Kalkulator Sampel

Kami menyediakan sumber rujukan pantas ini untuk membantu anda menentukan saiz sampel, kepentingan statistik, dan kesahihan penyelidikan. Bagi pengguna asas, adalah penting untuk memahami konsep selang keyakinan dan ralat pensampelan, kerana ia amat penting untuk memastikan perwakilan sampel dan keutuhan kajian anda.

Menentukan Saiz Populasi

Langkah pertama dalam penyelidikan kuantitatif adalah untuk mengenal pasti populasi kajian—kumpulan orang, objek, atau entiti yang akan diperhatikan dan kesimpulan akan dibuat daripadanya. Walaupun ia kelihatan mudah, konsep "populasi" kadang-kadang tidak ditakrifkan dengan baik dan sering dikelirukan dengan "alam semesta" (universe), walaupun kedua-dua istilah itu agak berbeza. **Alam semesta** merujuk kepada jumlah set semua subjek yang mungkin, manakala **populasi** merujuk kepada subset khusus daripada alam semesta tersebut yang anda ingin analisa untuk mendapatkan kesimpulan yang sah.

Pada akhirnya, populasi terdiri daripada individu, entiti, atau objek yang memiliki ciri-ciri unik dan khusus yang anda ingin analisa. Menentukan kumpulan ini dengan tepat adalah sangat penting untuk kesahihan keputusan anda.

Strategi Pemilihan Sampel

Setelah populasi sasaran dikenal pasti, anda mesti menentukan berapa ramai orang yang perlu dikaji—iaitu, berapa ramai orang yang perlu ditemu bual atau diberikan soal selidik. Sebaik-baiknya, **bancian** (menemu bual setiap ahli populasi) memberikan data yang paling tepat. Walau bagaimanapun, dalam praktiknya, ini jarang berlaku disebabkan kos yang tinggi, kerumitan logistik, dan kekangan masa.

Sebagai ganti bancian, **sampel perwakilan** digunakan. Apabila kita mengekstrak sampel kecil secara saintifik, kita boleh mengunjurkan tingkah laku seluruh populasi dalam ralat margin yang telah ditetapkan. Ia serupa dengan ujian darah: anda tidak perlu mengeluarkan semua darah dalam badan; beberapa titis sudah cukup untuk mendapatkan maklumat yang boleh dipercayai tentang kesihatan keseluruhan. Walaupun sampel yang lebih besar meningkatkan ketepatan, terdapat satu tahap di mana menambah lebih ramai peserta menjadi pembaziran usaha dan sumber. Matlamat anda sebagai penyelidik adalah untuk mengimbangi:

  • Masa yang ada
  • Bajet
  • Ketepatan yang diperlukan

Untuk mengekalkan integriti data dan mengelakkan berat sebelah (bias), sampel harus dipilih secara rawak. Walaupun "pensampelan bertujuan" boleh digunakan dalam kes tertentu, tahap rawak harus sentiasa diterapkan untuk mengurangkan bias semula jadi.

Mengira Saiz Sampel

Anda boleh menggunakan Kalkulator Sampel dalam menu di sebelah kiri untuk mengautomasikan pengiraan ini.


Formula Asas (Populasi Tidak Terhingga)

Gunakan formula ini apabila jumlah populasi tidak diketahui atau sangat besar:

$$ss = \frac{Z^2 \cdot p \cdot (1-p)}{c^2}$$

Pembolehubah:

  • Z (Skor Z): Merujuk kepada tahap keyakinan yang diingini (cth: 1.96 untuk keyakinan 95%).
  • p (Peratusan): Taburan atribut yang dijangkakan (0.5 biasanya digunakan untuk saiz sampel yang paling konservatif).
  • c (Selang Keyakinan): Ralat margin anda, dinyatakan sebagai perpuluhan (cth: 0.04 untuk ±4%).

Pembetulan untuk Populasi Terhingga (*)

Jika anda bekerja dengan populasi yang kecil dan diketahui, gunakan pelarasan ini untuk mengelakkan saiz sampel yang berlebihan dan kos yang tidak perlu:

$$\text{ss terlaras} = \frac{ss}{1 + \frac{ss-1}{pop}}$$

Di mana pop adalah jumlah saiz populasi.


Mengimbangi Sampel Melalui Kuota

Kuota ialah sasaran bilangan untuk kumpulan kecil tertentu dalam sampel anda. Pelaksanaan kuota memastikan sampel anda mencerminkan kepelbagaian sebenar populasi secara berkadar. Sebagai contoh, anda boleh menetapkan kuota untuk jantina dan umur bagi memastikan sampel anda mencerminkan tingkah laku populasi sebenar. Begitu juga, anda boleh menetapkan kuota untuk pembeli jenama (Jenama A, B, dan C) supaya sepadan dengan bahagian pasaran mereka yang diketahui.