Tabel Krejcie-Morgan dan Isaac Michael: Ukuran Sampel Siap Pakai
TL;DR
Tabel Krejcie-Morgan adalah tabel ukuran sampel siap pakai yang dihitung pada tingkat kepercayaan 95 persen dan margin error 5 persen, dengan proporsi populasi 0,5. Tabel Isaac dan Michael pakai rumus yang sama tapi nyediain tiga kolom sekaligus untuk taraf kesalahan 1, 5, dan 10 persen. Keduanya cuma butuh satu input dari kamu: jumlah populasi.
Tabel Krejcie-Morgan adalah tabel siap pakai yang nunjukin jumlah sampel minimal untuk sebuah populasi, dihitung pada tingkat kepercayaan 95 persen dan margin error 5 persen.
Populasi kamu 450 karyawan? Lihat baris 400 dapat 196, baris 500 dapat 217. Ambil yang lebih besar, aman.
Di bawah ini tabelnya lengkap dari N=10 sampai N=100.000, versi Isaac dan Michael yang tiga kolom, plus cara baca yang bikin dosen pembimbing kamu nggak nanya dua kali.
Apa itu tabel Krejcie-Morgan?
Tabel Krejcie-Morgan adalah tabel penentuan ukuran sampel yang diterbitkan Robert Krejcie dan Daryle Morgan tahun 1970. Isinya pasangan angka: jumlah populasi (N) dan jumlah sampel minimal (s). Semua angkanya dihitung pakai satu rumus berbasis chi-square, dengan asumsi tingkat kepercayaan 95 persen dan margin error 5 persen.
Rumusnya gini:
s = X² . N . P . (1-P)
---------------------------
d² . (N-1) + X² . P . (1-P)
Keterangan:
s = ukuran sampel
N = ukuran populasi
X² = nilai chi-square df=1 pada taraf 5% = 3,841
P = proporsi populasi, dipakai 0,5 (paling aman)
d = margin error yang ditoleransi = 0,05
Kenapa P dipakai 0,5? Soalnya di angka itu hasil P(1-P) paling besar, jadi sampelnya paling banyak. Kalau kamu nggak tau proporsi sebenarnya di populasi, pakai 0,5 itu pilihan paling konservatif.
Nilai 3,841 datang dari distribusi chi-square derajat bebas 1 pada alpha 0,05. Kamu bisa cek angkanya sendiri lewat dokumentasi scipy.stats.chi2.
Berapa sampel yang dibutuhkan? Tabel Krejcie-Morgan lengkap
Cari angka populasi kamu di kolom N, baca angka di kolom s. Kalau populasi kamu ada di antara dua baris, ambil baris yang lebih besar.
| N | s | N | s | N | s |
|---|---|---|---|---|---|
| 10 | 10 | 150 | 108 | 1.500 | 306 |
| 15 | 14 | 200 | 132 | 2.000 | 322 |
| 20 | 19 | 250 | 152 | 3.000 | 341 |
| 25 | 24 | 300 | 169 | 4.000 | 351 |
| 30 | 28 | 400 | 196 | 5.000 | 357 |
| 40 | 36 | 500 | 217 | 7.500 | 365 |
| 50 | 44 | 600 | 234 | 10.000 | 370 |
| 60 | 52 | 700 | 248 | 15.000 | 375 |
| 75 | 63 | 800 | 260 | 20.000 | 377 |
| 100 | 80 | 900 | 269 | 50.000 | 381 |
| 120 | 92 | 1.000 | 278 | 100.000 | 383 |
| 130 | 97 | 1.200 | 291 | 1.000.000 | 384 |
Perhatiin polanya. Dari N=10.000 ke N=1.000.000, sampelnya cuma naik dari 370 ke 384. Populasinya naik 100 kali lipat, sampelnya nambah 14 orang doang.
Itu bukan salah cetak. Angka 384 adalah batas atas rumus ini pada margin error 5 persen. Sebesar apa pun populasinya, sampelnya mentok di situ.
Catatan kecil: angka di tabel ini hasil hitung ulang dari rumus, jadi bisa beda 1 sampai 2 orang dari beberapa versi cetakan yang beredar. Bedanya cuma soal pembulatan, dan nggak ngubah kesimpulan penelitian kamu.
Apa bedanya tabel Isaac dan Michael sama Krejcie-Morgan?
Tabel Isaac dan Michael pakai rumus yang persis sama, cuma nyediain tiga kolom sekaligus untuk taraf kesalahan 1 persen, 5 persen, dan 10 persen. Yang berubah cuma nilai chi-square-nya: 6,634 untuk 1 persen, 3,841 untuk 5 persen, dan 2,706 untuk 10 persen. Kolom 5 persen isinya sama dengan Krejcie-Morgan.
| N | Taraf 1% | Taraf 5% | Taraf 10% |
|---|---|---|---|
| 10 | 10 | 10 | 10 |
| 50 | 47 | 44 | 42 |
| 100 | 87 | 80 | 73 |
| 200 | 154 | 132 | 115 |
| 500 | 285 | 217 | 176 |
| 1.000 | 399 | 278 | 213 |
| 2.000 | 498 | 322 | 238 |
| 5.000 | 586 | 357 | 257 |
| 10.000 | 622 | 370 | 263 |
| 100.000 | 659 | 383 | 270 |
| 1.000.000 | 663 | 384 | 271 |
Lihat baris 1.000. Naik dari taraf 10 persen ke 1 persen bikin sampel kamu melonjak dari 213 jadi 399. Hampir dua kali lipat kerjaan lapangan cuma buat naikin presisi.
Buat skripsi dan tesis, taraf 5 persen itu standar yang paling banyak dipakai dan paling gampang dipertanggungjawabkan. Taraf 10 persen dipakai kalau populasinya susah dijangkau dan penelitiannya eksploratif.
Gimana cara baca tabel ukuran sampel?
- Tetapkan populasi dulu. Populasi harus punya batas yang jelas: siapa, di mana, periode kapan. Kalau batasnya kabur, N kamu juga kabur. Bacaan pendukungnya ada di pengertian populasi dan sampel menurut para ahli.
- Hitung N-nya, jangan ditebak. Ambil dari data absensi, daftar anggota, atau data resmi kayak BPS. Angka karangan gampang ketahuan pas sidang.
- Pilih taraf kesalahan. Default 5 persen. Pakai 10 persen cuma kalau ada alasan yang bisa kamu jelasin.
- Cari baris N di tabel. Kalau N kamu di antara dua baris, ambil baris yang lebih besar. Lebih aman kelebihan responden daripada kurang.
- Tambah cadangan 10 sampai 20 persen. Kuesioner yang balik selalu lebih sedikit dari yang disebar. Ini bagian yang paling sering kelupaan.
Kalau kamu bikin ulang tabel ini di spreadsheet, ambil angkanya pakai INDEX dipasangin MATCH dengan mode pencarian nilai terdekat. Cara ini lebih tahan banting daripada VLOOKUP kalau nanti kolomnya kamu geser.
Contoh kasus: survei kepuasan pelanggan toko_berkah
Toko_berkah punya 1.240 pelanggan terdaftar di kartu member per Agustus 2025. Aku mau survei kepuasan mereka dengan taraf kesalahan 5 persen.
Di tabel, N=1.240 jatuh di antara baris 1.200 (291) dan 1.500 (306). Ambil yang lebih besar: 306 responden. Kalau dihitung persis pakai rumus, N=1.240 keluar di angka 293.
Aku sebar 350 kuesioner lewat WhatsApp broadcast dengan hadiah voucher Rp 25.000 buat 20 pengisi pertama. Yang balik lengkap cuma 168.
Ini yang menarik. Dengan 168 responden dari populasi 1.240, margin error-nya naik jadi 7,0 persen, bukan 5 persen lagi. Artinya kalau hasil survei bilang 62 persen pelanggan puas, angka sebenarnya di populasi ada di rentang 55 sampai 69 persen.
Rentang selebar 14 poin itu terlalu longgar buat ngambil keputusan soal harga. Jadi sebarannya diulang ke 200 pelanggan lain, dan total responden nyampe 297. Margin error balik ke 4,9 persen.
Pelajaran praktisnya: response rate 48 persen itu wajar buat survei WhatsApp. Sebar minimal dua kali lipat dari target sampel kamu.
Kesalahan umum pakai tabel ukuran sampel
1. Nyamain jumlah kuesioner yang disebar dengan ukuran sampel. Yang dihitung tabel itu jumlah data yang masuk dan layak analisis, bukan jumlah yang kamu kirim.
2. Bulatkan ke bawah. Populasi 450 lalu ambil 196 dari baris 400. Salah arah. Baris yang dipakai harus yang N-nya lebih besar dari populasi kamu.
3. Lupa kalau tabel ini buat sampel acak. Angka di tabel berlaku kalau kamu pakai probability sampling. Kalau kamu pakai purposive atau accidental sampling, angka itu jadi patokan kasar doang. Bedanya dibahas di teknik sampling penelitian.
4. Nggak bagi sampel per kelompok. Kalau populasinya kebagi jadi beberapa kelompok yang beda karakter, sampelnya harus dibagi proporsional. Konsepnya mirip segmentation di analisis data.
5. Nerima data sampah demi ngejar angka. Kuesioner yang isinya lurus semua (semua jawaban angka 3) itu bikin kualitas data jatuh. Buang, jangan dihitung.
FAQ
Tabel Krejcie-Morgan pakai taraf kesalahan berapa?
Tabel Krejcie-Morgan aslinya cuma nyediain satu taraf, yaitu 5 persen, dengan tingkat kepercayaan 95 persen dan proporsi populasi 0,5. Kalau kamu butuh taraf 1 persen atau 10 persen, pakai tabel Isaac dan Michael yang nyediain tiga kolom sekaligus. Rumus dasarnya sama, yang beda cuma nilai chi-square yang dimasukin.
Kenapa ukuran sampel mentok di 384?
Karena rumusnya punya batas atas. Begitu populasi makin besar, bagian d²(N-1) di penyebut mendominasi, dan hasilnya mendekati 3,841 dibagi 4 kali 0,0025, yaitu 384,16. Jadi populasi 500 ribu atau 50 juta sama-sama butuh sekitar 384 responden pada margin error 5 persen. Yang nentuin ukuran sampel itu presisi yang kamu mau, bukan besarnya populasi.
Lebih baik pakai Krejcie-Morgan atau rumus Slovin?
Krejcie-Morgan lebih kuat dasar statistiknya soalnya jelas asumsinya: chi-square, proporsi 0,5, dan tingkat kepercayaan 95 persen. Slovin lebih sederhana dan sering dipakai di skripsi Indonesia, tapi asal-usul rumusnya susah dilacak ke sumber akademik yang jelas. Kalau dosen kamu nggak minta rumus tertentu, Krejcie-Morgan lebih gampang dipertahanin pas sidang.
Populasi aku cuma 32 orang, perlu sampling nggak?
Buat populasi di bawah 100, ambil semuanya aja. Namanya sensus atau sampling jenuh. Lihat tabelnya: populasi 30 butuh 28 sampel, populasi 40 butuh 36. Bedanya cuma beberapa orang, jadi lebih hemat tenaga sekalian ambil semua daripada repot ngundi. Hasilnya juga lebih kuat karena nggak ada error sampling sama sekali.
Gimana kalau jumlah populasi aku nggak diketahui?
Pakai angka 384 sebagai patokan buat margin error 5 persen, atau 271 kalau kamu terima margin error 10 persen. Dua angka itu hasil rumus untuk populasi tak terhingga. Ini sering kepakai buat survei pengunjung mall, pengguna aplikasi, atau responden online yang jumlah totalnya nggak bisa kamu hitung.
Penutup
Tiga hal yang perlu kamu bawa dari tabel ini. Pertama, sampel ditentuin presisi yang kamu mau, bukan besar populasi. Kedua, sebar kuesioner minimal dua kali lipat target soalnya yang balik pasti bocor. Ketiga, kalau populasi kamu di bawah 100, ambil semuanya.
Simpan halaman ini, tabelnya bakal kepakai lagi pas bab 3 kamu direvisi.
Lanjut ke teknik sampling penelitian buat mutusin cara ngambil respondennya, atau ke skala Likert kalau kuesioner kamu udah siap disusun.
Mau praktek langsung? Mulai latihan SQL gratis
Latihan interaktif, langsung di browser.
Artikel terkait
Pandas groupby: Agregasi Data ala Pivot di Python (2026)
groupby ngelompokin baris berdasarkan kolom, lalu ngitung ringkasan per grup kayak total atau rata-rata. Ini pivot-nya pandas.
Pandas to_excel: Ekspor DataFrame ke Excel (2026)
to_excel nyimpen DataFrame pandas jadi file Excel .xlsx. Ini cara pakainya, dari satu sheet sampai banyak sheet, plus setelan yang bikin hasilnya rapi.
Pandas read_excel: Baca File Excel di Python
pandas read_excel baca file Excel jadi DataFrame, bisa pilih sheet tertentu dan lompatin baris judul yang berantakan. Ini cara pakai plus parameter penting dengan contoh data toko.