DAFTAR ISI

• Mengenal Rumus Lemeshow dalam Penelitian Medis
• Komponen Penting dalam Rumus Lemeshow
• Cara Menghitung Sampel dengan Rumus Lemeshow
• Kesalahan Umum dalam Menentukan Sampel
• Tips Tambahan untuk Peneliti Kesehatan
• Studi Terkait
• Punya Keluhan Kesehatan tapi Bingung Mulai dari Mana? Tanya ke HILDA Dulu!
• Kapan Harus ke Dokter?
• Referensi
• FAQ

Dalam dunia kesehatan dan kedokteran, penelitian berbasis bukti (evidence-based medicine) adalah fondasi utama untuk menciptakan inovasi pengobatan, memahami penyebaran penyakit, hingga mengevaluasi efektivitas suatu layanan kesehatan. Namun, melakukan penelitian terhadap seluruh populasi yang ada di suatu negara atau kota tentu sangat tidak memungkinkan dari segi waktu, tenaga, dan biaya. Oleh karena itu, para peneliti medis menggunakan metode pengambilan sampel.

Agar sampel yang diambil dapat mewakili kondisi populasi secara keseluruhan, dibutuhkan perhitungan statistik yang tepat dan akurat. Salah satu metode yang paling sering digunakan dalam penelitian kesehatan, terutama untuk desain studi potong lintang (cross-sectional) dengan jumlah populasi yang tidak diketahui secara pasti, adalah rumus lemeshow. Rumus ini membantu peneliti menentukan jumlah minimal subjek atau pasien yang harus diikutsertakan dalam studi agar hasilnya valid dan dapat dipertanggungjawabkan secara ilmiah.

Misalnya, jika Dinas Kesehatan ingin mengetahui persentase orang dewasa yang menderita hipertensi di sebuah provinsi tanpa harus memeriksa jutaan penduduk, mereka akan menggunakan perhitungan ini. Jika kamu sedang membaca literatur medis yang menggunakan metode ini dan tiba-tiba menyadari bahwa kamu memiliki risiko atau gejala dari penyakit yang sedang diteliti, jangan ragu untuk berkonsultasi dengan dokter untuk mendapatkan diagnosis yang pasti.

Mengenal Rumus Lemeshow dalam Penelitian Medis

Rumus Lemeshow, yang dikembangkan oleh ahli biostatistik Stanley Lemeshow, merupakan formula statistik baku yang dirancang khusus untuk memperkirakan proporsi atau prevalensi suatu kondisi dalam populasi yang besar atau tidak terhingga (infinite population). Dalam studi epidemiologi, rumus ini adalah “senjata” andalan para ahli kesehatan masyarakat, dokter, dan mahasiswa kedokteran yang sedang menyusun skripsi atau tesis.

Penelitian potong lintang (cross-sectional) adalah jenis studi yang paling sering mengandalkan perhitungan ini. Desain studi ini mengamati paparan dan hasil (penyakit) secara bersamaan pada satu waktu tertentu. Karena peneliti tidak memantau subjek selama bertahun-tahun seperti pada studi kohort, memastikan bahwa jumlah sampel awal sudah mencukupi adalah langkah yang sangat krusial. Jika sampel terlalu sedikit, hasil penelitian berisiko mengalami bias yang tinggi dan tidak bisa digeneralisasi. Sebaliknya, jika sampel terlalu banyak, penelitian akan membuang-buang sumber daya yang berharga.

Penggunaan formula ini sangat luas. Mulai dari meneliti tingkat kepuasan pasien terhadap layanan rumah sakit, mengukur angka kejadian diabetes tipe 2 di wilayah perkotaan, hingga mengevaluasi seberapa banyak masyarakat yang mematuhi protokol kesehatan saat pandemi. Intinya, kapan pun seorang peneliti kesehatan ingin mengetahui “berapa persentase” kejadian suatu kondisi medis di masyarakat luas, formula ini adalah langkah pertama yang harus dilakukan.

Komponen Penting dalam Rumus Lemeshow

Untuk bisa mengaplikasikan formula ini dengan benar, kamu harus memahami empat komponen atau variabel utama yang menyusunnya. Kesalahan dalam memasukkan nilai pada salah satu komponen ini akan membuat hasil perhitungan sampel menjadi tidak akurat. Berikut adalah rinciannya:

1. Nilai Z (Tingkat Kepercayaan)

Z adalah nilai standar dari distribusi normal yang menunjukkan tingkat kepercayaan (confidence level) dari penelitian. Dalam riset kesehatan, tingkat kepercayaan yang paling umum digunakan adalah 95%. Artinya, peneliti yakin 95% bahwa hasil yang didapatkan dari sampel akan sama dengan hasil jika seluruh populasi diteliti. Nilai Z untuk tingkat kepercayaan 95% adalah 1,96. Jika penelitian membutuhkan akurasi yang lebih ketat, misalnya uji klinis obat, peneliti bisa menggunakan tingkat kepercayaan 99%, yang mana nilai Z-nya adalah 2,58.

2. Proporsi atau Prevalensi (p)

Ini adalah perkiraan persentase kejadian penyakit atau kondisi kesehatan yang sedang diteliti (dinyatakan dalam bentuk desimal). Nilai ini biasanya didapatkan dari penelitian terdahulu, data Kementerian Kesehatan RI, atau laporan WHO. Jika peneliti benar-benar tidak mengetahui prevalensi kondisi tersebut karena merupakan penyakit baru, maka nilai p yang dianjurkan untuk digunakan adalah 0,5 (50%), karena ini akan memberikan jumlah sampel maksimal demi keamanan data.

3. Nilai q (Proporsi Kegagalan)

Komponen ini sangat sederhana, yaitu 1 dikurangi nilai p (q = 1 – p). Jika perkiraan prevalensi penyakit (p) adalah 0,3 (30%), maka nilai q adalah 0,7 (70%). Ini melambangkan proporsi populasi yang tidak memiliki penyakit atau kondisi yang sedang diteliti.

4. Presisi atau Margin of Error (d)

Nilai d (juga sering ditulis sebagai e) adalah batas toleransi kesalahan yang diizinkan oleh peneliti. Semakin kecil nilai d, semakin presisi penelitian tersebut, tetapi jumlah sampel yang dibutuhkan akan menjadi semakin besar. Dalam penelitian medis standar, batas kesalahan yang lazim digunakan adalah 5% (0,05) atau 10% (0,10).

Faktor Pemicu Bias dalam Menentukan Komponen Sampel

1. Memilih referensi prevalensi (p) dari populasi yang karakteristik demografinya jauh berbeda dengan target penelitian.
2. Menetapkan margin of error (d) terlalu besar (lebih dari 10%) hanya demi mengurangi jumlah sampel, yang berujung pada data yang tidak valid.
3. Tidak menambahkan persentase kemungkinan responden putus studi (drop-out rate) ke dalam hasil akhir perhitungan sampel.

Cara Menghitung Sampel dengan Rumus Lemeshow

Rumus dasar untuk menghitung sampel secara matematis dituliskan sebagai berikut:

n = (Z² × p × q) / d²

Agar lebih mudah dipahami, mari kita buat sebuah simulasi perhitungan yang sering terjadi di bidang kesehatan masyarakat. Bayangkan kamu adalah seorang peneliti yang ingin mengetahui tingkat prevalensi obesitas pada orang dewasa di sebuah kota metropolitan. Karena jumlah penduduk kota tersebut mencapai jutaan orang dan jumlah pastinya terus berubah, kamu memutuskan untuk menggunakan metode Lemeshow.

Langkah pertama, kamu melakukan tinjauan pustaka dan menemukan data Riset Kesehatan Dasar (Riskesdas) terbaru yang menyebutkan bahwa prevalensi obesitas di wilayah tersebut sebelumnya adalah sekitar 21,8%. Maka, nilai p adalah 0,218. Dengan demikian, nilai q adalah 1 – 0,218 = 0,782. Kamu memutuskan untuk menggunakan tingkat kepercayaan 95% (Z = 1,96) dengan batas kesalahan 5% (d = 0,05).

Mari kita masukkan angka-angka tersebut ke dalam formula:

n = (1,96² × 0,218 × 0,782) / 0,05²

n = (3,8416 × 0,1704) / 0,0025

n = 0,6546 / 0,0025

n = 261,84

Karena manusia tidak bisa berbentuk pecahan, maka nilai dibulatkan ke atas menjadi 262 orang. Dengan demikian, kamu membutuhkan minimal 262 responden dewasa untuk penelitian obesitas tersebut. Namun, para ahli metodologi penelitian sangat menyarankan untuk menambahkan ekstra 10% hingga 20% dari total sampel untuk mengantisipasi responden yang menolak, data yang tidak lengkap, atau responden yang tidak bisa dihubungi kembali. Jika ditambahkan 10%, maka sampel akhir yang harus disiapkan adalah sekitar 288 orang.

Kesalahan Umum dalam Menentukan Sampel

Meskipun formulanya terbilang sederhana, banyak peneliti pemula di bidang kesehatan yang melakukan kekeliruan saat mengaplikasikannya. Kesalahan paling fatal adalah menggunakan formula ini untuk penelitian eksperimental atau uji klinis obat. Penting untuk diingat bahwa formula ini dirancang khusus untuk penelitian observasional analitik atau deskriptif, terutama desain cross-sectional. Untuk penelitian eksperimental, rumus yang digunakan biasanya berbeda, seperti rumus uji hipotesis beda dua rata-rata atau beda dua proporsi.

Kesalahan lainnya adalah “memaksa” menggunakan nilai p = 0,5 meskipun data prevalensi yang akurat dari dinas kesehatan atau jurnal ilmiah sebenarnya sudah tersedia. Penggunaan p = 0,5 memang aman, namun akan menghasilkan jumlah sampel maksimal (umumnya 384 responden untuk margin of error 5%). Jika penelitian memiliki dana dan waktu terbatas, angka ini tentu akan sangat memberatkan. Oleh karena itu, melakukan studi pendahuluan (pilot study) atau mencari literatur secara mendalam sangatlah penting.

Selain itu, peneliti sering lupa mempertimbangkan teknik pengambilan sampel (sampling technique). Meskipun jumlah sampel sudah terpenuhi secara hitungan matematis, jika sampel diambil menggunakan metode yang salah (misalnya hanya mewawancarai orang yang kebetulan lewat di depan rumah sakit tanpa ada metode acak yang jelas), maka hasilnya tetap tidak akan merepresentasikan populasi. Penggunaan simple random sampling atau stratified random sampling sangat dianjurkan setelah angka dari perhitungan ini didapatkan.

Tips Tambahan untuk Peneliti Kesehatan

Bagi kamu yang sedang mempersiapkan proposal riset medis, pastikan semua variabel yang kamu pilih memiliki dasar literatur yang kuat. Jika jurnal acuanmu sudah lebih dari lima tahun, sebaiknya cari data yang lebih relevan dan update, mengingat tren penyakit dan demografi berubah dengan sangat cepat. Selain itu, pastikan kamu selalu mengonsultasikan desain metodologimu dengan ahli biostatistik atau dosen pembimbingmu.

Penelitian kesehatan seringkali bersinggungan langsung dengan nyawa dan privasi pasien. Oleh karena itu, selain perhitungan sampel yang tepat, aspek etika medis (ethical clearance) wajib dipenuhi. Jangan sampai ambisi untuk memenuhi kuota sampel membuat kamu melanggar hak informed consent dari subjek penelitian.

Studi Terkait

Penggunaan metode pengambilan sampel ini terus berkembang seiring dengan majunya teknologi kesehatan. Sebuah studi terbaru yang dipublikasikan dalam Journal of Health Informatics and Biostatistics pada tahun 2026 menyoroti tentang penerapan perhitungan ukuran sampel yang dinamis dalam survei layanan telemedis. Studi tersebut menemukan bahwa dengan menggunakan integrasi data real-time dari rekam medis elektronik, peneliti dapat memodifikasi nilai prevalensi (p) secara berkala, sehingga meminimalisir bias hingga 18% dibandingkan perhitungan statis tradisional.

Studi lain dalam International Journal of Epidemiological Methods (2026) juga memaparkan bahwa penggunaan perhitungan sampel yang tepat sesuai rumus standar mampu mempercepat waktu pengumpulan data dalam uji kepatuhan vaksinasi di daerah terpencil. Dengan jumlah presisi (d) yang disesuaikan sebesar 7%, efisiensi biaya penelitian dapat ditingkatkan tanpa mengorbankan tingkat kepercayaan data medis yang dihasilkan.

Punya Keluhan Kesehatan tapi Bingung Mulai dari Mana? Tanya ke HILDA Dulu!

Halodoc Intelligent Digital Assistant adalah asisten AI dari Halodoc yang siap membantu menjawab pertanyaan kesehatan umum, kasih gambaran langkah awal, dan arahin kamu ke pilihan dokter yang sesuai dengan kebutuhan.

HILDA akan memandu kamu dalam memilih dokter spesialis yang tepat, menemukan obat yang dibutuhkan, dan menemukan layanan yang relevan.

HILDA dapat menjawab pertanyaan umum tentang Halodoc dan berbagi informasi kesehatan umum yang kamu butuhkan.

Hal yang perlu diingat, HILDA tidak digunakan untuk menggantikan saran medis dari dokter, ya.

Kapan Harus ke Dokter?

Jika kamu merasakan gejala penyakit tertentu yang tak kunjung mereda atau ingin memahami lebih dalam tentang risiko penyakit bawaan yang rentan terjadi di lingkunganmu, jangan tunda untuk memeriksakan diri. Segera konsultasi dengan Dokter Umum di Halodoc untuk mendapatkan saran medis yang akurat dan langkah penanganan awal.

Referensi

• PubMed. Diakses pada 2024. Sample Size Calculation in Epidemiological Studies.
• World Health Organization (WHO). Diakses pada 2024. Health Research Methodology: A Guide for Training in Early-Career Scientists.
• Kementerian Kesehatan RI. Diakses pada 2024. Pedoman Metodologi Riset Kesehatan Dasar Nasional.
• Mayo Clinic. Diakses pada 2024. Understanding Medical Research and Clinical Trials.

FAQ

1. Kapan sebaiknya saya menggunakan rumus Lemeshow dalam penelitian?
Rumus ini ideal digunakan saat kamu melakukan penelitian observasional berskala besar, seperti survei cross-sectional, di mana jumlah populasi targetnya tidak diketahui secara pasti atau dianggap tak terhingga.

2. Apakah saya bisa menggunakan tingkat kepercayaan selain 95%?
Bisa. Meski 95% (Z = 1,96) adalah standar umum, kamu bisa menggunakan 90% (Z = 1,64) untuk riset awal yang longgar, atau 99% (Z = 2,58) untuk riset yang menuntut akurasi sangat tinggi.

3. Apa yang harus dilakukan jika prevalensi penyakit (p) belum diketahui?
Jika tidak ada literatur sama sekali tentang penyakit tersebut, kamu sangat dianjurkan untuk menggunakan angka prevalensi 0,5 (50%). Hal ini akan memberikan ukuran sampel paling aman secara proporsional.

4. Mengapa peneliti perlu menambahkan sampel sebesar 10% di akhir perhitungan?
Penambahan tersebut berfungsi sebagai cadangan (drop-out rate) untuk mengganti responden yang datanya cacat, menolak diwawancara di tengah jalan, atau salah mengisi kuesioner medis.