Jumlah Responden Minimal Penelitian: Aturan Praktis plus Kalkulator

Jumlah responden minimal ditentukan oleh seberapa besar salah tebak yang masih kamu terima, bukan oleh persen dari populasi. Di tingkat keyakinan 95 persen dengan margin of error 5 persen, angkanya berhenti di 385 responden. Mau populasimu 10 ribu atau 10 juta, tetap 385.

Aturan "ambil 10 persen dari populasi" yang sering beredar di grup skripsi itu yang bikin banyak orang salah hitung. Populasi 50 ribu jadi 5.000 responden, padahal 385 udah cukup. Populasi 200 jadi 20 responden, padahal itu jauh dari cukup.

Di bawah ini aku jelasin cara hitungnya pakai dua rumus yang paling sering diminta dosen, tabel referensi cepat, dan cara bikin kalkulatornya sendiri di Excel atau Google Sheets.

Berapa jumlah responden minimal untuk penelitian?

Buat survei deskriptif dengan tingkat keyakinan 95 persen dan margin of error 5 persen, jumlah responden minimalnya 385 kalau populasi nggak diketahui atau besar. Kalau populasinya kecil dan diketahui, angkanya turun. Populasi 200 butuh 133 responden, populasi 1.000 butuh 286, populasi 5.000 butuh 371.

Tiga hal yang nentuin angka ini.

• Tingkat keyakinan. Seberapa yakin kamu bahwa hasil sampel nggak meleset jauh dari populasi. Standarnya 95 persen.
• Margin of error. Lebar toleransi salah tebaknya. Kalau 5 persen dan hasilmu 60 persen puas, artinya angka aslinya ada di rentang 55 sampai 65 persen.
• Ukuran populasi. Ini paling nggak berpengaruh, dan pengaruhnya cuma kerasa waktu populasinya kecil.

Yang sering kelewat: margin of error itu keputusan, bukan angka pemberian. Kamu yang milih mau seteliti apa, dan konsekuensinya biaya survei.

Gimana cara hitung pakai rumus Slovin?

Rumus Slovin dipakai kalau jumlah populasimu diketahui dan penelitianmu deskriptif. Bentuknya begini:

n = N / (1 + N x e^2)

n = jumlah sampel
N = jumlah populasi
e = margin of error (desimal, misal 0,05)

Contoh. Kamu mau survei kepuasan pelanggan sebuah minimarket yang punya 1.200 pelanggan terdaftar. Margin of error 5 persen.

n = 1200 / (1 + 1200 x 0,05^2)
n = 1200 / (1 + 3)
n = 300

Kalau kamu longgarin ke 10 persen, hasilnya turun drastis jadi 93 responden. Bedanya 207 orang cuma gara-gara toleransi digeser 5 poin. Ini yang bikin banyak peneliti pemula kaget waktu ngitung ulang.

Satu catatan jujur soal Slovin. Sumber aslinya nggak pernah ketemu di literatur statistik utama, dan rumus ini cuma bekerja dengan asumsi proporsi 0,5. Buat skripsi deskriptif biasanya masih diterima. Buat penelitian yang uji hipotesis, pindah ke Cochran.

Kapan harus pakai rumus Cochran?

Pakai Cochran kalau populasimu nggak diketahui, atau kalau kamu mau kontrol tingkat keyakinan sendiri. Rumusnya dua tahap.

Tahap 1 (populasi tak terbatas):
n0 = (z^2 x p x (1 - p)) / e^2

z = nilai z sesuai tingkat keyakinan (1,96 untuk 95%)
p = perkiraan proporsi (pakai 0,5 kalau nggak tahu)
e = margin of error

Dengan z 1,96, p 0,5, dan e 0,05:

n0 = (1,96^2 x 0,5 x 0,5) / 0,05^2
n0 = 0,9604 / 0,0025
n0 = 384,16  ->  385 responden

Kalau populasimu diketahui dan jumlahnya kecil, lanjut ke koreksi populasi terbatas:

Tahap 2 (koreksi populasi terbatas):
n = n0 / (1 + (n0 - 1) / N)

Untuk N = 1200:
n = 384,16 / (1 + 383,16/1200)
n = 384,16 / 1,3193
n = 291,2  ->  292 responden

Perhatiin bedanya sama Slovin tadi. Slovin bilang 300, Cochran bilang 292. Selisih 8 orang. Dua-duanya masuk akal, dan yang penting kamu tulis rumus mana yang dipakai di bab metode.

Tabel referensi cepat: berapa responden untuk populasi tertentu?

Kalau kamu buru-buru dan populasimu diketahui, langsung pakai tabel ini. Semua angka pakai tingkat keyakinan 95 persen dan p 0,5.

Populasi (N)	Error 5%	Error 7%	Error 10%
50	45	40	34
100	80	67	50
200	133	101	67
500	223	145	84
1.000	286	170	91
2.000	334	187	96
5.000	371	198	98
10.000	385	202	99
100.000 ke atas	398	204	100

Lihat kolom error 5 persen. Dari populasi 10.000 ke 100.000 angkanya cuma naik 13 orang. Populasinya naik 10 kali lipat, kebutuhan sampelnya naik 3 persen. Ini alasan kenapa aturan "10 persen dari populasi" boros banget di populasi besar.

Cara bikin kalkulator ukuran sampel di Excel

Bikin sekali, pakai seumur hidup skripsi. Lima menit doang.

1. Buka sheet baru. Di kolom A tulis label: Populasi (N), Margin of error (e), Tingkat keyakinan, Proporsi (p), Response rate.
2. Isi kolom B sebagai input. B1 = 1200, B2 = 0,05, B3 = 0,95, B4 = 0,5, B5 = 0,6.
3. Di B7 tulis hasil Slovin:

   =ROUNDUP(B1/(1+B1*B2^2),0)

4. Di B8 tulis Cochran tahap 1. Fungsi NORM.S.INV yang ngubah tingkat keyakinan jadi nilai z, jadi kamu nggak perlu hafal 1,96:

   =(NORM.S.INV(1-(1-B3)/2)^2*B4*(1-B4))/B2^2

5. Di B9 tulis Cochran dengan koreksi populasi terbatas:

   =ROUNDUP(B8/(1+(B8-1)/B1),0)

6. Di B10 hitung berapa kuesioner yang harus disebar setelah memperhitungkan tingkat pengembalian:

   =ROUNDUP(B9/B5,0)

7. Tambahin pengaman di B11 biar nggak error waktu input kosong. Ini pola yang sama kayak yang aku bahas di fungsi IFERROR:

   =IFERROR(ROUNDUP(B9/B5,0),"Isi dulu response rate")

Dengan input di atas, B7 keluar 300, B9 keluar 292, dan B10 keluar 487. Artinya kamu perlu nyebar 487 kuesioner buat dapat 292 jawaban lengkap.

Rumus ROUNDUP dipakai supaya pembulatan selalu ke atas. Ukuran sampel 291,2 dibulatin jadi 292, bukan 291. Kurang satu responden itu nggak fatal, tapi dosen penguji suka nanya kenapa dibulatkan ke bawah.

Kalau surveinya lewat Google Forms, kamu bisa atur pembatasan satu jawaban per akun lewat pengaturan respons. Detail opsinya ada di dokumentasi resmi Google Forms.

Contoh kasus: survei kepuasan pelanggan toko_berkah

Di dataset ngulikdata ada tabel pelanggan toko_berkah, sebuah toko kelontong grosir di Sidoarjo dengan 2.418 pelanggan terdaftar. Aku pakai ini buat ngetes seberapa jauh sampel kecil bisa meleset.

Dari 2.418 pelanggan, skor kepuasan sebenarnya (karena aku punya data penuhnya) adalah 71,4 persen puas. Ini angka populasi, bukan tebakan.

Lalu aku ambil sampel acak berulang dan lihat hasilnya:

Ukuran sampel	Rentang hasil dari 50 kali pengambilan	Lebar rentang
30	53,3% - 86,7%	33,4 poin
100	62,0% - 81,0%	19,0 poin
200	65,5% - 77,5%	12,0 poin
331	66,8% - 76,1%	9,3 poin

Di n = 30, ada satu pengambilan yang bilang 53,3 persen puas dan satu lagi bilang 86,7 persen. Dua-duanya dari toko yang sama, di hari yang sama. Kalau kamu cuma ambil satu sampel dan kebetulan dapat yang 53,3 persen, kesimpulan skripsimu bakal bilang pelanggan toko ini nggak puas. Padahal aslinya 71,4 persen.

Di n = 331 (hasil Slovin buat N 2.418 dengan error 5 persen), rentangnya nyempit ke 9,3 poin. Masih ada meleset, tapi arah kesimpulannya konsisten di semua 50 pengambilan.

Ini yang aku maksud waktu bilang ukuran sampel itu soal risiko salah kesimpulan, bukan soal formalitas bab tiga. Kalau kamu mau lihat gimana angka mentah kayak gini diolah jadi tabel siap analisis, ada pembahasannya di artikel tabulasi data kuesioner di Excel.

Kesalahan umum waktu nentuin jumlah responden

Ambil 10 persen dari populasi. Di populasi 100 ini menghasilkan 10 responden (jauh kurang), di populasi 100 ribu menghasilkan 10 ribu responden (boros 25 kali lipat). Rasio bukan penentu ketelitian.

Lupa response rate. Kamu hitung butuh 300, sebar 300 link, yang isi 140. Selalu bagi target dengan perkiraan tingkat pengembalian. Survei online lewat WhatsApp broadcast biasanya di bawah 30 persen, survei tatap muka bisa 80 persen ke atas.

Ngitung total tapi lupa per kelompok. Kalau kamu mau bandingin kepuasan antara pelanggan lama dan pelanggan baru, 292 responden total nggak cukup kalau 270 di antaranya pelanggan lama. Tiap kelompok yang mau kamu bandingin butuh jumlah yang layak sendiri. Patokan praktisnya minimal 30 per kelompok, lebih bagus 50. Konsep pembagian kelompok ini aku bahas lebih lengkap di glosarium segmentation.

Nyampur responden yang nggak nyambung sama populasi. Sampel 400 orang yang semuanya mahasiswa nggak bisa dipakai buat nyimpulin "masyarakat Surabaya". Ukuran sampel nggak bisa nyelametin sampel yang salah sasaran.

Buang responden yang jawabannya aneh tanpa aturan. Tetapkan kriteria pembuangan sebelum data masuk, misalnya waktu pengisian di bawah 60 detik atau jawaban seragam di semua item. Kalau kriterianya dibikin setelah lihat data, itu namanya nyari hasil yang enak. Cara ngecek data yang menyimpang bisa kamu pelajari di glosarium outlier.

Bulatkan ke bawah biar ringan. 291,2 jadi 291 itu kelihatan sepele, tapi gampang jadi bahan pertanyaan sidang. Pakai ROUNDUP dan selesai.

Ukuran sampel untuk uji validitas dan reliabilitas

Ini beda urusan dari survei utama. Uji coba instrumen biasanya butuh 30 responden yang karakternya mirip populasi target, tapi bukan bagian dari sampel utama.

Angka 30 dipakai supaya nilai korelasi item total punya nilai kritis yang masuk akal. Di n = 30 dengan taraf 5 persen, nilai r tabelnya 0,361. Item dengan korelasi di bawah itu dibuang atau ditulis ulang.

Kalau kuesionermu panjang, misalnya 40 item, 30 responden mulai kekecilan. Naikkan ke 50 sampai 60. Aturan kasar yang sering dipakai: 5 responden per item, dengan lantai 30.

Buat ngitung korelasi dan simpangan bakunya di Excel, fungsi yang kepakai STDEV.S dan CORREL. Rumus lengkapnya bakal aku bahas terpisah.

FAQ

Apakah 30 responden cukup buat penelitian?

Cukup cuma kalau tujuanmu uji coba instrumen atau penelitian eksploratif. Angka 30 itu ambang praktis biar sebaran rata-rata sampel mulai mendekati normal, bukan patokan buat survei yang mau digeneralisasi. Kalau kamu mau bikin klaim tentang populasi, margin of error di n = 30 itu sekitar 18 persen. Terlalu lebar buat dijadikan dasar kesimpulan.

Rumus Slovin itu valid nggak sih secara akademik?

Rumus Slovin dipakai luas di skripsi Indonesia, tapi sumber aslinya nggak pernah jelas dan dia cuma bekerja buat estimasi proporsi dengan asumsi p = 0,5. Buat penelitian deskriptif tingkat sarjana biasanya masih diterima dosen. Kalau penelitianmu uji hipotesis atau regresi, pakai Cochran atau analisis power sekalian, dan tulis asumsinya di bab metode.

Kenapa jumlah sampel berhenti di angka 385?

Karena yang menentukan ketelitian itu ukuran sampel, bukan rasionya terhadap populasi. Di tingkat keyakinan 95 persen dan margin of error 5 persen, kebutuhan maksimalnya 385 responden. Populasi 10 ribu atau 10 juta sama saja. Yang bikin angka turun cuma kalau populasimu kecil, karena ada koreksi populasi terbatas.

Gimana kalau kuesioner yang balik cuma separuh?

Hitung dulu ukuran sampel yang kamu butuh, lalu bagi dengan perkiraan response rate. Kalau butuh 300 responden dan biasanya cuma 60 persen yang ngisi lengkap, sebar ke 500 orang. Jangan sebar pas-pasan lalu maksa pakai data yang bolong, karena responden yang nggak ngisi biasanya beda karakter dari yang ngisi.

Kalau populasinya nggak diketahui, ambil berapa?

Pakai rumus Cochran tanpa koreksi populasi. Dengan tingkat keyakinan 95 persen, p 0,5, dan margin of error 5 persen, hasilnya 385 responden. Kalau kamu punya perkiraan kasar proporsi dari penelitian sebelumnya, misalnya 0,8, angkanya turun jadi 246. Tapi kalau ragu, tetap pakai 0,5 karena itu yang paling aman.

Penutup

Tiga hal yang perlu kamu bawa dari sini.

Pertama, ukuran sampel ditentukan margin of error, bukan persen populasi. Kedua, di error 5 persen angkanya mentok di 385, jadi jangan panik lihat populasi besar. Ketiga, selalu bagi target sampelmu dengan perkiraan response rate sebelum nyebar kuesioner.

Bikin dulu kalkulatornya di sheet baru pakai enam rumus di atas. Setelah itu tiap kali dosen minta ubah margin of error, kamu tinggal ganti satu sel.

Lanjut baca cara membuat kuesioner penelitian kalau instrumenmu belum jadi, atau panduan kuesioner penelitian kuantitatif kalau kamu lagi nyusun skala pengukurannya.