Regresi Dummy

http://oc.its.ac.id/jurusan.php?fid=1&jid=3
Wiwiek Setya Winahju, wiwiek@statistika.its.ac.id

9,2

342

Nama lain Regresi Dummy adalah Regresi Kategori.

Re-gresi ini menggunakan prediktor kualitatif (yang
bukan dummy dinamai prediktor kuantitatif).
Pembahasan pada regresi ini hanya untuk satu macam
variabel dummy dan dikhususkan pada penaksiran
parameter dan kemaknaan pengaruh prediktor.
Pembahasan akan dilakukan dengan menggunakan
berbagai contoh.

Sumber : Classical And Modern Regression, Second

Edition, oleh Raymond H Myers, 1990, halaman 143.

Contoh 1

Regression Analysis: Suspended Solid versus pH; Z1; Z2;

Z3

Suatu penelitian bertujuan memodelkan hubungan

antara kandungan Suspended Solids dengan pH pada
air yang keluar dari outlet sistim pembersihan batubara.
Sistim menggunakan tiga macam Polymer. Model
dugaan ada-lah :
Yi = 0 + 1X1i + 2Z1i + 3Z2i + i , i = 1, 2, ... , 18.
Polimer sebagai variabel dummy yang terdiri dari tiga
le-vel, yaitu 1, 2, dan 3, dinyatakan oleh tiga variabel,
yaitu Z1, Z2, dan Z3. Command untuk mendapatkan
nilai-nilai variabel dummy dengan MINITAB adalah :
MTB
MTB
MTB
MTB

>
>
>
>

INDICATOR C14 C15 C16 C17

name C15 Z1
name C16 Z2
name C17 Z3

Keluaran pengolahan data adalah sebagai berikut :

MTB > Regress 'Suspended Solid' 4 'pH' 'Z1'
'Z2' 'Z3';
SUBC>
Constant;
SUBC>
Brief 2.

* Z3 is highly correlated with other X

variables
* Z3 has been removed from the equation.
The regression equation is
Suspended Solid = - 162 + 54,3 pH + 90,0 Z1 +
27,2 Z2
Predictor
Constant
pH
Z1
Z2

Coef
-161,90
54,294
90,00
27,17

S = 19,0464

SE Coef
37,43
4,755
11,05
11,01

R-Sq = 94,0%

T
-4,32
11,42
8,14
2,47

P
0,001
0,000
0,000
0,027

R-Sq(adj) = 92,8%

Analysis of Variance

dengan :
C14 adalah kolom yang memuat variabel
dummy,
pada contoh soal ini adalah Polymer.
C15 C17 menyatakan asal Polymer, yang
kemudian dinamai Z1, Z2, dan Z3; Z1 bernilai 1
menunjukkan eksperimen menggunakan
Polymer 1, begitu pula dengan Z2 dan Z3.
Hasil eksperimen beserta nilai-nilai variabel dummy
di-tampilkan pada tabel berikut:
pH
(X)

Suspended
Solid
(Y)

Polymer

Z
1

Z
2

Z3

6,5
6,9
7,8
8,4
8,8
9,2
6,7
6,9
7,5
7,9
8,7
9,2
6,5
7
7,2
7,6
8,7

292
329
352
378
392
410
198
227
277
297
364
375
167
225
247
268
288

1
1
1
1
1
1
2
2
2
2
2
2
3
3
3
3
3

1
1
1
1
1
1
0
0
0
0
0
0
0
0
0
0
0

0
0
0
0
0
0
1
1
1
1
1
1
0
0
0
0
0

0
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1

Source
Regression
Residual Error
Total

Source
pH
Z1
Z2

DF
1
1
1

DF
3
14
17

SS
80182
5079
85260

MS
26727
363

F
73,68

P
0,000

Seq SS
54856
23118
2208

Munculnya peringatan : * Z3 is highly correlated with other X variables, dan * Z3

has been removed from the equation,

menunjukkan bahwa hanya diperlukan Z1 dan Z2;

berarti untuk satu prediktor dummy dengan tiga level
(pada kasus ini Polymer terdiri dari level 1, 2, dan 3)
cukup dinyatakan oleh dua variabel dummy, Z1 dan Z2.
Dengan demikian, pada pengolahan data yang
digunakan sebagai prediktor kualitatif adalah Z 1 dan
Z2, bukan Polymer.
Kemaknaan pengaruh Polymer dideteksi melalui
Jumlah Kuadrat Regresi kontribusi Z1 dan Z2, yang
dinotasikan R ( 2 , 3 | 0 , 1 ) , dan didapatkan
dengan menjum-lahkan SS Sequential Z1 dengan Z2,
yaitu :

R ( 2 , 3 | 0 , 1 ) = 23118 + 2208 = 25326

Proses pengujian hipotesis secara lengkap adalah
sebagai berikut :
i. Perumusan hipotesis,
H0 : 2 = 0 dan 3 = 0 , berarti pengaruh Polyner terhadap kandungan Suspended
Solid tidak bermakna,

Yi = 0 + 1i X 1i + 2 Z1i + 3 Z 2i + 1z1 X 1i Z1i +

H1 : 2 atau 3 tidak nol.

1z X 1i Z1i + i

ii. = 0,05

iii. Statistik Uji :

F=

R ( 2 , 3 | 0 , 1 ) 25326
=
= 69,77
MSE
363

iv. Bila H0 benar maka F~ F2,14, sehingga titik kritis

adalah F2,14, 0,05 = 3,74.
v. Kesimpulan : tolak H0, karena statistik uji F >
F2,14, 0,05 , sehingga Polymer berpengaruh pada kandungan SS.
Kesimpulan ini berdasarkan pada anggapan bahwa pengaruh prediktor pH dan Polymer bersifat aditif, bukan
interaktif. Ciri aditif ialah kemiringan garis regresi
sama atau garis regresi ke tiga Polymer sejajar, seperti
yang di-tampilkan pada Plot berikut ini.
Plot Suspended Solid Pada Polimer1, Polimer2, Polimer3 terhadap pH

Kandungan Suspended Solid

450

Variable
Y Polimer1
Y Polimer2
Y Polimer3

400

350

Pengolahan data dilakukan dengan menuliskan serangkaian command berikut :

MTB > let c25=pH*Z1
MTB > name c25 'pH,Z1'
MTB > let c26=pH*Z2
MTB > name c26 'pH,Z2'
MTB > Regress 'Suspended Solid' 5 'pH'
'Z1' 'Z2' 'pH,Z1' 'pH,Z2';
SUBC>
Constant;
SUBC>
Brief 2.

Didapatkan keluaran sebagai berikut :

Regression Analysis: Suspended Solid

versus pH; Z1; Z2; pH,Z1; pH,Z2
The regression equation is
Suspended Solid = - 158 + 53,8 pH + 198
Z1 - 109 Z2 - 13,6 pH,Z1 + 17,4 pH,Z2
Predictor
Constant
pH
Z1
Z2
pH,Z1
pH,Z2

Coef
-158,27
53,824
197,69
-108,74
-13,561
17,394

SE Coef
48,52
6,253
68,79
71,05
8,737
9,090

T
-3,26
8,61
2,87
-1,53
-1,55
1,91

P
0,007
0,000
0,014
0,152
0,147
0,080

300

S = 14,5850

R-Sq = 97,0%

R-Sq(adj) = 95,8%

250

Analysis of Variance
200
6,5

7,0

7,5

8,0
pH

8,5

9,0

9,5

Model dugaan untuk Polymer 1, Polymer 2, dan

Polymer 3 masing-masing adalah sebagai berikut :
Model pada Polymer 1 didapat dengan cara mensubstitusikan nilai Z1=1 dan Z2=0 pada model regresi hasil
pengolahan data,
Suspended Solid = - 162 + 54,3 pH + 90,0
Suspended Solid = - 72 + 54,3 pH

Model pada Polymer 2 didapat dengan cara mensubstitusikan nilai Z1=0 dan Z2=1 pada model regresi hasil
pengolahan data,
Suspended Solid = - 162 + 54,3 pH + 27,2
Suspended Solid = - 134,8 + 54,3 pH

Model pada Polymer 3, Z1=0 dan Z2=1,

Suspended Solid = - 162 + 54,3 pH

Selanjutya ingin diketahui pula kemaknaan pengaruh

in-teraksi antara pH dengan Polymer. Dengan
demikian terdapat tambahan dua prediktor, yaitu
interaksi antara pH dengan masing-masing Z1 dan Z2,
dinotasikan X1Z1 dan X1Z2 . Model dugaan menjadi :

Source
Regression
Residual Error
Total

Source
pH
Z1
Z2
pH,Z1
pH,Z2

DF
1
1
1
1
1

DF
5
12
17

SS
82708
2553
85260

MS
16542
213

F
77,76

P
0,000

Seq SS
54856
23118
2208
1747
779

Pengujian hipotesis secara lengkap adalah sebagai berikut :

i. Perumusan hipotesis,
H0 : 1z1 = 0 dan 1z 2 = 0 , berarti pengaruh
interaksi
pH dengan Polymer
tidak
bermakna.

H1 : 1z1 atau 1z 2 tidak nol

ii. = 0,05
iii. Statistik Uji :

F=

R ( 1z1 , 1z2 | 0 , 1 , 2 , 3 )
MSE

1747 + 779
= 11,86
213

8
9
10
11
12

iv. Bila H0 benar maka F~ F2,14, sehingga titik kritis

adalah F2,12, 0,05 = 3,89.
v. Kesimpulan : tolak H0, karena statistik uji F >
F2,12, 0,05 , sehingga pengaruh interaksi pH dengan Polymer bermakna. Ini berarti pengaruh pH pada
setiap
Polymer berbeda.

33328
36151
35448
32988
20437

0
0
0
0
0

Scatterplot of Y vs D
4000

3500

Kesimpulan ini menunjukkan bahwa model

sebelumnya, dengan anggapan pengaruh prediktor pH
dan Polymer bersifat aditif, yaitu : Yi = 0 + 1X1i +
2Z1i + 3Z2i + i kurang sesuai. Model terakhir, yaitu
model yang melibatkan efek interaksi,

3757
3821
3291
3429
2533

3000

2500

Yi = 0 + 1i X 1i + 2 Z1i + 3 Z 2i + 1z1 X 1i Z1i +

2000
0.0

1z X 1i Z1i + i

0.2

0.4

0.6

0.8

1.0

lebih sesuai. Hal ini diperkuat oleh Plot berikut ini :

Regression Analysis: Y versus D

Plot Suspended Solid terhadap pH
Polymer
1
2
3

400

Predictor
Constant
D

350
Suspended Solid

The regression equation is

Y = 3177 - 503 D

300

Coef
3176,8
-503,2

SE Coef
233,0
329,6

250

S = 570,840

200

Analysis of Variance
6,5

7,0

7,5

8,0
pH

8,5

9,0

9,5

Tampak garis yang menggambarkan model setiap

Poly-mer tidak sejajar; ini berarti kemiringan (slope),
yang menggambarkan pengaruh pH pada kandungan
Suspen-ded Solid berbeda, tergantung pada jenis
Polymer.

R-Sq = 18,9%

Source
Regression
Residual Error
Total

T
13,63
-1,53

P
0,000
0,158

R-Sq(adj) = 10,8%

DF
SS
MS
F
P
1 759530 759530 2,33 0,158
10 3258588 325859
11 4018118

Scatterplot of Y vs X
4000

D
0
1

3500

Berikut ini adalah data Pengeluaran Untuk Makanan

dan Pendapatan Bersih para Pria dan Wanita lajang.
Jenis Ke-lamin merupakan variabel kategori, dengan
Pria diberi nilai 0 dan Wanita diberi nilai 1. Datanya
sebagai beri- kut:

Pengamatan
ke
1
2
3
4
5
6
7

Pengeluaran
untuk
makanan
Y
($)
1983
2987
2993
3156
2706
2217
2230

Contoh 2
3000

2500

2000
10000

Pendapatan
Bersih
X
($)
11557
29387
31463
29554
25137
14952
11589

Jenis
Kelamin
D
1
1
1
1
1
1
0

15000

20000

25000
X

30000

35000

Scatterplot of Belanja Maka vs Pendapatan W, Belanja Maka vs Pendapata

4000

Variable
Belanja Makanan W * Pendapatan W
Belanja Makanan P * Pendapatan P

Y-Data

3500

3000

2500

2000
10000

15000

20000 25000
X-Data

30000

35000

Plot Belanja Makanan terhadap Pendapatan

3800

Variable
Belanja Makanan oleh Wanita
Belanja Makanan oleh Pria

3600

Belanja untuk Makanan

3400
3200
3000
2800
2600
2400
2200
2000
10000

15000

20000 25000 30000

Pendapatan

35000

Jelaskan cara mendapatkan berbagai Plot di atas.

Lakukan analitis seperti pada contoh 1.