PENGHITUNGAN BESAR SAMPEL

Keterwakilan populasi oleh sampel dalam penelitian merupakan syarat penting untuk suatu
generalisasi atau inferensi. Pada dasarnya semakin homogen nilai variabel yang diteliti,
semakin kecil sampel yang dibutuhkan, sebaliknya semakin heterogen nilai variabel yang
diteliti, semakin besar sampel yang dibutuhkan.

Di samping keterwakilan populasi (kerepresentatifan), hal lain yang perlu dipertimbangkan

dalam menentukan besar sampel adalah keperluan analisis. Beberapa analisis atau uji
statistik memerlukan persyaratan besar sampel minimal tertentu dalam penggunaannya.
Beberapa hal yang perlu diperhatikan dalam penghitungan besar sampel adalah :

1. Jenis dan rancangan penelitian

2. Tujuan penelitian/analisis
3. Jumlah populasi atau sampel
4. Karakteristik populasi/cara pengambilan sampel (teknik sampling)
5. Jenis (skala pengukuran) data (variabel dependen)

Pada kondisi yang berbeda, cara penentuan besar sampel juga berbeda. Berdasarkan
jenisnya, dibedakan penelitian observasional atau eksperimen. Berdasarkan tujuan penelitian
atau analisisnya, dibedakan diskriptif atau inferensial (estimasi atau pengujian hipotesis).
Berdasarkan jumlah populasi atau sampelnya, dibedakan satu populasi/sampel atau lebih dari
satu populasi/sampel. Hal ini berhubungan dengan karakteristik populasi atau cara
pengambilan sampel (sampling) yang dibedakan random atau non random sampling. Random
sampling dibedakan simple random, systematic random, stratified random, cluster random
atau multistage random sampling. Berdasarkan jenis data atau variabel yang dianalisis,
dibedakan data proporsi atau kontinyu. Hal-hal di atas sangat menentukan cara penghitungan
besar sampel.

Rumus penentuan sample

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%.

1
Rumus Issac dan Michael

dimana :

s = Jumlah sample
N = Jumlah populasi
λ2 = 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.

2
 Tabel Krejcie

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

==============================================================================

Menentukan Jumlah Sampel dengan Rumus Slovin

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.

3
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)

4
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 + Ne²) = 1000 / (1 + 0,05²) = 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.