Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more
Download
Standard view
Full view
of .
Look up keyword
Like this
265Activity
0 of .
Results for:
No results containing your search query
P. 1
UJI F DAN UJI T

UJI F DAN UJI T

Ratings: (0)|Views: 16,925 |Likes:
Published by anii88

More info:

Published by: anii88 on Jan 09, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

08/14/2013

pdf

text

original

 
UJI F DAN UJI T
Uji F dikenal dengan Uji serentak atau uji Model/Uji Anova, yaitu uji untuk melihat bagaimanakah pengaruh semua variabel bebasnya secara bersama-samaterhadap variabel terikatnya. Atau untuk menguji apakah model regresi yang kita buatbaik/signifikan atau tidak baik/non signifikan.Jika model signifikan maka model bisa digunakan untuk prediksi/peramalan,sebaliknya jika non/tidak signifikan maka model regresi tidak bisa digunakan untuk peramalan.Uji F dapat dilakukan dengan membandingkan F hitung dengan F tabel, jika Fhitung > dari F tabel, (Ho di tolak Ha diterima) maka model signifikan atau bisadilihat dalam kolom signifikansi pada Anova (Olahan dengan SPSS, Gunakan UjiRegresi dengan Metode Enter/Full Model ). Model signifikan selama kolomsignifikansi (%) < Alpha (kesiapan berbuat salah tipe 1, yang menentukan penelitisendiri, ilmu sosial biasanya paling besar alpha 10%, atau 5% atau 1%). Dansebaliknya jika F hitung < F tabel, maka model tidak signifikan, hal ini juga ditandainilai kolom signifikansi (%) akan lebih besar dari alpha.Uji t dikenal dengan uji parsial, yaitu untuk menguji bagaimana pengaruhmasing-masing variabel bebasnya secara sendiri-sendiri terhadap variabel terikatnya.Uji ini dapat dilakukan dengan mambandingkan t hitung dengan t tabel atau denganmelihat kolom signifikansi pada masing-masing t hitung, proses uji t identik denganUji F (lihat perhitungan SPSS pada Coefficient Regression Full Model/Enter). Ataubisa diganti dengan Uji metode Stepwise.Pernggunaan Uji F dan t akan dijelaskan lebih lanjut dalam Bab selanjutnya.
 
UJI NORMALITAS
Uji normalitas berguna untuk menentukan data yang telah dikumpulkanberdistribusi normal atau diambil dari populasi normal. Metode klasik dalampengujian normalitas suatu data tidak begitu rumit. Berdasarkan pengalaman empirisbeberapa pakar statistik, data yang banyaknya lebih dari 30 angka (n > 30), makasudah dapat diasumsikan berdistribusi normal. Biasa dikatakan sebagai sampel besar.Namun untuk memberikan kepastian, data yang dimiliki berdistribusi normalatau tidak, sebaiknya digunakan uji statistik normalitas. Karena belum tentu data yanglebih dari 30 bisa dipastikan berdistribusi normal, demikian sebaliknya data yangbanyaknya kurang dari 30 belum tentu tidak berdistribusi normal, untuk itu perlusuatu pembuktian. uji statistik normalitas yang dapat digunakan diantaranya Chi-Square, Kolmogorov Smirnov, Lilliefors, Shapiro Wilk.
1.
 
METODE CHI SQUARE (UJI GOODNESS OF FIT DISTRIBUSINORMAL)
Metode Chi-Square atau X
2
untuk Uji Goodness of fit Distribusi Normalmenggunakan pendekatan penjumlahan penyimpangan data observasi tiap kelasdengan nilai yang diharapkan.
iii
 E  E O X 
2
 Keterangan :
 X 
2 
= Nilai X
2
 
O
i
 
= Nilai observasi
 E 
i
 
= Nilai expected / harapan, luasan interval kelas berdasarkan tabel normaldikalikan N (total frekuensi) (pi x N)
 N 
= Banyaknya angka pada data (total frekuensi)Komponen penyusun rumus tersebut di atas didapatkan berdasarkan pada hasiltransformasi data distribusi frekuensi yang akan diuji normalitasnya, sebagai berikut:NoBatasInterval
SD X  X  Z 
i
 p
i
O
i
E
i
(p
i
x N)
 
Kelas123dstKeterangan :Xi = Batas tidak nyata interval kelasZ = Transformasi dari angka batas interval kelas ke notasi pada distribusi normalpi = Luas proporsi kurva normal tiap interval kelas berdasar tabel normal(lampiran)Oi = Nilai observasiEi = Nilai expected / harapan, luasan interval kelas berdasarkan tabel normaldikalikan N (total frekuensi) ( pi x N )
Persyaratan Metode Chi Square (Uji Goodness of fit Distribusi Normal)
a.
 
Data tersusun berkelompok atau dikelompokkan dalam tabel distribus frekuensi.b.
 
Cocok untuk data dengan banyaknya angka besar ( n > 30 )c.
 
Setiap sel harus terisi, yang kurang dari 5 digabungkan.
Signifikansi
Signifikansi uji, nilai X
2
hitung dibandingkan dengan X
2
tabel (Chi-Square).Jika nilai X
2
hitung < nilai X
2
tabel, maka Ho diterima ; Ha ditolak.Jika nilai X
2
hitung > nilai X
2
tabel, maka maka Ho ditolak ; Ha diterima.Contoh :DIAMBIL TINGGI BADAN MAHASISWA DI SUATU PERGURUAN TINGGITAHUN 1990
TINGGI BADAN JUMLAH140 - 144 7

You're Reading a Free Preview

Download
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->