Apa yang Dilakukan Kalkulator Ukuran Sampel
Kalkulator Ukuran Sampel membantu menentukan berapa banyak observasi yang diperlukan untuk memperoleh hasil yang andal secara statistik. Alat ini menghitung ukuran sampel minimum yang diperlukan untuk eksperimen dan penelitian berdasarkan tingkat konversi awal, Minimum Detectable Effect (MDE), tingkat signifikansi statistik, dan kekuatan statistik (statistical power).
Alat ini membantu Anda:
menghitung ukuran sampel yang diperlukan untuk pengujian A/B;
menyeimbangkan kecepatan eksperimen dan akurasi hasil;
memperkirakan bagaimana MDE memengaruhi durasi pengujian;
mempertimbangkan tingkat signifikansi (α) dan kekuatan statistik (1−β);
menyimpan parameter perhitungan sebagai tautan yang dapat dibagikan untuk digunakan kembali.
Alat ini cocok digunakan oleh analis produk, pemasar, spesialis CRO, peneliti, dan analis data.
Parameter yang Digunakan
Parameter | Deskripsi |
|---|
Tingkat Konversi Awal | Tingkat konversi saat ini dari kelompok kontrol |
MDE (Minimum Detectable Effect) | Perubahan konversi terkecil yang ingin dideteksi |
Tingkat Kepercayaan | Tingkat kepercayaan statistik (misalnya 95%) |
Kekuatan Statistik | Probabilitas mendeteksi efek yang benar-benar ada |
Jenis Efek | Perubahan absolut atau relatif pada tingkat konversi |
Cara Menggunakan Alat
Masukkan tingkat konversi saat ini.
Pilih efek minimum yang memiliki nilai praktis.
Pilih tingkat kepercayaan.
Sesuaikan kekuatan statistik jika diperlukan.
Pilih jenis efek — absolut atau relatif.
Lihat ukuran sampel minimum yang diperlukan untuk setiap varian eksperimen.
Nilai yang dihitung menunjukkan jumlah pengguna (atau unit observasi lainnya) yang diperlukan untuk setiap kelompok, bukan ukuran sampel total untuk seluruh eksperimen.
Faktor yang Memengaruhi Ukuran Sampel
Faktor | Dampak |
|---|
MDE yang lebih kecil | Memerlukan lebih banyak peserta |
Kekuatan statistik yang lebih tinggi | Memerlukan ukuran sampel yang lebih besar |
Tingkat kepercayaan yang lebih tinggi | Meningkatkan ukuran sampel yang diperlukan |
Tingkat konversi awal yang lebih tinggi | Dampaknya bergantung pada besarnya efek yang diharapkan |
Cara Memilih MDE
Minimum Detectable Effect (MDE) adalah perubahan terkecil yang memiliki nilai praktis bagi bisnis.
Sebagai contoh:
Tingkat Konversi Awal | MDE | Interpretasi |
|---|
5% | +0.5% | Efek yang sangat kecil |
5% | +1% | Umum digunakan dalam eksperimen produk |
5% | +2% | Memungkinkan eksperimen selesai lebih cepat |
Memilih MDE yang terlalu kecil akan secara signifikan meningkatkan ukuran sampel yang diperlukan serta durasi eksperimen.
Rekomendasi Praktis
Pilih MDE berdasarkan dampak bisnis, bukan sekadar keinginan untuk mendeteksi perubahan sekecil mungkin.
Jangan menurunkan tingkat signifikansi hanya untuk mengurangi ukuran sampel yang diperlukan.
Gunakan kekuatan statistik 80–90%, yang merupakan standar untuk sebagian besar eksperimen produk.
Hitung ukuran sampel yang diperlukan sebelum memulai eksperimen, bukan setelah melihat hasil awal.
Jangan menghentikan eksperimen sebelum mencapai ukuran sampel yang diperlukan, kecuali jika Anda menggunakan metode analisis sekuensial khusus.
Ukuran sampel yang tidak mencukupi meningkatkan risiko menghasilkan kesimpulan yang keliru dan dapat menyebabkan penerapan perubahan yang tidak efektif.
Kesalahan yang Sering Terjadi
Memulai eksperimen tanpa menghitung ukuran sampel yang diperlukan.
Memilih MDE yang terlalu kecil dan tidak realistis untuk mendeteksi perbedaan yang sangat kecil.
Mengakhiri eksperimen segera setelah memperoleh hasil pertama yang "signifikan secara statistik".
Mengubah parameter eksperimen saat eksperimen sedang berlangsung.
Menganggap signifikansi statistik sebagai bukti bahwa efek tersebut memiliki nilai praktis yang tinggi.
Keterbatasan Alat
Perhitungan ini mengasumsikan bahwa:
observasi bersifat independen;
pengguna ditugaskan secara acak ke setiap varian eksperimen;
pengumpulan data dilakukan secara akurat;
tidak ada kesalahan pengukuran yang sistematis.
Jika asumsi-asumsi tersebut tidak terpenuhi, tingkat keandalan eksperimen yang sebenarnya dapat berbeda dari hasil perhitungan.
Kesimpulan
Perhitungan ukuran sampel merupakan langkah pertama dalam mempersiapkan setiap eksperimen statistik. Perhitungan ini membantu menentukan jumlah data yang diperlukan sejak awal dan mencegah eksperimen berakhir terlalu cepat atau berlangsung lebih lama dari yang diperlukan.
Setelah menentukan ukuran sampel yang diperlukan, disarankan untuk menggunakan alat tambahan guna mendukung alur kerja analisis eksperimen secara menyeluruh:
Kalkulator Chi-Square (χ²) — untuk menganalisis data kategorikal dan membandingkan tingkat konversi ketika model statistik ini sesuai digunakan.
Kalkulator Uji T Dua Sampel — untuk mengevaluasi signifikansi statistik dari perbedaan antar varian eksperimen setelah pengujian A/B selesai dilakukan.
Jika Anda juga ingin memastikan bahwa pengguna telah dialokasikan dengan benar ke setiap varian eksperimen, gunakan Kalkulator Sample Ratio Mismatch (SRM).
