Setiap kali hasil survei dipublikasikan, hampir selalu ada keterangan tambahan berupa margin kesalahan, misalnya “margin of error sebesar 3 persen”. Banyak pembaca melewatkannya, padahal keterangan itu justru kunci untuk membaca angka survei dengan benar. Tulisan ini menjelaskan asal-usul margin kesalahan dari sisi matematika, mengapa angka itu selalu ada, dan bagaimana cara membacanya.
Mengapa Sebagian Kecil Bisa Mewakili Keseluruhan
Survei bekerja dengan cara mengambil sampel, yaitu sebagian kecil dari seluruh kelompok yang ingin diketahui. Alasannya sederhana: menanyai seluruh anggota populasi hampir selalu mustahil dari sisi biaya dan waktu.
Perumpamaan yang sering dipakai adalah mencicipi sup. Untuk tahu rasa sepanci sup, kita tidak perlu menghabiskan seluruh isinya. Satu sendok sudah cukup, asalkan supnya diaduk rata lebih dulu. Dalam statistika, “mengaduk rata” itu sepadan dengan pengambilan sampel secara acak, agar setiap anggota populasi punya peluang yang sama untuk terpilih.
Namun satu sendok tetap bukan sepanci penuh. Selalu ada kemungkinan sampel yang terambil sedikit berbeda dari keadaan sebenarnya. Selisih yang wajar inilah yang diukur dan dilaporkan sebagai margin kesalahan.
Rumus Margin Kesalahan
Untuk survei berupa persentase dengan pengambilan sampel acak sederhana, margin kesalahan dihitung dengan:
\[ E = z \sqrt{\frac{p\,(1-p)}{n}} \]
Keterangan simbol:
| Simbol | Arti |
|---|---|
| \(E\) | Margin kesalahan |
| \(n\) | Jumlah responden dalam sampel |
| \(p\) | Proporsi hasil survei (dalam bentuk desimal) |
| \(z\) | Nilai baku sesuai tingkat kepercayaan; \(z = 1{,}96\) untuk tingkat kepercayaan 95% |
Bagian \(\sqrt{p(1-p)/n}\) disebut galat baku, yaitu ukuran seberapa besar hasil sampel diperkirakan bergoyang di sekitar nilai sebenarnya. Nilai \(p(1-p)\) mencapai maksimum saat \(p = 0{,}5\), sehingga banyak lembaga memakai angka itu agar margin yang dilaporkan bersifat paling aman.
Contoh Perhitungan
Misalkan sebuah survei preferensi produk melibatkan 1.000 responden dan hasilnya menunjukkan 48% memilih produk A. Dengan \(p = 0{,}5\) sebagai nilai paling aman dan tingkat kepercayaan 95%:
\[ \sqrt{\frac{0{,}5 \times 0{,}5}{1000}} = \sqrt{0{,}00025} \approx 0{,}0158 \]
\[ E = 1{,}96 \times 0{,}0158 \approx 0{,}031 \]
Hasilnya sekitar 0,031 atau 3,1%. Artinya, angka 48% sebaiknya dibaca sebagai rentang:
\[ 48\% \pm 3{,}1\% \;\Rightarrow\; 44{,}9\% \text{ sampai } 51{,}1\% \]
Di sinilah letak pentingnya. Andaikan produk B memperoleh 45%, selisih keduanya hanya 3 persen, lebih kecil daripada margin kesalahan. Secara statistik, kedua angka itu belum bisa dinyatakan berbeda secara meyakinkan, meskipun di atas kertas salah satunya terlihat unggul.
Satu hal perlu ditambahkan di sini. Margin kesalahan yang dilaporkan berlaku untuk satu angka, bukan untuk selisih antara dua angka. Ketika dua hasil dari survei yang sama dibandingkan, ketidakpastian keduanya ikut menumpuk sehingga ambang yang dipakai menjadi lebih besar, dalam banyak kasus mendekati dua kali lipat margin semula. Pada contoh di atas, selisih baru dapat disebut meyakinkan bila besarnya melampaui kira-kira 6 persen, bukan 3,1 persen. Karena itu, membandingkan dua angka survei menuntut kehati-hatian lebih daripada sekadar membaca satu angka saja.
Semakin Banyak Responden, Semakin Kecil Marginnya
Karena \(n\) berada di bawah tanda akar, penambahan responden memang mengecilkan margin, tetapi tidak sebanding lurus. Berikut perbandingannya pada tingkat kepercayaan 95%:
| Jumlah responden | Margin kesalahan |
|---|---|
| 100 | ± 9,8% |
| 400 | ± 4,9% |
| 1.000 | ± 3,1% |
| 2.000 | ± 2,2% |
| 4.000 | ± 1,5% |
Perhatikan polanya. Untuk memangkas margin menjadi setengahnya, jumlah responden harus dilipatempatkan. Hubungan ini terlihat jelas bila rumusnya dibalik untuk menghitung kebutuhan sampel:
\[ n = \frac{z^{2}\,p\,(1-p)}{E^{2}} \]
Untuk margin 3% dengan tingkat kepercayaan 95%:
\[ n = \frac{(1{,}96)^{2} \times 0{,}25}{(0{,}03)^{2}} \approx 1067 \]
Sedangkan untuk margin 1,5%, dibutuhkan sekitar 4.268 responden. Biaya survei melonjak, tetapi ketelitiannya hanya membaik dua kali lipat. Inilah alasan banyak survei berhenti di kisaran seribu responden: titik seimbang antara ketelitian dan biaya.
Mengapa Besarnya Populasi Hampir Tidak Berpengaruh
Pertanyaan yang sering muncul: bagaimana mungkin seribu orang mewakili jutaan penduduk? Jawabannya terlihat pada rumus di atas. Yang muncul di sana hanyalah \(n\), jumlah sampel, bukan jumlah populasi. Kembali ke perumpamaan sup, satu sendok sudah cukup baik untuk sepanci maupun untuk sekuali besar, sepanjang isinya teraduk rata.
Populasi baru berpengaruh nyata bila sampel yang diambil merupakan bagian besar dari populasi, misalnya survei di lingkungan kecil. Untuk keadaan itu digunakan faktor koreksi populasi terbatas:
\[ E_{\text{terkoreksi}} = E \sqrt{\frac{N-n}{N-1}} \]
dengan \(N\) jumlah populasi. Jika \(N\) jauh lebih besar daripada \(n\), nilai akar itu mendekati satu sehingga pengaruhnya dapat diabaikan.
Arti Sebenarnya dari “Tingkat Kepercayaan 95%”
Istilah ini kerap disalahartikan sebagai “ada 95% kemungkinan angka sebenarnya adalah 48%”. Maknanya tidak demikian.
Maksudnya adalah: bila prosedur survei yang sama diulang berkali-kali dengan sampel acak yang berbeda-beda, sekitar 95 dari setiap 100 rentang yang terbentuk akan memuat nilai sebenarnya. Selebihnya, sekitar lima dari seratus, meleset. Jadi margin kesalahan bukan jaminan mutlak, melainkan pernyataan tentang seberapa andal metodenya bila dijalankan berulang.
Yang Tidak Tercakup dalam Margin Kesalahan
Ini bagian yang paling sering luput. Margin kesalahan hanya mengukur satu jenis kesalahan, yaitu yang timbul karena kita memakai sampel dan bukan seluruh populasi. Kesalahan jenis lain sama sekali tidak masuk hitungan:
| Sumber kesalahan lain | Contoh |
|---|---|
| Kerangka sampel tidak lengkap | Sebagian anggota populasi tidak punya peluang terpilih sejak awal |
| Responden menolak menjawab | Mereka yang bersedia menjawab bisa jadi berbeda sifatnya dengan yang menolak |
| Susunan pertanyaan | Kalimat yang mengarahkan atau pilihan jawaban yang tidak seimbang |
| Jawaban yang kurang jujur | Responden menjawab sesuai yang dianggap pantas, bukan yang sebenarnya |
| Kesalahan pencatatan | Salah input atau salah pengkodean data |
Karena itu, survei dengan margin kecil belum tentu lebih baik daripada survei dengan margin sedikit lebih besar tetapi metodenya lebih rapi. Angka margin bercerita tentang ukuran sampel, bukan tentang mutu keseluruhan pekerjaan.
Cara Membaca Angka Survei Secara Sehat
| Yang dilihat | Alasan |
|---|---|
| Jumlah responden | Menentukan besarnya margin kesalahan |
| Cara pengambilan sampel | Rumus di atas berlaku untuk sampel acak; metode lain memerlukan perhitungan berbeda |
| Waktu pengumpulan data | Hasil survei menggambarkan keadaan pada periode tertentu, bukan keadaan permanen |
| Rentang, bukan titik | Angka tunggal sebaiknya selalu dibaca bersama margin kesalahannya |
| Selisih antarpilihan | Selisih yang lebih kecil daripada margin belum dapat disebut perbedaan yang meyakinkan |
Margin kesalahan bukan tanda bahwa survei tersebut lemah. Justru sebaliknya: pencantumannya menunjukkan bahwa penyusunnya terbuka mengenai batas ketelitian pekerjaannya. Dalam statistika, mengakui adanya rentang ketidakpastian adalah bagian dari kejujuran metode, bukan kelemahan yang perlu disembunyikan.
Catatan. Artikel ini membahas konsep statistika beserta contoh angka yang disusun sebagai latihan hitung, bukan data dari survei tertentu dan bukan penilaian terhadap hasil survei mana pun. Rumus yang ditampilkan berlaku untuk pengambilan sampel acak sederhana pada data berbentuk proporsi; rancangan survei lain, seperti sampel bertingkat atau berkelompok, menggunakan perhitungan yang berbeda. Untuk keperluan penelitian resmi, sebaiknya merujuk pada buku metodologi statistika atau berkonsultasi dengan ahli di bidangnya.