Anda di halaman 1dari 7

PERKIRAAN INTERVAL DAN PENGUJIAN HIPOTESIS DALAM REGRESI SEDERHANA

Kelompok 5, Materi 4 Siti Rahmah Lusi Novitasari Umi Razanah Seno Setiawan Akhmad Mustafa A1A310015 A1A310016 A1A310017 A1A310031 A1A310041

4.1 beberapa ide tentang perkiraan interval Bagian yang penting dalam ilmu statistik adalah statistik induktif atau statistical inference. Statistic induktif mencakup dua hal pokok, yakni teori estimasi dan pengujian hipotesis. Teori perkiraan terdirir dari dua hal penting. Yaitu perkiraan tunggal dan perkiraan interval. Dalam bab ini akan dibahas mengenai perkiraan interval dan pengujian hipotesis , baik mengenai koefisien-koefisien, individu dan nilai harapan Y, maupun varian kesalahan pengganggu. P(b-d bd B b+d = 1b+d

batas bawah

interval

batas atas

1-

disebut koefisisen keyakinan/ tingkat keyakinan.

disebut tingkat nyata/ berarti (level

of significance). Di dalam pengujian hipotesis,

disebut kesalahan tipe pertama, yaitu

kesalahan yang terjadi karena kita menolak hipotesis nol, padahal hipotesis tersebut benar (keputusan yang benar, hipoteisis tersebut harus kita termia). Alpha juga dapat diartikan sebagai besarnya kesalahan yang kita torerir di dalam membuat suatu keputusan. Kalau 1= 0,95; = 1-0,95 = 0,05; ini berarti kita mentorerir kesalahan sebesar 5%. Salah dalam hal ini, berarti interval tidak memuat B lebih kecil dari (b d) atau lebih besar dari (b+d). kesalahan ini menimbulkan resiko dalam pembuatan keputusan, maka dari itu untuk memperkecil resiko, kesalahan harus dibuat sekecil mungkin. Titik akhir pada interval disebut batas keyakinan (confidende limit) atau nilai kritis (critical value) b d = batas keyakinan bawah atau nilai batas bawah b + d = batas keyakinan atas atau nilai batas atas

4.2 Perkiraan Interval untuk Koefisien dan Kesalahan Pengganggu Rumus perkiraan interval:

Contoh soal : Buat perkiraan interval untuk B, kalau tingkat keyakinan sebesar 95%, apabila diketahui : b Se = 0,5446 = = = 1,4318880898403 1-a a a/2 = 0,95 = 0,5 = 0,25 Tingkat keyakinan 95% Kesalahan yang diterima

Jawaban : Sb =

Sb = Sb =

Sb = 0,1120902477704 Dari tabel t, ( )


( )

0,5446-

0,5446+

0,5446 0.3566711684054 0,1879288315946 0,1879 0,9013

0,5446+ 0.3566711684054

0,9012711684054

maka interval antara 0,1879 sampai 0,9013 akan memuat nilai B sebenarnya dengan tingkat keyakinan 95%

Contoh Soal : Buat perkiraan interval = 2,050303333 Df = n-2 = 5-2 =3 Jawaban :


( ) ( )

dengan tingkat keyakinan 95% apabila diketahui :

( (

)
( )

( )

)
( )

Artinya dengan probabilitas 95%, dalam jangka panjang kita harapkan bahwa interval antara sampai akan memuat

4.3 Pengujian Hipotesis Koefisien Regresi Pengujian hipotesis statistik (statistical testing hypothesis) sifatnya kuantitatif, jadi setiap hipotesis yang kita maksudkan harus dinyatakan dengan angka-angka. Teori pengujian hipotesis berkenaan dengan pengembangan aturan-aturan atau prosedur untuk memutuskan apakah kita harus menerima atau menolak hipotesis nol. 4.3.1 Pengujian Hipotesis dengan Pendekatan Interval Keyakinan Pengujian hipotesis dengan pendekatan interval keyakinan terdiri dari langkahlangkah berikut: Pertama: Menghitung perkiraan interval dengan tingkat keyakinan yang sudah ditentukan, dalam hal ini 95%. Contoh Perkiraan interval yang diperoleh adalah 0,70995 B 1,00125. Kedua: Kita cek, apakah nilai B sesuai dengan nilai hipotesis nol, dalam hal ini, 0,90, terletak dalam interval tersebut atau tidak? Kalau ya, kita tolak. Dalam soal yang kita hadapi, kita terima. :B=

kita terima, kalau tidak,

: B = 0,90 ternyata terletak dalam interval, jadi

Contoh Soal misalnya kita menganggap bahwa besarnya MPC (Marginal propensity to consume) yang dinyatakan dalam parameter B sebesar 0,4 dengan alternative tidak sama. Pergunakan tingkat signifikan sebesar 0,05 dengan pendekatan perkiraan interval. Pemecahan

Berdasarkan contoh soal 4.2, sudah kita hitung bahwa dengan tingkat keyakinan sebesar 95%, dalam jangka panjang, interval 0,55426135 sampai dengan 0,751942896 akan memuat nilai parameter B. Interval keyakinan 0,55426135 < B < 0,751942896 ternyata tidak memuat nilao hipotesis nol B = 0,4 ditolak. Jadi, hipotesis atau pendapat bahwa MPC = B = 0,4 ditolak. Probabilitas untuk mendapatkan nilai B = 0,4 (sebelah kiri nilai batas bawah) sebesar 0,025 (2,5%). 2,5% 0,55426135 2.5% 0,751942896

95% nilai batas bawah nilai batas atas

Pengujian hipotesis dengan pendekatan perkiraan interval terdiri dari dua tahap yang harus diperhatikan, Pertama : Dihitung perkiraan interval dari parameter yang bersangkutan, dengan tingkat keyakinan tertentu, yaitu ( ). Nilai atau 0,05.

Kedua : Kemudian dicek, apakah nilai parameter berdasarkan hipotesis nol terletak di dalam interval atau tidak. Kalau ya, diterima, kalau tidak, ditolak.

4.3.2 Pengujian Hipotesis dengan Pendekatan Uji Signifikan (Nyata) Pendekatan lainnya yang sifatnya komplementer terhadap metode interval keyakinan dalam pengujian hipotesis secara statistik ialah pendekatan uji-signifikan yang dikembangkan oleh R.A. Fisher secara independen dan bersama-sama oleh Neyman dan Pearson. Secara umum, dapat dikatakan bahwa suatu uji-signifikan adalah suatu prosuder untuk suatu hasil perhitungan berdasarkan sampel, untuk memeriksa benar tidaknya suatu hipotesis nol.

4.4 Analisis Varian dalam Regresi Dalam bab ini akan dipelajari analisis regresi dari sudut pandangan analisis varian dan pengenalan terhadap suatu cara yang komplementer dan jelas dalam melihat persoalanpersoalan statistic induktif atau statistical inference. Contoh Soal Misalkan uji pendekatan bahwa B = MPC = 0 dengan alternatif tidak sama dengan itu. Pergunakan analisis varian (anavar). Pemecahan : b = 0,653102123 = = (0,653102123)2 (83.830,6875) = 35.757,34122 = - ( )2 / n = 4.360.500 (4.650)2 / 5 = 4.360.500 4.324.500 = 36.000 =

= 36.000 - 35.757,34122 = 242, 65878 Tabel Anavar Sumber Variasi Jumlah Kuadrat (SS) f Rata-Rata Kuadrat (MS) F

Dari regresi (ESS) Dari Kesalahan Pengganggu (RSS)

35.757,34122 1 242, 65878

35.757,34122 80,88626

442,0694098

3 3 Total jumlah Kuadrat (TSS) 36.000,00000 9

F=

rata-rata kuadrat regresi Rata-rata kesalahan pengganggu

F= ESS RSS = 35.757,34122 80, 88626 = 442,0694098 (**)

Tabel F

F0,05 (1)(3) = 10,13 F0.01(1)(3) = 34,12

Untuk

= 0,05 (5%). Oleh karena F > F0,05(1)(3) , maka H0 ditolak. Pendapat / hipotesis

bahwa MPC=0 ditolak. Tidak benar B= 0. Untuk = 0,01 (1%). Oleh karena F > F0,05(1)(3) , maka H0 ditolak. Pendapat bahwa B=0

Tidak benar . Perhatian! Kalau Ho ditolak pada tingkat signifikan 5%, hasilnya disebut signifikan, dengan tanda 1 bintang (*). Kalau Ho ditolak pada tingkat signifikan 1%, hasilnya disebut sangat signifikan (highly significant), dengan tanda 2 bintang (**).

4.5 Ramalan dengan Menggunakan Garis Regresi Linear Sederhana Ramalan pada dasarnya merupakan perkiraan terjadinya suatu kejadian (peristiwa) untuk waktu yang akan datang. Ada perkiraan jangka pendek, ada juga ramalan jangka panjang (short term and long term forecasting) . Ramalan (produksi, penjualan, ekspor, penerimaan negara, pendapatan nasional, konsumsi, dan variabel ekonomi lainnya) sangat diperlukan untuk dasar perencanaan. Ada dua macam ramalan untuk variable tidak bebas Y, yaitu ramalan untuk rata-rata Y dan individu Y nilai X tertentu, katakan = . Untuk selanjutnya, kita sebut ramalan ratarata Y atau ramalAn (Y) dan ramalan individu Y. (Y)=expected (Y) merupakan rata-rata. Dalam praktiknya, meramalkan (Y) juah lebih mudah dari pada meramalkan individu Y, sebab rata-rata Y kurang bervariasi dibandingkan dengan Y. 4.5.1 Ramalan Rata-Rata Y atau (Y) Rumus Perkiraan interval untuk ( sebagai berikut. ( ) +

) dengan tingkat keyakinan sebesar (1 )

4.5.2. Ramalan Individu Y Rumus perkiraan Interval individu Y dengan tingkat keyakinan sebesar (1 sebagai berikut +

4.5.3 Cara Melaporkan Hasil Analisis Regresi Banyak hasil penelitiaan ekonomi secara kuantitatif yang hasilnya sukar di mengerti, khususnya hasil analisis ekonometri dengan disertai berbagai macam angka atau simbolsimbol yang sering kali kurang dimengerti oleh pembaca. Dalam hal ini, untuk melaporkan analisis regresi, perlu diperhatikan hal-hal berikut. Pertama : Persamaan garis regresi yang dihitung dari sampel, lengkap dengan segala koefisiennya = a + bX. : Diikutsertakan standard error bagi setiap koefisiennya, = a + bX ( )( ) = standard error (a), diletakkan di bawah a = standard error (b), diletakkan di bawah b Ketiga : Diikutsertakan nilai t yang masing-masing berdasarkan sampel langsung di bawah dan . t di bawah dan , masing-masing berdasarkan sampel rumus berikut. Kedua = dan = Y = a + bX ( )( ) ( )( ) Keempat :Diikutsertakan nilai koefisien determinasi ( ) dan standard error regresi atau standard error kesalahan pengganggu ( ) = a + bX ( ) ( ) ( ) ( ) df = n 2

Anda mungkin juga menyukai