10.

Uji Hipotesis & Uji Estimasi

Irfan Arief, S.Sos, MM

BAHASAN INFERENSIAL
Apa itu uji hipotesis?
Uji hipotesis adalah sebuah proses untuk
melakukan evaluasi kekuatan bukti dari
sampel, dan memberikan dasar untuk
membuat keputusan terkait dengan
populasinya.
Uji hipotesis merupakan pengujian yang
menguji seberapa berpengaruh variabel
X dan variabel Y yang hendak di uji.
Uji Hipotesis merupakan pengujian
khusus yang dilakukan untuk analisis
regresi. Analisis regresi merupakan
analisis atau pengujian yang mengukur
kekuatan hubungan antar dua variabel
atau lebih dan menunjukkan arah
hubungan antar variabel Y dan X.

Uji hipotesis dalam analisis
regresi yang fungsinya untuk
mengukur ketepatan aktual
dapat diukur menggunakan
‘Goodness of fit’. Terdapat tiga
jenis pengukuran yang harus
dilalui, yaitu:
(1) Koefisien Determinasi (R2), merupakan
pengujian yang menguji seberepa jauh
kemampuan model dalam menerangkan
variabel dependen (Y).
(2) Uji Statistik F, merupakan pengujian yang
menguji seberapa berpengaruh variabel X
secara simultan (bersama-sama/keseluruhan)
terhadap variabel Y.
(3) Uji Statistik t, merupakan pengujian yang
menguji secara individual antara variabel X
dengan variabel Y.
 Tujuan uji hipotesis
1) Untuk memutuskan apakah hipotesis
yang diuji ditolak atau diterima.
2) Secara teknis, uji hipotesis dilakukan
untuk menjawab apakah parameter
memiliki perbedaan dengan nilai pada
hipotesis nol.
3) Jika data berbeda signifikan, dengan
asumsi hipotesis nol adalah benar,
maka hipotesis nol ditolak.
Tahapan uji hipotesis
1) Menyatakan hipotesis nol dan
hipotesis alternatif
2) Mengumpulkan data sebagai
dasar uji hipotesis
3) Menentukan Significance Level
(alpha)
4) Menentukan kriteria pengujian
dan daerah penolakan
5) Memilih uji statistik yang sesuai
6) Menarik kesimpulan
• Pada penelitian yang bersifat kuantitatif,
diperlukan sebuah prediksi jawaban
terhadap pertanyaan-pertanyaan yang
dirumuskan dalam bentuk hipotesis
penelitian.
• Apa itu hipotesis penelitian? Hipotesis
adalah jawaban sementara terhadap
pertanyaan penelitian (Azwar, 2005).
• Rumusan hipotesis tersebut selanjutnya
akan diuji dengan metode statistika,
dengan demikian istilah uji hipotesis
tercipta.
Hipotesis Mayor dan Minor
Secara umum, sebuah penelitian memiliki
satu buah hipotesis utama. Namun, untuk
memperdalam analisis penelitian, terkadang
peneliti menetapkan lebih dari satu hipotesis
yang akan diajukan. Oleh karena itu,
terciptalah istilah hipotesis mayor dan
hipotesis minor.
Agar lebih memahami perbedaan di antara kedua jenis hipotesis tersebut, cermatilah ilustrasi berikut ini:

Terdapat sebuah penelitian kuantitatif dengan judul:

“Peran Dukungan Sosial, Dukungan Emosional, dan Dukungan Finansial terhadap Kesejahteraan Lansia. Berdasarkan
ilustrasi tersebut, dapat ditarik beberapa kemungkinan hipotesis penelitian. Lihat tabel di bawah ini:”

Hipotesis Penjelasan
Dukungan sosial, dukungan emosional, dan dukungan finansial secara bersama-sama
Hipotesis Mayor berperan terhadap kesejahteraan lansia
Hipotesis Minor 1 Dukungan sosial berperan terhadap kesejahteraan lansia
Hipotesis Minor 2 Dukungan emosional berperan terhadap kesejahteraan lansia
Hipotesis Minor 3 Dukungan finansial berperan terhadap kesejahteraan lansia

Hipotesis Nihil (Nol)
Menurut Azwar (2005), hipotesis nihil (null
hypothesis) adalah hipotesis yang
meniadakan perbedaan antar kelompok.
Dengan kata lain, hipotesis nihil meniadakan
hubungan antara variabel dependen (Y)
dengan variabel independen (X). Hal yang
diuji dalam Hipotesis Nihil yaitu
ketidakbenaran variabel independen (X) yang
akan mempengaruhi variabel dependen (Y).
Contoh hipotesis nihil adalah: tidak ada
hubungan antara dukungan finansial dengan
kesejahteraan lansia.
Kriteria Pengujian Uji Hipotesis
Koefisien Determinasi
Untuk Koefisien determinasi, tidak memiliki kriteria
pengujian khusus. Dikarenakan uji koefisien
determinasi merupakan uji seberapa besar variabel X
dapat menjelaskan variabel Y. Biasanya ditampilkan
dalam bentuk persentase (%).
Apabila nilai ‘Adjusted R2’ mendekati nilai satu, artinya
variabel X bisa dikatakan dapat mewakili atau
menjelaskan hampir semua informasi variabel Y.
Apabila nilainya kecil atau semakin jauh dari angka 1,
artinya kesempatan variabel X dalam menjelaskan
variabel Y sangat terbatas.
 Uji F Cara menentukan Ftabel, sebagai berikut:

Kriteria pengujiannya, yaitu: dfN1 = n variabel bebas (independen)

• H0 diterima apabila, Fhitung < Ftabel, artinya dfN2 = n sampel – n variabel bebas – 1
variabel X secara simultan (bersama-
sama) tidak berpengaruh terhadap Setelah menentukan nilai df, selanjutnya kamu
variabel Y. lihat dan sesuaikan dengan nilai df yang sudah
ditentukan di tabel F.
• H0 ditolak apabila, Fhitung > Ftabel,
artinya variabel X secara simultan Dengan tingkat signifikansinya < 0,05.
(bersama-sama) berpengaruh terhadap
variabel Y.
 Uji t
Kriteria pengujiannya, yaitu :
H0 diterima apabila -ttabel ≤ thitung ≤
ttabel. (Variabel X tidak berpengaruh
terhadap variabel Y)
H0 ditolak apabila thitung < -ttabel atau
thitung > ttabel. (Variabel X berpengaruh
terhadap variabel Y)
Cara menentukan ttabel, sebagai
berikut:
Menggunakan ketentuan ttabel =
(Sig/2, N-K).
Keterangan:
Sig/2 = nilai probabilitas
N = Jumlah sampel
K = Jumlah variabel X & Y
Setelah menentukan nilai ttabel, selanjutnya lihat
dan sesuaikan dengan nilai ttabel yang sudah
ditentukan di tabel t. Dengan tingkat
signifikansinya < 0,05

Catatan:
tingkat signifikansi fungsinya untuk mengetahui
apakah antar variabel berpengaruh/tidak
berpengaruh secara signifikan atau tidak.
Pengaruh antar variabel dikatakan signifikan
apabila nilai signifikan variabel X (setelah di uji) <
0,05.

Selanjutnya, kita akan mencari nilai dari masing-

masing uji diatas menggunakan aplikasi SPSS.
Pengujian Hipotesis Menggunakan SPSS
Model Penelitian
Untuk latihan kali ini, akan menjelaskan
bagaimana pengujian hipotesis menggunakan
SPSS versi 22. Silahkan, boleh menggunakan
SPSS versi lain, namun disarankan gunakan Stres Kerja
versi 21, 22 dan 23 karena ketiga versi (X1)
tersebut cara mengelolanya hampir sama. Prestasi
Guru
Kesempatan kali ini, akan dijelaskan (Y)
melakukan pengujian hipotesis untuk mencari Kepuasan
apakah variabel Stress Kerja (X1) dan Kerja
Kepuasan Kerja (X2) memiliki pengaruh (X2)
terhadap variabel Prestasi Guru (Y).
Sebagai awalan, atur ‘Variable View’ terlebih dulu dan sesuaikan dengan karakter
data yang ingin di uji.
1. Lalu, input data ke ‘Data View’. 2. Lalu, klik menu Analyze > Regression > Linier. Maka akan muncul kotak
dialog.
 4. Masih di kotak dialog yang sama. klik ‘Statsitics’, beri
3. Selanjutnya, pindahkan variabel Y ke kotak ‘dependent’ centang pada pada ‘Estimates’ di kolom ‘Regression
dan semua variabel X ke kotak ‘independent’. Coefficients’ dan centang juga ‘Model fit’ disampingnya.
Lalu klik ‘Continue’.
5. Kembali ke kotak dialog awal. Selanjutnya, klik ‘Save’ lalu 6. Kembali lagi ke kotak dialog awal. Terakhir, klik ‘Options’.
beri centang ‘Include teh covariance matrix’ dibagian paling Lakukan pengisian seperti digambar bawah ini. lalu ‘continue’.
bawah. Lalu ‘continue’. Selesai, kembali ke kotak dialog awal lalu klik OK.
7. Maka akan muncul hasilnya. Kita langsung mendapatkan hasil untuk tiga uji sekaligus. Untuk Koefisien
Determinasi, silahkan perhatikan kotak ‘Model Summary’ pada kolom ‘Adjusted R Square’.

Berdasarkan hasil uji koefisien

determinasi pada tabel, maka
diperoleh nilai adjusted R-square
sebesar 0,300 (30,0%).

Hal tersebut memiliki arti bahwa

kemampuan variabel independen
dalam penelitian ini
mempengaruhi variabel
dependen sebesar 30,0%,
sedangkan sisanya sebesar 70,0%
(1 – 0,300) dijelaskan oleh variabel
lain selain (diluar model) variabel
independen dalam penelitian.
Untuk uji F, perhatikan kotak ‘ANOVA’ pada kolom ‘F’ dan ‘Sig’.

Hasil dari ANOVA digunakan untuk

mengetahui pengaruh variabel independen
secara serentak dan bersama-sama
(simultan) terhadap variabel dependen.
Dari hasil ini dapat dilihat bahwa nilai
signifikansi sebesar 0.047, nilainya jika
dibandingkan dengan tingkat alpha yaitu
0.05 maka lebih kecil (0.047 < 0.05),
sehingga dapat disimpulkan bahwa
terdapat pengaruh variabel independen
secara bersama-sama dan serentak
(simultan) terhadap variabel Y.
Terakhir, untuk uji t. Silahkan perhatikan kotak ‘Coefficients’ pada kolom ‘t’ dan ‘Sig’.
Uji F
•Mencari Ftabel.
Caranya yaitu mencari nilai dfN1 dan dfN2
terlebih dulu.
dfN1 = n variabel bebas = 2
dfN2 = n sampel – n variabel bebas – 1
= 15 – 2 – 1 = 12
Maka, diketahui nilai Ftabel sebesar 3,89.

•Interpretasi Pengujian
Diketahui nilai Fhitung sebesar 4,005 dan Ftabel sebesar 3,89.
4,005 > 3,890 maka H0 ditolak H1 diterima dan signifikansi 0,04 < 0,05. Artinya variabel X secara bersama-sama
berpengaruh signifikan terhadap variabel Y.
 Uji t
•Mencari ttabel :
Menggunakan rumus ttabel = (Sig/2, N-K).
ttabel = (Sig/2, N-K)
ttabel = (0,05/2, 15-3) = 2,178.

•Interpretasi pengujian
Pengujian pada variabel Stress Kerja (X1)
diperoleh nilai:
Signifikansi = 0,18 < 0,05
thitung = 2,730
ttabel = 2,178

Jadi, 2,730 > 2,178 maka H0 ditolak dan H1 diterima yang artinya variabel X
berpengaruh signifikan terhadap variabel Y. Kesimpulannya yaitu variabel Stress Kerja
(X1) berpengaruh secara signifikan terhadap variabel Prestasi Guru (Y).
Pengujian pada variabel Kepuasan Kerja (X2) diperoleh nilai :

Signifikansi = 0,58 > 0,05

thitung = 2,094
ttabel = 2,178

Jadi, 2,094 > 2,178 maka H0 diterima dan H1 ditolak yang artinya variabel X tidak berpengaruh
terhadap variabel Y. Kesimpulannya yaitu variabel Kepuasan Kerja (X2) tidak berpengaruh
terhadap variabel Prestasi Guru (Y).

Uji hipotesis merupakan pengujian terakhir dari suatu penelitian yang model uji menggunakan
model regresi. Pada uji terakhir ini, kamu akan tahu hasil akhir pengujian variabel X dan Y apakah
berpengaruh atau tidak.
 Pengertian Estimasi

Estimasi merupakan Misalnya rata-rata sampel digunakan untuk

menaksir rata-rata pupolasi proporsi sampel untuk
suatu metode
menaksir proporsi populasi ( p ), dan jumlah ciri
dimana kita dapat
tertentu sampel untuk menaksir jumlah ciri
memperkirakan nilai tertentu populasi.
Populasi dengan
Nilai penduga disebut dengan estimator,
memakai nilai sedangkan hasil estimasi disebut dengan estimasi
sampel. secara statistik.
 Jenis-jenis Estimasi
(1) Estimasi Titik
Titik estimasi yang dapat digunakan untuk
Titik estimasi merupakan salah
mengadakan estimasi parameter populasi
satu cara untuk mengadakan
ialah rata-rata sampel terhadap rata-rata
estimasi terhadap parameter
populasi, proporsi sampel terhadap
populasi yang tidak diketahui.
proporsi populasi, jumlah variabel tertentu
Titik estimasi ialah nilai tunggal
yang terdapat dalam sampel untuk
yang digunakan untuk
menaksir jumlah variabel tersebut dalam
mengadakan estimasi terhadap
populasi, dan varians atau simpangan baku
parameter populasi.
sampel untuk menaksir simpangan baku
populasi.
 (2) Estimasi Interval (selang)
Estimasi interval merupakan sekumpulan
Dari penelitian dan perhitungan-
nilai statistik sampel dam interval tertentu
perhitungan harga statistik suatu
yang digunakan untuk mengadakan
sampel, bisa dihitung suatu
estimasi terhadap parameter populasi
interval dimana dengan peluang
dengan harapan bahwa nilai parameter
tertentu harga parameter yang
populasi terletak dalam interval tersebut.
hendak ditaksir terletak dalam
interval tersebut.
Estimasi Rata-rata: dalam statistik di
asumsikan suatu ukuran sampel dikatakan
besar apabila n ≥ 30, sampel dikatakan
kecil apabila n ≤ 30.

Tidak bias
Jika mean dari distribusi
sampling suatu statistik sama dengan
parameter populasi
korespondensinya, maka statistik ini
disebut sebagai estimator tak bias
dari parameter tersebut.
Kebalikannya, jika mean dari
distribusi sampling suatu statistik
tidak sama dengan parameter
populasi korespondensinya, maka
statistik ini disebut sebagai estimator
bias dari parameter tersebut.
Nilai-nilai korespondensi dari statistik-
statistik ini masing-masing disebut
estimasi bias dan estimasi tak bias
Ciri-ciri Estimasi
Efisien
Jika distribusi sampling dari dua statistik
memiliki mean atau ekspektasi yang
sama, maka statistik dengan varians yang
lebih kecil disebut sebagai estimator
efisien dari mean, sementara statistik
yang lain disebut sebagai estimator tak
efisien.
Adapun nilai-nilai yang berkorespondensi
dengan statistik-statistik ini masing-
masing disebut sebagai estiamsi efisien
dan estimasi tak efisien.
Jika semua kemungkinan statistik yang
distribusi samplingnya memiliki mean
yang sama, maka statistik dengan varian
terkecil terkadang disebut
sebagai estimator paling efisien atau
terbaik dari mean ini.
Konsisten
Bila besarnya sampel bertambah maka
hampir dapat dipastikan bahwa nilai
statistik sampel akan lebih mendekati
nilai parameter populasi, estimator
demikian disebut konsisten.
Estimator konsisten adalah estimator
yang cenderung sarna dengan nilai
sebenarnya meskipun ukuran sampel
semakin lama semakin besar.
Estimator Yang konsisten adalah
estimator yang akan bergerak mendekati
nilai sebenarnya bila jumlah elemen
sampel ditambah.
 Metode Klasifikasi Estimasi

(1) Metode Titik Tertinggi dan Titik Terendah (High and Low Point Method)

Metode titik tertinggi dan titik terendah yaitu suatu metode pemisahan biaya campuran ke dalam elemen-elemen
biaya tetap dan biaya variabelnya dengan mendasarkan analisis pada selisih biaya antara tingkat aktivitas tertinggi
dan terendah. Maksud dari titik tertinggi dan terendah disini adalah titik tertinggi adalah suatu titik dengan tingkat
output dan aktivitas tertinggi sedangkan titik terendah adalah titik dengan tingkat output dan aktivitas yang
terendah.

Secara umum perhitungan metode titik tertinggi dan terendah dapat dilakukan dengan cara :
1. Memilih jumlah biaya paling tinggi dari data yang tersedia.
2. Memilih jumlah biaya paling rendah dari data yang tersedia.
3. Menghitung selisih jumlah aktivitas dan selisih biaya dari dua titik tertinggi dan terendah.
4. Memasukan selisih kedalam formula untuk menghitung komponen biaya tetap dan biaya variabel.
(2) Metode Biaya Berjaga (Stand By Cost Method)

Metode biaya berjaga digunakan untuk menaksir biaya tetap dan biaya variabel bila sebuah perusahaan menutup
kegiatan usahanya untuk sementara. Metode ini disebut biaya berjaga karena untuk menghitung cadangan dana
yang harus disiapkan untuk berjaga-jaga selama tenggang waktu tanpa kegiatan normal. Metode ini mencoba
menghitung beberapa biaya yang harus tetap dikeluarkan andai kata perusahaan ditutup untuk sementara, jadi
produknya sama dengan nol. Biaya ini disebut biaya terjaga, dan biaya terjaga ini merupakan bagian yang tetap.
(3) Metode Kuadrat Terkecil (Least-Square Method)

Pada umumnya metode kuadrat terkecil dimulai dari asumsi bahwa terdapat hubungan yang linier antara variabel
terikat dan variabel bebas. Asumsi ini juga dapat diterapkan dalam analisis hubungan perilaku biaya dengan faktor
yang menyebabkan terjadinya biaya yang bersangkutan. metode kuadrat terkecil juga membuat asumsi tentang sifat
dan distribusi “eror term” dalam estimasi hubungan antara biaya overhead dan jam mesin.

Atas dasar asumsi tersebut maka dianggap bahwa fluktuasi biaya sebagai variabel terikat (y) akan ditentukan secara
linier oleh perubahan volume aktivitas (x) sebagai variabel bebasnya. Metode ini merupakan pengukuran dari
jumlah biaya yang ada untuk mengetahui rata-rata biaya tetap dan rata-rata biaya variabel.

Metode kuadrat terkecil untuk mengestimasi suatu hubungan linier didasarkan pada persamaan untuk sebuah garis
lurus y = a + bx.
 Contoh Kasus Estimasi Tingkah Laku Biaya

KOBEE adalah sebuah perusahaan yang memproduksi lampu, yang mempunyai data barang terjual dan biaya selama
satu semester (tahun 2017) sebagai berikut:

BULAN UNIT YANG TERJUAL BIAYA PENJUALAN

JANUARI 8.500 Rp 900.000
FEBRUARI 10.500 Rp 985.000
MARET 16.000 Rp 1.020.000
APRIL 22.500 Rp 1.945.000
MEI 33.500 Rp 2.150.000
JUNI 29.000 Rp 1.415.000
Pertanyaan:

1. Tentukanlah persamaan garis linear dengan metode titik tertinggi dan titik terendah (high and low
point method) jika dalam anggaran akhir tahun 2017 PT. KOBEE merencanakan menaikan penjualan
sebesar 40.000 unit yang terjual. Berapakah jumlah biaya penjualan yang harus dikeluarkan?
2. Tentukanlah persamaan garis linear dengan metode biaya terjaga (stand by method), dengan biaya
tetap (fixed cost) yang dikeluarkan sebesar Rp. 800.000 per bulan. Jika perusahaan menaikan
penjualan sebesar 40.000, berapakah jumlah biaya penjualan (total sales expence) yang harus
dikeluarkan oleh PT. KOBEE?
3. Tentukanlah persamaan garis linear dengan metode kuadrat terkecil (least-square method) jika
perusahaan merencanakan menaikan 40.000 unit yang terjual. Berapakah jumlah biaya penjualan
yang harus dikeluarkan?
Jawaban Contoh Kasus :

1. Metode High And Low Point Mencari biaya tetap (a):

Mencari biaya variabel (b): a = Y2  ̶ bX2

b = Y2-Y1 = 2.150.000 – 900.000
= 2.150.000  ̶ 50 (33.500)
= 1.250.000
= 2.150.000  ̶ 1.675.000
= 475.000
X2-X1 = 33.500 – 8.500
Persamaan garis linear:
= 25.000
= 50 per unit yang terjual
Y = a + b X , dimana a= biaya tetap, b= biaya variabel
Y = 475.000 + 50 X

Kenaikan unit yang terjual sebesar 40.000 maka:

Y = 475.000 + 50 (40.000) = 2.475.000

Jadi, biaya penjualan yang dikeluarkan PT. KOBEE jika unit yang
terjual dinaikan menjadi 40.000 unit adalah sebesar Rp 2.475.000.
2. Metode Berjaga-jaga (stand by method)

Biaya yang dikeluarkan pada tingkat 33.500 Rp 2.150.000

Biaya tetap (fixed cost) Rp 800.000
Selisih (variance) Rp 1.350.000

Biaya variabel = Rp 1.350.000 / 33.500 = Rp 40 per unit yang terjual

Persamaan garis linear: Y = a + b X
Y = 800.000 + 40 X

Kenaikan unit yang terjual sebesar 40.000 maka:

Y = 800.000 + 40 (40.000)
Y = 2.400.000

Jadi, biaya penjualan yang dikeluarkan PT. KOBEE jika unit yang terjual dinaikan menjadi 40.000 unit adalah
sebesar Rp 2.400.000.
3. Metode Least-Square
BULAN UNIT (X) BIAYA PENJUALAN (Y) X2 XY
JANUARI 8.500 Rp 900.000 Rp 72.250.000 Rp 7.650.000.000
FEBRUARI 10.500 Rp 985.000 Rp 110.250.000 Rp 10.342.500.000
MARET 16.000 Rp 1.020.000 Rp 256.000.000 Rp 16.320.000.000
APRIL 22.500 Rp 1.945.000 Rp 506.250.000 Rp 43.762.500.000
MEI 33.500 Rp 2.150.000 Rp 1.122.250.000 Rp 72.025.000.000
JUNI 29.000 Rp 1.415.000 Rp 841.000.000 Rp 41.035.000.000
120.000 Rp 8.415.000 Rp 2.908.000.000 Rp 191.135.000.000
Terima Kasih