Observasi Gaji Pengeluaran

1 19,583 3346
2 20,263 3114
3 20,325 3554
4 26,800 4642
5 29,470 4669
6 26,610 4888
7 30,678 5710
8 27,170 5536
9 25,853 4168
10 24,500 3547
11 24,274 3159
12 27,170 3621
13 30,168 3782
14 26,525 4247
15 27,300 3982
16 21,690 3568
17 21,974 3155
18 20,816 3059
19 18,095 2967
20 20,939 3285
21 22,644 3914
22 24,624 4517
23 27,186 4394
24 33,990 5020
25 23,382 3594
26 20,627 2821






Tabel 5.5 Rata-rata gaji dan pengeluaran per murid (dolar), tahun 1985
Observasi Gaji Pengeluaran
27 22,795 3366
28 21,570 2920
29 22,080 2980
30 22,250 3731
31 20,940 2853
32 21,800 2533
33 22,934 2729
34 18,443 2305
35 19,538 2642
36 20,460 3124
37 21,419 2752
38 25,160 3429
39 22,482 3947
40 20,949 2509
41 27,224 5440
42 25,892 4042
43 22,644 3402
44 24,640 2829
45 22,341 2297
46 25,610 2932
47 26,015 3705
48 25,788 4123
49 29,132 3608
50 41,480 8349
51 25,845 3766





5.9 Tabel 5.5 memberikan gaji rata-rata guru sekolah (gaji tahunan dalam dolar) dan
pengeluaran dari sekolah publik permurid (dolar) dari 50 negara bagian tahun 1958 dan
dari Distrik Kolombia.
Untuk mencari tahu apakah terdapat hubungan antara pendapatan guru dan pengeluaran
permurid disekolah publik, model berikut ini memberikan saran : Poy

=[
1
+
[
2
SpcnJ

+u

, dimana Pay mewakili gaji guru dan Spend mewakili pengeluaran

permurid.
a. Plot data dan tunjukkan garis regresinya.

Scatter Plot Hubungan Gaji Guru Terhadap Pengeluaran per Murid di Sekolah
Publik
Interpretasi :

Gambar di atas adalah scatter plot rata-rata gaji guru terhadap pengeluaran per-murid di
sekolah publik, yang berarti pengeluaran per-murid di sekolah publik berperan sebagai
variabel dependen dan rata-rata gaji guru berperan sebagai variabel independen. Scatter
plot di atas menunjukan pengeluaran per-murid di sekolah publik pada tahun 1985
y =210,8x - 1438,
R =0,697
0
1000
2000
3000
4000
5000
6000
7000
8000
9000
0,000 10,000 20,000 30,000 40,000 50,000
gaji terhadap pengeluaran
dipengaruhi oleh besar rata-rata gaji guru. Terlihat dari scatter plot bahwa rata-rata gaji
guru mempengaruhi secara signifikan terhadap pengeluaran per-murid di sekolah publik,
karena plot yang terlihat menggambarkan suatu liniersitas namun secara garis besar
dapat kita ambil kesimpulan bahwa pengeluaran per-murid di sekolah publik pada tahun
1985 cenderung mengalami kenaikan mengikuti besar rata-rata gaji guru.

Gambar diatas juga adalah garis regresi rata-rata gaji guru terhadap pengeluaran per-
murid di sekolah publik. Grafik di atas menunjukan bahwa data dari hubungan
pengeluaran per-murid di sekolah publik pada tahun 1985 dan rata-rata gaji guru berada
di sekitar garis regresinya. Terlihat dari gambar diatas persamaan regresinya dengan nilai
[
1
= 210,8 dan [
2
= -1438 dimana [
1
nilai koefisien slope(variabel independent) dan [
2

adalah nilai intercept (sebagai konstanta). Gambar di atas juga terlihat nilai R
2
= 0,697
karena nilai determinasinya R
2
= 0,697 artinya nilai variansi terhadap rata-rata
pengeluaran per-murid di sekolah publik yang dijelaskan oleh variansi pengeluaran rata-
rata gaji guru dengan persamaan yi = 0,003 xi + 12,12 adalah sebesar 69,7 %. Sisanya
dipengaruhi faktor lain. Didapatkan nilai R = 0,835 dimana R adalah nilai korelasinya
karena nilai R = 0,835 berada pada selang 0,7 < R < 1 maka hubungan keduanya itu
sangat kuat.
Jadi dapat kita simpulkan bahwa grafik di atas mempunyai persamaan regresi yi = 0,003
xi + 12,12 dan hubungan korelasi rata-rata gaji guru terhadap pengeluaran permurid di
sekolah publik tahun 1985 itu mempunyai hubungan positif yang sangat kuat. Berarti
koefisisern variabel X ( rata-rata gaji guru) sebesar 210,8 menunjukkan bahwa setiap
kenaikan 1 unit X atau setiap peningkatan rata-rata gaji guru 1 dolar akan menaikan nilai
variable Y ( pengeluaran murid di sekolah publik) sebesar 210,8 unit.
Kalau hasil ini kita aplikasikan ke dalam kasus diatas , maka untuk setiap peningkatan 1
dolar gaji guru, model ini akan memprediksikan peningkatan total pengeluaran murid
sebesar 210,8

b. Misalkan, berdasarkan point(a), Anda memutuskan untuk mengestimasi model regresi
tersebut. Carilah estimasi dari parameter-parameternya, standard errornya, r
2
, RSS,
dan ESS.
ANOVA
a

Model Sum of Squares df Mean Square F Sig.
1
Regression 608,555 1 608,555 112,600 ,000
b

Residual 264,825 49 5,405

Total 873,380 50

a. Dependent Variable: gaji
b. Predictors: (Constant), pengeluaran

Model Summary
b

Model R R
Square
Adjusted R
Square
Std.
Error of
the
Estimate
Change Statistics
R Square Change F Change df1 df2 Sig. F
Change
1 ,835
a
,697 ,691
2,32477
9
,697 112,600 1 49 ,000
a. Predictors: (Constant), pengeluaran
b. Dependent Variable: gaji

- Estimasi parameter parameternya :
gaji = 12,1 + 0,00331 pengeluaran atau y = 12,1 + 0,00331X
maka diperoleh [
1
= 12,1 dan [
2
= 0,00331.
- Standart errornya : SE = 2,32478
- R
2
= 0,697
- RSS = 608,555
- ESS = 264,825


c. Interpretasikan model regresinya. Apakah logikanya sesuai ekonomi?
Dari model regresi yang diperoleh berdasarkan software. Maka gaji guru akan
mengalami kenaikan rata- rata sebesar 0,00331 ketika pengeluaran sebesar 1. Jika,
pengeluaran nol, maka secara rata- rata gaji akan bernilai 12,1.
Tentu saja interpretasi dari intersep ( koefisien kemiringan) ini tidak begitu banyak
memiliki makna ekonomi, karena secara logika jika pengeluaran sekolah per murid
meningkat maka gaji guru akan cenderung menurun.

d. Buatlah sebuah interval kepercayaan 95% untuk [
2
. Apakah anda akan menolak
hipotesis yang menyatakan bahwa koefisien kemiringan sebenarnya adalah 3,0?
Jika hipotesis nol menyatakan bahwa [
2
=3,0.
Dengan menggunakan uji t, kita peroleh:
t =
0,00331-3,0
2,32478
= -1,2890

Probabilitas dari memperoleh nilai |t| senilai 1,2890. Akibatnya hipotesis yang
menyatakan [
2
=3,0. Jadi [
2
=3,0 tidak ditolak.

e. Dapatkanlah rerata dan nilai forecast individual dariPay jika pengeluaran permurid
adalah $5.000. Demikian juga, buatlah interval kepercayaan 95% untuk rerata
sebenarnya dan nilai individu dariPay untuk pengeluaran tertentu.
Disini garis regresinya adalah y = 12,1 + 0,00331X
sehingga untuk X = 5000, nilai y = 12,1 + 0,00331(5000)
y = 12,1 0,00331(5000)
y = 12,1 16,55
Jadi interval kepercayaanya adalah 4,45 [
2
28,65

Artinya, dengan tingkat keyakinan 95%, kemiringan garis regresi diestimasikan antara
-4,45 sampai dengan 28,65. Kita merasa 95% yakin bahwa rata-rata gaji guru akan
meningkat apabila pengeluaran murid di sekolah juga ditingkatkan dengan nilai
interval kepercayaan antara -4,45 sampai dengan 28,65. Jadi dengan peningkatan
pengeluaran murid sebesar 100 dolar maka akan menaikan rata-rata gaji guru
sebesar - 4.450 sampai dengan 28.650 atau berarti disini ada nilai negatif dan positif
dari peningkatan pengeluaran murid di sekolah terhadap rata-rata gaji guru.

Nilai standar error = 2,32478
Jumlah n=51,sehingga derajat bebas df = n-2 = 51-2 =49 dengan taraf nyata 5% maka
nilai t-tabel adalah 2,0105
Nilai x = 752929820 dan x = 188572
sehingga nilai x rata-rata = 188572/51= 3697.4902.
persamaan regresi y = 12,1 + 0,00331X , interval dugaan untuk koefisien regresi [
1

dan [
2
pada taraf nyata 5% .
dimana nilai [
1
= 12,1 dan [
2
= 0,00331
standar error [
1
= 2,34277 dan standar error [
2
= 9
nilai t untuk uji dua arah dengan taraf nyata 5% . df = n-k = 51-2 = 49 adalah 2,0105
sehingga interval koefisien [
2
adalah :
([
2
- 2,0105.S[
2
)
(0,00331 2,0105.0,0021)
(0,00331 0,004222
Jadi - 0,000912

Interval koefisien [
1
adalah :
([
1
- 2,0105.S[
1
)
(12,1 2,0105. 9
Jadi 5,9945



f. Bagaimanakah anda menguji asumsi normalitas dari faktor kesalahan? Tunjukan uji-
uji yang anda gunakan.
Faktor kesalahan dapat diuji asumsi normalitasnya dengan uji normalitas Anderson-
Darling atau dikenal juga sebagai uji A
2
statistik.
45 40 35 30 25 20 15
99
95
90
80
70
60
50
40
30
20
10
5
1
gaji
P
e
r
c
e
n
t
Mean 24,36
StDev 4,179
N 51
AD 1,098
P-Value 0,006
Probability Plot of gaji
Normal


Hipotesis nol yang berlaku menunjukkan bahwa variable yang ingin diketahui memiliki
distribusi normal. Seperti yang ditunjukkan dalam gambar, perhitungan atas A
2

statistik adalah 1,098. Kita memperoleh nilai p dari A
2
adalah 0,006. Karena 0,006
sangat kecil, maka kita akan menolak hipotesis sehingga faktor kesalahan
berdistribusi tidak normal.





Scatter Plot Hubungan Pengeluaran per Murid di Sekolah Publik Terhadap Gaji Guru
Interpretasi :

Gambar di atas adalah scatter plot pengeluaran permurid di sekolah publik terhadap gaji
guru, yang berarti rata-rata gaji guru berperan sebagai variabel dependen dan pengeluaran
permurid di sekolah publik berperan sebagai variabel independen. Scatter plot di atas
menunjukan pengeluaran permurid di sekolah publik pada tahun 1985 dipengaruhi oleh besar
rata-rata gaji guru. Terlihat dari scatter plot bahwa pengeluaran permurid di sekolah publik
mempengaruhi secara signifikan terhadap rata-rata gaji guru, karena plot yang terlihat
menggambarkan suatu liniersitas namun secara garis besar dapat kita ambil kesimpulan
bahwa rata-rata gaji guru pada tahun 1985 cenderung mengalami kenaikan mengikuti besar
pengeluaran permurid di sekolah publik.

Gambar diatas juga adalah garis regresi pengeluaran permurid di sekolah publik terhadap gaji
guru. Grafik di atas menunjukan bahwa data dari hubungan rata-rata gaji guru pada tahun
1985 dan pengeluaran permurid di sekolah publik berada di sekitar garis regresinya. Terlihat
dari gambar diatas persamaan regresinya dengan nilai [
1
= 0,003 dan [
2
= 12,12 di gambar di
y =0,003x +12,12
R =0,697
0,000
5,000
10,000
15,000
20,000
25,000
30,000
35,000
40,000
45,000
0 2000 4000 6000 8000 10000
pengeluaran terhadap gaji
atas juga terlihat nilai R
2
= 0,697 karena nilai determinasinya R
2
= 0,697 artinya nilai variansi
terhadap rata-rata gaji guru yang dijelaskan oleh variansi pengeluaran permurid di sekolah
publik dengan persamaan y = 0,003 x + 12,12 adalah sebesar 69,7 %. Sisanya dipengaruhi
faktor lain. Didapatkan nilai R = 0,835 dimana R adalah nilai korelasinya karena nilai R =
0,835 berada pada selang 0,7 < R < 1 maka hubungan keduanya itu sangat kuat. Jadi dapat
kita simpulkan bahwa grafik di atas mempunyai persamaan regresi y = 0,003 x + 12,12 dan
hubungan korelasi pengeluaran permurid di sekolah publik terhadap rata-rata gaji guru tahun
1985itu mempunyai hubungan positif yang sangat kuat.



Arti dari Menerima/ Menolak Hipotesis
Dalam menerima Hipotesis nol kita tidak menerimanya secara nyata tanpa
keraguan sama sekali karena dalam menerima sebuah hipotesis nol sebaiknya
disadari ada Hipotesis nol lain yang mungkin lebih sesuai dengan data maka
sebaikntya kita lebih memilih dalam uji statistik untuk tidak menolak daripada
menerima.
Hipotyesis H0Nol dan Aturan Baku z-t
Hipotesis nol merupakan objek utama dalam sebuah pembuktian empiris
dimana H0 : [
2
=0 yang akan dicari apakah Y berhubungan dengan semua X(variabel
penjelas). Jika sebaliknya mana untuk menguji hipotesis seperti [
2
denga nilaiu
manapun maka tidak ada artinya Hipotesis nol dapat diuji dengan uji-t namun bisa
juga dengan aturan signifikansiz-t
Aturan z-t apabila angka derajat bebas adalah 20/lebih dan jika tingkat
signifikansi o ditentukan=0,05 hipotesis nol [
2
=0 dapat ditolak jika nilai t =
|[
2

sc([
2
)

] melebihi 2 dalam nilai absolut

Maka kita akan menolak H0 : [
2
=0 jika
t =[
2

/ sc([
2
)

> t
u/ 2
ketika [
2

> 0 dan
t =[
2

/ sc([
2
)

< t
u/ 2
ketika [
2

< 0
Apabila kita menguji hipotesis satu arah [
2
=0 dibandingkan dengan [
2
> 0
atau [
2
< 0 maka hipotesis nol akan ditolak jika
|t| =|[
2

sc([
2
)

| > t
u


Membuat Hipotesis nol dan Hipotesis Alternatif
Dalam membuat Hipotesis nol dan hipotesis Alternatif dapat dipercaya jika
dilakukan ekspektasi secara teoritis atau pembuktian empiris namun alangkah baiknya
jika hipotesis nol dan hipotesis alternatif dibuat sebelum melakukan investigasi secara
empiris untuk menghindarkan hipotesis yang dapat digunakan dalam menguji hasil
yang didapatkan orang lain untuk kepentingan objektifitas ilmiah.

Memilih u, Tingkat Signifikansi
Tingkat signifikansi merupakan probabilitas untuk melakukan sebuah
kesalahan tipe I yaitu menolak sebuah hipotesis yang benar. Nilai o seringkali
ditetapkan pada tingkat 1%, 5% dan 10% untuk sebuah ukuran sampel tertentu. Jika
coba mengurangi kesalahan tipe I kemungkinan kesalahan tingkat II-pun akan
meningkat begitu pula sebaliknya. Dilema yang ada saat memilih o dapat dihindari
dengan mengenal nilai p dari uji statistik.

Tingkat Signifikansi Paling Tepat Nilai p
Nilai p ini didefinisikan sebagai tingkat dengan tingkat signifikansi paling
rendah dimana hipotesis nol dapat ditolak. Jika mengambil nilai o dan p sama maka
tidak terjadimasalah, untuk melihatnya secara berbeda lebih baik berhenti memilih o
secara acak dan langsung memilih p dari uji statistiuk tersebut.

Signifikansi Statistik dibandingkan Signifikansi Praktis
Dalam sudut pandang ekonomi ketika H0 dengan [
]
= 1 akan
menimbulkan bahwa nilai [
]
bisa saja nilai yang mendekati 1 baik dari kiri ataupun
kanan namun berbeda dalam pandangan statistika. Masalah tersebut dapat
diselesaikan dengan mengacu pada pengujian hipotesis karena pengujian statistika
[t =]([
]
)/ o [
]
mengukur koefisien yang diestimasi dalam satuan standar error unit
yang tidak dapat digunakan dalam mengukur penggunaan parametyer ekonomi [
]
1
yang akan lebih baik jika menggunakan istilah substansial dalam konsep ekonomi.

Pilihan antara Interval Kepercayaan dan Pendekatan Pengujian Signifikansi
untuk Pengujian Hipotesis
Untuk berkonsentrasi dalam besaran dari koefisien dan mencari tingkat
kepercayaan serta bukan pengujian signifikansi. Jika semuya atau hampir semua
hipotesis nol salah, tiap point yang berkonsentrasi dengan apakah sebuah estimasi
tidak dapat dibedakan dari nilai prediksi yang berasal dari hipotesis nol sebagai
gantinya, diharapkan dapat ditemukan model yang dapat menjadi perkiraan yang baik
dengan jangkauan parameter yang dikeluarkan leh estimasi empiris maka lebih baik
menggunakan pendekatan interval kepercayaan.