Sie sind auf Seite 1von 93

REFRESH METHODOLOGY

Oleh: Viera Wardhani


WHAT IS RESEARCH
Rigorous scientific
scrutiny

Questions Guesswork
Knowledge Problems Intuition

I know the
answer
It is obvious,
common sense
Observational Experimental
WHAT IS YOUR TOPIC & QUESTION?
DEVELOP A HYPOTHESIS
What is a hypothesis?
-what you think the answer is based upon
your gathered information and prior
knowledge
-an educated guess

It begins with:
I think …
SUMMARY OF HOW RESEARCH WORKS
RESEARCH STUDY PLAN ACTUAL
QUESTION
design implement STUDY
Intended sample
Target All women aged 50- Actual Subjects
population 69 seen in UCSF
Women aged primary care clinic in
50-69
Errors one year Errors
Errors Actual Measurements

Intended variables
Self reported
Phenomena estrogen treatment
of interest
The proportion
who take estrogen infer
TRUTH IN THE FINDINGS IN THE
TRUTH IN THE STUDY STUDY
UNIVERSE

6
Element Purpose
Research questions What questions will the study
address?

STUDY PROTOCOL Significance (background) Why are these questions


important?
Design How is the study structured?
Time frame
Epidemiologic approach
Subjects Who are the subjects and how
Selection criteria will the be selected?
Sampling design
Variables What measurements will be
Predictor variables made/recorded?

STUDY REPORT Confounding variables


Outcome variables

Statistical issues How large is the study and how


Hypotheses will it be analyzed?
Sample size
Analytic approach
HOW ARE WE GOING TO ANSWER THE
QUESTIONS (RESEARCH DESIGN)
TYPES OF QUALITATIVE RESEARCH
Type Description
Case study Attempts to shed light in phenomena by studying in depth a single case example
of the phenomena. The case can be an individual person, an event, a group, or an
instituion
Grounded Theory is developed inductively from a corpus of data acquired by a participant-
observer
Phenomenology Describe a structure of experience as they present by themselves to conciousness
without recourse to theory, deduction, or assumption from other disciplines
Ethnography Focus on the sociology meaning based on closed field observation of a
sociocultural phenomena. Typically the ethnographer focuses on a community
Historical Systematic collection and objective evaluation of data collected related to past
occurences in order to test hypotheses concerning causes, effect, or trend of these
events that might help to explain present event and anticipate future events
STUDIES Research

RESEARCH DESIGN
Descriptive Analytical

Observational Experimental
Corelational

Qualitative Study Randomized


Cohort
Interview Clinical Trial

Case Studies/Reports Non-Randomized


Case-Control
Clinical Trial

Cross Sectional Community Trial


Cambron JA. Study Design. Lombard: National University of Health Sciences; 2008.
PENYEBAB STROKE: CONTOH
Frequency Prognosis
Risk Factors
Cohort Study SurveyInception Cohort Study

CT Scan
Treatments
Treatment Effect
Randomised Trial
Symptoms
Cause(s)
Signs, Tests
Cross Sectional Study
Past Current Future
CONSIDERATIONS WHEN CHOOSING A STUDY DESIGN

No one approach is always better than the others.


Each research question requires a judgment about which design is the
most efficient way to get a satisfactory answer.
A common sequence for studying a topic:
 Descriptive studies
 How common is estrogen treatment in women after menopause?
 Analytic studies to evaluate associations and discover cause-and-effect relationships
 Is taking estrogen after menopause associated with lower risk of CHD?
 Clinical trial to establish the effects of an intervention
 Does hormone treatment alter the incidence of CHD?

17
WHETHER HORMONE THERAPY AFTER MENOPAUSE PREVENTS
CORONARY HEART DISEASE
Study Design Key Feature Example
Experimental Design
Randomized blinded Two groups created by The investigator randomly assigns women to
trial a random process, receive hormone or identical placebo, then follows
and a blinded both treatment groups for several years to observe
intervention the incidence of heart attacks.
Observational
Designs
Cohort study A group followed over The investigator examines a cohort of women
time yearly for several years, observing the incidence of
heart attacks in hormone users and non-users.
Case-control study Two groups, based on The investigator examines a group of women with
the outcome heart attacks (the “cases”) and compares them
with a group of healthy women (the controls)
asking about hormone use.
Cross-sectional A group examined at The investigator examines the group of women
study one point in time once, observing the prevalence of a history of heart
attacks in hormone users and non-users. 18
RANDOMIZED CLINICAL TRIALS
In simplest implementation:
 Subject enrolls in study
 Randomly assigned to one of ≥ 2 treatments
 Followed up until end of study or outcome measure is obtained

Outcome comparisons are made among treatment groups


Treatment groups should be comparable on measured and unmeasured
covariates due to randomization
 Strongest design to establish causal relationships

May be beneficial to blind subjects/investigators to treatment groups

19
20
COHORT STUDIES
Exposure not randomly assigned, but assessed
 Sample selection and analysis can minimize confounding
Need sufficient # of subjects/events
Prospective Cohort
 Outcomes are future events
Retrospective Cohort
 Outcomes have already occurred
Can study multiple outcomes
No control over risk factors, or insufficient numbers
21
Example with
dichotomous risk factor
and outcome

22
CROSS-SECTIONAL STUDIES
All variables are measured at same time
Valuable for providing descriptive information about prevalence
But weaker evidence for causality as predictor is not shown to
precede outcome

23
24
CASE-CONTROL
1. Subjects are identified as cases based on outcome status
2. Identify comparable controls (challenging)
3. Retrospectively determine prior exposure

*Big challenge to account for all differences between cases & controls that could
explain relationship between exposure & case status

25
26
MEMILIH UJI STATISTIK Do we find the truth
6 PERTIMBANGAN MEMILIH METODA STATISTIK DALAM UJI
HIPOTESIS

1. Identifikasi skala ukur variabel


2. Jenis Hipotesis
3. Jumlah Kelompok yg di bedakan
4. Kelompok: Berpasangan atau tak berpasangan
5. Apakah bisa bibuat tabel silang? Jenis tabel silang?
6. Persyaratan uji parametrik dipenuhi? Non-parametrik?
SKALA UKUR VARIABEL

NOMINAL
ORDINAL
INTERVAL
RASIO
Berikan masing-masing contoh !
Nominal + Ordinal = KATEGORIKAL
Interval + Rasio = NUMERIKAL
SKALA PENGUKURAN VARIABEL
Derajat Skala
VARIABEL KATEGORI antar variabel
variabel
Jenis •Laki-laki KATEGORIKAL
Kelamin •Perempuan Setara NOMINAL

Tingkat • Rendah
KATEGORIKAL
• Menengah Bertingkat
pendidikan ORDINAL
• TInggi
Kadar gula Setara, skala
--- sama NUMERIKAL
darah
JENIS HIPOTESIS
KOMPARATIF ATAU ASOSIATIF
 Membandingkan rerata/mean 2 kelompok atau lebih
 Mengukur efek variabel independen thd nilai variabel
dependen (beda mean juga)
KORELATIF
 Mengukur seberapa jauh hubungan variabel independen
dengan variabel dependen? (mengukur koefisien
korelasi)
JUMLAH KELOMPOK SUBYEK PENELITIAN
Berapa jumlah kelompok subyek yang dikomparasi atau diukur
efeknya?
2 Kelompok (1 var independen vs 1 var
dependen)
Lebih dari 2 kelompok ( 1 var independen vs
> 1 variabel dependen )
KELOMPOK BERPASANGAN
VS KELOMPOK TAK BERPASANGAN
Kelompok berpasangan (Paired samples)
1. Dua kelompok berpasangan dalam beberapa karakteristik
(suami – istri, dua saudara kembar, dsb)
2. Satu kelompok tetapi bagian tubuhnya berpasangan: tangan
kiri dan tangan kanan, kaki kanan-kaki kiri)
3. Sebelum-sesudah pada subjek yang sama
Kelompok Tak-berpasangan (Unpaired samples)
1. Kedua kelompok atau lebih betul-betul independen.
PARAMETRIK VS NON-PARAMETRIK
UJI PARAMETRIK apabila:
 Skala variabelnya NUMERIK (Interval atau Rasio)
 Sebaran data NORMAL (Tak normal dinormalkan atau ganti
NON PARAMETRIK)
 Kelompok tidak boleh berpasangan: bila 2 kelompok varians
kedua kelompok boleh sama atau tidak, bila >2 kelompok,
varians semua variabel hrs sama.
Uji NON PARAMETRIK apabila:
 Skala variabel KATEGORIKAL
 Skala numerik kalau syarat Uji Parametrik tak dipenuhi.
TABEL TUJUAN PENELITIAN DAN METODA STATISTIK YG DIGUNAKAN

TUJUAN UJI HIPOTESIS


SKALA KOMPARATIF
UKUR KORELATIF
2 KELOMPOK > 2 KELOMPOK
VARIABEL
Ber Tak Ber Tak
pasangan berpasangan pasangan Berpasangan
McNemar** Chi-Square** Chi-Square** Koefisien
Marginal - Fisher Exact** Fisher Exact** Kontingensi*
NOMINAL homogeneity Kolmogorov- Cochran** Kolmogorov- Lambda**
Smirnov** Smirnov**

McNemar** Chi-Square** Chi-Square** Somer’s d**


Marginal Fisher Exact** Fisher Exact** Gamma**
ORDINAL Homogeneity* Kolmogorov- Cochran** Kolmogorov-
Wilcoxon Smirnov** Smirnov**
Friedman
Mann Whitney Kruskal Wallis Spierman
NUMERIK
INTERVAL/ Uji – t ber Uji t TAK
Anova Anova Pearson
RASIO pasangan Berpasangan
ANALISIS DATA NUMERIK HIPOTESIS: KOMPARATIF

Sebaran Normal?

Ya Tidak

UJI PARAMETRIK UJI NON-


PARAMETRIK
berpasangan Tak berpasangan

2 klp >2 klp

Variance

sama berbeda sama berbeda

UJI HIPOTESIS YG SESUAI


UJI HIPOTESIS DATA KATEGORIKAL
TAK BERPASANGAN TABEL b x k
Tak berpasangan

Tabel Tabel Tabel b x k


2x2 2xk lainnya

Syarat Chi-Square dipenuhi  Uji Chi-Square

Bila tak dipenuhi syaratnya

Fisher Kolmogorov GABUNG


Exact test - Smirnov SEL2NYA
UJI HIPOTESIS TABEL B X K
BERPASANGAN
Data Kategorikal
Tabel b x k berpasangan

Tabel Tabel Tabel b x k


2x2 2xk B = k; b &k >2

Uji Uji Uji Marginal


McNemar Cochran Homogeneity
UJI HIPOTESIS KORELATIF

VARIABEL - 1 VARIABEL – 2 UJI HIPOTESIS

Koefisien
NOMINAL NOMINAL Kontingensi,
Lambda
Koefisien
NOMINAL ORDINAL Kontingensi,
Lambda
Spearman, Gamma,
ORDINAL ORDINAL Somer’s d
Spearman
ORDINAL NUMERIK
NUMERIK NUMERIK Pearson
TABEL UJI HIPOTESIS

SKALA TUJUAN UJI HIPOTESIS


UKUR
VARIABEL KOMPARATIF / ASOSIATIF KORELATIF
2 KELOMPOK > 2 KELOMPOK
Berpangan Tak Berpasangan Tak
berpasangan Berpasangan
McNemar** Chi-Square** Chi-Square** Koefisien
Marginal - Fisher Exact** Cochran** Fisher Exact** Kontingensi*
NOMINAL homogeneity Kolmogorov- Kolmogorov- Lambda**
Smirnov** Smirnov**

McNemar** Chi-Square** Chi-Square** Somer’s d**


Marginal Fisher Exact** Cochran** Fisher Exact** Gamma**
ORDINAL Homogeneity* Kolmogorov- Kolmogorov-
Smirnov** Smirnov**
Wilcoxon Mann Whitney Friedman Kruskal Wallis Spierman

NUMERIK
Uji – t Uji t TAK Anova Anova Pearson
INTERVAL/
Ber Berpasangan
RASIO pasangan

Var yg diukur: Ansietas  Numerik  Parametrik


BAGAIMANA MENENTUKAN BESAR SAMPEL?

Total
sampling Rumus besar
sampel Rules of
thumb
40+ rumus
BAGAIMANA MENENTUKAN RUMUS BESAR
SAMPEL?
Apa tujuan
penelitian Anda? Deskriptif?
Analitik?
BAGAIMANA MENENTUKAN RUMUS BESAR
SAMPEL?
Apa tujuan Deskriptif?
penelitian Anda? • Proporsi
• Rerata
• Rate
BAGAIMANA MENENTUKAN RUMUS BESAR
SAMPEL?
Apa tujuan Analitik?
penelitian Anda? • Komparatif
• Korelatif
• Multivariat
ISTILAH-ISTILAH DALAM PERHITUNGAN BESAR
SAMPEL
Nilai α (kesalahan tipe 1)

Nilai β (kesalahan tipe 2)

Power (kekuatan uji)

Besar efek

Presisi
DESKRIPTIF
BESAR SAMPEL UNTUK TUJUAN DESKRIPTIF
TERGANTUNG DARI VARIABEL YANG DIUKUR

Kategorik Numerik Rate Sensitivitas

Spesifisitas AUC Kesesuaian Kesesuaian


kategorik numerik
BESAR SAMPEL UNTUK TUJUAN DESKRIPTIF
TERGANTUNG DARI VARIABEL YANG DIUKUR
• Prevalensi anemia pada ibu hamil di
Kategorik Kecamatan Klojen Kota Malang
• Insiden demam berdarah dengue di wilayah
kerja Puskesmas Donomulyo
• Angka kejadian kematian akibat
tuberculosis paru di Kota dan Kabupaten
Malang
𝑍𝛼 2 𝑥 𝑃 𝑥 (1−𝑃)
n=
𝑑2

n = jumlah sampel
Zα = nilai standar dari alpha (kesalahan tipe 1) yang ditetapkan
oleh peneliti
P = proporsi dari kategori yang menjadi point of interest. Berasal
dari kepustakaan
d = presisi penelitian yang ditetapkan oleh peneliti
BESAR SAMPEL UNTUK TUJUAN DESKRIPTIF
TERGANTUNG DARI VARIABEL YANG DIUKUR

Numerik

• Rerata kadar hemoglobin pada ibu hamil


• Rerata kadar TNFα kelompok perlakuan
• Rerata jumlah koloni bakteri yang tumbuh
𝑍𝛼 𝑥 𝑆 2
n=
𝑑

n = jumlah sampel
Zα = nilai standar dari alpha (kesalahan tipe 1) yang ditentukan
oleh peneliti
S = Simpang baku. Berasal dari kepustakaan.
d = presisi penelitian yang ditetapkan oleh peneliti
BESAR SAMPEL UNTUK TUJUAN DESKRIPTIF
TERGANTUNG DARI VARIABEL YANG DIUKUR

Rate

• Mortality rate pasien kanker serviks


• Cure rate pasien infeksi dengan pemberian
suplementasi
𝑍𝛼 2 𝑥λ
n=
𝑑2 𝑥 𝑇

n = jumlah sampel
Zα = nilai standar dari alpha (kesalahan tipe 1) yang ditetapkan
oleh peneliti
λ = insidens rate. Berasal dari kepustakaan
d = presisi penelitian yang ditetapkan oleh peneliti
T = rerata waktu orang (person time)
BESAR SAMPEL UNTUK TUJUAN DESKRIPTIF
TERGANTUNG DARI VARIABEL YANG DIUKUR

Sensitivitas

• Nilai sensitivitas rapid test untuk diagnosis malaria


• Nilai sensitivitas pemeriksaan X untuk deteksi dini
kanker payudara
𝑍𝛼 2 𝑥 𝑠𝑒𝑛 𝑥 (1−𝑠𝑒𝑛)
n=
𝑑2 𝑥 𝑃

n = jumlah subyek yang diduga sakit


Zα = nilai standar dari alpha (kesalahan tipe 1) yang ditetapkan
oleh peneliti
Sen = sensitivitas dari indeks yang ditetapkan oleh peneliti
P = proporsi subyek dengan hasil positif berdasar hasil
pemeriksaan referen [(a+c)/n]. Berasal dari kepustakaan
atau asumsi
d = presisi penelitian yang ditetapkan oleh peneliti
BESAR SAMPEL UNTUK TUJUAN DESKRIPTIF
TERGANTUNG DARI VARIABEL YANG DIUKUR
• Nilai spesifisitas rapid test untuk diagnosis
malaria
• Nilai spesifisitas pemeriksaan USG untuk
diagnosis tumor

Spesifisitas
𝑍𝛼 2 𝑥 𝑠𝑝𝑒𝑠 𝑥 (1−𝑠𝑝𝑒𝑠)
n=
𝑑2 𝑥 𝑃

n = jumlah subyek yang diduga sakit


Zα = nilai standar dari alpha (kesalahan tipe 1) yang ditetapkan
oleh peneliti
Spes = spesifisitas dari indeks yang ditetapkan oleh peneliti
P = proporsi subyek dengan hasil negative berdasar hasil
pemeriksaan referen [(b+d)/n]. Berasal dari kepustakaan
atau asumsi
d = presisi penelitian yang ditetapkan oleh peneliti
BESAR SAMPEL UNTUK TUJUAN DESKRIPTIF
TERGANTUNG DARI VARIABEL YANG DIUKUR
• Nilai AUC rapid test untuk diagnosis malaria
• Nilai AUC skor pemeriksaan MRI untuk
diagnosis spondylitis TB

AUC
𝑈 2 2𝑈 2
𝑑 𝑈 1 − 𝑈 + 𝑁1 − 1 − 𝑈 + (𝑅𝑁1 − 1)( − 𝑈2)
= 2−𝑈 1+𝑈
𝑍𝛼 𝑅 𝑁12

N1 = jumlah subyek kelompok 1 (didiagnosis positif)


N2 = jumlah subyek kelompok 2 (didiagnosis negative)
R = rasio antara N2 dengan N1
U = area under curve dari indeks. Berdasarkan harapan dari peneliti
Zα = nilai standar alpha yang ditetapkan oleh peneliti
d = presisi penelitian yang ditetapkan oleh peneliti
BESAR SAMPEL UNTUK TUJUAN DESKRIPTIF
TERGANTUNG DARI VARIABEL YANG DIUKUR
• Kesesuaian hasil pemeriksaan USG dan
Foto thorax untuk mengukur besar tumor

Kesesuaian Kesesuaian
kategorik numerik
KESESUAIAN
1−𝑘
KATEGORIK 𝑘 2−𝑘 2
n=4 1 − 𝑘 1 − 2𝑘 + 𝑍𝛼
𝑑2 2𝜋 1−𝜋

n = jumlah subjek
Zα = nilai standar alpha yang ditetapkan oleh peneliti
k = kappa. Nilainya ditentukan oleh peneliti
d = presisi dari nilai kappa yang ditetapkan oleh peneliti
π = proporsi diskordan
KESESUAIAN NUMERIK
8𝑍𝛼2 1−𝜌 2 1+ 𝐽−1 𝜌 2
n=1+
𝐽 𝐽−1 𝑑 2

n = jumlah subjek
Zα = nilai standar alpha yang ditetapkan oleh peneliti
ρ = intra class correlation (ICC) yang diharapkan peneliti
d = presisi dari nilai ICC (ρ) yang ditetapkan oleh peneliti
J = jumlah pengukuran per sampel
ANALITIK

Korelatif Komparatif Multivariat


ANALITIK -
KORELATIF
KORELATIF
Numerik - Numerik

Numerik - Ordinal

Numerik - Nominal

Ordinal – Ordinal

Ordinal – Nominal

Nominal – Nominal
2
𝑍𝛼+𝑍𝛽
n= 1+𝑟 +3
0,5 ln
1−𝑟

n = jumlah subjek
Zα = nilai standar alpha yang ditetapkan oleh peneliti
Zβ = nilai standar beta yang ditetapkan oleh peneliti
r = koefisien korelasi minimal yang dianggap bermakna, ditetapkan oleh
peneliti
ANALITIK -
KOMPARATIF
1 x pengukuran
Tidak berpasangan
>1x pengukuran

18
2x pengukuran
Kategorik
Pengukuran berulang
>2x pengukuran
Berpasangan

Rumus!
2 kelompok
Matching/Crossover
>2 kelompok

1x pengukuran
2 kelompok
>1x pengukuran

Komparatif Tidak berpasangan


1x pengukuran
>2 kelompok
>1x pengukuran
Numerik
2x pengukuran
Rate Pengukuran berulang
>2x pengukuran
AUC Berpasangan
2 kelompok
Kategorik Matching/Crossover
Kesesuaian >2 kelompok
Numerik
KOMPARATIF – KATEGORIK – TIDAK
BERPASANGAN – SATU KALI PENGUKURAN
2
𝑍𝛼 2𝑃𝑄+𝑍𝛽 𝑃1 𝑄1 + 𝑃2 𝑄2
n1 = n2 =
𝑃1 −𝑃2
KOMPARATIF – NUMERIK– TIDAK BERPASANGAN
– SATU KALI PENGUKURAN
𝑍𝛼+𝑍𝛽 𝑆 2
n1 = n2 = 2
𝑥1 −𝑥2

Masih ada 16 rumus yang lainnya!


ANALITIK -
MULTIVARIAT
10 Kategorik
1x pengukuran

>1x pengukuran

Rumus! Etiologik 1x pengukuran


Numerik

Multivariat
>1x pengukuran
Rate

1x pengukuran
Kategorik
>1x pengukuran

Prediktif 1x pengukuran
Numerik
>1x pengukuran
Rate
MULTIVARIAT – PREDIKTIF – KATEGORIK - SATU
KALI PENGUKURAN
10 𝐼
n=
𝑃 n = jumlah subjek
I = jumlah variabel bebas (independent)
P = proporsi point of interest
PERMASALAHAN YANG SERING MUNCUL
Tidak ada kepustakaan
 Menentukan nilai berdasarkan pendapat peneliti sendiri
 Bertanya pada orang yang lebih berpengalaman/ahli
 Melakukan studi pendahuluan
Kepustakaan terlalu banyak
 Memilih kepustakaan yang paling bisa digunakan untuk prediksi penelitian
STRATEGI MENGECILKAN JUMLAH SAMPEL YANG BENAR
SECARA METODOLOGIS

Merubah status pertanyaan primer


 Setiap tujuan/pertanyaan penelitian menentukan jumlah sampel
(masing-masing pertanyaan/tujuan harus dihitung jumlah sampelnya)
 Jika ada pertanyaan primer/tujuan yang memiliki konsekuensi jumlah
sampel besar, maka peneliti bisa merubahnya menjadi pertanyaan
sekunder (secondary outcome) atau bahkan tidak jadi diteliti
STRATEGI MENGECILKAN JUMLAH SAMPEL YANG BENAR
SECARA METODOLOGIS

Mengalihkan penelitian ke variabel surrogate


 Terutama jika hasil perhitungan variabel utama menghasilkan jumlah
sampel terlalu besar
 Surrogete Variabels adalah suatu bagian dari variabel asli yang dipilih
untuk digunakan di dalam analisis selanjutnya
 Contoh: kematian akibat DHF  surrogate: kondisi shock pada DHF,
pre-shock pada DHF
STRATEGI MENGECILKAN JUMLAH SAMPEL YANG BENAR
SECARA METODOLOGIS
Merubah skala pengukuran dari kategorik menjadi
numerik
 Sering kali penggunaan variabel kategorik menghasilkan jumlah
sampel lebih besar
 Tidak berlaku pada semua kondisi
Merubah nilai presisi (win-win solution antara kualitas dan
kemampulaksanaan penelitian)
 Yang penting logis
STRATEGI MENGECILKAN JUMLAH SAMPEL YANG BENAR
SECARA METODOLOGIS
Memilih nilai alpha dan beta maksimal yang masih bisa
diterima
 Alpha 5%; Beta 20%  nilai maksimal yang bisa diterima
Memilih alpha sesuai hipotesis penelitian
 Nilai untuk hipotesis 1 arah menghasilkan jumlah sampel yang leih kecil
STRATEGI MENGECILKAN JUMLAH SAMPEL YANG
BENAR SECARA METODOLOGIS
Merencanakan dan Melakukan analisis interim
Memperbanyak kelompok pembanding
PENYESUAIAN JUMLAH KELOMPOK CASE &
CONTROL SESUAI RASIO
Sering kali sulit untuk mendapatkan jumlah subjek untuk kelompok
kasus/kontrol yang sesuai dengan hasil perhitungan rumus
 n1 = n2  rasio 1:1

Jika salah satu kelompok tidak mencapai jumlah yang diharapkan maka
bisa menambah jumlah subjek pada kelompok pembandingnya
(penyesuaian) menggunakan rumus:

𝑛 (𝑅+1)
n‘ =
2𝑅
RUMUS SLOVIN
Sering kali digunakan untuk melakukan penelitian survey (deskriptif
kategorik) dengan random sampling
 Sudah diketahui jumlah populasi/N (sampling frame tersedia)

𝑁
n=
1+𝑁 𝑒 2
RUMUS FEDERER
Sering digunakan untuk penelitian eksperimental

(t-1) (k-1) ≥ 15
Kelemahan:
 Tidak ada batas kemaknaan
 Tidak ada info skala pengukuran (tidak bisa menggambarkan penelitian)
 Tidak ada info apa yang akan dibuktikan (besar efek tidak ada)
RULES OF THUMB
RULES OF THUMB
Penelitian deskriptif: minimal 100 subyek
Penelitian korelasional: minimal 50 subyek
Penelitian komparatif (t test, ANOVA): 30 subyek per kelompok
Penelitian dengan analisis Chi square: minimal 20 subyek
Penelitian dengan analisis regresi: minimal 50 subyek
Multivariat: n=10 x variabel
Analisis faktor: 300 subyek termasuk “baik”
Experimental : 15 subjek untuk tiap kelompok

Van Voorhis & Morgan (2007). Understanding power and rules of thumb for determining sample size. Tutorials
in Quantitative Methods for Psychology; 3(2):43-50
CONTOH PENGGUNAAN
Tujuan penelitian (primer)
1. Mengetahui prevalensi kejadian low back pain masyarakat kota Malang
2. Menganalisis korelasi lama bekerja dengan tingkat nyeri penderita low back
pain masyarakat kota Malang
3. Menganalisis perbedaan skor kualitas hidup berdasarkan status low back pain
masyarakat kota Malang
4. Membuktikan jenis kelamin, jenis pekerjaan, tingkat pendidikan, kelompok usia,
tingkat aktivitas fisik, dan penggunaan alat bantu kerja sebagai factor risiko
low back pain masyarakat kota Malang
TUJUAN 1: MENGETAHUI PREVALENSI KEJADIAN LOW
BACK PAIN MASYARAKAT KOTA MALANG
Dari kepustakaan diperoleh data penelitian terdahulu kejadian low back pain di
Indonesia sebesar 12%
Rumus besar sampel: deskriptif kategorik
𝑍𝛼 2 𝑥 𝑃 𝑥 (1−𝑃)
n=
𝑑2
Peneliti menetapkan nilai alpha 5% maka Zα = 1,96; Presisi yang ditetapkan
peneliti sebesar 5%
1,962 𝑥 0,12 𝑥 (1−0,12)
n= 2 = 162,26 ~ 163 subjek
0,05
TUJUAN 2: MENGANALISIS KORELASI LAMA BEKERJA
DENGAN TINGKAT NYERI PENDERITA LOW BACK PAIN
MASYARAKAT KOTA MALANG

Rumus besar sampel: Analitik korelatif ordinal-ordinal


Berdasarkan kajian kepustakaan, peneliti menetapkan koefisien korelatif
yang dianggap bermakna sebesar 0,3. Peneliti juga menetapkan nilai
alpha sebesar 5%, nilai beta 20%
2
𝑍𝛼+𝑍𝛽
n= 1+𝑟 +3
0,5 ln
1−𝑟
2
1,96+0,84
n= 1+0,3 + 3 = 85
0,5 ln 1−0,3
TUJUAN 3: MENGANALISIS PERBEDAAN SKOR
KUALITAS HIDUP BERDASARKAN STATUS LOW BACK
PAIN MASYARAKAT KOTA MALANG
Rumus besar sampel: analitik komparatif numerik tidak berpasangan dua kelompok satu kali
pengukuran
Berdasarkan kajian kepustakaan, peneliti mendapatkan nilai simpang baku skor kualitas hidup
penderita low back pain sebesar 10. Peneliti menetapkan nilai alpha 5%, nilai beta 20%, selisih
minimal rerata skor kualitas hidup antara 2 kelompok sebesar 5.

𝑍𝛼+𝑍𝛽 𝑆 2
n1 = n2 = 2
𝑥1 −𝑥2
1,96+0,84 10 2
n1 = n2 = 2 = 63 subjek (untuk masing-masing kelompok), maka total
5
subjek yang dibutuhkan 126
TUJUAN 4: MEMBUKTIKAN JENIS KELAMIN, JENIS PEKERJAAN, TINGKAT PENDIDIKAN,
KELOMPOK USIA, TINGKAT AKTIVITAS FISIK, DAN PENGGUNAAN ALAT BANTU KERJA SEBAGAI
FACTOR RISIKO LOW BACK PAIN MASYARAKAT KOTA MALANG

Rumus besar sampel: analitik multivariat prediktif kategorik satu kali pengukuran
Jumlah variabel bebas sebanyak 6, prevalensi LBP menurut kepustakaan 12%
10 𝐼
n=
𝑃
10 𝑥 6
n= = 500 subjek
0,12
KEPUTUSAN BESAR SAMPEL
Rekap hasil perhitungan besar sampel:
 Tujuan 1: 163 subjek
 Tujuan 2: 85 subjek
 Tujuan 3: 126 subjek
 Tujuan 4: 500 subjek
Berdasarkan pertimbangan kemampulaksanaan peneliti maka ditetapkan
jumlah penelitian mengacu pada tujuan 1 yaitu 163 subjek. Tujuan 4 tidak
menjadi tujuan primer tetapi dirubah statusnya sebagai secondary outcome
dari penelitian.
KEPUTUSAN BESAR SAMPEL
Pada perjalanan penelitian didapatkan kendala menemukan jumlah
subjek dengan LBP sebanyak 63 orang. Peneliti hanya mampu menemukan
40, maka dilakukan penyesuaian berdasarkan rasio.
𝑛 (𝑅+1)
n‘ =
2𝑅
63 (𝑅+1)
 40 =
2𝑅
 80R = 63R + 63
 R = 3,7

n‘ = 40 x 3,7 = 148 (jumlah kelompok non-LBP)


Maka total jumlah sampel menjadi 148 + 40 = 188
TERIMA KASIH

Das könnte Ihnen auch gefallen