= a + bX
Dari persamaan di atas dapat diperoleh hasil persamaan di bawah ini, yang merupakan formula umum dari teknik dan metode yang disebut
“least square.” Kedua persamaan tersebut adalah :
a =
–
atau a
= - b
b =
–
atau b
=
–
2.7 Significant Test
Untuk meneliti apakah persamaan regresi yang dipergunakan dalam penyusunan ramalan atau benar linier, dimana data observsinya tepat berada disekitar garis regresi
linier tersebut, maka perlu dilakukan apa yang disebut “significant test.” Kalau
ternyata dari hasil test yang dilakukan diperoleh hasil yang tidak signifikan, maka kurang tepat bila persamaan regresi linier yang dipergunakan dalam penyusunan
ramalan tersebut. Dalam significint test ini, kita ingin mengetahui apakah benar secara statistik
bahwa hubungan yang ada antara variabel yang diramalakan dengan variabel waktu
adalah Y = a + bX. Untuk pengetesan ini, perlu dilakukan dua macam test, yaitu :
Universitas Sumatera Utara
a. Test untuk mengetahui apakah koefisen b secara statistik dari 0 nol, hal ini
dikenal sebagai “F-Test”
b. Test untuk mengetahui apakah nilai estimasi dari a dan b dapat bervariasi
karena pengaruh sampling dan pengaruh random, dengan apa yang dikenal sebagai “T-test”
a. F Test
Distribusi F adalah ratio dari dua variabel seperti terlihat pada persamaan berikut ini.
F =
Dimana, n adalah jumlah tahun atau jumlah observasi besarnya sampel dan k adalah jumlah variabel dalam regresi sederhana k=2.
Setelah diperoleh nilai F
ratio
, maka kemudian dilakukan perbandingan antara nilai F
ratio
ini dengan nilai F
tabel
atau F
test
. Apabila nilai F
ratio
adalah lebih besar dari nilai F
tabel
atau F
test
, maka secara statistik koefisien b adalah significant terhadap 0 nol. Dengan kata lain, koefisien b tidak sama dengan 0 nol secara statistik,
sehingga persamaan regresi tersebut dapat dipergunakan untuk peramalan tersebut.
Universitas Sumatera Utara
b. T Test
Pengujian ini merupakan suau teknik untuk menguji apakah benar variabel yang diramalkan dengan variabel yang mempengaruhinya yaitu waktu mempunyai pola
hubungan yang bersifat garis lurus linier. Mengenai perhitungannya akan dijabarkan sebagai berikut :
Dengan
Dimana nilai S
e
dapat dicari dengan :
Dengan : =
Selanjutnya kita akan membandingkan antara lain t
ratio
dengan nilai t
tabel
dengan tingkat keyakinan tertentu. Jika nilai yang diperoleh dari hasil perhitungan t
ratio
adalah lebih besar dari nilai yang diperoleh dari t
tabel,
maka dapatlah disimpulkan
Universitas Sumatera Utara
bahwa nilai koefisien regresi yaitu a atau b secara statistik signifikan terhadap 0 nol atau dengan kata lain, koefisien a atau b tidak sama dengan 0 nol.
Demikianlah uraian mengenai penerapan dan maksud dari analisa atau model peramalan deret waktu. Sebagai tambahan perlu kita ketahui bahwa :
1. Analisa atau model peramalan deret waktu yang berbentuk regresi sederhana sering disebut dengan analisa trend.
2. Analisa atau model peramalan deret waktu dengan deret waktu regresi sederhana akan memberikan kesimpulan yang lebih baik, bila jumlah
observasi sebagai sebagai sampel diperbanyak, sehingga ramalan secara individual akan lebih mendekati nilai rata-rata dari garis regresi. Lebih baik
hasil ramalan tersebut adalah karena dengan memperbanyak jumlah sampel, maka standar error akan semakin kecil.
Universitas Sumatera Utara
BAB 3
GAMBARAN UMUM TEMPAT RISET
3.1 Tata Kerja Badan Pusat Statistik
