Pendahuluan Jumlah sampel yang dirasa cukup sehingga dapat diklaim mewakili populasi merupakan masalah klasik yang dihadapi oleh peneliti kuantitatif Dan jawaban klasik yang sering diberikan pada mereka adalah minimum 30 sampel ID: 567898
Download Presentation The PPT/PDF document "MITOS JUMLAH SAMPEL MINIMUM" is the property of its rightful owner. Permission is granted to download and print the materials on this web site for personal, non-commercial use only, and to display it on your personal computer provided you do not modify the materials and that you retain all copyright notices contained in the materials. By downloading content from our website, you accept the terms of this agreement.
Slide1
MITOS JUMLAH SAMPEL MINIMUMSlide2
Pendahuluan
Jumlah sampel yang dirasa cukup sehingga dapat diklaim mewakili populasi merupakan masalah klasik yang dihadapi oleh peneliti kuantitatif.
Dan jawaban klasik yang sering diberikan pada mereka adalah: minimum 30 sampel!
Pada berbagai literatur pengantar statistika disebutkan bahwa angka 30 merupakan pembatas untuk mengkategorikan jumlah sampel. Jika sampel > 30 maka kategorinya adalah sampel besar, jika <= 30 kategorinya sampel kecil.
Kategori ini berimplikasi pada rumus statistika yang digunakan jika ingin melakukan pendugaan parameter (nilai populasi, rata-rata dan proporsi), beda kategori beda rumusnya.Slide3
Mengapa 30
jumlah sampel 30 berasal dari
“tingkat ketelitian”
pada sebagian besar tabel-tabel statistika yang mengisi halaman-halaman lampiran pada sejumlah
textbook
statistika. Tabel-tabel tersebut adalah
tabel distribusi t, tabel chi square, dan tabel distribusi F
. Yang dimaksud dengan “tingkat ketelitian” adalah detail nilai “n” alias jumlah sampel yang digunakan untuk mencari nilai masing-masing distribusi. Pada tabel-tabel tersebut nilai “n” mulai dari 1-30 ditampilkan detil (n=1,n=2,n=3,n=4,…dst.) untuk “n” di atas 30 langsung melompat ke 40, 60, 120 sampai tak hingga. Jadi angka 30 merupakan nilai kritis! Untuk n>30 nilai masing-masing distribusi tersebut sudah tidak terlalu “penting” untuk dirinci.Slide4
Mengapa 30
S
etelah mencoba beberapa kombinasi jumlah sampel misalnya 5, 10, 15, 20, 25, 30, 31, dst… secara berulang-ulang dari sebuah populasi yang menggunakan data berukuran rasio hingga lebih dari 100 kali menunjukkan kecenderungan distribusi sampel yang terbentuk mendekati asumsi distribusi normal ketika jumlah sampel mencapai 30. Semakin besar jumlah sampelnya semakin normal distribusinya.
Bisa jadi penentuan angka 30 ini berdasarkan pada “eksperimen” ini, bahwa pada saat jumlah sampel lebih besar dari 30 peluang distribusi yang dihasilkan bentuk mirip genta alias distribusi normal semakin besar.Slide5
Mengapa 30
Persoalannya “aturan 30″ ini cenderung berlaku bagi analisis statistika yang menuntut terpenuhinya asumsi distribusi normal.
Agar distribusi data bisa normal syaratnya adalah data harus random, dan jumlah sampel besar. Jika jumlah sampel “kecil” seperti yang telah dibuktikan oleh “eksperimen”
di
atas, bentuk genta tidak tercipta dengan baik, bisa
agak
menceng
ke kanan, atau kekiri, atau bergelombang.Slide6
Mengapa 30
bukan jumlah yang menentukan suatu sampel mewakili atau tidak mewakili karakter suatu populasi. Ada banyak faktor yang menentukan tingkat representasi sampel misalnya tehnik penarikan sampel, ketersediaan
r
erangka
sampel, heterogenitas populasi dll.
Jika sampel ditarik secara random maka menurut teori probabilita bisa dianggap mewakili, namun jika
r
erangka
sampelnya tidak lengkap data yang dihasilkan bisa bias karena ada anggota populasi yang tidak ikut menjadi “peserta”, dan jika populasinya homogen murni bisa jadi satu sampel sudah cukup mewakili. Slide7
Jika
Cukup
Sesendok
Tak
Perlu
Semangkok