Sabtu, 19 Desember 2015

Hitung Sampel Uji Klinis Beda Proporsi Dua Kelompok Sampel

Perhitungan jumlah sampel ini digunakan untuk melihat apakah ada perbedaan persentasi/proporsi sukses antar dua kelompok sampel dimana data-data awal yang diperlukan diantaranya:


  1. Data historis yang  menyatakan bahwa persentasi sukses pada salah satu kelompok diketahui, umumnya kelompok kontrol
  2. Tingkat signifikan uji=Z-alpha dan power pengujian = Z-betha


untuk menguji jika kedua kelompok sampel dikatakan menghasilkan proporsi sukses yang berbeda jika selisihnya proporsi antar kedua kelompok minimal sebesar P1-P2., berapa jumlah sampel minimal yang diperlukan untuk masing-masing kelompok?. Perhitungan besar sampel ini biasanya diaplikasikan pada uji klinis yang bersifat Case-Control

CONTOH UJI KLINIS
Seorang peneliti ingin mengetahui apakah terdapat perbedaan kesembuhan antara obat A (standar) dengan obat B. untuk menentukan besar sampel, peneliti menetapkan bahwa proporsi kesembuhan obat A dengan obat B dianggap bermakna jika selisihnya 20%. Diketahui bahwa kesembuhan pada obat A adalah 70%. Bila ditetapkan kesalahan tipe I sebesar 5%, kesalahan tipe II sebesar 20%, dengan hipotesis satu arah, berapakah besar sampel yang diperlukan?

Formula Yang Digunakan (Silakan Klik)





















Adapun parameter yang tersedia dari contoh kasus diatas sbb:


  • P2=angka kesembuahan pada obat standar = 0.7
  • Q2= 1-P1 = 1- 0.7 = 0.3
  • Selisih proporsi dikatakan ada perbedaan signifikan proporsi sukses dua kelompok sampel P1-P2=0.2

Dengan demikian,


  • P1 = P2 + 0,2 = 0,7 + 0,2 = 0,9
  • Q1 = 1 – P1 = 1 – 0,9 = 0,1
  • P = (P1+P2)/2 = (0,7+0,9)/2 = 0,8
  • Q = 1 – P = 1 – 0,8 = 0,2
  • Kesalahan tipe I ditetapkan sebesar 5%, sehingga Za = 1,96. (dari tabel)
  • Kesalahan tipe II ditetapkan sebesar 20%, makan Zβ = 0,84. (dari tabel)

Dengan memasukkan nilai nilai diatas pada rumus, diperoleh:
Jadi jumlah sampel minimal untuk masing-masing kelompok yg diberi obat A =62 orang dan kelompok yg diberi obat B= 62 orang







0 komentar:

Posting Komentar

Silahkan cantumkan alamat email atau CP anda jika ingin komentar dan tertarik untuk mengikuti pelatihan statistik, agar secepatnya dapat kami jawab pertanyaan anda. Terima kasih sebelumnya.