Metode Chi Square Dalam Uji Normalitas
(Uji Goodness Of Fit Distribusi Normal)
Metode Chi-Square atau X2 untuk Uji Goodness of fit Distribusi Normal menggunakan pendekatan penjumlahan penyimpangan data observasi tiap kelas dengan nilai yang diharapkan. Uji Chi-square seringkali digunakan oleh para peneliti sebagai alat uji normalitas.
Keterangan :
X2 = Nilai X2
Oi = Nilai observasi
Ei = Nilai expected / harapan, luasan interval kelas berdasarkan tabel normal dikalikan N (total frekuensi) (pi x N)
N = Banyaknya angka pada data (total frekuensi)
Uji linearitas bertujuan untuk mengetahui apakah dua variabel mempunyai hubungan yang linear atau tidak secara signifikan. Uji ini biasanya digunakan sebagai prasyarat dalam analisis korelasi atau regresi linear.
Langkah-langkah Uji Linieritas
1. Menyusun tabel kelompok data variabel X dan Y, dimana variabel X datadiurutkan dari yang terkecil sampai yang terbesar
2. Menghitung jumlah kuadrat regresi (JK reg(a)) dengan rumus:
3. Menghitung jumlah kuadrat regresi b/a (JK reg b/a) dengan rumus:
4. Menghitung jumlah kuadrat residu (JK res) dengan rumus:
5. Menghitung rata-r ata jumlah kuadrat regresi a (RJK reg (a)) dengan rumus:
6. Penghitung rata-rata jumlah kuadrat regresi b/a (RKJreg b/a)) dengan rumus:
7. Menghitung rata-rata jumlah kuadrat residu (RJK res) dengan rumus:
8. Menghitung jumlah kuadrat error (JKE) dengan rumus:
9. Menghitung jumlah kuadrat tuna cocok (JKTC) dengan rumus:
10. Menghitung rata-rata jumlah kuadrat tuna cocok (RJKTC) dengan rumus:
11.Menghitung rata-rata jumlah kuadrat error (RJKE) dengan rumus:
12. Mencari nilai uji F dengan rumus:
13. Menentukan kriteria pengukuran: Jika nilai uji F < nilai tabel F, makadistribusi berpola linier
14. Mencari nilai F tabel pada taraf signifikan 95% atau = 5% menggunakanrumus : F tabel = F(1-a)(db TC, db E) dimana db TC = k–2 (dk pembilang) dan db E= n–k (dk penyebut)
15. Membandingkan nilai uji F dengan nilai tabel F (lihat tabel distribusi “F”)
kemudian membuat kesimpulan
TUGAS!!!
Tidak ada komentar:
Posting Komentar