Gratis Ukuran Sampel dan Analisis Kekuatan Kalkulator untuk Peneliti

Kalkulator Analisis Daya untuk Studi Penelitian

Analisis daya digunakan untuk memperkirakan ukuran sampel minimum yang diperlukan untuk mendeteksi efek yang bermakna secara statistik sambil mengendalikan probabilitas kesalahan Tipe I dan Tipe II. Kesalahan Tipe I (positif palsu) terjadi ketika sebuah penelitian secara keliru menyimpulkan adanya suatu efek; kesalahan Tipe II (negatif palsu) terjadi ketika efek yang sebenarnya terlewatkan. Sebagian besar studi biomedis dan klinis menargetkan daya 80% (1-β = 0.80) pada tingkat signifikansi α = 0.05.

Dengan menggunakan kalkulator analisis daya ini, peneliti menentukan ukuran efek yang diharapkan, tingkat signifikansi, daya yang diinginkan, dan desain penelitian. Kalkulator kemudian akan menampilkan ukuran sampel yang dibutuhkan. Melakukan analisis daya sebelum pengumpulan data memastikan bahwa suatu penelitian tidak kekurangan daya—yang berisiko menghasilkan hasil negatif palsu—maupun terlalu besar, yang akan membuang sumber daya dan menimbulkan kekhawatiran etis tentang perekrutan peserta yang tidak perlu.

Ukuran efek dapat diperoleh dari data awal, literatur yang dipublikasikan, atau perbedaan minimum yang penting secara klinis. Konvensi Cohen (kecil: d = 0.2, sedang: d = 0.5, besar: d = 0.8 untuk uji-t; f = 0.10/0.25/0.40 untuk ANOVA) memberikan titik awal ketika tidak ada data sebelumnya.

Kalkulator Ukuran Sampel untuk Uji Klinis

Uji klinis memerlukan perhitungan ukuran sampel yang ketat sebelum perekrutan dimulai. Uji coba yang kurang memadai mungkin gagal mendeteksi perbedaan pengobatan yang sebenarnya, sementara uji coba yang terlalu besar akan mengekspos lebih banyak peserta pada kondisi eksperimental daripada yang diperlukan. Komite etik dan badan pemberi hibah memerlukan perhitungan ukuran sampel yang jelas dan dapat dibenarkan sebagai bagian dari persetujuan protokol.

Kalkulator ini mendukung tiga desain uji klinis inti. Uji superioritas menguji apakah pengobatan baru lebih baik daripada kontrol; input yang dibutuhkan adalah perbedaan rata-rata yang diharapkan, deviasi standar, tingkat signifikansi, dan kekuatan yang diinginkan. Uji non-inferioritas menguji apakah pengobatan baru tidak secara tidak dapat diterima lebih buruk daripada standar yang telah ditetapkan; parameter tambahan utama adalah margin non-inferioritas. Uji kesetaraan menguji apakah dua pengobatan menghasilkan efek yang sama dalam batas yang ditentukan.

Untuk uji klinis berbasis kelangsungan hidup, kalkulator menggunakan rumus uji log-rank, yang membutuhkan rasio bahaya yang diharapkan, tingkat kejadian, dan durasi tindak lanjut.

Kalkulator Ukuran Sampel Prevalensi

Perhitungan ukuran sampel berbasis prevalensi digunakan dalam studi potong lintang dan epidemiologi di mana tujuan utamanya adalah untuk memperkirakan proporsi populasi dengan kondisi, paparan, atau karakteristik tertentu. Tidak seperti studi komparatif, desain ini tidak menguji hipotesis antar kelompok — melainkan, mereka memperkirakan parameter populasi dengan tingkat presisi tertentu.

Ukuran sampel yang dibutuhkan untuk studi prevalensi bergantung pada prevalensi yang diharapkan (p), margin kesalahan yang dapat diterima (d), dan tingkat kepercayaan (biasanya 95%, yang sesuai dengan Z = 1.96). Ketika populasi studi terbatas dan relatif kecil, faktor koreksi populasi terbatas mengurangi ukuran sampel yang dibutuhkan.

Dengan menggunakan opsi Proporsi Tunggal pada kalkulator, peneliti dapat memodelkan studi prevalensi secara langsung. Contoh umum: memperkirakan prevalensi hipertensi di klinik perkotaan dengan prevalensi yang diharapkan sebesar 30%, margin kesalahan 5%, dan kepercayaan 95% membutuhkan sekitar 323 peserta sebelum memperhitungkan non-respons.

Kalkulator Ukuran Sampel untuk Uji T

Perhitungan ukuran sampel uji-t berlaku ketika membandingkan rata-rata antara satu kelompok dan nilai referensi, dua kelompok independen, atau pengukuran berpasangan pada subjek yang sama. Ketiga desain uji-t — satu sampel, dua sampel (independen), dan berpasangan — berbeda dalam parameter masukan dan interpretasi keluaran ukuran sampelnya.

Untuk uji t dua sampel, ukuran sampel yang dibutuhkan per kelompok bergantung pada perbedaan rata-rata yang diharapkan antara kelompok, simpangan baku gabungan, tingkat signifikansi, daya uji, dan arah pengujian. Untuk uji t berpasangan, parameter kuncinya adalah perbedaan rata-rata antara pengukuran berpasangan dan simpangan bakunya — biasanya lebih kecil daripada simpangan baku antar subjek, itulah sebabnya desain berpasangan efisien secara statistik.

Kalkulator Ukuran Sampel untuk ANOVA

Perhitungan ukuran sampel ANOVA digunakan ketika sebuah penelitian membandingkan rata-rata di tiga kelompok atau lebih secara bersamaan. Alih-alih menjalankan beberapa uji t — yang meningkatkan tingkat kesalahan Tipe I — ANOVA menguji hipotesis nol secara keseluruhan bahwa semua rata-rata kelompok adalah sama dalam satu analisis.

Parameter kuncinya adalah Cohen's f, ukuran efek untuk ANOVA. Kecil: f = 0.10; sedang: f = 0.25; besar: f = 0.40. Kalkulator ini akan menampilkan total ukuran sampel yang dibutuhkan dan rincian per kelompok.

Kalkulator Ukuran Sampel untuk Uji Chi-Square

Perhitungan ukuran sampel chi-square digunakan dalam studi yang melibatkan hasil kategorikal — misalnya, membandingkan tingkat respons, tingkat komplikasi, atau prevalensi penyakit antara dua kelompok. Untuk uji chi-square dua proporsi, input yang dibutuhkan adalah proporsi yang diharapkan di setiap kelompok, tingkat signifikansi, dan kekuatan yang diinginkan.

Konvensi w Cohen: kecil = 0.10, sedang = 0.30, besar = 0.50. Contoh praktis: membandingkan tingkat kejadian buruk 15% vs 8% pada kekuatan 80% dan α = 0.05 membutuhkan sekitar 300 peserta per kelompok sebelum penyesuaian untuk peserta yang keluar.