SAMPLING ACAK SEDERHANA

1. Arti Sampling Acak Sederhana Dan Cara Memilih Elemen Anggota Sampel
Tujuan untuk meneliti suatu sampel melalui kegiatan suatu survey (biasanya dilakukan di
lapangan untuk ilmu social dan ekonomi) atau eksperimen (dalam laboratorium seperti penelitian
kimia, fisika, biologi, bias juga di lapangan seperti penelitian di bawah, di tambak untuk
pertanian bahan pangan dan perikanan) ialah untuk menarik suatu kesimpulan tentang suatu
populasi yang sedang diteliti (seluruh petani, seluruh perguruan tinggi swasta, seluruh tanaman,
seluruh bibit ikan), kesimpulan mana di dasarkan pada informasi atau data yang diperoleh dari
penelitian sampel yang dipilih secara acak dari populasi tersebut.

Ada dua factor yang mempengaruhi mutu informasi sebagai hasil penelitian sampel
sehingga akan mempengaruhi mutu kesimpulan yang akan dibuat oleh peneliti
 Factor pertama yaitu besarnya sampel yang ditarik dari populasi atau besarnya nilai n yang
diambil dari N.
 Factor kedua yaitu besarnya tingkat variasi dari data perkiraan yang diukur dengan
kesalahan baku atau standard error. Yang kedua ini dapat diatasi dengan dengan jalan
mengontrol cara pemilihan sampel. Prosedur atau tata cara pemilihan sampel diebut desain
atau rancangan survey sampel.

Untuk sampel dengan n tertentu, akan ditinjau berbagai rancangan sampling atau

prosedur sampling atau prosedur sampling untuk memperoleh n observasi .

Oleh karena penelitian nilai observasi tersebut memerlukan biaya, maka didalam prakteknya
perlu dipilih suatu rancangan atau desain sampling yang efisien artinya dengan biaya yang
relative rendah akan tetapi mempunyai tingkat ketelitian yang tinggi. Tingkat efisiensi suatu
sampling harus dibandingkan antara desain sampling yang satu dengan lainnya.

Definisi 1.1
Kalau suatu sampel dengan n elemen dipilih dari suatu populasi dengan N elemen
sedemikian rupa sehingga setiap kemungkinan sampel dengan n elemen mempunyai kesempatan
yang sama untuk terpilih, prosedur sampling yang demikian disebut paling acak sederhana
(simple random sampling). Sampel yang dipilih dengan cara demikian disebut sampel acak
sederhana (simple random sample) atau disingkat SAS.

Syarat utama agar suatu sampel mempunyai sifat acak, pemilihan harus melalui proses
acak, pemilihan harus melalui proses acak, yaitu suatu proses yang hasilnya dapat diketahui
sebelumnya dengan pasti yaitu misalnya dengan lotere, undian atau menggunakan table bilangan
acak.

1.2 Cara Pemilihan Elemen Anggota Sampel

Cara memilih elemen anggota sampel, antar lain sebagai berikut:

a. Dengan cara lotere (elemen populasi sedikit, katakana 100 atau kurang)
Misalnya N = 100, n = 15.
Ambil serratus potong kertas diberi nomor 1 s/d 100. Kertas dilipat dimasukkan ke
kotak, kotak dikocok diambil 1 potong, dilihat angkanya, katakan 30, berarti elemen
(dokumen, responden) yang ke 30 terpilih.

Perhatian
Apabila pemilihan elemen dilakukan dengan pengembalian kembali (with
replacement) elemen yang sudah terpilih di masukkan ke kotak (dikembalikan) lagi, sehingga
bias terpilih kembali. Akan tetapi kalua tanpa pengembalian, elemen yang sudah terpilih tak
perlu dikembalikan lagi kekotak, jadi tak mungkin terpilih lagi.

Selanjutnya, sebelum pengembalian elemen yang diwakili oleh potongan kertas,

harus dikocok dulu, kemudian diambil satu potong lagi, dilihat angkanya, misalnya angka 45,
berarti elemen atau dokumen yang ke 45 terpilih. Proses ini dilanjutkan, dikocok, diambil,
dilihat nomor atau angka yang tercantum dalam kertas yang terpilih, sampai terpilih elemen
sebanyak n, yang dalam contoh ini n = 15, mungkin hasilnya sebagai berikut:
30, 45, 50, 15, 10
90, 80, 75, 55, 60
20, 25, 35, 18, 26.

(ini merupakan salah satu dari K kemungkinan sampel dimana

b. Dengan menggunakan table bilangan acak

Tabel bilangan acak ialah table yang memuat bilangan atau angka-angka sedemikian
rupa sehingga dapat dipergunakan untuk memilih sampel secara acak. Table bilangan acak
terdiri dari beberapa kolom dan baris. Setiap baris dan setiap kolom dalam blok terdapat satu
angka. Apabila elemen atau dokumen dalam populasi belum diberi nomor, maka untuk
penghematan kolom elemen-elemen harus diberi nomor sebagai berikut:

Untuk , nomor 0, 1, 2, ...,9 cukup satu kolom

Untuk , nomor 00, 01, 02, ...,99 cukup 2 kolom

Untuk , nomor 000, 001, 002, ...,999 cukup 3 kolom

Untuk , nomor 0000, 0001, 0002, ...,9999 cukup 4 kolom

Apabila elemen atau dokumen dalam populasi belum diberi nomor, maka nomor
dokumen ini harus diadakan penyesuaian dengan nomor table bilangan acak.

Penentu Arah Bergerak (Route)

Arah gerak (route) menentukan, angka mana yang harus diambil dengan cara
membaca table. Untuk dokumen bernomor tiga angka, dapat dipergukan 3 pertama, 3 yang
ditengah atau 3 terakhir.

Penentuan Elemen Pertama

Penentuan angka yang pertama caranya dengan jalan menjatuhkan pensil yang
runcing dengan mata tertutup; cara ini disebut “blind stab” yang artinya menusuk dengan
mata tertutup. Ujung pensil akan menyentuh salah satu angka pada baris, kolom dan blok
tertentu. Guna melengkapi angkanya dapat ditambah beberapa angka disebelah kiria atau
kanannya (disamping atau sebelahnya).

Pertimbangan Khusus dalam Penggunaan Bilangan Acak

 Akan timbul kerusakan apabila terjadi banyak angka yang harus dibuang (discards),
sebab kemungkinan angkanya akan berkurang. Tidak dipakainya satu angka karena terletak
diliar nomor dokumen (lebih kecil atau lebih besar).

Ilustrasi
Seorang ahli sosiologi pedesaan ingin meneliti kehidupan petani, khususnya untuk
mengetahui apakah mereka berada di bawah garis kemiskinan atau tidak dan berapa persen
yang berada di bawah garis kemiskinan. Dari kepala desa dia memperoleh daftar rumah
tangga petani sebagai kerangka sampling (sampling frame) sebanyak N =100 rumah tangga.
Ahli sosilogi tersebut bermaksud memilih sampel sebanyak n = 20 rumah tangga.
Bagaimana cara memilihnya.

Pemecahan
Pemberian nomor rumah tangga ada dua cara untuk menghemat kolom table bilangan
acak yaitu:
1) Mulai dari 000, 001, ..., 999. Angka 000 untuk rumah tangga pertama dan 9999 untuk
rumah tangga yang keseribu.
2) Mulai dari 001, 002, ..., 999. Angka 001 untuk rumah tangga yang pertama dan 000 untuk
rumah tangga yang keseribu.

Berdasarkan table bilangan acak dari lampiran, setelah pensil dijatuhkan ujungnya
menyentuh angka di blok 4 dibaris 2 kolom 3 yaitu angka 5. Kita pergunakan tiga angka
pertama yaitu 515.

Kita pergunakan cara penomoran (1), sampel yang terpilih ialah:

515, 658, 829, 175, 085
649, 345, 487, 080, 922
359, 345, 487, 097, 282
022, 715, 436, 248, 545

2. Cara Membuat Perkiraan Rata-Rata Dan Total

Tujuan penelitian sampel baik melalui kegiatan atau servei atau eksperimen adalah untuk
membuat/menarik kesimpulan tentang populasi dari mana sampel dipilih/diambil. Salah satu cara
ialah membuat perkiraan (dugaan taksiran) mengenai parameter tertentu, misalnya rata-rata (=U)
atau (=T). Atau menguji suatu hipotesis sebagai pernyataan nilai parameter, misalnya

Dimana dan masing-masing hipotesis nol dan alternative. Di dalam sub bab ini

akan dibuat perkiraan tunggal tentang rata-rata dan total, perkiraan interval, rata-rata dan total.

Tingkat keyakinan yang digunakan atau 95% dan nilai factor keyakinan

(dibulatkan) untuk tingkat keyakinan yang lain tentu saja factor

keyakinan juga lain dan harus dilihat pada table normal. Misalnya untuk tingkat keyakinan 90%,

; setiap perkiraan interval akan dinyatakan dalam nilai batas bawah (NBB)

dan nilai batas atas (NBA), dengan rumus umum.

= Theta topi = pemeriksa (estimator)

= theta = parameter, misalnya U, T

KS = kesalahan sampling

factor keyakinan
 perkiraan kesalahan baku (standar error)

Perlu diketahui, bahwa perkiraan yang dibuat berdasarkan informasi (data) dari hasil
penelitian sampel, merupakan perkiraan yang mengandung kesalahan sampling, jadi kesimpulan
yang ditarik 100% benar akan tetapi mengandung unsur ketidakpastian.

2.1. Cara Membuat Perkiraan Rata-rata (=U)

Sampel berasal dari populasi terbatas (finite population) dengan N elemen, diambil
sampel secara acak sebanyak n elemen dengan cara tanpa pengambilan, sehingga perlu
diperhitungkan faktor koreksi untuk populasi terbatas sebesar

N n N n
 , nilai N cukup besar sehingga N-1 mendekati N.
N 1 N

Populasi: X 1 , X 2 ,..., X i ,...., X N

1 N 1
U   ( X 1  X 2  .....  X i  ...  N n )
N i 1 N

Sampel : X 1 , X 2 ,..., X i ,...., X n

1 N 1
X  
n I 1
X i  ( X 1  X 2  ..., X i  ....  X n )
n
X = Perkiraan tunggal (point estimate) untuk U.
2 S2 N  n 2
Sx  , S x  S x , ( KS ) x  Z  / 2 S x
n N

S2 
1 N
 
n  1 i 1
 1
Xi  X , X   Xi
2

n
Atau

1  2  X i  
2

S 2
 i  
n 1  n 


Perkiraan Interval U dengan tingkat keyakinan sebesar (1   ) .

n  30 X  Z / 2 S x  U  X  Z / 2 S x
n  30 X Z / 2 S
x
 U  X  Z / 2 S
x
atau

U  X  B, dimana B  Z  / 2 S x  kesalahan sampling

S x = perkiraan kesalahan (galat) baku atau standart error ( X ) .

Untuk n  30 harus dipergunakan tabel t, Z  / 2 diganti dengan t / 2 dari tabel t dengan

df  n  1 .

Catatan:
1. Di dalam setiap contoh soal, tingkat keyakinan 95 % dan nilai Z / 2 diambil 2. Juga
walaupun dipergunakan tabel t, misalnya untuk n  9, df  n  1  8, t / 2  t 0,025  2,262
dibulatkan menjadi 2.

^
2. Di dalam beberapa hal (KS)
 = B, sebagai batas kesalahan sampling tertinggi. Jadi dalam
^
contoh ini karena  B  2 S x (dua kesalahan baku).
  X , maka (KS) X

3. Faktor koreksi untuk populasi terbatas, harus dipergunakan kalau banyaknya elemen sampel
(=n) 5% atau kurang dari elemen populasi N, yaitu kalau n  0,05 N    n  5% N atau
kalau
( N  n) / N  0,95

Aturan ini sebetulnya tidak mutlak, bisa juga kalau n<0,05 N atau bahkan kalau n<0,01.
Penentuan aturannya terserah pada peneliti
S
4. Apabila faktor koreksi tak dipergunakan, bentuk rumus menjadi lebih sederhana S x 
n
dan biasanya ini lebih sering dipergunakan.

Contoh Soal
Badan LITBAG departemen perindustrian akan mengetahui rata-rata modal perusahaan
nasional dalam rangka untuk membuat “appraisal” kemungkinan perkembangannya. Untuk
menghemat biaya, dipergunakan tehnik sampling acak sederhana. Perusahaan nasional yang
dipilih sebagai sampel acak sebanyak n = 200 dari N = 1000 perusahaan yang ada.
Dengan tingkat keyakinan 95%, buat perkiraan interval rata-rata modal perusahaan nasional
(pergunakan Z  / 2  Z 0, 025  2)

Penyelesaian:
Misalnya dari sampel sebanyak n = 200 yaitu: X 1 , X 2 ,...., X i ,..., X n , ( X i  perusahaan
i, jutaan Rp), sudah dihitung dan diperoleh hasil.

X  94,22 dan S 2  445,21

S 2 ( N  n)
2S x  2
n N

445,21 (1000  200)

2
200 1000

 2 1,7808
 2,67

U 1  X  2 S x  94,22  2,67  91,55

U 2  X  2 S x  94,22  2,67  96,89

Jadi dengan tingkat keyakinan sebesar 95%, diharapkan interval antara Rp. 91,55 juta s/d
Rp 96,89 juta akan memuat rata-rata modal perusahaan yang sebenarnya (=U).

(probabilitas bahwa kesalahan sampling, sebesar Rp 2,67 juta atau kurang sebesar 95%,
sedangkan probabilitas bahwa kesalahan sampling lebih besar dari Rp. 2,67 sebesar 5%).

2.2 Cara Membuat Perkiraan Interval Total (=T)

Di dalam penelitian disamping ingin mengetahui rata-rata, seorang peneliti untuk
keperluan perencanaan mungkin perlu juga mengetahui jumlah. Misalnya untuk keperluan
perencanaan produksi peneliti pasar tidak hanya ingin mengetahui rata-rata permintaan per
rumah tangga mengenai sejenis barang konsumsi akan tetapi berapa jumlahnya.

Populasi: X 1 , X 2 ,....., X i ,...., X N

N
T   X i  X 1  X 2  ...  X i  ....  X N
i 1
 Sampel: X 1 , X 2 ,....., X i ,...., X n

1 ^
X 
n
 X i dan
T  XN
^ 1 1
T  X .N  Perkiraan tunggal untuk total (T), Oleh karena U 
N
X i 
N
T , maka T  U .N .

^
N banyaknya elemen populasi tak dapat diperkirakan. Untuk memperkirakan total (T  topi), yang
diperkirakan U nya yaitu dengan X . Ingat bahwa total perkiraan tidak sama dengan total dari
sampel.

^ n
T  XN  t   Xi
i 1

Perkiraan interval T dengan tingkat keyakinan (1-a)

^
^ ^
n  30
T Z / 2 S   T  T  Z / 2 S T
T

^ ^
n  30 T  t  / 2 S ^  T  T  t / 2 S ^
T T

Atau
^ B  Z / 2 S ^
T  T  B dimana T

S ^  kesalahan baku (standart error) ^

T T

N 2S 2 N  n
S ^  NS x
T n N 1
Contoh Soal
 Dengan menggunakan contoh soal III.1 buat perkiraan total atau jumlah modal,
pergunakan tingkat keyakinan 95%.

Penyelesaian:
^
T  X N  94,22(1000)  94,220
S 2 ( N  n)
S ^  NS x  N 2
T n N
(445,21) (1000  200)
B  2 S ^  2 (1000) 2
T 200 1000

 2 (1000.000)( 2,22605)(0,8)
 2 178.084
 844

^
NBB  TI  T  B  94.200  844  93.356
^
NBA  TII  T  B  94.200  844  95.044

Jadi dengan tingkat keyakinan sebesar 95% diharapkan interval antara Rp93.356 juta s/d
Rp 95.044 juta, akan memuat jumlah modal yang sebenarnya (=T).

2.3 Cara menetukan besarnya sampel   n  untuk membuat perkiraan rata-rata dan total
Suatu hasil penelitian berupa data perkiraan disebut mewakili kalau perkiraan tersebut
dekat dengan parameter yang akan diperkirakan. Istilah mewakili ini mempunyai arti relative,
artinya kalau nilai parameter 100, data perkiraan sebesar 99 dikatakan lebih mewakili daripada
data bernilai 95 atau 90. Jadi erat hubungannya dengan pengertian tingkat ketelitian, makin teliti
suatu perkiraan berarti makin dekat dengan nilai parameter. Mungkin suatu bidang tertentu
kesalahan sampling sebesar 5% sudah dianggap cukup baik, cukup teliti, sedangkan bidang
lainnya mungkin memerlukan tingkat ketelitian yang lebih tinggi dengan kesalahan sampling
yang lebih kecil misalnya 1% atau kurang.

Oleh karena itu dalam prakteknya cukup ditentukan besarnya nilai B = batas kesalahan

sampling tertinggi (bound of error) dimana B = 2 S x untuk tingkat keyakinan 95%. Tingkat
variasi atau heteroginitas populasi dinyatakan dalam standard error s x dan di samping itu
besarnya sampel juga dipengaruhi N = banyaknya elemen populasi yang akan diambil
sampelnya.

Untuk menentukan nilai n = besarnya sampel guna memperkirakan parameter U dengan

kesalahan sampling yang ditolerir sebesar B kita harus memecahkan persamaan berikut ini untuk
mencari nilai n.

2s x  B, s x  s x2

s2 �N  n �
s x2  �  Varian  X 
�
n �N  1 �
S 2 �N  n �
S x2  �
n �N �
�= Perkiraan varians X  
2s x  B

s 2 �N  n �
2 � � B
n �N  1 �
Untuk mencari n kuadrat masing-masing suku.
s 2 �N  n � 2
4 � � B
n �N  1 �

s 2 �N  n � B 2
� � , kalau D = B 2 , maka
n �N  1 � 4

N s 2  ns 2
D
n  N  1
N s 2  ns 2  n  N  1 D
N s 2  n  N  1 D  ns 2
 N  1 D  s 2 �
n�
� �
Ns 2 B2
n , D 
 N  1 D  s 2 4

Di dalam prakteknya, n tak bisa dicari sebab tergantung pada nilai s 2 yaitu varians
populasi. Bagaimana pun juga agar dapat menghitung n, nilai s 2 harus diperkirakan, misalkan
berdasarkan masa lampau atau berdasarkan rumus tertentu sebagai suatu pendekatan rumus
tertentu sebagai suatu pendekatan.

Contoh
Didalam penelitian sector industry ingin mengetahui rata-rata modal perusahaan besar.
Untuk keperluan ini ingin diketahui berapa besar sampel apabila kesalahan sampling terbesar Rp
3 juta, (merupakan batas kesalahan sampling yang ditolerir).

Berdasarkan rumus untuk menentukan n ternyata tergantung pada s 2 yang tidak

diketahui nilainya. Seluruhnya ada 1000 perusahaan sebagai populasi dan jarak (range) nilai
terbesar dengan yang terkecil sebesar Rp 100 juta, ini merupakan gambaran kasar tentang tingkat
variasi populasi.
Pemecahan Karena s 2 tak diketahui harus diperkirakan. Pelu dicatat bahwa menurut aturan

empiris (empirical rule), besarnya jarak (range) nilai observasi sekitar 4 simpangan baku   4s 

dengan demikian seperampat range merupakan perkiraan yang cukup baik bagi s
range 100
Jadi s    25
4 4

Dan s 2   25  625

2

Dengan menggunakan rumus di atas untuk menghitung n

Ns 2 E 2 32 4
n , nilai D    2, 25
 N  1 D  s 2 4

1000  625 
  217,56 �218
999  2, 25  625

Jadi untuk memperkirakan rata-rata modal perusahaan, agar kesalahan sampling terbesar
Rp 3 juta, simpangan baku Rp 25 juta dan tingkat keyakinan untuk menjamin hasil penelitian
sebesar 95%, harus diteliti sebanyak 218.

Perhatikan
 B2
D , angka 4 diperoleh karena tingkat keyakinan 95%, dimana Z /2  Z 0,025  1,96 dan
4

dibulatkan menjadi 2  2  4  . Untuk tingkat keyakinan lainnya nilai D tergantung pada Z /2

2

maka dari itu secara umum cara perhitungan D sebagai berikut

2
�B �
D� �
�Z /2 �

Seperti halnya menentukan n untuk memperkirakan rata-rata kita harus menyamakan 2s T�  B

dan mencari n.

s2 N n
2s T�  2s N X  2 N 2 B
n N 1

N 2s 2  N  n  B2
Kuadratkan 
n  N  1 4

s 2 N  s 2n B2
 D
n  N  1 aN 2
s 2 N  s 2 n  n  N  1 D
 N  1 D  s 2 �
n�
� � s N
2

Ns 2 B2
n , berbeda dengan n untuk memperkirakan rata-rata di mana D  dalam
 N  1 D  s 2 4

B2
hal untuk memperkirakan total, D  .
4N 2

2.4 Membuat Perkiraan Proporsi (= Persentase)

Persentase = proporsi X 100%, misalnya berapa persen bibir bandeng yang bisa hidup
setelah ditaburkan dalam tambak; berapa % bibit tanaman hias yang bisa tumbuh setelah
ditanam, berapa % ikan hias yang bisa tahan hidup setelah satu minggu dala aquarium, berapa %
barang yang rusak, berapa % barang yang laku dijual (sisa) setelah batas waktu habis, berapa %
nasabah suatu bank yang tak puas, berapa % tamu hotel yang tak puas dengan pelayanan, berapa
% pembeli yang tak senang terhadap barang yang dibelinya, berapa % petani yang dibawah garis
kemiskinan. Dan lain sebagainya.
 Kalau kita perhatikan seluruh proporsi atau persentase tersebut diatas menunjukkan suatu
karakteristik atau ciri eksperimen binomial, suatu observasi termasuk atau tidak termasuk
kategori tertentu yaitu kategori yang sedang kita perhatikan, misalnya barang dikategorikan
menjadi dua yaitu rusak dan tidak rusak, nasabah puas dan tidak puas, petani dibawah garis
kemiskinan atau tidak.

Apabila suatu observasi termasuk kategori sukses Xi =1 dan kalau gagal Xi =0

Seperti yang kita ketahui proporsi sebenarnya dari suatu populasi = P sedangkan dari
sampel sebagai proporsi perkiraan = P sebagai perkiraan U dimana

U= ∑1-1 Xi dan X = ∑1-1 Xi maka,

Xi = 1, kalau sukses (sesuai dengan karakteristik yang diamati)

Xi = 0, kalau tidak sukses (gagal)
Apabila A= banyak elemen populasi yang termasuk kategori sukses

P= = proporsi sukses

Apabila a = banyaknya elemen sampel yang termasuk kategori sukses

Ṕ = = = banyaknya elemen sampel yang termasuk kategori sukses dibagi banyak

elemen sampel
Ậ = N Ṕ = perkiraan tunggal A
Logikanya Ṕ = = Ẋ yaitu rata rata perkiraan dari variabel X yang nilainya 1 atau 0. Untuk

populasi P = = U, yaitu rata-rata sebenarnya (parameter) dari variabel yang bernilai 0

atau 1

Contoh soal :
Seorang ahli sosiologi pedesaan ingin mengetahui berapa proporsi rumah tangga petani yang
berada dibawah garis kemiskinan. Dari 300 rumah tangga petani sebagai populasi dipilih sampel
acak sebanyak 100 orang petani.
Xi = 1, kalau petani dibawah garis kemiskinan
= 0, kalau tidak.
I = 1,2,....., n = 100
Hasil penelitian menunjukkan nilai X sebagai berikut :
No. Urut petani X
1 1
2 0
3 0
4 1
5 0
. .
. .
. .
. .
96 0
97 0
98 1
99 0
100 1

∑ i=1 Xi =15, dengan tingkat kenyakinan 0,95 buat perkiraan iterval untuk P dan A.
Pemecahan :
N = 300, n =100
Ṕ= ∑ Xi = = 0,15 , Ố = 1 -0,15 = 0,85

Ậ = NP = 300(0,15) = 45

B =2Sṕ =

= 2(0,293) = 0,059
NBB = PI = Ṕ - B = 0,15-0,059 = 0,091 (=9%)
NBA = PII= Ṕ + B = 0,15 + 0,059 = 0,209 (=21%)

Dengan tingkat keyakinan 95% diharapkan persentase rumah tangga petani yang berada dibawah
garis kemiskinan antara 9% s/d 21%.

Probabilitas bahwa kesalahan samplinb sama atau lebih kecil dari 0,059 atau 5,9 sebesar
95% sedangkan probabilitas kesalahan sampling lebih dari 5,9 hanya 5%.

2.5 Menentukan Besarnya Sampel Untuk Memperkirakan Proporsi

Telah ditunjukan bahwa proporsi P dari populasi merupakan U( - rata-rata) dari variable x
dengan nilai 0 dan 1. Untuk memperkirakan U yaitu dengan rumus:

Dimana:

Oleh karena varian untuk variable x dengan nilai 0 dan 1 sebesar PQ, maka untuk

menentukan n dalam rangka memperkirakan P tinggal mengganti-ganti denagn PQ sedangkan

untuk memperkirakan A mengganti dengan PQ.

 Jadi untuk menentukan besarnya sampel guna memperkirakan proporsi P dan A dengan
tingkat keyakinan 95% dan atas kesalahan sampling B harus dipergunakan rumus berikut :

Untuk p:

Dimana:

A=NP

, D

Perhatikan
Rumus untuk menentukan n tergantung pada P yang sering tak diketahui nilainya .apabila tak
diketahui bisa pergunakan nilai P berdasarkan penelitian masa lampau atau kalau inipun tak ada
pergunakan P = 0, 50.