Ringkasan Perkiraan Interval Dan Pengujian Hipotesis Dalam Regresi Sederhana
description
Transcript of Ringkasan Perkiraan Interval Dan Pengujian Hipotesis Dalam Regresi Sederhana
PERKIRAAN INTERVAL DAN PENGUJIAN HIPOTESIS DALAM REGRESI SEDERHANAKelompok 5, Materi 4
Siti Rahmah A1A310015
Lusi Novitasari A1A310016
Umi Razanah A1A310017
Seno Setiawan A1A310031
Akhmad Mustafa A1A310041
4.1 beberapa ide tentang perkiraan interval
Bagian yang penting dalam ilmu statistik adalah statistik induktif atau statistical
inference. Statistic induktif mencakup dua hal pokok, yakni teori estimasi dan pengujian
hipotesis. Teori perkiraan terdirir dari dua hal penting. Yaitu perkiraan tunggal dan perkiraan
interval.
Dalam bab ini akan dibahas mengenai perkiraan interval dan pengujian hipotesis ,
baik mengenai koefisien-koefisien, individu dan nilai harapan Y, maupun varian kesalahan
pengganggu.
P(b-d ≤ B ≤ b+d = 1-α
b – d b + d
batas bawah interval batas atas
1-α disebut koefisisen keyakinan/ tingkat keyakinan. α disebut tingkat nyata/ berarti (level of
significance). Di dalam pengujian hipotesis, αdisebut kesalahan tipe pertama, yaitu kesalahan
yang terjadi karena kita menolak hipotesis nol, padahal hipotesis tersebut benar (keputusan
yang benar, hipoteisis tersebut harus kita termia). Alpha juga dapat diartikan sebagai
besarnya kesalahan yang kita torerir di dalam membuat suatu keputusan. Kalau 1-α= 0,95; α
= 1-0,95 = 0,05; ini berarti kita mentorerir kesalahan sebesar 5%. Salah dalam hal ini, berarti
interval tidak memuat B lebih kecil dari (b – d) atau lebih besar dari (b+d). kesalahan ini
menimbulkan resiko dalam pembuatan keputusan, maka dari itu untuk memperkecil resiko,
kesalahan harus dibuat sekecil mungkin. Titik akhir pada interval disebut batas keyakinan
(confidende limit) atau nilai kritis (critical value)
b – d = batas keyakinan bawah atau nilai batas bawah
b + d = batas keyakinan atas atau nilai batas atas
4.2 Perkiraan Interval untuk Koefisien dan Kesalahan Pengganggu
Rumus perkiraan interval:
b−t a2
Sb ≤ B ≤ b+t a2
Sb
Contoh soal :
Buat perkiraan interval untuk B, kalau tingkat keyakinan sebesar 95%, apabila diketahui :
b = 0,5446
Se = √Se2
= √2,050303333
= 1,4318880898403
∑ Xi2=113,9655
1-a = 0,95 Tingkat keyakinan 95%
a = 0,5 Kesalahan yang diterima
a/2 = 0,25
Jawaban :
Sb = √Se2
√∑ Xi2
Sb = √1,4318880898403
√113,9655
Sb = 1,196615238846810,675462519254
Sb = 0,1120902477704
Dari tabel t, t a2
(n−2 )=t 0,0025 (3 )=3,182
b−t a2
Sb ≤ B ≤ b+t a2
Sb
0,5446- 3,182 (0,1120902477704 )≤ B ≤ 0,5446+3,182 (0,1120902477704 )
0,5446– 0.3566711684054 ≤ B ≤ 0,5446+ 0.3566711684054
0,1879288315946 ≤ B ≤ 0,9012711684054
0,1879 ≤ B ≤ 0,9013
maka interval antara 0,1879 sampai 0,9013 akan memuat nilai B sebenarnya dengan tingkat
keyakinan 95%
Contoh Soal :
Buat perkiraan interval σ 2 dengan tingkat keyakinan 95% apabila diketahui :
Se2 = 2,050303333
Df = n-2
= 5-2
= 3
Jawaban :
x20,025( 3)=9,3484
x20,975 ( 3)=0,2158
df (Se2)x2
0,025 (3)
≤ σ2 ≤df (Se2)x2
0,975 (3 )
3(2,050303333)9,3484
≤ σ2 ≤3(2,050303333)
0,2158
0,6579639295494 ≤ σ 2≤ 28,502826686747
0,6580 ≤ σ2 ≤28,5028
Artinya dengan probabilitas 95%, dalam jangka panjang kita harapkan bahwa interval antara
0,6580 sampai 28,5028 akan memuat σ 2
4.3 Pengujian Hipotesis Koefisien Regresi
Pengujian hipotesis statistik (statistical testing hypothesis) sifatnya kuantitatif, jadi setiap hipotesis yang kita maksudkan harus dinyatakan dengan angka-angka.
Teori pengujian hipotesis berkenaan dengan pengembangan aturan-aturan atau prosedur untuk memutuskan apakah kita harus menerima atau menolak hipotesis nol.4.3.1 Pengujian Hipotesis dengan Pendekatan Interval Keyakinan
Pengujian hipotesis dengan pendekatan interval keyakinan terdiri dari langkah-
langkah berikut:
Pertama: Menghitung perkiraan interval dengan tingkat keyakinan yang sudah ditentukan,
dalam hal ini 95%. Contoh Perkiraan interval yang diperoleh adalah 0,70995 ≤ B ≤ 1,00125.
Kedua: Kita cek, apakah nilai B sesuai dengan nilai hipotesis nol, dalam hal ini, H o : B =
0,90, terletak dalam interval tersebut atau tidak? Kalau ya, H o kita terima, kalau tidak, H o
kita tolak. Dalam soal yang kita hadapi, H o : B = 0,90 ternyata terletak dalam interval, jadi
H o kita terima.
Contoh Soal
misalnya kita menganggap bahwa besarnya MPC (Marginal propensity to consume) yang
dinyatakan dalam parameter B sebesar 0,4 dengan alternative tidak sama. Pergunakan tingkat
signifikan sebesar 0,05 dengan pendekatan perkiraan interval.
Pemecahan
H 0 :B=0,4
H a :B ≤ 0,4
Berdasarkan contoh soal 4.2, sudah kita hitung bahwa dengan tingkat keyakinan sebesar
95%, dalam jangka panjang, interval 0,55426135 sampai dengan 0,751942896 akan memuat
nilai parameter B. Interval keyakinan 0,55426135 < B < 0,751942896 ternyata tidak memuat
nilao hipotesis nol B = 0,4 ditolak.
Jadi, hipotesis atau pendapat bahwa MPC = B = 0,4 ditolak.
Probabilitas untuk mendapatkan nilai B = 0,4 (sebelah kiri nilai batas bawah) sebesar 0,025
(2,5%).
2,5% 2.5%
0,55426135 0,751942896
95%
nilai batas bawah nilai batas atas
Pengujian hipotesis dengan pendekatan perkiraan interval terdiri dari dua tahap yang harus
diperhatikan,
Pertama : Dihitung perkiraan interval dari parameter yang bersangkutan, dengan tingkat
keyakinan tertentu, yaitu (1−α). Nilai α=0,01 atau 0,05.
Kedua : Kemudian dicek, apakah nilai parameter berdasarkan hipotesis nol terletak di dalam
interval atau tidak. Kalau ya, H 0 diterima, kalau tidak, H 0 ditolak.
4.3.2 Pengujian Hipotesis dengan Pendekatan Uji Signifikan (Nyata)
Pendekatan lainnya yang sifatnya komplementer terhadap metode interval keyakinan
dalam pengujian hipotesis secara statistik ialah pendekatan uji-signifikan yang dikembangkan
oleh R.A. Fisher secara independen dan bersama-sama oleh Neyman dan Pearson.
Secara umum, dapat dikatakan bahwa suatu uji-signifikan adalah suatu prosuder untuk
suatu hasil perhitungan berdasarkan sampel, untuk memeriksa benar tidaknya suatu hipotesis
nol.
4.4 Analisis Varian dalam Regresi
Dalam bab ini akan dipelajari analisis regresi dari sudut pandangan analisis varian dan
pengenalan terhadap suatu cara yang komplementer dan jelas dalam melihat persoalan-
persoalan statistic induktif atau statistical inference.
Contoh Soal
Misalkan uji pendekatan bahwa B = MPC = 0 dengan alternatif tidak sama dengan itu.
Pergunakan analisis varian (anavar).
Pemecahan :
b = 0,653102123
∑ y12 = b2∑ x1
2
= (0,653102123)2 (83.830,6875)
= 35.757,34122
∑ y12 = ∑Y 1
2 - (∑Y 1¿2 / n
= 4.360.500 – (4.650)2 / 5
= 4.360.500 – 4.324.500
= 36.000
∑ e12 = ∑ y1
2−b2∑ x12
= 36.000 - 35.757,34122
= 242, 65878
Tabel Anavar
Sumber Variasi Jumlah Kuadrat
(SS)f
Rata-Rata
Kuadrat (MS)F
Dari regresi (ESS)
Dari Kesalahan
Pengganggu (RSS)
35.757,34122
242, 65878
1
3
3
35.757,34122
80,88626
442,0694098
Total jumlah
Kuadrat (TSS)36.000,00000
9
F= rata-rata kuadrat regresi Rata-rata kesalahan pengganggu
F= ESS RSS
= 35.757,34122 80, 88626
= 442,0694098 (**)
Tabel F F0,05 (1)(3) = 10,13
F0.01(1)(3) = 34,12
Untuk α = 0,05 (5%). Oleh karena F > F0,05(1)(3) , maka H0 ditolak. Pendapat / hipotesis bahwa
MPC=0 ditolak. Tidak benar B= 0.
Untuk α = 0,01 (1%). Oleh karena F > F0,05(1)(3) , maka H0 ditolak. Pendapat bahwa B=0 Tidak
benar .
Perhatian!
Kalau Ho ditolak pada tingkat signifikan 5%, hasilnya disebut signifikan, dengan
tanda 1 bintang (*). Kalau Ho ditolak pada tingkat signifikan 1%, hasilnya disebut sangat
signifikan (highly significant), dengan tanda 2 bintang (**).
4.5 Ramalan dengan Menggunakan Garis Regresi Linear SederhanaRamalan pada dasarnya merupakan perkiraan terjadinya suatu kejadian (peristiwa)
untuk waktu yang akan datang. Ada perkiraan jangka pendek, ada juga ramalan jangka panjang (short term and long term forecasting) . Ramalan (produksi, penjualan, ekspor, penerimaan negara, pendapatan nasional, konsumsi, dan variabel ekonomi lainnya) sangat diperlukan untuk dasar perencanaan.
Ada dua macam ramalan untuk variable tidak bebas Y, yaitu ramalan untuk rata-rata Y dan individu Y nilai X tertentu, katakan X=X o. Untuk selanjutnya, kita sebut ramalan rata-rata Y atau ramalAn E(Y) dan ramalan individu Y. E(Y)=expected (Y) merupakan rata-rata. Dalam praktiknya, meramalkan E(Y) juah lebih mudah dari pada meramalkan individu Y, sebab rata-rata Y kurang bervariasi dibandingkan dengan Y.
4.5.1 Ramalan Rata-Rata Y atau E(Y)
Rumus Perkiraan interval untuk E ¿) dengan tingkat keyakinan sebesar (1 – α) sebagai berikut.
Ŷ o −¿ t α /2 SŶ o ≤ E ¿) ≤ Ŷ o + t α /2 SŶ o
4.5.2. Ramalan Individu YRumus perkiraan Interval individu Y dengan tingkat keyakinan sebesar (1 – α)
sebagai berikutŶ o −¿ t α /2 SŶ o
≤ Y 0/ X 0 ≤ Ŷ o + t α /2 SŶ o
4.5.3 Cara Melaporkan Hasil Analisis RegresiBanyak hasil penelitiaan ekonomi secara kuantitatif yang hasilnya sukar di mengerti,
khususnya hasil analisis ekonometri dengan disertai berbagai macam angka atau simbol-simbol yang sering kali kurang dimengerti oleh pembaca. Dalam hal ini, untuk melaporkan analisis regresi, perlu diperhatikan hal-hal berikut.
Pertama : Persamaan garis regresi yang dihitung dari sampel, lengkap dengan segala koefisiennya Ŷ = a + bX.
Kedua : Diikutsertakan standard error bagi setiap koefisiennya, Ŷ = a + bX (Sa)(Sb ¿
Sa = standard error (a), diletakkan di bawah aSb = standard error (b), diletakkan di bawah b
Ketiga : Diikutsertakan nilai t yang masing-masing berdasarkan sampel langsung di bawah Sa dan Sb.
t di bawah Sa dan Sb, masing-masing berdasarkan sampel rumus berikut.
t a = a−A
Sa dan t b =
b−BSb
Y = a + bX
(Sa)(Sb)
(t a)(t b)
Keempat :Diikutsertakan nilai koefisien determinasi (r2) dan standard error regresi atau
standard error kesalahan pengganggu (Se)
Ŷ = a + bX r2
(Sa) (Sb) Se
(t a) (t b) df = n – 2