Mengapa Angka 30 Bukan Jawaban Universal untuk Ukuran Sampel?
Ukuran sampel adalah hasil perencanaan desain, effect size, alpha, power, struktur analisis, dan attrition—bukan syarat ajaib yang sama untuk semua penelitian.
“Minimal 30” terdengar sederhana, tetapi penelitian tidak sesederhana itu
Seorang mahasiswa bertanya, “Minimal sampel penelitian saya berapa?” Jawaban yang sering terdengar adalah “30”. Alasannya pun beragam: “supaya data normal”, “supaya boleh parametrik”, atau “karena skripsi minimal 30”.
Masalahnya, tidak ada satu angka universal yang tepat untuk seluruh desain penelitian.
Mengapa efek kecil membutuhkan lebih banyak data?
Jika penelitian ingin mendeteksi efek yang sangat besar, sinyal relatif mudah dibedakan dari noise. Jika efek yang ingin dideteksi kecil, dibutuhkan lebih banyak informasi agar studi memiliki probabilitas yang cukup untuk mendeteksinya, dengan asumsi lain tetap sama.
Empat komponen inti power planning
Effect size
Seberapa besar efek yang dianggap relevan untuk dideteksi? Efek lebih kecil biasanya membutuhkan sampel lebih besar.
Alpha (α)
Tingkat kesalahan Tipe I yang ditetapkan sebelum analisis; 0,05 sering digunakan, tetapi bukan hukum universal.
Statistical power
Probabilitas mendeteksi efek tertentu jika efek itu benar-benar ada sesuai model dan asumsi analisis.
Desain & analisis
Korelasi, t-test, ANOVA, regresi, repeated measures, dan multilevel model memiliki kebutuhan yang berbeda.
Kang menekankan bahwa perhitungan ukuran sampel menggunakan G*Power perlu mempertimbangkan hipotesis, effect size, alpha, power, serta uji statistik yang direncanakan.
Dari mana effect size diperoleh?
Hindari memilih “small = 0,20” atau “medium = 0,50” hanya karena software menyediakan pilihan tersebut.
N besar tidak memperbaiki desain yang buruk
N = 5.000 dari convenience sampling yang sangat bias tetap memiliki persoalan generalisasi. N = 2.000 dengan instrumen yang buruk tetap memiliki persoalan pengukuran. Jika data berkelompok dalam kelas atau sekolah, kebutuhan sampel juga dipengaruhi clustering dan unit analisis.
Gunakan protokol P.O.W.E.R.
Jika perhitungan menunjukkan kebutuhan 120 peserta dan diperkirakan ada attrition 15%, jangan merekrut tepat 120. Rencanakan cadangan yang realistis agar sampel akhir tetap mendekati kebutuhan analitis.
Uji cepat
Mana yang lebih ilmiah: “Saya memakai 30 karena penelitian kuantitatif minimal 30” atau “Ukuran sampel ditentukan a priori dari analisis utama, effect size, alpha, power, dan attrition”?
Buka jawaban
Pilihan kedua. Ukuran sampel seharusnya mengikuti pertanyaan, desain, dan asumsi analisis—bukan angka tradisional tanpa dasar untuk studi tersebut.
Software menghitung; peneliti menentukan asumsi
G*Power dapat membantu menghitung kebutuhan sampel untuk banyak keluarga uji, tetapi software tidak dapat menentukan effect size substantif yang benar untuk penelitian Anda.
Ganti pertanyaan “Minimal sampel berapa?” menjadi “Berapa sampel yang dibutuhkan agar desain saya cukup informatif untuk mendeteksi efek yang memang penting?”
Referensi ilmiah
- Kang, H. (2021). Sample size determination and power analysis using the G*Power software. Journal of Educational Evaluation for Health Professions, 18, 17. https://doi.org/10.3352/jeehp.2021.18.17
No comments:
Post a Comment