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

DAFTAR ISI
DAFTAR ISI..............................................................................................................i BAB I PENDAHULUAN ..........................................................................................1 A. B. Latar Belakang ..............................................................................................1 Rumusan Masalah .........................................................................................2

C. Tujuan Penulisan ...........................................................................................2 BAB II PEMBAHASAN ...........................................................................................3 A. B. C. D. Defenisi Regresi Berganda dengan Variabel Independen Dummy .................3 Pemanfaatan Regresi Berganda dengan Variabel Dummy ..............................3 Kasus .............................................................................................................4 Hasil Analisi ...................................................................................................9

BAB III PENUTUP ................................................................................................. 14 Kesimpulan ......................................................................................................... 14 DAFTAR PUSTAKA .............................................................................................. 15

Regresi dengan Variabel Bebas Dummy

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-

Regresi dengan Variabel Bebas Dummy

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) b) c) Bagaimana defenisi dari regresi berganda dengan variabel dummy ? Bagaimana pemanfaatan Regresi berganda dengan variabel dummy? 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) b) c)

Untuk mengetahui defenisi dari regresi berganda dengan variabel dummy. Untuk mengetahui pemanfaatan regresi berganda dengan variabel dummy. 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.

Regresi dengan Variabel Bebas 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 Lakilaki = 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

Regresi dengan Variabel Bebas Dummy

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
6.50 6.50 6.25 6.25 5.50 5.50 6.00 5.25 4.50 5.00 5.25 4.25 5.50 4.00 4.00 3.75 6.00 5.00 3.75

D
10 10 10 10 7 7 10 8 5 10 7 5 7 8 8 8 12 10 8

X1
1.00 1.00 .00 .00 1.00 1.00 .00 1.00 1.00 1.00 .00 .00 1.00 1.00 1.00 .00 1.00 1.00 .00

X2
2.00 2.00 2.00 2.00 2.00 2.00 1.00 2.00 2.00 1.00 2.00 2.00 2.00 1.00 1.00 1.00 1.00 1.00 1.00

Regresi dengan Variabel Bebas Dummy

3.75 4.75 4.00 4.00 5.00 6.00 5.75 4.00 4.75 6.00 4.75

7 10 9 8 10 12 12 8 9 8 11

.00 .00 1.00 1.00 1.00 1.00 .00 1.00 .00 1.00 .00

1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 2.00 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

Regresi dengan Variabel Bebas Dummy

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.

Regresi dengan Variabel Bebas Dummy

3. Pindahkan variabel Y ke dalam kolom Dependent dan pindahkan X1, X2,dan D ke dalam kolom Independent.

Regresi dengan Variabel Bebas Dummy

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.

Regresi dengan Variabel Bebas Dummy

D. Hasil Analisi
Berikut ini hasil output dan penjelasannya: a. Tabel 1

Variables Entered/Removedb Mod el

d

Variables Entered tingkat_pen didikan, jenis_kela min, masa_beke rjaa

Variables Removed Method . 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

Regresi dengan Variabel Bebas Dummy

atau dihapuskan tidak ada. Dengan kata lain, semua variabel bebas dimasukkan dalam analisis regresi linier berganda tersebut.

b. Tabel 2
Model Summaryb Model R
d

Adjusted R R Square .881 Square .867

Std. Error of the Estimate .32917 Durbin-Watson 2.128

.939a

a. Predictors: (Constant), tingkat_pendidikan, jenis_kelamin, masa_bekerja b. Dependent Variable: gaji

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.

Regresi dengan Variabel Bebas Dummy

10

Standard Error of Estimate adalah 0,32917 Karena 0,32917 mendekati nilai 0, maka data tersebut model excellent. c. Tabel 3

ANOVAb Model 1 Regression Residual Total Sum of Squares 20.858 2.817 23.675 df 3 26 29 Mean Square 6.953 .108 F 64.167 Sig. .000a

a. Predictors: (Constant), tingkat_pendidikan, jenis_kelamin, masa_bekerja b. Dependent Variable: gaji

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;3;26) adalah 2,98. 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 = 0,05 dimana Sig.hitung < , 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.

Regresi dengan Variabel Bebas Dummy

11

Tabel 4
Coefficientsa Model Unstandardized Coefficients Standardiz ed Coefficients Collinearity Statistics Toleranc B 1 (Constant) masa_bekerja jenis_kelamin tingkat_pendidi kan a. Dependent Variable: gaji -1.014 .428 .093 1.603 Std. Error .449 .037 .123 .137 .874 .051 .884 Beta t -2.258 11.633 .750 11.707 Sig. .033 .000 .460 .000 .811 .988 .803 1.233 1.013 1.245 e VIF

Dari tabel diatas diperoleh koefisien nilai dari kolom B pada Unstandardized Coefficients, yaitu: 1 = -1.014 2 = 0,093 3 = 1,603 1 = 0,428 Adapun persamaan regresi linier berganda sementara yang dapat diperoleh: = 1 + 2X1 + 3X2 + D + = -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 < ( = 0,05), maka variabel bebas tersebut berpengaruh signifikan terhadap variabel terikat. Artinya: Masa Kerja Sig.hitung = 0.00 < = 0,05 , jadi Masa Kerja berpengaruh secara signifikan terhadap gaji karyawan. Jenis Kelamin

Regresi dengan Variabel Bebas Dummy

12

Sig.hitung = 0,.460> = 0.05 , jadi Jenis kelamin tidak berpengaruh secara signifikan terhadap gaji karyawan. Tingkat Pendidikan Sig.hitung = 0,00 < = 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: = -1,014 + 0,093X1 + 1,603X2 + 0,428D

Regresi dengan Variabel Bebas Dummy

13

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 klasifikasiklasifikasi 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.

Regresi dengan Variabel Bebas Dummy

14

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)

Regresi dengan Variabel Bebas Dummy

15