Kalkulator Margin Kesalahan
Tabel ini memakai p = 50% dan tingkat kepercayaan 95% — margin terbesar untuk setiap ukuran sampel.
| Ukuran sampel (n) | Margin kesalahan (95%) |
|---|---|
| 50 | ±13,86% |
| 100 | ±9,80% |
| 250 | ±6,20% |
| 400 | ±4,90% |
| 1.000 | ±3,10% |
| 10.000 | ±0,98% |
Margin kesalahan adalah setengah lebar interval kepercayaan — angka ±% yang dikutip survei, misalnya '52% ± 3%'. Masukkan ukuran sampel dan hasil survei di atas, pilih tingkat kepercayaan, dan lihat margin kesalahan beserta intervalnya secara instan.
Apa itu margin kesalahan?
Margin kesalahan — juga disebut margin galat, atau dalam literatur berbahasa Inggris margin of error — adalah setengah lebar interval kepercayaan. Bila sebuah survei melaporkan "52% ± 3%" pada tingkat kepercayaan 95%, artinya interval kepercayaannya adalah [49%; 55%]: nilai sebenarnya di populasi kemungkinan berada di antara 49% dan 55%. Rumusnya sederhana: margin kesalahan = z* × galat baku (SE). Untuk proporsi, SE = √(p̂(1 − p̂) ÷ n); untuk rata-rata, SE = σ ÷ √n.
Margin kesalahan mengukur ketidakpastian akibat pengambilan sampel — fakta bahwa Anda mensurvei sebagian populasi, bukan seluruhnya. Makin besar sampelnya, makin kecil margin kesalahannya; makin tinggi tingkat kepercayaannya, makin besar margin kesalahannya. Nilai z* yang dipakai adalah nilai eksak: 1,645 untuk 90%, 1,960 untuk 95%, dan 2,576 untuk 99%.
Berapa margin kesalahan survei 1.000 responden?
Survei dengan 1.000 responden adalah patokan yang paling sering dikutip — dan margin kesalahannya mudah diingat: ±3,10% pada tingkat kepercayaan 95% bila proporsinya 50%. Perhitungannya: SE = √(0,5 × 0,5 ÷ 1.000) = 0,0158; z* = 1,960; margin kesalahan = 1,960 × 0,0158 = 0,0310. Jadi survei yang melaporkan 52% dari 1.000 responden sebenarnya berarti interval [48,90%; 55,10%].
Proporsi 50% memberi margin kesalahan terbesar untuk ukuran sampel yang sama, karena p̂(1 − p̂) mencapai maksimum pada p̂ = 0,5. Bila proporsinya 60%, marginnya sedikit lebih kecil: n = 1.000, p = 60%, 95% → MoE ±3,04%, interval [56,96%; 63,04%]. Bila proporsinya 90%, marginnya jauh lebih kecil: ±1,86%.
Mengapa margin kesalahan mengecil saat sampel membesar?
Margin kesalahan berbanding terbalik dengan akar kuadrat ukuran sampel: MoE ∝ 1 ÷ √n. Karena itu, untuk membagi dua margin kesalahan, sampel harus empat kali lipat. Survei 100 responden (p = 50%, 95%) punya margin ±9,80%; survei 400 responden punya ±4,90%; survei 1.000 responden punya ±3,10%; dan survei 10.000 responden punya ±0,98%. Melipatgandakan sampel dari 250 menjadi 1.000 menurunkan margin dari ±6,20% menjadi ±3,10% — persis setengah.
Inilah alasan survei besar jarang melebihi 1.000–2.000 responden: di atas itu, setiap tambahan responden hampir tidak lagi mengurangi margin kesalahan, tetapi biayanya terus naik. Turun dari ±3,10% ke ±2,19% membutuhkan sampel 2.000 — dua kali lipat biaya untuk selisih kurang dari satu poin persen.
Apakah margin kesalahan mencakup semua kesalahan survei?
Tidak. Margin kesalahan hanya mencakup galat pengambilan sampel acak (random sampling error) — ketidakpastian karena Anda mensurvei sebagian populasi. Ia tidak mencakup:
- Pertanyaan yang bias — pertanyaan yang menggiring jawaban menghasilkan data yang salah, berapa pun besar sampelnya.
- Non-response — bila hanya sebagian kecil yang menjawab survei, mereka mungkin berbeda secara sistematis dari yang tidak menjawab.
- Kesalahan kerangka sampel — bila daftar populasi tidak lengkap, hasilnya tidak mewakili populasi.
- Penipuan dan jawaban asal-asalan — responden yang mengisi asal atau bot tidak bisa diperbaiki dengan menambah sampel.
Margin kesalahan yang kecil tidak membuat survei yang buruk menjadi baik. Survei dengan margin ±1% tetapi pertanyaan bias tetap memberi jawaban yang salah — dengan keyakinan yang besar.
Koreksi populasi terbatas (FPC)
Rumus standar mengasumsikan populasi yang jauh lebih besar daripada sampel. Bila sampel mencakup sebagian besar populasi — misalnya survei 400 dari 1.000 karyawan — margin kesalahan sebenarnya lebih kecil, karena Anda sudah mengamati sebagian besar populasinya. Koreksi populasi terbatas (finite population correction, FPC) memperkecil galat baku dengan faktor √((N − n) ÷ (N − 1)).
Contoh: n = 400, p = 50%, N = 1.000, 95% → margin tanpa FPC ±4,90%; faktor FPC = √((1.000 − 400) ÷ (1.000 − 1)) = 0,7750 → margin dengan FPC ±3,80%. Aturan praktis: terapkan FPC bila n ÷ N lebih dari 5%. Bila n ÷ N di bawah 5%, faktor FPC mendekati 1 dan boleh diabaikan.
Berapa responden yang dibutuhkan?
Mode "Ukuran sampel" di kalkulator di atas membalik rumusnya: tentukan margin target, lalu hitung n yang dibutuhkan — selalu dibulatkan ke atas, karena membulatkan ke bawah memberi margin yang lebih besar dari target. Untuk rata-rata: n = (z × σ ÷ E)². Contoh: target E = 2, σ = 15, 95% → n = (1,960 × 15 ÷ 2)² = 216,08 → 217. Target E = 3 → n = 96,04 → 97.
Untuk proporsi: n₀ = z² × p × (1 − p) ÷ E². Contoh: target E = 3%, p = 0,5, 95% → n₀ = 1.067,07 → 1.068; target E = 5% → n₀ = 384,15 → 385. Angka 385 inilah asal aturan "385 responden" yang sering dikutip untuk survei 95% dengan margin ±5%. Bila populasinya kecil, terapkan FPC pada n: n = n₀ ÷ (1 + (n₀ − 1) ÷ N). Contoh: n₀ = 385, N = 200 → 132; n₀ = 625, N = 200 → 152.
Margin kesalahan untuk rata-rata
Margin kesalahan bukan hanya untuk proporsi. Untuk rata-rata, rumusnya MoE = z* × σ ÷ √n. Contoh: rata-rata 100, σ = 15, n = 100, 95% → SE = 15 ÷ 10 = 1,50; MoE = 1,960 × 1,50 = 2,94; interval [97,06; 102,94]. Perhatikan: rumus ini memakai z karena σ diketahui. Bila σ diperkirakan dari sampel (simpangan baku sampel s), pakai nilai kritis t — lihat kalkulator interval kepercayaan yang memakai t secara default.
Contoh survei kepuasan: dari 400 pelanggan, 312 menyatakan puas (78%). SE = √(0,78 × 0,22 ÷ 400) = 0,0207; MoE = 1,960 × 0,0207 = 0,0406 → 78% ± 4,06%, interval [73,94%; 82,06%]. Jadi laporan yang benar adalah "78% ± 4%" — bukan "78% tepat".
Margin kesalahan di Excel
Excel (termasuk Excel berbahasa Indonesia, yang memakai nama fungsi berbahasa Inggris dengan pemisah titik koma) tidak punya fungsi margin kesalahan langsung untuk proporsi, tetapi tiga rumus ini cukup:
- Nilai z*:
=NORM.S.INV(0,975)→ 1,96. - Margin proporsi:
=1,96*SQRT(0,5*(1-0,5)/1000)→ 0,0310. - Margin rata-rata:
=CONFIDENCE.NORM(0,05; 15; 100)→ 2,94. - Ukuran sampel (rata-rata):
=ROUNDUP((1,96*15/2)^2; 0)→ 217.
Kesalahan umum
1. Mengira ±3% berarti "pasti benar dalam 3%". Margin kesalahan hanya berlaku pada tingkat kepercayaan yang dipilih — dan hanya untuk galat pengambilan sampel.
2. Membandingkan dua survei dengan margin yang tumpang tindih. Dua kandidat 48% ± 3% dan 52% ± 3% tidak otomatis "berbeda nyata" — selisihnya punya margin sendiri.
3. Memakai nilai z yang dibulatkan kasar. Nilai eksaknya 1,645 (90%) dan 2,576 (99%); pembulatan kasar mengubah hasil pada sampel kecil.
4. Membulatkan ukuran sampel ke bawah. n = 216,08 harus menjadi 217, bukan 216 — membulatkan ke bawah memberi margin yang lebih besar dari target.
5. Mengabaikan FPC pada populasi kecil. Survei 400 dari 1.000 karyawan tanpa FPC melebih-lebihkan margin kesalahan hampir 30%.
6. Menghitung margin dari persentase, bukan dari n. Margin kesalahan bergantung pada ukuran sampel, bukan pada ukuran populasi (kecuali bila FPC berlaku).
Pertanyaan yang sering diajukan
Apa itu margin kesalahan?
Margin kesalahan adalah setengah lebar interval kepercayaan — angka ±% yang menyertai hasil survei, misalnya "52% ± 3%". Ia mengukur ketidakpastian akibat pengambilan sampel: makin besar sampelnya, makin kecil marginnya.
Bagaimana cara menghitung margin kesalahan survei?
Untuk proporsi: MoE = z* × √(p(1 − p) ÷ n). Contoh: n = 1.000, p = 50%, 95% → SE = 0,0158; z* = 1,960; MoE = 0,0310 alias ±3,10%.
Berapa margin kesalahan untuk 1.000 responden?
±3,10% pada tingkat kepercayaan 95% bila proporsinya 50% (margin terbesar). Bila proporsinya 60%, marginnya ±3,04%.
Mengapa 50% memberi margin terbesar?
Karena p(1 − p) mencapai nilai maksimum pada p = 0,5. Makin jauh proporsi dari 50%, makin kecil galat bakunya — dan makin kecil margin kesalahannya.
Apa itu koreksi populasi terbatas (FPC)?
FPC memperkecil margin kesalahan bila sampel mencakup sebagian besar populasi. Faktornya √((N − n) ÷ (N − 1)). Terapkan bila n ÷ N lebih dari 5%.
Apakah margin kesalahan mencakup bias pertanyaan dan non-response?
Tidak. Margin kesalahan hanya mencakup galat pengambilan sampel acak. Pertanyaan yang bias, non-response, dan kerangka sampel yang salah tidak tercermin dalam angka ±% — survei yang buruk tetap buruk walau marginnya kecil.
Berapa responden yang dibutuhkan untuk margin 3%?
Untuk proporsi 50% pada tingkat kepercayaan 95%: n₀ = 1,960² × 0,5 × 0,5 ÷ 0,03² = 1.067,07 → 1.068 responden. Untuk margin 5%: 385 responden.
Apa bedanya margin kesalahan dan interval kepercayaan?
Margin kesalahan adalah setengah lebar interval kepercayaan. Interval kepercayaan = estimasi ± margin kesalahan. Survei "52% ± 3%" sama dengan interval kepercayaan 95% [49%; 55%].
Langkah Selanjutnya
Cara Menghitung Ukuran Sampel
Pelajari tiga cara menghitung ukuran sampel — rumus Slovin, tabel Krejcie-Morgan, dan rumus z — lengkap dengan contoh skripsi dan tabel siap pakai.
Cara Menghitung Ukuran Sampel →Jelajahi Alat Lainnya
Kalkulator Interval Kepercayaan
Hitung interval kepercayaan 90%, 95%, atau 99% untuk rata-rata dan proporsi.
Hitung →Sumber: NIST/SEMATECH e-Handbook of Statistical Methods, §7.1.4 "What are confidence intervals?" — itl.nist.gov. Metodologi situs ini: Our Methodology.