Cara Menentukan Besar Sampel Penelitian

Cara Menentukan Besar Sampel Penelitian

Oleh: Muhyidin, SKM

Tujuan utama dari studi statistik adalah untuk memberikan deskripsi yang akurat tentang suatu populasi melalui analisis satu atau beberapa variabel. Variabel adalah karakteristik yang akan diukur untuk setiap unit minat (misalnya, individu, rumah tangga, pemerintah daerah, negara). Ada dua jenis desain untuk mengumpulkan informasi tentang variabel-variabel tersebut: sensus dan survei sampel. Sensus adalah studi yang memperoleh data dari setiap anggota populasi yang diminati. Survei sampel adalah studi yang berfokus pada subset populasi dan memperkirakan atribut populasi melalui inferensi statistik. Dalam kedua kasus tersebut, informasi yang dikumpulkan digunakan untuk menghitung indikator populasi secara keseluruhan.

Karena desain pengumpulan informasi mungkin sangat mempengaruhi biaya administrasi survei, serta kualitas penelitian, mengetahui apakah penelitian harus dilakukan pada setiap anggota atau hanya pada sampel populasi adalah sangat penting. Dalam hal ini, kualitas sebuah penelitian dapat dilihat dari dua jenis kesalahan: kesalahan pengambilan sampel dan kesalahan non-pengambilan sampel. Kesalahan pengambilan sampel melekat pada semua survei sampel dan terjadi karena hanya sebagian dari populasi yang diperiksa. Ternyata, sensus tidak memiliki kesalahan pengambilan sampel karena seluruh populasi diperiksa. Kesalahan non-pengambilan sampel terdiri dari berbagai ketidakakuratan atau kesalahan perhitungan yang tidak terkait dengan proses pengambilan sampel, seperti kesalahan cakupan, kesalahan pengukuran dan tidak ada respon (non-response), atau kesalahan pemrosesan. Kesalahan cakupan muncul ketika ada ketidaksesuaian antara populasi studi dan kerangka survei.

Kesalahan pengukuran dan non-respons terjadi jika respons yang diberikan berbeda dari nilai sebenarnya. Kesalahan tersebut dapat disebabkan oleh responden, pewawancara, format kuesioner, metode pengumpulan data. Terakhir, kesalahan pemrosesan adalah kesalahan yang timbul dari pengkodean data, pengeditan, atau imputasi. Sebelum memutuskan untuk mengumpulkan informasi, penting untuk diketahui apakah kajian tentang topik serupa telah dilaksanakan sebelumnya. Jika ini masalahnya, mungkin akan efisien untuk meninjau literatur dan metodologi yang ada. Juga penting untuk memperjelas tujuan, terutama pada jenis informasi yang dibutuhkan (individu dan organisasi yang terlibat, periode waktu, wilayah geografis), dan tentang bagaimana hasil akan digunakan dan oleh siapa. Setelah proses pengumpulan data dimulai atau fortiori selesai, biasanya sangat mahal untuk mencoba dan menambahkan variabel baru yang awalnya terlewatkan.

Perbedaan Populasi dan Sampel

Populasi merupakan kumpulan elemen yang ingin kita ketahui karakteristiknya, atau yang akan diteliti. Populasi merupakan bentuk universe yang berisi unit elementer. Bila unit populasi diambil semua dinamakan sensus. Populasi unit elementer ini dapat berupa orang, barang, uni, institusi dan lainnya serta harus jelas definisinya (menjawab pertanyaan: apa/siapa, dimana, dan kapan).

Populasi target yaitu populasi dimana hasil dapat diaplikasikan. Populasi sumber merupakan populasi dimana didefinisikan istilah umum untuk enumerasi, sehingga subyek yang layak dapat diambil. Dari sumber yang layak (eligible) ini kita akan mendapatkan partisipan studi dimana individu yang ikut dikumpulkan datanya dan hasil studi dapat diaplikasikan langsung pada subyek ini.

Sampel diambil dengan metode yang benar sehingga secara efisien dapat menggambarkan parameter di populasi. Sampel adalah sebagian dari populasi yang berisi unit sampling.

Contoh tujuan studi yaitu mengestimasi status gizi anak balita. Maka populasi target/ referensnya yaitu anak balita dan populasi studinya yaitu anak balita di rumah tangga yang tidak menolak berpartisipasi/dilibatkan dalam penelitian/studi. Unit samplingnya yaitu rumah tangga yang memiliki anak balita dan unit analisisnya anak balita di rumah tangga.

Dari target populasi hingga sampel akhir (Josselin & Le Maux, 2017)

Masalah Penting Saat Pengambilan Sampel

Dalam mengambil sampel ada dua masalah penting yang harus diperhatikan:

1. Validitas

Validitas menguji apakah dengan menggunakan sampelnya, peneliti benar-benar dapat mengukur apa yang ingin diukur. Misalkan peneliti ingin mengetahui rata-rata lama tunggu pasien yang berobat di poliklinik penyakit dalam. Jika peneliti melakukan pengamatan pada pasien-pasien yang datang pada pagi hari pada 10 hari pertama di bulan Januari, maka kemungkinan besar sampel ini tidak valid. Sampel tersebut tidak dapat menggambarkan waktu tunggu pasien yang datang di sore hari serta pasien yang datang di pertengahan serta akhir bulan. Validitas merupakan konsep yang sangat penting dalam pengambilan sampel, namun sering dilupakan. Konsep ini berkaitan dengan bagaimana cara sampel diambil dan tidak berkaitan dengan berapa besar sampel yang diambil. Sampel yang banyak belum menjamin validitasnya.

2. Presisi

Presisi menggambarkan seberapa tepat ukuran yang diperoleh dari sampel. Presisi ditentukan oleh besar sampel yang diambil, semakin besar sample, semakin baik presisinya, dan sebaliknya.

Pembagian Jenis Pengambilan Sampel

Secara umum, jenis pengambilan sampel menjadi 2 yaitu:

1. Probability sampling  (sampling probabilistik)

Sampling probabilistik digunakan untuk statistik inferens (mencari parameter populasi) dari sampel yang diambil. Prinsip dalam probability sampling yaitu harus bersifat EPSEM (equal probability sampling method). Prosedur sampling ini memiliki probabilitas unit elementer terambil sebagai sampel yang diketahui. Untuk kebutuhan statistik inferens, terbagi menjadi 4 metode generik yaitu:

• Simple random sampling

Probabilitas unit elementer sama untuk terambil sebagai sampel dan memiliki kerangka sampel (daftar unit elementer). Metode sederhana dapat berupa angka acak (random number) dan unit elementer dengan angka acak terpilih diambil sebagai sampel. Bisa juga dengan webiste atau aplikasi untuk melakukan random sampling tersebut.

Pengambilan sampel acak sederhana adalah metode acak lengkap untuk memilih sampel di mana setiap elemen dan setiap kombinasi elemen dalam populasi memiliki probabilitas yang sama untuk dipilih sebagai bagian dari sampel. Menjadi salah satu bentuk pengambilan sampel acak yang paling sederhana, metode ini adalah cara yang adil untuk memilih sampel. Seperti masing-masing Anggota populasi memiliki probabilitas yang sama untuk dipilih, pengambilan sampel acak sederhana adalah sampel probabilitas yang paling terkenal. Walaupun mungkin bukan metode yang ideal dalam memilih sampel, namun hasil yang diperoleh melalui metode ini memiliki validitas eksternal atau generalisasi yang tinggi dibandingkan dengan beberapa metode pemilihan sampel lainnya. Pengambilan sampel acak sederhana dapat dilakukan dengan menggunakan beberapa teknik seperti:
(a) Melempar koin.
(b) Melempar dadu.
(c) Metode lotere.
(d) Metode dengan mata tertutup.

• Systematic random sampling

Cara ini memerlukan kerangka sampel yang tersedia/dapat diperkirakan. Termasuk praktis di lapangan dan sebaik cara simple random sampling (kecuali bila ada fenomena siklis). Data memiliki variabel untuk stratifikasi unit elementer di setiap stratum menjadi homogen.

Sebagai contoh; Anda memilih setiap siswa ke-5. Setelah menentukan ukuran sampel yang akan diambil, yang harus Anda lakukan hanyalah memberi nomor unit dalam populasi dari 1 sampai N. Misalnya; perguruan tinggi Anda memiliki 500 siswa dan Anda telah memutuskan untuk mengambil sampel 50. Ukuran interval, seperti yang dihitung di atas dalam contoh adalah sama dengan 500/50 = 10. Kita dapat memilih nomor acak dari 1 sampai 10. Misalkan, kita memiliki dipilih 7. Mulailah dengan unit ke-7 dalam daftar, dan terus tambahkan 10 ke setiap nomor baru untuk mendapatkan semua elemen. Mengikuti prosedur, Anda akan mendapatkan urutan 7, 17, 27, 37… Dengan metode pengambilan sampel ini, Anda harus berhati-hati untuk menghindari periodisitas, yaitu sampel yang tidak representatif karena sifat periodik dari elemen, katakanlah acara TV yang muncul pada hari tertentu dalam seminggu. Jadi, jika Anda mengambil sampel acara TV pada setiap hari ke-7, Anda hanya akan mendapatkan acara TV dari hari yang sama dalam seminggu.

• Stratified sampling

Cara ini merupakan prosedur yang efisien. Data memiliki variabel untuk stratifikasi dimana unit elementer di tiap stratum menjadi homogen. Besar sampelnya proposional dan sama di tiap stratum yang diambil secara acak.

Pengambilan sampel acak bertingkat dapat terdiri dari dua jenis (1) pengambilan sampel bertingkat proporsional dan (2) pengambilan sampel acak berstrata tidak proporsional. Ketika ukuran sampelnya adalah proporsional dengan ukuran unit, hal itu disebut proporsional stratified sampling. Jika tidak proporsional dengan ukuran unit, itu disebut pengambilan sampel bertingkat yang tidak proporsional. Pengambilan sampel bertingkat yang tidak proporsional bergantung pada pertimbangan yang melibatkan penilaian dan kenyamanan pribadi.

Sebagai contoh; Anda dapat membagi administrasi perguruan tinggi Anda menjadi dua subkelompok; staf pengajar dan non-pengajar. Untuk memastikan representasi yang memadai dari setiap strata (subkelompok), sampel kemudian diambil dari setiap strata secara acak atau sistematis. Strata terbagi dengan mengingat bahwa harus ada heterogenitas antara strata dan homogenitas dalam setiap strata. Dalam kasus pengambilan sampel bertingkat, di sana adalah peningkatan akurasi hasil jika setiap strata lebih homogen di dalam dan heterogen antara satu sama lain.

• Cluster sampling

Cara ini tidak memerlukan kerangka sampel. Populasi terdiri dari kluster-kluster. Kluster ini merupakan kumpulan unit elementer yang heterogen di tiap klusternya (variasi di dalam kelompok tinggi) dan variasi antar kluster (antar kelompo) rendah/homogen. Kelebihan lainnya yaitu sangat praktis dilakukan.

Pengambilan sampel cluster adalah salah satu metode pengambilan sampel acak yang efisien di mana populasi pertama-tama dibagi menjadi beberapa cluster, dan kemudian sampel dipilih dari cluster secara acak. Tidak seperti di atas, dalam pengambilan sampel cluster murni, seluruh cluster diambil sampelnya. Berbeda dengan pengambilan sampel bertingkat, harus ada heterogenitas dalam cluster dan homogenitas antar cluster. Semakin homogenitas antar cluster, semakin kecil margin of error atau sebaliknya. Metode ini sebagian besar dapat dilakukan jika populasi beragam tersebar di berbagai wilayah.

•  Multistage random sampling

Merupakan kombinasi beberapa metode sampling dari ke-4 jenis sampling di atas. Sangat praktis di lapangan dalam pelaksanaannya dan prinsip EPSEM dapat terjaga. Jika tidak bisa EPSEM, maka dilakukan analisis dibobot (weighted analysis) yang mempertimbangkan probabilitas di tiap tahapan, dan mebuat variabel baru.

Misalkan Anda ingin mempelajari liputan surat kabar The Indian Express di masalah gender selama sepuluh tahun dari 2000 hingga 2010. Anda dapat mematahkan periode dengan memberikan jeda lima tahun dan memilih tahun 2000, 2005, 2010 untuk penelitian. Kemudian, Anda selanjutnya dapat memilih tiga bulan – misalnya, Januari, Juni dan Desember – dari tahun yang disebutkan di atas untuk penelitian. Anda selanjutnya dapat mengurangi jumlah masalah yang akan dipelajari dan memilih hanya dua minggu pertama dari tiga bulan pada tahun yang dipilih. Anda selanjutnya dapat membuat minggu ganjil atau minggu genap dan mengurangi ukuran sampel Anda. Terakhir, Anda dapat memilih minggu ganjil di bulan Januari dan minggu ganjil di bulan Juni dan minggu ganjil di bulan Desember. Anda dapat mengikuti urutan ini dan memilih 63 edisi surat kabar untuk penelitian (Mungkin ada lebih dari 3640 terbitan surat kabar yang diterbitkan dalam 10 tahun).

Metode probability sampling (sumber: geopoll.com)

2. Non-probability sampling (sampling non-probabilistik)

Sampling non-probabilistik tidak dihitung probabilitas unit elementer di populasi untuk terambil sebagai sampel. Pada metode ini hasil sampling tidak bisa menggambarkan parameter di populasi dan hanya mendiskripsikan keadaan sampel saja. Berbeda dengan metode pengambilan sampel probabilitas, teknik pengambilan sampel non-probabilitas menggunakan metode non-acak untuk menarik sampel. Metode pengambilan sampel non-probabilitas sebagian besar melibatkan penilaian. Alih-alih pengacakan, peserta dipilih karena mudah diakses. Sebagai contoh; teman sekelas dan teman Anda memiliki kesempatan lebih baik untuk menjadi bagian dari sampel Anda. Meskipun dalam kasus tertentu, pengambilan sampel non-probabilitas adalah metode yang berguna dan nyaman untuk memilih sampel, metode tersebut sesuai dan satu-satunya metode yang tersedia dalam kasus tertentu.

non-probability-sampling-method (sumber: geopoll.com)

Jenis non-probability sampling ada beberapa, diantaranya:

• Convenience Sampling

Dalam jenis pengambilan sampel ini, peneliti lebih memilih partisipan sesuai kenyamanan mereka sendiri. Peneliti memilih orang terdekat yang hidup sebagai responden. Dalam pengambilan sampel yang mudah, subjek yang dapat diakses atau tersedia bagi peneliti dipilih. Misalnya, Anda akan memilih teman sekelas dan teman untuk belajar sesuai kenyamanan Anda. Dengan kata lain, dalam jenis metode pengambilan sampel non-probabilitas ini, siapa pun yang bertemu dengan peneliti memenuhi syarat untuk menjadi bagian dari sampel Anda. Sebagai contoh; orang-orang di jalanan. Untuk mengisi kuesioner, Anda mengambil salinan kuesioner Anda dan berdiri di sudut jalan. Anda akan memberikan salinan kuesioner kepada orang-orang yang melewati Anda.

• Purposive Sampling

Dalam jenis pengambilan sampel ini, peneliti memilih partisipan sesuai dengan penilaiannya sendiri, dengan mengingat tujuan penelitian. Ini menggunakan penilaian seorang ahli dalam memilih kasus atau memilih kasus dengan tujuan tertentu dalam pikiran. Jenis pengambilan sampel ini digunakan dalam penelitian eksplorasi atau penelitian lapangan. Dengan purposive sampling, peneliti hampir tidak tahu apakah kasus yang dipilih memang mewakili populasi atau tidak. Karena sebagian besar masalah pengambilan sampel sedang ditangani dengan rencana khusus, sebagian besar metode pengambilan sampel dapat dianggap bersifat purposif. Pengambilan sampel tujuan agak lebih murah, lebih mudah diakses, lebih nyaman dan hanya memilih individu yang relevan dengan desain penelitian. Selain itu, tidak ada cara untuk memastikan bahwa sampel benar-benar mewakili populasi, dan lebih ditekankan pada kemampuan peneliti untuk menilai elemen populasi.

• Quota Sampling

Untuk memahami jenis pengambilan sampel ini, yang harus kita lakukan adalah memahami arti literal dari kuota. Dalam metode pengambilan sampel ini, kami merencanakan sebelumnya jumlah peserta dalam kategori tertentu (Misalnya; 100 melek huruf, 100 buta huruf). Anda memilih sampel Anda sesuai dengan beberapa kuota tetap. Kami membagikan saham ke grup yang berbeda (misalnya 100 pria, 100 wanita). Jenis metode pengambilan sampel ini dapat dibagi lagi menjadi pengambilan sampel kuota tidak terkontrol dan pengambilan sampel kuota terkontrol. Dalam pengambilan sampel kuota yang tidak terkontrol, peneliti memilih sampel sesuai kenyamanannya sendiri. Di sisi lain, beberapa pembatasan diberlakukan untuk membatasi pilihan peneliti dalam pengambilan sampel kuota terkontrol. Jenis pengambilan sampel ini entah bagaimana terkait dengan pengambilan sampel bertingkat. Pastikan bahwa sampel mewakili setiap kelompok atau lapisan populasi. Berbeda dengan stratified sampling, peneliti dalam metode quota sampling memilih subjek yang tersedia segera yang memenuhi kriteria.

• Snowball Sampling

Disebut juga “pengambilan sampel rujukan berantai”, dalam metode ini, sampel sebenarnya dikumpulkan dalam berbagai tahap. Pengambilan sampel bola salju yang merupakan metode pengambilan sampel non-probabilitas pada dasarnya bersifat sosiometrik. Meskipun pengambilan sampel bola salju dianggap sebagai bentuk pengambilan sampel yang tidak disengaja oleh Beberapa, metode ini sesuai ketika anggota populasi khusus sulit ditemukan misalnya tunawisma, pekerja migran dll. Ini dimulai dengan pengumpulan data dari satu atau beberapa kontak yang biasanya diketahui orang yang mengumpulkan data. Dalam proses pengumpulan data (misal: kuisioner, survey, atau wawancara), pengumpul data meminta responden untuk memberikan informasi kontak untuk calon responden lainnya. Responden potensial tersebut dihubungi, diwawancarai dan selanjutnya diminta untuk memberikan lebih banyak kontak. Proses ini terus berjalan. sampai tujuan peneliti tercapai.

Pembagian sampling probability & non probability (sumber: research-methodology.net)

Menentukan besar sampel

1.Besar sampel untuk estimasi proposi

Besar sampel untuk estimasi proporsi dapat dihitung dengan menggunakan rumus di bawah ini:

di mana P merupakan estimasi proporsi, d merupakan presisi dan z1-α/2 adalah nilai z pada derajat kepercayaan 1-α/2. Derajat kepercayaan yang sering digunakan adalah 90%, 95% dan 99%, dengan nilai z dua sisi berturut-turut 1.64, 1.96, dan 2.58. (Baca juga: Uji hipotesis)

Contoh:
Seorang direktur rumah sakit ingin mengetahui kepuasan pasien terhadap pelayanan di poliklinik rawat jalan penyakit dalam. Dari penelitian yang pernah dilakukan tahun lalu, diperoleh hasil pasien yang menyatakan puas dengan pelayanan yang diberikan sebesar 62%. Berapa besar sampel yang dibutuhkan jika penelitian tersebut ingin dilakukan ?.

Jawaban:
Besar sampel hanya bisa dihitung jika peneliti juga menetapkan presisi dan derajat kepercayaan. Misalkan peneliti menetapkan presisis 10% dan derajat kepercayaan 90%, maka nilai p=0,62, d=0,10 dan z=1,64 dan diperoleh besar sampel:

Sampel yang diperlukan sebesar 63,37 pasien, dibulatkan menjadi 64. Berarti 64 pasien diperlukan sebagai sampel agar kita 90% percaya dalam melakukan estimasi proporsi pasien yang menyatakan puas dengan pelayanan rawat jalan poliklinik penyakit dalam. Pada keadaan di mana angka proporsi belum diketahui, atau belum pernah dilakukan satu studi tentang hal ini, maka dapat dipakai angka proporsi 50% yang akan menghasilkan n yang paling maksimal.

2. Besar Sampel untuk Uji Hipotesis Beda Proporsi

Besar sampel pada rumus di atas (estimasi proporsi) hanya digunakan jika peneliti ingin melakukan estimasi proporsi. Sering kali penelitian dilakukan untuk melihat perbedaan proporsi pada 2 kelompok atau lebih, misalkan membandingkan keberhasilan terapi obat A dibanding obat B. Jika tujuan penelitian adalah untuk membandingkan proporsi pada 2 kelompok, maka besar sampel dapat dihitung berdasarkan rumus:

Contoh:
Suatu penelitian pendahuluan memperlihatkan bahwa kadar glukosa darah mungkin merupakan faktor prognostik pada pasien dengan trauma kepala berat. Pada penelitian tersebut, dari 20 pasien trauma kepala berat dengan kadar glukosa darah tinggi, 12 orang meninggal dalam 7 hari perawatan. Sedangkan pada 20 pasien trauma kepala berat dengan kadar glukosa darah rendah, 6 orang meninggal dalam 7 hari perawatan. Seorang peneliti ingin mengetahui apakah ada perbedaan proporsi kematian pasien antara pasien dengan kadar glukosa darah tinggi dan pasien dengan kadar glukosa darah rendah. Berapa besar sampel yang diperlukan jika dipakai derajat kemaknaan 5% dan kekuatan uji 80%?.

Jawaban:
Pada penelitian pendahuluan, proporsi pasien yang meninggal pada pasien dengan kadar glukosa tinggi adalah 12/20 = 60%, dan pada pasien dengan kadar glukosa rendah adalah 6/20 = 30%. Proporsi rata-rata (60% + 30%)/2 = 45%. Dengan tingkat kemaknaan 95% dan kekuatan uji 80%, maka besar sampel dihitung seperti berikut :

3. Besar Sampel untuk Estimasi Rata-rata

Estimasi rata-rata sering diperlukan untuk mengukur variabel yang bersifat kontinyu. Misalkan suatu penelitian dilakukan untuk menilai rata-rata pemasukkan rumah sakit per hari dari unit rawat-jalan penyakit anak. Besar sampel untuk estimasi rata-rata dapat dihitung berdasarkan rumus:

Contoh:
Seorang direktur rumah sakit ingin mengetahui biaya rata-rata yang dikeluarkan oleh pasien pengunjung poliklinik asma dalam membeli obat yang diresepkan oleh dokter. Dari pengamatan pada 10 pasien, diperoleh rata-rata biaya yang dikeluarkan sebesar Rp. 55.000,- dengan standar deviasi Rp. 10.000,-. Berapa besar sampel yang diperlukan jika direktur tersebut menginginkan presisi sebesar Rp. 1.000,- dan derajat kepercayaan 95%?

Jawaban:
Berdasarkan keterangan di atas, σ=10.000, d=1.000 dan z1-α/2=1,96. Maka besar sampel dapat dihitung:

sehingga besar sampel yang dibutuhkan adalah 385 pasien.

Pada keadaan di mana belum pernah ada studi yang menghitung angka simpang baku yang diperlukan tersebut, maka dapat dilakukan studi berskala kecil sebagai studi awal (perliminary study) guna mendapatkan angka simpang baku. Besar sampel (n) untuk studi awal tidak
ditetapkan, namun semakin besar n semakin stabil nilai simpang baku tersebut.

4.Besar Sampel untuk Perbedaan Rata-rata

Dalam penelitian sering juga peneliti ingin menguji perbedaan antara 2 rata-rata. Misalnya peneliti ingin mengetahui apakah ada perbedaan rata-rata kadar hemoglobin ibu hamil antara ibu yang tinggal di pedesaan dan perkotaan. Besar sampel untuk perbedaan rata-rata pada 2 kelompok dapat dihitung berdasarkan rumus:

Contoh:
Seorang peneliti ingin mengetahui efek asupan natrium terhadap tekanan darah orang dewasa normal. Pada penelitian sebelumnya diketahui bahwa pada kelompok masyarakat yang konsumsi natriumnya rendah rata-rata tekanan darah diastolik adalah 72 mmHg dengan standar deviasi 10 mmHg (n=50). Sedangkan pada masyarakat yang konsumsi natriumnya tinggi, rata-rata tekanan darah diastolik adalah 85 mmHg dengan standar deviasi 12 mmHg (n=50). Berapa besar sampel yang dibutuhkan jika peneliti ingin melakukan uji hipotesis adanya perbedaan tekanan darah diastolik pada kedua kelompok tersebut dengan derajat kemaknaan 5%, kekuatan uji 80% ?

Jawaban:

sehingga peneliti perlu memeriksa tekanan darah dari 40 orang yang konsumsi natriumnya rendah dan 40 orang yang konsumsi natriumnya tinggi.

5. Koreksi Populasi Finit

Rumus besar sampel untuk maksud estimasi di atas digunakan dengan asumsi populasinya adalah infinit atau tak terbatas, atau sangat besar, bahkan tak diketahui. Namun bila besar populasi diketahui (N) dan tidak besar jumlahnya, maka besar sampel harus dikoreksi (n*) dari besar yang dihitung terdahulu (n) dengan rumus berikut:

n* = nN / (n+N)

Contoh:
Besar sampel untuk meneliti biaya obat asma pada pasien satu rumahsakit dibutuhkan 385. Diketahui dari laporan rumahsakit bahwa jumlah pasien yang berkunjung selama satu bulan periode penelitian hanya 210 orang. Dengan demikian besar sampel untuk periode bulan tersebut adalah: n* = (385)(210)/(385+210) = 135,9, dibulatkan 136 pasien.

Referensi:

• Sabarinah Prasetyo & Iwan Ariawan. (2008). Biostatistik Dasar untuk Rumah Sakit. Departemen Kependudukan dan Biostatistik. FKM UI.
• Jean-Michel Josselin & Benoit Le Maux (2017). Statistical Tool for Program Evaluation