berdasarkan dengan populasinya, kita pasti akan memerlukan sebuah sampel sebagai perwakilan
dari keseluruhan populasi pada objek tersebut.
Pengertian Rumus Slovin
Rumus Slovin adalah Suatu sistem matematis yang digunakan untuk menghitung jumlah dari
sebuah populasi objek tertentu yang belum diketahui karakteristiknya secara pasti.
Rumus ini diperkenalkan pertama kali oleh seorang Ilmuwan Matematis yang
bernama Slovin, pada tahun 1960. Rumus Slovin ini biasa digunakan untuk sebuah penelitian
pada suatu objek tertentu dalam jumlah populasi yang besar, sehingga digunakanlah untuk
meneliti pada sebuah sampel dari populasi objek yang besar tersebut.
Rumus Slovin & Cara Menghitungnya
Setelah kita mengetahui pengertian dari Rumus Slovin, berikutnya dalam menghitung pada
jumlah populasi suatu objek tertentu, kita pasti memerlukan sebuah formula atau rumus untuk
menghitung sampel dari jumlah objek yang akan kita jadikan sebuah penelitian, sebagai berikut :
n = Jumlah Sampel
e = Toleransi Error
Dalam penggunaan Rumus Slovin ini, hal yang pertama kali harus kita lakukan, yaitu
Menetapkan Taraf Keyakinan atau Confidence Level (…%) terhadap hasil kebenaran, atau Taraf
Signikansi Toleransi Kesalahan (0,…) yang akan terjadi.
Penjelasan :
Taraf Keyakinan 95% akan kebenaran hasil (yakin bahwa penelitian yang kita lakukan 95%
benar) dan Taraf Signifikansi 0,05 (memastikan bahwa hanya 5% saja kesalahan yang akan
terjadi).
Contoh Soal Slovin
Contoh Pertama :
Seorang Produsen akan melakukan sebuah penelitian terhadapat Karyawannya yang berjumlah
1.000 orang, dan Taraf Signifikansinya 0,05 pada suatu perusahaan. Maka berapakah besarnya
sampel menurut Rumus Slovin sebagai berikut ini.
Jawaban :
n = N (1 + N e2)
1.000 = (1 + 1.000 x 0,05 x 0,05)
= 286 Karyawan
Rumus Slovin ini tentu mempersyaratkan anggota populasi (populasi) itu diketahui jumlahnya
(simbulnya N).
Dalam bahasa saya disebut populasi terhingga. Jika populasi tidak diketahui jumlah anggotanya
(populasi tak terhingga), maka rumus ini tak bisa digunakan. Lebih-lebih jika populasinya tak
jelas (tidak diketahui keberadaannya, apalagi jumlahnya, misalnya orang yang korupsi atau nikah
siri). Teknik sampling yang digunakan pun tentu tak bisa teknik yang bersifat random
(“probability sampling”), harus menggunakan teknik yang sesuai (quota, purposive, snowball,
accidental dsb.)
Chi Square adalah salah satu jenis uji komparatif non parametris yang dilakukan pada dua
variabel, di mana skala data kedua variabel adalah nominal.
Pada artikel ini, akan fokus pada rumus untuk tabel kontingensi lebih dari 2 x 2,
yaitu rumus yang digunakan adalah “Pearson Chi-Square”.
Rumus Uji Chi Square
Membuat Frekuensi Kenyataan (F0) Rumus Chi Square
Dari tabel di atas, kita inventarisir per cell untuk mendapatkan nilai frekuensi
kenyataan, sebagai berikut:
Membuat Kuadrat Frekuensi Kenyataan Rumus Chi Square
Langkah berikutnya adalah menghitung Kuadrat dari Frekuensi
Kenyataan dikurangi Frekuensi Harapan per cell.
1. Fh cell a = 5,444/8,667 = 0,628
2. Fh cell b = 5,444/11,333 = 0,480
3. Fh cell c = 5,760/10,400 = 0,554
4. Fh cell d = 5,760/13,600 = 0,424
5. Fh cell e = 0,004/6,933 = 0,001
6. Fh cell f = 0,004/9,067 = 0,000
Kemudian dari nilai di atas, semua ditambahkan, maka itulah nilai chi-square
hitung. Lihat Tabel di bawah ini:
Hasil Akhir Tabel Hitung Chi-Square
Apabila taraf signifikansi yang digunakan adalah 95% maka batas kritis 0,05
pada DF 2, nilai chi-square tabel sebesar = 5,991.
Kegunaan Chi-Square
3. Uji kenormalan data dengan melihat distribusi data (Goodness of fit test)
6. Cocok digunakan untuk data kategorik, data diskrit atau data nominal
https://www.statistikian.com/2012/11/rumus-chi-square.html
Analisis regresi logistik biner digunakan untuk menjelaskan hubungan antara variabel
respon yang berupa data dikotomik/biner dengan variabel bebas yang berupa data
berskala interval dan atau kategorik