Kalkulator Ukuran Sampel

Kalkulator ukuran sampel ini menyediakan dua fungsi utama untuk kebutuhan penelitian Anda. Fungsi pertama dirancang khusus untuk menghitung ukuran sampel yang ideal, sementara fungsi kedua digunakan untuk menentukan batas kesalahan (margin of error).

Untuk menghitung ukuran sampel, langkah pertama adalah memilih tingkat kepercayaan (confidence level) dari menu drop-down. Selanjutnya, masukkan nilai batas kesalahan relatif. Anda juga dapat mengonversi batas kesalahan dari nilai mutlak ke nilai relatif dengan membagi nilai mutlak tersebut menggunakan estimasi titik (point estimate).

Kemudian, masukkan proporsi populasi jika Anda mengetahui nilainya. Jika Anda tidak mengetahuinya, biarkan nilainya tetap pada angka 50%. Masukkan ukuran populasi di kolom terakhir jika data tersebut tersedia; namun jika tidak, Anda cukup membiarkannya kosong. Terakhir, klik tombol "Hitung" untuk mendapatkan hasilnya.

Anda dapat menggunakan fungsi kedua dari kalkulator ini untuk mencari batas kesalahan. Sebagai langkah pertama, pilih tingkat kepercayaan dari menu drop-down. Kemudian, masukkan ukuran sampel penelitian Anda di kolom kedua. Setelah itu, masukkan proporsi populasi. Pada kolom terakhir, masukkan ukuran populasi (biarkan kosong jika Anda tidak mengetahui total populasinya). Terakhir, klik tombol "Hitung".

Sampel

Sampel adalah sebagian kecil atau porsi yang mewakili suatu populasi. Populasi itu sendiri mengacu pada semua elemen atau subjek yang menjadi fokus pengamatan dalam sebuah penelitian. Cara paling ideal untuk meneliti populasi adalah dengan mengamati setiap elemen di dalamnya secara menyeluruh. Namun, karena berbagai kendala, memeriksa setiap unit dalam populasi sering kali tidak praktis dan mustahil dilakukan. Misalnya, jika Anda meneliti spesies serangga di sebuah hutan, populasinya tentu sangat masif dan tidak terbatas. Oleh karena itu, mempelajari seluruh populasi bukanlah pilihan yang logis. Terkadang, dalam proses pengujian sampel, item penelitian juga bisa mengalami kerusakan.

Sebagai contoh, jika Anda membuka segel dan menguji volume botol minuman ringan di pabrik, botol yang sudah dibuka tersebut tentu tidak bisa lagi dijual ke pasaran.

Memeriksa seluruh populasi membutuhkan waktu, biaya, dan sumber daya yang sangat besar. Dalam kebanyakan kasus, sebuah penelitian harus diselesaikan dengan batasan waktu, anggaran, serta tenaga. Oleh karena itu, meneliti seluruh populasi sering kali sangat tidak efisien. Solusi terbaik dan paling ilmiah adalah dengan memilih sampel yang representatif dan menelitinya.

Batas kesalahan

Dalam praktiknya, kita hampir tidak mungkin memeriksa semua komponen populasi. Oleh karena itu, statistik sampel (ukuran atau nilai yang dihitung dari sebuah sampel) sering digunakan untuk memperkirakan parameter populasi (ukuran atau nilai dari seluruh populasi). Statistik sampel ini diperoleh dari data aktual yang diamati atau diukur langsung dari sampel penelitian. Kita menyebutnya sebagai estimasi titik ketika kita memperkirakan satu angka spesifik untuk mewakili parameter populasi.

Sebagai contoh, jika Anda ingin memperkirakan rata-rata volume botol minuman ringan di suatu jalur produksi, Anda dapat memilih beberapa kelompok botol secara acak dan menghitung volume rata-ratanya. Bayangkan kelompok sampel tersebut memiliki rata-rata volume x̄ sebesar 250 ml. Dari hasil ini, Anda memperkirakan bahwa setiap botol di jalur produksi tersebut memiliki rata-rata volume (μ) sebesar 250 ml.

Namun, di dunia nyata, parameter aktual (sebenarnya) dan parameter estimasi (perkiraan) jarang sekali sama persis. Perbedaan ini muncul karena kita memperkirakan parameter menggunakan sampel, bukan dengan mengukur seluruh populasi.

Batas kesalahan atau margin of error didefinisikan sebagai kemungkinan perbedaan maksimum antara estimasi titik parameter dan nilai aktualnya yang sebenarnya. Ini juga sering disebut sebagai kesalahan estimasi maksimum dalam statistik.

Selang Kepercayaan

Selang kepercayaan (confidence interval) mewakili rentang dari sebuah estimasi. Rentang estimasi ini menunjukkan bahwa suatu parameter berada di dalam batas kesalahan tertentu. Untuk menentukan batas bawah selang kepercayaan, nilai batas kesalahan dikurangi dari estimasi titik. Sebaliknya, untuk menentukan batas atas selang kepercayaan, batas kesalahan ditambahkan ke estimasi titik.

Interkoneksi antara Sampel dalam Statistik, Batas Kesalahan, dan Selang Kepercayaan

Daripada meneliti seluruh populasi yang sangat besar, kita menggunakan sampel untuk memperkirakan parameter populasi. Akibatnya, wajar jika terjadi sedikit perbedaan atau selisih antara parameter estimasi dan parameter populasi yang sebenarnya. Batas kesalahan mengukur kemungkinan perbedaan maksimum antara estimasi titik dan nilai aslinya.

Penting untuk dipahami bahwa terdapat hubungan terbalik antara ukuran sampel dan batas kesalahan. Ukuran sampel yang lebih besar akan menghasilkan representasi populasi yang jauh lebih akurat, yang pada akhirnya akan menurunkan batas kesalahan. Sebaliknya, ukuran sampel yang terlalu kecil akan meningkatkan batas kesalahan.

Selang kepercayaan akan terbentuk ketika Anda menerapkan perhitungan batas kesalahan ini pada estimasi titik Anda.

Rumus menghitung Ukuran Sampel

Terdapat beberapa rumus berbeda untuk menghitung ukuran sampel yang ideal, tergantung pada data dan informasi awal yang Anda miliki.

Tingkat kepercayaan yang Anda pilih akan menentukan tingkat akurasi data, sementara batas rentang maksimum dari kesalahan akan menentukan tingkat presisi yang ingin dicapai melalui rentang estimasi tersebut.

Kita dapat menghitung ukuran sampel minimum yang diperlukan untuk mencapai selang kepercayaan yang diinginkan (jika standar deviasi populasi diketahui) dengan menggunakan rumus di bawah ini:

$$n=\left(\frac{z_{\alpha/2}×\sigma}{E}\right)^2$$

Hasil akhir n harus dibulatkan ke atas ke bilangan bulat terdekat agar sampel memadai.

Selain itu, Rumus Cochran memungkinkan Anda menentukan ukuran sampel minimum berdasarkan tingkat batas kesalahan yang diinginkan, tingkat kepercayaan, serta proporsi yang diharapkan dari atribut dalam populasi. Rumus Cochran adalah:

$$n₀=\frac{z^2p(1-p)}{E^2}$$

• z = nilai Z (Z-score) dari tabel distribusi z berdasarkan tingkat kepercayaan yang diinginkan
• p = Proporsi yang diharapkan dari atribut yang ada dalam populasi
• E = Batas kesalahan

Contoh 1

Bayangkan kita sedang melakukan penelitian mengenai mahasiswa internasional yang terdaftar dalam program sarjana di Kanada. Pada tahap awal, kita belum memiliki banyak informasi. Oleh karena itu, kita berasumsi bahwa mahasiswa internasional mewakili sekitar 60% dari seluruh mahasiswa sarjana di Kanada. Akibatnya, estimasi proporsi atribut dalam populasi ini adalah 60%. Kita menargetkan tingkat kepercayaan sebesar 95% dengan batas kesalahan 4%. Berapa ukuran sampel minimum mahasiswa yang harus dilibatkan dalam penelitian ini?

$$(1-\alpha)=95\%$$

$$z_{α/2}=z_{{95\%}/2}=1,96$$

$$p=60\%$$

$$E=4\%$$

$$n₀=\frac{z²p(1-p)}{E²}=\frac{1,96²×60\%×(1-60\%)}{4\%²}=576,24≈577$$

Berdasarkan perhitungan di atas, minimal 577 mahasiswa harus dilibatkan dalam penelitian untuk mencapai tingkat kepercayaan 95% dengan batas kesalahan 4%.

Rumus di atas sangat ideal jika ukuran populasinya besar atau tidak terbatas. Namun, jika ukuran populasinya kecil atau terbatas, kita perlu melakukan penyesuaian pada ukuran sampel. Penyesuaian ukuran sampel ini dilakukan menggunakan rumus berikut:

$$n=\frac{n₀}{1+\left(\frac{n₀-1}{N}\right)}$$

• n₀ = Ukuran sampel yang dihitung dengan rumus Cochran
• N = Ukuran populasi total
• n = Ukuran sampel yang disesuaikan untuk populasi terbatas

Contoh 2

Bayangkan kita sedang meneliti mahasiswa internasional dalam program sarjana di sebuah perguruan tinggi spesifik di Kanada. Karena keterbatasan data awal, kita mengasumsikan bahwa mahasiswa internasional merupakan 60% dari seluruh mahasiswa sarjana di perguruan tinggi tersebut. Jadi, estimasi proporsi atribut populasinya adalah 60%. Diketahui jumlah total mahasiswa di perguruan tinggi tersebut adalah 12.000 orang. Kita menginginkan tingkat kepercayaan 95% dengan batas kesalahan 4%. Berapa banyak mahasiswa yang harus dilibatkan untuk memenuhi ukuran sampel minimum?

Dalam kasus ini, Anda harus terlebih dahulu menghitung nilai n₀ menggunakan rumus Cochran, lalu menyesuaikan ukuran sampelnya karena ukuran populasinya terbatas (diketahui secara pasti).

$$n₀=\frac{z^2p(1-p)}{{E}^2}=\frac{1.96^2×{60\%}×(1-{60\%})}{{4\%}^2}=576,24$$

$$n=\frac{n₀}{1+\left(\frac{n₀-1}{N}\right)}=\frac{576,24}{1+\left(\frac{576,24-1}{12.000}\right)}=549,88\approx550$$

Dengan menggunakan kalkulator ukuran sampel, Anda bisa menyelesaikan perhitungan statistik yang rumit di atas dalam waktu kurang dari satu detik!

Rumus menghitung Batas Kesalahan

Anda dapat memodifikasi dan mengatur ulang rumus ukuran sampel untuk menemukan rumus Batas Kesalahan.

Kita tahu bahwa rumus dasar ukuran sampel minimum adalah:

$$n₀=\frac{z^2p\left(1-p\right)}{E^2}$$

Mari kita jadikan E (batas kesalahan) sebagai subjek utama dari rumus di atas.

$$n₀=\frac{z^2p\left(1-p\right)}{E^2}$$

$${n₀}×{E}^2=z^2p\left(1-p\right)$$

$$E^2=\frac{z^2p\left(1-p\right)}{n₀}$$

$$E=\sqrt{\frac{z^2p\left(1-p\right)}{n₀}}$$

$$E=z\sqrt{\frac{p\left(1-p\right)}{n₀}}$$

Contoh 3

Bayangkan kita sedang meneliti mahasiswa internasional di program sarjana di Kanada. Dengan informasi awal yang terbatas, kita berasumsi bahwa mahasiswa internasional mencakup 60% dari keseluruhan mahasiswa. Dengan demikian, estimasi proporsi atribut dalam populasi adalah 60%. Katakanlah kita menginginkan tingkat kepercayaan 95%, dan Anda telah mengumpulkan 577 mahasiswa sebagai sampel penelitian. Berapakah batas kesalahan (margin of error) dari penelitian Anda?

$$z_{{95\%}/2}=1,96$$

$$p=60\%$$

$$n₀=577$$

$$E=z\sqrt{\frac{p\left(1-p\right)}{n_0}}=1.96 \times \sqrt{\frac{60\% \times \left(1-60\%\right)}{577}}=4\%$$

Jika populasi Anda terbatas, Anda harus mencari nilai n₀ terlebih dahulu menggunakan rumus di bawah ini:

$$n₀=\frac{n-nN}{n-N}$$

Setelah menemukan hasilnya, aplikasikan angka tersebut ke dalam rumus berikut untuk mencari batas kesalahannya:

$$E=z\sqrt{\frac{p\left(1-p\right)}{n₀}}$$

Fungsi kedua dari kalkulator ini akan membantu Anda melewati semua proses manual yang panjang tersebut dan menghitung batas kesalahan secara otomatis dalam hitungan detik.

Rumus menghitung selang kepercayaan

Menentukan selang kepercayaan sangatlah mudah apabila Anda sudah mengetahui batas kesalahannya. Rumus di bawah ini digunakan untuk menghitung selang kepercayaan dengan akurat.

Selang kepercayaan = Estimasi titik ± Batas kesalahan

Batas atas selang kepercayaan = Estimasi titik + Batas kesalahan

Batas bawah selang kepercayaan = Estimasi titik - Batas kesalahan

Selang kepercayaan untuk rata-rata (mean) μ adalah:

x̄ - E < μ < x̄ + E

x̄ - E adalah batas bawah, dan x̄ + E adalah batas atas.

Sedangkan, selang kepercayaan untuk P adalah:

p - E < P < p + E

Contoh 4

Anda sedang melakukan riset mengenai rata-rata biaya kuliah untuk mahasiswa internasional di Kanada. Anda telah memilih 1.000 mahasiswa secara acak sebagai sampel. Berdasarkan sampel tersebut, Anda memperkirakan bahwa rata-rata biaya kuliah untuk mahasiswa internasional di Kanada adalah CAD 20.000, dengan batas kesalahan sebesar CAD 5.000. Carilah selang kepercayaan untuk rata-rata biaya program tersebut!

Batas atas = x̄ + E = CAD 20.000 + CAD 5.000 = CAD 25.000

Batas bawah = x̄ - E = CAD 20.000 - CAD 5.000 = CAD 15.000

Berdasarkan perhitungan di atas, selang kepercayaannya adalah:

x̄ - E < μ < x̄ + E

CAD 15.000 < μ < CAD 25.000