MITOS JUMLAH

SAMPELMINIMUM

Pendahuluan
1. Jumlah sampel yang dirasa cukup sehingga dapat
diklaim mewakili populasi merupakan masalah
klasik yang dihadapi oleh peneliti kuantitatif.
2. Dan jawaban klasik yang sering diberikan pada
mereka adalah: minimum 30 sampel!
3. Pada berbagai literatur pengantar statistika
disebutkan bahwa angka 30 merupakan
pembatas untuk mengkategorikan jumlah sampel.
Jika sampel > 30 maka kategorinya adalah
sampel besar, jika <= 30 kategorinya sampel
kecil.
4. Kategori ini berimplikasi pada rumus statistika
yang digunakan jika ingin melakukan pendugaan
parameter (nilai populasi, rata-rata dan proporsi),

Mengapa 30
jumlah sampel 30 berasal dari tingkat ketelitian pada
sebagian besar tabel-tabel statistika yang mengisi
halaman-halaman lampiran pada sejumlah textbook
statistika. Tabel-tabel tersebut adalah tabel distribusi t,
tabel chi square, dan tabel distribusi F. Yang
dimaksud dengan tingkat ketelitian adalah detail nilai n
alias jumlah sampel yang digunakan untuk mencari nilai
masing-masing distribusi. Pada tabel-tabel tersebut nilai
n mulai dari 1-30 ditampilkan detil (n=1,n=2,n=3,n=4,
dst.) untuk n di atas 30 langsung melompat ke 40, 60,
120 sampai tak hingga. Jadi angka 30 merupakan nilai
kritis! Untuk n>30 nilai masing-masing distribusi tersebut
sudah tidak terlalu penting untuk dirinci.

Mengapa 30
Setelah mencoba beberapa kombinasi jumlah sampel
misalnya 5, 10, 15, 20, 25, 30, 31, dst secara berulangulang dari sebuah populasi yang menggunakan data
berukuran rasio hingga lebih dari 100 kali menunjukkan
kecenderungan distribusi sampel yang terbentuk
mendekati asumsi distribusi normal ketika jumlah sampel
mencapai 30. Semakin besar jumlah sampelnya semakin
normal distribusinya.
Bisa jadi penentuan angka 30 ini berdasarkan pada
eksperimen ini, bahwa pada saat jumlah sampel lebih
besar dari 30 peluang distribusi yang dihasilkan bentuk
mirip genta alias distribusi normal semakin besar.

Mengapa 30
Persoalannya aturan 30 ini cenderung
berlaku bagi analisis statistika yang menuntut
terpenuhinya asumsi distribusi normal.
Agar distribusi data bisa normal syaratnya
adalah data harus random, dan jumlah
sampel besar. Jika jumlah sampel kecil
seperti yang telah dibuktikan oleh
eksperimen di atas, bentuk genta tidak
tercipta dengan baik, bisa agak menceng ke
kanan, atau kekiri, atau bergelombang.

Mengapa 30
bukan jumlah yang menentukan suatu sampel mewakili
atau tidak mewakili karakter suatu populasi. Ada
banyak faktor yang menentukan tingkat representasi
sampel misalnya tehnik penarikan sampel,
ketersediaan rerangka sampel, heterogenitas populasi
dll.
Jika sampel ditarik secara random maka menurut teori
probabilita bisa dianggap mewakili, namun jika
rerangka sampelnya tidak lengkap data yang dihasilkan
bisa bias karena ada anggota populasi yang tidak ikut
menjadi peserta, dan jika populasinya homogen
murni bisa jadi satu sampel sudah cukup mewakili.

Jika Cukup Sesendok Tak

Perlu Semangkok