model regresi dengan variabel bebas dummy

EKONOMETRIKA

(AKKC 156)

MODEL REGRESI DENGAN

VARIABEL BEBAS DUMMY

Dosen Pembimbing:

Drs. H. Karim, M.Si

Indah Budiarti, M.Pd

Oleh:

Agung Handoko (A1C111037)

Program Studi Pendidikan Matematika

Jurusan Pendidikan Matematika dan Ilmu Pengetahuan Alam

Fakultas Keguruan dan Ilmu Pendidikan

Universitas Lambung Mangkurat

Banjarmasin

2013

Regresi dengan Variabel Bebas Dummy i

DAFTAR ISI

DAFTAR ISI ..............................................................................................................i

BAB I PENDAHULUAN .......................................................................................... 1

A. Latar Belakang .............................................................................................. 1

B. Rumusan Masalah ......................................................................................... 2

C. Tujuan Penulisan ........................................................................................... 2

BAB II PEMBAHASAN ........................................................................................... 3

A. Defenisi Regresi Berganda dengan Variabel Independen Dummy ................. 3

B. Pemanfaatan Regresi Berganda dengan Variabel Dummy .............................. 3

C. Kasus ............................................................................................................. 4

D. Hasil Analisi ................................................................................................... 9

BAB III PENUTUP ................................................................................................. 14

Kesimpulan ......................................................................................................... 14

DAFTAR PUSTAKA .............................................................................................. 15

Regresi dengan Variabel Bebas Dummy 1

BAB I

PENDAHULUAN

A. Latar Belakang

Penggunaan statistika dalam segala bidang akan mempengaruhi tingkat analisis

dari hasil penelitian yang sedang dilakukan. Penelitian dalam bidang peternakan

yang menggunakan aspek penghitungan statistika akan memperoleh data yang

hampir mendekati benar atau dengan memperhatikan dari analisis regresi. Untuk

mengukur besarnya pengaruh variabel bebas terhadap variabel tergantung dan

memprediksi variabel tergantung dengan menggunakan variabel bebas. Analisis

regresi sebagai kajian terhadap hubungan satu variabel yang disebut sebagai

variabel yang diterangkan (the explained variabel) dengan satu atau dua variabel

yang menerangkan (the explanatory). Variabel pertama disebut juga sebagai

variabel tergantung dan variabel kedua disebut juga sebagai variabel bebas. Jika

variabel bebas lebih dari satu, maka analisis regresi disebut regresi linear berganda.

Disebut berganda karena pengaruh beberapa variabel bebas akan dikenakan kepada

variabel tergantung.

Analisis ini banyak digunakan dalam bidang penulisan karya ilmiah yang

menyangkut dengan perhitungan hasil akhir yang mana akan menentukan berhasil

atau tidaknya sebuah penelitian yang sedang dilakukan dengan melihat kesimpulan

yang ditarik dari perhitungan analisis regresi. Penghitungan ini tidak hanya

melibatkan satu analisis saja, namun akan menyangkut beberapa penghitungan

statistika agar menunjang dari hasil analisis regresi,misalnya kita menggnakan uji

t, uji chi, penggunaan anova dan pendugaan hipotesis.

Salah satu bagian dari regresi linear berganda adalah regresi berganda dengan

variabel dummy (variabel boneka). Variabel dummy adalah variabel yang

digunakan untuk mengkuantitatifkan variabel yang bersifat kualitatif (misal: jenis

kelamin, ras, agama, perubahan kebijakan pemerintah, perbedaan situasi dan lain-


lain). Variabel dummy merupakan variabel yang bersifat kategorikal yang diduga

mempunyai pengaruh terhadap variabel yang bersifat kontinue

Hal inilah yang kemudian menarik untuk diketahui tentang bagaimana

pengertian, pemanfaatan serta model variable dummy. Oleh karena itu penulis

berusaha untuk memberikan pemahaman tentang pertanyaan tersebut dalam

makalah ini. Semoga makalah ini dapat menjadi jawaban dan memberikan

pemahaman terkait pertanyaan yang dikaji.

B. Rumusan Masalah

Dari latar belakang di atas dapat diambil rumusan permasalahan yaitu:

a) Bagaimana defenisi dari regresi berganda dengan variabel dummy ?

b) Bagaimana pemanfaatan Regresi berganda dengan variabel dummy?

c) Bagaimana contoh soal, penyelesaian dan interpretasi regresi berganda dengan

variabel dummy?

d) Bagaimana kesimpulan yang didapat dari contoh soal regresi berganda dengan

variabel dummy?

C. Tujuan Penulisan

Berdasarkan rumusan masalah diatas, maka tujuan penulisan makalah ini yaitu :

a) Untuk mengetahui defenisi dari regresi berganda dengan variabel dummy.

b) Untuk mengetahui pemanfaatan regresi berganda dengan variabel dummy.

c) Untuk mengetahui contoh soal, penyelesaian dan interpretasi regresi berganda

dengan variabel dummy.

d) Untuk mengetahui kesimpulan yang didapat dari contoh soal regresi berganda

dengan variabel dummy.


BAB II

PEMBAHASAN

A. Defenisi Regresi Berganda dengan Variabel Independen Dummy

Variabel dummy adalah variabel yang digunakan untuk mengkuantitatifkan

variabel yang bersifat kualitatif (misal: jenis kelamin, ras, agama, perubahan

kebijakan pemerintah, perbedaan situasi dan lain-lain). Variabel dummy merupakan

variabel yang bersifat kategorikal yang diduga mempunyai pengaruh terhadap

variabel yang bersifat kontinue. Variabel dummy sering juga disebut variabel

boneka, binary, kategorik atau dikotom. Variabel dummy hanya mempunyai 2 (dua)

nilai yaitu 1 dan nilai 0, serta diberi simbol D. Dummy memiliki nilai 1 (D=1) untuk

salah satu kategori dan nol (D=0) untuk kategori yang lain.

B. Pemanfaatan Regresi Berganda dengan Variabel Dummy

Tujuan menggunakan regresi berganda dummy adalah memprediksi besarnya

nilai variabel tergantung/dependent atas dasar satu atau lebih variabel

bebas/independent, di mana satu atau lebih variabel bebas yang digunakan bersifat

dummy. Variabel dummy adalah variabel yang digunakan untuk membuat kategori

data yang bersifat kualitatif (data kualitatif tidak memiliki satuan ukur), agar data

kualitatif dapat digunakan dalam analisa regresi maka harus lebih dahulu di

transformasikan ke dalam bentuk Kuantitatif. contoh data kualitatif misal jenis

kelamin adalah laki-laki dan perempuan, harus di transform ke dalam bentuk Laki-

laki = 1 ; Perempuan = 0. atau tingkat pendidikan misal SMA dan Sarjana, maka

diubah menjadi SMA = 0 ; Sarjana = 1, skala yang terdiri dari dua yakni 0 dan 1

disebut kode Binary, sedangkan persamaan model yang terdiri dari Variabel

Dependentnya Kuantitatif dan variabel Independentnya skala campuran : kualitatif

dan kuantitatif, maka persamaan tersebut disebut persamaan regresi berganda

Dummy. Dalam kegiatan penelitian, kadang variabel yang akan diukur bersifat

Kualitatif, sehingga muncul kendala dalam pengukuran, dengan adanya variabel


dummy tersebut, maka besaran atau nilai variabel yang bersifat Kualitatif tersebut

dapat di ukur dan diubah menjadi kuantitatif.

C. Kasus

Seorang Manager sebuah perusahaan industri mobil ingin mengetahui gaji

karyawan berdasarkan masa kerja, jenis kelamin dan tingkat pendidikan

karyawannya

Diketahui data sampel gaji 30 karyawan adalah sebagai berikut:

Y D X1 X2

6.50 10 1.00 2.00

6.50 10 1.00 2.00

6.25 10 .00 2.00

6.25 10 .00 2.00

5.50 7 1.00 2.00

5.50 7 1.00 2.00

6.00 10 .00 1.00

5.25 8 1.00 2.00

4.50 5 1.00 2.00

5.00 10 1.00 1.00

5.25 7 .00 2.00

4.25 5 .00 2.00

5.50 7 1.00 2.00

4.00 8 1.00 1.00

4.00 8 1.00 1.00

3.75 8 .00 1.00

6.00 12 1.00 1.00

5.00 10 1.00 1.00

3.75 8 .00 1.00


3.75 7 .00 1.00

4.75 10 .00 1.00

4.00 9 1.00 1.00

4.00 8 1.00 1.00

5.00 10 1.00 1.00

6.00 12 1.00 1.00

5.75 12 .00 1.00

4.00 8 1.00 1.00

4.75 9 .00 1.00

6.00 8 1.00 2.00

4.75 11 .00 1.00

Keterangan :

Y = Gaji (Rp)

D = Masa kerja (tahun)

X1 = Jenis kelamin 1 untuk pria dan 0 untuk wanita

X2 = Variabel dummy yang menghitung nilai 1 untuk pekerja dengan pendidikan

hingga tingkat SMA dan 2 untuk pekerja dengan pendidikan hingga tingkat Sarjana


Berikut ini langkah-langkah analisis dengan menggunakan program SPSS:

1. Buat variabel dan masukkan data dalam worksheet SPSS

2. Lakukan analisis dengan cara Klik Analyze > Regression > Linear,

selanjutnya akan muncul kotak dialog “Linear Regression”.


3. Pindahkan variabel “Y” ke dalam kolom “Dependent” dan pindahkan “X1”,

“X2”,dan “D” ke dalam kolom “Independent”.


4. Klik “Statistics”, aktifkan “Estimates” , “Model fit”, “Descriptives”,

“Collinearity diagnostics” dan “Durbin-Watson”. Klik “Continue”.

5. Klik “Plots”, pindahkan variabel “*Zresid” ke dalam kolom “Y” dan

pindahkan “*Zpred” ke dalam kolom “X”. Aktifkan “Histogram” dan

“Normal probability Plots”. Klik “Continue”.

6. Klik “Save”, Pada “Predicted Values” aktifkan “Unstandardized”. Pada

“Residuals” aktifkan “Unstandardized”. Klik “Continue” dan klik OK.


D. Hasil Analisi

Berikut ini hasil output dan penjelasannya:

a. Tabel 1

Variables Entered/Removedb

Mod

el

Variables

Entered

Variables

Removed Method

d

i

m

e

n

s

i

o

n

0

1 tingkat_pen

didikan,

jenis_kela

min,

masa_beke

rjaa

. Enter

a. All requested variables entered.

b. Dependent Variable: gaji

Dari tabel diatas diketahui bahwa variabel yang dimasukkan adalah tingkat

pendidikan, jenis kelamin dan masa kerja. Sedangkan variabel yang dihilangkan


atau dihapuskan tidak ada. Dengan kata lain, semua variabel bebas dimasukkan

dalam analisis regresi linier berganda tersebut.

b. Tabel 2

Model Summaryb

Model

R R Square

Adjusted R

Square

Std. Error of the

Estimate Durbin-Watson

d

i

m

e

n

s

i

o

n

0

1 .939a .881 .867 .32917 2.128

a. Predictors: (Constant), tingkat_pendidikan, jenis_kelamin, masa_bekerja


Tabel diatas menunjukkan bahwa kofisien atau R simultannya adalah 0,939.

Kisaran nilai R adalah 0 hingga 1. Semakin nilai R mendekati angka 1, maka

semakin kuat variabel-variabel bebas memprediksikan variabel terikat. Karena

0,939 mendekati angka 1, maka variabel-variabel bebas berupa tingkat pendidikan,

jenis kelamin dan masa kerja dapat gaji pekerja dengan cukup kuat. Sedangkan R

Square adalah 0,881 yaitu hasil kuadrat dari koefisien korelasi (0,939 x 0,939 =

0,881). Koefisien determinasi R-Square = 0.881 (88,1%). Ini menunjukkan bahwa

sebesar 88,1% variasi variabel dependent (Y) dapat dijelaskan oleh 3 variabel

independent (X1, X2,dan D), artinya pengaruh variabel independen terhadap

perubahan variabel dependen adalah 88,1%, sedangkan sisanya sebesar 11,9%

dipengaruhi oleh variabel lain selain variabel independen X1,X2 dan D. Seperti

halnya R Simultan, kisaran nilai adjusted R Square adalah 0 hingga 1. Dari tabel

diatas diketahui bahwa nilai adjusted R Square adalah 0,867 tidak mendekati 1,

sehingga ketetapan mencari jawaban berdasarkan sampel yang ada sangat tinggi.


Standard Error of Estimate adalah 0,32917 Karena 0,32917 mendekati nilai 0, maka

data tersebut model excellent.

c. Tabel 3

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 20.858 3 6.953 64.167 .000a

Residual 2.817 26 .108

Total 23.675 29

a. Predictors: (Constant), tingkat_pendidikan, jenis_kelamin, masa_bekerja


Dari tabel diatas, diketahui bahwa df (degree of freedom) adalah derajat kebebasan

dimana df regression (perlakuan) sebagai df pembilang dan df residual (sisa)

sebagai df penyebut. Nilai df pembilang adalah 3 (jumlah variabel bebas),

sedangkan df penyebut adalah 26. Disamping itu diketahui bahwa Fhitung adalah

64,167 diperoleh dari mean square untuk regression dibagi mean square untuk

residual (6,953 : 0,108). Kemudian nilai Ftabel kita peroleh dengan melihat pada

tabel untuk nilai dari F(0,05;6;23) adalah 2,53.

Karena Fhitung > Ftabel, maka dapat disimpulkan bahwa variabel bebas (tingkat

pendidikan, jenis kelamin dan masa kerja ) secara serentak mempengaruhi gaji

pekerja atau dengan kata lain model regresi dapat digunakan untuk memprediksi

gaji Pekerja.

Selain itu, kita juga dapat menarik kesimpulan dengan membandingkan nilai

Sig.hitung pada tabel diatas yaitu 0,001 dengan α = 0,05 dimana Sig.hitung < α,

sehingga juga dapat ditarik kesimpulan yang sama bahwa variabel bebas (tingkat

pendidikan, jenis kelamin dan masa kerja) secara serentak mempengaruhi gaji

pekerja atau dengan kata lain model regresi dapat digunakan untuk memprediksi

gaji Pekerja.


Tabel 4

Coefficientsa

Model

Unstandardized

Coefficients

Standardiz

ed

Coefficients

t Sig.

Collinearity

Statistics

B Std. Error Beta

Toleranc

e VIF

1 (Constant) -1.014 .449 -2.258 .033

masa_bekerja .428 .037 .874 11.633 .000 .811 1.233

jenis_kelamin .093 .123 .051 .750 .460 .988 1.013

tingkat_pendidi

kan

1.603 .137 .884 11.707 .000 .803 1.245

a. Dependent Variable: gaji

Dari tabel diatas diperoleh koefisien nilai β dari kolom B pada Unstandardized

Coefficients, yaitu:

α1 = -1.014

α2 = 0,093

α3 = 1,603

β1 = 0,428

Adapun persamaan regresi linier berganda sementara yang dapat diperoleh:

Ŷ = α1 + α2X1 + α3X2 + βD + Ԑ

Ŷ = -1,014 + 0,093X1 + 1,603X2 + 0,428D

Disamping itu, kolom Sig. diatas juga menunjukkan nilai signifikansi hubungan

antara setiap variabel bebas dngan variable terikat dimana jika Sig.hitung < α (α =

0,05), maka variabel bebas tersebut berpengaruh signifikan terhadap variabel

terikat. Artinya:

Masa Kerja

Sig.hitung = 0.00 <α = 0,05 , jadi Masa Kerja berpengaruh secara signifikan

terhadap gaji karyawan.

Jenis Kelamin


Sig.hitung = 0,.460> α = 0.05 , jadi Jenis kelamin tidak berpengaruh secara

signifikan terhadap gaji karyawan.

Tingkat Pendidikan

Sig.hitung = 0,00 < α = 0,05 , jadi Tingkat Pendidikan berpengaruh secara

signifikan terhadap gaji karyawan.

Karena tidak semua variable bebas pada regresi tersebut yang signifikan

terhadap variabel terikat, maka model persamaan regresi tersebut menjadi:

Ŷ = -1,014 + 0,093X1 + 1,603X2 + 0,428D


BAB III

PENUTUP

Kesimpulan

Dari hasil pembahasan diatas maka dapat ditarik beberapa kesimpulan,

yaitu:

a) Variabel dummy adalah variabel yang digunakan untuk mengkuantitatifkan

variabel yang bersifat kualitatif (misal: jenis kelamin, ras, agama, perubahan

kebijakan pemerintah, perbedaan situasi dan lain-lain)

b) Variabel dummy digunakan sebagai upaya untuk melihat bagaimana klasifikasi-

klasifikasi dalam sampel berpengaruh terhadap parameter pendugaan.

c) Tujuan menggunakan regresi berganda dummy adalah memprediksi besarnya

nilai variabel tergantung/dependent atas dasar satu atau lebih variabel

bebas/independent, di mana satu atau lebih variabel bebas yang digunakan bersifat

dummy.

d) Variabel dummy hanya mempunyai 2 (dua) nilai yaitu 1 dan nilai 0, serta diberi

simbol D. Dummy memiliki nilai 1 (D=1) untuk salah satu kategori dan nol (D=0)

untuk kategori yang lain.


DAFTAR PUSTAKA

Algifari. 2000. Analisis Regresi (Teori, Kasus dan solusi). Edisi II. Badan

Penerbit Fakultas Ekonomi Yogyakarta, Yogyakarta.

Miller. J.C. 1991. Statistika untuk Kimia Analitik. Bandung : ITB

M. Nazir, 1983, Metode Statistika dasar I , Gramedia Pustaka Utama :Jakarta.

http://ineddeni.wordpress.com/.../analisis-regresi-dengan-variabel-bebas -dummy/

(diakses, 17 Desember 2013, 20.22)

http://ineddeni.wordpress.com/.../analisis-regresi-dengan-variabel-bebas%20-dummy/

model regresi dengan variabel bebas dummy

Education