Daftar isi
Tidak ada satu rumus jumlah sampel yang cocok untuk semua penelitian. Langkah yang benar adalah memilih cara yang sesuai dengan desain penelitian dan informasi yang kamu punya, lalu menuliskan alasannya di Bab 3. Halaman ini memandu pilihannya; dasar konsepnya ada di populasi dan sampel.
Peta memilih cara
| Situasi | Cara | Alat |
|---|---|---|
| Ukuran populasi diketahui, survei | Slovin, Krejcie-Morgan, Isaac-Michael | Kalkulator Slovin, tabel Isaac-Michael |
| Ukuran populasi tidak diketahui | Lemeshow atau Cochran | Kalkulator Lemeshow |
| Eksperimen dengan beberapa kelompok | Federer | Rumus Federer |
| Ingin mendeteksi efek dengan ukuran tertentu | Analisis daya (power analysis) | G*Power (gratis) atau R |
| Populasi kecil | Seluruh populasi | Sampel jenuh |
| Penelitian kualitatif | Sampai data jenuh, bukan rumus | Informan penelitian |
Populasi diketahui
Rumus Slovin paling sering dipakai di skripsi:
Untuk N = 1.000 dan e = 5%, n = 1.000 / (1 + 1.000 × 0,05²) = 285,71, dibulatkan ke atas menjadi 286.
Slovin sederhana, tetapi tidak memperhitungkan tingkat kepercayaan secara eksplisit. Tabel Krejcie-Morgan dan Isaac-Michael berdasarkan proporsi dan tingkat kepercayaan tertentu, sehingga hasilnya sedikit berbeda. Kalkulator di rumus Slovin menampilkan beberapa rumus berdampingan supaya kamu bisa membandingkan.
Populasi tidak diketahui
Bila populasi terlalu besar atau tidak ada datanya, misalnya "pengguna aplikasi X", pakai rumus Lemeshow untuk memperkirakan proporsi:
Dengan p = 0,5 (paling aman bila proporsinya belum diketahui), z = 1,96, dan d = 10%, n = 96,04, dibulatkan ke atas menjadi 97. Rinciannya ada di rumus Lemeshow.
Penelitian eksperimen dan analisis daya
Untuk eksperimen, rumus Federer memberi jumlah minimal per kelompok dari banyaknya kelompok perlakuan. Cara yang lebih kuat adalah analisis daya: menentukan sampel dari ukuran efek yang ingin dideteksi, taraf signifikansi, dan peluang mendeteksi efek (power, umumnya 80%). Gagasan ini dipopulerkan Jacob Cohen (1988).
Contoh analisis daya (dihitung dengan R)
Uji t dua kelompok independen, taraf 5% dua sisi, power 80%:
- Untuk ukuran efek sedang (d = 0,5): 64 orang per kelompok (128 total).
- Untuk ukuran efek besar (d = 0,8): 26 orang per kelompok.
Makin kecil efek yang ingin dideteksi, makin besar sampel yang dibutuhkan.
G*Power, aplikasi gratis untuk Windows dan Mac, bisa menghitung ini untuk uji t, ANOVA, korelasi, regresi, dan chi square.
Patokan praktis
Beberapa patokan kasar yang sering dikutip, salah satunya dari John Roscoe (1975):
- Sampel antara 30 dan 500 cukup untuk kebanyakan penelitian.
- Bila sampel dibagi ke beberapa kelompok, setiap kelompok minimal sekitar 30.
- Untuk analisis multivariat seperti regresi linear berganda, sampel minimal beberapa kali (sering 10 kali) banyaknya variabel.
Patokan ini cocok sebagai pengecekan tambahan, bukan pengganti rumus.
Langkah praktis
- Tentukan populasi dan apakah ukurannya diketahui.
- Pilih cara dari peta di atas, sesuai desain penelitian.
- Tentukan nilai yang dipakai (taraf kesalahan, tingkat kepercayaan, atau ukuran efek) dan alasannya.
- Hitung, lalu bulatkan ke atas.
- Tambahkan cadangan untuk kuesioner yang tidak kembali atau tidak lengkap.
- Tuliskan rumus, nilai, dan hasilnya di Bab 3.
Setelah jumlahnya diketahui, pilih cara mengambil anggotanya di teknik sampling.
Pertanyaan umum
Benarkah sampel minimal 30?
Angka 30 adalah patokan kasar, bukan aturan. Ia sering dipakai karena pada sekitar 30 data rata-rata sampel mulai mendekati distribusi normal. Untuk menguji hubungan yang lemah, atau untuk regresi dengan banyak variabel, 30 sering kali terlalu sedikit.
Rumus mana yang paling benar?
Tidak ada yang paling benar untuk semua penelitian. Setiap rumus menjawab pertanyaan yang sedikit berbeda dan memakai anggapan yang berbeda. Pilih yang sesuai dengan desainmu dan informasi yang kamu punya, lalu tuliskan alasan dan nilai yang dipakai (mis. taraf kesalahan 5%).
Bagaimana kalau responden yang kembali kurang dari target?
Laporkan jumlah yang sebenarnya dan hitung ulang ketepatannya bila perlu. Untuk mencegahnya, tambahkan cadangan, misalnya 10–20%, saat menyebar kuesioner. Kalkulator sampel di situs ini punya isian cadangan drop-out.