Konsep Dasar Populasi & Sampel - 2

● Pengertian ● Macam-macam populasi  Pemilihan

populasi

● Alasan pengambilan sampel ● Prinsip dasar dan perhitungan besar sampel  Teknik sampling Macam-macam teknik sampling Menentukan ukuran Cara mengambil anggota sampel Konsep Dasar Populasi & Sampel - 2

● POPULASI :  



Populasi adalah keseluruhan subyek penelitian (Sabar, 2007). 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 (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 - 3

● 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 sebagian dari jumlah dan karakteristik yang dimiliki oleh populasi (Sugiyono, 1997). 

Konsep Dasar Populasi & Sampel - 4

● 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 - 5

● 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 - 6

●SUBJEK PENELITIAN Siapa

yang akan diteliti? Bagaimana merekrut mereka? Bagaimana menempatkan mereka dalam kelompok penelitian?


●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 - 8

● Contoh 1:  Wanita

setelah persalinan cesarian tak terencana pada Rumah Sakit Saiful Anwar Malang antara 1 Januari hingga Maret 2007 Kriteria 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 - 9

● 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 - 10

●Sampling, yaitu proses menseleksi sebagian dari populasi untuk mewakili keseluruhan populasi. ●Metode sampling: Probability

Nonprobability


●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 - 12

● 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 - 13

● 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


● 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 - 15

● 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 - 16


● 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 - 18

● 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



Saat ini, kita cenderung menggunakan komputer sebagai mekanisme menghasilkan angka secara random sebagai dasar untuk pemilihan secara acak (random selection)


● 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


● 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 - 21

●Bagaimana kita menggunakan simple random sample? Anggap

saja kita melakukan penelitian pada unit pelayanan untuk mengkaji pandangan klien tentang kualitas pelayanan pada akhir tahun.


● 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 - 23

● 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 - 24

●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 - 25

● 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 - 26

●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 - 27

● Membagi populasi menjadi sedikitnya dua bagian berbeda yang memiliki karakteristik sama (homogen), kemudian mengambil sampel dari setiap bagian (atau stratum). Konsep Dasar Populasi & Sampel - 28

● 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.


● Contoh, katakanlah bahwa populasi klien dari pusat pelayanan kita bagi menjadi tiga kelompok: Jawa, Madura dan Sunda. ● Selanjutnya, anggaplah bahwa baik Madura maupun Sunda adalah klien yang relatif kecil (10% dan 5%). Konsep Dasar Populasi & Sampel - 30

●Jika kita hanya melakukan simple random sample pada n=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 - 31

● 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.


● 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%.

● Akhirnya, dengan mengurangi, kita tahu bahwa terdapat 850 klien Jawa. ● Fraksi sampling dalam stratum adalah 50/850 = ± 5.88%.

● Hal serupa, kita tahu bahwa 5% atau 50 klien adalah Sunda. 

Sehingga fraksi sampling dalam stratum adalah 25/50 = 50%.


● 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 - 34

● Memilih beberapa titik awal kemudian memilih setiap kelipatan elemen dalam populasi. Konsep Dasar Populasi & Sampel - 35


● Membagi populasi menjadi bagianbagian (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 - 37

● 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 - 38

● 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 - 39

● 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 


●Tidak melibatkan random selection ●Kurang representatif terhadap populasi dibandingkan dengan probability sampling


●Purposive sampling dapat sangat bermanfaat bila anda ingin mencapai target sampel secara cepat.


● Menggunakan sampel yang mudah diperoleh Konsep Dasar Populasi & Sampel - 43

● 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 - 44

● 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.


●William M.K. Trochim, 2002, Research Methods Knowledge Base, Last Revised: 06/06/2001


Konsep Dasar Populasi & Sampel - 2

Recommend Documents