MACAM MACAM RUMUS METODE PENELITIAN

Banyak rumus pengambilan sampel penelitian yang dapat digunakan

untuk

menentukan

jumlah

sampel

penelitian.

Pada

prinsipnya

penggunaan rumus-rumus penarikan sample penelitian digunakan untuk

mempermudah teknis penelitian. Sebagai misal, bila populasi penelitian
terbilang sangat banyak atau mencapai jumlah ribuan atau wilayah
populasi terlalu luas, maka penggunaan rumus pengambilan sample
tertentu dimaksudkan untuk memperkecil jumlah pengambilan sampel
atau mempersempit wilayah populasi agar teknis penelitian menjadi
lancar dan efisien.Contoh-contoh praktis pengambilan sampel yang paling
banyak digunakan dalam penelitian adalah sebagai berikut :
Rumus Slovin

di mana :
n = ukuran sampel N = ukuran populasi
e = persen kelonggaran ketidaktelitian karena kesalahan pengambilan
sampel
yang masih dapat ditolerir atau diinginkan, misalnya 10%.
Rumus Issac dan Michael

dimana :
s = Jumlah sample

N = Jumlah populasi
2 = Chi Kuadrat, dengan dk = 1, taraf kesalahan 1%, 5% dan 10%
d = 0,05
P = Q = 0,5
Rumus Sampling Fraction Per Cluster

Kemudian didapat besarnya sample per cluster

ni = fi x n
Keterangan :
fi = sampling fraction cluster
Ni = banyaknya individu yang ada dalam cluster
N = banyaknya populasi seluruhnya
n = banyaknya anggota yang dimasukkan sampel
ni = banyaknya anggota yang dimasukkan menjadi sub sampel
Menurut

Sugiyono

pada

perhitungan

yang

menghasilkan

pecahan

(terdapat koma) sebaiknya dibulatkan ke atas.

Sugiono mengemukakan cara menentukan ukuran sampel yang sangat
praktis, yaitu dengan tabel Krejcie. Dengan cara tersebut tidak perlu

dilalukan perhitungan yang rumit. Krejcie dalam melakukan perhitungan

sampel didasarkan atas kesalahan 5%. Jadi sampel yang diperoleh itu
mempunyai kepercayaan 95% terhadap populasi.
Tabel Krejcie

N = Populasi S = Sampel (Sugiono, 2005:63)

Penelitian kuantitatif adalah definisi, pengukuran data kuantitatif
dan statistik objektif melalui perhitungan ilmiah berasal dari sampel
orang-orang atau penduduk yang diminta menjawab atas sejumlah
pertanyaan tentang survei untuk menentukan frekuensi dan persentase
tanggapan mereka. Sebagai contoh: 240 orang, 79% dari populasi sampel,
mengatakan bahwa mereka lebih percaya pada diri mereka pribadi masa
depan mereka dari setahun yang lalu hingga hari ini. Menurut ketentuan
ukuran sampel statistik yang berlaku, maka 79% dari penemuan dapat
diproyeksikan ke seluruh populasi dari sampel yang telah dipilih.
pengambilan data ini adalah disebut sebagai survei kuantitatif atau
penelitian kuantitatif.

Ukuran sampel untuk survei oleh statistik dihitung dengan menggunakan

rumusan untuk menentukan seberapa besar ukuran sampel yang
diperlukan dari suatu populasi untuk mencapai hasil dengan tingkat
akurasi yang dapat diterima. pada umumnya, para peneliti mencari
ukuran sampel yang akan menghasilkan temuan dengan minimal 95%
tingkat keyakinan (yang berarti bahwa jika Anda survei diulang 100 kali,
95 kali dari seratus, Anda akan mendapatkan respon yang sama) dan plus
/ minus 5 persentase poin margin dari kesalahan. Banyak survei sampel
dirancang untuk menghasilkan margin yang lebih kecil dari kesalahan.
Beberapa survei dengan melalui pertanyaan tertulis dan tes, kriteria yang
sesuai untuk memilih metode dan teknologi untuk mengumpulkan
informasi dari berbagai macam responden survei, survei dan administrasi
statistik analisis dan pelaporan semua layanan yang diberikan oleh
pengantar komunikasi. Namun, oleh karena sifat teknisnya metode pilihan
pada survei atau penelitian oleh karena sifat teknis, maka topik yang lain
tidak tercakup dalam cakupan ini.
Beberapa

metode

penelitian

kuantitatif

yang

cukup

sering

digunakan adalah survei dan eksperimen.

Metode Survei
Metode survei adalah metode penelitian yang menggunakan
kuesioner sebagai instrumen utama untuk mengumpulkan data. Metode
ini adalah yang paling sering dipakai di kalangan mahasiswa. Desainnya
sederhana, prosesnya cepat. Tetapi bila dilakukan dengan sembrono,
temuan survei ini cenderung superficial (dangkal) meskipun dalam
analisisnya peneliti menggunakan statistik yang rumit.
Penelitian survei dengan kuesioner ini memerlukan responden dalam
jumlah yang cukup agar validitas temuan bisa dicapai dengan baik. Hal ini
wajar, sebab apa yang digali dari kuesioner itu cenderung informasi
umum tentang fakta atau opini yang diberikan oleh responden. Karena

informasi bersifat umum dan (cenderung) dangkal maka diperlukan

responden dalam jumlah cukup agar pola yang menggambarkan objek
yang diteliti dapat dijelaskan dengan baik.
Sebagai ilustrasi, lima orang saja kemungkinan tidak mampu memberikan
gambaran

yang

utuh

tentang

sesuatu

(misalnya

tentang

profil

kesejahteraan pegawai). Tetapi 250 orang mungkin akan lebih mampu

memberi gambaran yang lebih baik tentang profil kesejahteraan pegawai
itu. Perlu dicatat, jumlah responden saja belum cukup memenuhi syarat
keterwakilan. Teknik memilih responden (teknik sampling) juga harus
ditentukan dengan hati-hati.
Karena validitas data sangat tergantung pada kejujuran responden
maka peneliti sebaiknya juga menggunakan cara lain (selain kuesioner)
untuk meningkatkan keabsahan data itu. Misalnya, peneliti mungkin
bertanya kepada responden tentang pendapatan per bulannya (dalam
rupiah). Dalam hal ini, peneliti juga mempunyai sumber data lain untuk
meyakinkan kebenaran data yang diberikan responden (misalnya dengan
melihat daftar gaji si responden di kantornya). Jika hal ini sulit ditemukan
maka peneliti terpaksa harus berasumsi bahwa semua data yang
diberikan responden adalah benar. Kita tahu, asumsi semacam ini sering
kali menyesatkan.
Kesalahan yang sering dibuat oleh peneliti dalam penelitian survei ini
adalah terletak pada analisis data. Peneliti sering kali lupa bahwa apa
yang dikumpulkan melalui kuesioner ini adalah sekedar persepsi tentang
sesuatu, bukan substansi dari sesuatu. Karena itu, kalaupun peneliti
menggunakan analisis statistik yang cukup kompleks (misalnya korelasi
atau regresi) maka peneliti harus ingat apa yang dianalisisnya itu tetaplah
sekumpulan persepsi, bukan substansi.
Beberapa tema penelitian dengan menggunakan metode survei adalah
sebagai berikut.

1. Survei tentang alokasi anggaran untuk pengembangan pegawai di

semua perguruan tinggi negeri.
2. Survei tentang kualitas pelayanan dan kepuasan pelanggan di Bank
XY.
3. Analisis terhadap potensi penerimaan calon konsumen terhadap
produk baru yang akan diluncurkan.
4. Jajak pendapat masyarakat terhadap metode baru dalam hal
penetapan Pajak Pembangunan I.

Dari contoh-contoh di atas, kita sadar bahwa tidak mudah menggolongkan

suatu penelitian ke jenis penelitian tertentu dengan hanya melihat judul
atau tema penelitian itu. Jika hanya judul yang kita baca maka kita
sebenarnya bisa memasukkan suatu penelitian ke jenis penelitian mana
pun. Karena itu, kita harus bisa membaca seluruh desain penelitian untuk
mengetahui jenis penelitian atau metode yang digunakan seorang
peneliti.
Metode Eksperimen
Metode Eksperimen adalah metode penelitian yang bertujuan untuk
menjelaskan hubungan sebab-akibat (kausalitas) antara satu variabel
dengan lainnya (variabel X dan variabel Y). Untuk menjelaskan hubungan
kausalitas ini, peneliti harus melakukan kontrol dan pengukuran yang
sangat cermat terhadap variabel-variabel penelitiannya.
Tetapi metode eksperimen tidak hanya digunakan untuk menjelaskan
hubungan sebab akibat antara satu dan lain variabel, tetapi juga untuk
menjelaskan dan memprediksi gerak atau arah kecenderungan suatu
variabel di masa depan. Ini adalah eksperimen yang bertujuan untuk
memprediksi.

Perlu

diingat,

dua

variabel

yang

berkorelasi

(misalnya

tingkat

pendidikan berkorelasi dengan tingkat penghasilan) tidak berarti dua

variabel tersebut mempunyai hubungan sebab-akibat. Sebaliknya, dua
variabel yang tidak berkorelasi (zero correlation) bukan berarti sudah
tertutup kemungkinan berhubungan sebab-akibat (Hopkins, et al, 1987).
Untuk mengukur korelasi, metode survei mungkin sudah cukup memadai.
Tetapi untuk menjawab Apakah tingkat pendidikan menyebabkan naiknya
pendapatan? Diperlukan suatu studi eksperimen yang sangat ketat
aturannya.

Menentukan Jumlah Sampel dengan Rumus Slovin

Sumber : http://analisis-statistika.blogspot.co.id/2012/09/menentukan-jumlah-sampeldengan-rumus.html
Dalam suatu penelitian, seringkali kita tidak dapat mengamati seluruh individu dalam suatu
populasi. Hal ini dapat dikarenakan jumlah populasi yang amat besar, cakupan wilayah
penelitian yang cukup luas, atau keterbatasan biaya penelitian. Untuk itu, kebanyakan
penelitian menggunakan sampel. Sampel adalah bagian dari populasi yang digunakan untuk
menyimpulkan atau menggambarkan populasi. Pemilihan sampel dengan metode yang tepat
dapat menggambarkan kondisi populasi sesungguhnya yang akurat, dan dapat menghemat
biaya penelitian secara efektif.

Idealnya, sampel haruslah benar-benar menggambarkan atau mewakili karakteristik populasi

yang sebenarnya. Sebagai contoh, dalam suatu polling (jajak pendapat) yang ingin
mengetahui berapa proporsi (persentase) pemilih yang akan memilih kandidat Bupati X,
membutuhkan sampel yang benar-benar mewakili kondisi demografi pemilih di Kabupaten
X.
Secara umum, terdapat dua pendekatan dalam metode pemilihan sampel. Yakni probability
sampling dan nonprobability sampling. Dalam metode probability sampling, seluruh unsur
(misalnya: orang, rumah tangga) dalam suatu populasi memiliki kesempatan yang sama untuk
dipilih dalam sampel. Dalam metode ini, cara pemilihan sampel harus dilakukan secara acak
(random). Demikian pula dengan jumlah sampel minimum, harus dihitung secara matematis
berdasarkan probabilitas.
Sebaliknya, dalam metode nonprobability sampling, unsur populasi yang dipilih sebagai
sampel tidak memiliki kesempatan yang sama, misalnya karena ketersediaan (contoh: orang
yang sukarela sebagai responden), atau karena dipilih peneliti secara subyektif. Sebagai
akibatnya, penelitian tersebut tidak dapat menggambarkan kondisi populasi yang
sesungguhnya.
Metode Slovin
Pertanyaan dalam seringkali diajukan dalam metode pengambilan sampel adalah berapa
jumlah sampel yang dibutuhkan dalam penelitian. Sampel yang terlalu kecil dapat
menyebabkan penelitian tidak dapat menggambarkan kondisi populasi yang sesungguhnya.
Sebaliknya, sampel yang terlalu besar dapat mengakibatkan pemborosan biaya penelitian.
Salah satu metode yang digunakan untuk menentukan jumlah sampel adalah menggunakan
rumus Slovin (Sevilla et. al., 1960:182), sebagai berikut:

dimana

n: jumlah sampel
N: jumlah populasi
e: batas toleransi kesalahan (error tolerance)
Untuk menggunakan rumus ini, pertama ditentukan berapa batas toleransi kesalahan. Batas
toleransi kesalahan ini dinyatakan dengan persentase. Semakin kecil toleransi kesalahan,
semakin akurat sampel menggambarkan populasi. Misalnya, penelitian dengan batas
kesalahan 5% berarti memiliki tingkat akurasi 95%. Penelitian dengan batas kesalahan 2%
memiliki tingkat akurasi 98%. Dengan jumlah populasi yang sama, semakin kecil toleransi
kesalahan, semakin besar jumlah sampel yang dibutuhkan.
Contoh:
Sebuah perusahaan memiliki 1000 karyawan, dan akan dilakukan survei dengan mengambil
sampel. Berapa sampel yang dibutuhkan apabila batas toleransi kesalahan 5%.
Dengan menggunakan rumus Slovin:
n = N / ( 1 + N e ) = 1000 / (1 + 1000 x 0,05) = 285,71 286.
Dengan demikian, jumlah sampel yang dibutuhkan adalah 286 karyawan.
Referensi:
Sevilla, Consuelo G. et. al (2007). Research Methods. Rex Printing Company.
Quezon City.

Cara Menentukan Jumlah Sampel dengan Rumus Slovin

Dickson Kho Ilmu Statistika

Cara Menentukan Jumlah Sampel dengan Rumus Slovin Dalam melakukan penelitian
pada suatu populasi, kita sering menggunakan sampel untuk mewakili populasi tersebut. Hal
ini dikarenakan penelitian dengan menggunakan jumlah populasi secara keseluruhan akan
memakan waktu yang lama dan biaya yang sangat besar. Secara definisi, Populasi dapat
diartikan sebagai jumlah dari keseluruhan obyek yang ingin diteliti karakteristiknya.
Sedangkan Sampel adalah sebagian dari populasi yang ingin diteliti karakteristik. Sample
tersebut dianggap dapat mewakili keseluruhan populasinya. Jadi pada dasarnya, jumlah
Sampel akan lebih sedikit dari jumlah populasinya.
Agar sampel yang kita ambil dapat benar-benar mewakili populasinya, kita perlu suatu
standar ataupun cara dalam menentukan Sampel. Terdapat banyak cara maupun rumus untuk
menentukan jumlah sampel, salah satunya adalah menggunakan rumus Slovin yang
sederhana dan mudah dihitung.

Rumus Slovin
Secara Matematis, Rumus Slovin yang kita gunakan untuk menentukan jumlah sampel adalah
sebagai berikut :
n = N / ( 1 + N.(e)2)

Keterangan :

n = Jumlah Sampel
N = Jumlah Total Populasi
e = Batas Toleransi Error
Catatan : Rumus Slovin ini dikutip dari buku Wiratna Sujarweni (2014:16).

Cara Menentukan Jumlah Sampel dengan Rumus Slovin

Berikut ini adalah contoh kasus dalam penentuan jumlah sampel dengan menggunakan rumus
slovin.
Contoh Kasus :
Di Perusahaan XYZ, seorang Supervisor ditugaskan oleh Manajemennya untuk meneliti
adakah pengaruh pemberian tunjangan transportasi terhadap kinerja karyawannya. Jumlah
Karyawan pada perusahaan tersebut adalah sebanyak 1000 orang. Untuk menghemat waktu
dan biaya, Supervisor tersebut kemudian memutuskan untuk melakukan penelitian dengan
menggunakan sampel berdasarkan rumus slovin, batas toleransi kesalahan yang ditetepkan
adalah 10%.
Dibawah ini adalah cara penyelesaiannya.
Rumus Slovin :
n = N / ( 1 + N.(e)2)
n = 1000 / ( 1 + 1000.(10%)2)
n = 1000 / ( 1 + 1000.(0,1)2)
n = 1000 / ( 1 + 1000.(0,01))
n = 1000 / ( 1 + 10)
n = 1000 / 11
n = 90,9 dibulatkan menjadi 91 orang.

Apa itu Rumus Slovin?

Sunday, June 7th 2015. | statistika

Sobat di rumah, adakah diantara kalian yang tahu apa itu Rumus Solvin? Jika belum pernah
tahu berikut kami berikan penjelasan sederhana tentang rumus tersebut. Jika sobat melakukan
sebuah penelitian ilmiah pasti tidak lepas dari yang nananya sampel (Inggris : Sample).
Sampel digunakan pada kondisi jumlah total polulasi yang menjadi objek penelitian tidak
bisa kita amati satu persatu dengan berbagai kendala dan alasan. Nah disinilah kita
mengambil sebagian dari seluruh populasi tersebut untuk dijadikan sebagai sampel. Ini yang
disebut sampel. Berapa besar sample yang harus diambil? 60%? 70%? atau cukup 40%?
Jawabannya bisa sobat temukan dengan menggunakan rumus slovin. Rumus slovin
digunakan sebagai salah satu cara untuk menghitung jumlah sample yang tepat dari suatu
populasi.
Apa itu Sampling?

Ketika kita menerapkan statistik dalam penelitian ilmiah, pada prinsipnya kita ingin
mengetahui perilaku sebuah populasi dengan menggunakan sampel. Kenapa kita harus
menggunakan sampel? Itu karena terbatasnya sumber daya yang kita miliki. Entah itu uang
maupun tenanga. Misalkan sobat ingin meneliti perilaku vegetarian di Jakarta, tidak mungkin
sobat akan meneliti tiap orang di Jakarta yang jumlahnya hampir mencapai 10 juta orang.
Anggaplah dari 10 juta ada 50.000 orang vegetarian. Sangat tidak mungkin jika kita
mengambil data dari populasi sebanyak itu tanpa sokongan dana, waktu, dan sumber daya
lain yang cukup.
Setelah kita tahu tidak mungkin mengambil data dari semua populasi maka kita kecilkan
jumlahnya dalam bentuk sample. Pertanyaan berikutnya yang harus dijawab, bagaimana
sobat mengetahui jumlah atau ukuran sampel tersebut cukup untuk mewakili perilaku dari
keseluruhan populasi? Disinilah ada yang namanya rumus solvin. Meskipun bukan metode
satu-satunya tapi rumus solvin menjadi salah satu formula yang banyak digunakan untuk
menentukan jumlah sample (dari segi kuantitatif saja).

Rumus Sovlin dan Cara Menggunakannya

Sobat bisa menggunkan rumus slovin untuk mencari tahu ukuran sample yang perlu sobat
ambil. Secara matematis rumus slovin ditulis:

n = N / (1+Ne2)
Keterangan
n

jumlah

jumlah

sampel
total

populasi

e = toleransi error
Contoh Kasus

Sobat akan melakukan penelitian pada populasi sebanyak 1000 orang. Coba tentukan jumlah
sampel

yang

ingin

diambil

jika

diinginkan

akurasi

95%

dan

98%.

Jawab
Akurasi

95%,

n
n

=
=

toleransi
N

1000

/
/

(1

error

5%

(1

Ne2)

1000.

(0,05)2)

285,714286

n = 286 objek sampel

Akurasi

98%,

n
n

=
=

toleransi
N

1000

/
/

(1

error

2%

(1

Ne2)

1000.

(0,02)2)

714,286

n = 715 objek sampel

Siapa yang Menemukan Rumus Slovin

Penulis sedikit penasaran siapa sebenarnya yang pertama kali menemukan rumus slovin ini.
Setelah mencari referensi buku dan googling ternyata sampai saat ini belum ada yang tahu
persis siapa penemu rumus ini. Ketika penulis buka di foruma yahoo ternyata tidak ada yang
bisa menjawab. Sobat bisa mencobanya. Ada yang bilang Mark Slovin, ada yang mengatakan
Michael Slovin, ada juga yang bilang rumus itu berasal dari Kulkol Slovin. Mungkin
pembaca ada referensi valid siapa sebenarnya yang menemukan rumus slovin?

POPULASI DAN SAMPEL

Sumber : https://teorionline.wordpress.com/2010/01/24/populasi-dansampel/
A. Definisi
Populasi adalah wilayah generalisasi berupa subjek atau objek yang diteliti untuk dipelajari
dan diambil kesimpulan. Sedangkan sampel adalah sebagian dari populasi yang diteliti.
Dengan kata lain, sampel merupakan sebagian atau bertindak sebagai perwakilan dari
populasi sehingga hasil penelitian yang berhasil diperoleh dari sampel dapat
digeneralisasikan pada populasi.
Penarikan sampel diperlukan jika populasi yang diambil sangat besar, dan peneliti memiliki
keterbatasan untuk menjangkau seluruh populasi maka peneliti perlu mendefinisikan populasi
target dan populasi terjangkau baru kemudian menentukan jumlah sampel dan teknik
sampling yang digunakan.
B. Ukuran Sampel
Untuk menentukan sampel dari populasi digunakan perhitungan maupun acuan tabel yang
dikembangkan para ahli. Secara umum, untuk penelitian korelasional jumlah sampel
minimal untuk memperoleh hasil yang baik adalah 30, sedangkan dalam penelitian

eksperimen jumlah sampel minimum 15 dari masing-masing kelompok dan untuk penelitian
survey jumlah sampel minimum adalah 100.
Roscoe (1975) yang dikutip Uma Sekaran (2006) memberikan acuan umum untuk
menentukan ukuran sampel :
1.

Ukuran sampel lebih dari 30 dan kurang dari 500 adalah tepat untuk kebanyakan
penelitian

2. Jika sampel dipecah ke dalam subsampel (pria/wanita, junior/senior, dan sebagainya),

ukuran sampel minimum 30 untuk tiap kategori adalah tepat
3. Dalam penelitian mutivariate (termasuk analisis regresi berganda), ukuran sampel
sebaiknya 10x lebih besar dari jumlah variabel dalam penelitian
4. Untuk penelitian eksperimental sederhana dengan kontrol eskperimen yang ketat,
penelitian yang sukses adalah mungkin dengan ukuran sampel kecil antara 10 sampai
dengan 20
Besaran atau ukuran sampel ini sampel sangat tergantung dari besaran tingkat ketelitian atau
kesalahan yang diinginkan peneliti. Namun, dalam hal tingkat kesalahan, pada penelitian
sosial maksimal tingkat kesalahannya adalah 5% (0,05). Makin besar tingkat kesalahan maka
makin kecil jumlah sampel. Namun yang perlu diperhatikan adalah semakin besar jumlah
sampel (semakin mendekati populasi) maka semakin kecil peluang kesalahan generalisasi dan
sebaliknya, semakin kecil jumlah sampel (menjauhi jumlah populasi) maka semakin besar
peluang kesalahan generalisasi.
Beberapa rumus untuk menentukan jumlah sampel antara lain :
1. Rumus Slovin (dalam Riduwan, 2005:65)
n = N/N(d)2 + 1
n = sampel; N = populasi; d = nilai presisi 95% atau sig. = 0,05.
Misalnya, jumlah populasi adalah 125, dan tingkat kesalahan yang dikehendaki adalah 5%,
maka jumlah sampel yang digunakan adalah :
N = 125 / 125 (0,05)2 + 1 = 95,23, dibulatkan 95
2. Formula Jacob Cohen (dalam Suharsimi Arikunto, 2010:179)
N = L / F^2 + u + 1
Keterangan :
N = Ukuran sampel
F^2 = Effect Size
u = Banyaknya ubahan yang terkait dalam penelitian
L = Fungsi Power dari u, diperoleh dari tabel
Power (p) = 0.95 dan Effect size (f^2) = 0.1
Harga L tabel dengan t.s 1% power 0.95 dan u = 5 adalah 19.76

maka dengan formula tsb diperoleh ukuran sampel

N = 19.76 / 0.1 + 5 + 1 = 203,6, dibulatkan 203
3. Rumus berdasarkan Proporsi atau Tabel Isaac dan Michael
Tabel penentuan jumlah sampel dari Isaac dan Michael memberikan kemudahan penentuan
jumlah sampel berdasarkan tingkat kesalahan 1%, 5% dan 10%. Dengan tabel ini, peneliti
dapat secara langsung menentukan besaran sampel berdasarkan jumlah populasi dan tingkat
kesalahan yang dikehendaki.
C. Teknik Sampling
Teknik sampling merupakan teknik pengambilan sampel yang secara umum terbagi dua yaitu
probability sampling dan non probability sampling.
Dalam pengambilan sampel cara probabilitas besarnya peluang atau probabilitas elemen
populasi untuk terpilih sebagai subjek diketahui. Sedangkan dalam pengambilan sampel
dengan cara nonprobability besarnya peluang elemen untuk ditentukan sebagai sampel tidak
diketahui. Menurut Sekaran (2006), desain pengambilan sampel dengan cara probabilitas jika
representasi sampel adalah penting dalam rangka generalisasi lebih luas. Bila waktu atau
faktor lainnya, dan masalah generalisasi tidak diperlukan, maka cara nonprobability biasanya
yang digunakan.
1. Probability Sampling
Probability sampling adalah teknik pengambilan sampel yang memberikan peluang yang
sama kepada setiap anggota populasi untuk menjadi sampel. Teknik ini meliputi simpel
random sampling, sistematis sampling, proportioate stratified random sampling,
disproportionate stratified random sampling, dan cluster sampling
Simple random sampling
Teknik adalah teknik yang paling sederhana (simple). Sampel diambil secara acak, tanpa
memperhatikan tingkatan yang ada dalam populasi.
Misalnya :
Populasi adalah siswa SD Negeri XX Jakarta yang berjumlah 500 orang. Jumlah sampel
ditentukan dengan Tabel Isaac dan Michael dengan tingkat kesalahan adalah sebesar 5%
sehingga jumlah sampel ditentukan sebesar 205.
Jumlah sampel 205 ini selanjutnya diambil secara acak tanpa memperhatikan kelas, usia dan
jenis kelamin.
Sampling Sistematis
Adalah teknik sampling yang menggunakan nomor urut dari populasi baik yang berdasarkan
nomor yang ditetapkan sendiri oleh peneliti maupun nomor identitas tertentu, ruang dengan
urutan yang seragam atau pertimbangan sistematis lainnya.

Contohnya :
Akan diambil sampel dari populasi karyawan yang berjumlah 125. Karyawan ini diurutkan
dari 1 125 berdasarkan absensi. Peneliti bisa menentukan sampel yang diambil berdasarkan
nomor genap (2, 4, 6, dst) atau nomor ganjil (1, 2, 3, dst), atau bisa juga mengambil nomor
kelipatan (2, 4, 8, 16, dst)
Proportionate Stratified Random Sampling
Teknik ini hampir sama dengan simple random sampling namun penentuan sampelnya
memperhatikan strata (tingkatan) yang ada dalam populasi.
Misalnya, populasi adalah karyawan PT. XYZ berjumlah 125. Dengan rumus Slovin (lihat
contoh di atas) dan tingkat kesalahan 5% diperoleh besar sampel adalah 95. Populasi sendiri
terbagi ke dalam tiga bagian (marketing, produksi dan penjualan) yang masing-masing
berjumlah :
Marketing
Produksi
Penjualan

: 15
: 75
: 35

Maka jumlah sample yang diambil berdasarkan masing-masinng bagian tersebut ditentukan
kembali dengan rumus n = (populasi kelas / jml populasi keseluruhan) x jumlah sampel yang
ditentukan
Marketing
Produksi
Penjualan

: 15 / 125 x 95
: 75 / 125 x 95
: 35 / 125 x 95

= 11,4 dibulatkan 11
= 57
= 26.6 dibulatkan 27

Sehingga dari keseluruhan sample kelas tersebut adalah 11 + 57 + 27 = 95 sampel.

Teknik ini umumnya digunakan pada populasi yang diteliti adalah keterogen (tidak sejenis)
yang dalam hal ini berbeda dalam hal bidangkerja sehingga besaran sampel pada masingmasing strata atau kelompok diambil secara proporsional untuk memperoleh
Disproportionate Stratified Random Sampling
Disproporsional stratified random sampling adalah teknik yang hampir mirip dengan
proportionate stratified random sampling dalam hal heterogenitas populasi. Namun,
ketidakproporsionalan penentuan sample didasarkan pada pertimbangan jika anggota
populasi berstrata namun kurang proporsional pembagiannya.
Misalnya, populasi karyawan PT. XYZ berjumlah 1000 orang yang berstrata berdasarkan
tingkat pendidikan SMP, SMA, DIII, S1 dan S2. Namun jumlahnya sangat tidak seimbang
yaitu :
SMP
SMA
DIII
S1

: 100 orang
: 700 orang
: 180 orang
: 10 orang

S2

: 10 orang

Jumlah karyawan yang berpendidikan S1 dan S2 ini sangat tidak seimbang (terlalu kecil
dibandingkan dengan strata yang lain) sehingga dua kelompok ini seluruhnya ditetapkan
sebagai sampel
Cluster Sampling
Cluster sampling atau sampling area digunakan jika sumber data atau populasi sangat luas
misalnya penduduk suatu propinsi, kabupaten, atau karyawan perusahaan yang tersebar di
seluruh provinsi. Untuk menentukan mana yang dijadikan sampelnya, maka wilayah populasi
terlebih dahulu ditetapkan secara random, dan menentukan jumlah sample yang digunakan
pada masing-masing daerah tersebut dengan menggunakan teknik proporsional stratified
random sampling mengingat jumlahnya yang bisa saja berbeda.
Contoh :
Peneliti ingin mengetahui tingkat efektivitas proses belajar mengajar di tingkat SMU.
Populasi penelitian adalah siswa SMA seluruh Indonesia. Karena jumlahnya sangat banyak
dan terbagi dalam berbagai provinsi, maka penentuan sampelnya dilakukan dalam tahapan
sebagai berikut :
Tahap Pertama adalah menentukan sample daerah. Misalnya ditentukan secara acak 10
Provinsi yang akan dijadikan daerah sampel.
Tahap kedua. Mengambil sampel SMU di tingkat Provinsi secara acak yang selanjutnya
disebut sampel provinsi. Karena provinsi terdiri dari Kabupaten/Kota, maka diambil secara
acak SMU tingkat Kabupaten yang akan ditetapkan sebagai sampel (disebut Kabupaten
Sampel), dan seterusnya, sampai tingkat kelurahan / Desa yang akan dijadikan sampel.
Setelah digabungkan, maka keseluruhan SMU yang dijadikan sampel ini diharapkan akan
menggambarkan keseluruhan populasi secara keseluruhan.
2. Non Probabilty Sampel
Non Probability artinya setiap anggota populasi tidak memiliki kesempatan atau peluang
yang sama sebagai sampel. Teknik-teknik yang termasuk ke dalam Non Probability ini antara
lain : Sampling Sistematis, Sampling Kuota, Sampling Insidential, Sampling Purposive,
Sampling Jenuh, dan Snowball Sampling.
Sampling Kuota,
Adalah teknik sampling yang menentukan jumlah sampel dari populasi yang memiliki ciri
tertentu sampai jumlah kuota (jatah) yang diinginkan.
Misalnya akan dilakukan penelitian tentang persepsi siswa terhadap kemampuan mengajar
guru. Jumlah Sekolah adalah 10, maka sampel kuota dapat ditetapkan masing-masing 10
siswa per sekolah.
Sampling Insidential,

Insidential merupakan teknik penentuan sampel secara kebetulan, atau siapa saja yang
kebetulan (insidential) bertemu dengan peneliti yang dianggap cocok dengan karakteristik
sampel yang ditentukan akan dijadikan sampel.
Misalnya penelitian tentang kepuasan pelanggan pada pelayanan Mall A. Sampel ditentukan
berdasarkan ciri-ciri usia di atas 15 tahun dan baru pernah ke Mall A tersebut, maka siapa saja
yang kebetulan bertemu di depan Mall A dengan peneliti (yang berusia di atas 15 tahun) akan
dijadikan sampel.
Sampling Purposive,
Purposive sampling merupakan teknik penentuan sampel dengan pertimbangan khusus
sehingga layak dijadikan sampel. Misalnya, peneliti ingin meneliti permasalahan seputar daya
tahan mesin tertentu. Maka sampel ditentukan adalah para teknisi atau ahli mesin yang
mengetahui dengan jelas permasalahan ini. Atau penelitian tentang pola pembinaan olahraga
renang. Maka sampel yang diambil adalah pelatih-pelatih renang yang dianggap memiliki
kompetensi di bidang ini. Teknik ini biasanya dilakukan pada penelitian kualitatif.
Sampling Jenuh,
Sampling jenuh adalah sampel yang mewakili jumlah populasi. Biasanya dilakukan jika
populasi dianggap kecil atau kurang dari 100. Saya sendiri lebih senang menyebutnya total
sampling.
Misalnya akan dilakukan penelitian tentang kinerja guru di SMA XXX Jakarta. Karena
jumlah guru hanya 35, maka seluruh guru dijadikan sampel penelitian.
Snowball Sampling
Snowball sampling adalah teknik penentuan jumlah sampel yang semula kecil kemudian
terus membesar ibarat bola salju (seperti Multi Level Marketing.). Misalnya akan
dilakukan penelitian tentang pola peredaran narkoba di wilayah A. Sampel mula-mula adalah
5 orang Napi, kemudian terus berkembang pada pihak-pihak lain sehingga sampel atau
responden teruuus berkembang sampai ditemukannya informasi yang menyeluruh atas
permasalahan yang diteliti.
Teknik ini juga lebih cocok untuk penelitian kualitatif.
C. Yang perlu diperhatikan dalam Penentuan Ukuran Sampel
Ada dua hal yang menjadi pertimbannga dalam menentukan ukuran sample. Pertama
ketelitian (presisi) dan kedua adalah keyakinan (confidence).
Ketelitian mengacu pada seberapa dekat taksiran sampel dengan karakteristik populasi.
Keyakinan adaah fungsi dari kisaran variabilitas dalam distribusi pengambilan sampel dari
rata-rata sampel. Variabilitas ini disebut dengan standar error, disimbolkan dengan S-x
Semakin dekat kita menginginkan hasil sampel yang dapat mewakili karakteristik populasi,
maka semakin tinggi ketelitian yang kita perlukan. Semakin tinggi ketelitian, maka semakin

besar ukuran sampel yang diperlukan, terutama jika variabilitas dalam populasi tersebut
besar.
Sedangkan keyakinan menunjukkan seberapa yakin bahwa taksiran kita benar-benar berlaku
bagi populasi. Tingkat keyakinan dapat membentang dari 0 100%. Keyakinan 95% adalah
tingkat lazim yang digunakan pada penelitian sosial / bisnis. Makna dari keyakinan 95%
(alpha 0.05) ini adalah setidaknya ada 95 dari 100, taksiran sampel akan mencerminkan
populasi yang sebenarnya.
D. KESIMPULAN :
Dari berbagai penjelasan di atas dapat kita simpulkan bahwa teknik penentuan jumlah sampel
maupun penentuan sampel sangat menentukan keberhasilan pencapaian tujuan dari
penelitian. Dengan kata lain, sampel yang diambil secara sembarangan tanpa memperhatikan
aturan-aturan dan tujuan dari penelitian itu sendiri tidak akan berhasil memberikan gambaran
menyeluruh dari populasi.
REVISI TULISAN
Saya merevisi teknik sampling, dan memasukkan teknik sistematis ke dalam probability
sampling berdasarkan rujukan buku Uma Sekaran. 2006. Metode Penelitian Bisnis. Jakarta :
Salemba Empat
Beberapa Teknik Penentuan Ukuran Sampel Lainnya

Tabel jumlah sampel Isaac n Michael

TABEL SAMPEL KREJCIE DAN MORGAN

Sample Size bartlett kotrlik higgins dengan pendekatan Cohrans Formula

Baca juga

Ukuran sampel penelitian kualitatif

Penentuan ukuran sampel menurut para ahli di teorionline.net

Jurnal rujukan untuk menentukan ukuran sampel

Dirangkum dari :
Arikunto Suharsimi. 2005. Manajemen Penelitian. Jakarta : Rineka Cipta
Arikunto Suharsimi. 2010. Prosedur Penelitian : Suatu Pendekatan Praktis, edisi revisi 2010.
Jakarta : Rineka Cipta
Riduwan. 2005. Belajar Mudah Penelitian Untuk Guru, Karyawan dan Peneliti Pemula,
Bandung : Alfabeta.

Uma Sekaran. 2006. Metode Penelitian Bisnis. Jakarta : Salemba Empat.

Sugiyono. 2007. Metode Penelitian Administasi. Bandung : Alvabeta.
Note : Materi yang ditulis dalam artikel ini secara lebih lengkap dapat anda dapatkan di buku
kami yang baru terbit.

RUMUS PENENTUAN JUMLAH SAMPEL

Sumber : http://skripsimahasiswa.blogspot.co.id/2012/12/rumus-penentuanjumlah-sampel.html

Beberapa rumus untuk menentukan jumlah sampel antara

lain :
1. Formula Slovin (dalam Riduwan, 2005:65)
N = n/N(d)2 + 1
Keterangan :

n = sampel;

N = populasi;

d = nilai presisi 95% atau sig. = 0,05.

Misalnya, jumlah populasi adalah 125, dan tingkat kesalahan

yang dikehendaki adalah 5%, maka jumlah sampel yang
digunakan adalah :

N = 125 / 125 (0,05)2 + 1 = 95,23, dibulatkan 95

2. Formula Jacob Cohen (dalam Suharsimi Arikunto,
2010:179)
N = L / F^2 + u + 1
Keterangan :

N = Ukuran sampel

F^2 = Effect Size

u = Banyaknya ubahan yang terkait dalam penelitian

L = Fungsi Power dari u, diperoleh dari tabelPower (p) =

0.95 dan Effect size (f^2) = 0.1

Harga L tabel dengan t.s 1% power 0.95 dan u = 5 adalah

19.76

Maka dengan formula tsb diperoleh ukuran sampel N =

19.76 / 0.1 + 5 + 1 = 203,6, dibulatkan 203
3. Ukuran Sampel berdasarkan Proporsi (Tabel Isaac dan
Michael)
Tabel penentuan jumlah sampel dari Isaac dan Michael
memberikan kemudahan penentuan jumlah sampel
berdasarkan tingkat kesalahan 1%, 5% dan 10%. Dengan tabel
ini, peneliti dapat secara langsung menentukan besaran
sampel berdasarkan jumlah populasi dan tingkat kesalahan
yang dikehendaki.
4. Cohrans Formula
Data Continues
N = (t^2) * (s^2) / (d^2)

dimana,

N = ukuran sampel,

t = nilai t berdasarkan alpha tertentu,

s = standard deviasi dari populasi, dan

d = margin error

Contoh :
(1.96)^2 (1.167)^2 / (7*.03)^2 = 118
Data Kategori
N = (t)^2 * (p)(q) / (d)^2
Dimana,

N = ukuran sampel,

t = nilai t berdasarkan alpha tertentu,

(p)(q) = estimate of variance,

d = margin of error yang diterima

Contoh :
(1.96)^2(0.5)(0.5) / (.05) ^ 2 = 384
5. Formula Lemeshow Untuk Populasi tidak diketahui
n = Z^2 P(1 P)/d^2
dimana

z = 1.96

p = maximal estimasi = 0.5

d = alpha (0.05)

Dengan demikian
1.96^2 . 0.5 (1-0.5) / 0.05^2= 384