Hampir semua mahasiswa yang sedang mengerjakan skripsi atau proposal penelitian pernah bertanya hal yang sama: “Sampel saya harus berapa?” Pertanyaan ini terdengar sederhana, tapi di baliknya ada kebingungan yang cukup serius. Sebagian langsung mencari rumus Slovin, memasukkan angka populasi, dan menerima hasilnya tanpa benar-benar memahami apakah itu pilihan yang tepat untuk jenis penelitian yang sedang mereka lakukan.
Masalahnya bukan pada angkanya, tapi pada cara berpikir di balik angka itu. Ketika dosen atau penguji bertanya “kenapa sampelmu segitu?”, jawaban “karena hasil rumus Slovin” sering kali tidak cukup. Penguji ingin tahu apakah kamu memilih pendekatan yang memang sesuai dengan metode penelitianmu, bukan sekadar menggunakan rumus yang paling sering disebutkan di internet.
Artikel ini dirancang untuk menjawab pertanyaan itu secara menyeluruh. Bukan hanya “berapa,” tapi juga “kenapa segitu,” “rumus mana yang tepat,” dan “bagaimana cara memilihnya berdasarkan jenis penelitianmu.” Kalau kamu sedang ada di titik ini, lanjutkan membaca.
Kenapa Pertanyaan Ini Lebih Penting dari yang Kamu Kira
Banyak mahasiswa memperlakukan penentuan sampel sebagai urusan administratif, sesuatu yang perlu diisi di bagian metodologi penelitian agar proposal terlihat lengkap. Padahal, keputusan tentang jumlah sampel bukan formalitas. Ia berdampak langsung pada kualitas dan validitas seluruh penelitianmu.
Kalau kamu salah menentukan sampel, bukan hanya bagian metodologi yang bermasalah. Data yang kamu kumpulkan, analisis yang kamu lakukan, dan kesimpulan yang kamu tarik semuanya bisa dipertanyakan. Ini bukan sesuatu yang bisa diperbaiki di tengah jalan.
Dampak Nyata Jika Sampel Terlalu Sedikit atau Terlalu Banyak
Ada dua arah kesalahan yang bisa terjadi, dan keduanya punya konsekuensi masing-masing.
Ketika sampel terlalu sedikit:
Bayangkan kamu meneliti kepuasan mahasiswa di sebuah universitas yang punya 2.000 mahasiswa aktif, tapi kamu hanya mengambil 15 responden karena keterbatasan waktu. Hasil yang kamu dapatkan dari 15 orang itu tidak bisa mewakili seluruh populasi secara layak. Secara statistik, margin of error-nya akan sangat besar, yang artinya temuan penelitianmu tidak bisa digeneralisasi. Dosen penguji akan mempertanyakan representativitas datamu, dan itu masalah yang sulit dibantah.
Selain itu, beberapa uji statistik seperti regresi berganda atau analisis SEM membutuhkan jumlah sampel minimum tertentu agar hasilnya bisa diandalkan. Kalau sampel kurang dari batas itu, uji statistiknya tidak akan menghasilkan output yang valid, bahkan ketika software statistiknya tetap mengeluarkan angka.
Ketika sampel terlalu banyak:
Di sisi lain, sampel yang berlebihan juga bukan tanpa masalah. Mengambil sampel jauh lebih banyak dari yang dibutuhkan menghabiskan waktu, tenaga, dan sumber daya tanpa memberikan nilai tambah yang berarti pada hasil penelitian. Dalam konteks skripsi atau penelitian mahasiswa yang punya keterbatasan waktu dan biaya, ini bisa menjadi beban yang tidak perlu.
Di Mana Posisi Penentuan Sampel dalam Alur Penelitian
Sebelum membahas angka dan rumus, penting untuk tahu dulu kapan penentuan sampel dilakukan dalam proses penelitian. Banyak mahasiswa terburu-buru menentukan jumlah sampel sebelum hal-hal dasar lainnya jelas, dan itu sering menimbulkan ketidakkonsistenan dalam proposal.
Secara umum, alur yang benar adalah seperti ini:
- Identifikasi masalah dan rumuskan pertanyaan penelitian secara spesifik
- Tentukan jenis penelitian yang akan digunakan (kuantitatif, kualitatif, atau mixed method)
- Tentukan populasi target penelitian secara jelas
- Pilih teknik sampling yang sesuai dengan karakteristik populasi dan tujuan penelitian
- Hitung atau tentukan jumlah sampel berdasarkan teknik sampling dan pendekatan yang dipilih
- Susun instrumen penelitian yang konsisten dengan sampel yang sudah ditetapkan
Penentuan jumlah sampel ada di langkah kelima, bukan langkah pertama. Kalau kamu menentukan angka sampel sebelum jenis penelitian dan teknik samplingnya jelas, kamu sedang membangun penelitian dari arah yang salah.
Perbedaan Sampel dan Populasi dalam Konteks Penelitian Nyata
Sebelum masuk ke cara menghitung, ada satu pemahaman dasar yang sering dianggap sudah dikuasai padahal masih kabur bagi banyak mahasiswa. Perbedaan antara sampel dan populasi terlihat mudah di atas kertas, tapi dalam praktiknya sering menimbulkan kebingungan.
Bukan Sekadar Definisi, tapi Cara Berpikir yang Benar
Populasi adalah seluruh kelompok yang menjadi objek penelitianmu. Bukan hanya “semua orang,” tapi semua anggota kelompok yang memenuhi kriteria yang kamu tetapkan. Misalnya, kalau kamu meneliti pengaruh disiplin belajar terhadap prestasi akademik mahasiswa, populasimu bukan semua manusia di bumi, bukan semua mahasiswa di Indonesia, tapi semua mahasiswa yang memenuhi kriteria spesifik yang kamu definisikan dalam penelitianmu, misalnya mahasiswa aktif program S1 di universitas tertentu pada semester tertentu.
Sampel adalah bagian dari populasi itu yang benar-benar kamu amati atau data yang kamu kumpulkan dari mereka. Sampel dipilih bukan karena populasinya terlalu besar untuk dijangkau sepenuhnya, tapi karena secara ilmiah, jika sampel dipilih dengan cara yang tepat, hasilnya bisa mewakili seluruh populasi.
Cara berpikir yang benar adalah ini: sampel bukan pengganti populasi karena keterbatasan, sampel adalah representasi populasi yang dipilih secara metodis. Perbedaan cara pandang ini penting karena ia menentukan seberapa serius kamu memilih teknik sampling dan menghitung jumlah yang dibutuhkan.
Kapan Seluruh Populasi Bisa Dijadikan Sampel
Ada situasi di mana kamu tidak perlu mengambil sampel sama sekali, yaitu ketika populasimu cukup kecil sehingga seluruh anggotanya bisa dijangkau dan diteliti. Pendekatan ini disebut total sampling atau sampling jenuh.
Sebagai pedoman umum yang banyak dirujuk dalam metodologi penelitian, total sampling bisa digunakan ketika jumlah populasi berada di bawah 100 orang. Dalam kondisi ini, mengambil sampel sebagian justru tidak efisien karena populasinya sudah cukup kecil untuk diteliti seluruhnya.
Contoh konkretnya: kalau kamu meneliti kinerja seluruh karyawan di sebuah kantor cabang yang hanya punya 45 pegawai, tidak ada alasan untuk mengambil sampel. Ambil saja semuanya. Hasilnya akan lebih akurat karena tidak ada risiko sampel yang tidak representatif.
Yang perlu diingat adalah bahwa total sampling bukan pilihan default ketika kamu malas menghitung. Ia adalah pilihan yang tepat secara metodologis hanya ketika populasinya memang kecil. Kalau populasimu ratusan atau ribuan orang tapi kamu mengklaim total sampling, itu akan dipertanyakan oleh penguji.
Pendekatan Penentuan Sampel Berdasarkan Jenis Penelitian
Inilah bagian yang paling sering dilewatkan oleh konten-konten lain, dan justru paling penting untuk dipahami. Tidak ada satu rumus yang berlaku untuk semua jenis penelitian. Pendekatan yang tepat bergantung pada metode penelitian yang kamu gunakan.
Penelitian Kuantitatif dengan Populasi yang Sudah Diketahui
Kalau kamu menggunakan metode kuantitatif dan sudah tahu berapa jumlah total populasimu, kamu berada dalam situasi yang paling mudah ditangani. Ada beberapa opsi yang bisa kamu gunakan, dan masing-masing punya karakteristik yang berbeda.
Dalam situasi ini, dua pendekatan yang paling umum adalah rumus Slovin dan tabel Krejcie-Morgan. Keduanya berangkat dari logika yang serupa: mengambil sebagian dari populasi yang diketahui dengan tingkat kesalahan yang masih bisa ditoleransi.
Yang perlu kamu putuskan lebih dulu adalah berapa tingkat kesalahan (margin of error) yang bisa kamu terima. Standar yang paling sering digunakan dalam penelitian sosial adalah 5% atau 10%. Semakin kecil margin of error yang kamu pilih, semakin besar jumlah sampel yang dibutuhkan.
Penelitian Kuantitatif dengan Populasi yang Tidak Diketahui
Ini situasi yang lebih sering terjadi dari yang dibayangkan. Bayangkan kamu ingin meneliti perilaku belanja pengguna e-commerce di Indonesia, atau kepuasan pengguna layanan transportasi online di sebuah kota besar. Siapa yang tahu persis berapa jumlah total penggunanya?
Ketika populasi tidak bisa diidentifikasi jumlahnya secara pasti, rumus Slovin tidak bisa digunakan. Kamu membutuhkan pendekatan yang berbeda. Salah satunya adalah rumus Lemeshow yang dirancang khusus untuk kondisi ini. Dengan rumus ini, jumlah sampel dihitung berdasarkan tingkat kepercayaan, perkiraan proporsi, dan margin of error yang sudah ditetapkan sebelumnya, tanpa perlu tahu jumlah total populasi.
Penelitian Kualitatif dan Mengapa Jumlah Bukan Prioritas Utama
Penelitian kualitatif bekerja dengan logika yang sangat berbeda dari kuantitatif. Kalau kamu menggunakan pendekatan kualitatif seperti fenomenologi, studi kasus, grounded theory, atau etnografi, pertanyaan “berapa sampelnya” sebenarnya bukan pertanyaan yang paling relevan untuk diajukan.
Dalam penelitian kualitatif, tujuannya bukan representasi statistik tapi kedalaman pemahaman. Kamu tidak mencari data dari 200 orang untuk mendapatkan angka rata-rata. Kamu mencari pemahaman mendalam tentang pengalaman, persepsi, atau makna dari sekelompok kecil orang yang benar-benar relevan dengan fokus penelitianmu.
Prinsip yang digunakan adalah kejenuhan data (data saturation), sebuah kondisi di mana informasi yang kamu dapatkan dari partisipan baru tidak lagi menambahkan perspektif yang benar-benar baru. Ketika itulah proses pengumpulan data dianggap selesai.
Dalam praktiknya, banyak penelitian kualitatif menggunakan 5 hingga 15 partisipan, dan beberapa bahkan lebih sedikit jika topiknya sangat spesifik. Tapi angka ini bukan patokan kaku. Yang lebih penting adalah bagaimana kamu memilih partisipan (apakah mereka benar-benar punya pengalaman relevan dengan topikmu) dan seberapa dalam kamu menggali informasi dari mereka.
Penelitian Eksperimen dan Kebutuhannya yang Berbeda
Penelitian eksperimen punya kebutuhan sampel yang berbeda lagi. Di sini, jumlah sampel tidak ditentukan oleh ukuran populasi atau rumus berbasis margin of error, tapi oleh kekuatan statistik (statistical power) yang dibutuhkan untuk mendeteksi efek yang diteliti.
Dalam desain eksperimen, kamu biasanya membagi partisipan ke dalam kelompok-kelompok, misalnya kelompok kontrol dan kelompok eksperimen. Jumlah minimum per kelompok bergantung pada seberapa besar efek yang kamu harapkan dan seberapa sensitif analisis statistikmu terhadap efek tersebut.
Sebagai pedoman umum yang sering dirujuk dalam metodologi penelitian eksperimen, setiap kelompok sebaiknya memiliki minimal 15 hingga 30 partisipan. Roscoe dalam Rules of Thumb for Determining Sample Size menyarankan bahwa untuk penelitian eksperimen, 10 hingga 20 sampel per kelompok sudah bisa memberikan hasil yang dapat dianalisis, meski lebih banyak tentu lebih baik.
Rumus dan Pedoman yang Paling Sering Digunakan
Setelah jenis penelitian dan kondisi populasimu jelas, barulah kamu bisa memilih rumus atau pedoman yang tepat. Bagian ini menjelaskan empat opsi yang paling umum digunakan, lengkap dengan konteks penggunaannya.
Rumus Slovin dan Batas Penggunaannya yang Sering Diabaikan
Rumus Slovin adalah yang paling sering disebut, tapi juga yang paling sering disalahgunakan. Rumusnya terlihat sederhana:
n = N / (1 + N.e²)
Di mana:
- n = jumlah sampel
- N = jumlah populasi
- e = margin of error yang dapat ditoleransi (biasanya 0,05 untuk 5% atau 0,1 untuk 10%)
Misalnya, populasimu berjumlah 500 orang dan kamu menetapkan margin of error 5%, maka: n = 500 / (1 + 500 x 0,05²) = 500 / (1 + 1,25) = 500 / 2,25 = 222,2, dibulatkan menjadi 223 orang.
Rumus ini bekerja baik untuk penelitian survei atau deskriptif dengan populasi yang sudah diketahui. Tapi ada batas yang sering tidak dijelaskan:
- Rumus Slovin tidak tepat untuk penelitian eksperimen yang membutuhkan pertimbangan statistical power
- Rumus ini tidak cocok untuk penelitian kualitatif
- Rumus Slovin juga kurang tepat untuk penelitian yang menggunakan analisis multivariat kompleks seperti SEM atau PLS, yang punya kebutuhan sampel minimum tersendiri
Banyak mahasiswa menggunakan Slovin untuk semua jenis penelitian karena rumusnya mudah dan hasilnya terlihat “ilmiah.” Padahal, menggunakan Slovin di luar konteks yang tepat adalah kekeliruan metodologis yang bisa dipersoalkan oleh penguji.
Tabel Krejcie dan Morgan sebagai Alternatif Praktis
Tabel Krejcie dan Morgan, yang dipublikasikan pertama kali pada tahun 1970 dalam jurnal Educational and Psychological Measurement, adalah alternatif yang lebih praktis dan sudah banyak divalidasi dalam penelitian sosial dan pendidikan.
Cara menggunakannya sangat mudah: kamu tinggal mencari baris yang sesuai dengan jumlah populasimu, lalu lihat angka sampel yang direkomendasikan di kolom yang tersedia. Tabel ini sudah memperhitungkan margin of error 5% dan tingkat kepercayaan 95% sebagai standarnya.
Kelebihan tabel ini dibanding rumus Slovin adalah kemudahan penggunaannya dan fakta bahwa ia sudah digunakan secara luas dalam penelitian yang sudah dipublikasikan, sehingga lebih mudah dipertanggungjawabkan secara akademis.
Sebagai gambaran, berikut beberapa referensi angka dari tabel Krejcie dan Morgan:
| Jumlah Populasi (N) | Jumlah Sampel (n) |
|---|---|
| 100 | 80 |
| 200 | 132 |
| 300 | 169 |
| 500 | 217 |
| 1.000 | 278 |
| 2.000 | 322 |
| 5.000 | 357 |
| 10.000 | 370 |
Perhatikan pola yang menarik: semakin besar populasi, pertambahan jumlah sampel yang dibutuhkan semakin kecil. Populasi 1.000 orang membutuhkan 278 sampel, tapi populasi 10.000 orang hanya membutuhkan 370. Ini mencerminkan prinsip statistik bahwa setelah titik tertentu, menambah sampel tidak lagi memberikan peningkatan representativitas yang signifikan.
Rumus Lemeshow untuk Populasi yang Tidak Diketahui
Ketika jumlah total populasi tidak bisa diidentifikasi, rumus Lemeshow menjadi pilihan yang tepat. Rumusnya adalah:
n = (Z² x p x q) / d²
Di mana:
- n = jumlah sampel
- Z = nilai Z berdasarkan tingkat kepercayaan (untuk 95%, nilai Z adalah 1,96)
- p = estimasi proporsi populasi yang memiliki karakteristik yang diteliti (jika tidak diketahui, gunakan 0,5 karena memberikan sampel terbesar dan paling aman)
- q = 1 – p (biasanya 0,5)
- d = margin of error yang ditetapkan (biasanya 0,05 atau 0,1)
Contoh perhitungan dengan tingkat kepercayaan 95% dan margin of error 5%: n = (1,96² x 0,5 x 0,5) / 0,05² = (3,8416 x 0,25) / 0,0025 = 0,9604 / 0,0025 = 384,16, dibulatkan menjadi 385 orang.
Angka 385 ini adalah jumlah sampel minimum yang sering muncul dalam penelitian survei dengan populasi tidak terbatas pada tingkat kepercayaan 95% dan margin of error 5%. Kalau kamu menemukan angka ini di berbagai penelitian, sekarang kamu tahu dari mana asalnya.
Pedoman Hair et al. untuk Penelitian Berbasis SEM atau PLS
Kalau penelitianmu menggunakan analisis Structural Equation Modeling (SEM) atau Partial Least Squares (PLS), rumus Slovin atau tabel Krejcie Morgan saja tidak cukup. Model-model analisis ini punya kebutuhan sampel yang berbeda karena kompleksitas analisis statistiknya jauh lebih tinggi.
Hair et al. dalam buku Multivariate Data Analysis memberikan pedoman yang banyak digunakan untuk menentukan sampel minimum dalam penelitian berbasis SEM:
- Untuk model yang sederhana dengan sedikit variabel laten dan indikator, sampel minimum adalah 100 hingga 150 responden
- Sebagai aturan umum, jumlah sampel sebaiknya 5 hingga 10 kali jumlah indikator (item pertanyaan) dalam model penelitian
- Untuk model yang lebih kompleks dengan banyak konstruk dan hubungan, 200 hingga 400 sampel lebih direkomendasikan
Pedoman ini penting karena banyak mahasiswa yang menggunakan SEM tapi menentukan sampelnya dengan rumus Slovin. Hasilnya, sampel yang didapat bisa jadi terlalu sedikit untuk memastikan hasil analisis SEM yang stabil dan dapat dipercaya.
Contoh Perhitungan Sampel dari Tiga Jenis Penelitian yang Berbeda
Teori tentang rumus dan pedoman akan jauh lebih mudah dipahami ketika kamu melihatnya dalam konteks penelitian yang nyata. Tiga contoh berikut dirancang menggunakan tema yang dekat dengan kehidupan mahasiswa dan profesional muda di Indonesia.
Contoh Pertama: Penelitian Survei dengan Populasi Tertentu Menggunakan Slovin
Konteks penelitian: Seorang mahasiswa ingin meneliti pengaruh kualitas pembelajaran daring terhadap motivasi belajar mahasiswa di sebuah universitas yang memiliki 1.200 mahasiswa aktif program S1.
Kondisi: Populasi diketahui (1.200 orang), jenis penelitian kuantitatif deskriptif, menggunakan kuesioner.
Penentuan margin of error: Peneliti menetapkan margin of error 5% (e = 0,05) karena ingin hasil yang cukup akurat untuk penelitian akademis.
Perhitungan:
n = N / (1 + N.e²) n = 1.200 / (1 + 1.200 x 0,05²) n = 1.200 / (1 + 1.200 x 0,0025) n = 1.200 / (1 + 3) n = 1.200 / 4 n = 300
Hasil: Jumlah sampel minimal adalah 300 mahasiswa.
Catatan praktis: Dalam pelaksanaan di lapangan, jumlah ini bisa dibulatkan ke atas atau ditambah 10-15% sebagai cadangan, mengantisipasi kuesioner yang tidak terisi lengkap atau responden yang mengundurkan diri. Jadi peneliti mungkin menyebar kuesioner ke 330-350 mahasiswa untuk memastikan minimal 300 data yang bisa dianalisis.
Contoh Kedua: Penelitian Survei Menggunakan Tabel Krejcie dan Morgan
Konteks penelitian: Seorang peneliti muda ingin meneliti kepuasan kerja karyawan di sebuah perusahaan manufaktur yang memiliki 450 karyawan tetap.
Kondisi: Populasi diketahui (450 orang), jenis penelitian kuantitatif, menggunakan kuesioner.
Cara menggunakan tabel: Peneliti mencari angka populasi 450 di tabel Krejcie dan Morgan. Populasi 450 berada di antara 400 dan 500 dalam tabel. Untuk populasi 400, sampel yang direkomendasikan adalah 196, sedangkan untuk populasi 500 adalah 217.
Karena populasinya 450 (lebih dekat ke 500), peneliti memilih untuk menggunakan angka sampel untuk populasi 500, yaitu 217 orang. Ini lebih aman secara metodologis daripada mengambil angka yang lebih kecil.
Hasil: Jumlah sampel adalah 217 karyawan.
Keunggulan pendekatan ini: Peneliti tidak perlu melakukan perhitungan manual. Angka dari tabel sudah dihitung dengan standar statistik yang baku, sehingga lebih mudah dipertanggungjawabkan dalam sidang atau ujian proposal.
Contoh Ketiga: Penelitian Kualitatif dengan Pendekatan Kejenuhan Data
Konteks penelitian: Seorang mahasiswa ingin memahami pengalaman mahasiswa perantauan dalam beradaptasi dengan budaya dan lingkungan baru di kota tempat mereka kuliah. Penelitian ini menggunakan pendekatan fenomenologi.
Kondisi: Jenis penelitian kualitatif, fokus pada pemahaman mendalam atas pengalaman individual, bukan representasi statistik.
Cara menentukan sampel: Dalam penelitian fenomenologi, yang penting adalah memilih partisipan yang benar-benar memiliki pengalaman relevan dengan topik yang diteliti, bukan memilih secara acak. Teknik yang digunakan adalah purposive sampling dengan kriteria yang jelas: mahasiswa perantauan yang sudah tinggal minimal satu tahun di kota yang bukan kota asalnya.
Peneliti memulai dengan 6 partisipan. Setelah melakukan wawancara mendalam dan analisis awal, ia menemukan beberapa tema baru yang muncul dari partisipan ke-5 dan ke-6. Ia kemudian menambah 3 partisipan lagi. Setelah 9 wawancara, tema-tema yang muncul sudah mulai berulang dan tidak ada perspektif baru yang signifikan. Ini adalah tanda kejenuhan data.
Hasil: Penelitian selesai dengan 9 partisipan. Bukan karena angka 9 adalah patokan baku, tapi karena pada titik itu kejenuhan data sudah tercapai.
Catatan penting: Dalam bab metodologi, peneliti harus menjelaskan bahwa jumlah partisipan ditentukan berdasarkan prinsip kejenuhan data, bukan berdasarkan rumus statistik. Penjelasan ini perlu disertai dengan referensi yang mendukung, seperti pendapat Lincoln dan Guba tentang data saturation dalam penelitian kualitatif.
Teknik Sampling dan Hubungannya dengan Jumlah Sampel
Membahas jumlah sampel tanpa membahas teknik sampling ibarat membahas berapa banyak bahan yang harus dibeli tanpa tahu dulu resep apa yang akan dibuat. Keduanya saling terhubung dan harus diputuskan secara bersamaan.
Mengapa Teknik Sampling Harus Ditentukan Sebelum Jumlah Sampel
Teknik sampling menentukan bagaimana kamu memilih anggota sampel dari populasi. Keputusan ini tidak bisa dipisahkan dari penentuan jumlah, karena beberapa teknik sampling memiliki syarat jumlah minimum tersendiri, dan beberapa rumus penghitungan sampel hanya berlaku untuk teknik sampling tertentu.
Contoh konkretnya: kalau kamu menggunakan stratified random sampling (teknik di mana populasi dibagi ke dalam kelompok-kelompok berdasarkan karakteristik tertentu, lalu dari setiap kelompok diambil sampel secara acak), jumlah total sampelmu perlu mencukupi agar setiap strata terwakili dengan layak. Kalau kamu hanya punya 50 sampel untuk 5 strata, setiap strata hanya diwakili sekitar 10 orang, yang mungkin tidak cukup untuk analisis yang bermakna.
Di sisi lain, kalau kamu menggunakan simple random sampling untuk populasi yang homogen, 50 sampel mungkin sudah cukup tergantung ukuran populasi dan margin of error yang kamu tetapkan.
Gambaran Singkat Teknik Sampling yang Umum Digunakan
Berikut ringkasan teknik sampling yang paling sering digunakan beserta karakteristik utamanya:
| Teknik Sampling | Jenis | Kapan Digunakan | Catatan Penting |
|---|---|---|---|
| Simple Random Sampling | Probabilistik | Populasi homogen dan daftar anggotanya tersedia | Setiap anggota populasi punya peluang yang sama untuk dipilih |
| Stratified Random Sampling | Probabilistik | Populasi heterogen dengan subkelompok yang penting untuk diwakili | Sampel diambil dari setiap strata secara proporsional atau sama rata |
| Cluster Sampling | Probabilistik | Populasi tersebar secara geografis, sulit dijangkau satu per satu | Kelompok (cluster) dipilih secara acak, lalu semua atau sebagian anggotanya diteliti |
| Purposive Sampling | Non-probabilistik | Penelitian kualitatif atau saat karakteristik spesifik partisipan sangat penting | Partisipan dipilih berdasarkan pertimbangan tertentu, bukan acak |
| Snowball Sampling | Non-probabilistik | Populasi sulit dijangkau atau tidak teridentifikasi (komunitas tertentu, kelompok marginal) | Partisipan awal merekomendasikan partisipan berikutnya |
| Total Sampling | Non-probabilistik | Populasi sangat kecil (biasanya di bawah 100 orang) | Seluruh anggota populasi dijadikan sampel |
| Accidental/Convenience Sampling | Non-probabilistik | Penelitian eksplorasi awal atau ketika akses ke populasi sangat terbatas | Validitas eksternal rendah; generalisasi terbatas |
Yang perlu kamu ingat adalah bahwa teknik probabilistik memungkinkan generalisasi hasil ke seluruh populasi, sementara teknik non-probabilistik tidak. Jika penelitianmu bertujuan untuk menarik kesimpulan umum tentang suatu populasi, teknik probabilistik adalah pilihan yang lebih tepat secara metodologis.
Kesalahan yang Sering Terjadi Saat Menentukan Jumlah Sampel
Mengetahui cara yang benar saja tidak cukup kalau kamu belum tahu jebakan-jebakan umum yang sering membuat penelitian bermasalah. Empat kesalahan berikut adalah yang paling sering muncul dan paling sering dipersoalkan dalam ujian skripsi atau sidang proposal.
Menggunakan Rumus Slovin untuk Semua Jenis Penelitian
Ini kesalahan yang paling umum dan paling mudah dilakukan, justru karena rumus Slovin sangat populer dan mudah dihitung. Mahasiswa yang meneliti kepuasan konsumen dengan survei kuesioner, mahasiswa yang melakukan eksperimen pembelajaran, mahasiswa yang menggunakan PLS-SEM, semuanya sering berakhir dengan rumus Slovin karena tidak tahu ada pilihan lain yang lebih tepat.
Padahal seperti yang sudah dibahas sebelumnya, Slovin dirancang untuk penelitian deskriptif atau survei dengan populasi yang diketahui. Menggunakannya untuk penelitian eksperimen atau SEM akan menghasilkan jumlah sampel yang tidak sesuai dengan kebutuhan analisis yang digunakan.
Solusinya sederhana: sebelum memilih rumus, tanya dulu pada dirimu sendiri apa jenis penelitianmu dan analisis statistik apa yang akan kamu gunakan. Jawaban atas dua pertanyaan itu akan menentukan pendekatan penentuan sampel yang paling tepat.
Mengklaim Sampel Jenuh Tanpa Justifikasi yang Kuat
Sampel jenuh atau total sampling sering dijadikan “jalan pintas” oleh mahasiswa yang tidak mau repot menghitung atau yang kesulitan menjangkau jumlah sampel yang dibutuhkan. Mereka mengklaim bahwa penelitiannya menggunakan total sampling karena “populasinya terjangkau,” padahal jumlah populasinya bisa ratusan orang.
Penguji yang berpengalaman akan langsung menanyakan: “Kenapa kamu menggunakan total sampling? Apa alasan metodologisnya?” Kalau jawabannya hanya “karena populasinya bisa dijangkau” atau “karena lebih mudah,” itu bukan justifikasi yang kuat.
Total sampling dapat dipertanggungjawabkan ketika populasinya memang kecil (biasanya di bawah 100 orang) dan ada alasan ilmiah mengapa mengambil semua anggota populasi lebih tepat daripada mengambil sampel. Kalau populasimu 300 orang dan kamu mengklaim total sampling, bersiaplah untuk pertanyaan yang sulit dari penguji.
Menentukan Jumlah Sampel Sebelum Teknik Sampling Jelas
Urutan yang benar adalah: tentukan teknik sampling dulu, baru hitung jumlah sampel berdasarkan teknik itu. Tapi banyak mahasiswa yang membaliknya: mereka menentukan jumlah sampel dulu (misalnya karena sudah terlanjur disetujui dosen) lalu memilih teknik sampling yang bisa “masuk akal” dengan angka itu.
Ini menciptakan ketidakkonsistenan yang halus tapi berbahaya. Misalnya, kalau kamu sudah memutuskan mengambil 100 sampel tapi kemudian menggunakan stratified sampling dengan 4 strata, setiap strata hanya diwakili sekitar 25 orang. Apakah itu cukup? Tergantung pada analisis yang kamu gunakan. Tapi kalau kamu menentukan teknik samplingnya belakangan, kamu tidak sempat mempertimbangkan pertanyaan penting ini sejak awal.
Mengabaikan Tingkat Kepercayaan dan Margin of Error
Banyak mahasiswa yang menggunakan rumus Slovin dengan angka e = 0,1 (margin of error 10%) karena hasilnya memberikan jumlah sampel yang lebih sedikit dan terasa lebih “manageable.” Tidak ada yang salah secara teknis dengan ini, tapi ada implikasinya yang perlu dipahami.
Margin of error 10% artinya hasil penelitianmu bisa meleset hingga 10% dari kondisi sebenarnya pada populasi. Untuk penelitian yang sifatnya eksplorasi awal atau tidak memerlukan presisi tinggi, ini mungkin bisa diterima. Tapi untuk penelitian yang hasilnya akan dijadikan dasar rekomendasi kebijakan atau keputusan bisnis yang penting, margin of error 10% terasa terlalu longgar.
Pilihan tingkat kepercayaan dan margin of error harus disadari dan dapat dipertanggungjawabkan, bukan dipilih semata-mata karena memberikan angka sampel yang lebih kecil.
Panduan Singkat Memilih Pendekatan Penentuan Sampel
Setelah memahami semua opsi yang ada, bagian ini merangkum semuanya ke dalam alur keputusan yang bisa kamu ikuti langkah demi langkah. Gunakan panduan ini sebagai titik awal, lalu sesuaikan dengan kondisi spesifik penelitianmu.
Langkah 1: Tentukan jenis penelitianmu
Pertanyaan kuncinya adalah apakah penelitianmu kuantitatif, kualitatif, atau mixed method? Jawaban ini menentukan segalanya.
Langkah 2: Kalau kuantitatif, apakah populasimu diketahui?
- Jika ya dan populasi di bawah 100: pertimbangkan total sampling
- Jika ya dan populasi di atas 100: gunakan rumus Slovin atau tabel Krejcie Morgan
- Jika tidak diketahui: gunakan rumus Lemeshow
Langkah 3: Kalau kuantitatif dengan analisis multivariat kompleks (SEM/PLS)
Tambahkan pertimbangan pedoman Hair et al. di atas perhitungan dasar. Pastikan jumlah sampelmu memenuhi syarat minimum untuk jenis analisis yang akan kamu gunakan, bukan hanya syarat minimum statistik umum.
Langkah 4: Kalau kualitatif
Jangan mencari rumus. Tentukan teknik sampling yang sesuai (biasanya purposive sampling), tetapkan kriteria pemilihan partisipan yang jelas, dan gunakan prinsip kejenuhan data sebagai panduan kapan pengumpulan data dihentikan.
Langkah 5: Kalau eksperimen
Pertimbangkan jumlah kelompok dalam desain eksperimenmu dan pastikan setiap kelompok memiliki minimal 15-30 partisipan, atau lebih banyak jika efek yang diteliti diprediksi kecil.
Berikut ringkasannya dalam satu tabel referensi cepat:
| Jenis Penelitian | Kondisi Populasi | Pendekatan yang Disarankan |
|---|---|---|
| Kuantitatif survei | Populasi diketahui, di bawah 100 | Total sampling |
| Kuantitatif survei | Populasi diketahui, di atas 100 | Slovin atau Krejcie-Morgan |
| Kuantitatif survei | Populasi tidak diketahui | Lemeshow |
| Kuantitatif dengan SEM/PLS | Populasi diketahui | Slovin/Krejcie-Morgan + cek pedoman Hair et al. |
| Kualitatif | Tidak relevan | Purposive sampling + kejenuhan data |
| Eksperimen | Per kelompok | Minimal 15-30 per kelompok |
Menetapkan Sampel dengan Keyakinan, Bukan Sekadar Tebakan
Kalau ada satu hal yang ingin disampaikan dari seluruh pembahasan ini, itu adalah: angka sampel yang baik bukan angka yang besar, bukan angka yang kecil, tapi angka yang bisa kamu pertanggungjawabkan.
Penelitian yang solid bukan soal berapa banyak responden yang berhasil dikumpulkan. Ia soal apakah cara kamu memilih sampel sesuai dengan metode penelitian yang digunakan, apakah jumlahnya cukup untuk mendukung analisis yang kamu rencanakan, dan apakah kamu bisa menjelaskan alasan di balik semua keputusan itu ketika ditanya.
Ketika dosen pembimbing atau penguji bertanya “kenapa sampelmu segitu?”, kamu sekarang punya jawaban yang lengkap. Kamu tahu dari mana angka itu berasal, pendekatan apa yang kamu gunakan, kenapa pendekatan itu tepat untuk jenis penelitianmu, dan apa asumsi di balik pilihan itu. Itu jauh lebih kuat dari sekadar menyebut nama rumus.
Satu langkah terakhir yang sering dilewatkan: setelah menentukan jumlah sampel, kembali baca rumusan masalah dan teknik analisis yang akan kamu gunakan. Pastikan ketiganya konsisten satu sama lain. Sampel yang tepat untuk penelitianmu adalah sampel yang membuat ketiga komponen itu bisa berjalan bersama dengan logis dan koheren.
REFERENSI
- Krejcie, R. V., & Morgan, D. W. (1970). Determining Sample Size for Research Activities. Educational and Psychological Measurement, 30(3), 607-610. https://doi.org/10.1177/001316447003000308
- Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate Data Analysis (8th ed.). Cengage Learning. https://www.cengage.com
- Sugiyono. (2019). Metode Penelitian Kuantitatif, Kualitatif, dan R&D. Alfabeta. https://www.alfabeta.id
- Arikunto, S. (2013). Prosedur Penelitian: Suatu Pendekatan Praktik. Rineka Cipta. https://www.rinekaciptas.com
- Lemeshow, S., Hosmer, D. W., Klar, J., & Lwanga, S. K. (1990). Adequacy of Sample Size in Health Studies. World Health Organization & Wiley. https://apps.who.int/iris/handle/10665/41607
- Roscoe, J. T. (1975). Fundamental Research Statistics for the Behavioural Sciences (2nd ed.). Holt Rinehart & Winston. https://www.worldcat.org/title/fundamental-research-statistics-for-the-behavioural-sciences
- Lincoln, Y. S., & Guba, E. G. (1985). Naturalistic Inquiry. SAGE Publications. https://www.sagepub.com
