Pendekatan Interval Keyakinan dalam Pengujian Hipotesis
Dasar pemikiran dari pendekatan interval keyakinan dalam pengujian hipotesis telah kita bahas dalam pembahasan sebelumnya. Di sini, kita sekedar mengilustrasikannya dengan contoh numerik.
Sebagai contoh pada pembahasan kita kali ini, maka akan kita tunjukkan bahwa tabel t dengan d.k. (n - 3) = 29. Oleh karena itu, kita akan mengetahui bahwa untuk d.k. 29 adalah:
P(-2,045 ≤ t ≤ 2,045) = 0,95 (1.1).
Kita juga mengetahui bahwa:
Jika kita substitusikan nilai t ini ke dalam Persamaan (1.1), maka kita peroleh:
Setelah disusun kembali, maka akan menjadi sebagai berikut:
P[b2 - 2,045 se(b2) ≤ B2 ≤ b2 + 2,045 se(b2)] = 0,95 (1.3)
yang merupakan interval keyakinan 95% untuk B2. Ingatlah kembali bahwa menurut pendekatan interval keyakinan, jika interval keyakinan yang kita sebut sebagai daerah penerimaan, mencakup nilai yang dinyatakan dalam hipotesis nol, maka kita tidak menolak hipotesis nol (Gujarati, 2006: 191).
Sebaliknya, jika nilai yang dinyatakan dalam hipotesis nol terletak di luar interval keyakinan, atau dalam hal ini, di dalam daerah penolakan, maka kita dapat menolak hipotesis nol. Tetapi, camkanlah selalu bahwa dalam mengambil keputusan tentang menolak atau tidak menolak hipotesis nol, kita berpeluang melakukan kesalahan sebesar α% (misalnya, 5%) pada saat kita mengambil keputusan tersebut.
Untuk contoh ilustratif kita, Persamaan (1.3) akan menjadi:
12,7413 - 2,045(0,9123) ≤ B2 ≤ 12,7413 + 2,045(0,9123).
Dalam hal ini,
10,8757 ≤ B2 ≤ 14,6069 (1.4)
yang merupakan interval keyakinan 95% untuk B2 yang sebenarnya.
Karena interval ini tidak mencakup nilai yang dinyatakan dalam hipotesis nol, maka kita dapat menolak hipotesis nol: Jika kita menyusn interval keyakinan seperti Persamaan (1.4), maka 95 di antara 100 interval semacam itu akan mencakup nilai B2 yang sebenarnya. Namun, kita tidak dapat mengatakan bahwa probabilitasnya adalah 95% bahwa interval tertentu (1.4) mencakup atau tidak mencakup nilai B2 yang sebenarnya.
Tak pelak lagi, kita dapat menggunakan kedua pendekatan tersebut dalam pengujian hipotesis guna menguji hipotesis tentang koefisien lain yang diberikan dalam hasil regresi untuk contoh ilustratif kita. Sebagaimana dapat Anda lihat dari hasil regresi, variabel jumlah penawar juga signifikan secara statistik (dalam hal ini, nyata tidak sama dengan nol) karena nilai t yang ditaksir sekitar 8 mempunyai nilai p yang mendekati nol. Ingatlah bahwa semakin kecil nilai p, semakin kuat alasan untuk menentang hipotesis nol.
