



CI







Z 1-



Z 1-/2



90% 95% 97,5% 99%



0.10 0.05 0.025 0.01



1.28 1.65 1.96 2.33



1.65 1.96 2.24 2.58



Z  untuk nilai  tertentu 



1 -



Z 1-



> 0.50 0.50 0.40 0.30 0.20 0.15 0.10 0.05 0.025 0.01



µ2



2𝜎 2 𝑍1;𝛼 + 𝑍1;𝛽 𝑛= [𝜇1 − 𝜇2 ]2



 Two tailed Ho : µ1 - µ2 = 0 Ha : µ1 - µ2 ≠ 0 2



σ = simpangan baku d = presisi absolut μ1 = mean pada populasi I μ2 = mean pada populasi II z1-α = nilai sesuai kesalahan tipe I dan tingkat kepercayaan z1-β = nilai sesuai kesalahan tipe II dan kekuatan uji



2



2𝜎 𝑍1;𝛼/2 + 𝑍1;𝛽 𝑛= [𝜇1 − 𝜇2 ]2



2



σ = simpangan baku d = presisi absolut μ1 = mean pada populasi I μ2 = mean pada populasi II z1-α/2 = nilai sesuai kesalahan tipe I dan tingkat kepercayaan z1-β = nilai sesuai kesalahan tipe II dan kekuatan uji



Contoh soal  Seorang peneliti ingin mengetahui efek asupan natrium terhadap tekanan darah orang dewasa normal. Pada penelitian sebelumnya dengan sampel 20 orang untuk masingmasing kelompokdiketahui bahwa pada kelompok masyarakat yang konsumsi natriumnya rendah, rata-rata tekanan darah diastolik adalah 72 mmHg dengan standar deviasi 10mmHg. Sedangkan pada masyarakat yang konsumsi natriumnya tinggi, ratarata tekanan darah diastolik adalah 85 mmHg dengan standar deviasi 12. Berapa besar sampel yang dibutuhkan jika peneliti ingin melakukan uji hipotesis adanya perbedaan tekanan darah diastolik pada kedua kelompok tersebut dengan derajat kepercayaan 95%, kekuatan uji 80%  Jawaban: kita akan menghitung varian gabungan antara kedua kelompok obat A dan B 2



 𝑆𝑝 =



20;1 102 :(20;1)122 20;1 :(20;1)



= 122



Besar sampel dapat dihitung  𝑛=



2∗1222 1,96:0,84]2 (82;72)2



= 39,04



 Sehingga diperlukan sampel minimal 40 orang dari kelompok orang yang konsumsi natrium rendah dan 40 orang dari kelompok yang mengkomsumsi natrium tinggi



Referensi  Ariawan,Iwan. 1998. Besar dan Metode Besar Sampel Pada Penelitian Kesehatan. Jurusan Biostatistik dan kependudukan FKM UI  Lemeshow, Stanley. 1990. Adequancy of sample size in health studies.  Sastroasmoro S, Ismael S. 2014. Dasar-dasar metodologi penelitian Klinis. Jakarta : Sagung Seto



Perhitungan Besar Sampel utk Estimasi Proporsi



BESAR SAMPEL estimasi Tergantung pada:



SKALA UKUR DATA • KATEGORIK (nominal, ordinal)  NILAI PROPORSI • NUMERIK (interval,rasio) NILAI MEAN &SD



PRESISI • KETEPATAN ESTIMASI



TEKNIK SAMPLING • Simple random sampling (SRS) • NON SRS



Terminologi pada Perhitungan Besar Sampel utk Estimasi Proporsi



P = Estimasi proporsi  hasil penelitian terdahulu d = Simpangan/presisi  ditentukan peneliti CI = Confidence Interval  95% kesmas, 99% klinis



RUMUS BESAR SAMPEL ESTIMASI PROPORSI Presisi Mutlak Estimasi Proporsi



n



2 1 / 2



z



Presisi Relatif



P(1  P) d2



P=Estimasi proposi d=presisi/simpangan mutlak Ɛ=presisi / simpangan relatif z=nilai z pada derajat kepercayaan 1/2



  



z12 / 2 (1  P) n  2P



Tidak tepat digunakan untuk uji hipotesis Asumsi desain: populasi tak terbatas dan sampel SRS Jika sampel Non-SRS, harus dikalikan dengan Deff



RUMUS BESAR SAMPEL ESTIMASI PROPORSI Presisi Mutlak Estimasi Proporsi



n



2 1 / 2



z



Presisi Relatif



P(1  P) d2



Kaitan presisi mutlak dg relatif 



z12 / 2 (1  P) n  2P



d   *P   *



Aturan untuk Nilai P (proporsi) : • Diperoleh dari penelitian sebelumnya atau laporan resmi (laporan RS, Lap. riset nasional, dll) • Nilai P berasal dari wilayah yang sama dengan wilayah yang di estimasi • Jika tidak ada nilai P untuk wilayah yang diestimasi, gunakan nilai P untuk wilayah setingkat diatasnya. • Misalnya : estimasi di kec. Indralaya  gunakan nilai P untuk kec. Indralaya atau nilai P wilayah Kab. OI , atau Nilai P untuk provinsi Sumatera Selatan



Contoh 1 Seorang peneliti ingin mengidentifikasi prevalensi balita yang menderita gizi kurang tahun 2021 di kabupaten XY. Survey terdahulu menunjukkan bahwa prevalensi gizi kurang hanya 12% di Kab. XY. Sampel diambil menggunakan teknik Simple random sampling. Berapa besar sampel minimal yang harus diambil pada penelitian ini jika alpha 5% dan presisi absolut 5% …



Contoh 2 Seorang peneliti ingin mengidentifikasi prevalensi balita yang menderita ISPA tahun 2019 di kabupaten Ogan Ilir. Survey terdahulu menunjukkan bahwa prevalensi ISPA hanya 10% di Ogan Ilir. Sampel diambil menggunakan teknik non SRS. Berapa besar sampel minimal yang harus diambil pada penelitian ini jika alpha 5% dan presisi 5% … X deff



Tutorial menggunakan aplikasi ssize • Pada estimasi proporsi gunakan rumus 1.1 atau 1.2 untuk menghitung besar sampel



Contoh 3 Seorang peneliti ingin mengidentifikasi prevalensi balita yang menderita diare tahun 2021 di kabupaten Ogan Ilir. Survey terdahulu menunjukkan bahwa prevalensi diare hanya 8% di Ogan Ilir. Berapa besar sampel minimal yang harus diambil pada penelitian ini jika alpha 5% dan presisi absolut 5% …



Masukkan nilai yang diketahui ke dalam kotak yang sesuai pada aplikasi ssize. Hasil perhitungan dengan aplikasi menunjukkan bahwa besar sampel minimal yang dibutuhkan dalam penelitian ini sebanyak 114 orang.



Sekian dan terimakasih



TUGAS • Buatlah masing-masing satu contoh perhitungan besar sampel untuk data kategorik pada alpha 5% dan alpha 10%. Gunakan data proporsi yang ada pada laporan riskesdas 2018. • Setiap mahasiswa masing-masing mengestimasi besar sampel untuk variabel yang berbeda dan wilayah yang berbeda. • Interpretasikan hasil perhitungan • LAPORAN DAPAT DIUNDUH PADA : http://labdata.litbang.kemkes.go.id/images/download/ laporan/RKD/2018/Laporan_Nasional_RKD2018_FINAL. pdf



Perhitungan Besar Sampel utk Estimasi Rata-rata



BESAR SAMPEL estimasi Tergantung pada:



SKALA UKUR DATA • KATEGORIK (nominal, ordinal)  NILAI PROPORSI • NUMERIK (interval,rasio) NILAI MEAN &SD



PRESISI • KETEPATAN ESTIMASI



TEKNIK SAMPLING • Simple random sampling (SRS) • NON SRS



RUMUS BESAR SAMPEL ESTIMASI RATA-RATA Presisi Mutlak Estimasi Rata-rata



n







2 1a / 2 2



z



Presisi Relatif



 n  



2 2 1a / 2 2 2



2



z



d



=2nilai simpangan baku d=presisi/simpangan mutlak Ɛ=presisi / simpangan relatif z=nilai z pada derajat kepercayaan 1a/2  = nilai rata-rata



  



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 rata-rata: simpangan mutlak



n







2 1a / 2 2



z



2



d =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 4



Besar sampel estimasi rata-rata: simpangan mutlak



n







2 1a / 2 2



z



2



d =simpang baku d=presisi/simpangan mutlak dari rata-rata z=nilai z pada derajat kepercayaan 1-a/2 Aturan untuk Nilai simpangan baku (sd) : • Diperoleh dari penelitian sebelumnya atau laporan resmi (laporan RS, Lap. riset nasional, dll) • Nilai simpangan baku berasal dari wilayah yang sama dengan wilayah yang di estimasi • Jika tidak ada nilai  untuk wilayah yang diestimasi, gunakan nilai simpangan baku untuk wilayah setingkat diatasnya. • Misalnya : estimasi di kec. Indralaya  gunakan nilai  untuk kec. Indralaya atau nilai  wilayah Kab. OI , atau Nilai  untuk provinsi Sumatera Selatan 5



Contoh 1 Seorang peneliti ingin mengidentifikasi rata-rata hemoglobin balita yang menderita anemia tahun 2021 di kabupaten XY. Survey terdahulu menunjukkan bahwa rata-rata hemoglobin sebesar 9 dengan nilai simpangan baku 0.12. Sampel diambil menggunakan teknik Simple random sampling. Berapa besar sampel minimal yang harus diambil pada penelitian ini jika alpha 5% dan presisi absolut 5% …



Contoh 1 Seorang peneliti ingin mengidentifikasi prevalensi balita yang menderita anemia tahun 2021 di kabupaten XY. Survey terdahulu menunjukkan bahwa rata-rata hemoglobin sebesar 9 dengan nilai simpangan baku 0.12. Sampel diambil menggunakan teknik Simple random sampling. Berapa besar sampel minimal yang harus diambil pada penelitian ini jika alpha 5% dan presisi absolut 5% …



Tutorial menggunakan aplikasi ssize • Pada estimasi proporsi gunakan rumus 7.1 untuk menghitung besar sampel



Contoh 2 Seorang peneliti ingin mengidentifikasi tekanan darah ibu hamil pada tahun 2021 di kabupaten Ogan Ilir. Survey terdahulu menunjukkan bahwa rata-rata tekanan darah ibu hamil di Ogan Ilir sebesar 140 mmhg dengan simpangan baku sebesar 0.3. Berapa besar sampel minimal yang harus diambil pada penelitian ini jika alpha 5% dan presisi absolut 5% … Masukkan nilai presisi absolut pada kolom d, nilai rata-rata pada kolom μ, nilai simpangan baku pada kolom σ Hasil perhitungan dengan aplikasi menunjukkan bahwa besar sampel minimal yang dibutuhkan dalam penelitian ini sebanyak 139 orang.



Sekian dan terimakasih



TUGAS • Buatlah masing-masing satu contoh perhitungan besar sampel untuk data numerik pada alpha 5%. Gunakan data rata-rata yang ada pada laporan riskesdas 2018. Nilai simpangan baku silahkan ditentukan sendiri oleh peneliti. • Setiap mahasiswa masing-masing mengestimasi besar sampel untuk variabel yang berbeda dan wilayah yang berbeda. • Interpretasikan hasil perhitungan • LAPORAN DAPAT DIUNDUH PADA : http://labdata.litbang.kemkes.go.id/images/download/laporan /RKD/2018/Laporan_Nasional_RKD2018_FINAL.pdf