PENGGUNAAN UJI t
SLOPE
H0 : β1 = β10
H1 : β1 ≠ β10
b1 10 n
s2
............ s (b1) = s 2 k
2
t0 = i = n
(x
s ( b1 ) i 1
i x)2
i 1
1 n
s2 =
2
n2
i
i 1
Jika :
1
Untuk mengetahui apakah terdapat hubungan linear antara x
dengan y , maka β10 = 0 . Sehingga, hipotesisnya berubah
menjadi
H0 : β1 = 0
H1 : β1 ≠ 0
INTERCEPT
H0 : β0 = β00
H1 : β0 ≠ β00
n
s2 xi
2
b 0 00
t0 = ............ var (b0) = n
i 1
n (x i x) 2
s( b 0 )
i 1
1 n
s2 =
2
n2
i
i 1
Jika :
r 00 s ...... = 0.05
H0 : β1 = 0
H1 : β1 ≠ 0
Jika H0 tidak ditolak, maka ”... there is no linear relationship between x and y”
2. Analysis of variance
ANALYSIS OF VARIANCE
Perhatikan yi y = ( ŷ i y ) + (yi ŷ i )
(y y) 2 = ( y ŷ i ) ( ŷ i y)
2
i i
i 1 i 1
n n n
= ( ŷ i y) 2 +
i 1
( y i ŷ i ) 2 + 2 ( y i ŷ i )( ŷ i y)
i 1 i 1
n n
Karena ( y i ŷ i ) = 0 dan
i 1
(y
i 1
i 0 1 x i ) x i = 0 , maka
( y
i 1
i ŷ i )( ŷ i y) = 0
n n n
Dengan demikian, ( y i y) 2
i 1
= ( ŷ i y) 2
i 1
+ (y
i 1
i ŷ i ) 2
5
Tabel Anava Regresi Sederhana
Sumber Jumlah Derajat Rataan
Variasi Kuadrat Kebebasan Kuadrat F
(JK) (dk) (RK)
n
( ŷ
RKR
Regresi i y) 2 1 JKR / 1
i 1 s2
n
Sisa (y
i 1
i ŷ i ) 2 n2 JKS / (n 2)
n
Total (y
i 1
i y) 2 n1
RKR ( ŷ i y) 2
Dalam hal ini, F = = i 1
RKS n
( y i ŷ i ) 2 (n 2)
i 1
H0 : 1 = 0
H1 : 1 ≠ 0
Jika nilai F hitung lebih besar dari nilai F tabel, maka H0 ditolak.
Agar lebih mudah dipahami, perhatikan contoh 2.4 (Sembiring, hal. 60 – 61).
y yi
n ni
1
2
JKM = jumlah kuadrat sesatan ”murni” = ij
i 1 n i j1
Sisa (y
i 1
i ŷ i ) 2 n2 JKS / (n 2)
y yi
n ni
1
Murni
2
ij n0 k s2 = JKM / (n0 k)
i 1 n i j1
n
Total (y
i 1
i y) 2 n1
RKK
Dalam hal ini, F* =
RKM
Jika nilai F hitung lebih besar dari nilai F tabel, maka H0 ditolak.
7
Hal ini berarti :
Koefisien korelasi darab disebut juga dengan ukuran kecocokkan model dengan
data. Rumus : ŷ = b0 + b1 x
dengan b0 = y b1 x
n
(x
i 1
i x )( y i y)
b1 = n
(x
i 1
i x) 2
amat memudahkan perhitungan. Tetapi di lain pihak, dapat pula menyesatkan. Dalam
arti kelompok data yang berlainan, oleh rumus tersebut, dihasilkan persamaan regresi
yang sama.
8
Jika x mempunyai pengaruh besar terhadap y maka JKR cukup besar dibandingkan
dengan JKS . Sedangkan JKT tetap, dan tidak terpengaruh oleh model yang
digunakan.
( ŷ i y) 2
JKR
Definisi : R2 = i 1
n
=
(y
JKT
i y) 2
i 1
Jika R2 = 0 , maka hal ini berarti JKR = 0 , yaitu JKS = JKT. Kejadian ini
menandakan bahwa ŷ i = y
(Sembiring, gambar 2.8(1), hal. 55)
Contoh penafsiran dapat dilihat pada contoh 2.3 (Sembiring, hal. 56)
Interpretasi R2
R2 = 36%
Artinya : sebesar 36% dari seluruh variasi total y diterangkan
oleh x dan masih ada sebesar 64% lagi variasi y yang
tidak dapat diterangkan oleh model yang digunakan.
Bagian sisanya yang 64% ini mungkin disebabkan oleh
faktor lain yang gagal diperhitungkan dalam model.
9