Faktor-faktor yang Mempengaruhi Tingkat Kejahatan Di Kotamadya Medan
10
BAB II
METODE ANALISIS DATA
2.1 Pengertian Regresi Berganda
Banyak data pengamatan yang terjadi sebagai akibat lebih dari dua variabel, yaitu
memerlukan lebih dari satu variabel dalam membentuk suatu model regresi.
Untuk memberi gambaran tentang suatu permasalahan, umumnya sangat sulit
ditentukan, oleh karena itu dibutuhkan suatu model yang dapat memprediksi
respon yang penting terhadap permasalahan tersebut, yaitu dengan Regresi Linier
Berganda.
Regresi Linier berganda hampir sama dengan Regresi Linier Sederhana,
hanya saja pada Regresi Linier Berganda variabel bebasnya lebih dari satu
variabel.
Tujuan dari analisis regresi linier berganda adalah untuk mengukur
seberapa erat hubungan antara dua variabel atau lebih dan membuat suatu
predikasi nilai Y atas nilai X.
Bentuk persamaan regresi linier berganda yang mencakup dua atau lebih variabel,
yaitu:
=
+
+
+
+
+
Dimana :
Y
= Variabel tidak bebas ( dependent variable )
Universitas Sumatera Utara
11
= Variabel bebas ( independent variable )
Xki
= Parameter Intersep ( konstan )
,
,
,
= Parameter koefisien regresi variabel bebas
Tujuan dari analisis regresi adalah untuk membuat sebuah model yang
baik (sebuah persamaan perkiraan hubungan Y terhadap variabel – variabel bebas)
yang akan memungkinkan untuk menafsir Y
bagi nilai – nilai
,
,
,
tertentu dan mengerjakannya dengan sebuah kesalahan perkiraan terkecil.
Adapun kegunaan dari regresi linier adalah :
1. Untuk menentukan apakah terdapat sebuah hubungan antara variabel
bebas (Independent Variable) dan variabel tidak bebas (Dependent
Variable).
2. Untuk menentukan keeratan hubungan antara variabel bebas dan variabel
tidak bebas.
3. Untuk menentukan struktur atau bentuk hubungan antara varriabel bebas
dan variabel tidak bebas.
4. Untuk menafsir nilai dari variabel tidak bebas.
5. Untuk memperoleh model yang baik yang dapat digunakan untuk menafsir
dan membuat estimasi nilai variabel tertentu berdasarkan atas satu atau
beberapa variabel lain yang telah diketahui nilainya.
Model Regresi Sederhana
Model Regresi Berganda
Universitas Sumatera Utara
12
Bentuk Umum Model Populasi
=
+
Dalam ilmu statistika teknik yang umum digunakan untuk menganalisa hubungan
antara dua variabel atau lebih adalah analisa regresi linier. Regresi pertama
digunakan sebagai konsep statistik pada tahun 1877 oleh Sir Francis Galton. Dia
telah melakukan studi tentang kecenderungan tinggi badan anak. Hasil studi
tersebut merupakan suatu kesimpulan bahwa kecenderungan tinggi badan anak
yang lahir terhadap orang tuanya adalah menurun mengarah pada tinggi badan
rata-rata penduduk. Istilah regresi pada mulanya bertujuan untuk membuat
perkiraan nilai satu variabel terhadap variabel yang lain. Pada perkembangan
selanjutnya, analisis regresi dapat digunakan sebagai alat untuk membuat
perkiraan nilai suatu variabel dengan menggunakan beberapa variabel lain yang
berhubungan dengan variabel tersebut. (Alfigari, 2000.Analisis Regresi Teori,
kasus dan solusi, Edisi Kedua, Yogyakarta : BPFE halaman 1 dan 2)
Pada dasarnya dalam suatu persamaan regresi terdapat dua macam
variabel, yaitu variabel bebas (independent variable) yang dinyatakan dengan
simbol X dan variabel terikat (dependent variable) yang biasanya dinyatakan
dengan simbol Y. Variabel terikat adalah variabel yang dipengaruhi atau yang
nilainya bergantung dari nilai variabel lain. Variabel bebas adalah variabel yang
memberikan pengaruh. Bila variabel bebas diketahui maka variabel terikatnya
dapat diprediksi besarnya. Prinsip dasar yang harus dipenuhi dalam membangun
Universitas Sumatera Utara
13
suatu persamaan regresi adalah bahwa antara variabel terikat dengan variabel
bebas mempunyai sifat hubungan sebab-akibat.
2.2 Analisis Regresi Linier
Analisis regresi merupakan teknik yang digunakan dalam persamaan matematik
yang menyatakan hubungan fungsional antara variabel-variabel. Analisis regresi
linier atau regresi garis lurus digunakan untuk:
1. Menentukan hubungan fungsional antar variabel dependent dengan
independent. Hubungan fungsional ini dapat disebut sebagai persamaan
garis regresi yang berbentuk linier.
2. Meramalkan atau menduga nilai dari satu variabel dengan hubungannya
dengan variabel yang lain yang diketahui melalui persamaan garis regresi.
Variabel yang lain diketahui melalui persamaan garis regresinya. Analisis regresi
terdiri dari dua bentuk, yaitu:
1. Analisis Regresi Linier Sederhana
2. Analisis Regresi Linier Berganda
Analisis Regresi Linier Sederhana adalah bentuk regresi dengan model
yang bertujuan untuk mempelajari hubungan antara dua variabel, yakni variabel
terikat dan variabel bebas. Sedangkan analisis regresi berganda adalah bentuk
regresi dengan model yang memiliki hubungan antara satu variabel terikat dengan
dua atau lebih variabel bebas. Variabel bebas adalah variabel yang nilainya
Universitas Sumatera Utara
14
tergantung dengan variabel lainya, sedangkan variabel terikat adalah variabel
yang nilainya tergantung dari variabel lainya.
Analisi regresi digunakan untuk mengetahui hubungan antara dua variabel
atau lebih, terutama untuk menelusuri pola hubungan yang modelnya belum
diketahui dengan baik, atau untuk mengetahui bagaimana variasi dari beberapa
variabel bebas mempengaruhi variabel terikat dalam suatu fenomena yang
komplek. Jika X , X ,
, X adalah variabel-variabel bebas dan Y adalah variabel
terikat, maka terdapat hubungan antara fungsional antara X dan Y dimana variasi
dari X akan diiringi pula oleh variasi dari Y. Jika dibuat secara matematis
hubungan ini dapat dijabarkan sebagai berikut:
Y = f(X , X , . . . , X , e)
Keterangan:
Y
= Variabel terikat (Dependent)
X
= Variabel bebas (Independent)
e
= Variabel residu (Disturbace term)
Berkaitan dengan analisis regresi ini, setidaknya ada empat kegiatan yang lazim
dilaksanakan yakni:
1. Mengadakan estimasi terhadap parameter berdasarkan data empiris.
2. Menguji berapa besar variasi variabel dependent dapat diterangkan oleh
variasi independent.
Universitas Sumatera Utara
15
3. Menguji apakah estimasi parameter tersebut signifikan atau tidak.
4. Melihat apakah tanda menghitung dari estimasi parameter cocok dengan
teori.
2.2.1 Analisis Regresi Linier Sederhana
Analisis regresi linier sederhana terdiri dari satu variabel bebas dan satu variabel
terikat. Dengan kata lain variabel yang dianalisis terdiri dari satu variabel
prediktor dan satu variabel kriterium. Model regresi linier sederhananya adalah:
=
+
Keterangan:
Y
= Variabel terikat (dependent variable)
X
= Variabel bebas (independent variable)
a
= Konstanta (intercept)
b
= Kemiringan (slope)
Penggunaan regresi linier sederhana didasarkan pada asumsi, diantaranya sebagai
berikut:
1. Model regresi harus linier dalam parameter.
2. Variabel bebas tidak berkolerasi dengan disturbance term (eror).
3. Nilai disturbance term sebesar 0 atau dengan simbol sebagai e.
4. Varian untuk masing-masing error term (kesalahan) konstan
5. Tidak terjadi autokorelasi
6. Model regresi dispesifikasikan secara benar. Tidak terdapat bias
spesifikasi dalam model yang digunakan dalam analisis empiris.
Universitas Sumatera Utara
16
Koefisien - koefisien regresi a dan b dapat dihitung dengan rumus:
=
(
=
)
(
)
(
)(
(
)
(
)(
(
)
)
)
Jika koefisien b terlebih dahulu dihitung, maka koefisien a dapat dihitung dengan
rumus:
=
Dengan dan
masing-masing rata-rata untuk variabel-variabel X dan Y.
2.2.2 Analisis Regresi Linier Berganda
Regresi linier ganda (Multiple Regression) berguna untuk mencari pengaruh atau
untuk meramalkan dua variabel prediktor atau lebih terhadap variabel
kriteriumnya. Suatu persamaan regresi linier yang memiliki lebih dari satu
variabel bebas X dan satu variabel terikat Y akan membentuk suatu persamaan
regresi yang baru, disebut persamaan regresi linieer berganda (multiple
regression). Model persamaan regresi linier berganda hampir sama dengan model
regrei linier sederhana, letak perbedaanya hanya pada jumlah variabel bebasnya.
Secara umum model regresi linier berganda adalah sebagai berikut:
=
+
+
+
+
+
+
Universitas Sumatera Utara
17
Keterangan:
Y
= Variabel terikat (dependent variable)
X
= Variabel bebas (independent variable)
= Konstanta regresi
= Koefisien regresi variabel bebas
= Pengamatn variabel error
2.3 Uji Kriteria Regresi
Sebelum persamaan regresi yang diperoleh digunakan untuk membuat
kesimpulan, terlebih dahulu diperiksa setidak-setidaknya mengenai kelinieran dan
keberartiannya. Pemeriksaan ini
ditempuh melalui pengujian hipotesis. Uji
keberartian dilakukan untuk meyakinkan diri apakah regresi yang didapat
berdasarkan penelitian ada artinya bila dipakai untuk membuat kesimpulan
mengenai hubungan sejumlah peubah yang sedang dipelajari.
Untuk itu diperlukan dua macam jumlah kuadrat (JK) yaitu jumlah kuadrat
untuk regresi yang ditulis JK
dengan JK
dan jumlah kuadrat untuk sisa (residu) yang ditulis
=
. Jika
,
=
,
,
=
=
maka secara umum jumlah kuadrat-kuadrat tersebut dapat dihitung dengan
rumus:
=
+
+
+
Dengan derajat kebebasan dk=k
Universitas Sumatera Utara
18
=
(
)
Dengan derajat kebebasan dk= (n – k – 1) untuk sampel berukuran n.
Dengan demikian uji keberartian regresi berganda dapat dihitung dengan:
=
/
/(
1)
Dimana statistik F yang menyebar mengikuti distribusi F dengan derajat
kebebasan pembilang V = k dan penyebut V = n
k
1
2.3.1 Pengujian Hipotesis
Pengujian hipotesis merupakan salah satu tujuan yang akan dibuktikan dalam
penelitian. Jika terdapat deviasi antara sampel yang ditentukan dengan jumlah
populasi maka tidak tertutup kemungkinan untuk terjadinya kesalahan dalam
mengambil keputusan antara menolak atau menerima suatu hipotesis.
Pengujian hipotesis dapat didasarkan dengan menggunakan dua hal, yaitu :
tingkat signifikansi atau probabilitas ( ) dan tingkat kepercayaan atau
confidence interval. Didasarkan tingkat signifikansi pada umumnya orang
menggunakan 0,05. Kisaran tingkat signifikansi mulai dari 0,01 sampai dengan
0,1. Yang dimaksud dengan tingkat signifikansi adalah probabilitas melakukan
kesalahan tipe 1, yaitu kesalahan menolak hipotesis ketika hipotesis tersebut
benar. Tingkat kepercayaan pada umumnya ialah sebesar 95%, yang dimaksud
Universitas Sumatera Utara
19
dengan tingkat kepercayaan ialah tingkat dimana sebesar 95% nilai sampel akan
mewakili nilai populasi dimana sampel berasal. Dalam melakukan uji hipotesis
terdapat dua hipotesis, yaitu:H (hipotesis 0) dan H (hipotesis alternatif). H
bertujuan untuk memberikan usulan dugaan kemungkinan tidak adanya perbedaan
antara perkiraan penelitian dengan keadaan yang sesungguhnya yang akan diteliti.
H bertujuan memberikan usulan dugaan adanya perbedaan perkiraan dengan
keadaan sesungguhnya yang akan diteliti.
Pembentukan suatu hipotesis memerlukan toeri-teori maupun hasil
penelitian terlebih dahulu sebagai pendukung pernyataan hipotesis yang
diusulkan. Dalam membentuk hipotesis ada beberapa hal yang dipertimbangkan,
yaitu:
1. Hipotesis nol dan hipotesis alternative yang diusulkan
2. Daerah penerimaan dan penolakan serta teknik arah pengujian (one tailed
atau two tailed).
3. Penentuan nilai hitung statistik.
4. Menarik kesimpulan apakah menerima atau menolak hipotesis yang
diusulkan dalam uji keberartian regresi.
Langkah-langkah yang dibutuhkan untuk pengujian hipotesis ini antara lain.
1. H
β =β =
=β =0
Tidak terdapat hubungan fungsional yang signifikan antara variabel bebas
dengan variabel terikat.
H
Minimal satu parameter koefisin regresi β yang
0
Universitas Sumatera Utara
20
Terdapat hubungan fungsional yang signifikan antara variabel bebas
dengan variabel terikat.
2. Pilih taraf nyata
yang diinginkan.
3. Hitung statistik F
4. Nilai
F
yaitu: T
dengan menggunakan persamaan.
menggunakan daftar table F dengan taraf signifikansi
= F(
)( ),(
5. Kriteria pengujian : jika F
diterima. Sebaliknya jika F
).
F
BAB II
METODE ANALISIS DATA
2.1 Pengertian Regresi Berganda
Banyak data pengamatan yang terjadi sebagai akibat lebih dari dua variabel, yaitu
memerlukan lebih dari satu variabel dalam membentuk suatu model regresi.
Untuk memberi gambaran tentang suatu permasalahan, umumnya sangat sulit
ditentukan, oleh karena itu dibutuhkan suatu model yang dapat memprediksi
respon yang penting terhadap permasalahan tersebut, yaitu dengan Regresi Linier
Berganda.
Regresi Linier berganda hampir sama dengan Regresi Linier Sederhana,
hanya saja pada Regresi Linier Berganda variabel bebasnya lebih dari satu
variabel.
Tujuan dari analisis regresi linier berganda adalah untuk mengukur
seberapa erat hubungan antara dua variabel atau lebih dan membuat suatu
predikasi nilai Y atas nilai X.
Bentuk persamaan regresi linier berganda yang mencakup dua atau lebih variabel,
yaitu:
=
+
+
+
+
+
Dimana :
Y
= Variabel tidak bebas ( dependent variable )
Universitas Sumatera Utara
11
= Variabel bebas ( independent variable )
Xki
= Parameter Intersep ( konstan )
,
,
,
= Parameter koefisien regresi variabel bebas
Tujuan dari analisis regresi adalah untuk membuat sebuah model yang
baik (sebuah persamaan perkiraan hubungan Y terhadap variabel – variabel bebas)
yang akan memungkinkan untuk menafsir Y
bagi nilai – nilai
,
,
,
tertentu dan mengerjakannya dengan sebuah kesalahan perkiraan terkecil.
Adapun kegunaan dari regresi linier adalah :
1. Untuk menentukan apakah terdapat sebuah hubungan antara variabel
bebas (Independent Variable) dan variabel tidak bebas (Dependent
Variable).
2. Untuk menentukan keeratan hubungan antara variabel bebas dan variabel
tidak bebas.
3. Untuk menentukan struktur atau bentuk hubungan antara varriabel bebas
dan variabel tidak bebas.
4. Untuk menafsir nilai dari variabel tidak bebas.
5. Untuk memperoleh model yang baik yang dapat digunakan untuk menafsir
dan membuat estimasi nilai variabel tertentu berdasarkan atas satu atau
beberapa variabel lain yang telah diketahui nilainya.
Model Regresi Sederhana
Model Regresi Berganda
Universitas Sumatera Utara
12
Bentuk Umum Model Populasi
=
+
Dalam ilmu statistika teknik yang umum digunakan untuk menganalisa hubungan
antara dua variabel atau lebih adalah analisa regresi linier. Regresi pertama
digunakan sebagai konsep statistik pada tahun 1877 oleh Sir Francis Galton. Dia
telah melakukan studi tentang kecenderungan tinggi badan anak. Hasil studi
tersebut merupakan suatu kesimpulan bahwa kecenderungan tinggi badan anak
yang lahir terhadap orang tuanya adalah menurun mengarah pada tinggi badan
rata-rata penduduk. Istilah regresi pada mulanya bertujuan untuk membuat
perkiraan nilai satu variabel terhadap variabel yang lain. Pada perkembangan
selanjutnya, analisis regresi dapat digunakan sebagai alat untuk membuat
perkiraan nilai suatu variabel dengan menggunakan beberapa variabel lain yang
berhubungan dengan variabel tersebut. (Alfigari, 2000.Analisis Regresi Teori,
kasus dan solusi, Edisi Kedua, Yogyakarta : BPFE halaman 1 dan 2)
Pada dasarnya dalam suatu persamaan regresi terdapat dua macam
variabel, yaitu variabel bebas (independent variable) yang dinyatakan dengan
simbol X dan variabel terikat (dependent variable) yang biasanya dinyatakan
dengan simbol Y. Variabel terikat adalah variabel yang dipengaruhi atau yang
nilainya bergantung dari nilai variabel lain. Variabel bebas adalah variabel yang
memberikan pengaruh. Bila variabel bebas diketahui maka variabel terikatnya
dapat diprediksi besarnya. Prinsip dasar yang harus dipenuhi dalam membangun
Universitas Sumatera Utara
13
suatu persamaan regresi adalah bahwa antara variabel terikat dengan variabel
bebas mempunyai sifat hubungan sebab-akibat.
2.2 Analisis Regresi Linier
Analisis regresi merupakan teknik yang digunakan dalam persamaan matematik
yang menyatakan hubungan fungsional antara variabel-variabel. Analisis regresi
linier atau regresi garis lurus digunakan untuk:
1. Menentukan hubungan fungsional antar variabel dependent dengan
independent. Hubungan fungsional ini dapat disebut sebagai persamaan
garis regresi yang berbentuk linier.
2. Meramalkan atau menduga nilai dari satu variabel dengan hubungannya
dengan variabel yang lain yang diketahui melalui persamaan garis regresi.
Variabel yang lain diketahui melalui persamaan garis regresinya. Analisis regresi
terdiri dari dua bentuk, yaitu:
1. Analisis Regresi Linier Sederhana
2. Analisis Regresi Linier Berganda
Analisis Regresi Linier Sederhana adalah bentuk regresi dengan model
yang bertujuan untuk mempelajari hubungan antara dua variabel, yakni variabel
terikat dan variabel bebas. Sedangkan analisis regresi berganda adalah bentuk
regresi dengan model yang memiliki hubungan antara satu variabel terikat dengan
dua atau lebih variabel bebas. Variabel bebas adalah variabel yang nilainya
Universitas Sumatera Utara
14
tergantung dengan variabel lainya, sedangkan variabel terikat adalah variabel
yang nilainya tergantung dari variabel lainya.
Analisi regresi digunakan untuk mengetahui hubungan antara dua variabel
atau lebih, terutama untuk menelusuri pola hubungan yang modelnya belum
diketahui dengan baik, atau untuk mengetahui bagaimana variasi dari beberapa
variabel bebas mempengaruhi variabel terikat dalam suatu fenomena yang
komplek. Jika X , X ,
, X adalah variabel-variabel bebas dan Y adalah variabel
terikat, maka terdapat hubungan antara fungsional antara X dan Y dimana variasi
dari X akan diiringi pula oleh variasi dari Y. Jika dibuat secara matematis
hubungan ini dapat dijabarkan sebagai berikut:
Y = f(X , X , . . . , X , e)
Keterangan:
Y
= Variabel terikat (Dependent)
X
= Variabel bebas (Independent)
e
= Variabel residu (Disturbace term)
Berkaitan dengan analisis regresi ini, setidaknya ada empat kegiatan yang lazim
dilaksanakan yakni:
1. Mengadakan estimasi terhadap parameter berdasarkan data empiris.
2. Menguji berapa besar variasi variabel dependent dapat diterangkan oleh
variasi independent.
Universitas Sumatera Utara
15
3. Menguji apakah estimasi parameter tersebut signifikan atau tidak.
4. Melihat apakah tanda menghitung dari estimasi parameter cocok dengan
teori.
2.2.1 Analisis Regresi Linier Sederhana
Analisis regresi linier sederhana terdiri dari satu variabel bebas dan satu variabel
terikat. Dengan kata lain variabel yang dianalisis terdiri dari satu variabel
prediktor dan satu variabel kriterium. Model regresi linier sederhananya adalah:
=
+
Keterangan:
Y
= Variabel terikat (dependent variable)
X
= Variabel bebas (independent variable)
a
= Konstanta (intercept)
b
= Kemiringan (slope)
Penggunaan regresi linier sederhana didasarkan pada asumsi, diantaranya sebagai
berikut:
1. Model regresi harus linier dalam parameter.
2. Variabel bebas tidak berkolerasi dengan disturbance term (eror).
3. Nilai disturbance term sebesar 0 atau dengan simbol sebagai e.
4. Varian untuk masing-masing error term (kesalahan) konstan
5. Tidak terjadi autokorelasi
6. Model regresi dispesifikasikan secara benar. Tidak terdapat bias
spesifikasi dalam model yang digunakan dalam analisis empiris.
Universitas Sumatera Utara
16
Koefisien - koefisien regresi a dan b dapat dihitung dengan rumus:
=
(
=
)
(
)
(
)(
(
)
(
)(
(
)
)
)
Jika koefisien b terlebih dahulu dihitung, maka koefisien a dapat dihitung dengan
rumus:
=
Dengan dan
masing-masing rata-rata untuk variabel-variabel X dan Y.
2.2.2 Analisis Regresi Linier Berganda
Regresi linier ganda (Multiple Regression) berguna untuk mencari pengaruh atau
untuk meramalkan dua variabel prediktor atau lebih terhadap variabel
kriteriumnya. Suatu persamaan regresi linier yang memiliki lebih dari satu
variabel bebas X dan satu variabel terikat Y akan membentuk suatu persamaan
regresi yang baru, disebut persamaan regresi linieer berganda (multiple
regression). Model persamaan regresi linier berganda hampir sama dengan model
regrei linier sederhana, letak perbedaanya hanya pada jumlah variabel bebasnya.
Secara umum model regresi linier berganda adalah sebagai berikut:
=
+
+
+
+
+
+
Universitas Sumatera Utara
17
Keterangan:
Y
= Variabel terikat (dependent variable)
X
= Variabel bebas (independent variable)
= Konstanta regresi
= Koefisien regresi variabel bebas
= Pengamatn variabel error
2.3 Uji Kriteria Regresi
Sebelum persamaan regresi yang diperoleh digunakan untuk membuat
kesimpulan, terlebih dahulu diperiksa setidak-setidaknya mengenai kelinieran dan
keberartiannya. Pemeriksaan ini
ditempuh melalui pengujian hipotesis. Uji
keberartian dilakukan untuk meyakinkan diri apakah regresi yang didapat
berdasarkan penelitian ada artinya bila dipakai untuk membuat kesimpulan
mengenai hubungan sejumlah peubah yang sedang dipelajari.
Untuk itu diperlukan dua macam jumlah kuadrat (JK) yaitu jumlah kuadrat
untuk regresi yang ditulis JK
dengan JK
dan jumlah kuadrat untuk sisa (residu) yang ditulis
=
. Jika
,
=
,
,
=
=
maka secara umum jumlah kuadrat-kuadrat tersebut dapat dihitung dengan
rumus:
=
+
+
+
Dengan derajat kebebasan dk=k
Universitas Sumatera Utara
18
=
(
)
Dengan derajat kebebasan dk= (n – k – 1) untuk sampel berukuran n.
Dengan demikian uji keberartian regresi berganda dapat dihitung dengan:
=
/
/(
1)
Dimana statistik F yang menyebar mengikuti distribusi F dengan derajat
kebebasan pembilang V = k dan penyebut V = n
k
1
2.3.1 Pengujian Hipotesis
Pengujian hipotesis merupakan salah satu tujuan yang akan dibuktikan dalam
penelitian. Jika terdapat deviasi antara sampel yang ditentukan dengan jumlah
populasi maka tidak tertutup kemungkinan untuk terjadinya kesalahan dalam
mengambil keputusan antara menolak atau menerima suatu hipotesis.
Pengujian hipotesis dapat didasarkan dengan menggunakan dua hal, yaitu :
tingkat signifikansi atau probabilitas ( ) dan tingkat kepercayaan atau
confidence interval. Didasarkan tingkat signifikansi pada umumnya orang
menggunakan 0,05. Kisaran tingkat signifikansi mulai dari 0,01 sampai dengan
0,1. Yang dimaksud dengan tingkat signifikansi adalah probabilitas melakukan
kesalahan tipe 1, yaitu kesalahan menolak hipotesis ketika hipotesis tersebut
benar. Tingkat kepercayaan pada umumnya ialah sebesar 95%, yang dimaksud
Universitas Sumatera Utara
19
dengan tingkat kepercayaan ialah tingkat dimana sebesar 95% nilai sampel akan
mewakili nilai populasi dimana sampel berasal. Dalam melakukan uji hipotesis
terdapat dua hipotesis, yaitu:H (hipotesis 0) dan H (hipotesis alternatif). H
bertujuan untuk memberikan usulan dugaan kemungkinan tidak adanya perbedaan
antara perkiraan penelitian dengan keadaan yang sesungguhnya yang akan diteliti.
H bertujuan memberikan usulan dugaan adanya perbedaan perkiraan dengan
keadaan sesungguhnya yang akan diteliti.
Pembentukan suatu hipotesis memerlukan toeri-teori maupun hasil
penelitian terlebih dahulu sebagai pendukung pernyataan hipotesis yang
diusulkan. Dalam membentuk hipotesis ada beberapa hal yang dipertimbangkan,
yaitu:
1. Hipotesis nol dan hipotesis alternative yang diusulkan
2. Daerah penerimaan dan penolakan serta teknik arah pengujian (one tailed
atau two tailed).
3. Penentuan nilai hitung statistik.
4. Menarik kesimpulan apakah menerima atau menolak hipotesis yang
diusulkan dalam uji keberartian regresi.
Langkah-langkah yang dibutuhkan untuk pengujian hipotesis ini antara lain.
1. H
β =β =
=β =0
Tidak terdapat hubungan fungsional yang signifikan antara variabel bebas
dengan variabel terikat.
H
Minimal satu parameter koefisin regresi β yang
0
Universitas Sumatera Utara
20
Terdapat hubungan fungsional yang signifikan antara variabel bebas
dengan variabel terikat.
2. Pilih taraf nyata
yang diinginkan.
3. Hitung statistik F
4. Nilai
F
yaitu: T
dengan menggunakan persamaan.
menggunakan daftar table F dengan taraf signifikansi
= F(
)( ),(
5. Kriteria pengujian : jika F
diterima. Sebaliknya jika F
).
F