http://oc.its.ac.id/jurusan.php?fid=1&jid=3
Wiwiek Setya Winahju, wiwiek@statistika.its.ac.id
Nama lain Regresi Dummy adalah Regresi Kategori. Regresi 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.
Contoh 1
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 adalah :
Yi = 0 + 1X1i + 2Z1i + 3Z2i + i , i = 1, 2, ... , 18.
Polimer sebagai variabel dummy yang terdiri dari tiga level, 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
>
>
>
>
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 ditampilkan 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
9,2
292
329
352
378
392
410
198
227
277
297
364
375
167
225
247
268
288
342
1
1
1
1
1
1
2
2
2
2
2
2
3
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
0
1
1
1
1
1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
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
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
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 >
450
Variable
Y Polimer1
Y Polimer2
Y Polimer3
400
Predictor
Constant
pH
Z1
Z2
pH,Z1
pH,Z2
Coef
-158,27
53,824
197,69
-108,74
-13,561
17,394
S = 14,5850
SE Coef
48,52
6,253
68,79
71,05
8,737
9,090
R-Sq = 97,0%
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
R-Sq(adj) = 95,8%
Analysis of Variance
Source
Regression
Residual Error
Total
DF
5
12
17
SS
82708
2553
85260
MS
16542
213
F
77,76
P
0,000
350
Source
pH
Z1
Z2
pH,Z1
pH,Z2
300
250
200
6,5
7,0
7,5
8,0
pH
8,5
9,0
9,5
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
DF
1
1
1
1
1
Seq SS
54856
23118
2208
1747
779
F=
R ( 1z1 , 1z2 | 0 , 1 , 2 , 3 )
MSE
1747 + 779
= 11,86
213
Selanjutya ingin diketahui pula kemaknaan pengaruh interaksi 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 :
1z X 1i Z1i + i
2
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.
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,
1z X 1i Z1i + i
2
400
Suspended Solid
350
300
Analysis of Variance
Source
Regression
Residual Error
Total
DF
SS
MS
F
P
1 759530 759530 2,33 0,158
10 3258588 325859
11 4018118
250
Scatterplot of Y vs X
200
4000
7,0
7,5
8,0
pH
8,5
9,0
9,5
3500
Tampak garis yang menggambarkan model setiap Polymer tidak sejajar; ini berarti kemiringan (slope), yang
menggambarkan pengaruh pH pada kandungan Suspended Solid berbeda, tergantung pada jenis Polymer.
6,5
D
0
1
3000
2500
2000
10000
Contoh 2
Berikut ini adalah data Pengeluaran Untuk Makanan dan
Pendapatan Bersih para Pria dan Wanita lajang. Jenis Kelamin merupakan variabel kategori, dengan Pria diberi
nilai 0 dan Wanita diberi nilai 1. Datanya sebagai berikut:
15000
20000
25000
X
30000
35000
Variable
Belanja Makanan W * Pendapatan W
Belanja Makanan P * Pendapatan P
1
2
3
4
5
6
7
8
9
10
11
12
Pendapatan
Bersih
X
($)
11557
29387
31463
29554
25137
14952
11589
33328
36151
35448
32988
20437
Jenis
Kelamin
D
1
1
1
1
1
1
0
0
0
0
0
0
Scatterplot of Y vs D
4000
3000
2500
2000
10000
15000
20000 25000
X- Dat a
30000
35000
Variable
Belanja Makanan oleh Wanita
Belanja Makanan oleh Pria
3600
3400
Belanja untuk Makanan
Pengamatan
ke
Y- Dat a
3500
Pengeluaran
untuk
makanan
Y
($)
1983
2987
2993
3156
2706
2217
2230
3757
3821
3291
3429
2533
3200
3000
2800
2600
2400
2200
2000
3500
10000
15000
35000
3000
2500
2000
0.0
0.2
0.4
0.6
0.8
1.0
Coef
3176,8
-503,2
SE Coef
233,0
329,6
R-Sq = 18,9%
T
13,63
-1,53
P
0,000
0,158
R-Sq(adj) = 10,8%