Pentingnya Ukuran Sampel dalam Penelitian

Ukuran sampel mewakili jumlah pengamatan yang diambil untuk melakukan analisis statistik. Ukuran sampel dapat terdiri dari orang, hewan, kelompok makanan, mesin, baterai, atau populasi apa pun yang sedang dievaluasi.

Pengambilan sampel acak adalah metode di mana sampel acak dikumpulkan dari suatu populasi untuk memperkirakan informasi tentang populasi tanpa bias. Misalnya, jika Anda ingin mengetahui tipe orang yang tinggal di kota tertentu, Anda harus mewawancarai/mengukur orang yang berbeda secara acak. Namun, jika Anda hanya menggunakan semua orang dari perpustakaan, Anda tidak akan memiliki perkiraan yang adil/tidak bias tentang seperti apa populasi umum yang menempati kota itu, hanya orang-orang yang pergi ke perpustakaan.

Ketika ukuran sampel meningkat, perkiraan menjadi lebih akurat. Misalnya, jika kita secara acak memilih 10 pria dewasa, kita mungkin menemukan tinggi rata-rata mereka adalah 6 kaki-3 inci, mungkin karena ada pemain bola basket yang menaikkan perkiraan kami. Namun, jika kami mengukur dua juta manusia laki-laki dewasa, kami akan memiliki prediktor yang lebih baik untuk tinggi rata-rata laki-laki karena ekstrem akan menyeimbangkan dan rata-rata sebenarnya akan menutupi setiap penyimpangan dari from berarti.

Ketika seorang ahli statistik membuat prediksi tentang suatu hasil, ia akan sering membangun interval di sekitar perkiraannya. Misalnya, jika kita mengukur berat 100 wanita, kita dapat mengatakan bahwa kita 90 persen yakin bahwa berat rata-rata wanita yang sebenarnya berada dalam interval 103 hingga 129 pon. (Ini, tentu saja, tergantung pada faktor lain seperti variabilitas dalam pengukuran juga.) Seiring bertambahnya ukuran sampel, kami menjadi lebih yakin tentang perkiraan kami, dan interval kami menjadi lebih kecil. Misalnya, dengan satu juta wanita, kita dapat mengatakan bahwa kita 98 ​​persen yakin bahwa berat rata-rata wanita yang sebenarnya adalah antara 115 dan 117 pon. Dengan kata lain, dengan bertambahnya ukuran sampel, kepercayaan kita pada pengukuran kita meningkat dan ukuran interval kepercayaan kita berkurang.

Variasi adalah ukuran penyebaran data di sekitar rata-rata. Deviasi standar adalah akar kuadrat dari variasi dan membantu memperkirakan berapa persentase populasi yang berada di antara rentang nilai relatif terhadap rata-rata. Ketika ukuran sampel meningkat, kesalahan standar, yang bergantung pada standar deviasi dan ukuran sampel, menurun. Akibatnya, perkiraan peningkatan presisi dan penelitian yang dibangun di atas perkiraan ini dianggap lebih andal (dengan risiko kesalahan yang lebih kecil).

Ukuran sampel yang lebih besar jelas menghasilkan perkiraan yang lebih baik dan lebih akurat tentang populasi, tetapi ada beberapa masalah dengan peneliti yang menggunakan ukuran sampel yang lebih besar. Pertama-tama, mungkin sulit untuk menemukan sampel acak orang yang mau mencoba obat baru. Ketika Anda melakukannya, menjadi lebih mahal untuk menyediakan obat kepada lebih banyak orang dan memantau lebih banyak orang dari waktu ke waktu. Selain itu, dibutuhkan lebih banyak upaya untuk mendapatkan dan mempertahankan ukuran sampel yang lebih besar. Bahkan jika ukuran sampel yang lebih besar menghasilkan statistik yang lebih akurat, biaya dan upaya ekstra tidak selalu diperlukan karena ukuran sampel yang lebih kecil juga dapat menghasilkan hasil yang signifikan.