7
BAB 2 TINJAUAN PUSTAKA
2.1.
Pemodelan Tantangan dalam jaringan telekomunikasi adalah bagaimana untuk merancang
sistem dengan biaya yang rendah dengan tetap memenuhi kualitas yang diharapkan. Pada jaringan telekomunikasi, aliran dan antrian trafik adalah subyek penelitian yang penting dalam penilaian kinerja jaringan. Pendekatan model dan simulasi pada aliran dan antrian trafik ini menjadi metodologi yang utama dalam penelitian perancangan jaringan dan pengkajian kinerja jaringan. Dalam menganalisis jaringan yang menghindarkan biaya besar melalui pembangunan langsung, diperlukan sebuah model untuk mengambarkan jaringan yang ada. Model yang ada secara umum terdiri dari elemen seperti yang ditunjukkan pada Gambar 2.1. Sebuah sistem fisik dapat bekerja dalam berbagai cara, disesuaikan dengan jumlah trafik yang harus dilayani dan strategi untuk memenuhinya. Pada jaringan telekomunikasi, strategi dijalankan untuk memberikan prioritas pada panggilan dan pengarahan panggilan ke rute tujuan dengan jalur yang lebih singkat. Kebutuhan pengguna dimodelkan dengan ciri statistik trafik seperti laju permintaan. Proses pemodelan adalah proses yang iteratif dan berulang.
Universitas Sumatera Utara
8
Pengguna Stokastik
Mesin Deterministik
Trafik (Permintaan)
Struktur (hardware)
Strategi (Software)
Gambar 2.1 Elemen model sistem jaringan [6] Model direpresentasikan dengan rumusan matematika diturunkan dengan menggunakan pengetahuan menyeluruh tentang trafik. Model yang diperoleh kemudian dibandingkan dengan data yang diukur dari eksperimen. Jika terjadi ketidakcocokan, model dapat dimodifikasi dan proses iteratif diulang lagi. Model yang baik harus memiliki persyaratan sebagai berikut [6]: 1.
Model dapat mengambarkan perilaku komponen jaringan.
2.
Model harus dapat diproses, dibuktkan dan parameter-parameter model dapat diperoleh dari pengambilan atau pengamatan data.
3.
Model harus dapat diaplikasikan dalam pengukuran.
Model memerlukan metode statistik. Kedatangan permintaan digambarkan sebagai proses stokastik, interval waktu antar permintaan dapat digambarkan dengan distribusi peluang.
Universitas Sumatera Utara
9
Alternatif dari sebuah model matematika adalah sebuah model simulasi atau model fisik. Kesulitan dari model simulasi adalah karena model simulasi tidak menggambarkan secara umum, setiap kasus harus disimulasikan. Tesis ini memilih model matematis untuk dibandingkan dengan hasil eksperimen. 2.2.
Pemodelan Trafik Video Menurut Richardson (2002), pengkodean frame video standar menggunakan
tiga jenis frame: frame I, frame P, dan frame B. Frame I (Intra-coded) dikodekan secara independen dan diterjemahkan dengan sendirinya. Frame P (predictive-coded) dikodekan menggunakan prediksi hasil urutan video dari frame I sebelumnya atau frame P. Frame B (Bi-directionally predictive coded) dikodekan menggunakan prediksi dari frame I atau P sebelumnya. Format
MPEG-1
mengharuskan setiap frame berukuran sama dengan
mengatur tingkat kompresi yang dilakukan pada tiap frame. Selain itu, dilakukan juga kompresi pada setiap perbedaan yang terjadi antara dua frame. Metode ini dikenal dengan interframe compression. Struktur IBP dari format MPEG-1 dan MPEG-2 tidak memungkinkan sebuah video untuk diproses sebelum GOP secara lengkap diterima. Ini menjadikan format MPEG-1 dan MPEG-2 tidak cocok digunakan untuk streaming di Internet. Proses transfer data di Internet yang menggunakan paket-paket, memungkinkan paket yang dikirim untuk diterima secara tidak berurutan. Keterlambatan penerimaan salah satu paket yang berisi frame IBP dapat menjadikan GOP tidak lengkap, sehingga video tidak dapat diproses.
Universitas Sumatera Utara
10
MPEG-4 kemudian hadir untuk mengatasi masalah di atas. Secara umum, urutan seluruh video dapat didekomposisi menjadi unit-unit lebih kecil yang kemudian dikodekan bersama-sama, yang disebut GOP (Group of Pictures). GOP adalah gabungan dari Frame I, Frame P, dan Frame B. Gambar 2.2 menunjukkan contoh sebuah GOP. Pola GOP ditandai oleh dua parameter, G (N, M): jarak frame II (N), dan jarak frame (M) I-P. Misalnya G (12, 3): group video ini terdiri dari satu jenis frame I, tiga jenis frame P, dan delapan frame B. Kedua frame yang menandai awal GOP berikutnya. Selain itu, tanda panah menunjukkan bahwa frame B dan frame P diterjemahkan tergantung pada proses frame I atau P sebelumnya.
Gambar 2.2 Contoh mpeg group of picture (n=12 dan m=3) [26] Tesis ini menggunakan jenis frame I dan P dengan urutan GOP IPP. Hal ini dilakukan agar proses pengkodean dan pendekodean berlangsung lebih cepat. 2.2.1. Model trafik decodable frame rate Decodable frame rate adalah model yang menggunakan parameter jumlah frame yang dapat didekodekan (Q). Semakin besar nilai Q, maka semakin baik kualitas video [7]. Nilai Q dapat dinyatakan dengan persamaan (2.1):
Universitas Sumatera Utara
11
Ndec
Q= (ππ‘ππ‘ππβ1+ππ‘ππ‘ππβπ) ............................................. (2.1) Dengan Ndec adalah penjumlahan dari Ndec-1 dan Ndec-P, yaitu jumlah frame I dan frame P yang dapat didekodekan. Sebuah frame dianggap decodable ketika semua data dalam setiap frame diterima. Namun frame hanya dianggap decodable jika, dan hanya jika semua frame di mana itu tergantung pada juga decodable. Dalam kasus terburuk, seluruh GOP dapat dianggap tidak decodable karena codec video frame I yang salah, karena semua lainnya frame dalam GOP tergantung langsung atau tidak langsung pada frame I. Tabel 2.1 menunjukkan parameter Frame Rate decodable agar lebih mudah dalam perhitungan. Tabel 2.1 Adopsi notasi Notasi Ntotal βI N total βP N dec βI N dec βp
Keterangan rumus Jumlah total frame tiap tipe
Junlah frame decodable tiap tipe
Ndec
Total Jumlah frame decodable aliran video
NGop
Total Jumlah GOP aliran video
C I , CP P
Rata-rata Jumlah paket transport data tiap tipe Packet lose rate
Proses perhitungan frame yang decodable meliputi jumlah frame yang decodable antara lain:
Universitas Sumatera Utara
12
1.
Jumlah frame decodable yang diharapkan (Ndec- I)
Dalam GOP, frame I decodable jika semua paket milik frame I dikirimkan dan diterima dalam keadaan utuh atau tidak terjadi kehilangan data. Oleh karena itu, probabilitas bahwa frame I decodable sesuai dengan persamaan (2.2) S(I) = (1 β π)πΆ1 ........................................................ (2.2) Sehingga total decodable benar yang dharapkan dari frame I untuk seluruh video adalah sesuai dengan persamaan (2.3) Ndec-I = (1 β π)πΆ1 β ππΊππ .............................................. (2.3) 2.
Jumlah decodable dari frame P (Ndec-P)
Dalam GOP, frame P adalah decodable hanya jika frame I sebelumnya atau frame P adalah decodable dan semua paket yang termasuk ke dalam frame P yang decodable. Dalam GOP, ada NP P frame, dan probabilitas frame P yang decodable adalah sebagai berikut: S(P1) = (1 β π)πΆ1 β (1 β π)πΆp = (1 β π)πΆ1+Cp ....................... (2.4) S(P2) = (1 β π)πΆ1 β (1 β π)πΆp β (1 β π)πΆp = (1 β π)πΆ1+2Cp .............................. (2.5) S(PNp) = (1 β π)πΆ1 β (1 β π)ππβπΆp = (1 β π)πΆ1+Np+Cp ........... (2.6) Dengan demikian jumlah proses atau hasil benar yang diharapkan dari decodable frame P untuk seluruh video adalah sesuai dengan persamaan (2.7) Np Ndec-P = (1 β π)πΆ1 β βj=1(1 β π)ππΆp ................................... (2.7)
Universitas Sumatera Utara
13
Agar dapat menganalisis model decodable frame rate, nilai faktor loss rate pada saat video ditransmisikan harus diketahui. Penentuan nilai faktor loss rate diperoleh dari hasil eksperimen berdasarkan pada perubahan keadaan dari urutan paket ketika video yang ditransmisikan. Gambar 2.3 mengilustrasikan perubahan keadaan ketika video ditransmisikan. Bila terjadi perubahan keadaan dari urutan paket atau tidak sesuai dengan urutan paket yang dikirimkan maka dikatakan βBadβ atau disebut probabilitas ππ΅ . Perubahan urutan paket menjadi Bad diakibatkan oleh hilangnya paket ketika dikirimkan. Bila urutan paket yang diterima sesuai dengan yang dikirimkan maka dikatakan βGoodβ atau disebut probabilitas ππΊ . Perubahan dari keadaan Good menjadi Bad disebut dengan ππΊπ΅ . Sedangkan perubahan dari keadaan Bad menjadi Good disebut dengan ππ΅πΊ . Probabilitas steady state dari masing β masing keadaan Good dan Bad dinyatakan oleh persamaan (2.8) dan (2.9) [8]. PGB
PGG = 1-PGB
Good
Bad
PG
PB
PBB = 1- PBG
PBG
Gambar 2.3 Diagram transisi keadaan Perubahan dari keadaan Good menjadi Bad disebut dengan ππΊπ΅ . Sedangkan perubahan dari keadaan Bad menjadi Good disebut dengan ππ΅πΊ . Probabilitas steady
Universitas Sumatera Utara
14
state dari masing β masing keadaan Good dan Bad dinyatakan oleh persamaan (2.8) dan (2.9) [8]. ππΊ = ππ΅ =
ππ΅πΊ ππ΅πΊ +ππΊπ΅ ππΊπ΅ ππ΅πΊ +ππΊπ΅
............................................... (2.8)
............................................... (2.9)
Nilai rata β rata Packet loss rate dapat diperoleh dengan menggunakan persamaan (2.10): πππ£π = ππΊ ππΊ + ππ΅ ππ΅ .................................. (2.10) πππ£π adalah packet loss rate dari lapisan transport. Packet loss rate pada lapisan medium (Pdecodable) diperoleh sebagai hasil pangkat packet loss rate pada lapisan transport dengan jumlah retransmisi maksimum yang diizinkan pada lapisan medium (N). Sehingga diperoleh: π
ππππππππππ = (πππ£π ) ................................. (2.11) Namun, pada jaringan wireless tidak ada retransmisi pada broadcasting dan multicasting, sehingga packet loss dari lapisan network sama dengan packet loss dari lapisan aplikasi. Packet loss yang dirasakan pada lapisan aplikasi diberikan oleh persamaan (2.12): πβ1 ππππππππ‘ = βπ = 1 β ππ .................... (2.12) π=1(1 β π)π
Universitas Sumatera Utara
15
Karena media transmisi video pada percobaan ini menggunakan jaringan 802.11, maka nilai packet loss rate dipengaruhi oleh probabilitas dari keberhasilan transmisi (ππ π’ππππ ππ’π ) pada jaringan 802.11 yang diberikan oleh persamaan (2.13): ππ π’ππππ ππ’π =
ππ(1βπ)πβ1 1β(1βπ)π
........................................ (2.13)
Dengan π adalah jumlah user, dan π adalah stationary probability dalam percobaan ini merupakan nilai probabilitas packet loss untuk model Decodable Frame Rate(π = ππππππππππ ). Nilai packet loss rate merupakan probabilitas dari kegagalan transmisi dari jaringan 802.11(π = ππ’ππ π’ππππ ππ’π ) yang diberikan oleh persamaan (2.14): ππ’ππ π’ππππ ππ’π = 1 β ππ π’ππππ ππ’π ............................. (2.14) 2.2.2. Model trafik two state markov Berbeda dengan penelitian yang dilakukan oleh Zhao et al dengan judul βMPEG-4 Video Transmission over Wireless Networks A Link Level Performance Studyβ yang memodelkan lapisan aplikasi dengan mengirimkan frame video dengan sekaligus, model two-state markov mendekati situasi nyata di mana frame video di lapisan aplikasi terfragmentasi dan dikirim ke dalam beberapa paket, seperti yang ditunjukkan pada Gambar 2.4(a) [5]. Frame I terpecah menjadi x paket dan frame P terpecah menjadi y paket. Diasumsikan terdapat dua keadaan, keadaan user mengirimkan frame I dan keadaan user mengirimkan frame P. Dengan menggunakan asumsi ini proses transmisi video dapat dimodelkan dengan menggunakan model two
Universitas Sumatera Utara
16
state markov chain seperti pada Gambar 2.4(b). Probabilitas mengirimkan paket frame I dan frame P dilambangkan masing-masing sebagai k dan h. Selain keadaan mengirimkan kedua jenis paket, lapisan aplikasi juga memiliki keadaan idle, dimana tidak ada paket yang dikirim. Namun karena paket yang dikirim oleh lapisan aplikasi disimpan dalam lapisan buffer medium access (MAC) sebelum proses transmisi terjadi, maka keadaan idle diabaikan. Sebagai akibatnya, probabilitas k adalah persentase pengiriman paket I dalam satu GOP dan probabilitas h adalah Application I-frame
P-frame
P-frame
P-frame
time
Queue in Buffer
p
Transmission I-frame I0 I1
Ix-1
P-frame P-frame P0 P1 Py-1 P0 P1
P-frame Py-1 P0 P1
1- p Py-1 time
(a). Video generation and transmission
I
P
k
h
1- r
r
(b). Video transmission model
Gambar 2.4 Aplication layer model [5] Persentase pengiriman paket P dalam satu GOP. Probabilitas mengirimkan paket berurutan dilambangkan sebagai (1 - p) dan (1 - r). Dengan asumsi protokol yang digunakan adalah UDP, dari x paket frame I, hanya 1 paket di ikuti oleh paket P, demikian juga setelah pengiriman paket y, hanya 1 paket diikuti oleh paket I. Oleh
Universitas Sumatera Utara
17
karenanya, p =1/x dan r =1/y. Probabilitas steady state dari model two-state markov ditunjukkan pada Gambar 2.5, dengan persamaan sebagai berikut: π
ππΌ = π+π ...................................................... (2.15) π
ππ = π+π .................................................... (2.16) Probabilitas kesalahan (ππΈ ) dapat dihitung sesuai dengan kenyataan bahwa kesalahan terjadi ketika sebuah penerima menerima paket yang bukan paket I atau paket P, sehingga nila (ππΈ ) dinyatakan dengan persamaan (2.17) ππΈ = (1 β π β β) β (ππΌ + ππ ) ............................... (2.17)
Gambar 2.5 Model udp a.
Packet Loss
Pada jaringan 802.11, user mendeteksi saluran dan mengirimkan paket jika kanal dalam keadaan idle untuk jangka waktu Distributed Inter Frame Space (DIFS). Jika kanal dalam keadaan sibuk, user menunda transmisi pada rentang back off karena node mengirimkan paket Request to Send (RTS) sebelum transmisi data, keberhasilan permintaan ikut menentukan keberhasilan transmisi.
Universitas Sumatera Utara
18
Probabilitas proses transmisi yang mengalami tabrakan dapat diekspresikan sesuai dengan persamaan (2.18): πππππππ πππ = 1 β (1 β π)πβ1 ................................ (2.18) Sementara Probabilitas bahwa user berhasil mengirimkan paket dinyatakan dengan persamaan (2.19): ππ π’ππ =
ππ(1βπ)πβ1 1β(1βπ)π
............................................... (2.19)
Jika laju kedatangan rata-rata setiap user adalah Ξ», maka probabilitas user mengirimkan paket dapat dinyatakan sebagai Ο = Ξ»/n, dimana n adalah jumlah user. Sehingga Persamaan 2.19 dapat ditulis kembali sesuai dengan persamaan (2.20): ππ π’ππ =
π(1βπ/π)πβ1 1β(1βπ/π)π
.............................................. (2.20)
Jika kita diasumsikan setiap packet error dianggap sebagai packet loss, maka total paket loss dapat diproyeksikan dengan menggunakan persamaan (2.17) dan (2.19), probabilitas kesalahan (PE) menjadi: ππΈ = (1 β π. ππ π’ππ(πΌ) β β. ππ π’ππ(π) ) β (ππΌ + ππ ) ...................... (2.21) Packet loss dapat dihitung dengan persamaan (2.22): πΏππ π = (πππ βπΊππ). π₯. (1 + πΏ). ππΈ(πΌ) + (πππ β πππ βπΊππ). π¦. ππΈ(π) ................ (2.22) Komponen pertama adalah packet loss I dan kemudian packet loss P.
Universitas Sumatera Utara
19
b.
Packet Delay
Dengan mempertimbangkan dua komponen utama delay: Delay di buffer dan delay akses medium.Waktu tunggu dalam buffer user dimodelkan dengan menggunakan sistem antrian M/G/1. Model ini juga digunakan dalam [10]. Waktu tunggu dalam buffer simpul user diberikan oleh: ππ =
πβ π 2π(1βπβπ )
............................................... (2.23)
Delay akses medium didefinisikan sebagai berikut: π·=
(1β2πππππ )(π+1)+πππππ π(1β(2πππππ )π) 2(1β2πππππ )(1βπππππ )
π₯((1 β ππ‘π )π + ππ‘π ππ π’π ππ + ππ‘π (1 β ππ π’π )ππ ................. (2.22)
Dimana Pcoll adalah probabilitas terjadinya tabrakan, Ptr adalah probabilitas setidaknya satu simpul melakukan transmisi, Psuc adalah probabilitas keberhasilan, Ts adalah lama waktu bila trasmisi berhasil, Tc adalah lama waktu bila proses tabrakan terjadi dan Ξ± adalah slot waktu. 2.3.
Pemodelan Jaringan 802.11 dengan Model Bianchi Kontribusi utama dari analisis model bianchi adalah perhitungan dari ambang
batas normal throughput dalam sebuah sebuah ekspresi tertutup. Model juga memperhitungkan probabilitas dari kegagalan paket transmisi akibat proses tabrakan. Ini mengasumsikan bahwa saluran ini dalam kondisi ideal, yaitu dengan tidak adanya terminal yang tersembunyi. Bianchi menggunakan markov chain dua dimensi dimana setiap tahapan mewakili time slot sebuah user. Proses transisi terjadi pada proses
Universitas Sumatera Utara
20
tabrakan dan proses transmisi yang sukses, berpindah dari satu tahapan ketahapan selanjutnya. Model ini mengadopsi skala waktu diskrit dan integer. Pada skala waktu t dan t+1 cocok untuk memulai 2 buah slot waktu yang berurutan. Setiap pengurangan station akan menghitung waktu mundur pada saat dimulai waktu slot. Pengurangan waktu mundur akan berhenti ketika saluran dalam keadaan sibuk dengan interval waktu t dan t+1, dan akan lebih dari waktu slot untuk 802.11, karena sudah termasuk waktu pengiriman paket dan proses tabrakan. Jika P adalah probabilitas didalam waktu slot, setidaknya salah satu N-1 station tersisa untuk mentransmisikan juga, maka P ditulis [11]: Ptr = 1 β (1 β π)πβ1 ............................................. (2.25) Probabilitas saluran akses π dari node fungsi waktu mundur pada level m dan nilai aggapan minimum dari jendela Wmin serta probabilitas tabrakan P Ξ = βπ π=0 π π, 0 =
π0,0 1βπ
=
2(1β2π) (1β2π)(ππππ+1)(πππππ(1β(2π)π )
.................... (2.26)
2
Ξ = 1+ππππ+πππππ βπβ1(2π)π ............................... (2.27) π=0
Sehingga nilai saturasi throughput dapat dihitung Ζ¬=
πΈ [πππ¦ππππ ππππππππ‘πππ π‘ππππ πππ‘π‘ππ ππ π π πππ‘ π‘πππ] πΈ[π·π’πππ‘πππ ππ π πππ‘ π‘πππ] ππ ππ‘ππΏ
Ζ¬ = ππ Ptrππ +ππ‘π(1βππ )ππ+(1βππ‘π)πππ ................................. (2.26)
Universitas Sumatera Utara
21
Dimana: Ptr: Probability of at least one transmission in slot time a.
Ps:Probability of successful transmission during a random time slot
b.
L:Average packet payload size
c.
Tid:Duration of the idle period
d.
tACK:ACK transmission time
e.
tH:Header transmission time
f.
tL:Payload transmission time Ps =
ππ(1βπ)πβ1 1β(1βπ)π
.................................................... (2.29)
Ts = th + tL + SIFS+Ο + tACK + DIFS + Ο ............. (2.30) Tc = th + tL + DIFS + Ο ......................................... (2.31) 2.4.
Parameter Kinerja Trafik Jaringan Pengujian sistem bertujuan untuk mengetahui kemampuan jaringan WLAN
sebagai media video streaming serta untuk mengetahui kualitas video yang diterima pada sisi client. Pengujian dilakukan menggunakan editor netbean untuk piranti lunak streamer, pada sisi server dilakukan penginstalan piranti lunak UDP receiver dan pada sisi user digunakan UDP sender. Protokol yang digunakan adalah WLAN 802.11 yang dapat mengalokasikan bandwith hingga 54 Mbps.
Universitas Sumatera Utara
22
Parameter kinerja yang digunakan dalam mengukur kinerja jaringan WLAN adalah decodable frame rate. Decodable frame rate adalah perbandingan antara jumlah frame decodable dengan jumlah frame yang dikirimkan oleh sumber video, atau dinyatakan dengan rumus: π·ππππππππ πΉππππ π
ππ‘π = π 2.5.
ππππ πππ‘ππ πΌ + ππππ‘ππ π
....................... (2.32)
Analisis Statistik Analisis
Korelasi
adalah
metode
statistika
yang
digunakan
untuk
menentukan kuatnya atau derajat hubungan linier antara dua variabel atau lebih. Semakin nyata hubungan linear, maka semakin kuat atau tinggi derajat hubungan garis lurus antara kedua variabel atau lebih. Ukuran untuk derajat hubungan garis lurus ini dinamakan koefisien korelasi. Untuk menunjukkan besarnya keeratan hubungan antara dua variabel acak yang masing-masing memiliki skala pengukuran minimal interval dan berdistribusi bivariat, digunakan koefisien korelasi yang dirumuskan sebagai berikut [12]: π =
π.βπ₯π¦ββπ₯.βπ¦ β[πβπ₯ 2 β(βπ₯)2 ][nβy2 β(βπ¦)2 ]
.............................. (2.33)
Dimana: a.
Koefisien korelasi yang dirumuskan seperti itu disebut koefisien korelasi Pearson atau koefisien korelasi product moment.
b.
Besar r adalah β 1 β€ r β€ + 1
Universitas Sumatera Utara
23
c.
Tanda + menunjukkan pasangan X dan Y dengan arah yang sama, sedangkan tanda β menunjukkan pasangan X dan Y dengan arah yang berlawanan.
d.
π yang besarnya semakin mendekati 1 menunjukkan hubungan X dan Y cenderung sangat erat. Jika mendekati 0 hubungan X dan Y cenderung kurang kuat.
e.
π = 0 menunjukkan tidak terdapat hubungan antara X dan Y
Analisis
Regresi
adalah
metode
statistika
yang
digunakan
untuk
menentukan kemungkinan bentuk hubungan antara dua atau lebih variabel bebas (X) dengan variabel terikat (Y). Tujuan pokok penentuan metode ini adalah untuk meramalkan atau memperkirakan nilai dari satu variabel (Y) dalam hubungannya dengan variabel yang lain (X). Analisis regresi sederhana adalah proses mengestimasi sebuah fungsi hubungan antara variable dependen (Y) dengan variabel independen (X). Dalam suatu persamaan regresi besarnya nilai variable dependen adalah tergantung pada nilai variable lainnya. Model persamaan regresi linear sederhana: Y = Ξ± + Ξ²X + Ξ΅
(model populasi) ................... (2.34)
Y = a + bX + e
(model sampel) ..................... (2.35)
Dimana a dan b adalah estimate value untuk Ξ± dan Ξ², a adalah kontanta, secara grafik menunjukkan intersep, b adalah koefisien regresi yang menunjukkan besarnya
Universitas Sumatera Utara
24
pengaruh X terhadap Y, secara grafik menunjukkan slope (kemiringan garis regresi). Jika data hasil observasi terhadap sampel acak berukuran n telah tersedia, maka untuk mendapatkan persamaan regresi Y = a + bX, perlu dihitung a dan b dengan metode kuadrat kekeliruan terkecil (least square error methods) [12]. π=
β π¦.βπ₯ 2 ββπ₯.βπ₯π¦ π.βπ₯ 2 β (βπ₯)2
πππ π =
π.β π₯π¦.ββπ₯.βπ¦ ....................... π.βπ₯ 2 β (βπ₯)2
(2.36)
Proses analisis statistik meliputi indeks determinasi dan pengujian regresi: a.
Indeks Determinasi (R2)
Dalam analisis regresi, koefisien korelasi yang dihitung tidak untuk diartikan sebagai ukuran keeratan hubungan variabel bebas (X) dan variabel tidak bebas (Y), sebab dalam analisis regresi asumsi normal bivariat tidak terpenuhi. Untuk itu, dalam analisis regresi agar koefisien korelasi yang diperoleh dapat diartikan maka dihitung indeks determinasinya, yaitu hasil kuadrat dari koefisien korelasi: R 2xy ο½ (rxy ) 2 Indeks determinasi yang diperoleh tersebut digunakan untuk menjelaskan persentase variasi dalam variabel tidak bebas (Y) yang disebabkan oleh bervariasinya variabel bebas (X). Hal ini untuk menunjukkan bahwa variasi dalam variabel tak bebas (Y) tidak semata-mata disebabkan oleh bervariasinya variabel bebas (X), bisa saja variasi dalam variabel tak bebas tersebut juga disebabkan oleh bervariasinya variabel bebas lainnya yang mempengaruhi variabel tak bebas tetapi tidak dimasukkan dalam model persamaan regresinya.
Universitas Sumatera Utara
25
b. Pengujian Hipotesis Koefisien Regresi Linear Sederhana Selanjutnya dilakukan pengujian hipotesis secara statistis terhadap koefisien regresi yang diperoleh tersebut. Ada dua jenis pengujian yaitu uji t dan uji F. Uji t digunakan untuk menguji koefisien regesi secara individual atau untuk menguji ada tidaknya pengaruh variabel bebas (X) terhadap variabel tidak bebas (Y). Uji F digunakan untuk menguji koefisien regresi secara simultan serentak atau untuk menguji keberartian model regresi yang digunakan [13]. UJI t Hipotesis statistiknya: Ho : Ξ² = 0 (X tidak berpengaruh terhadap Y) H1 : Ξ² β 0 (X berpengaruh terhadap Y) tο½
Statistik uji:
b sb
sb ο½
se2 n
ο₯x
2 i
i ο½1
n
se2 ο½
ο₯e i ο½1
2 i
nο2
........................................ (2.37)
n n οΆ 2 2 2ο¦ e ο½ y ο b xi2 ο· ο§ ο₯ ο₯ ο₯ i i i ο½1 i ο½1 ο¨ i ο½1 οΈ n
Universitas Sumatera Utara
26
Kriteria uji: Tolak H0 jika thit β₯ ttab atau thit β€ οttab atau terima H0 jika οttab< thit < ttab Dengan t tab
ο½ t 0.5ο‘;df ο½nο2
UJI F Hipotesis statistiknya: Ho : Ξ² = 0 (model regresi Y terhadap X tidak berarti) H1 : Ξ² β 0 (model regresi Y terhadap X memiliki arti)
Fο½ Statistik uji:
RJK reg ο½
JK reg 1
RJK reg RJK ο₯
; JK reg
n n ο¦ οΆ X i ο₯ Yi ο· ο§ n ο₯ JKο₯ ............... (2.38) ο½ bο§ ο₯ X iYi ο i ο½1 i ο½1 ο· ; RJK ο₯ ο½ ο§ i ο½1 ο· n nο2 ο§ ο· ο¨ οΈ
2
ο¦ n οΆ ο§ ο₯ Yi ο· n 2 JKο₯ ο½ ο₯ Yi ο ο¨ i ο½1 οΈ ο JK reg n i ο½1 Kriteria uji: Tolak H0 jika Fhit β₯ Ftab Ftab = FΞ±ο»(v1,v2) dimana v1 = 1 dan v2 = n ο 2 Pengujian Koefisen Korelasi Hipotesis statistiknya: Ho: ΟXY = 0 (Tidak terdapat hubungan antara X dan Y)
Universitas Sumatera Utara
27
H1: ΟXY β 0 (Terdapat hubungan antara X dan Y) Statistik uji: π‘ =
πβπβ2 β1βπ 2
Kriteria uji: Tolak H0 jika thit β₯ ttab atau thit β€ οttab atau terima H0 jika οttab< thit < ttab
Dengan t tab
ο½ t 0.5ο‘;df ο½nο2
Universitas Sumatera Utara