Interpolasi dalam Perhitungan Statistik

Interpolasi dalam Perhitungan Statistik

Oleh:
Herri Mulyono
Interpolasi atau dalam istilah asingnya dikenal dengan Interpolation merupakan sebuah cara
menentukan nilai pada table (baik itu dalam tabel t, f ataupun r) dimana nilai derajat kebebasan
d.k. (atau d.f. untuk degree of freedom) tidak tertera secara tertulis dalam tabel yang
dimaksudkan. Pada hakekatnya interpolasi itu sendiri merupakan pencarian sebuah titik diantara
dua sumbu (minimal) dan (maksimal) yang dalam sebuah data linier disebut dengan interpolasi
linier.
Misal:
Sebuah penelitian memiliki jumlah sampel 60 responden dengan derajat kebebasan n-2=58.
Dalam tabel t, sangat sulit untuk mengkonsultasi nilai d.k sebesar 58 tersebut karena nilai 58
tidak dituliskan secara nyata melainkan berada diantara d.k. 40 dan d.k. 60 sehingga perlu
dilakukan interpolasi (interpolation=penyisipan atau penambahan) nilai 58 dalam tabel tersebut.
Untuk melakukan interpolasi tersebut, terduapat dua formula yang dapat digunakan seperti
dijelaskan dibawah ini:
Formula 1:
Perhitungan interpolasi dilakukan dengan menggunakan rumus seperti berikut:

Dimana;
I = nilai interpolasi
r-tvalue = range (selisih) nilai t pada tabel dari dua d.k. yang terdekat
Untuk contoh diatas nilai d.k. 58 berada pada d.k. 40 dan d.k. 60, nilai t untuk d.k. 40 pada tabel
adalah 1,684 sedangkan nilai t untuk d.k. 60 adalah 1,671.

Maka selisih nilai t adalah 1,684 1,671 = 0,013

r-d.f. = range (selisih) dari dua d.k. yang terdekat
Selisih dari nilai dua d.k. terdekat adalah 60 -40 = 20
Kemudian nilai interpolar tersebut dimasukkan sebagai nilai pengurang dari nilai t untuk d.k
terdekat yang terendah. Hasil inilah yang kemudian digunakan sebagai nilai t untuk d.k. yang
tidak tercantum dalam tabel.
Maka Perhitungannya adalah:

Nilai t untuk d.k. 58 = nilai t untuk d.k. 40 I

= 1,684 0,0117
= 1,6723

Formula 2:
Prof Abott dalam materi perkuliahannya Computing Critical Values of t-Distributions, memahami
serta menguraikan proses interpolasi liner dalam perpektif Gujarati (1995) dengan rumus
interpolasi sebagai berikut:

Dalam rumus diatas,

I merupakan nilai interpolar yang akan dicari
dkI adalah derajat kebebasan dari I

dk-min adalah derajat kebebasan minimal (dibawah dkI)

dk-max adalah derajat kebebasan maksimal (diatas dkI)
t-min adalah nilai t dari dk-min
t-max adalah nilai t dari dk-max

Dengan menggunakan rumus ini (formula 2), perhitungan pada contoh diatas dihitung sebagai
berikut:

Dengan jelas terlihat bahwa, perhitungan contoh diatas, dengan menggunakan formula 1
ataupun formula 2, menghasilkan hasil yang sama. Sehingga, menurut saya, keduanya dapat
dijadikan landasan untuk melakukan perhitungan interpolasi dari kasus yang ditemui dalam
sebuah analisa data kuantitatif.
Salam Belajar, dan selamat mencoba.

Referensi:
Gujarati, Amodar N. 1995. Basic Econometrics. Third Edition. New York: McGraw-Hill. p. 809.
Catatan Khusus:
1.

Dalam pembahasan Time series pada econometrics, Gujari (1995) banyak menyinggung
penentuan nilai kritis yang tidak terdapat pada table statistik (lihat Bab 21 hal 792). Penentuan
nilai kritis tersebut utamanya dilakukan dengan proses interpolasi linier data yang
kemudian dijelaskan oleh Prof Abott dalam kuliahnya Computing Critical Values of tDistributions dalam subject ECON351. Rumus yang saya tampilkan diatas merupakan summary
dari kedua sumber tersebut.

2.

Interpolasi akan menjadi penting ketika analisa data kuantitative dilakukan dengan cara
manual. Namun, ketika perhitungan dilakukan melalui SPSS, maka interpolasi tidak menjadi
keharusan, karena penilaian signifikansi bukan lagi merujuk kepada referensi tabel, tapi pada
nilai probabilitas (p).
Beberapa sumber yang bisa menambah pengetahuan tentang interpolasi:

Kurniawan, Sandy dan Hidayat, Taufiq. 2007. Penerapan data mining dengan metode interpolasi
untuk memprediksi minat komsumen asuransi.Media informatika. 5(2).
Mason, Robert D dan Lind, Douglas A. Teknik statistika untuk bisnis dan ekonomi (Terjemahan).
(9). Jakarta: Erlangga.
Sahid. 2003. Analisa ketunggalan polinomial interplasi untuk aproksimasi fungsi. (Laporan
penelitian). Yogyakarta: Universitas Negeri Yogyakarta.
Santosa, Purbayu Budi dan Hamdani, Muliawan . 2007. Statistika deskriptif dalam bidang
ekonomi dan niaga. Jakarta: Erlangga
Santoso, Singgih. 2010. Statistik nonparametrik: Konsep dan aplikasi dengan SPSS. Jakarta:
Elex Media Kompetindo
Anda juga bisa membaca banyak sumber terkait dengan interpolasi linier.