Anda di halaman 1dari 64

Besar sampel

penelitian

saryono
Tujuan utama penelitian dapat dibagi 2
kelompok :
1. Estimasi
Penelitin hanya ingin mengetahui gambaran
dari suatu data (mean, rasio dan total)
Mis :
Peneliti hanya ingin mengetahui cakupan
imunisasi, prevalensi penyakit campak dll
2. Hipotesis
Peneliti ingin membandingkan satu kelompok populasi
dengan kelompok populasi lainnya
Misal :
Peneliti ingin membandingkan proporsi kejadian BBLR
pada kelompok ibu perokok dan ibu non perokok
KONSEP
 Sampel hanya bisa dirancang dan
dihitung jika ada informasi awal tentang
hal yang diteliti dan populasi
 Secara garis besar desain dan besar
sampel dapat dibagi menurut:
Estimasi parameter populasi
Uji Hipotesis
 Kesalahan yang sering terjadi: selalu
menganggap penelitian sebagai estimasi
parameter padahal sebenarnya uji
hipotesis
 Sampel adalah sebagian dari populasi. Artinya tidak
akan ada sampel jika tidak ada populasi.
 Populasi adalah keseluruhan elemen atau unsur yang
akan kita teliti. Penelitian yang dilakukan atas seluruh
elemen dinamakan sensus.
 Idealnya, agar hasil penelitiannya lebih bisa dipercaya,
seorang peneliti harus melakukan sensus.
 Namun karena sesuatu hal peneliti bisa tidak meneliti
keseluruhan elemen tadi, maka yang bisa dilakukannya
adalah meneliti sebagian dari keseluruhan elemen atau
unsur tadi.
Terminologi pada Perhitungan Besar
Sampel u/ Estimasi Parameter
d d
P
CI

P = Estimasi proporsi
d = Simpangan
CI = Confidence Interval
Contoh
 Diketahui prevalensi diare di Jabar 15%
 Simpangan yang dapat diterima 5%
 Derajat kepercayaan 95%

5% 5%
10% 15% 20%

95% CI

Peneliti 95% percaya bahwa prevalensi diare di


Jawa Barat berkisar antara 10% sampai dengan
20%
PENENTUAN BESAR SAMPEL
 Penetapan besar/jumlah sampel
tergantung kepada 2 hal:
1. Sumber-sumber yang tersedia, meliputi:
Tenaga, misalnya: jumlah pewawancara
Waktu yang tersedia
Dana
2. Minimal jumlah sampel yang dibutuhkan
untuk memenuhi kebutuhan minimal
dari rencana analisis
 Tergantung jenis analisis data yang akan
dilakukan
MENGHITUNG JUMLAH SAMPEL MINIMUM
 Untuk menghitung besar sampel minimum yang
dibutuhkan, peneliti perlu menjawab pertanyaan-
pertanyaan berikut:
1. Berapa perkiraan proporsi-proporsi (p) yang akan diukur
dalam penelitian tsb.
Contoh: Peneliti ingin mengetahui prevalensi Balita berstatus
gizi buruk di wilayah Puskesmas X. Utk itu, harus diperkirakan
berapa prevalensi gizi buruk di wilayah tersebut
Bila peneliti tidak bisa memperkirakannya, yang paling
aman adalah memperkirakan angka tersebut besarnya 0,5
(50%)
2. Berapa tingkat ketepatan (d) yang diinginkan dalam
penelitian tersebut
Biasanya digunakan angka 0,01 atau 0,05
Menghitung jumlah sampel minimum (Cont)

3. Berapa derajat kemaknaan atau tingkat


kemaknaan yang akan digunakan
Biasanya digunakan derajat kemaknaan 95%
4. Berapa jumlah populasi penelitian yang harus
diwakili oleh sampel tsb?
Bila populasi > 10.000, ketepatan besarnya sampel
tidak begitu penting. Bila populasi > 10.000, maka
ketepatan besarnya sampel perlu diperhitungkan
Besar sampel

 Untukpopulasi besar: 20-30% dari total populasi


 Populasi kecil: 30 sampel (dianggap distribusi
normal)
 Dengan rumus sesuai metodologi
Besar sampel untuk hipotesis
satu sampel pada populasi
 pada penelitian survei
 desain cross sectional
 Terkait dengan presisi
 Contoh hipotesis : Perilaku baik pemberian
makanan bayi lebih banyak terjadi pada
keluarga inti.
Besar sampel untuk satu sampel
populasi presisi
 Rumus Z 21 / 2 PQ
n
d2
 n = Besar sampel
 Z1-α/2 = 1,96 pada alfaa 0,05
P = Proporsi prevalensi kejadian (0,3)
 d = Presisi ditetapkan (0,1)
Contoh kasus
 Suatu penelitian dilakukan di Kabupaten
Bantul untuk mengetahui perilaku ibu
dalam memberikan makanan kepada
bayi. Jika penelitian yang dilakukan
menginginkan ketepatan 10%, tingkat
kemaknaan 95% dan diketahui prevalensi
pemberian makanan bayi baik 30%.
Berapa sampel yang harus diambil pada
kasus diatas?
Latihan
 Suatu penelitian dilakukan di rumah sakit
sardjito. Penelitian dilakukan terhadap
penyakit diare. Jika pada penelitian
menginginkan ketepatan 5%, dengan
kemaknaan 95%, dan jika diketahui
proporsi diare 10%. Berapa sampel yang
harus diambil pada penelitian ini?
Latihan
 Penelitian dilakukan di smp negeri 1
beringin untuk mengetahui perilaku
penanganan disminorhe pada remaja
putri. Jika penelitian yang dilakukan
menginginkan ketepatan 5%, tingkat
kemaknaan 90% dan diketahui prevalensi
disminorhe 50%. Berapa jumlah sampel
yang diperlukan…?
Besar sampel untuk satu sampel
populasi proporsi
 Rumus
n
z p 1  p   Z
1 0 0 Pa1  Pa
1 
2

Pa  P 
0
2

 Po= proposi awal


 Pa=proporsi yang diinginkan
 α= level of signifikan
 β= power
 N= besar sampel
Contoh (sebuah diskusi)
 Suatu penelitian survei terdahulu
diketahui jika angka prevalensi
ketrampilan rendah pada perawat di RSU
PKU Muhammadiyah 20%. Berapa jumlah
perawat yang harus diteliti dalam survei
jika diinginkan 90% kemungkinan dapat
mendeteksi bahwa angka prevalensi
ketrampilan rendah pada perawat 15%.
Pertanyaan
 Apa hipotesis yang tepat untuk kasus
diatas?
 Desain penelitian apa yang tepat untuk
kasus diatas?
 Berapa sampel yang harus terambil?
Besar sampel untuk hipotesis dua
proporsi populasi/ relative risk
 Biasa digunakan pada desain kohort dan dapat juga
digunakan pada desain cross sectional.
Rumus
 P11 P1 P21 P2

Z1 / 2 2 P1 P   Z1 
2
n
P1  P22
 P1 = Proporsi perbedaan gangguan pertumbuhan
pada kelompok BBLR
 P2 = Proporsi perbedaan gangguan pertumbuhan
pada kelompok BBLN
 α = 0.05
 Zα = 1.96
 ß = 0.20
Besar sampel untuk hipotesis odd rasio
 Besar sampel untuk hipotesis odd rasio lebih
menekankan pada proporsi kelompok kasus
atau kontrol.
 Rumus
n
Z   / 2 2P * 1  P *  Z  
1 2 2 1 
P1 * 1  P1 *  P2 * 1  P2 *
2

P1 *  P2 *2

(OR ) P2 *
P1 
(OR ) P2 * (1  P2 *)
Lanjutan

N : Besar sampel pada masing masing


kelompok
 P1 : Proporsi bayi dengan penyapihan
dini pada kejadian tidak ISPA.
 P2 : Proporsi bayi yang tidak
penyapihan dini pada kejadian tidak
 ISPA.
 Z1- : Level of significance,
 Z1- : Power of the test (80 %)
 OR : odd rasio
Contoh sebuah diskusi
 Suatu penelitian dilakukan untuk
mengetahui kaitannya penyapihan
dengan kejadian ISPA. Jika diperoleh
data sbb:
 Z1- : Level of significance, 0,05 = 1.96
 Z1- : Power of the test (80 %) = 0.84
 OR : 3.2 (Penelitian Cesar et al, 1999)
 P2 : 0.235 (berdasarkan penelitian
Cesar, 1999)
 Berapa sampel yang harus terambil?
Besar sample untuk penelitian dua
populasi mean
 Besar sampel untuk rata-rata satu populasi
 2 Z1  Z1  
2

n
 0  1 2
 Besar sample untuk rata-rata dua populasi
independen.

2 Z1  Z1  
 2
2

n
1   2 2
Keterangan
N = besar sampel
 S = standar deviasi
 Z = level of signifikan
 Z = power
 μ1 = rata-rata kelompok perlakuan
 μ 2 = rata-rata kelompok kontrol
Contoh

 Penelitian akan dilakukan di rumah sakit


A. jika diketahui sebagai berikut:
 N = besar sampel
 S = standar deviasi (1.70 berdasarkan
penelitian Sharavage, 2006)
 Z = 0,05
 Z = 0,20
 μ1 = rata-rata kelompok perlakuan = 2.94
 μ 2 = rata-rata kelompok kontrol = 5.72
 Berapa sampel yang harus diambil?
RUMUS PENGHITUNGAN BESAR SAMPEL
d = z x √pxq x √N-n
n N-1
d = penyimpangan atau tingkat ketepatan,
biasanya 0,05 atau 0,001
Z = Standar deviasi normal, biasanya 1,96 sesuai
dengan derajat kemaknaan 95%
p = proporsi sifat tertentu pada populasi (bila
tidak diketahui, maka p=0,05)
q=1–p
N = besarnya populasi
n = besarnya sampel
Latihan
 Peneliti ingin melakukan penelitian tentang
status gizi anak Balita di Kabupaten X dengan
jumlah populasi 923.000. Proporsi atau
prevalensi gizi kurang tidak diketahui. Berapa
jumlah sampel yang harus diambil bila derajat
kemaknaan 95% dan estimasi penyimpangan
0,05?
Diketahui: d= 0,05; Z=1,96; p=0,5; N=923.000
Maka:
0,05 = 1,96 x √0,5 x 0,05 x √923.000 – n
n 923.000 – 1
0,0025 = 3,84 x 0,25 x 923.000 – n
n 922.999
n = 480
 Bila populasi kurang dari 10.000, maka rumusnya
adalah:

n= N
2
1 + N (d )

N = besar populasi
n = besar sampel
d = tingkat kepercayaan, biasanya 0,05
Pedoman Menentukan
Jumlah Sampel
1. Rumus Slovin

N
n
N = populasi
 n = Besar sampel

1  N (d )
2
 d =  = 0,05/0,1
2. Interval Penaksiran
 Untuk menaksir parameter rata-rata 
 Z / 2 
2

n 
 e 
Seorang mahasiswa akan menguji suatu hipotesis yang
menyatakan bahwa Indek Prestasi Mahasiswa Jurusan S1
Keperawatan adalah 2,7. dari 30 sampel percobaan dapat
diperoleh informasi bahwa standar deviasi indek Prestasi
mahasiswa adalah 0,25 Untuk menguji hipotesisi ini berapa
jumlah sampel yang diperlukan jika kita menginginkan tingkat
keyakinan sebesar 95% dan error estimasi  kurang dari
0,05,?
2
 (1,96)(0,25) 
n     96,04
 (0,05) 
 Untuk menaksir parameter proporsi P

 Z 2 / 2 pq 
n   2

 e 
Kita akan meperkirakan proporsi mahasiswa
yang mnggunakan angkutan kota waktu pergi
kuliah. Berapa sampel yang diperlukan jika
dengan tingkat kepercayaan 95% dan
kesalahan yang mungkin terjadi 0,10 ?

 1,962 
n   2
  96,04
 4( 0,10) 
3. Pendekatan Isac Michel
a. Untuk menentukan sampel untuk menaksir
parameter rata-rata 
NZ 2 S 2
n
Nd 2  Z 2 S 2
Seorang mahasiswa akan menguji suatu hipotesis yang
menyatakan bahwa Indek Prestasi Mahasiswa Jurusan S1
Keperawatan yang berjumlah 175 mahasiswa adalah 2,7. Dari
30 sampel percobaan dapat diperoleh informasi bahwa standar
deviasi Indek Prestasi mahasiswa adalah 0,25 Untuk menguji
hipotesisi ini berapa jumlah sampel yang diperlukan jika kita
menginginkan tingkat keyakinan sebesar 95% dan error estimasi
 kurang dari 5 persen ?

(175)(1,96) 2 (0,25) 2
n  62
(175)(0,05)  (1,96) (0,25)
2 2 2
B. Untuk menentukan sampel untuk
menaksir parameter proporsi P

NZ 2 pq
n
Nd 2  Z 2 pq
Kita akan meperkirakan proporsi mahasiswa jurusan
manajemen unsoed yang berjumlah 175 orang. Brdasarkan
penelitian pendahuluan diperolh data proporsi mahasiswa
manajemen unsoed menggunakan angkutan kota waktu pergi
kuliah adalah 40%. Berapa sampel yang diperlukan jika
dengan tingkat kepercayaan 95% dan derajat penyimpangan
sebesar 0,10.?

(175)(1,96)2 (0,4)(0,6)
n  60,38
(175)(0,1)  (1,96) (0,4)(0,6)
2 2
Sampel Ideal (Gay, 1984)
Ukuran minimal sampel yang dapat diterima:
1. Penelitian deskriptif: sampel minimal 10%
populasi, namun untuk populasi yang sangat
kecil diperlukan minimal 20%
2. Penelitian korelasi: minimal 30 subjek.
3. Penelitian ex post fakto atau penelitian kausal
komparatif: minimal 15 subjek per kelompok.
4. Penelitian eksperimen: minimal 15 subjek per
kelompok.
Besar sampel estimasi proporsi,
simpangan mutlak

z 2
P(1  P)
n 1 / 2
2
d

P=Estimasi proposi
d=simpangan mutlak
z=nilai z pada derajat kepercayaan 1-a/2
 Digunakan untuk estimasi proposi
 Tidak tepat digunakan untuk uji hipotesis
 Asumsi desain: populasi tak terbatas dan
sampel srs
Contoh penggunaan:
 Survei cakupan imunisasi
 Survei prevalensi gizi buruk di masyarakat
 Penelitian prevalensi hipertensi di masyarakat
Besar sampel estimasi proporsi:

 Contoh:
Suatu survei dilakukan untuk mengetahui
prevalensi diare pada Balita di Kabupaten
Bogor. Berapa jumlah sampel yang
diperlukan untuk survei ini?
 Untuk menghitung jumlah sampel,peneliti
perlu tahu:
 Perkiraan prevalensi diare di kab. Bogor
 Simpangan yang dapat diterima
 Derajat kepercayaan
Besar sampel estimasi proporsi:
Contoh
 Misalkan:
 Diketahui prevalensi diare di Jabar 15%
 Simpangan yang dapat diterima 5%
 Derajat kepercayaan 95%
 Berarti:
 Peneliti memperkirakan prevalensi diare di kab.
Bogor 15%
 Peneliti 95% yakin bahwa prevalensi diare di kab.
Bogor berkisar antara 10-20%
 Ada 5% kemungkinannya prevalensi diare berada
di luar kisaran 10-20%
Besar sampel estimasi proporsi:
Contoh

1,96 * 0,15(1  0,15)


2
n 2
0,05
n  196
Besar sampel uji hipotesis
proporsi
 Rumus uji hipotesis
Keterangan :

 n : Jumlah sampel
 Z1-α/2 : Nilai Z pada pada level of significant α
pada dua sisi = 5% (1.96)
 Z1-β : Nilai kekuatan uji
P : Nilai rata-rata dari kedua proporsi
 P1 : Proporsi terpapar dan menimbulkan
dampak (kasus)
 P2 : Proporsi tidak terpapar dan menimbulkan
dampak (kasus)
Contoh uji hipotesis beda
proporsi
 Pada penelitian terdahulu diketahui,
proporsi ibu yang unmet need dengan
status ANC baik 75%. Sedangkan
proporsi yang unmet need dengan
status ANC tidak baik 95%.
 Dengan Confident interval 95% (1,96)
dan kekuatan uji 80% (0,84). Hitung
besar sampel minimal yang dibutuhkan
untuk penelitian tersebut
Jawab
n = {1,96√2*0,85(1-0,85) + 0,84√0,75(1-
0,75)+0,95(1-0,95)}2
(0,75 – 0,95)2
N= 49
Jadi diperoleh sampel minimal untuk
masing-masing proporsi 49 responden
atau sampel keseluruhan 98
responden
Masalah
 Tidak mungkin digunakan srs (misalnya survei) 
jumlah dikoreksi dengan design effect
 Estimasi tidak hanya pada satu variabel, misal
Survei Kesehatan Ibu dan anak
 Hitung sampel untuk masing-masing variabel
 Ambil jumlah sampel yang terbesar
 Jumlah sampel adalah jumlah sampel yang bisa
diambil datanya bukan rumah atau orang yang perlu
didatangi
 Contoh untuk sampel 100 balita, mungkin
pewawancara harus datang ke 150 rumah tangga
Faktor2 yang Mempengaruhi
Sample Size (1)
 Antara lain:
 Heterogenitas dari populasi
 Tingkat presisi yang dikehendaki
 Tipe sampling design yang digunakan
 Resources availability
 Number of breakdowns planned in data analysis
Faktor2 yang Mempengaruhi
Sample Size (2)
 Heterogenitas populasi
 Heterogenitas mengacu pada derajat perbedaan di
antara kasus dalam suatu karakteristik.
 Semakin heterogen, jumlah kasus yang diperlukan
semakin besar agar estimasinya reliabel. Ekstrimnya,
kalau semua kasus sama (homogen, unidimensional),
jumlah sampel cukup satu, kalau tidak ada yang
sama, harus sensus.
Faktor2 yang Mempengaruhi
Sample Size (3)
 Satuan pengukuran statistik terbaik untuk
heterogenitas populasi adalah standard deviation
()  berhubungan dengan standard error yang
tadi dibahas. Rumus standard error = /√(N).

 Semakinbesar heterogenitas populasi, perlu


semakin banyak sampel agar lebih presisi
Faktor2 yang Mempengaruhi
Sample Size (4)
 Tingkat presisi yang dikehendaki
 Secara teknis mengacu pada standard error
(seperti dijelaskan di atas). Tapi lebih mudah
diilustrasikan dengan confidence interval.
 Pernyataan “rata2 populasi ada di antara 2-
4” lebih presisi dibandingkan “rata2 populasi
ada di antara 1-5”.
 Rumus standard error /√(N), sampel perlu
diperbesar agar standard error-nya
mengecil. Agar standard error turun 1/2, N
perlu naik empat kali lipat.
Faktor2 yang Mempengaruhi
Sample Size (5)
 Lawof diminishing return, setelah terus2an,
dibutuhkan jumlah N yang sangat besar agar
standard error bisa turun.
N = 100   = 5
 N = 400   = 2.5
 N = 2500   = 1
 N = 10000   = 0.5

 Sample size 2000-3000 sebenarnya standard


error-nya sudah cukup kecil dan menambah
jumlah sampel lagi  “is not worth the
additional cost”.
Faktor2 yang Mempengaruhi
Sample Size (6)
 Sampling design
 Misalnya tanpa menambah jumlah sampel presisi
sampel bisa ditingkatkan dengan menggunakan
stratified random sampling dan bukan simple
random sampling, tapi cluster sampling perlu lebih
banyak sampel.
Faktor2 yang Mempengaruhi
Sample Size (7)
 Resources availability

 Number of breakdowns planned. Contoh:


 Sampel 500
 Angkatan baru 100
 Kos 20
 Pria 10

 Jumlah
kasus terlalu sedikit untuk
menghasilkan analisis yang reliabel
Dasar Penentuan jumlah Sample
 Gay dan Diehl menuliskan, untuk
 penelitian deskriptif sampelnya 10% dari populasi,
 penelitian korelasional paling sedikit 30 elemen
populasi,
 penelitian perbandingan kausal, 30 elemen per
kelompok, dan
 untuk penelitian eksperimen 15 elemen per kelompok .
(Reseach Methods for Business, LR. Gay dan P.L.
Diehl, 1992 )
Roscoe (1975) dalam Uma Sekaran
(1992: 252 ) memberikan pedoman
penentuan jumlah sampel sebagai
berikut:
1. Sebaiknya ukuran sampel di antara 30 s/d 500 elemen
2. Jika sampel dipecah lagi ke dalam subsampel (laki/perempuan,
SD/SLTP/SMU, dsb), jumlah minimum subsampel harus 30
3. Pada penelitian multivariate (termasuk analisis regresi multivariate)
ukuran sampel harus beberapa kali lebih besar (10 kali) dari jumlah
variable yang akan dianalisis.
4. Untuk penelitian eksperimen yang sederhana, dengan pengendalian
yang ketat, ukuran sampel bisa antara 10 s/d 20 elemen.
 ( Research Methods for Busines, Uma Sekaran, 1992 )
Untuk menghitung dengan rumus
berikut 2 Z  Z  2 2
1 1 
n
1  2  2

 n = besar sampel
 S = standar deviasi sesudah perlakuan = 0,6
 Z = level of signifikan untuk alfa 0,05= 1,96
 Z = power 90% (beta 0,10)= 1,28
 μ1 = rata-rata kadar feritin sebelum perlakuan
 μ 2 = rata-rata kadar feritin setelah perlakuan
 selisih rerata perlakuan = 0,7

 jadi n= 2. (1,96 + 1,28)2. (0,62) / 0,72


 = 20,9952 x 0,36 / 0,49
 = 15,42 orang/kelompok
 Krejciedan Morgan (1970) dalam Uma Sekaran (1992)
membuat daftar yang bisa dipakai untuk menentukan
jumlah sampel sebagai berikut (Lihat Tabel)
Populasi (N) Sampel (n) Populasi (N) Sampel (n) Populasi (N) Sampel (n)

10 10 220 140 1200 291

15 14 230 144 1300 297

20 19 240 148 1400 302

25 24 250 152 1500 306

30 28 260 155 1600 310

35 32 270 159 1700 313

40 36 280 162 1800 317

45 40 290 165 1900 320

50 44 300 169 2000 322

55 48 320 175 2200 327

60 52 340 181 2400 331

65 56 360 186 2600 335

70 59 380 191 2800 338

75 63 400 196 3000 341

80 66 420 201 3500 346

85 70 440 205 4000 351

90 73 460 210 4500 354

95 76 480 214 5000 357

100 80 500 217 6000 361

110 86 550 226 7000 364

120 92 600 234 8000 367

130 97 650 242 9000 368

140 103 700 248 10000 370

150 108 750 254 15000 375

160 113 800 260 20000 377

170 118 850 265 30000 379

180 123 900 269 40000 380

190 127 950 274 50000 381

200 132 1000 278 75000 382

210 136 1100 285 1000000 384


 Champion (1981) mengatakan bahwa sebagian
besar uji statistik selalu menyertakan rekomendasi
ukuran sampel. Dengan kata lain, uji-uji statistik
yang ada akan sangat efektif jika diterapkan pada
sampel yang jumlahnya 30 s/d 60 atau dari 120 s/d
250.
 Bahkan jika sampelnya di atas 500, tidak
direkomendasikan untuk menerapkan uji statistik.
(Penjelasan tentang ini dapat dibaca di Bab 7 dan 8
buku Basic Statistics for Social Research, Second
Edition)
 Pesamaan yang dirumuskan oleh Slovin (Steph Ellen,
eHow Blog, 2010; dengan rujukan Principles and Methods of
Research; Ariola et al. (eds.); 2006) sebagai berikut.
N 
n
1  N (d )
2


n = Number of samples (jumlah sampel)
N = Total population (jumlah seluruh anggota populasi)
d = Error tolerance (toleransi terjadinya galat; taraf
signifikansi; untuk sosial dan pendidikan lazimnya 0,05)
Beberapa keterangan mengenai
rumus Slovin yaitu:
 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.)
 Asumsi tingkat keandalan 95%, karena menggunakan a=0,05,
sehingga diperoleh nilai Z=1,96 yang kemudian dibulatkan menjadi
Z=2.
 Asumsi keragaman populasi yang dimasukan dalam perhitungan
adalah P (1-P), dimana P=0,5.
 error tolerance (e) didasarkan atas pertimbangan peneliti.
 Contoh :
N = 1000
 Taraf Signifikansi = 5%
 maka :
n = N/(1 + Ne^2) = 1000/(1 + 1000 x 0,05 x
0,05) = 286 orang.
Catatan mengenai penggunaan rumus
Slovin dan Tabel Krejcie-Morgan
 Penentuan ukuran sampel dengan memakai rumus Slovin dan
Tabel Krejcie- Morgan hanya dapat digunakan untuk penelitian
yang bertujuan mengukur proporsi populasi.
 Rumus Slovin dan Tabel Krejcie-Morgan, sama-sama
mengasumsikan tingkat keandalan 95%. Perbedaannya, Slovin
memakai pendekatan distribusi normal, sementara Krejcie dan
Morgan menggunakan pendekatan distribusi chi kuadrat.
 Asumsi keragaman populasi yang dimasukan dalam perhitungan
adalah P(1-P), dimana P=0,5, baik dalam Rumus Slovin maupun
dalam Tabel Krejcie-Morgan.
 Slovin masih memberi kebebasan untuk menentukan nilai batas
kesalahan atau galat pendugaan, sedangkan batas kesalahan
yang diasumsikan dalam tabel Krejcie-Morgan adalah 5%
(d=0,05).