Tidak semua nilai critical value tercantum dalam tabel statistik. Untuk mengetahui nilai critical value pada df (degree of freedom) yang ditentukan dapat dicari dengan penaksiran nilai pada df terdekat. Tehnik ini dikenal dengan istilah interpolasi (Mulyono, 2009) atau polarisasi (Yamane, 1967). Sebenarnya interpolasi adalah suatu metode untuk menentukan data yang hilang. Gujarati (2009) memperkenalkan perhitungan interpolasi untuk memprediksi sebuah titik data pada time series (Bab 21). Dengan demikian, interpolasi didefinisikan sebagai teknik untuk mendapatkan fungsi (taksiran suatu titik) yang melewati semua titik dari sebuah set data diskrit (Lamabelawa, 2018).
Formulasi interpolasi
Formulasi interpolasi didasarkan pada interpolasi linier (Lamabelawa, 2018) yang dikembangkan Abbott (dalam Mulyono, 2009) dengan perubahan notasi syntax untuk memudahkan aplikasi dalam pencarian nilai critical value tertentu.
Keterangan:
| Vn | : | Nilai critical value yang dicari |
| Vn-1 | : | Nilai critical value pada df sebelumnya |
| Vn+1 | : | Nilai critical value pada df sesudahnya |
| dfn | : | Nilai df untuk critical value yang dicari |
| dfn-1 | : | Nilai df sebelumnya |
| dfn+1 | : | Nilai df sesudahnya |
Ilustrasi interpolasi
Critical value untuk df=34 dengan α 5% pada tabel t dalam Gujarati (2009 : 879 Appendix D) tidak tercantum.
Figure 1. Penggalan tabel t
Dengan interpolasi linier dapat dicari besarnya nilai t untuk df=34 pada α 5%.
Dari hasil perhitungan diperoleh nilai t pada df=34 dengan α adalah 1,692.
Untuk perbandingan, jika dihitung menggunakan Excel dengan fungsi =t.inv(5%,34) diperoleh nilai 1,691.
Menghitung interpolasi
Untuk mencari critical value, klik di sini.
Aplikasi Google Spreadsheet harus sudah terinstal di Android.
Comments