MATERI XV : ANALISIS REGRESI DAN KORELASI SEDERHANA 2

Pengujian Hipotesis
Sebagaimana yang telah dibahas pada bab-bab terdahulu, hipotesis merupakan kesimpulan sementara yang akan diuji tingkat kebenarannya. Dalam mengajukan suatu hipotesis, tingkat keyakinan dari kebenaran hipotesis tidak mungkin 100%, karena terdapat kemungkinan kesalahan. Tingkat kesalahan (sering disebut dengan tingkat signifikan) dinotasikan dengan “α”. Sebagai contoh jika tingkat keyakinan terhadap suatu hipotesis sebesar 90% maka tingkat signifikan (α) adalah sebesar 10%. Dengan demikian besarnya tingkat keyakinan adalah 1 - α.
Semakin besar atau tinggi tingkat keyakinan terhadap hipotesis (dinyatakan benar setelah diuji) maka hipoetsis tersebut semakin baik, tetapi yang harus menjadi perhatian adalah penetapan tingkat signifikan (α) adalah :

1. Bidang ilmu dari penelitian yang dilaksanakan. Bidang ilmu kelompok ilmu pasti, misalnya kedokteran dan teknik, penetapan tingkat kesalahan (α) harus sekecil mungkin karena akan berdampak sangat besar. Misalnya dalam penelitian untuk membuat obat atau mesin, maka tingkat kesalahan (α) pengukuran harus sekecil mungkin.
2. Ruang lingkup dari penelitian yang dilaksanakan. Wilayah penelitian menjadi salah satu pertimbangan dalam penetapan tingkat kesalahan (α). Jika penelitian dilakukan dalam wilayah nasional maka tingkat kesalahan akan semakin besar dibandingkan jika penelitian dilakukan hanya dalam wilayah lokal.
3. Jumlah varaibel yang diteliti. Dengan semakin banyaknya jumlah variabel yang diteliti maka tingkat kesalahan akan semakin kecil dibandingkan jika penelitian hanya menggunakan sedikit variabel yang diteliti.

Di dalam analisis regresi linier, suatu hipotesis yang diajukan akan diuji dengan menggunakan Uji T (uji parsial) dan Uji F (uji serempak). Disamping itu juga memperhatikan nilai dari koefisien determinasi (atau dinotasikan dengan r kuadrat).

Uji T (Uji Parsial)

Uji F (Uji Serempak)

Koefisien Determinasi
Koefisien Determinasi digunakan untuk menentukan seberapa besar variasi variabel dependen (Y) yang dapat dijelaskan oelh variabel independen (X). Misalnya dalam model regresi linier sederhana diketahui bahwa nilai koefisien determinasi sebesar 85%. Hal ini berarti bahwa sumbangan dari variabel independen (X) terhadap naik turunya atau variasi variabel dependen (Y) adalah sebesar 85% sedangkan sisanya sebesar 15% merupakan sumbangan dari variabel lain yang tidak dimasukkan dalam model yang diajukan.