populasi dan sampel.ppt
TRANSCRIPT
![Page 1: Populasi dan Sampel.ppt](https://reader034.vdocuments.net/reader034/viewer/2022050803/55cf8dcc550346703b8b5391/html5/thumbnails/1.jpg)
![Page 2: Populasi dan Sampel.ppt](https://reader034.vdocuments.net/reader034/viewer/2022050803/55cf8dcc550346703b8b5391/html5/thumbnails/2.jpg)
POPULASI DAN SAMPEL
• POPULASI : HIMPUNAN DARI UNIT/ INDIVIDU YANG MEMPUNYAI CIRI-CIRI YANG SAMA
• Populasi : keseluruhan subyek penelitian
• Populasi : kumpulan semua elemen atau individu dari mana data atau informasi akan dikumpulkan
• Populasi harus didefinisikan dengan jelas : APA/SIAPA (Isi/Content), DIMANA (Luas/Extent), KAPAN (Waktu/ Time)
![Page 3: Populasi dan Sampel.ppt](https://reader034.vdocuments.net/reader034/viewer/2022050803/55cf8dcc550346703b8b5391/html5/thumbnails/3.jpg)
POPULASI
• Definisi populasi berhubungan dengan proses generalisasi atau inferensi. Hasil dari penelitian harus jelas ditujukan untuk populasi yang mana
• Semakin jelas populasi, semakin jelas pula kepada populasi mana hasil penelitian dapat diberlakukan
• Idealnya penelitian dilakukan terhadap populasi (penelitian populasi = studi populasi = sensus)
![Page 4: Populasi dan Sampel.ppt](https://reader034.vdocuments.net/reader034/viewer/2022050803/55cf8dcc550346703b8b5391/html5/thumbnails/4.jpg)
POPULASI
• Berdasarkan besarnya :– FINIT – INFINIT
• Ada kemungkinan populasi sangat besar atau tidak diketahui secara pasti besarnya, dan (biasanya) keterbatasan waktu, biaya dan tenaga, maka biasanya penelitian tidak dilakukan terhadap seluruh elemen populasi
• Diambil sebagian dari populasi yang disebut sampel
![Page 5: Populasi dan Sampel.ppt](https://reader034.vdocuments.net/reader034/viewer/2022050803/55cf8dcc550346703b8b5391/html5/thumbnails/5.jpg)
POPULASI
SAMPELPARAMETER
STATISTIK
x s
s2 r
SAMPLING
GENERALISASI/ INFERENSI
![Page 6: Populasi dan Sampel.ppt](https://reader034.vdocuments.net/reader034/viewer/2022050803/55cf8dcc550346703b8b5391/html5/thumbnails/6.jpg)
INFERENSI
= GENERALISASI
• penarikan kesimpulan dari hal yang jumlah elemennya lebih sedikit (sampel) ke hal yang jumlah elemennya lebih banyak atau lebih luas atau dikenal dengan populasi
• Penarikan kesimpulan mengenai keadaan populasi (nilai parameter) berdasarkan sampel (statistik)
![Page 7: Populasi dan Sampel.ppt](https://reader034.vdocuments.net/reader034/viewer/2022050803/55cf8dcc550346703b8b5391/html5/thumbnails/7.jpg)
Sampel yang representatif
1. Cara pengambilan sampel
2. Besar sampel
3. Ciri-ciri populasi dalam sampel
![Page 8: Populasi dan Sampel.ppt](https://reader034.vdocuments.net/reader034/viewer/2022050803/55cf8dcc550346703b8b5391/html5/thumbnails/8.jpg)
Teknik Sampling Teknik Sampling (Cara Pengambilan Sampel)(Cara Pengambilan Sampel)
2 cara :2 cara : probabilistik (random) probabilistik (random) non probabilistik (non non probabilistik (non
random)random)
![Page 9: Populasi dan Sampel.ppt](https://reader034.vdocuments.net/reader034/viewer/2022050803/55cf8dcc550346703b8b5391/html5/thumbnails/9.jpg)
Sampling Non Probabilistik Sampling Non Probabilistik (Non Random)(Non Random)
Tidak bertujuan generalisasi/inferensiTidak bertujuan generalisasi/inferensi
Analisis dAnalisis deeskriptifskriptif
Macam :Macam : Accidental SamplingAccidental Sampling Judgmental (Purposive) SamplingJudgmental (Purposive) Sampling Quota SamplingQuota Sampling Snowball SamplingSnowball Sampling
![Page 10: Populasi dan Sampel.ppt](https://reader034.vdocuments.net/reader034/viewer/2022050803/55cf8dcc550346703b8b5391/html5/thumbnails/10.jpg)
SAMPLING KUOTASAMPLING KUOTA
Memilih sampel yang mempunyai Memilih sampel yang mempunyai ciri-ciri tertentu dalam jumlah/kuota ciri-ciri tertentu dalam jumlah/kuota yang diinginkanyang diinginkan
Misal : dipilih staf bagian gizi Misal : dipilih staf bagian gizi sejumlah n orang dan bagian sejumlah n orang dan bagian imunisasi x orang, sebagai sampelimunisasi x orang, sebagai sampel
![Page 11: Populasi dan Sampel.ppt](https://reader034.vdocuments.net/reader034/viewer/2022050803/55cf8dcc550346703b8b5391/html5/thumbnails/11.jpg)
Sampling Aksidental
Sampel dipilih yang kebetulan ditemui
Consecutive sampling Convenience sampling
![Page 12: Populasi dan Sampel.ppt](https://reader034.vdocuments.net/reader034/viewer/2022050803/55cf8dcc550346703b8b5391/html5/thumbnails/12.jpg)
Sampling purposif
Dipilih sampel yang relevan dengan tujuan penelitian, dengan ciri-ciri khusus
Ciri-ciri khusus tersebut ditentukan oleh keputusan (judgment) peneliti judgmental sampling
Misal : tujuan : mutu lulusansampel : dosen, alumni, pengusaha, dll
![Page 13: Populasi dan Sampel.ppt](https://reader034.vdocuments.net/reader034/viewer/2022050803/55cf8dcc550346703b8b5391/html5/thumbnails/13.jpg)
Snowball Sampling
• Dimulai dari kelompok kecil, masing-masing menunjuk rekannya yang baru, kemudian menunjuk kawannya lagi, dan seterusnya, sampai jumlah tertentu
• Untuk meneliti hubungan antar manusia dalam kelompok yang akrab
![Page 14: Populasi dan Sampel.ppt](https://reader034.vdocuments.net/reader034/viewer/2022050803/55cf8dcc550346703b8b5391/html5/thumbnails/14.jpg)
Sampling Probabilistik (Random)Sampling Probabilistik (Random)
1. Sampling random sederhana 1. Sampling random sederhana ((Simple Random SamplingSimple Random Sampling))
2. Sampling random sistematik 2. Sampling random sistematik ((Systematic Random SamplingSystematic Random Sampling))
3. Sampling random berstrata 3. Sampling random berstrata ((Stratified Random SamplingStratified Random Sampling))
4. Sampling random rumpun 4. Sampling random rumpun (Cluster Random Sampling)(Cluster Random Sampling)
![Page 15: Populasi dan Sampel.ppt](https://reader034.vdocuments.net/reader034/viewer/2022050803/55cf8dcc550346703b8b5391/html5/thumbnails/15.jpg)
Prinsip :Prinsip : mengambil sejumlah n elemen mengambil sejumlah n elemen
dari sejumlah N elemen secara dari sejumlah N elemen secara randomrandom
kerangka sampling atau ”frame” kerangka sampling atau ”frame” tabel bilangan random atau tabel bilangan random atau
komputer atau kalkulator komputer atau kalkulator bila populasi yang diteliti bila populasi yang diteliti
homogen homogen
SIMPLE RANDOM SAMPLINGSIMPLE RANDOM SAMPLING
![Page 16: Populasi dan Sampel.ppt](https://reader034.vdocuments.net/reader034/viewer/2022050803/55cf8dcc550346703b8b5391/html5/thumbnails/16.jpg)
SIMPLE RANDOM SIMPLE RANDOM SAMPLINGSAMPLING
POPULASIPOPULASI
SAMPELSAMPEL
LOTRE/ BIL. RANDOM
LOTRE/ BIL. RANDOM
* * * *
* * * * * *
* * * * * * * *
* * * * * * * *
* * * * * * * *
* * * * * *
* * *
* * * *
* * * * * *
* * * * * * * *
* * * * * * * *
* * * * * * * *
* * * * * *
* * *
* * *
* * *
*
* * *
* * *
*
![Page 17: Populasi dan Sampel.ppt](https://reader034.vdocuments.net/reader034/viewer/2022050803/55cf8dcc550346703b8b5391/html5/thumbnails/17.jpg)
SYSTEMATIC RANDOM SAMPLING
• Mirip Simple Random Sampling
• Menggunakan Cara Sistematis
Unit Sampel 1 : Simple Random
Unit Sampel 2, 3, ..., dst secara sistematis dengan interval tertentu
Interval = N/n
![Page 18: Populasi dan Sampel.ppt](https://reader034.vdocuments.net/reader034/viewer/2022050803/55cf8dcc550346703b8b5391/html5/thumbnails/18.jpg)
• populasi bisa dipisah menurut stratifikasi tertentu
• STRATA :– subpopulasi dari populasi awal– tiap strata homogen– antar strata heterogen
• Contoh : petani dibagi menjadi 3 strata : petani kaya, petani cukup kaya, dan petani miskin
STRATIFIED RANDOM SAMPLING
![Page 19: Populasi dan Sampel.ppt](https://reader034.vdocuments.net/reader034/viewer/2022050803/55cf8dcc550346703b8b5391/html5/thumbnails/19.jpg)
STRATIFIED RANDOM SAMPLINGSTRATIFIED RANDOM SAMPLING
- + * - + *
* * - + + - *
* - - * + + -
+ + + * - * -
* - - *
- + * - + *
* * - + + - *
* - - * + + -
+ + + * - * -
* - - *
* * *
* * *
* * *
* * *
- - -
- - - -
- - -
- - - -
+ + +
+ + + +
+ + +
+ + + +
+ - +
* * - - * + + - -
+ - +
* * - - * + + - -
stratifikasistratifikasi randomisasirandomisasi
![Page 20: Populasi dan Sampel.ppt](https://reader034.vdocuments.net/reader034/viewer/2022050803/55cf8dcc550346703b8b5391/html5/thumbnails/20.jpg)
• populasi bisa dipisah menurut rumpun/ cluster tertentu
• CLUSTER/RUMPUN :– subpopulasi dari populasi awal– tiap rumpun heterogen– antar rumpun homogen
• Contoh : rumpun (blok) rumah (RT, RW)kloter jamaah haji
CLUSTER/AREA RANDOM SAMPLING
![Page 21: Populasi dan Sampel.ppt](https://reader034.vdocuments.net/reader034/viewer/2022050803/55cf8dcc550346703b8b5391/html5/thumbnails/21.jpg)
CLUSTER/AREA RANDOM CLUSTER/AREA RANDOM SAMPLINGSAMPLING
- + * + * -
- * * - + - +
- + * + * -
- * * - + - +
- - - + + + *
* * - + * - +
- - - + + + *
* * - + * - +
11
22
* * + - + -
+ * * - + -
* * + - + -
+ * * - + -
+ + - - - + *
* * * + + - -
+ + - - - + *
* * * + + - -
33
44
+ * * - - +
+ - - + * +
+ * * - - +
+ - - + * +
+ + - - + -
* * + - + *
+ + - - + -
* * + - + *
+ - - + * * +
- - + + * *
+ - - + * * +
- - + + * *
+ - - - * * +
+ * * - - + -
+ - - - * * +
+ * * - - + -
55
66
77
88
- - - + + + *
* * - + * - +
- - - + + + *
* * - + * - ++ - - - * * +
+ * * - - + -
+ - - - * * +
+ * * - - + -
22
88
RANDOMISASI CLUSTER
RANDOMISASI CLUSTER
SAMPELSAMPEL
![Page 22: Populasi dan Sampel.ppt](https://reader034.vdocuments.net/reader034/viewer/2022050803/55cf8dcc550346703b8b5391/html5/thumbnails/22.jpg)
TWO STAGE RANDOM TWO STAGE RANDOM SAMPLINGSAMPLING
- + * + * -
- * * - + - +
- + * + * -
- * * - + - +
- - - + + + *
* * - + * - +
- - - + + + *
* * - + * - +
11
22
* * + - + -
+ * * - + -
* * + - + -
+ * * - + -
+ + - - - + *
* * * + + - -
+ + - - - + *
* * * + + - -
33
44
+ * * - - +
+ - - + * +
+ * * - - +
+ - - + * +
+ + - - + -
* * + - + *
+ + - - + -
* * + - + *
+ - - + * * +
- - + + * *
+ - - + * * +
- - + + * *
+ - - - * * +
+ * * - - + -
+ - - - * * +
+ * * - - + -
55
66
77
88
- - - + + + *
* * - + * - +
- - - + + + *
* * - + * - ++ - - - * * +
+ * * - - + -
+ - - - * * +
+ * * - - + -
22
88
+ + - - * * - * + - *
+ + - - * * - * + - *
RANDOMISASI CLUSTER
RANDOMISASI CLUSTER
RANDOMISASI UNIT SAMPELRANDOMISASI UNIT SAMPEL
SAMPELSAMPEL
![Page 23: Populasi dan Sampel.ppt](https://reader034.vdocuments.net/reader034/viewer/2022050803/55cf8dcc550346703b8b5391/html5/thumbnails/23.jpg)
Besar SampelBesar Sampel
Syarat penting untuk suatu Syarat penting untuk suatu generalisasi atau inferensigeneralisasi atau inferensi
Prinsip : makin besar, makin baikPrinsip : makin besar, makin baik Semakin homogen populasi, semakin Semakin homogen populasi, semakin
kecil sampel, semakin heterogen kecil sampel, semakin heterogen populasi, semakin besar sampel populasi, semakin besar sampel
![Page 24: Populasi dan Sampel.ppt](https://reader034.vdocuments.net/reader034/viewer/2022050803/55cf8dcc550346703b8b5391/html5/thumbnails/24.jpg)
Perlu diperhatikan : Perlu diperhatikan :
Jenis dan rancangan penelitianJenis dan rancangan penelitian Tujuan penelitian/analisisTujuan penelitian/analisis Jumlah populasiJumlah populasi Karakteristik populasi/cara pengambilan Karakteristik populasi/cara pengambilan
sampel (teknik sampling)sampel (teknik sampling) Jenis (skala pengukuran) dataJenis (skala pengukuran) data Tingkat kepercayaanTingkat kepercayaan Penyimpangan yang ditolerir (ketelitian)Penyimpangan yang ditolerir (ketelitian)
![Page 25: Populasi dan Sampel.ppt](https://reader034.vdocuments.net/reader034/viewer/2022050803/55cf8dcc550346703b8b5391/html5/thumbnails/25.jpg)
BESAR SAMPEL
Penelitian Cross Sectional
Z/22 . p . (1-p)
n = ------------------------ d2
dimana :
Z/2 = harga normal baku sesuai dengan luas area di bawah kurva baku sebesar (1-/2)
untuk = 0,05 nilai Z = 1,96
1- = tingkat kepercayaan
p = proporsi kasus yang diteliti dalam populasi
d = kesalahan yang dapat ditolerir
![Page 26: Populasi dan Sampel.ppt](https://reader034.vdocuments.net/reader034/viewer/2022050803/55cf8dcc550346703b8b5391/html5/thumbnails/26.jpg)
BESAR SAMPELPenelitian Case – Control
2 . (Z/2 + Z)2 . p . (1-p) n = --------------------------------
(p0 - p1)2
dimana :
Z/2 = harga normal baku sesuai luas area di bawah kurva baku sebesar (1-/2) untuk kesalahan tipe I ( = 0,05 Z = 1,96)
Z = harga normal baku sesuai luas area di bawah kurva baku sebesar (1-) untuk kesalahan tipe II ( = 0,10 Z = 1,28)
p1 = proporsi individu kelompok kasus mendapat paparan
p0 = proporsi individu kelompok kontrol mendapat paparan
p = (p0 + p1)/2
![Page 27: Populasi dan Sampel.ppt](https://reader034.vdocuments.net/reader034/viewer/2022050803/55cf8dcc550346703b8b5391/html5/thumbnails/27.jpg)
BESAR SAMPELPenelitian Cohort
1 2 . (Z/2 + Z)2 . p . (1-p)
n = --------- . -------------------------------
(1-f) (p0 - p1)2
dimana :
Z/2 & Z = sama dengan penelitian Case Control
p0 = proporsi partisipan tidak terpapar yang diharapkan terjadi kasus yang diteliti
p1 = proporsi partisipan terpapar yang diharapkan terjadi kasus yang diteliti
p = (p0 + p1)/2
f = proporsi partisipan hilang/mundur dari pengamatan