HIPOTESIS
Pengujian hipotesis adalah pengujian terhadap suatu pernyataan dengan menggunakan
metode statistik sehingga hasil pengujian tersebut dapat dinyatakan signifikan secara
statistik.
1. Menetapkan hipotesis
Hipotesis dibagi menjadi dua bagian, yaitu:
1. Hipotesis null (H0)
Hipotesis null merupakan pernyataan yang akan diuji kebenarannya. Secara
statistik H0 diartikan bahwa tidak terdapat perbedaan antara karakteristik
populasi dan karakteristik sampel.
2. Hipotesis alternatif (H1)
Hipotesis alternatif adalah pernyataan ketika pernyataan (H0) ditolak. Dengan
demikian, secara statistik H1 diartikan bahwa terdapat perbedaan antara
karakteristik populasi dan karakteristik sampel.
Hipotesis terbagi dalam 3 jenis, yaitu:
1. Hipotesis deskriptif
Pernyataan yang menyebutkan bahwa nilai parameter populasi sama dengan
nilai tertentu.
2. Hipotesis komparatif
Pernyataan yang menyebutkan bahwa nilai parameter suatu populasi sama
dengan nilai parameter populasi yang lain.
3. Hipotesis asosiatif
Pernyataan yang menyatakan adanya hubungan antar dua variabel.
Untuk mengetahui hubungan antara dua variabel, maka cukup melihat nilai
dari koefisien korelasi. Koefisien korelasi (r) merupakan indeks atau
bilangan yang digunakan untuk mengukur keeratan hubungan antar
variabel.
Berikut adalah rumus dari koefisien korelasi.
Regresi
Secara umum, analisis regresi pada dasarnya adalah studi mengenai
ketergantungan satu variabel dependen (terikat) dengan satu atau lebih
variabel independent (variabel penjelas/bebas), dengan tujuan untuk
mengestimasi dan/ atau memprediksi rata-rata populasi atau niiai rata-rata
variabel dependen berdasarkan nilai variabe! independen yang diketahui.
Pusat perhatian adalah pada upaya menjelaskan dan mengevalusi
hubungan antara suatu variabel dengan satu atau lebih variabel
independen.
Jika dalam analisis korelasi peneliti hanya tertarik pada derajat asosiasi
atau kecenderungan umum dua buah peubah atau lebih, maka dalam
analisis regresi peneliti ingin memperoleh hubungan fungsional antara dua
peubah yang dinyatakan dalam bentuk , Y a bX = + yang merupakan
penduga dari fungsi yang ada pada populasi yang biasa dinotasikan dengan
0 1 , atau = , Y X Y X α βββ = ++ atau untuk peubah bebas lebih dari sa tu
dinyatakan sebagai = ,… Y X X β ββ ++ Melalui analisis regresi peneliti ingin
menghitung nilai penduga untuk j β yang sesuai dengan data. Selain
melakukan penghitungan nilai penduga untuk j β juga sekaligus melakukan
uji apakah nilainya signifikan atau dapat diabaikan (tidak signifikan).
Regresi mengukur seberapa besar suatu variabel mempengaruhi variabel
yang lain, sehingga dapat digunakan untuk melakukan peramalan nilai
suatu variabel berdasarkan variabel lain. Analisa regresi ada dua : Analisa
Regresi Sederhana dan Analisis Regresi Berganda
Persamaan regresi sederhana secara umum dituliskan sebagai berikut:
Kesalahan baku atau selisih taksir standar regresi adalah nilai menyatakan
seberapa jauh menyimpangnya nilai regresi tersebut terhadap nilai
sebenarnya. Nilai ini digunakan untuk mengukur tingkat ketepatan suatu
pendugaan dalam menduga nilai. Jika nilai ini sama dengan nol maka
penduga tersebut memiliki tingkat ketepatan 100%.Rumus Kesalahan baku
estimasi:
Contoh Korelasi
Anggaplah kita memiliki data usia dan berat badan anak di sebuah kelas.
Berdasarkan data tersebut, coba temukan nilai korelasi di antara keduanya!
Contoh Regresi
Sebuah penelitian terhadap pohon Mahoni, dimana akan diteliti apakah ada
hubungan antara tinggi pohon dengan diameter batang pohon, dengan
artian apakah ada pengaruh diameter batang pohon terhadap tinggi pohon
tersebut.
Hal pertama yang akan kita lakukan adalah membentuk persamaan regresi,
yaitu :
Y’ = a + bX
dimana :
Koefisien Determinasi R2 :
artinya terdapat hubungan atau korelasi yang kuat antara tinggi pohon
mahoni dengan diameter batang pohon mahoni. Semakin besar diameter
batang pohon mahoni maka semakin tinggi batang pohon mahoni.
R2 = 0,8862 = 0,785
artinya sekitar 78,5% variasi dari variabel diameter batang pohon mahoni
dapat menjelaskan variasi dari variabel tinggi pohon mahoni.
(cukup tinggi)
Jadi besarnya standar error estimate persamaan regresi adalah 6,6364. Hal
ini menunjukkan penyimpangan data-data terhadap garis regresi, atau
bagaimana penyimpangan data yang menyebar disekitar garis regresi.
(cukup kecil).
Ho : b = 0
Ha : b ≠ 0
Hal pertama yang akan kita lakukan adalah membentuk persamaan regresi,
yaitu :
Y’ = a + bX
Y’ = -1,3147 + 4,5413X
dimana :
Koefisien Determinasi R2 :
artinya terdapat hubungan atau korelasi yang kuat antara tinggi pohon
mahoni dengan diameter batang pohon mahoni. Semakin besar diameter
batang pohon mahoni maka semakin tinggi batang pohon mahoni.
R2 = 0,8862 = 0,785
artinya sekitar 78,5% variasi dari variabel diameter batang pohon mahoni
dapat menjelaskan variasi dari variabel tinggi pohon mahoni.
(cukup tinggi)
(cukup kecil).
Ho : b = 0
Ha : b ≠ 0
> Keputusan
> Kesimpulan
Dengan tingkat signifikansi 5% cukup menjelaskan bahwa ada pengaruh
diameter batang pohon mahoni terhadap tinggi pohon mahoni.
16