Hipotesis

Uji Hipotesis: Uji Parsial atau Uji t Dengan Menggunakan SPSS 20

pada kesempatan kali ini saya akan menjelaskan cara sederhana bagaimana cara melakukan uji hipotesis dengan uji parsial (uji t) dalam analisis regresi linear berganda menggunakan bantuan sofware SPSS versi 20. Saya yakin anda akan dapat melakukan uji ini jika anda cermat dan benar-benar menyimak atau memerhatikan apa yang saya lakukan.

Uji parsial atau disebut juga uji t dalam analisis regresi linear berganda bertujuan untuk mengetahui apakah variabel bebas (X) secara parsial (sendiri-sendiri/masing-masing variabel) berpengaruh signifikan terhadap variabel terikat (Y). Namun, jika yang ingin diketahui adalah pengaruh variabel bebas (X) secara bersama-sama (simultan) terhadap variabel terikat (Y) maka hal ini disebut dengan uji F.

Dasar Cara Melihat t tabel 

Untuk meliat t tabel dalam pengujian hipotesis pada model regresi, perlu menentukan derajat bebas atau degree of freedom  dan hal ini ditentukan dengan rumus :

          Df = n - k

• Dimana n = Banyaknya observasi dalam kurun waktu data.
• Dimana k = Banyaknya variabel (bebas dan terikat).

Pada analisis regresi digunakan probabilitas 2 sisi, misalnya dicari nilai tabel distribusi t dicari pada a = 5% : 2 = 2,5% (uji 2 sisi) dengan derajat kebebasan (df) n-k atau 10-3 = 7 (n adalah jumlah kurun waktu pada observasi dan k adalah jumlah variabel). Dengan pengujian 2 sisi (signifikansi = 0,025) hasil diperoleh untuk t tabel sebesar 2,364.

Tabel distribusi t

Dasar Pengambilan Keputusan Untuk Uji t (Parsial) Dalam Analisis Regresi

Berdasarkan nilai t hitung dan t tabel :

• Jika nilai t hitung > t tabel maka variabel bebas (X) berpengaruh terhadap variabel terikat (Y).
• Jika nilai t hitung < t tabel maka variabel bebas (X) tidak berpengaruh terhadap variael terikat (Y).

Berdasarkan nilai signifikansi hasil output SPSS

• Jika nilai Sig. < 0,05 maka variabel bebas (X) berpengaruh signifikan terhadap variabel terikat (Y).
• Jika nilai Sig. > 0,05 maka variabel bebas (X) tidak berpengaruh signifikan terhadap variabel terikat (Y).

Ada beberapa langkah yang harus anda lakukan untuk mempraktekan uji t atau uji parsial ini, berikut langkah-langkah yang harus anda lakukan :

Langkah-langkahnya:

• Buka data yang ingin anda uji !

Lalu pilih menu dari SPSS, klik Analyze, kemudian klik Regresion pada submenu, lalu klik linear.

• Pada kotak Dependent, isikan variabel Y (PAD) dan pada kotak Independent isikan variabel X1, X2 (Pajak Daerah, Retribusi Daerah).

• Selanjutnya abaikan yang lain dan kemudian klik Ok.
• Tampilan hasil output SPSS.

Interpretasi Output

Berdasarkan hasil output SPSS di atas kita dapat melihat dimana nilai t hitung variabel X1 lebih besar dari pada nilai t tabel (4,956 > 2,364) dengan tingkat signifikan dibawah 0,05 yaitu 0,0002 dan t hitung variabel X2 lebih besar dari pada nilai t tabel (5,325 > 2,364) dengan tingkat signifikan dibawah 0,05 yaitu 0,001. Berdasarkan cara pengambilan keputusan uji parsial dalam analisis regresi dapat disimpulkan sebagai berikut:

• Variabel pajak daerah secara parsial berpengaruh signifikan terhadap peningkatan pendapatan asli daerah.
• Variabel retribusi daerah secara parsial berpengaruh signifikan terhadap peningkatan pendapatan asli daerah.

Uji Hipotesis Beda Rata-rata Dua Sampel Berpasangan (Paired Sample t Test)

Dua sampel berpasangan artinya sampel dengan subjek yang sama namun mengalami dua perlakuan atau pengukuran yang berbeda. Uji perbedaan rata-rata dua sampel berpasangan atau uji paired sample t test digunakan untuk menguji ada tidaknya perbedaan mean untuk dua sampel bebas (independen) yang berpasangan. Adapun yang dimaksud berpasangan adalah data pada sampel kedua merupakan perubahan atau perbedaan dari data sampel pertama atau dengan kata lain sebuah sampel dengan subjek sama mengalami dua perlakuan.

Contoh kasus.

Pengujian produktivitas padi (kwintal) yang diberi dua jenis pupuk. Plot	Pupuk A	Pupuk B
1	7	8
2	6	6
3	5	7
4	6	8
5	5	6
6	4	6
7	4	7
8	6	7
9	6	8
10	7	7
11	6	6
12	5	7

Pengujian hipotesis statistik adalah prosedur yang memungkinkan keputusan dapat dibuat, yaitu keputusan untuk menolak atau atau tidak menolak hipotesis yang sedang dipersoalkan. Hipotesis yang akan diuji diberi symbol Ho (hipotesis nol) dan langsung disertai Ha (hipotesis alternatif). Ha akan secara otomatis diterima, apabila Ho ditolak.

A. Uji Hipotesis Rata-Rata Sampel Tunggal (One Sample t Test)

Uji rata-rata satu sampel atau sering di kenal sebagai uji one sample t test berguna untuk mengetahui perbedaan nilai rata-rata populasi yang digunakan sebagai pembading dengan rata-rata sebuah sampel. Dari hasil uji ini akan diketahui apakah rata-rata populasi yang digunakan sebagai pembanding berbeda nyata secara signifikan dengan rata-rata sebuah sampel, jika ada perbedaan rata-rata manakah yang lebih tinggi.

Rumusan hipotesis

 , untuk menguji apakah rata-rata sample μ sama dengan rata-rata μo yang diberikan. o o : H   

 , untuk menguji apakah rata-rata sample μ lebih dari rata-rata μo yang diberikan. o a : H   

 , untuk menguji apakah rata-rata sample μ kurang dari rata-rata μo yang diberikan. o a : H   

Kasus untuk sampel kecil

Sebuah asrama putri menyatakan bahwa menerima rata-rata 6 orang mahasiswa selama 2 tahun terakhir. Uji pernyataan tersebut pada taraf α = 0,05 jika diketahui data penerimaan mahasiswi selama 24 bulan bulan terakhir adalah sebagai berikut (nama variable kost):

7 5 7 6 5 3 8 4

8 8 3 4 7 7 5 6

6 4 5 8 4 6 7 5 46

penyelesaian:

Kasus diatas terdiri atas satu sample yang akan dipakai dengan nilai populasi hipotesis 6 orang. Di sini populasi dianggap berdistribusi normal dan karena sample < 30, maka dipakai uji t.

Langkah-langkah:

1. Klik menu Analyze → Compare-Means → One Sample T test…

Maka tampak dilayar:

2. Masukkan variable kost ke kotak Test Variable(s).

3. Untuk nilai yang akan diuji, isi angka 6 di kotak Test Value.

4. Klik tombol Options… untuk mengganti tingkat kepercayaan (Confidence Interval), gunakan tingkat kepercayaan 95%. Kemudian OK.

Akan muncul output:

One-Sample Statistics N		Mean		Std. Deviation		Std. Error Mean
KOST	24		5.75		1.595		.326