● 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?
Konsep Dasar Populasi & Sampel - 7
●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
Konsep Dasar Populasi & Sampel - 11
●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
Konsep Dasar Populasi & Sampel - 14
● 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
Konsep Dasar Populasi & Sampel - 17
● 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)
Konsep Dasar Populasi & Sampel - 19
● 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 - 20
● 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.
Konsep Dasar Populasi & Sampel - 22
● 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.
Konsep Dasar Populasi & Sampel - 29
● 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.
Konsep Dasar Populasi & Sampel - 32
● 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%.
Konsep Dasar Populasi & Sampel - 33
● 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
Konsep Dasar Populasi & Sampel - 36
● 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
Konsep Dasar Populasi & Sampel - 40
●Tidak melibatkan random selection ●Kurang representatif terhadap populasi dibandingkan dengan probability sampling
Konsep Dasar Populasi & Sampel - 41
●Purposive sampling dapat sangat bermanfaat bila anda ingin mencapai target sampel secara cepat.
Konsep Dasar Populasi & Sampel - 42
● 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.
Konsep Dasar Populasi & Sampel - 45
●William M.K. Trochim, 2002, Research Methods Knowledge Base, Last Revised: 06/06/2001
Konsep Dasar Populasi & Sampel - 46
