Populasi, Sampel, dan Rumus Slovin: Cara Memakainya dengan Benar dan Kapan Sebaiknya Tidak

Ketika menyusun proposal penelitian pada Bab III, mahasiswa kerap langsung menuliskan rumus Slovin sebagai alat penentu jumlah responden survei tanpa memahami landasan teoretisnya. Formula sederhana ini begitu populer di kalangan mahasiswa tingkat akhir karena hanya membutuhkan data total populasi dan tingkat presisi yang diinginkan. Namun, di hadapan dosen pembimbing dan penguji yang teliti, penggunaan rumus ini tanpa penjelasan batas asumsi sering kali memicu hujan pertanyaan kritis.

Banyak proposal skripsi ditolak atau diminta rombak total karena peneliti tidak bisa menjelaskan mengapa rumus tersebut dipilih, apa makna batas toleransi kesalahan yang dipakai, dan bagaimana teknik pengambilan sampel lapangannya dijalankan. Menghitung jumlah sampel bukanlah formalitas angka semata, melainkan keputusan metodologis yang menentukan apakah kesimpulan tugas akhir Anda dapat dipercaya atau gugur secara statistik.

Sebagaimana pentingnya menyusun latar belakang masalah yang kuat, penetapan metode penarikan sampel yang presisi akan menjadi benteng pertahanan ilmiah Anda saat sidang proposal. Artikel ini mengupas tuntas perbedaan populasi dan sampel, simulasi perhitungan manual langkah demi langkah, batasan ilmiah yang wajib diwaspadai, hingga cara menuliskannya secara runtut pada laporan Bab III.

Membedakan Populasi, Sampel, dan Teknik Penarikan Sampel

Kekeliruan pertama yang sering dijumpai di ruang sidang adalah ketidakmampuan membedakan antara populasi target, populasi terjangkau, dan unit sampel. Populasi merupakan keseluruhan elemen atau subjek yang memiliki karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari. Sebagai ilustrasi, jika penelitian Anda meneliti tingkat kepuasan layanan sistem informasi akademik, seluruh mahasiswa aktif di kampus tersebut adalah populasi sasaran.

Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi tersebut yang benar-benar diteliti. Mengapa kita memerlukan sampel? Keterbatasan waktu penelitian, keterbatasan dana, serta jangkauan geografis membuat pengukuran terhadap seluruh populasi (sensus) kerap tidak realistis untuk ukuran skripsi sarjana.

Namun, menentukan ukuran sampel hanyalah separuh jalan. Separuh jalan berikutnya yang tidak kalah krusial adalah teknik penarikan sampel (sampling technique). Rumus statistik hanya memberi tahu berapa banyak responden yang harus diambil, tetapi tidak menentukan siapa orangnya. Anda tetap harus memutuskan apakah penarikan responden dilakukan secara acak sederhana (simple random sampling), acak berstrata (stratified random sampling), atau purposive sampling berdasarkan kriteria keahlian tertentu.

Cara Menghitung Ukuran Sampel dengan Rumus Slovin

Rumus Slovin dirumuskan untuk menentukan ukuran sampel minimum dari suatu populasi yang jumlah anggotanya telah diketahui secara pasti (finite population). Notasi matematisnya dituliskan sebagai berikut:

\[ n = \frac{N}{1 + N e^{2}} \]

dengan \(n\) adalah ukuran sampel minimum yang dibutuhkan, \(N\) adalah ukuran total populasi sasaran yang diketahui jumlahnya, dan \(e\) adalah batas toleransi kesalahan (margin of error) yang dapat ditoleransi peneliti dalam bilangan desimal.

Nilai \(e\) merepresentasikan tingkat presisi yang diinginkan. Pada penelitian sosial dan administrasi, peneliti lazim menggunakan batas kesalahan 5 persen (\(e = 0{,}05\)) atau 10 persen (\(e = 0{,}10\)). Batas kesalahan berbanding terbalik dengan ukuran sampel: semakin kecil toleransi kesalahan yang dipatok, semakin besar jumlah responden yang wajib dikumpulkan.

Tahapan penetapan sampel minimum dari populasi hingga pembulatan angka responden. Sumber: diagram oleh Metodika.

Simulasi Perhitungan Manual dengan Margin of Error Berbeda

Untuk memahami mekanisme perhitungannya, simak contoh kasus nyata pada instansi dinas daerah. Misalnya Anda melakukan penelitian evaluasi efektivitas sistem presensi elektronik pada Kantor Dinas X (nama samaran contoh) dengan total pegawai berstatus ASN dan honorer sebanyak \(N = 500\ \text{orang}\).

1. Perhitungan dengan Margin of Error 5 Persen (\(e = 0{,}05\))

Jika Anda menginginkan tingkat keyakinan yang tinggi dengan mematok toleransi kesalahan 5 persen (\(e = 0{,}05\)):

Langkah 1: Hitung kuadrat batas kesalahan: \(e^{2} = 0{,}05 \times 0{,}05 = 0{,}0025\).

Langkah 2: Kalikan populasi dengan kuadrat kesalahan: \(N \times e^{2} = 500 \times 0{,}0025 = 1{,}25\).

Langkah 3: Tambahkan angka satu: \(1 + 1{,}25 = 2{,}25\).

Langkah 4: Bagi total populasi dengan pembagi: \(n = \frac{500}{2{,}25} \approx 222{,}22\).

Persamaan lengkapnya adalah sebagai berikut:

\[ n = \frac{500}{1 + 500(0{,}05)^{2}} = \frac{500}{1 + 500(0{,}0025)} = \frac{500}{2{,}25} \approx 222{,}22 \]

Karena responden adalah manusia, angka pecahan selalu dibulatkan ke atas menjadi \(n = 223\ \text{responden}\).

2. Perhitungan dengan Margin of Error 10 Persen (\(e = 0{,}10\))

Jika sumber daya penelitian terbatas dan Anda memutuskan menggunakan toleransi kesalahan 10 persen (\(e = 0{,}10\)):

Langkah 1: Hitung kuadrat batas kesalahan: \(e^{2} = 0{,}10 \times 0{,}10 = 0{,}01\).

Langkah 2: Kalikan populasi dengan kuadrat kesalahan: \(N \times e^{2} = 500 \times 0{,}01 = 5{,}0\).

Langkah 3: Tambahkan angka satu: \(1 + 5{,}0 = 6{,}0\).

Langkah 4: Bagi total populasi dengan pembagi: \(n = \frac{500}{6{,}0} \approx 83{,}33\).

Persamaan lengkapnya adalah sebagai berikut:

\[ n = \frac{500}{1 + 500(0{,}10)^{2}} = \frac{500}{1 + 500(0{,}01)} = \frac{500}{6{,}0} \approx 83{,}33 \]

Dibulatkan ke atas menjadi \(n = 84\ \text{responden}\).

Perbedaan toleransi kesalahan tersebut menghasilkan selisih beban survei yang sangat mencolok: 223 responden berbanding 84 responden.

Perbandingan ukuran sampel untuk populasi 1000 pada margin of error 1 persen, 5 persen, dan 10 persen. Sumber: diagram oleh Metodika.

Jika populasi penelitian Anda berlapis atau memiliki karakteristik khusus yang sulit dihitung secara acak sederhana, bagian penentuan metodologi ini biasanya kami dampingi secara intensif bersama klien.

Kapan Rumus Slovin Tepat Dipakai dan Kapan Sebaiknya Dihindari

Meskipun praktis, rumus Slovin memiliki sejumlah keterbatasan fundamental yang wajib dipahami oleh peneliti akademis:

Pertama, rumus ini mengasumsikan bahwa data populasi terdistribusi normal dan pengambilan sampel dilakukan dengan teknik acak sederhana tanpa pembobotan strata. Apabila populasi Anda memiliki lapisan jabatan atau divisi dengan rentang pengalaman yang sangat timpang, penggunaan formula ini tanpa alokasi proporsional akan menghasilkan sampel yang bias.

Kedua, rumus ini tidak mempertimbangkan tingkat variabilitas proporsi sifat yang diukur di dalam populasi (asumsi proporsi \(p = 0{,}5\) dianggap konstan). Sebagai alternatif yang lebih kokoh secara statistik, peneliti dapat merujuk pada formula William G. Cochran (1977) yang secara eksplisit memasukkan nilai variansi populasi dan tingkat signifikansi z-score, atau memakai tabel penentu ukuran sampel Krejcie dan Morgan (1970) yang telah dihitung berdasarkan rumus Chi-Square dengan tingkat kepercayaan 95 persen.

Perbandingan Rumus Slovin, Formula Cochran, dan Tabel Krejcie-Morgan

Ketika dewan penguji menanyakan dasar teoretis penetapan sampel pada sidang proposal, menguasai perbandingan antara tiga metode populer berikut akan membuat argumentasi metodologi Anda sangat meyakinkan:

1. Rumus Slovin: Sangat praktis untuk populasi terhingga yang jumlah anggotanya diketahui pasti tanpa asumsi varians rumit. Namun, kelemahannya terletak pada ketiadaan parameter z-score (tingkat keyakinan statistik) dan asumsi proporsi sifat \(p = 0{,}5\) yang dianggap homogen.

2. Formula William G. Cochran: Merupakan standar emas jika peneliti mengetahui estimasi variansi proporsi variabel dalam populasi atau saat menghadapi populasi yang tidak terhingga (infinite population). Rumusnya secara eksplisit mengikutsertakan nilai kritis distribusi normal \(Z\) (misalnya \(Z = 1{,}96\) untuk keyakinan \(95\%\)).

3. Tabel Krejcie dan Morgan: Menggunakan dasar distribusi Chi-Square (\(\chi^2\)) dengan derajat kebebasan 1 pada tingkat signifikansi \(0{,}05\). Tabel ini menyajikan daftar ukuran sampel siap pakai untuk berbagai rentang populasi dari 10 hingga 1.000.000 subjek, sehingga peneliti tidak perlu melakukan kalkulasi manual.

Strategi Memilih Teknik Penarikan Sampel yang Proporsional

Angka sampel yang dihasilkan rumus Slovin hanyalah target kuantitas. Kualitas representasi ilmiah sangat bergantung pada cara Anda memilih subjek di lapangan:

• Simple Random Sampling (Acak Sederhana): Tepat digunakan jika karakteristik anggota populasi benar-benar seragam (homogen). Setiap anggota memiliki peluang terpilih yang sama melalui pengundian nomor acak komputer.
• Stratified Random Sampling (Acak Berstrata): Wajib diterapkan jika populasi memiliki jenjang atau kelompok yang berbeda secara signifikan, misalnya membagi responden berdasarkan fakultas, golongan pangkat, atau angkatan kerja. Jumlah sampel per strata dihitung proporsional terhadap ukuran kelompok aslinya.
• Purposive Sampling (Sampel Bertujuan): Dipilih jika penelitian menuntut kriteria pengalaman khusus, misalnya hanya pengguna aplikasi yang telah aktif bertransaksi minimal 3 kali dalam satu bulan terakhir.

Menuliskan Pertanggungjawaban Sampel pada Bab III Skripsi

Pada draf Bab III skripsi Anda, jangan hanya menempelkan rumus matematika tanpa konteks naratif. Jelaskan secara runtut empat poin berikut:

Pertama, sebutkan batasan populasi sasaran beserta sumber data valid yang membuktikan total angka populasi tersebut (misalnya data bagian kepegawaian per tanggal tertentu).

Kedua, nyatakan alasan pemilihan batas margin of error yang dipakai. Jelaskan mengapa Anda memilih margin of error 5 persen atau 10 persen dengan mempertimbangkan homogenitas karakteristik responden.

Ketiga, jabarkan teknik penarikan sampel yang menyertai angka hasil perhitungan tersebut. Apakah nama-nama responden diundi menggunakan nomor urut komputer, atau ditarik secara sistematis dengan interval tertentu.

Keempat, cantumkan langkah antisipasi apabila kuesioner yang kembali rusak atau tidak lengkap (non-response rate). Peneliti yang berpengalaman biasanya menyebarkan instrumen cadangan sekitar 10 persen di atas batas minimum sampel Slovin agar jumlah data bersih yang diolah tetap memenuhi kuota statistik.

Ketika berhadapan dengan dewan penguji yang mempertanyakan validitas rumus Slovin, strategi jawaban terbaik adalah menunjukkan pemahaman komparatif. Sampaikan secara lugas bahwa Anda telah membandingkan angka Slovin dengan estimasi tabel Krejcie dan Morgan maupun rumus Cochran, lalu paparkan mengapa angka yang Anda pilih adalah batas rasional yang paling optimal dengan mempertimbangkan keterbatasan akses instansi dan homogenitas responden.

Penutup

Rumus Slovin adalah perkakas yang sangat membantu jika digunakan pada kondisi yang tepat, yakni saat ukuran populasi diketahui pasti dan peneliti membutuhkan estimasi sampel awal yang cepat. Pemahaman terhadap asumsi dasar, ketelitian menghitung batas toleransi kesalahan, dan kedisiplinan mengombinasikannya dengan teknik sampling yang absah akan menyelamatkan naskah penelitian Anda dari keraguan dewan penguji.

Menentukan ukuran sampel yang tepat adalah fondasi agar hasil penelitian Anda tidak gugur di hadapan dewan penguji. Layanan Bimbingan Skripsi kami siap mendampingi Anda merancang metodologi penelitian yang kokoh, memilih rumus penarikan sampel yang absah, hingga menuntaskan naskah Bab III siap seminar proposal.

Referensi

Cochran, W. G. (1977). Sampling Techniques (3rd ed.). New York: John Wiley & Sons.

Krejcie, R. V., & Morgan, D. W. (1970). Determining Sample Size for Research Activities. Educational and Psychological Measurement, 30(3), 607-610.

Sugiyono. (2019). Metode Penelitian Kuantitatif, Kualitatif, dan R&D. Bandung: Alfabeta.

Gambar sampul: Judit Peter, unsplash.com, lisensi Unsplash.