MODUL PENGUJIAN KOEFISIEN REGRESI

LINEAR SEDERHANA DENGAN MS.EXCEL

(UJI t dan UJI F)
(Contoh Kasus “Pengaruh Biaya Promosi terhadap Jumlah Penjualan
pada Toko Agung)

Oleh Dewi Santri, S.Si., M.Si

1 Pendahuluan
Dari modul sebelumnya kita telah mempelajari cara pendugaan koefisien regresi linear
sederhana. Berikut akan dimunculkan kembali data dan koefisien regresinya.

No Promosi (Ribu Rupiah) Volume Penjualan (Paket)

1 12,000 56,000

2 13,500 62,430

3 12,750 60,850

4 12,600 61,300

5 14,850 65,825

6 15,200 66,354

7 15,750 65,260

8 16,800 68,798

9 18,450 70,470

10 17,900 65,200
Terdapat 10 pasang data sampel biaya promosi dan penjualan terhadap barang
tersebut dimana:
• Variabel terikat (Y) = penjualan
• Variabel bebas (X) = promosi
Dari data tersebut diperoleh koefisien regresinya sebagai berikut:
𝑏0 = 39775.84 (nilai untuk intercept) dan
𝑏1 = 1.63 (koefisien untuk variabel promosi)

sehingga dapat ditulis dalam persamaan regresi sebagai berikut:

𝑌̂ = 𝑏0 + 𝑏1 𝑋
 𝑌̂ = 39775.84 + 1.63 𝑋

2 Pengujian Koefisien Regresi Linear

Sederhana

Pengujian koefisien regresi linear sederhana dapat dilakukan dengan menggunakan

Uji t (uji parsial) dan Uji F (uji simultan)
Pengujian koefisien regresi dilakukan dengan tujuan untuk mengetahui apakah nilai
koefisien regresi yang telah kita dapatkan signifikan atau tidak.
a) Uji T (uji parsial)
Commented [DS1]: Signifikan maksudnya adalah apakah
dengan nilai koefisien yang diperoleh tersebut membuat
variabel X-nya berpengaruh secara signifikan terhadap
variabel Y-nya.

Uji-t dimaksudkan untuk menguji pengaruh setiap variabel penjelas secara satu Dalam hal ini untuk kasus kita adalah variabel promosi
per satu terhadap variabel terikatnya. terhadap variabel jumlah permintaan.
Commented [DS2]: Uji Prsial maksudnya adalah uji secara
terpisah, nama lainnya adalah uji satu-satu, dimana satu per
Bentuk umum Hipotesis Uji t: satu variabel diuji.
𝐻0 : 𝛽𝑖 = 0
Hal ini akan kelihatan pada kasus regresi berganda dengan
𝐻1 : 𝛽𝑖 ≠ 0, 𝑖 = 1,2, … , 𝑘 jumlah variabel X lebih dari satu.
Commented [DS3]: Perhatikan bahwa bentuk umum dari
Bentuk Hipotesis Uji t untuk regresi linear sederhana : hipotesisi uji t ini tidak boleh tertukar antara H 0 dan H1
𝐻0 : 𝛽1 = 0
𝐻1 : 𝛽1 ≠ 0

𝐻0 : Variabel promosi tidak berpengaruh signifikan terhadap variabel

jumlah permintaan
𝐻1 : Variabel promosi berpengaruh secara signifikan terhadap variabel
jumlah permintaan

Kaidah Keputusan:

a/2 a/2

-ta/2 ta/2
Tolak H0 jika t < -tn-2, a/2
atau t > tn-2, a/2
Selain mengguakan nilai t tabel, kaidah keputusan pengujian juga bisa
menggunakan kriteria nilai p-value.
 Terima H0 jika p-value lebih kecil dari nilai alfa α
 Tolak H0 jika p-value lebih besar dari nilai alfa α
Uji t pada Ms.Excel dapat dilihat pada output regresi linear sederhana yang
telah kita lakukan sebelumnya.
Nilai α=0,05
Nilai t untuk koefisien b0 = 8.38 dan untuk b1 = 5.21
Nilai p-value untuk koefisien b0 = 0.00003 dan untuk b1 = 0.0008
Dari nilai-nilai diatas diketahui bahwa p-value = 0.0008 lebih kecil daripada nilai
α=0.05.
Dengan demikian kita memutuskan untuk menolak H0 dan menerima H1 yang
berarti variabel promosi berpengaruh secara signifikan terhadap variabel
jumlah permintaan.
Commented [DS4]: Nilai t yang dilihat pada tabel t yang
ada.
Commented [DS5]: Nilai alfa dari data olahan regresi
sebelumnya sebesar 5% (dapat dilihat pada gambar 3 modul
sebelumya, pada kotak Confidence Level of Mean terisi nilai
95, berarti nilai alfa yang kita pilih sebesar
100%-95%=5% atau 0,05
Commented [DS6]: Yang dipehatikan hanya koefisien b1
karena merupakan koefisien regresi dari variabel X 1 atau
promosi.
Koefisien b0 adalah nilai intercept atau konstanta dari
persamaan regresi yang kita miliki.
 b) Uji F (uji simultan) Commented [DS7]: Uji simultan maksudnya adalah uji
bersama,
Uji ini melihat pengaruh variabel-variabel X secara bersama-
Dengan uji F ini kita dapat mengetahui : sama terhadap variabel Y.

 Variabel-variabel bebas yang ada dalam model berpengaruh secara serempak

terhadap variabel terikat atau tidak.
 Penambahan satu variabel bebas ke dalam model setelah variabel bebas lainnya
ada dalam model berpengaruh nyata atau tidak terhadap variabel terikat
 Penambahan sekelompok peubah penjelas ke dalam model setelah peubah
penjelas lainnya ada dalam model berpengaruh nyata atau tidak terhadap
variabel terikat.

Bentuk umum dari hipotesis Uji F:

𝐻0 : 𝛽1 = 𝛽2 = 𝛽3 = ⋯ = 𝛽𝑘 = 0
𝐻1 : 𝑚𝑖𝑛𝑖𝑚𝑎𝑙 𝑎𝑑𝑎 𝑠𝑎𝑡𝑢 𝛽𝑖 ≠ 0, 𝑖 = 1,2, … , 𝑘

Bentuk dari hipotesis Uji F untuk kasus yang kita miliki:

𝐻0 : 𝛽1 = 0
𝐻1 : 𝛽1 ≠ 0 Commented [DS8]: Karena jumlah variabel X yang kita
miliki hanya satu, maka hipotesisnya hanya untuk β1
Bentuk hipotesis uji F dan uji t pada kasus regresi linear
𝐻0 : Variabel promosi tidak berpengaruh signifikan terhadap variabel sederhana memiliki bentuk yang sama.

jumlah permintaan Hal yang berbeda akan terlihat pada regresi berganda.
𝐻1 : Variabel promosi berpengaruh secara signifikan terhadap variabel
jumlah permintaan

a = .05

0 F
Terima H0 Tolak H0

Tolak H 0 jika F  Fk,n k 1,α

Selain mengguakan nilai F tabel, kaidah keputusan pengujian juga bisa Commented [DS9]: Nilai F yang dilihat pada tabel F yang
ada.
menggunakan kriteria nilai signifikan F.

 Terima H0 jika signifikan F lebih kecil dari nilai alfa α

 Tolak H0 jika signifikan F lebih besar dari nilai alfa α

Sama halnya dengan Uji t, Uji F pada Ms.Excel dapat dilihat pada output regresi
linear sederhana yang telah kita lakukan sebelumnya.
Nilai α=0,05
Nilai F dari persamaan regresi diketahui sebesar 27.12
Nilai signifikan F dari persamaan regresinya diketahui sebesar 0.0008
Commented [DS10]: Nilai alfa dari data olahan regresi
sebelumnya sebesar 5% (dapat dilihat pada gambar 3 modul
sebelumya, pada kotak Confidence Level of Mean terisi nilai
95, berarti nilai alfa yang kita pilih sebesar
100%-95%=5% atau 0,05

Dari nilai-nilai diatas diketahui bahwa signifikan F = 0.0008 lebih kecil daripada
nilai α=0.05.
Dengan demikian kita memutuskan untuk menolak H0 dan menerima H1 yang
berarti variabel promosi berpengaruh secara signifikan terhadap variabel
jumlah permintaan.

*Catatan:
Karena jumlah variabel hanya satu (regresi linear
sederhana) maka hasil uji t dan uji F nya tidak
terlihat perbedaannya (sama).
Pada kasus regresi linear berganda dimana jumlah
variabel X nya banyak (lebih dari 1) maka akan
terlihat jelas perbedaan dari kedua uji ini.
TUGAS MANDIRI:

1. Melanjutkan tugas yang lalu dengan melakukan pengujian koefisien regresinya (Uji t
dan Uji F)!

2. Mencari data regresi dimana hasil uji t dan uji F nya tidak signifikan. Kemudian analisis
penyebab mengapa koefisien regresinya tidak signifikan!