ALUR PENELITIANALUR PENELITIAN

TEORI dan FAKTA EMPIRIK FENOMENA

PERTANYAAN TAK TERJAWAB

IDENTIFIKASI dan PERUMUSAN MASALAH

TUJUAN PENELITIAN

KERANGKA KONSEP (identifikasi variabel penelitian)

PERUMUSAN / OPERASIONALISASI HIPOTESIS

Penetapan Model/Rancangan Penelitian

PENGOLAHAN/ANALISIS DATA

KESIMPULAN / LAPORAN PEN

GENERALISASI

XDEDUKSI EKSPLO-RASI

DEDUKSI

STRUK-TURASI

INDUKSI VERIFI-KASI

?

OBSERVASI / PENGUKURANPenetapanSubjek

Instrumentasi

PENELITIAN pada umumnyaPENELITIAN pada umumnya

MENGGUNAKAN MENGGUNAKAN SAMPELSAMPEL DARI DARI POPULASIPOPULASI YANG YANG

DIAMATIDIAMATI

ALASANNYA:ALASANNYA: INFINITE POPULASIINFINITE POPULASI HOMOGENITASHOMOGENITAS MENGHEMAT BIAYA DAN WAKTUMENGHEMAT BIAYA DAN WAKTU KETELITIAN / KETEPATANKETELITIAN / KETEPATAN ADANYA PENELITIAN DESTRUKTIFADANYA PENELITIAN DESTRUKTIF

POPULASIPOPULASI POPULASIPOPULASI : HIMPUNAN DARI UNIT/ INDIVIDU YANG : HIMPUNAN DARI UNIT/ INDIVIDU YANG

MEMPUNYAI CIRI-CIRI YANG SAMA MEMPUNYAI CIRI-CIRI YANG SAMA

POPULASI HARUS DIDEFINISIKAN DENGAN JELAS : POPULASI HARUS DIDEFINISIKAN DENGAN JELAS : APA/SIAPA, DIMANA, KAPANAPA/SIAPA, DIMANA, KAPAN

contoh: - Pendapatan per bulan petani Kecamatan Darul contoh: - Pendapatan per bulan petani Kecamatan Darul Imarah Aceh Besar tahun 2009 Imarah Aceh Besar tahun 2009

- Karakteristik penderita TBC di R.Rawat - Karakteristik penderita TBC di R.Rawat Paru RSUD-ZA tahun 2008 Paru RSUD-ZA tahun 2008

- Polutan di kawasan PT.Arun - Polutan di kawasan PT.Arun Lhokseumawe pada bulan November 2007 Lhokseumawe pada bulan November 2007

POPULASI FINIT ATAU INFINITPOPULASI FINIT ATAU INFINIT

SAMPELSAMPEL SAMPELSAMPEL : BAGIAN DARI POPULASI : BAGIAN DARI POPULASI

YANG CIRI-CIRINYA AKAN YANG CIRI-CIRINYA AKAN DITELITI DAN DIUKUR DITELITI DAN DIUKUR

UNTUK KEPERLUAN INFERENSI/ GENERALISASI, UNTUK KEPERLUAN INFERENSI/ GENERALISASI, SAMPEL HARUS MEWAKILI (REPRESENTATIF) SAMPEL HARUS MEWAKILI (REPRESENTATIF) POPULASIPOPULASI

- - TEKNIK SAMPLINGTEKNIK SAMPLING

- BESAR/UKURAN SAMPEL- BESAR/UKURAN SAMPEL

- KRITERIA SAMPEL- KRITERIA SAMPEL

- VARIASI ANTAR UNIT SAMPEL- VARIASI ANTAR UNIT SAMPEL

POPULASI

SAMPELPARAMETER

STATISTIK

x s

s2 r

SAMPLING

GENERALISASI/ INFERENSI

PENGAMBILAN SAMPELPENGAMBILAN SAMPEL

CARA PENGAMBILAN SAMPELCARA PENGAMBILAN SAMPEL : :

A. A. PROBABILITY SAMPLING (RANDOM)PROBABILITY SAMPLING (RANDOM)

: setiap anggota populasi mempunyai : setiap anggota populasi mempunyai peluang yang sama untuk diambil peluang yang sama untuk diambil sebagai sampelsebagai sampel

B. B. NON PROBABILITY SAMPLINGNON PROBABILITY SAMPLING

PENGAMBILAN SAMPELPENGAMBILAN SAMPEL

CARA PENGAMBILAN SAMPELCARA PENGAMBILAN SAMPEL : :

A. A. PROBABILITY SAMPLING (RANDOM)PROBABILITY SAMPLING (RANDOM)

1. SIMPLE RANDOM SAMPLING1. SIMPLE RANDOM SAMPLING

2. SISTEMATIC RANDOM SAMPLING2. SISTEMATIC RANDOM SAMPLING

3. STRATIFIED RANDOM SAMPLING3. STRATIFIED RANDOM SAMPLING

4. CLUSTER RANDOM SAMPLING4. CLUSTER RANDOM SAMPLING

5. MULTISTAGE RANDOM SAMPLING5. MULTISTAGE RANDOM SAMPLING

SIMPLE RANDOM SAMPLINGSIMPLE RANDOM SAMPLING

Prinsip :Prinsip : mengambil sejumlah n elemen dari sejumlah N mengambil sejumlah n elemen dari sejumlah N

elemen secara randomelemen secara random Ada kerangka sampel atau ”sampling frame” Ada kerangka sampel atau ”sampling frame” dengan undian,tabel bilangan random atau dengan undian,tabel bilangan random atau

komputer dan kalkulator komputer dan kalkulator bila populasi yang diteliti homogen.bila populasi yang diteliti homogen. Populasi secara geografis tidak terlalu tersebar Populasi secara geografis tidak terlalu tersebar

SIMPLE RANDOM SAMPLINGSIMPLE RANDOM SAMPLING

POPULASIPOPULASI

SAMPELSAMPEL

LOTRE/ BIL. RANDOM

LOTRE/ BIL. RANDOM

* * * *

* * * * * *

* * * * * * * *

* * * * * * * *

* * * * * * * *

* * * * * *

* * *

* * * *

* * * * * *

* * * * * * * *

* * * * * * * *

* * * * * * * *

* * * * * *

* * *

* * *

* * *

*

* * *

* * *

*

contohcontoh Dari 1000 populasi petani yang dianggap homogen diambil sampel Dari 1000 populasi petani yang dianggap homogen diambil sampel

sebanyak 30 orang dengan menggunakan tabel bilangan random. sebanyak 30 orang dengan menggunakan tabel bilangan random. Pertama,Pertama, buat kerangka sampling yaitu daftar nama petani yang buat kerangka sampling yaitu daftar nama petani yang

diberi nomor 0001 hingga 1000. Untuk pemberian nomor, perlu diberi nomor 0001 hingga 1000. Untuk pemberian nomor, perlu diperhatikan jumlah digit di populasi, karena besar populasi adalah diperhatikan jumlah digit di populasi, karena besar populasi adalah 1000 maka jumlah digit adalah 4. Maka nomor awal dimulai dengan 1000 maka jumlah digit adalah 4. Maka nomor awal dimulai dengan 0001 bukan 1, 01, ataupun 001. Ini untuk mempertahankan prinsip 0001 bukan 1, 01, ataupun 001. Ini untuk mempertahankan prinsip ”equal probability”. ”equal probability”.

SelanjutnyaSelanjutnya peneliti bisa menggunakan tabel bilangan random peneliti bisa menggunakan tabel bilangan random dengan menjatuhkan pensil di area tabel bilangan random. dengan menjatuhkan pensil di area tabel bilangan random. Kemudian dilihat, ujung pensil jatuh di nomor terdekat berapa.Kemudian dilihat, ujung pensil jatuh di nomor terdekat berapa.

Misal deretan tabel bilangan random adalah sebagai berikut:Misal deretan tabel bilangan random adalah sebagai berikut:

001201 234019 010325 000123 021780001201 234019 010325 000123 021780660012 021340 000120 127658 012030660012 021340 000120 127658 012030

SYSTEMATIC RANDOM SAMPLINGSYSTEMATIC RANDOM SAMPLING

MIRIP SIMPLE RANDOM SAMPLINGMIRIP SIMPLE RANDOM SAMPLING. Ada sampling frame. Ada sampling frame. Homogen. Homogen. . Populasi memiliki pola beraturanPopulasi memiliki pola beraturan

MENGGUNAKAN CARA SISTEMATISMENGGUNAKAN CARA SISTEMATIS . . UNIT SAMPEL 1 : UNIT SAMPEL 1 : SIMPLE RANDOMSIMPLE RANDOM

. . UNIT SAMPEL 2, 3, ….. DST SECARA UNIT SAMPEL 2, 3, ….. DST SECARA SISTEMATIS DENGAN INTERVAL SISTEMATIS DENGAN INTERVAL

TERTENTUTERTENTU INTERVAL = N/nINTERVAL = N/n

contohcontoh

. RSUZA merawat 500 pasien, untuk . RSUZA merawat 500 pasien, untuk meneliti kepuasan pelayanan di RS meneliti kepuasan pelayanan di RS diambil 25 pasien sebagai sampeldiambil 25 pasien sebagai sampel

. . Probabilitas terambil sebagai sampel Probabilitas terambil sebagai sampel adlah 25/500 = 1/20 atau interval sampel adlah 25/500 = 1/20 atau interval sampel 500/25 =20500/25 =20

. Sampel 1 dipilih secara acak misal no 15 . Sampel 1 dipilih secara acak misal no 15 maka selanjutnya adalah no 35, 55, 75, maka selanjutnya adalah no 35, 55, 75, …. dst sampai 25 sampel…. dst sampai 25 sampel

STRATIFIED RANDOM SAMPLINGSTRATIFIED RANDOM SAMPLING

Pada populasi yang heterogPada populasi yang heterogeen sehingga bisa n sehingga bisa dipisah menurut stratifikasi tertentudipisah menurut stratifikasi tertentu

STRATA :STRATA : subpopulasi dari populasi awalsubpopulasi dari populasi awal tiap strata homogentiap strata homogen antar strata heterogenantar strata heterogen

Contoh : tingkat pendidikan dibagi menjadi Contoh : tingkat pendidikan dibagi menjadi 3 strata : - pendidikan 3 strata : - pendidikan

rendah, rendah, - pendidikan - pendidikan menengah menengah - - pendidikan tinggipendidikan tinggi

STRATIFIED RANDOM STRATIFIED RANDOM SAMPLINGSAMPLING

- + * - + *

* * - + + - *

* - - * + + -

+ + + * - * -

* - - *

- + * - + *

* * - + + - *

* - - * + + -

+ + + * - * -

* - - *

* * *

* * *

* * *

* * *

- - -

- - - -

- - -

- - - -

+ + +

+ + + +

+ + +

+ + + +

+ - +

* * - - * + + - -

+ - +

* * - - * + + - -

stratifikasistratifikasi randomisasirandomisasi

CLUSTER/AREA RANDOM CLUSTER/AREA RANDOM SAMPLINGSAMPLING

populasi bisa dipisah menurut rumpun/ gugus/cluster populasi bisa dipisah menurut rumpun/ gugus/cluster tertentutertentu

dilakukan ketika sampling frame sukar didapat dan dilakukan ketika sampling frame sukar didapat dan biaya tidak mencukupibiaya tidak mencukupi

CLUSTER / RUMPUN :CLUSTER / RUMPUN : subpopulasi dari populasi awalsubpopulasi dari populasi awal tiap rumpun heterogentiap rumpun heterogen antar rumpun homogenantar rumpun homogen

Contoh : rumpun (blok) rumah (RT, RW)Contoh : rumpun (blok) rumah (RT, RW) kloter jamaah haji kloter jamaah haji

CLUSTER/AREA RANDOM CLUSTER/AREA RANDOM SAMPLINGSAMPLING

- + * + * -

- * * - + - +

- + * + * -

- * * - + - +

- - - + + + *

* * - + * - +

- - - + + + *

* * - + * - +

11

22

* * + - + -

+ * * - + -

* * + - + -

+ * * - + -

+ + - - - + *

* * * + + - -

+ + - - - + *

* * * + + - -

33

44

+ * * - - +

+ - - + * +

+ * * - - +

+ - - + * +

+ + - - + -

* * + - + *

+ + - - + -

* * + - + *

+ - - + * * +

- - + + * *

+ - - + * * +

- - + + * *

+ - - - * * +

+ * * - - + -

+ - - - * * +

+ * * - - + -

55

66

77

88

- - - + + + *

* * - + * - +

- - - + + + *

* * - + * - ++ - - - * * +

+ * * - - + -

+ - - - * * +

+ * * - - + -

22

88

+ + - - * * - * + - *

+ + - - * * - * + - *

RANDOMISASI CLUSTER

RANDOMISASI CLUSTER

RANDOMISASI UNIT SAMPELRANDOMISASI UNIT SAMPEL

SAMPELSAMPEL

MULTISTAGE RANDOM SAMPLINGMULTISTAGE RANDOM SAMPLING

Populasi dibagi dalam beberapa fraksi lalu Populasi dibagi dalam beberapa fraksi lalu diambil sampelnyadiambil sampelnya

Sampel fraksi yang dihasilkan dibagi lagi mjd Sampel fraksi yang dihasilkan dibagi lagi mjd fraksi yang lebih kecil kemudian diambil fraksi yang lebih kecil kemudian diambil sampelnyasampelnya

Pembagian fraksi terus dilakukan sampai unit Pembagian fraksi terus dilakukan sampai unit sampel yang diinginkansampel yang diinginkan

Unit sampel pertama disebut Unit sampel pertama disebut Primary sampling Primary sampling Unit Unit ( PSU dalam fraksi besar dan fraksi kecil )( PSU dalam fraksi besar dan fraksi kecil )

PENGAMBILAN SAMPELPENGAMBILAN SAMPEL

B. B. NON PROBABILITY SAMPLINGNON PROBABILITY SAMPLING

(NON RANDOM)(NON RANDOM)

1. QUOTA SAMPLING1. QUOTA SAMPLING

2. ACCIDENTAL SAMPLING2. ACCIDENTAL SAMPLING

3. PURPOSIVE SAMPLING 3. PURPOSIVE SAMPLING

(JUDGMENTAL SAMPLING)(JUDGMENTAL SAMPLING)

QUOTA SAMPLINGQUOTA SAMPLING

jumlah sampel ditentukan secara quotum jumlah sampel ditentukan secara quotum (jatah) oleh peneliti(jatah) oleh peneliti

jika jumlah telah tercapai maka jika jumlah telah tercapai maka pengumpulan data dihentikan dan pengumpulan data dihentikan dan hasilnya dipresentasikanhasilnya dipresentasikan

ACCIDENTAL SAMPLINGACCIDENTAL SAMPLING

. sampel yang terpilih tidak terencana tapi . sampel yang terpilih tidak terencana tapi berdasarkan kasus/responden berdasarkan kasus/responden yang kebetulan adayang kebetulan ada

. Contoh : KLB malaria , data yang ada . Contoh : KLB malaria , data yang ada disajikan secara deskriptif dan tidak dapat disajikan secara deskriptif dan tidak dapat digeneralisirdigeneralisir

PURPOSIVE SAMPLING PURPOSIVE SAMPLING (JUDGMENTAL SAMPLING) (JUDGMENTAL SAMPLING)

Sampel ditentukan oleh orang yang telah Sampel ditentukan oleh orang yang telah mengenal betul populasi yang akan ditelitimengenal betul populasi yang akan diteliti

BESAR SAMPELBESAR SAMPELPenelitian Cross Sectional (populasi infinit)Penelitian Cross Sectional (populasi infinit)

ZZ/2/222 . p . (1-p) . p . (1-p)

n = ------------------------n = ------------------------ dd22

dimana :dimana :

ZZ/2/2 = harga normal baku sesuai dengan luas area = harga normal baku sesuai dengan luas area di di bawah kurva baku sebesar (1-bawah kurva baku sebesar (1-/2)/2)

untuk untuk = 0,05 = 0,05 nilai Z = 1,96 nilai Z = 1,961- 1- = tingkat kepercayaan = tingkat kepercayaanp = proporsi kasus yang diteliti dalam populasip = proporsi kasus yang diteliti dalam populasid = kesalahan yang dapat ditolerird = kesalahan yang dapat ditolerir

Contoh :Contoh :

Ingin diketahui proporsi penduduk miskin di Ingin diketahui proporsi penduduk miskin di suatu kabupaten. Jika dari literatur jumlah suatu kabupaten. Jika dari literatur jumlah penduduk miskin di suatu daerah penduduk miskin di suatu daerah diperkirakan 20%, berapa besar sampel diperkirakan 20%, berapa besar sampel keluarga yang dibutuhkan sehingga keluarga yang dibutuhkan sehingga proporsi yang diduga berada dalam interval proporsi yang diduga berada dalam interval 5% di atas dan di bawah proporsi yang 5% di atas dan di bawah proporsi yang sesungguhnya dengan tingkat sesungguhnya dengan tingkat kepercayaan 95% ?kepercayaan 95% ?

Penyelesaian :Penyelesaian :

n = 245,86 = 246 keluargan = 245,86 = 246 keluarga

1,962 . 0,2 . 0,8

n = ------------------- 0,052

N = besar populasiN = besar populasi

N Z21-/2 P (1-P)

n = ------------------------------- (N-1) d2 + Z2

1-/2 P (1-P)

Jika populasi finitJika populasi finit

Contoh :Contoh :

Jika jumlah keluarga di seluruh Jika jumlah keluarga di seluruh kabupaten = 10.000 keluarga, makakabupaten = 10.000 keluarga, maka

n = 239,99 = 240 keluargan = 239,99 = 240 keluarga

10.000 . 1,962 . 0,2 . 0,8

n = ------------------------------------------ (10.000-1) 0,052 + 1,962

. 0,2 . 0,8

BESAR SAMPELBESAR SAMPELPenelitian Case - ControlPenelitian Case - Control

2 . (Z2 . (Z + Z + Z))22 . p . (1-p) . p . (1-p)

n = -------------------------------n = -------------------------------

(p(p00 - p - p11))22

dimana :dimana :

ZZ = harga normal baku sesuai luas area di bawah kurva = harga normal baku sesuai luas area di bawah kurva

baku sebesar (1- baku sebesar (1-) untuk kesalahan tipe I () untuk kesalahan tipe I ( = 0,05 = 0,05

Z = 1,65)Z = 1,65)

ZZ = harga normal baku sesuai luas area di bawah kurva = harga normal baku sesuai luas area di bawah kurva

baku sebesar (1- baku sebesar (1-) untuk kesalahan tipe II () untuk kesalahan tipe II ( = 0,10 = 0,10

Z = 1,28)Z = 1,28)

pp11 = proporsi individu kelompok kasus mendapat paparan = proporsi individu kelompok kasus mendapat paparan

pp00 = proporsi individu kelompok kontrol mendapat paparan = proporsi individu kelompok kontrol mendapat paparan

p = (pp = (p00 + p + p11)/2)/2

BESAR SAMPELBESAR SAMPELPenelitian CohortPenelitian Cohort

11 2 . (Z 2 . (Z + Z + Z))22 . p . (1-p) . p . (1-p)

n = --------- . -------------------------------n = --------- . -------------------------------

(1-f) (1-f) (p (p00 - p - p11))22

dimana :dimana :

ZZ & Z & Z = sama dengan penelitian Case Control = sama dengan penelitian Case Control

pp00 = proporsi partisipan tidak terpapar yang diharapkan = proporsi partisipan tidak terpapar yang diharapkan

terjadi kasus yang diteliti terjadi kasus yang diteliti

pp11 = proporsi partisipan terpapar yang diharapkan terjadi = proporsi partisipan terpapar yang diharapkan terjadi

kasus yang diteliti kasus yang diteliti

p = (pp = (p00 + p + p11)/2)/2

f = proporsi partisipan hilang/mundur dari pengamatanf = proporsi partisipan hilang/mundur dari pengamatan