Konsep Dasar Populasi & Sampel - 2
Pengertian
Macam-macam populasiPemilihan populasi
Alasan pengambilan sampel
Prinsip dasar dan perhitungan besar sampelTeknik samplingMacam-macam teknik sampling
Menentukan ukuran
Cara mengambil anggota sampel
Konsep Dasar Populasi & Sampel - 3
POPULASI : Populasi adalah keseluruhan
subyek penelitian (Sabar, 2007).
Populasi adalah wilayah generalisasi yang terdiri atas: obyek/subyek yang mempunyai kualitas dan karakteristiktertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya (Sugiyono,2011:80).
Populasi adalah keseluruhan subjek atau totalitas subjek penelitian yang dapat berupa; orang, benda / suatu hal yang di dalamnya dapat diperoleh dan atau dapat memberikan informasi (data) penelitian (Ismiyanto).
Konsep Dasar Populasi & Sampel - 4
SAMPEL : Sampel adalah bagian dari
populasi (sebagian atau wakil populasi yang diteliti) (Suharsimi Arikunto, 1998)
Sampel penelitian adalah sebagian populasi yang diambil sebagai sumber data dan dapat mewakili seluruh populasi (Suharsimi Arikunto, 1998).
Sampel adalah sebagiandari jumlah dan karakteristik yang dimiliki oleh populasi (Sugiyono, 1997).
Konsep Dasar Populasi & Sampel - 5
Terdapat dua jenis populasi, yaitu :
Populasi terbatas yaitu mempunyai
sumber data yang jelas batasnya
secara kuantitatif sehingga dapat
dihitung jumlahnya.
Populasi tak terbatas yaitu sumber
datanya tidak dapat di tentukan
batasan-batasannya sehingga relatif
tidak dapat dinyatakan dalam bentuk
jumlah.
Konsep Dasar Populasi & Sampel - 6
Berdasarkan sifatnya populasi dapat dibedakan menjadi :
Populasi homogen adalah sumber data yang unsurnya memiliki sifat yang sama sehingga tidak perlu mempersoalkan jumlahnya secara kuantitatif.
Populasi heterogen adalah sumber data yang unsurnya memiliki sifat atau keadaan yang berbeda (bervariasi) sehingga perlu ditetapkan batas-batasnya, baik secara kualitatif maupun kuantitatif.
Konsep Dasar Populasi & Sampel - 7
SUBJEK PENELITIAN
Siapa yang akan diteliti?
Bagaimana merekrut mereka?
Bagaimana menempatkan mereka
dalam kelompok penelitian?
Konsep Dasar Populasi & Sampel - 8
Subjek yang memenuhi syarat:
Populasi target: sesuai
karakteristik klinikal dan
demografik
Populasi yang dapat diperoleh:
sesuai karakteristik temporal dan
geografik
Kriteria inklusi / eksklusi
Konsep Dasar Populasi & Sampel - 9
Contoh 1:Wanita setelah persalinan cesarian tak
terencana pada Rumah Sakit Saiful Anwar Malang antara 1 Januari hingga Maret 2007Kriteria inklusi:
♦ Usia > 16
♦ Dapat berbahasa Indonesia
♦ Penduduk Malang
Kriteria eksklusi:♦ Menolak memberikan informed consent
sehubungan masalah kesehatan berat yang mencegah untuk ikut berpartisipasi.
Konsep Dasar Populasi & Sampel - 10
Contoh 2:Semua pasien yang menjalani
pembedahan orthopedic elektif pada lutut, pergelangan kaki atau bahu pada Rumah Sakit Panti Waluya.Kriteria inklusi:
♦ Usia > 18
♦ Dapat mengerti instruksi
Kriteria eksklusi:♦ Alergi terhadap pengobatan yang digunakan
pada penelitian
♦ Ketergantungan obat / alkohol
♦ Menolak memberikan informed consent
Konsep Dasar Populasi & Sampel - 11
Sampling, yaitu proses
menseleksi sebagian dari
populasi untuk mewakili
keseluruhan populasi.
Metode sampling:
Probability
Nonprobability
Konsep Dasar Populasi & Sampel - 12
Kunci keberhasilan:
Deskripsi yang jelas dari populasi
penelitian
Kriteria inklusi / eksklusi yang tepat
Pembenaran terhadap populasi
penelitian dan metode sampling
Deskripsi yang jelas dari metode
sampling
Konsep Dasar Populasi & Sampel - 13
Contoh Populasi dan Sampel:Secara berurutan pada pasien yang masuk
ke Rumah Sakit Saiful Anwar Malang untuk menjalani pembedahan orthopedic.
Survey akan dikirimkan pada sampel acak (random) dari 100 wanita yang menjalani sectio Cesarian dari tanggal 1 Januari sampai 31 Desember 1996. Sampling akan dibagi berdasarkan pada rumah sakit dimana mereka bersalin.
Semua pasien yang menjalani pembedahan kuratif akibat kanker colorectal antara tanggal 1 April 1985 dan 30 maret 1994 di propinsi Jawa Timur.
Konsep Dasar Populasi & Sampel - 14
Random Allocation Yaitu menempatkan
subjek pada kondisi perlakuan yang ditentukan berdasarkan kesempatan itu sendiri.
Metode randomisasi Drawn from a hat
Random number table
Computer generated
Goal of Randomization Yaitu untuk
memaksimalkan kemungkinan kelompok untuk mendapatkan perlakuan berbeda yang akan dapat disamakan.
Teknik goal of randomization True random allocation
Tamperproof
Allocation cocealment
Konsep Dasar Populasi & Sampel - 15
Contoh:
Subjek yang akan ditetapkan untuk kelompok penelitian adalah menggunakan randomisasi sederhana (simple randomization) yang dilakukan dengan menggunakan daftar randomisasi melalui komputer dan nomor secara berturutan, ditutup dalam amplop.
Setelah subjek menanda tangani informed consent, amplop berikutnya dibuka untuk menentukan perlakuan apa yang diterima subjek.
Konsep Dasar Populasi & Sampel - 16
Sampling adalah proses memilih sampel (misal., orang, organisasi) dari populasi sehingga dengan meneliti sampel kita dapat membuat generalisasi hasil penelitian kepada populasi yang kita pilih.
Konsep Dasar Populasi & Sampel - 17
Konsep Dasar Populasi & Sampel - 18
Probability sampling:
Simple random sampling
Stratified random sampling
Systematic random sampling
Cluster random sampling
Multi-Stage sampling
Non-probability sampling:Purposive sampling
Consecutive sampling (sampling berturutan)
Convenience sampling (sampling berdasarkan waktu yang sempat)
Judgmental sampling (sampling berdasarkan pertimbangan)
Konsep Dasar Populasi & Sampel - 19
Saat ini, kita cenderung menggunakan komputer sebagai mekanisme menghasilkan angka secara random sebagai dasar untuk pemilihan secara acak (random selection)
Metode probability sampling adalah metode sampling yang menggunakan beberapa bentuk pemilihan secara acak (random selection / sampling), dimana setiap elemen dalam populasi memiliki kesempatan yang sama dan independen untuk dipilih. Contoh: Memilih secara
acak berdasarkan warna baju yang dipakai
Konsep Dasar Populasi & Sampel - 20
Definisi beberapa istilah dasar dalam random sampling:
N = Jumlah kasus dalam sampling frame
n = Jumlah kasus dalam sampel
NCn = Jumlah kombinasi (subsets) n dari N
f = n/N = Fraksi sampling
Konsep Dasar Populasi & Sampel - 21
Tujuan: Untuk memilih n dari N sehingga setiap NCn
memiliki kesempatan yang sama untuk dipilih.
Prosedur: Gunakan tabel angka acak, dengan komputer
atau alat mekanikal untuk memilih sampel.
Konsep Dasar Populasi & Sampel - 22
Bagaimana kita menggunakan
simple random sample?
Anggap saja kita melakukan
penelitian pada unit pelayanan
untuk mengkaji pandangan klien
tentang kualitas pelayanan pada
akhir tahun.
Konsep Dasar Populasi & Sampel - 23
Pertama, kita harus memperoleh sampling frame yang terorganisir.
Untuk melakukan ini, kita akan mulai dari medical record untuk mengidentifikasi setiap klien pada 12 bulan terakhir.
Konsep Dasar Populasi & Sampel - 24
Kemudian, kita harus menarik sampel.
Memutuskan jumlah klien yang akan diambil dalam sampel akhir.
Sebagai contoh, katakanlah anda ingin memilih 100 klien untuk di survey dan terdapat 1000 klien pada 12 bulan terakhir.
Kemudian dibuat fraksi sampling
f = n/N = 100/1000 = .10 atau 10%.
Konsep Dasar Populasi & Sampel - 25
Sekarang, untuk menarik sampel, anda memiliki beberapa pilihan.
Anda dapat mencetak daftar 1000 klien, kemudian:Robek dan buat gulungan terpisah
Masukkan gulungan kedalam topi
Kocok secara merata
Tutup mata anda
Ambil gulungan sejumlah 100
Konsep Dasar Populasi & Sampel - 26
Stratified Random Sampling, juga disebut proportional atau quota random sampling, yang melibatkan pembagian populasi menjadi subgroup yang homogen dan kemudian melakukan simple random sample pada setiap subgroup.
Konsep Dasar Populasi & Sampel - 27
Tujuan:
Membagi populasi menjadi group
yang tidak overlap (yaitu, strata)
N1, N2, N3, ... Ni, sehingga N1 +
N2 + N3 + ... + Ni = N.
Kemudian melakukan simple
random sample dari f = n/N pada
setiap strata.
Konsep Dasar Populasi & Sampel - 28
Membagi populasi menjadi sedikitnya dua bagian berbeda yang memiliki karakteristik sama (homogen), kemudian mengambil sampel dari setiap bagian (atau stratum).
Konsep Dasar Populasi & Sampel - 29
Pertama,
menjamin bahwa
anda akan dapat
menggambarkan
tidak hanya
keseluruhan
populasi, tetapi
juga subgroup dari
populasi, terutama
group minoritas.
Kedua, stratified
random sampling
pada umumnya
memiliki statistikal
yang lebih teliti
daripada simple
random sampling.
Konsep Dasar Populasi & Sampel - 30
Contoh, katakanlah bahwa populasi klien dari pusat pelayanan kita bagi menjadi tiga kelompok: Jawa, Madura dan Sunda.
Selanjutnya, anggaplah bahwa baik Madura maupunSunda adalah klien yang relatif kecil (10% dan 5%).
Konsep Dasar Populasi & Sampel - 31
Jika kita hanya melakukan simple random sample padan=100 dengan fraksi sampling 10%, maka kita perkirakan hanya mendapat 10 dan 5 orang pada kedua kelompok.
Tetapi, jika dilakukan stratifikasi, maka kita dapat melakukan lebih baik.
Konsep Dasar Populasi & Sampel - 32
Pertama, menentukan berapa orang yang ingin dimasukkan dalam setiap kelompok. Katakanlah kita tetap
ingin memperoleh sampel 100 dari populasi 1000 klien pada tahun terakhir.
Tetapi kita pikir bahwa dalam rangka untuk membahas tentang subgroup maka kita memerlukan sedikitnya 25 kasus pada setiap kelompok.
Jadi, ditetapkan 50 sampel Jawa, 25 sampel Madura, dan 25 sampel Sunda.
Konsep Dasar Populasi & Sampel - 33
Kita tahu bahwa 10% dari populasi, atau 100 klien, adalah Madura. Jika dari 25 sampel ini kita
random, kita memiliki fraksi sampling dalam stratum adalah 25/100 = 25%.
Hal serupa, kita tahu bahwa 5% atau 50 klien adalah Sunda. Sehingga fraksi sampling
dalam stratum adalah 25/50 = 50%.
Akhirnya, dengan mengurangi, kita tahu bahwa terdapat 850 klien Jawa.
Fraksi sampling dalam stratum adalah 50/850 = ± 5.88%.
Konsep Dasar Populasi & Sampel - 34
Karena kelompok lebih homogen daripada ketika dalam populasi, sehingga dapat diharapkan uji statistikal yang lebih akurat.
Dan, karena kita kelompokkan, maka akan dimiliki cukup kasus dari setiap kelompok untuk membuat kesimpulan yang bermanfaat bagi kelompok.
Konsep Dasar Populasi & Sampel - 35
Memilih beberapa titik awal
kemudian memilih setiap kelipatan
elemen dalam populasi.
Konsep Dasar Populasi & Sampel - 36
Konsep Dasar Populasi & Sampel - 37
Membagi populasi menjadi bagian-bagian (atau cluster); secara random memilih beberapa cluster tersebut; memilih semua anggota dari cluster terpilih.
Dilakukan bila sampel populasi tersebar luas secara geografis.
Konsep Dasar Populasi & Sampel - 38
Langkah-langkah dalam cluster sampling:Membagi populasi
menjadi cluster (biasanya sepanjang perbatasan geografi)
Acak cluster sampel
Ukur semua unit dalam sampel cluster
Konsep Dasar Populasi & Sampel - 39
Merupakan
kombinasi metode
sampling (simple /
stratified /
systematic /
cluster sampling).
Contoh 1:
Penduduk Malang
Raya (sebagai
populasi).
Proses
sampling:
Melakukan
cluster sebagai
langkah
pertama.
Kemudian
stratified
sampling dalam
cluster.
Konsep Dasar Populasi & Sampel - 40
Contoh 2: Siswa SMU di Malang (sebagai populasi)
Proses sampling: Melakukan stratifikasi
sekolah SMU pada tingkat kabupaten sebagai langkah pertama
Kemudian simple random sample sekolah pada kabupatan yang terpilih
Kemudian simple random sample kelas pada sekolah yang terpilih
Kemudian simple random sample siswa pada kelas yang terpilih
Konsep Dasar Populasi & Sampel - 41
Tidak melibatkan random
selection
Kurang representatif terhadap
populasi dibandingkan dengan
probability sampling
Konsep Dasar Populasi & Sampel - 42
Purposive sampling dapat sangat
bermanfaat bila anda ingin
mencapai target sampel secara
cepat.
Konsep Dasar Populasi & Sampel - 43
Menggunakan sampel yang mudah diperoleh
Konsep Dasar Populasi & Sampel - 44
Tujuan:
Untuk membuat perkiraan kasar berapa subjek yang diperlukan untuk menjawab pertanyaan penelitian.
Ketika mendisain penelitian, maka penghitungan jumlah sampel akan menunjukkan apakah penelitian dapat dikerjakan (feasible).
Ketika fase review, hal ini akan memastikan tidak hanya bahwa penelitian dapat dikerjakan, tetapi agar tidak berlebihan dalam mengambil subjek.
Konsep Dasar Populasi & Sampel - 45
Dua metode dasar untuk memperkirakan jumlah sampel: Berdasarkan hipotesis
(hipothesis-based) Berdasarkan interval
kepercayaan (confidence interval-based)
Contoh: Jika tujuan utama adalah
untuk menguji apakah salah satu kelompok lebih sedikit mengalami nyeri daripada kelompok lainnya: 50 subjek per kelompok
akan memberikan 80% kemampuan untuk mendeteksi 20% perbedaan dalam mean skor nyeri
Jika tujuan utama adalah untuk memperkirakan proporsi: Untuk memperkirakan
proporsi dari pasien yang menjalani colonoscopy dalam 18 bulan post operasi dengan tingkat ketelitian ± 5%, maka diperlukan 150 subjek.
Konsep Dasar Populasi & Sampel - 46
William M.K. Trochim, 2002,
Research Methods Knowledge
Base, Last Revised: 06/06/2001
Top Related