Deciphering the Tweet: Kesalahan Rumus dan Syarat Quick Count

Tidak bosan saya menulis artikel tentang tweet ini, karena sepertinya belum ada jawaban dan klarifikasi. Mari kita bedah kembali tweet dari Dr. Ronnie Higuchi Rusli, dosen program pascasarjana Universitas Indonesia. Pembedahan ini dilakukan untuk menguji pernyataan Dr. Ronnie Rusli tentang kesahihan Quick Count.

twit2

Dr. Ronnie Higuchi Rusli juga menuliskan syarat Quick Count sebagai berikut:

SyaratQuickCount

Pembahasan Tujuh Statement Dr. Ronnie

Ada delapan hal yang disampaikan pada link Tweet di atas yaitu terdiri dari:

  1. Dua buah persamaan, satu persamaan untuk Margin of Error dan satu lagi persamaan jumlah sampel TPS
  2. Lima pernyataan tentang masing-masing variabel untuk mencapai syarat Quick Count yang benar
  3. Satu grafik perpotongan 2 kurva distribusi normal

Saya akan mengupas ketujuh hal di atas, kecuali grafik, di mana grafik kurang jelas sumbu X dan Y nya menyebabkan grafik tersebut menjadi sulit dimengerti.

Persamaan Jumlah Sampel TPS

Persamaan jumlah sampel TPS ini sudah saya bahas sebelumnya di Statistika 101: Ukuran Sampel untuk Data Proporsi, di mana saya membahas kesalahan dari persamaan ini. Namun sekali lagi kita anggap persamaan Dr. Ronnie benar sehingga kita dapat menggunakan persamaan:

\displaystyle n_{tps} = \frac{p(1-p)}{MoE/(Z_{99\%})^2} + \frac{p(p-1)}{N}

Persamaan Margin of Error

Persamaan Margin of Error yang disampaikan adalah persamaan dasar untuk menghitung Margin of Error berdasarkan Confidence Level dan Standard Deviation:

\displaystyle MoE = \bigg[\frac{S_D}{\sqrt{n_{tps}}}\bigg]Z_{99\%}

Kelima Pernyataan Syarat Quick Count

Standard Deviasi wajib 1 persen
Margin of Error (MoE) 0,02-0,03%
Nilai Koefisien Z_{99\%} harus terpenuhi
Probabilitas masing-masing sama 50%
Jumlah sampel TPS yang dipakai tepat

Mari kita uji persamaan kedua (Margin of Error) dengan kalimat pertama dan kedua di pernyataan syarat Quick Count yang dijabarkan oleh Dr. Ronnie:

\displaystyle MoE = \bigg[\frac{S_D}{\sqrt{n_{sd}}}\bigg]Z_{99\%}

Masukkan margin of error 0.02%, standard deviasi 1% dan Z_{99\%} = 2.58 harus terpenuhi.

\displaystyle 0.02\% = \bigg[\frac{1\%}{\sqrt{n_{sd}}}\bigg]2.58

\displaystyle n_{tps} = \bigg(\frac{1\%}{0.02\%}*2.58\bigg)^2 = 16641

Mari kita uji persamaan pertama dengan variabel yang sama, seharusnya kedua persamaan menghasilkan nilai yang sama

\displaystyle n_{tps} = \frac{p(1-p)}{MoE/(Z_{99\%})^2} + \frac{p(p-1)}{N}

\displaystyle n_{tps} = \frac{0.25}{0.0002/(2.58)^2} + \frac{(-0.25)}{809497} = 8320.5

Terlihat jelas hasil jumlah TPS di persamaan pertama dan persamaan kedua berbeda. Hal ini patut dipertanyakan, seharusnya persamaan pertama dan kedua menghasilkan nilai yang sama. Untuk pembanding dapat dilihat penggunaan persamaan yang saya turunkan di Statistika 101: Ukuran Sampel untuk Data Proporsi:

\displaystyle n_{tps} = \frac{z^2\hat{p}(1-\hat{p})}{e^2}

Persamaan ini dapat disebut juga persamaan Cochran.

\displaystyle n_{tps} = \frac{2.58^2(0.5)(0.5)}{0.01^2} = 16641

Mengetahui bahwa standard deviasi dari sebuah data proporsi sebagai berikut:

\displaystyle \sigma = \sqrt{pq} = \sqrt{0.5(0.5)} = 0.5

Maka dapat kembali dimasukkan kepada persamaan MOE:

\displaystyle 0.01\% = \bigg(\frac{50\%}{n_{tps}}\bigg)Z_{99\%}

\displaystyle n_{tps} = \bigg(\frac{50\%}{1\%}*2.58\bigg)^2 = 16641

Jelas terlihat bahwa persamaan dari Dr. Ronnie salah, karena kedua persamaan tersebut tidak menghasilkan nilai yang sama.

Kesalahan Perlu Diklarifikasi

Kesalahan pertama yang sudah saya bahas adalah kesalahan rumus, di mana harusnya hasil penurunan rumus jumlah sampel TPS adalah

\displaystyle n_{tps} = \frac{z^2\hat{p}(1-\hat{p})}{e^2}

Kesalahan kedua yang nampak pada pernyataan Dr. Ronnie adalah standard deviasi wajib 1% dan probabilitas masing-masing adalah 50%. Keduanya tidak kompatibel di mana jika kita memasukkan nilai probabilitas 50%, nilai standard deviasi adalah:

\sigma = \sqrt{\hat{p}\hat{q}} = \sqrt{(50\%)(1-50\%)} = 50\%

Dengan artikel ini, sekali lagi saya mohon kepada Dr. Ronnie Rusli untuk mengklarifikasi persamaan dan syarat yang dituliskan di depan khalayak umum agar tidak ada misinformasi.

Bagi Anda yang membaca artikel ini, mohon sampaikan dan mention Dr. Ronnie mengenai masalah ini, semoga beliau berkenan untuk memperbaiki dan memberikan penjelasan kepada masyarakat tentang syarat Quick Count yang benar.

Lagi, Salah Rumus

Kelanjutan dari beberapa artikel belakang yang sudah saya buat mengenai statistika, terutama tentang pengambilan jumlah sampel dan uji coba Stratified Random Sampling dengan menggunakan bahasa pemrograman Python. Saya berharap ada salah satu yang dapat sampai ke Dr. Ronnie Rusli agar beliau dapat memperbaiki kesalahan di rumus nya. Kembali beliau memposting rumus ini:

twit2
Gambar 1. Tweet Dr. Ronnie Rusli mengenai pengambilan jumlah sampel Quick Count

Penggunaan Rumus Dr. Ronnie

Melihat sekilas rumus Dr. Ronnie, terlihat janggal, saya akan menjabarkan, jika saya memasukkan masing-masing variabel sesuai dengan kondisi kenyataan jumlah TPS di Indonesia dan Margin of Error yang diclaim telah dicapai oleh salah satu lembaga survey, yakni 1%.

n_{tps} adalah jumlah sampel yang dibutuhkan
p adalah estimasi persentase pasangan presiden wakil presiden
MoE adalah margin of error yang diinginkan
N adalah jumlah populasi TPS

Penjelasan ini juga dielaborasi sebelumnya oleh tweet Dr. Ronnie Rusli pada Gambar 2.

Capture
Gambar 2. Tweet Dr. Ronnie tentang jumlah sampel Quick Count dan penjelasan variabelnya

Memasukkan rumus di atas dengan nilai-nilai yang kita ketahui maka kita dapat menghitung sendiri jumlah TPS yang diperlukan berdasarkan Margin of Error (1%) dan jumlah TPS populasi (809.497). Asumsi sebelum dilakukan pemilihan adalah peluang masing-masing pasangan adalah sama, yakni 50%.

Rumus yang digunakan oleh Dr. Ronnie Rusli adalah n = [p(1-p)]/[(MoE)/(z99)^2)] + [p(p-1)/N]

Atau jika saya tuliskan dengan LaTeX agar lebih mudah terlihat dalam bentuk pecahan:

\displaystyle n_{tps} = \frac{p(1-p)}{\displaystyle \frac{MoE}{(z_{99\%})^2}} + \frac{p(p-1)}{N}

Masukkan variabel-variabel di atas, maka hasilnya akan menjadi

\displaystyle n_{tps} = \frac{0.5(1-0.5)}{\displaystyle \frac{0.01}{2.58^2}} + \frac{0.5(0.5-1)}{809497} = 166.41 + (-3.08*10^{-7}) \approx 166

Jika Anda tidak percaya dengan hitungan saya, sila coba dengan kalkulator Google, langsung masukkan nilai p, MoE, z, dan N pada rumus langsung dari Dr. Ronnie:

[0.5(1-0.5)]/[(0.01)/(2.58)^2)] + [0.5(0.5-1)/809497]
calculator
Gambar 3. Hasil perhitungan dengan kalkulator sesuai dengan rumus Dr. Ronnie

Rumus Jumlah Sampel Berdasarkan Penurunan Rumus

Semenjak SMP, SMA, maupun memasuki bangku kuliah, saya sangat senang dalam menurunkan rumus. Penurunan rumus memerlukan ketelitian, dan dalam matematika, ketelitian sangat penting. Hobby penurunan rumus ini membuat saya menjadi tertarik untuk menurunkan rumus berdasarkan nilai standard error proporsi dan nilai MoE berdasarkan tabel Z. Penurunan rumus saya dapat dilihat pada artikel sebelumnya Statistika 101: Ukuran Sampel untuk Data Proporsi.

\displaystyle n_{tps} = \frac{N}{\displaystyle 1 + \frac{MOE^2(N-1)}{z^2(\hat{p}(1-\hat{p})}}

Persamaan di atas adalah hasil akhir yang saya temukan, jika memasukkan nilai pada persamaan di atas:

\displaystyle n_{tps} = \frac{809497}{\displaystyle 1 + \frac{(0.01)^2(809497-1)}{(2.58)^2(0.5(1-0.5)}} \approx 16306

Addendum dan Opini

Melihat kesalahan sederhana pada rumus Dr. Ronnie Rusli, dapat terlihat bahwa ribuan warganet tidak kritis dan masih mempercayai semua hal yang dikatakan ahli. Hampir tidak ada yang berhenti untuk berpikir, apakah ini benar? Padahal aljabar sudah dipelajari sejak SD ataupun SMP, dan Indonesia menerapkan wajib belajar sampai SMA. Ribuan cuitan ulang (re-tweet) maupun like namun mereka tidak melihat persamaan dan mengujinya langsung.

Namun perlu diperhatikan bahwa walaupun rumus yang di sampaikan oleh Dr. Ronnie salah, namun menurut persamaan yang saya turunkan berdasarkan random sampling dan nilai proporsi, saya dapatkan jumlah TPS sampel sebesar 16rb, jauh di atas nilai 3000 maupun 5000 yang dipakai oleh lembaga survey.