Modul Metodologi Riset

Kalkulator & Generator Sampel

Alat bantu hitung jumlah sampel berdasarkan rumus statistik. Dilengkapi panduan untuk membantu menentukan rumus yang sesuai dengan desain penelitian Anda.

Panduan Pemilihan Rumus

Pilih opsi di bawah ini, dan sistem akan merekomendasikan rumus yang sesuai dengan desain penelitian Anda.

1 Apa tujuan utama penelitian Anda?

Rumus Lemeshow (Estimasi Proporsi Tunggal)

Konteks Penggunaan

Digunakan untuk penelitian survei observasional di mana jumlah total populasi tidak diketahui secara pasti (infinite population), dan variabel luaran utamanya berbentuk proporsi (persentase).

Kelebihan & Kekurangan

  • Cocok untuk penelitian dengan populasi yang besar atau cakupan luas.
  • Membutuhkan data proporsi (P) dari penelitian sebelumnya. Jika menggunakan asumsi maksimal (P=0.5), hasil sampel akan sangat besar.
Formula Matematis
n =
Z21-α/2 × P(1-P) d2

Deskripsi Variabel Rumus

n Ukuran sampel minimal yang dibutuhkan.
Z Nilai distribusi normal baku. Umumnya 1.96 untuk tingkat kepercayaan 95%.
P Proporsi/Prevalensi kejadian dari literatur (desimal 0 - 1).
d Margin of Error yang ditoleransi (umumnya 0.05 atau 5%).
Referensi: Lemeshow, S., Hosmer, D.W., Klar, J., & Lwanga, S.K. (1990). Adequacy of Sample Size in Health Studies. World Health Organization (WHO).

Parameter Kalkulasi

%
%

Isi 50% jika prevalensi riil belum diketahui.

Minimal Sampel
0
Responden

Rumus Slovin (Populasi Diketahui / Finite)

Konteks Penggunaan

Digunakan pada penelitian survei dengan jumlah populasi yang diketahui pasti batasannya (contoh: Jumlah mahasiswa di sebuah fakultas).

Kelebihan & Kekurangan

  • Rumus sederhana dan mudah dihitung.
  • Tidak memperhitungkan varians proporsi populasi aktual secara presisi.
Formula Matematis
n =
N 1 + N(e)2

Deskripsi Variabel Rumus

n Ukuran sampel minimal yang dibutuhkan.
N Jumlah Populasi target secara riil.
e Tingkat toleransi kesalahan absolut (Margin of Error) dalam desimal (cth: 0.05).
Referensi: Slovin, E. (1960). Slovin's Formula for Sampling Technique.

Parameter Kalkulasi

%
Minimal Sampel
0
Responden

Rumus Krejcie & Morgan (Metode Chi-Square)

Konteks Penggunaan

Alternatif rumus Slovin yang didasarkan pada distribusi Chi-Square. Digunakan untuk survei pada populasi yang jumlahnya diketahui dengan pasti.

Kelebihan & Kekurangan

  • Banyak digunakan sebagai standar dalam penelitian berpopulasi terbatas.
  • Menggunakan asumsi proporsi maksimal (50%), sehingga sampel terkadang bisa lebih besar.
Formula Matematis
n =
χ2 × N × P(1-P) d2(N-1) + χ2 × P(1-P)

Deskripsi Variabel Rumus

n Ukuran sampel minimum.
N Ukuran mutlak populasi target.
χ2 Nilai Chi-Square (3.841 untuk Confidence Level 95%).
P Proporsi populasi asumsif (diset konstan pada 0.50).
d Tingkat akurasi (Margin of Error) dalam desimal.
Referensi: Krejcie, R. V., & Morgan, D. W. (1970). Determining Sample Size for Research Activities. Educational and Psychological Measurement.

Parameter Kalkulasi

%
Minimal Sampel
0
Responden

Uji Beda 2 Rerata (Independent T-Test)

Konteks Penggunaan

Digunakan untuk desain penelitian eksperimental dan komparatif (CT/RCT). Mengkalkulasi sampel untuk membandingkan perbedaan data numerik/kontinu (contoh: skor kuesioner) antara kelompok Intervensi dan Kontrol.

Kelebihan & Kekurangan

  • Memperhitungkan kekuatan uji (Power) untuk mengurangi kesalahan statistik (Error Tipe II).
  • Membutuhkan referensi Standar Deviasi dari penelitian sebelumnya.
Formula Matematis
n = 2[
(Zα + Zβ) × SD (μ1 - μ2)
]2

Deskripsi Variabel Rumus

n Ukuran sampel per kelompok studi.
Zα Tingkat Kemaknaan/Alpha (Untuk α=5%, Z = 1.96).
Zβ Kekuatan Uji / Power (Untuk Power 80%, Z = 0.84).
SD Standar Deviasi dari studi terdahulu.
μ1-μ2 Effect Size: Selisih beda rerata terkecil yang dianggap bermakna secara klinis.
Referensi: Chow, S. C., Shao, J., Wang, H., & Lokhnygina, Y. (2017). Sample Size Calculations in Clinical Research (3rd ed.). CRC Press.

Parameter Uji Beda Rerata

Minimal Sampel Diperlukan
0
Per Kelompok Uji Total: 0 Subjek

Uji Beda 2 Proporsi (Kategorik)

Konteks Penggunaan

Digunakan untuk penelitian yang membandingkan luaran berbentuk kategori (misal: Sembuh/Gagal, Positif/Negatif) antara dua kelompok (seperti Kohort, Kasus-Kontrol, RCT).

Kelebihan & Kekurangan

  • Umum digunakan dalam uji klinis dan epidemiologi untuk menilai persentase efektivitas intervensi.
  • Perhitungan cukup panjang. Jika estimasi nilai P1 dan P2 terlalu berdekatan, kebutuhan sampel akan menjadi sangat besar.
Formula Matematis
n =[
Zα√2P(1-P) + Zβ√P1(1-P1)+P2(1-P2) P1 - P2
]2

Deskripsi Variabel Rumus

n Ukuran sampel terhitung per kelompok.
Zα Tingkat Kesalahan Tipe I (α). Biasanya 1.96.
Zβ Kekuatan uji (1-β). Biasanya 0.84.
P1 Proporsi target pada kelompok Intervensi.
P2 Proporsi baseline pada kelompok Kontrol.
P Rerata absolut proporsi: (P1 + P2) / 2.
Referensi: Lwanga, S.K., & Lemeshow, S. (1991). Sample Size Determination in Health Studies: A Practical Manual. World Health Organization.

Parameter Uji Beda Proporsi

%
%
Minimal Sampel Diperlukan
0
Per Kelompok Uji Total: 0 Subjek

Rumus Uji Korelasi Linear (Pearson)

Konteks Penggunaan

Digunakan untuk menentukan jumlah sampel dalam uji korelasi antara dua variabel numerik (contoh: hubungan antara lama belajar dengan nilai ujian).

Kelebihan & Kekurangan

  • Menggunakan Fisher's Z Transformation untuk memastikan stabilitas penghitungan ukuran sampel.
  • Membutuhkan referensi nilai korelasi (r) yang diperkirakan dari penelitian sebelumnya.
Fisher's Z Transformation
Zr = 0.5 × ln [ (1+r) / (1-r) ]
n =[
Zα + Zβ Zr
]2 + 3

Deskripsi Variabel Rumus

n Ukuran sampel total.
Zα Tingkat kesalahan Tipe I (Alpha, 1.96 untuk α=0.05).
Zβ Power uji korelasi (0.84 untuk Power=80%).
r Ekspektasi nilai Koefisien Korelasi berdasarkan rujukan.
Zr Nilai transformasi matematis logaritma natural (ln) dari koefisien r.
Referensi: Hulley, S. B., Cummings, S. R., Browner, W. S., Grady, D. G., & Newman, T. B. (2013). Designing Clinical Research. Lippincott Williams & Wilkins.

Parameter Uji Korelasi

Rentang kekuatan korelasi umumnya bernilai 0.2 hingga 0.8.

Total Sampel
0
Responden

Alat Generator Randomisasi Sampel

Fungsi & Konteks Alat

Digunakan untuk mengacak (merandomisasi) penugasan subjek penelitian ke dalam beberapa kelompok yang berbeda. Alat ini mengimplementasikan algoritma komputer Fisher-Yates Shuffle untuk memastikan probabilitas setiap subjek terpilih murni acak dan merata, tanpa campur tangan atau bias dari peneliti.

Petunjuk Penggunaan

  1. Pastikan Anda telah menghitung Total Sampel Akhir (N) dari kalkulator sebelumnya.
  2. Masukkan total subjek tersebut ke kolom Jumlah Subjek (N).
  3. Pilih Jumlah Kelompok Uji (Contoh: 2 Kelompok untuk Eksperimen vs Kontrol).
  4. Klik tombol Lakukan Pengacakan.
  5. Sistem akan menyajikan daftar ID Subjek untuk masing-masing kelompok yang dapat langsung Anda gunakan di lapangan.

Referensi Metodologi Randomisasi

Pengacakan berbantuan komputer berbasis algoritma matematika saat ini merupakan standar emas (Gold Standard) untuk mengamankan kerahasiaan alokasi (Allocation Concealment) dalam penelitian eksperimental klinis maupun sosial.

Referensi Valid:
1. Suresh, K. (2011). An overview of randomization techniques: An unbiased assessment of outcome in clinical research. Journal of Human Reproductive Sciences, 4(1), 8–11.
2. Fisher, R.A., & Yates, F. (1948). Statistical tables for biological, agricultural and medical research. Oliver & Boyd. (Basis Algoritma Acak).

Parameter Acak

Hasil Alokasi Kelompok

Silakan isi form dan klik "Lakukan Pengacakan" untuk melihat hasil alokasi subjek ke dalam masing-masing kelompok secara objektif.