TL;DR
Populasi adalah seluruh unit yang mau kamu simpulkan, sedangkan sampel adalah bagian dari populasi itu yang datanya beneran kamu ukur. Contohnya, populasi 480 karyawan tetap PT Sinar Jaya dengan sampel 219 orang yang ngisi kuesioner. Penulisan populasi yang bener selalu punya empat komponen: unit analisis, batas wilayah, batas waktu, dan jumlah unitnya.
Populasi adalah seluruh unit yang mau kamu simpulkan. Sampel adalah bagian dari populasi itu yang datanya beneran kamu ukur.
Definisinya gampang. Yang susah itu nerapinnya ke kasus kamu sendiri.
Kalimat yang paling sering muncul di draft bab 3: "Populasi penelitian ini adalah 100 mahasiswa Fakultas Ekonomi." Angka 100 itu hampir selalu jumlah sampel, bukan populasi.
Di bawah ini 12 contoh konkret dari bidang studi yang beda-beda. Tiap contoh punya unit analisis, batas wilayah dan waktu, jumlah unit, plus teknik sampling yang masuk akal buat kasus itu.
Populasi adalah kumpulan lengkap semua unit yang punya ciri yang kamu teliti, misalnya semua karyawan tetap PT Sinar Jaya per Juli 2025. Sampel adalah sebagian unit dari populasi itu yang datanya beneran kamu ambil, misalnya 219 karyawan yang ngisi kuesioner. Angka dari sampel dipakai buat nyimpulin kondisi populasi.
Angka yang dihitung dari populasi namanya parameter. Angka yang dihitung dari sampel namanya statistik.
Rata-rata gaji semua 480 karyawan itu parameter. Rata-rata gaji 219 responden itu statistik yang kamu pakai buat nebak parameter tadi.
| Aspek | Populasi | Sampel |
|---|---|---|
| Cakupan | Semua unit | Sebagian unit |
| Notasi jumlah | N | n |
| Notasi rata-rata | mu | x bar |
| Cara ngumpulin | Sensus | Sampling |
| Angka yang dihasilkan | Parameter | Statistik |
| Biaya dan waktu | Mahal, lama | Lebih murah, cepat |
Tulis unit analisisnya dulu, baru batas wilayah, batas waktu, terus jumlah unitnya. Empat komponen itu bikin populasi kamu bisa dicek ulang orang lain. Kalau satu komponen hilang, penguji hampir pasti nanya siapa persisnya yang kamu maksud populasi.
Buat ngitung N per kelompok dari file absensi atau daftar pelanggan, rumus COUNTIF cukup buat satu kriteria. Kalau kriterianya lebih dari satu, misalnya jenis kelamin dan divisi sekaligus, pakai COUNTIFS.
Di pendidikan, unit analisisnya bisa siswa, guru, atau kelas. Bedanya penting: kalau unitnya kelas, kamu nggak boleh ngitung sampel pakai jumlah siswa.
1. Prestasi belajar matematika. Populasi: 512 siswa kelas XI SMAN 3 Bandung tahun ajaran 2025/2026. Sampel: 84 siswa dari 3 kelas yang kepilih acak. Tekniknya cluster random sampling, soalnya kamu ngacak kelas, bukan ngacak siswa satu per satu.
2. Efektivitas media pembelajaran video. Populasi: 6 rombongan belajar kelas VII SMPN 12 Semarang. Sampel: 2 kelas, satu jadi kelompok eksperimen dan satu jadi kontrol. Tekniknya purposive, dipilih karena nilai rata-rata awal dua kelas itu paling mirip.
3. Kompetensi digital guru SD. Populasi: 1.240 guru SD negeri di Kabupaten Sleman per semester ganjil 2025. Sampel: 302 guru dengan proportionate stratified random sampling, jatahnya dibagi proporsional per kecamatan.
Di manajemen, jebakan paling umum itu populasi yang jumlahnya nggak ketahuan. Pelanggan yang datang besok belum masuk daftar mana pun.
4. Kepuasan pelanggan kafe. Populasi: semua pelanggan yang transaksi di Kopi Rakyat cabang Depok selama Agustus 2025, jumlahnya nggak diketahui pasti. Sampel: 100 responden yang ditemui di lokasi, pakai accidental sampling. Karena N nggak diketahui, ukuran sampelnya dihitung pakai rumus proporsi, bukan Slovin.
5. Kinerja karyawan. Populasi: 480 karyawan tetap PT Sinar Jaya per Juli 2025. Sampel: 219 karyawan, hasil Slovin dengan margin 5 persen lalu dibulatkan ke atas. Tekniknya simple random dari daftar NIK.
6. Literasi keuangan pelaku UMKM. Populasi: 350 UMKM binaan Dinas Koperasi Kota Malang yang terdaftar 2025. Sampel: 78 pemilik usaha dengan simple random sampling. Unit analisisnya pemilik, bukan usahanya, jadi satu orang dengan dua usaha tetap dihitung satu.
Penelitian kesehatan biasanya punya kerangka sampel yang rapi, soalnya pasien terdaftar di rekam medis. Ini bikin N-nya gampang dipastiin.
7. Kepatuhan minum obat pasien hipertensi. Populasi: 214 pasien hipertensi yang terdaftar di Puskesmas Cibiru periode Januari sampai Juni 2025. Sampel: 139 pasien, hasil Slovin margin 5 persen. Tekniknya systematic random dari nomor rekam medis.
8. Status gizi balita. Populasi: 1.043 balita yang tercatat di 12 posyandu Kecamatan Ngaglik selama 2025. Sampel: 91 balita dari 4 posyandu terpilih, pakai cluster sampling. Unit analisisnya balita, tapi yang diwawancara ibunya.
Di teknik, unit analisis sering bukan manusia. Benda uji juga punya populasi dan sampel.
9. Produktivitas padi. Populasi: 640 petani anggota gabungan kelompok tani di Kecamatan Rawamerta, Karawang, musim tanam 2025. Sampel: 87 petani dengan stratified sampling berdasar luas lahan, dibagi tiga strata: di bawah 0,5 hektar, 0,5 sampai 1 hektar, dan di atas 1 hektar.
10. Kuat tekan beton. Populasi: seluruh benda uji beton mutu K-250 dari satu batch pengecoran proyek jembatan. Sampel: 15 silinder yang diuji tekan di umur 7, 14, dan 28 hari. Di sini sampel dibatasi bukan sama biaya kuesioner, tapi sama jumlah benda uji yang boleh dihancurkan.
Di ilmu komunikasi, unit analisisnya sering berupa konten, bukan orang. Ini yang bikin banyak proposal bingung nentuin N.
11. Terpaan iklan di media sosial. Populasi: 4.800 follower akun Instagram sebuah brand skincare lokal per 1 Agustus 2025. Sampel: 370 follower yang ngisi kuesioner online, hasil Slovin margin 5 persen.
12. Analisis isi berita banjir. Populasi: 248 artikel bertopik banjir di 4 portal berita nasional periode Januari sampai Maret 2025. Sampel: 83 artikel yang diambil systematic, tiap artikel ke-3 dari daftar yang diurutin tanggal. Unit analisisnya artikel, jadi jumlah wartawan atau pembaca nggak relevan.
| No | Bidang | Unit analisis | Populasi (N) | Sampel (n) | Teknik |
|---|---|---|---|---|---|
| 1 | Pendidikan | Siswa | 512 | 84 | Cluster random |
| 2 | Pendidikan | Kelas | 6 kelas | 2 kelas | Purposive |
| 3 | Pendidikan | Guru | 1.240 | 302 | Proportionate stratified |
| 4 | Bisnis | Pelanggan | Nggak diketahui | 100 | Accidental |
| 5 | Manajemen | Karyawan | 480 | 219 | Simple random |
| 6 | Manajemen | Pemilik UMKM | 350 | 78 | Simple random |
| 7 | Kesehatan | Pasien | 214 | 139 | Systematic random |
| 8 | Kesehatan | Balita | 1.043 | 91 | Cluster |
| 9 | Pertanian | Petani | 640 | 87 | Stratified |
| 10 | Teknik sipil | Benda uji | Satu batch | 15 | Sampling acak batch |
| 11 | Komunikasi | Follower | 4.800 | 370 | Simple random |
| 12 | Komunikasi | Artikel berita | 248 | 83 | Systematic |
Dataset latihan toko_berkah punya 4.312 transaksi sepanjang 2024 dari 1.187 pelanggan unik. Rata-rata belanja per transaksi Rp 87.400, dan 62 persen transaksi datang dari pelanggan yang belanja lebih dari sekali.
Misalnya kamu mau survei kepuasan pelanggan toko itu. Populasinya bukan 4.312, tapi 1.187, soalnya unit analisisnya orang.
Dengan Slovin margin 5 persen, ukuran sampelnya 1.187 dibagi (1 + 1.187 kali 0,0025), hasilnya 299,2 dan dibulatkan jadi 300 pelanggan.
Yang menarik, kalau sampel 300 itu diambil acak murni, sekitar 186 respondennya bakal pelanggan berulang, ikut proporsi 62 persen tadi. Cukup buat bandingin dua kelompok, tapi pas-pasan kalau kamu mau motong lagi per kategori produk.
Solusinya bagi populasi jadi dua strata dulu, pelanggan sekali beli dan pelanggan berulang, lalu ambil jatah masing-masing. Konsep segmentation di analisis data kepakai persis buat ini.
Contoh paling gampang: populasi adalah 480 karyawan tetap PT Sinar Jaya per Juli 2025, sampelnya 219 karyawan yang ngisi kuesioner. Populasi itu daftar lengkapnya, sampel itu siapa yang beneran kamu tanya. Pola ini berlaku buat objek apa pun, bukan cuma orang. Bisa 248 artikel berita, 1.043 balita, atau 640 petani anggota gapoktan.
Boleh, dan itu namanya sensus atau penelitian populasi. Biasanya dipakai kalau populasinya kecil, di bawah 100 unit, jadi lebih hemat ngambil semuanya daripada repot ngitung ukuran sampel. Misalnya penelitian di satu koperasi dengan 42 pengurus, kamu ambil semuanya. Yang penting jangan nulis kata sampel kalau kamu ambil semua unit, tulis aja sensus.
Kalau kamu nggak punya daftar lengkap unitnya, misalnya pelanggan kafe yang datang bulan depan, populasinya disebut infinite atau tak terhingga. Rumus Slovin nggak bisa dipakai karena butuh nilai N. Gantinya pakai rumus Lemeshow atau Cochran yang cuma butuh proporsi dan margin of error. Hasil umumnya sekitar 96 sampai 100 responden buat margin 10 persen.
Unit analisis adalah jenis objek yang kamu ukur, misalnya siswa, transaksi, atau artikel berita. Populasi adalah kumpulan lengkap unit analisis itu dalam batas wilayah dan waktu tertentu. Jadi unit analisisnya siswa, populasinya 512 siswa kelas XI SMAN 3 Bandung tahun ajaran 2025/2026. Nentuin unit analisis dulu bikin batas populasimu jauh lebih jelas.
Nggak ada angka persen tetap, soalnya ukuran sampel bergantung ke margin of error dan tingkat kepercayaan, bukan ke persentase. Populasi 1.000 orang butuh sekitar 286 sampel di margin 5 persen, tapi populasi 100.000 cuma butuh sekitar 398. Makin besar populasi, makin kecil persentasenya. Jadi hitung pakai rumus, jangan pakai patokan 10 persen.
Tiga hal yang bikin bagian populasi dan sampel kamu lolos sidang: unit analisis jelas, batas wilayah dan waktu disebut, jumlah N punya sumber yang bisa ditunjuk.
Coba tulis ulang satu kalimat populasi di proposalmu pakai empat komponen tadi. Biasanya kelihatan langsung mana yang selama ini kosong.
Kalau penelitianmu kuantitatif, lanjut ke aturan main populasi dan sampel kuantitatif. Kalau kualitatif, ukuran sampel diganti konsep saturasi, dan itu dibahas di populasi dan sampel kualitatif.
Mau praktek langsung? Mulai latihan SQL gratis
Latihan interaktif, langsung di browser.
Kolom datetime nyimpen tanggal, jam, hari, semuanya nempel jadi satu. Accessor .dt di pandas ngeluarin tiap bagian jadi kolom sendiri buat dianalisa.
Nama toko ketik campur huruf besar-kecil, spasi nyasar di ujung, atau kode produk nempel jadi satu. Accessor .str di pandas ngerapiin semua itu tanpa loop.
Model machine learning cuma ngerti angka, bukan teks kayak merah atau biru. get_dummies ngubah kolom kategori jadi kolom 0/1 dalam satu baris kode.