TL;DR
Di penelitian kuantitatif, populasi adalah seluruh unit yang mau kamu generalisasi dan sampel adalah bagian yang datanya kamu ukur, dengan syarat pengambilannya acak biar hasilnya bisa digeneralisasi. Ukuran sampel dihitung pakai rumus Slovin atau tabel Krejcie dan Morgan, misalnya populasi 1.000 orang butuh 286 sampel di margin 5 persen. Yang bikin bab 3 dicoret biasanya bukan rumusnya, tapi kerangka sampel yang nggak ada dan teknik sampling yang diklaim acak padahal asal sebar.
Di penelitian kuantitatif, populasi adalah seluruh unit yang mau kamu generalisasi, dan sampel adalah bagian dari populasi itu yang datanya beneran kamu ukur.
Bedanya sama penelitian kualitatif ada di satu kata: generalisasi.
Kuantitatif ngeklaim hasil dari 300 orang berlaku buat 1.187 orang. Klaim itu cuma valid kalau cara ngambil 300 orangnya bener.
Panduan ini ngebahas tujuh langkah nentuin sampel, cara ngitung ukurannya, dan jebakan yang paling sering bikin bab 3 balik lagi dari penguji.
Populasi adalah kumpulan lengkap unit yang punya ciri yang kamu teliti dalam batas wilayah dan waktu tertentu. Sampel adalah bagian dari populasi itu yang kepilih buat diukur. Di pendekatan kuantitatif, sampel harus representatif supaya angka hasil hitungan bisa dipakai nyimpulin kondisi seluruh populasi.
Angka dari populasi disebut parameter, angka dari sampel disebut statistik. Semua uji hipotesis yang kamu jalanin nanti pada dasarnya nebak parameter dari statistik.
Contoh konkretnya bisa kamu lihat di kumpulan 12 contoh populasi dan sampel lintas bidang studi.
Representatif artinya sebaran ciri di sampel mirip sama sebaran ciri di populasi. Kalau populasimu 60 persen perempuan, sampel yang isinya 90 persen laki-laki bakal ngasih kesimpulan yang meleset. Keacakan pengambilan adalah cara paling murah buat bikin sampel mirip populasi tanpa harus tau semua cirinya duluan.
Ini alasan kenapa teknik non-probabilitas bermasalah di kuantitatif. Waktu kamu nyebar kuesioner cuma di grup WhatsApp angkatan, orang yang nggak punya grup itu peluangnya nol buat kepilih.
Sampel yang bias nggak bisa diperbaiki dengan nambah jumlah responden. Nambah 1.000 responden dari sumber yang sama cuma bikin kesimpulan yang salah jadi keliatan lebih meyakinkan.
Urutannya selalu sama: tentuin unit analisis, batasi populasi, siapin kerangka sampel, pilih teknik, hitung ukuran, tarik sampel, lalu catat responsnya. Tujuh langkah ini yang bakal kamu tulis ulang jadi subbab populasi dan sampel di bab 3.
Buat langkah ketiga, ngitung jumlah unit per kelompok gampang pakai rumus COUNTIFS. Buat narik nama responden dari nomor urut yang kepilih, pakai rumus INDEX.
Teknik sampling kebagi dua: probabilitas, yang ngasih tiap unit peluang kepilih yang bisa dihitung, dan non-probabilitas, yang nggak. Penelitian kuantitatif yang mau nyimpulin populasi sebaiknya pakai probabilitas. Non-probabilitas boleh dipakai kalau kerangka sampel beneran nggak ada.
| Teknik | Jenis | Cara kerja | Cocok kalau |
|---|---|---|---|
| Simple random | Probabilitas | Undian atau angka acak dari daftar | Populasi homogen, daftar lengkap ada |
| Systematic random | Probabilitas | Ambil tiap unit ke-k dari daftar urut | Daftar panjang dan urutannya nggak berpola |
| Stratified random | Probabilitas | Bagi populasi jadi strata, acak di tiap strata | Ada kelompok yang beda karakternya |
| Cluster random | Probabilitas | Acak kelompok utuh, bukan individu | Populasi tersebar secara geografis |
| Purposive | Non-probabilitas | Dipilih berdasar kriteria peneliti | Responden harus punya ciri khusus |
| Accidental | Non-probabilitas | Siapa pun yang kebetulan ditemui | Populasi nggak punya daftar sama sekali |
| Snowball | Non-probabilitas | Responden nunjuk responden berikutnya | Populasi susah diakses atau tertutup |
| Kuota | Non-probabilitas | Ngejar jatah per kelompok sampai penuh | Butuh jumlah seimbang antar kelompok |
Stratified random paling sering kepakai di skripsi manajemen dan pendidikan. Konsep bagi-bagi kelompoknya sama persis kayak segmentation di analisis data.
Cara ngitung jatah tiap strata gampang: jumlah unit strata dibagi total populasi, dikali ukuran sampel. Kalau strata A punya 400 dari 1.240 guru dan sampelmu 302, jatah strata A adalah 400 dibagi 1.240 dikali 302, hasilnya 97 guru.
Ukuran sampel ditentuin dua hal: jumlah populasi dan uji statistik yang kamu rencanain. Kalau populasi diketahui, pakai Slovin atau tabel Krejcie dan Morgan. Kalau yang jadi batasan adalah analisisnya, ikutin patokan minimal per jenis uji, soalnya regresi berganda dan model SEM butuh data jauh lebih banyak dari uji beda dua kelompok.
| Populasi (N) | Slovin, margin 5% | Krejcie dan Morgan |
|---|---|---|
| 100 | 80 | 80 |
| 500 | 222 | 217 |
| 1.000 | 286 | 278 |
| 10.000 | 385 | 370 |
Dua-duanya diterima di skripsi Indonesia. Slovin lebih cepat dihitung, Krejcie dan Morgan sedikit lebih konservatif karena masukin asumsi proporsi 0,5. Cara hitung manualnya ada di panduan rumus Slovin.
| Rencana analisis | Ukuran sampel minimal |
|---|---|
| Uji beda dua kelompok (eksperimen) | 30 per kelompok |
| Korelasi dua variabel | Sekitar 50 |
| Regresi berganda | 50 ditambah 8 kali jumlah prediktor |
| Analisis faktor | 5 sampai 10 kali jumlah item |
| SEM atau PLS | 10 kali jalur terbanyak ke satu konstruk |
Angka di tabel ini aturan praktis dari buku metodologi, bukan hukum mati. Kalau kamu punya waktu dan akses, hitung pakai analisis daya statistik biar jumlahnya nyambung sama efek yang kamu harapin.
Dataset latihan toko_berkah punya 4.312 transaksi sepanjang 2024 dari 1.187 pelanggan unik. Rata-rata belanja per transaksi Rp 87.400 dengan standar deviasi Rp 46.200.
Standar deviasi segitu tergolong lebar. Ada yang belanja Rp 12.000 buat beli sabun, ada yang belanja Rp 340.000 buat kulakan.
Sekarang bandingin dua ukuran sampel.
| Ukuran sampel | Rentang rata-rata (95%) | Lebar rentang |
|---|---|---|
| 30 transaksi | Rp 70.900 sampai Rp 103.900 | Rp 33.000 |
| 300 transaksi | Rp 82.200 sampai Rp 92.600 | Rp 10.400 |
Datanya sama persis. Yang beda cuma jumlah sampelnya.
Dengan 30 transaksi, kesimpulanmu soal rata-rata belanja bisa meleset sampai Rp 16.500 ke atas atau ke bawah. Buat toko yang lagi nentuin batas minimum gratis ongkir, selisih segitu bikin keputusannya beda total.
Naik ke 300 transaksi, rentangnya nyempit tiga kali lipat. Ini alasan kenapa penelitian kuantitatif nggak bisa asal ambil 30 responden cuma karena angka 30 kedengaran cukup.
Satu hal yang sering kelewat: nilai ekstrem kayak transaksi kulakan Rp 340.000 narik rata-rata ke atas. Sebelum ngitung, cek dulu outlier di datamu dan putusin mau dibuang atau dipertahankan, terus tulis alasannya di bab metode.
Nggak ada satu angka yang berlaku buat semua. Patokan yang sering dipakai: minimal 30 responden per kelompok buat penelitian eksperimen, minimal 100 buat analisis regresi berganda dengan sedikit variabel, dan 5 sampai 10 kali jumlah indikator buat model SEM. Kalau populasimu diketahui, hitung pakai Slovin atau tabel Krejcie dan Morgan. Uji statistik yang kamu pakai yang nentuin batas bawahnya.
Kerangka sampel adalah daftar lengkap semua unit di populasimu, misalnya daftar NIK karyawan atau nomor rekam medis pasien. Tanpa daftar ini kamu nggak bisa ngacak, soalnya kamu nggak tau siapa aja kandidatnya. Semua teknik sampling probabilitas butuh kerangka sampel. Kalau daftarnya nggak ada dan nggak bisa dibikin, jujur aja pakai teknik non-probabilitas dan batasi klaim generalisasimu.
Boleh, tapi ada konsekuensinya. Purposive sampling itu teknik non-probabilitas, jadi hasilnya nggak bisa digeneralisasi ke populasi secara statistik. Kamu tetap bisa uji hipotesis dan hitung koefisien, tapi kesimpulannya cuma berlaku buat kelompok yang kamu ambil. Tulis batasan itu di bab keterbatasan penelitian, jangan disembunyiin, soalnya penguji hampir pasti nanya.
Slovin cuma butuh jumlah populasi dan margin of error, jadi hitungannya cepat tapi nggak masukin tingkat keragaman data. Tabel Krejcie dan Morgan dibangun dari rumus chi-square dengan asumsi proporsi 0,5, jadi angkanya sedikit lebih konservatif dan lebih aman buat penelitian survei. Buat populasi 1.000, Slovin ngasih 286 sedangkan Krejcie dan Morgan ngasih 278. Dua-duanya diterima di skripsi Indonesia.
Karena makin sedikit data, makin lebar rentang kemungkinan nilai sebenarnya. Contoh dari dataset toko_berkah: dengan standar deviasi belanja Rp 46.200, sampel 30 transaksi ngasih rentang rata-rata Rp 70.900 sampai Rp 103.900. Sampel 300 nyempitin rentang itu jadi Rp 82.200 sampai Rp 92.600. Datanya sama, cuma jumlah sampelnya yang beda.
Tiga hal yang bikin subbab populasi dan sampel kamu kuat: kerangka sampel yang bisa ditunjuk, teknik sampling yang jujur, dan ukuran sampel yang nyambung sama uji statistik yang kamu pakai.
Coba tulis satu paragraf populasi versi kamu sekarang, terus cek: ada nggak angka N-nya, dan dari daftar mana angka itu datang? Kalau kamu nggak bisa nunjuk daftarnya, di situ kerjaan pertamamu.
Buat ngitung ukuran sampelnya, lanjut ke rumus Slovin dan contoh angka nyatanya. Kalau penelitianmu kualitatif, aturannya beda jauh dan 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.