Ringkasan dokumen tersebut adalah: Teknik sampling dan ukuran sampel merupakan topik penting dalam melakukan penelitian. Ada beberapa teknik sampling seperti random sampling dan non-random sampling yang dapat digunakan tergantung tujuan penelitian. Ukuran sampel yang tepat perlu ditentukan berdasarkan karakteristik populasi dan tujuan penelitian untuk memperoleh hasil yang representatif dan valid.

1. Teknik Sampling
dan Ukuran Sampel
Disampaikan pada :
Kuliah Kimia Farmasi
Prodi Farmasi
Universitas Muhammadiyah Palangkaraya

2. Pengambilan sampel (Sampling)
 Bagaimana teknik atau Disain pengambilan
sampel?
 Berapa ukuran (jumlah) sampel yang akan
diambil?

3. Populasi dan Sampel
Populasi
◦ keseluruhan atau himpunan obyek dengan ciri yang sama
Sampel
◦ himpunan bagian atau sebagian dari populasi
Sampling
◦ Proses pengambilan sampel
Generalisasi
◦ proses pengambilan kesimpulan atas populasi
berdasarkan sampel.
◦ Generalisasi disebut juga inferensi

4. Populasi dan Sampel
Sampling
Populasi Sampel
Generalisasi

5. Elephant and Blind Men

6. Sampel Yang Baik
Dalam Penelitian, observasi atau percobaan umumnya
dilakukan terhadap sampel bukan terhadap populasi
Teknik Sampling 1
Tekn Sampel
ik S
a mpli
ng 2
Populasi
Sampel
The sample and the population should be
similar to one another.

7. Mengapa Menggunakan Sampel
Karena:
1. Populasi terlalu besar
2. Observasi atau percobaan bersifat merusak
unit sampel
3. Ada keterbatasan waktu dan biaya penelitian
4. Diperlukan adanya kontrol atau pengaturan
terhadap variabel tertentu atas obyek penelitian
Penggunaan sampel  Lingkup penelitian
dapat diperluas.

8. Populasi dan Sampel
Sampling
Populasi Sampel
Statistik: n, X, SD
Parameter: N, μ, σ Generalisasi

9. Bias dan Variabilitas
 Bias  Accuracy
 Perbedaan rata-rata (mean) distribusi sampel dan
parameter
 Disebut unbiased jika bias = 0.
 Error (variability)  Precision
 menunjukkan penyebaran distribusi sampel
Untuk mengurangi bias  gunakan random sampling.
Untuk mengurangi variabilitas  gunakan ukuran
(jumlah) sampel besar.

11. Generalisasi yang optimal
Digunakan prinsip probabilitas (random
sampling)
Jumlah sampel memadai
Ciri-ciri populasi dipenuhi secara ketat
Variasi antar unit populasi sekecil
mungkin

12. Random dan non random sampling
Teknik
sampling
Non Probability
Probability sampling
sampling (Random
(Non random sampling)
sampling)

13. Non Random Sampling
Tiap unit atau individu populasi TIDAK
memiliki kesempatan atau probabilitas
yang sama untuk menjadi sampel
Tidak dimaksudkan untuk generalisasi

14. Macam Non Random Sampling
 Accidental sampling (convenience sampling)
Sampel dipilih dengan pertimbangan kemudahan, mudah
dijangkau atau ditemui secara kebetulan
Cocok untuk penelitian penjajagan
 Purposive sampling
Sampel diambil dengan maksud atau tujuan tertentu
 Quota sampling
Hanya menekankan pada jumlah sampel yang harus dipenuhi
 Judgment sampling
Sampel dipilih karena dianggap sebagai pihak yang paling baik
 Snow Ball sampling
Peneliti hanya menemukan satu dua orang sebagai sampel 
selanjutnya peneliti minta sampel pertama untuk menunjukkan
orang sebagai sampel selanjutnya.

15. Random Sampling
Tiap unit atau individu populasi memiliki
kesempatan atau probabilitas yang sama
untuk menjadi sampel
Dimaksudkan untuk generalisasi
Untuk uji statistik induktif atau inferensial

16. Macam Random Sampling
Simple random sampling (SRS)
Systematic Random Sampling
Stratified Random Sampling
Cluster sampling
Multi-stage sampling

17. Proses Teknik/Disain Sampling
Define the Target Population
Identify the Sampling Frame
Choose the Sampling Method
Determine the Sample Size
Gather the Data

18. Simple Random Sampling
Untuk populasi yang dianggap homogen
Tersedia ada daftar semua unit populasi
Daftar (list) unit populasi disebut
kerangka sampel (sample frame)
Keuntungan: termasuk “unbias” dan
mudah dilakukan
Kelemahan:
jika sampel mengumpul atau menyebar
Diperlukan daftar lengkap dari
seluruh unit populasi

19. Populasi
Randomisasi (undian atau
bilangan random)
Sampel

20. Systematic Random Sampling
 Untuk populasi yang dianggap
homogen
 Ada daftar semua unit populasi
 Daftar (list) unit populasi disebut kerangka sampel (sample frame)
 Pengambilan sampel pertama seperti simple random sampling  sampel
kedua dst ditentukan dengan jarak tertentu (N/n)
◦ N = jumlah unit populasi
◦ n = jumlah unit populasi
 Lebih efisien dibanding simple random sampling

21. Stratified Random Sampling
 Populasi relatif heterogen
 Dalam populasi terdiri dari strata atau lapisan
yang homogen
 Dibutuhkan data yang lebih rinci tentang :
- Kriteria pembagian strata
- Informasi dasar dari strata
Ciri-ciri
populasi dapat terwakili (representatif)
Jika sampel menyebar jarak jauh  Waktu dan
biaya besar

22. Stratified Random Sampling
 Menyerupai blok dalam rancangan
eksperimen
Umur
• < 20 Jenis kelamin
• 20-30 • pria Strata
• 31-40 • wanita
• 41-50
Simple stratified random sampling  jumlah tiap unit dalam
strata sama
Proportional stratified random sampling  jumlah tiap unit
dalam strata tidak sama

23. Stratified Random Sampling
Populasi
Stratifikasi
Strata1 Strata2 Strata3
Randomisasi
Sampel

24. Cluster Random Sampling
 Untuk populasi yang relatif heterogen
 Populasi mengandung kelompok-kelompok (cluster)
 Di dalam cluster mengandung unit populasi yang heterogen
 Heterogenitas cluster sama dengan populasinya
 Tidak perlu daftar semua unit sampel
 Biaya lebih murah, penyebaran unit populasi
dapat ditekan

25. Cluster Random Sampling
Populasi
Randomisasi Cluster
Randomisasi Sampel
* Heterogenitas sampel
diharapkan sama
dengan populasi Sampel

26. Multistage Random Sampling
- Sampel dianggap homogen dalam jumlah
amat besar, biaya penelitian tidak cukup
- Sampling dilakukan dalam beberapa
“stage”, setiap stage dilakukan
randomisasi
- Kombinasi dari teknik pengambilan
sampel untuk Probability Sampling (simple
– stratified – cluster random sampling)
- Urutan dapat bervariasi, tergantung dari
keadaan populasi dan tujuan penelitian

27. Ukuran Sampel
Penentuan ukuran sampel  masalah yang
pelik
Peneliti hanya mengestimasi jumlah sampel
yang akan digunakan
Tergantung tujuan penelitian dan sifat
populasi
◦ Uji hipotesis (one sample, two sample etc) atau estimasi
proporsi
◦ Populasi: finite ataukah infinite
◦ Jenis data: rasio, interval, nominal, ordinal
◦ Ketelitian yang diinginkan

28. Penentuan ukuran Sampel
1. Tanpa rumus: Teori Thomas Bayes
◦ Untuk populasi berdistribusi normal
◦ Kalau distribusi tidak diketahui  tetap distribusi
normal jika random dan jumlah sampel besar (n
minimum 30)
2. Dengan rumus
◦ Jika data proporsi  diperlukan data proporsi
kejadian
◦ Data kontinyu  perlu data varians
◦ Jika didapatkan masih dipandang besar  disesuaikan
dengan waktu, biaya dan sampel (pasien) tersedia atau
tidak.

29. Pedoman penentuan ukuran sampel
Sebaiknya ukuran sampel antara 30 s/d
500
Jika sampel dipecah lagi ke dalam sub
sampel  jumlah minimum adalah 30
Untuk penelitian eksperimen sederhana
dengan pengendalian yang ketat  ukuran
sampel 10-20 elemen
Pada penelitian multivariat  jumlah
sampel lebih banyak (10 kali lipat)

30. Estimasi proporsi
Peneliti hanya mengestimasi jumlah
sampel yang akan digunakan
Bukan menghitung secara pasti
Perlu informasi awal:
◦ Estimasi proporsi populasi (P)
◦ Harga alfa (size of test) dan atau beta (power of test)
 simpangan d
◦ Confidence interval (CI)

31. Besar sampel estimasi proporsi
2
z p. q n= 2
2
N .zα p. q
n= 2
α
d . ( N −1) + Zα . p.q
d
Populasi infinit Populasi finit
n = jumlah sampel
N = jumlah unit populasi
q = 1-p
p = estimator proporsi populasi
d = simpangan mutlak
z=nilai z pada derajat kepercayaan α

32. TERIMAKASIH