PENGERTIAN, KEGUNAAN, MACAM-MACAM, TAHAP-TAHAP, CIRI-CIRI HIPOTESIS YANG BAIK

PENGERTIAN HIPOTESIS

Menurut Wikipedia Hipotesis atau hipotesa adalah jawaban sementara terhadap masalah yang masih bersifat praduga karena masih harus dibuktikan kebenarannya

menurut Sutrisno Hadi Hipotesis adalah tentang pemecahan masalah. Sering kali peneliti tidak dapat memecahkan permasalahannya hanya dengan sekali jalan. Permasalahan itu akan diselesaikan segi demi segi dengan cara mengajukan pertanyaan-pertanyaan untuk tiap-tiap segi, dan mencari jawaban melalui penelitian yang dilakukan.

KEGUNAAN HIPOTESIS

Hipotesis merupakan elemen penting dalam penelitian ilmiah, khususnya penelitian kuantitatif.Terdapat tiga alasan utama yang mendukung pandangan ini, di antaranya:

1. Hipotesis dapat dikatakan sebagai piranti kerja teori. Hipotesis ini dapat dilihat dari teori yang digunakan untuk menjelaskan permasalahan yang akan diteliti. Misalnya, sebab dan akibat dari konflik dapat dijelaskan melalui teori mengenai konflik.

2. Hipotesis dapat diuji dan ditunjukkan kemungkinan benar atau tidak benar atau di falsifikasi.

3. Hipotesis adalah alat yang besar dayanya untuk memajukan pengetahuan karena membuat ilmuwan dapat keluar dari dirinya sendiri. Artinya, hipotesis disusun dan diuji untuk menunjukkan benar atau salahnya dengan cara terbebas dari nilai dan pendapat peneliti yang menyusun dan mengujinya.

Menurut Wikipedia, Fungsi penting hipotesis di dalam penelitian, yaitu:

1. Untuk menguji teori,

2. Mendorong munculnya teori,

3. Menerangkan fenomena sosial,

4. Sebagai pedoman untuk mengarahkan penelitian,

5. Memberikan kerangka untuk menyusun kesimpulan yang akan dihasilkan.

MACAM-MACAM HIPOTESIS

Menurut bentuknya, Hipotesis dibagi menjadi tiga:

1. Hipotesis penelitian/kerja: Hipotesis penelitian merupakan anggapan dasar peneliti terhadap suatu masalah yang sedang dikaji.

Dalam Hipotesis ini peneliti mengaggap benar Hipotesisnya yang kemudian akan dibuktikan secara empiris melalui pengujian Hipotesis dengan mempergunakan data yang diperolehnya selama melakukan penelitian.

Misalnya: Ada hubungan antara krisis ekonomi dengan jumlah orang stress

2. Hipotesis operasional: Hipotesis operasional merupakan Hipotesis yang bersifat obyektif.

Artinya peneliti merumuskan Hipotesis tidak semata-mata berdasarkan anggapan dasarnya, tetapi juga berdasarkan obyektifitasnya, bahwa Hipotesis penelitian yang dibuat belum tentu benar setelah diuji dengan menggunakan data yang ada. Untuk itu peneliti memerlukan Hipotesis pembanding yang bersifat obyektif dan netral atau secara teknis disebut Hipotesis nol (H0).

H0 digunakan untuk memberikan keseimbangan pada Hipotesis penelitian karena peneliti meyakini dalam pengujian nanti benar atau salahnya Hipotesis penelitian tergantung dari bukti-bukti yang diperolehnya selama melakukan penelitian.

Contoh: H0: Tidak ada hubungan antara krisis ekonomi dengan jumlah orang stress.

3. Hipotesis statistik: Hipotesis statistik merupakan jenis Hipotesis yang dirumuskan dalam bentuk notasi statistik.

Hipotesis ini dirumuskan berdasarkan pengamatan peneliti terhadap populasi dalam bentuk angka-angka (kuantitatif).

Misalnya: H0: r = 0; atau H0: p = 0

TAHAP-TAHAP HIPOTESIS

1. Penentuan Masalah.

Dasar penalaran ilmiah ialah kekayaan pengetahuan ilmiah yang biasanya timbul karena sesuatu keadaan atau peristiwa yang terlihat tidak atau tidak dapat diterangkan berdasarkan hukum atau teori atau dalil-dalil ilmu yang sudah diketahui.[3] Dasar penalaranpun sebaiknya dikerjakan dengan sadar dengan perumusan yang tepat.[3] Dalam proses penalaran ilmiah tersebut, penentuan masalah mendapat bentuk perumusan masalah.

2. Hipotesis Pendahuluan atau Hipotesis Preliminer (Preliminary Hypothesis).

Dugaan atau anggapan sementara yang menjadi pangkal bertolak dari semua kegiatan. Ini digunakan juga dalam penalaran ilmiah. Tanpa hipotesis preliminer, pengamatan tidak akan terarah. Fakta yang terkumpul mungkin tidak akan dapat digunakan untuk menyimpulkan suatu konklusi, karena tidak relevan dengan masalah yang dihadapi.

Karena tidak dirumuskan secara eksplisit, dalam penelitian, hipotesis priliminer dianggap bukan hipotesis keseluruhan penelitian, namun merupakan sebuah hipotesis yang hanya digunakan untuk melakukan uji coba sebelum penelitian sebenarnya dilaksanakan.

3. Pengumpulan Fakta.

Dalam penalaran ilmiah, di antara jumlah fakta yang besarnya tak terbatas itu hanya dipilih fakta-fakta yang relevan dengan hipotesa preliminer yang perumusannya didasarkan pada ketelitian dan ketepatan memilih fakta.

4. Formulasi Hipotesis.

Pembentukan hipotesa dapat melalui ilham atau intuisi, dimana logika tidak dapat berkata apa-apa tentang hal ini. Hipotesis diciptakan saat terdapat hubungan tertentu di antara sejumlah fakta.

5. Pengujian Hipotesis

Artinya, mencocokkan hipotesa dengan keadaan yang dapat diamati dalam istilah ilmiah hal ini disebut verifikasi(pembenaran). Apabila hipotesa terbukti cocok dengan fakta maka disebut konfirmasi. Falsifikasi(penyalahan) terjadi jika usaha menemukan fakta dalam pengujian hipotesa tidak sesuai dengan hipotesis.

Bilamana usaha itu tidak berhasil, maka hipotesa tidak terbantah oleh fakta yang dinamakan koroborasi (corroboration). Hipotesis yang sering mendapat konfirmasi atau koroborasi dapat disebut teori.

6. Aplikasi/Penerapan.

Apabila hipotesa itu benar dan dapat diadakan menjadi ramalan (dalam istilah ilmiah disebut prediksi), dan ramalan itu harus terbukti cocok dengan fakta. Kemudian harus dapat diverifikasikan/koroborasikan dengan fakta.

CIRI-CRI HIPOTESIS YANG BAIK

* Dinyatakan dalam Kalimat yang Tegas

* Dapat diuji secara ilmiah.

* Dasar dalam merumuskan hipotesis kuat.

SUMBER:

Dapat dilihat:

disini

disini

disini

Read More

SKALA PENGUKURAN STATISTIKA

Ada 4 macam skala pengukuran yaitu: skala nominal, skala ordinal, skala interval dan skala rasio.

1. Skala nominal

Adalah skala yang semata-mata hanya untuk memberikan indeks, atau nama saja dan tidak mempunyai makna yang lain. Contoh:

Data	Kode (a)	Kode (b)
Yuni	1	4
Desi	2	2
Ika	3	3
Astuti	4	1

Keterangan: Kode 1 sampai dengan 4 (a) semata-mata hanyalah untuk memberi tanda saja, dan tidak dapat dipergunakan sebagai perbandingan antara satu data dengan data yang lain. Kode tersebut dapat saling ditukarkan sesuai dengan keinginan peneliti (menjadi alternatif b) tanpa mempengaruhi apa pun.

2. Skala ordinal

Adalah skala ranking, di mana kode yang diberikan memberikan urutan tertentu pada data, tetapi tidak menunjukkan selisih yang sama dan tidak ada nol mutlak. Contoh:

Data	Skala Kecantikan (a)	Skala Kecantikan (b)
Yuni	4	10
Desi	3	6
Ika	2	5
Astuti	1	1

Skala kecantikan (a) di atas menunjukkan bahwa Yuni paling cantik (dengan skor tertinggi 4), dan Astuti yang paling tidak cantik dengan skor terendah (1). Akan tetapi, tidak dapat dikatakan bahwa Yuni adalah 4 kali lebih cantik dari pada Astuti. Skor yang lebih tinggi hanya menunjukkan skala pengukuran yang lebih tinggi, tetapi tidak dapat menunjukkan kelipatan. Selain itu, selisih kecantikan antara Yuni dan Desi tidak sama dengan selisih kecantikan antara Desi dan Ika meskipun keduanya mempunyai selisih yang sama (1). Skala kecantikan pada (a) dapat diganti dengan skala kecantikan (b) tanpa mempengaruhi hasil penelitian.

Skala nominal dan skala ordinal biasanya mempergunakan analisis statistik non parametrik, contoh: Korelasi Kendall, Korelasi Rank Spearman, Chi Square dan lain-lain.

3. Skala interval

Skala pengukuran yang mempunyai selisih sama antara satu pengukuran dengan pengukuran yang lain, tetapi tidak memiliki nilai nol mutlak. Contoh:

Data	Nilai Mata Kuliah (a)	Skor Nilai Mata Kuliah (b)
Yuni	A	4
Desi	B	3
Ika	C	2
Astuti	D	1

Tabel di atas menunjukkan bahwa nilai A setara dengan 4, B setara dengan 3, C setara dengan 2 dan D setara dengan 1. Selisih antara nilai A dan B adalah sama dengan selisih antara B dan C dan juga sama persis dengan selisih antara nilai C dan D. Akan tetapi, tidak boleh dikatakan bahwa Yuni adalah empat kali lebih pintar dibandingkan Astuti, atau Ika dua kali lebih pintas dari pada Astuti. Meskipun selisihnya sama, tetapi tidak mempunyai nilai nol mutlak.

4. Skala rasio

Adalah skala pengukuran yang paling tinggi di mana selisih tiap pengukuran adalah sama dan mempunyai nilai nol mutlak. Contoh:

Data	Tinggi Badan	Berat badan
Yuni	170	60
Desi	160	50
Ika	150	40
Astuti	140	30

Tabel di atas adalah menggunakan skala rasio, artinya setiap satuan pengukuran mempunyai satuan yang sama dan mampu mencerminkan kelipatan antara satu pengukuran dengan pengukuran yang lain. Sebagai contoh; Yuni mempunyai berat badan dua kali lipat berat Astuti, atau, Desi mempunyai tinggi 14,29% lebih tinggi dari pada Astuti.

Skala pengukuran interval dan rasio biasanya dikenai alat statistik parametrik.

Read More

SIMULASI ANALISIS REGRESI BERGANDA DENGAN SPSS

A.  Deskripsi Objek Penelitian

Penelitian menggunakan periode 2007 sampai dengan 2009 sehingga perusahaan yang digunakan adalah perusahaan perbankan yang telah aktif diperdagangkan dalam periode tersebut. Terdapat 28 perusahaan perbankan yang terdaftar di Bursa Efek Indonesia pada tahun 2009, akan tetapi terdapat 3 perusahaan yang baru listing pada tahun 2007, yaitu PT Bank Agroniaga Tbk., PT Bank Capital Indonesia Tbk., dan PT Bank Windu Kentjana International Tbk. Demikian juga terdapat 2 buah perusahaan yang baru listing di BEI tahun 2008 yaitu PT Bank Ekonomi Raharja Tbk., dan PT Bank Tabungan Pensiunan Nasional Tbk., sehingga hanya terdapat 23 perusahaan perbankan yang berturut-turut memperdagangkan sahamnya dari tahun 2007 sampai dengan tahun 2009. Dari 23 perusahaan yang memperdagangkan sahamnya berturut-turut antara tahun 2007 sampai dengan 2009 terdapat 8 perusahaan yang tidak mencantumkan data variabel penelitian secara lengkap yaitu data piutang perusahaan yang dipergunakan untuk menghitung discretionary accrual. Dengan demikian sampel penelitian adalah sebanyak 15 perusahaan.

B. Analisis Data
1. Uji Asumsi Klasik

Analisis regresi linear berganda memerlukan beberapa asumsi agar model tersebut layak dipergunakan. Asumsi yang dipergunakan dalam penelitian ini adalah uji normalitas, uji multikolinearitas, uji heteroskedastisitas dan uji autokorelasi.

a.  Uji Normalitas

Uji normalitas data dipergunakan untuk menentukan apakah data terdistribusi secara normal atau tidak. Uji normalitas yang dipergunakan adalah plot grafik di mana asumsi normalitas terpenuhi jika titik-titik pada grafik mendekati sumbu diagonalnya.

Gambar 1
Uji Normalitas

Gambar menunjukkan bahwa titik-titik pada grafik telah mendekati atau hampir berhimpit dengan sumbu diagonal atau membentuk sudut 45 derajad dengan garis mendatar. Interpretasinya adalah bahwa nilai residual pada model penelitian telah terdistribusi secara normal. Untuk memperkuat hasil pengujian tersebut dipergunakan uji Kolmogorov-Smirnov yaitu sebagai berikut:

Tabel 1
Uji Normalitas dengan Kolmogorov-Smirnov

Tampak bahwa nilai signifikansi adalah sebesar 0,868 > 0,05 yang menunjukkan bahwa nilai residual telah terdistribusi secara normal. Hasil analisis awal menunjukkan adanya data outliers yaitu data yang menyimpang terlalu jauh dari data yang lain sehingga harus dikeluarkan dari model penelitian. Berikut adalah identifikasi data outlier pada model dalam penelitian ini:

Tabel 2
Identifikasi Data Outliers

Tampak bahwa terdapat 1 buah data outliers yaitu data ke-8 sehingga data tersebut dikeluarkan dari model penelitian dan jumlah data penelitian menjadi 44 buah. Dengan mengeluarkan satu buah data tersebut, masih terdapat 1 buah lagi data outliers yaitu sebagai berikut:

Tabel 3
Identifikasi Data Outliers 2

Data ke-23 menjadi outliers setelah data ke-8 dikeluarkan, dengan demikian, data ke-23 juga dikeluarkan dari model sehingga tidak ada lagi data outliers. Dengan mengeluarkan dua buah data outliers maka diperoleh grafik P Plot sebagai berikut:

Gambar 2
Uji Normalitas Tanpa Data Outliers

Gambar menunjukkan bahwa titik-titik pada grafik telah mendekati atau hampir berhimpit dengan sumbu diagonal atau membentuk sudut 45 derajad dengan garis mendatar. Interpretasinya adalah bahwa nilai residual pada model penelitian telah terdistribusi secara normal. Untuk memperkuat hasil pengujian tersebut dipergunakan uji Kolmogorov-Smirnov yaitu sebagai berikut:

Tabel 4
Uji Normalitas dengan Kolmogorov-Smirnov Tanpa Outliers

Tampak bahwa dengan 43 data maka nilai signifikansi adalah sebesar 0,884 > 0,05 yang menunjukkan bahwa nilai residual telah terdistribusi secara normal.

b. Uji Multikolinearitas

Uji multikolinearitas dilakukan dengan menggunakan nilai variance inflation factor (VIF). Model dinyatakan terbebas dari gangguan multikolinearitas jika mempunyai nilai VIF di bawah 10 atau tolerance di atas 0,1. Berikut adalah uji Multikolinearitas dalam penelitian ini:

Tabel 5
Uji Multikolinearitas

Tabel di atas memberikan semua nilai VIF di bawah 10 atau nilai tolerance di atas 0,1. Berarti tidak terdapat gejala multikolinearitas pada model dalam penelitian ini.

c. Uji Heteroskedastisitas

Uji Heteroskedastisitas dilakukan dengan memplotkan grafik antara SRESID dengan ZPRED di mana gangguan heteroskedastisitas akan tampak dengan adanya pola tertentu pada grafik. Berikut adalah uji heteroskedastisitas pada keempat model dalam penelitian ini:

Gambar 3
Uji Heteroskedastisitas

Tampak pada diagram di atas bahwa model penelitian tidak mempunyai gangguan heteroskedastisitas karena tidak ada pola tertentu pada grafik. Titik-titik pada grafik relatif menyebar baik di atas sumbu nol maupun di bawah sumbu nol.

d. Uji Autokorelasi

Berikut adalah nilai Durbin-Watson pada model dalam penelitian ini:

Tabel 6
Uji Autokorelasi

Adapun nilai dU untuk 5 buah variabel dengan 43 data pada taraf 5% adalah sebesar 1,780. Tampak bahwa 0 < dW < dU yang masuk pada kategori no decision. Untuk memperkuat hasil tersebut digunakan uji Run, di mana gangguan autokorelasi terjadi jika signifikansi di bawah 0,05. Berikut adalah uji autokorelasi dengan Run test:

Tabel 7
Uji Autokorelasi dengan Run Test

Tampak bahwa signifikansi adalah sebesar 0,760 > 0,05 yang menunjukkan bahwa tidak terjadi gangguan autokorelasi pada model penelitian.

C. Uji Goodness of Fit

Uji goodness of fit adalah untuk melihat kesesuaian model, atau seberapa besar kemampuan variabel bebas dalam menjelaskan varians variabel terikatnya. Berikut adalah hasil perhitungan nilai R dan koefisien determinasi dalam penelitian ini:

Tabel 8
Uji Goodness of Fit

Tabel tersebut memberikan nilai R sebesar 0,689 pada model penelitian dan koefisien determinasi sebesar 0,404. Tampak bahwa kemampuan variabel bebas dalam menjelaskan varians variabel terikat adalah sebesar 40,4%. Masih terdapat 59,6% varians variabel terikat yang belum mampu dijelaskan oleh variabel bebas dalam model penelitian ini.

D. Uji F

Uji F (uji simultan) adalah untuk melihat pengaruh variabel bebas yaitu terhadap variabel terikatnya yaitu DA secara serempak. Berikut adalah nilai F hitung dalam penelitian ini:

Tabel 9
Uji F

Tampak bahwa nilai F hitung pada model penelitian adalah sebesar 6,686 dengan taraf signifikansi sebesar 0,000. Nilai signifikansi adalah di bawah 0,05 yang menunjukkan bahwa variabel bebas secara serempak mempunyai pengaruh yang signifikan terhadap manajemen laba pada signifikansi 5%.

E.  Uji t

Uji t (parsial) adalah untuk melihat pengaruh variabel-variabel bebas secara parsial terhadap variabel terikatnya. Berikut adalah hasil perhitungan nilai t hitung dan taraf signifikansinya dalam penelitian ini:

Tabel 10
Uji t

Berdasarkan hasil pada tabel tersebut, dapat disusun persamaan regresi linear berganda sebagai berikut:
Y = 3,385 – 0,108 X1 – 0,016 X2 + 0,11 X3 + 0,178 X4 - 0,161 X5 + e
Keterangan:
Y      = Discretionary Accrual
X1    = Ukuran dewan komisaris
X2    = Komite audit
X3    = Kepemilikan institusional
X4    = Kepemilikan manajerial
X5    = Ukuran perusahaan
Interpretasi terhadap persamaan tersebut beserta uji hipotesis akan diberikan sebagai berikut:
1. Pengujian Hipotesis 1

Berdasarkan analisis data di atas, maka tampak bahwa nilai t hitung untuk variabel ukuran dewan komisaris adalah sebesar -3,011. Nilai tersebut di atas nilai t tabel untuk N = 43 yaitu sebesar + 2,011 sehingga diinterpretasikan bahwa variabel ukuran dewan komisaris mempunyai pengaruh yang signifikan terhadap discretionary accrual. Dengan demikian hipotesis H1 dalam penelitian ini yang berbunyi: Terdapat pengaruh yang signifikan antara ukuran dewan komisaris terhadap manajemen laba diterima. Berarti ukuran dewan komisaris mempunyai pengaruh signifikan terhadap manajemen laba.

2.  Pengujian Hipotesis 2

Berdasarkan analisis data di atas, maka tampak bahwa nilai t hitung untuk variabel ukuran komite audit adalah sebesar -0,392. Nilai tersebut di bawah nilai t tabel + 2,011 sehingga diinterpretasikan bahwa variabel ukuran komite audit tidak mempunyai pengaruh yang signifikan terhadap discretionary accrual. Dengan demikian hipotesis H2 dalam penelitian ini yang berbunyi: Terdapat pengaruh yang signifikan antara komite audit terhadap manajemen laba ditolak. Berarti ukuran komite audit tidak mempunyai pengaruh signifikan terhadap manajemen laba.

3.   Pengujian Hipotesis 3

Berdasarkan analisis data di atas, maka tampak bahwa nilai t hitung untuk variabel ukuran kepemilikan institusional adalah sebesar 3,093. Nilai tersebut di atas nilai t tabel + 2,011 sehingga diinterpretasikan bahwa variabel kepemilikan institusional mempunyai pengaruh yang signifikan terhadap discretionary accrual. Dengan demikian hipotesis H3 dalam penelitian ini yang berbunyi: Terdapat pengaruh yang signifikan antara kepemilikan intitusional terhadap manajemen laba diterima. Berarti kepemilikan institusional mempunyai pengaruh signifikan terhadap manajemen laba.

4.  Pengujian Hipotesis 4

Berdasarkan analisis data di atas, maka tampak bahwa nilai t hitung untuk variabel kepemilikan manajerial adalah sebesar 1,083. Nilai tersebut di bawah nilai t tabel + 2,011 sehingga diinterpretasikan bahwa variabel kepemilikan manajerial tidak mempunyai pengaruh yang signifikan terhadap discretionary accrual. Dengan demikian hipotesis H4 dalam penelitian ini yang berbunyi: Terdapat pengaruh yang signifikan antara kepemilikan manajerial terhadap manajemen laba ditolak.

5.    Pengujian Hipotesis 5

Berdasarkan analisis data di atas, maka tampak bahwa nilai t hitung untuk variabel ukuran perusahaan adalah sebesar -3,663. Nilai tersebut di atas nilai t tabel + 2,011 sehingga diinterpretasikan bahwa variabel ukuran perusahaan mempunyai pengaruh yang signifikan terhadap discretionary accrual.. Dengan demikian hipotesis H4 dalam penelitian ini yang berbunyi: Terdapat pengaruh yang signifikan antara ukuran perusahaan terhadap manajemen laba diterima. Berarti terdapat pengaruh yang signifikan antara ukuran perusahaan terhadap manajemen laba.

Read More

MENGUJI MODEL REGRESI & TEORI HIPOTESIS

•  MENGUJI MODEL REGRESI

1. Hipotesis     :

Signifikasi     :

Ho :    Koefisien arah regresi tidak berarti ( b = 0 )

H1 :    Koefisien arah regresi berarti ( b ≠ 0 )

Linieritas     :

Ho :    Model regresi linier

H1 :    Model regresi tidak linier

2. Kriteria     :

Signifikasi     :    Terima Ho, jika F _hitung ≤ F _tabel

                         Tolak Ho, jika F _hitung > F _tabel

Linieritas     :    Terima Ho, jika F _hitung ≤ F _tabel

                       Tolak Ho, jika F _hitung > F _tabel

3. Menghitung F _hitung :

JK(T) = 247976

         = 0,99 . 5715,8

                = 5658,642

                   JK(S)    =    JK(T) – JK(a) – JK(b/a)

                               =    247976 – 242113,6 – 5658,642

                                =    203,76

 

    Untuk menghitung JK(G), maka data dikelompokkan sbb:

X	k	n	Y	Y2	( ∑ Yj2 )		(∑Yj2)
50	1	1	54	2916	2916	2916	0
56	2	1	58	3364	3364	3364	0
58	3	1	62	3844	3844	3844	0
59	4	1	61	3721	3721	3721	0
62	5	3	60	3600	11169	11163	6
			63	3969
			60	3600
63	6	1	67	4489	4489	4489	0
64	7	1	67	4489	4489	4489	0
65	8	1	68	4624	4624	4624	0
67	9	1	69	4761	4761	4761	0
68	10	3	68	4624	14992	14981,33	10,67
			72	5184
			72	5184
70	11	2	70	4900	10229	10224,5	4,5
			73	5329
73	12	1	75	5625	5625	5625	0
74	13	2	77	5929	11405	11400,5	4,5
			74	5476
75	14	1	77	5929	5929	5929	0
77	15	1	79	6241	6241	6241	0
78	16	2	80	6400	12641	12640,5	0,5
			79	6241
79	17	1	89	7921	7921	7921	0
80	18	1	84	7056	7056	7056	0
82	19	1	83	6889	6889	6889	0
83	20	1	87	7569	7569	7569	0
84	21	2	84	7056	14281	14280,5	0,5
			85	7225
85	22	1	89	7921	7921	7921	0
87	23	1	87	7569	7569	7569	0
88	24	2	90	8100	15669	15664,5	4,5
			87	7569
89	25	1	90	8100	8100	8100	0
92	26	2	94	8836	17300	17298	2
			92	8464
93	27	2	97	9409	18625	18624,5	0,5
			96	9216
94	28	1	94	8836	8836	8836	0
95	29	1	99	9801	9801	9801	0
Jumlah	29	40	3112	247976			33,67

 

                = 33,67

JK(TC)    =    JK(S) – JK(G)

                =    203,76 – 33,67

                =    170,09

    =    JK(b/a) =    5658,642

Keberartian ( Signifikan ) :

Linieritas :

Menghitung F _hitung melalui tabel ANAVA

 

Daftar ANAVA REGRESI LINIER SEDERHANA :

Sumber Varians	dk	JK	RJK	F
Total ( T )	40	JK(T) = 247976	-
Regresi ( a )	1	JK(a) = 242113,6	-
Regresi (b/a)	1	JK(b/a)= 658,642	=5658,642	F hitung(sig)=1055,72
Sisa ( S )	38	JK(S) = 203,76	=5,36	F hitung(lin)=2,06
Tuna Cocok (TC)	27	JK(TC) = 170,09	=6,3
Galat ( G )	11	JK(G) = 170,09	=3,6

 

1.    Menghitung F _tabel :

Keberartian     :     F _tabel = F _{(0,05 ; 1 ; 38)} = 4.1

Linieritas         :     F _tabel = F _{(0,05 ; 27 ; 11)} = 2,59

2.    Keputusan:

Keberartian ( Signifikan ) :

Karena F _hitung(sig) = 1055,72 dan F _tabel = 4,1

Yang berarti : F _hitung > F _tabel

Maka keputusannya : Ho DITOLAK

Linieritas:

Karena F _hitung(lin) = 2,06 dan F _tabel = 2,59

Yang berarti: F _hitung < F _tabel

Maka keputusannya : Ho DITERIMA

3.    Kesimpulan:

Uji Keberartian ( Signifikan ) :

Karena Ho ditolak, maka kesimpulannya adalah:

Koefisien arah regresi berarti ( signifikan ), yakni b ≠ 0

Uji Linieritas:

Karena Ho diterima, maka kesimpulannya adalah :

Model regresinya linier

• Hipotesis

Pengujian hipotesis (Hipo=dugaan ; Tesis=jawaban/kebenaran), jadi hipotesis artinya jawaban yang masih perlu diuji kebenarannya, pengujian hipotesis untuk menentukan/memastikan, apakah variabel X berhubungan/berinteraksi secara signifikan (nyata) dengan variabel Y atau variabel X apakah memiliki daya/pengaruh secara linier (garis lurus) terhadap variabel Y. adapun bentuk pengujian hipotesis sbb:

Ho = 0 artinya tidak ada hubungan linier antara variabel bebas dengan variabel tidak bebas / terikat

Ha ≠ 0 artinya ada hubungan linier antara variabel bebas dengan variabel tidak bebas / terikat

Selain menguji modelnya, dalam regresi juga di uji koefisiennya yaitu disebut sebagai uji T student atau uji T atau uji parsial. Uji ini bertujuan untuk memastikan apakah variabel bebas memiliki keberartian terhadap variabel Y. Bentuk pengujian hipotesis untuk koefisien regresi sbb:

Ho : bo = b artinya koefisen regresi tidak signifikan / tidak nyata

Ha : bo ≠ b artinya koefisien regresi signifikan / nyata

KRITERIA PENOLAKAN / KAIDAH KEPUTUSAN

Ho diterima, jika tingkat signifikansi (Sig) > 0,05

Ha diterima, jika tingkat signifikansi (Sig) < 0,05

  

Read More