TRUNCATED
HIPOTESIS SIMULTAN
Simultan artinya terjadi atau berlaku pada waktu yang bersamaan, serentak. Secara serentak
dilakukan (tentang pertandingan catur, biasanya seorang pemain catur melawan beberapa pemain
sekaligus).
Simultan dalam penelitian secara umum adalah berupa hipotesis atau pandangan sementara
yang mana teori yang seolah dipaksakan. Hal tersebut dapat terjadi karena adanya teori yang
lemah dan tidak juga selalu untuk dirumuskan dalam penelitian.
Biasanya pada naskah skripsi atau tesis yang menggunakan analisis linear regresi berganda akan
mempunyai hipotesis parsial (diuji dengan uji t) dan hipotesis simultan (diuji dengan uji F).
Fenomena tersebut seolah-olah sudah latah dilakukan oleh mahasiswa dan juga disetujui oleh
dosen pembimbing, yang sangat mungkin bukan berasal dari ilmu statistik.
Perumusan hipotesis parsial didasari oleh dasar teori yang kuat dan dapat dengan mudah
dilakukan oleh mahasiswa dengan bantuan dosen, karena dosen memang sangat menguasai
tentang hal itu. Akan tetapi, sebenarnya hipotesis simultan sering kali didasari oleh teori yang
seolah-olah dipaksakan. Sebenarnya uji F adalah untuk melihat kelayakan modal saja. Jika uji F
tidak signifikan, maka tidak disarankan untuk melakukan uji t atau uji parsial. Jadi hipotesis
simultan sebenarnya tidak selalu harus dirumuskan dalam suatu penelitian. Hipotesis simultan
memiliki dasar teorinya juga sangat lemah.
Fungsi uji t adalah menguji perbedaan rata-rata antara dua cuplikan (sampel). Ada dua macam
uji t sesuai dengan sifat dari cuplikan yang diuji, yaitu: Uji t Cuplikan Kembar; ▪ Uji t untuk
Amatan Ulang.
Uji f bertujuan untuk melihat variabel independen dengan cara serentak atau bersama-sama.
Dengan menggunakan metode F tabel, maka akan ditemukan sebuah nilai sebagai pembanding.
Yang mana nilai tersebut akan memberikan hasil apakah sebuah pengujian yang menggunakan f
hitung dapat dinyatakan signifikan atau tidak.
Kerangka Konseptual
Contoh :
Contoh soal :
Ketika : 17,61 > 2,85
0,00 < 0,05
Berarti secara simultan x1,x2,x3 Berpengaruh terhadap Y
Artinya Hipotesis Simultan Diterima
Statistik non parametrik adalah uji yang tidak membutuhkan asumsi parameter apapun untuk
populasi yang diuji atau dalam bahasa sederhana uji ini tidak bergantung pada populasi. Dalam
uji statistik non parametrik, tidak ada parameter yang digunakan dan tidak ada distribusi yang
harus diketahui (menggunakan data yang terdahulu)
Regresi spline adalah salah satu regresi polinomial dimana segmen-segmen polinomial yang
berbeda digabungkan bersama pada titik-titik knot λ1,λ2,…,λqλ1,λ2,…,λq dan kontinu sehingga
bersifat fleksibel dibandingkan polinomial biasa.
Kurva regresi spline mempunyai titik knot yang maksudnya adalah titik perpaduan bersama
dimana terjadi perubahan perilaku kurva.
Kurva regresi spline dapat menyesuaikan diri secara efektif terhadap perubahan perilaku data,
sehingga didapatkan hasil yang mendekati kebenaran (Eubank, 1999). Menurut Cox &
O'Sullivan (1996), Kurva regresi spline memiliki kemampuan yang sangat baik untuk menangani
data yang perilakunya berubah-ubah pada sub-sub interval tertentu. Menurut Budiantara (2009),
model regresi spline mempunyai interpretasi statistik dan interpretasi visual yang sangat khusus
dan sangat baik.
yi=f(xi)+εi
Selanjutnya jika kurva regresi f(xi)f(xi) dihampiri dengan kurva regresi spline truncated, maka
Kurva regresi f(xi)f(xi) merupakan kurva regresi nonparametrik spline truncated derajat pp
dengan banyaknya titik knot q.q. Derajat pp merupakan derajat pada persamaan polinomial.
Biasanya digunakan pp = 1, 2 atau 3, karena untuk derajat kurva regresi di atasnya (lebih dari 3)
bisa didekati dengan bentuk kurva polinomial tersebut.
Kurva regresi polinomial derajat 1 biasa disebut dengan kurva regresi linier, kurva regresi
polinomial derajat 2 biasa disebut dengan kurva regresi kuadratik, sedangkan kurva regresi
polinomial derajat 3 biasa disebut dengan kurva regresi kubik. Titik-titik knot λ1,λ2,…,λqλ1,λ2,
…,λq adalah titik-titik knot yang menunjukkan pola perilaku dari kurva pada sub-sub interval
yang berbeda, dimana λ1<λ2<…<λq.λ1<λ2<…<λq.
Jika pendekatan regresi spline truncated memiliki derajat pp = 1, maka akan menjadi regresi
spline linier truncated, dimana bentuk model regresinya akan menjadi
Jika persamaan kurva regresi nonparametrik spline truncated untuk i=1i=1 sampai dengan i=ni=n
digabungkan ke dalam bentuk persamaan vektor dan matriks akan menjadi
Vektor f⃗(x)f(x) berukuran n×1,n×1, matriks X(λ⃗)X(λ) berukuran n×(p+q+1),n×(p+q+1),
sedangkan vektor θ⃗θ berukuran (p+q+1)×1.(p+q+1)×1. Sebelum estimasi terhadap kurva regresi
f⃗(x),f(x), terlebih dahulu dilakukan estimasi terhadap parameter θ⃗.θ. Estimasi parameter θ⃗θ
dilakukan dengan menggunakan metode MLE. Fungsi likelihood yang diberikan adalah
Vektor f⃗undefinedλ⃗(x)fλ(x) dan θ⃗undefined(λ⃗)θ(λ) memiliki ukuran yang sama dengan vektor
parameternya. Sedangkan matriks S(λ⃗)S(λ) berukuran n×(p+q+1).n×(p+q+1).
Titik-titik knot merupakan pengontrol keseimbangan antara kemulusan kurva dan kesesuaian
kurva terhadap data. Pemilihan banyaknya titik knot, lokasi titik-titik knot optimum dapat
dilakukan salah satunya dengan metode Generalized Cross Validation atau GCV (Eubank,
1999).
Pemilihan banyaknya titik knot dan lokasi titik-titik knot optimum dilakukan dengan melihat
nilai GCV yang minimum.