UJI HIPOTRSIS

Regresi dan Korelasi

15. Pengujian Signifikansi Koefisiensi Korelasi r
(1) Pengujian Koefisien Korelasi r
H0 : p = 0 vs H1 : p ≠ 0
Uji statistik tr = r pada db = 2
Keputusan : tolak H0  jika tr ≥ t1/2 α (n-2)
Terima H0 selain keputusan diatas (tr < t1/2α (n-2))
(2) Pengujian Koefisien Determinasi r2
H0 : p2 = 0 vs H1 : p2 ≠ 0
Uji statistik Fr = pada db = (1: n-2)
Keputusan : tolak H0  jika Fr ≥ Fα (n-2)
 6.Pengujian Signifikan Koefisien Regresi
• H0 : β1 = 0 vs H1 : β1 ≠0 α=0,05

a. Dengan metode Uji t-student

tb1 = (b1-β1)/Sb1 ; db=8
Sb1 = = =
Keputusan : tolak H0  jika tb ≥ t1/2 α (n-2)
Terima H0 selain keputusan diatas (tb < t1/2α (n-
2)
b. Dengan metode Uji-F (Analisis Varians)
 b. Dengan metode Uji-F (Analisis Varians)
• H0 : β1 = 0 vs H1 : β1 ≠ 0 α=0,05
jumlah jumlah kuadrat
Sumber Varians db kuadrat tengah Fh F 0,05
Regresi 1
Deviasi n-2
Total n-1

Keterangan :
JK Total = Syy
Jk Regresi = b1 Sxy
Jk deviasi = JK total – JK regresi
KT (Kuadrat tengah) dicari dengan membagi Jk dengan db-nya
Fh = KT Regresi / KT deviasi
Oleh karena itu Fh > F 0,05 diputuskan untuk menolah Ho atau
kita terima H1
 16. Prediksi dan Selang Kepercayaan
(1) Selang Kepercayaan 100(1-α)% untuk β1
P  =1-α

(2) Selang Kepercayaan 100(1-α)% untuk β0

P  =1-α

(3) Prediksi nilai Ya untuk nilai Xa nilai tunggal

Ya = b0 + b1 Xa dengan simpang baku : s
sehingga selang kepercayaan 100(1-α)% bagi Ya adalah :

= 1-α
(4)Prediksi nilai Ya untuk nilai Xa merupakan nilai rata-rata
dari n sampel

Ya = bo + b1 Xa dengan simpangan baku : s

Sehingga selang Kepercayaan 100(1-α)% menjadi :

= 1-α
= 1-α

Tempat kedudukan dari selang kepercayaan untuk beberapa nilai

Xa akan membentuk Coefident belt baik Ya rata-rata maupun Ya
individual.
r=0,80 berarti 80% dari data akan ada kurun “Coefident belt “
6.Pengujian Signifikan Koefisien Regresi
• H0 : β1 = 0 vs H1 : β1 ≠ 0 α=0,05

a. Dengan metode Uji t-student

tb1 = (b1-β1)/Sb1 = (0,5091-0)/0,03557 = 14,26 ; db=8
Sb1 = = = = 0,0357
Oleh karena itu tbx (=14,26) > to,o25(8) (=2,31)
diputuskan untuk menolak Ho atau kita terima
H1 . Berarti b = 0,5091 nyata atau ≠0. Dengan
demikian fungsi penduga dapat dipergunakan
untuk alat pendugaan dan atau prediksi
 b. Dengan metode Uji-F (Analisis Varians)
• H0 : β1 = 0 vs H1 : β1 ≠ 0 α=0,05
jumlah jumlah kuadrat
Sumber Varians db kuadrat tengah Fh F 0,025
Regresi 1 8552,88 8552,88 202,96 4.46
Deviasi 8 337,12 42,14
Total 9 8890,00

Keterangan :
JK Total = Syy = 8890,00
Jk Regresi = b1 Sxy = 0,5091 (16800) = 8552,88
Jk deviasi = JK total – JK regresi = 337,12
KT (Kuadrat tengah) dicari dengan membagi Jk dengan db-nya
Fh = KT Regresi / KT deviasi = 8552,88 / 42,14 = 202,96
Oleh karena itu Fh > F 0,05 diputuskan untuk menolah Ho atau
kita terima H1
7. Pengujian Signifikan Koefisien Korelasi
• H0 : r = 0 vs H1 : r ≠ 0 α=0,05
• Uji Statistik :
tr = r = 0,9808 = 14,26

t0,25(8) = 2,31
Keputusan : oleh karena tr > t0,25(8)  diputuskan untuk
menolak Ho yang berarti teradi korelasi positif antara
besarnya konsumsi dengan pendapatan.
Dari hasil contoh perhitungan tersebut perhatikan :
tb = tr = 14,26 dan Fh = tb2 = tr2 = 202,96
8. Penyajian Hasil Analisis
• Yi = 24,45 + 0,5091 Xi
• Sb (0,0357)
• tb (14,26)
• r2 = 0,9620 n = 10

9. Catatan dari Hasil Analisis

a. Koefisien regresi b1 = 0,5091 berarti setiap pendapatan bertambah 1
unit maka konsumsi akan bertambah sebesar 0,5091
b. tb = 14,26 signifikan, dapat diartikan bahwa b1 = 0,5091 dapat
dipastikan tidak sama dengan nol, sehingga fungsi penduga dapat
dipakai untuk pendugaan maupun peramalan.
c. b0 = 24,45  intersep, dapat diartikan kalaupun seseorang tidak
mempunyai penghasilan (x=0), konsumsi sudah diperlukan sebesar
24,45
d. r= + 0,9808 berarti 98,08 % data mengikuti pola jika X besar  makan
Y juga besar, jika X kecil  maka Y juga kecil.
e. r2 = + 0,9620 berarti nilai Y diduga besarnya 96,20 % ditentukan oleh
besarnya nilai X.