Anda di halaman 1dari 9

PERBANDINGAN MODEL PENGELUARAN RUMAH TANGGA

DI BATAM DAN KARIMUN MENGGUNAKAN REGRESI DENGAN


DUMMY VARIABLE

Eka Nuvitasari
Badan Pusat Statistik Provinsi Kepulauan Riau
email: nuvie@statistika.its.ac.id

ABSTRAK

Model regresi adalah suatu model yang sering digunakan untuk menjelaskan hubungan
antara variabel tak bebas (dependent variable) dan variabel bebas (independent variable).
Jika suatu sampel diambil dari dua buah populasi yang berbeda, maka dapat digunakan
dummy variable sebagai variabel penjelas. Kajian yang bersifat terapan ini bertujuan untuk
melihat pengeluaran rumah tangga di Propinsi Kepulauan Riau, khususnya kota batam dan
Kabupaten Karimun. Selain itu juga digunakan variabel dummy tambahan yaitu tingkat
pendidikan kepala rumah tangga. Hasil kajian empiris menunjukkan bahwa pengeluaran
rumah tangga sebagai salah satu indikator kesejahteraan rumah tangga secara signifikan
dipengaruhi oleh umur kepala rumah tangga, jumlah anggota rumah tangga, dan upah/gaji
kepala rumah tangga. Dengan hanya menggunakan satu persamaan regresi dengan
variabel dummy yang mengandung variabel multiplikatif, dapat sekaligus dianalisis dan diuji
hipotesis apakah koefisien regresi dan intersep antara model regresi pengeluaran rumah
tangga di Kota Batam dan Kabupaten Karimun berbeda. Hasilnya menunjukkan bahwa rata-
rata pengeluaran rumah tangga di Kota Batam berbeda dengan Kabupaten Karimun.
Besarnya pengaruh variabel prediktor terhadap pengeluaran rumah tangga juga berbeda
antara dua daerah tersebut. Begitu juga ketika dibedakan lagi berdasarkan tingkat
pendidikan kepala rumah tangganya. Selain nilai R2 yang cukup tinggi yaitu sebesar 0.793
dan 0.807 untuk masing-masing regresi dengan satu dan dua variabel dummy berturut-turut,
seluruh uji asumsi regresi juga terpenuhi sehingga membawa pada kesimpulan bahwa
model-model regresi yang dihasilkan bisa digunakan.

Kata kunci: model regresi, dummy variable, pengeluaran rumah tangga, pendidikan,
daerah tempat tinggal.

1. LATAR BELAKANG

Seringkali kita dihadapkan pada permasalahan pemodelan regresi yang


diambil dari dua populasi yang berbeda. Ketika karakteristik populasi tersebut tidak
sama, maka akan sangat beresiko jika kita tidak membedakan antara populasi satu
dengan lainnya. Permasalahan seperti ini dapat diatasi dengan penambahan
variabel dummy1 pada variabel prediktornya.
Regresi dengan variabel dummy telah banyak diaplikasikan dalam berbagai
pemodelan regresi, baik dibidang ekonomi maupun sosial. Tidak hanya untuk
membedakan dua sampel yang berbeda, tetapi bisa juga digunakan untuk
membedakan karakteristik yang diberikan oleh variabel kualitatif maupun
membedakan kondisi yang dianggap memberikan pengaruh terhadap variabel
respon. Misalnya, Sappington (1970) memodelkan harga kentang dengan
membedakan kelompok ukurannya yaitu besar, sedang dan kecil. Hasilnya, selain

1
Variabel dummy disebut juga variabel kualitatif, variabel indikator, atau variabel kategorik.

1
dipengaruhi oleh berat dari kentang tersebut, ternyata ukuran kentang juga
berpengaruh secara signifikan terhadap harga. Wahyuningsih (2003) membedakan
nilai perdagangan saham pertanian di bursa efek jakarta sebelum dan sesudah
krisis. Hasil penelitiannya menunjukkan bahwa variabel dummy yang diberikan oleh
1 = sesudah krisis dan 0 = sebelum krisis memberikan hasil estimasi parameter
yang signifikan. Sehingga dapat disimpulkan bahwa model regresi sebelum dan
sesudah krisis berbeda. Sedangkan Kurniawan (2007) membandingkan penjualan
dari perusahaan swasta asing dan swasta nasional.
Pengeluaran rumah tangga yang merupakan salah satu indikator
kesejahteraan rumah tangga baik untuk keperluan makanan maupun bukan
makanan banyak dipengaruhi oleh banyak hal. Beberapa faktor yang diduga
berpengaruh antara lain: umur kepala rumah tangga, jumlah anggota rumah tangga,
dan upah/gaji kepala rumah tangga. Oleh karena itu dalam penelitian ini akan diteliti
apakah faktor-faktor tersebut benar-benar berpengaruh terhadap besarnya
pengeluaran rumah tangga. Studi kasus dilakukan pada data pengeluaran rumah
tangga di Batam dan Karimun2 (Propinsi Kepulauan Riau). Dalam penelitian ini juga
akan diuji apakah ada perbedaan antara model pengeluaran rumah tangga di Kota
Batam dan Kabupaten Karimun. Selain itu juga akan digunakan variabel dummy
tambahan yaitu tingkat pendidikan kepala rumah tangga. Tujuan dari penelitian ini
adalah untuk mendapatkan model regresi pengeluaran rumah tangga yang sesuai
berdasarkan varabel dummy yang digunakan.

2. TINJAUAN PUSTAKA

Analisis regresi berkenaan dengan studi ketergantungan suatu variabel tak


bebas pada satu atau lebih variabel bebas (explanatory variable), dengan maksud
menaksir dan atau meramalkan nilai rata-rata variabel tak bebas. Secara umum,
model regresi sederhana dapat dituliskan dalam bentuk:
(1)
dimana adalah variabel tak bebas, adalah variabel penjelas, menunjukkan
nilai intercept, menunjukkan koefisien regresi dan adalah sisaan.

2.1 Analisis Regresi Berganda


Dengan cara menggeneralisasi persamaan (1), maka untuk regresi dengan k
variabel bebas diformulasikan sebagai berikut:
(2.a)
atau jika dituliskan dalam bentuk matriks:
(2.b)
dengan:
1
1
, , dan
1

2
Kota Batam dan Kabupaten Karimun adalah dua diantara enam kabupaten/kota yang ada di Propinsi Kepulauan
Riau yang secara geografis letaknya saling berbatasan

2
dimana = vektor kolom 1 observasi dari variabel tak bebas
= matriks yang memberikan observasi atas 1 variabel
sampai dengan , kolom pertama yang terdiri atas angka 1
menunjukkan intersep.
= vektor kolom 1 dari parameter yang tidak diketahui , , ,
= vektor kolom 1 dari sisaan
Ada beberapa asumsi yang harus dipenuhi pada regresi linier berganda, antara lain
(Kutner et al, 2004 dan Gujarati, 1978):
1. Nilai rata-rata sisaan adalah nol, 0, untuk tiap .
2. Varians sisaan adalah konstan atau homoskedastisitas, , , .
3. Tidak ada autokorelasi dalam sisaan, cov ε , ε 0
4. Variabel penjelas adalah nonstokhastik atau tetap (fixed) dalam penyampelan
berulang.
5. Tidak ada multikolinearitas diantara variabel penjelas.
6. Sisaan berdistribusi normal ~ 0, .

2.2 Penaksiran Parameter


Untuk menaksir parameter dalam model regresi, maka dapat digunakan
metode ordinary least square (OLS). Metode ini tidak membutuhkan asumsi
distribusi tertentu. Prinsip dasar dalam OLS adalah meminimumkan jumlah kuadrat
sisaan. Dari persamaan (2.b), sisaan dapat dinyatakan sebagai:
(3)
dan kuadrat sisaan dinyatakan dengan:

(4)

Untuk mendapatkan taksiran yang meminimumkan dilakukan dengan


menurunkan terhadap sehingga:

(5)
2

sehingga diperoleh persamaan normal:


(6)
Dengan menyelesaikan persamaan (6) diperoleh:
(7)
Untuk memenuhi persamaan (7) masih diperlukan syarat cukup yaitu harus
merupakan keluarga matriks simetris definit positif. Hal ini dapat dilihat pada
Rencher (2000) hal. 22 dan 23.

2.3 Regresi dengan Variabel Dummy


Dalam analisis regresi, seringkali veriabel respon tidak hanya dipengaruhi
oleh variabel yang bersifat kuantitatif, tetapi bisa juga dipengaruhi oleh variabel
yang bersifat kualitatif. Variabel yang bersifat kualitatif seperti: jenis kelamin, suku,
agama, kejadian politik, dan lain-lain tersebut perlu di buat kuantitatif dengan

3
membentuk variabel baru yang bernilai 0 atau 1. Dimana 0 menunjukkan
ketidakhadiran ciri tersebut, sedangkan 1 menunjukkan adanya ciri tersebut.
Variabel seperti ini disebut variabel dummy atau dapat juga disebut variabel
indikator, variabel biner, variabel dikotomus, dan variabel kualitatif.
Variabel dummy dapat digunakan dalam model regresi semudah variabel
kuantitatif. Dalam sebuah model regresi, bisa saja semua variabel prediktor
merupakan variabel dummy, atau gabungan dari variabel kuantitatif dan dummy,
sebagaimana dituliskan dalam persamaan regresi berikut:
(9)
Dengan mengasumsikan bahwa 0 , maka diperoleh nilai ekspektasi dari
variabel respon untuk masing-masing sebagai berikut:
| , 0 (10.a)
dan
| , 1 (10.b)
dengan kata lain bahwa fungsi dalam hubungannya dengan mempunyai
kemiringan yang sama ( ) tetapi intersep berbeda untuk tiap-tiap .
Dalam regresi dengan variabel dummy, jika suatu variabel kualitatif
mempunyai m kategori, maka digunakan hanya m – 1 variabel dummy. Jika tidak
dipenuhi, maka akan terjadi multikolinearitas sempurna (perfect multicolinearity).

2.4 Membandingkan Dua Regresi


Seringkali model regresi dengan variabel dummy mengasumsikan bahwa
variabel kualitatif hanya mempengaruhi intersep tetapi tidak mempengaruhi
koefisien kemiringan dari berbagai regresi subkelompok. Tetapi asumsi
kekonstanan koefisien kemiringan antar kelompok dapat diuji dengan variabel
dummy.
Misalkan regresi dilakukan pada dua data terpisah berdasarkan kelompok
dummy-nya sebagai berikut:
, 1,2, … , (11.a)
dan
, 1,2, … , (11.b)
Maka regresi pada (11.a) dan (11.b) menyajikan empat kemungkinan sebagai
berikut:
1. dan , artinya kedua regresi identik.
2. tetapi , artinya kedua regresi hanya berbeda pada intersep,
tetapi koefisien kemiringannya sama.
3. tetapi , artinya kedua regresi mempunyai intersep yang sama
tetapi koefisien kemiringannya berbeda.
4. dan , artinya kedua regresi tersebut sama sekali berbeda.
Semua kemungkinan tersebut dapat diuji jika kita mengelompokkan semua
observasi dan bersama-sama dan menaksir regresi berikut:
(12)
dengan variabel tambahan . Dengan mengasumsikan 0 diperoleh:
| , 0 (13.a)
dan
| , 1 (13.b)

4
Berdasarkan persamaan (12.a) dan (12.b), maka dapat disimpulkan bahwa ,
, , dan . Jadi mengestimasi persamaan (12)
sama dengan mengestimasi dua persamaan (13.a) dan (13.b).
Keuntungan penaksiran dengan satu persamaan pada (12) dibandingkan
dengan dua persamaan (13.a) dan (13.b) adalah regresi tunggal tersebut dapat
digunakan untuk menguji berbagai hipotesis. Jadi jika koefisien intersep tidak
signifikan secara statistik, maka hipotesis bahwa kedua regresi tersebut mempunyai
intersep yang sama gagal ditolak. Jika koefisien kemiringan tidak signifikan
secara statistik, maka hipotesis bahwa kedua regresi tersebut mempunyai
kemiringan yang sama gagal ditolak. Sedangkan pengujian hipotesis 0
secara simultan dapat dilakukan dengan teknik ANOVA (Gujarati, 1978).

3. SUMBER DATA

Data yang digunakan dalam penelitian ini adalah data primer hasil Susenas3
tahun 2007. Data Susenas dikumpulkan dengan sampling bertahap (multistage
sampling). Tahap pemilihan blok sensus dilakukan secara PPS (probability
proportional to size) dengan size banyaknya rumah tangga, kemudian memilih
rumah tangga sampel sebanyak 16 rumah tangga per blok sensus terpilih secara
SRS (systematic random sampling). Beberapa variabel yang digunakan adalah:
1. Variabel Respon
Y = pengeluaran rumah tangga (Y)
2. Variabel Prediktor
X1 = umur kepala rumah tangga (umur)
X2 = jumlah anggota rumah tangga (art)
X3 = upah/gaji kepala rumah tangga (gaji)
3. Variabel Dummy
D1 = Daerah ( 0: Kota Batam, 1: Kabupaten Karimun)
D2 = pendidikan tertinggi kepala rumah tangga ( 0: < SMA, 1: SMA ke atas)

4. HASIL DAN PEMBAHASAN

Analisis dilakukan terhadap data rumah tangga terpilih yaitu sejumlah 634
rumah tangga yang dibedakan berdasarkan daerah tempat tinggal dan
pendidikannya seperti diberikan pada tabel 1 berikut:

Tabel 1. Jumlah kepala rumah tangga yang berstatus sebagai karyawan


atau buruh dibayar
Pendidikan
Total
< sma Sma ke atas
Batam 73 354 427
Daerah
Karimun 135 72 207
Total 208 426 634

3
Survei Sosial Ekonomi Nasional (Susenas) merupakan survei rutin yang dilaksanakan ole BPS yang
menghasilkan berbagai indikator sosial ekonomi baik rumah tangga maupun individu.

5
4.1 Model Regresi dengan Satu Variabel Dummy
Pada analisis pertama, hanya akan digunakan satu variabel dummy yaitu
daerah tempat tinggal ( 0 untuk Kota Batam dan 1 untuk Kabupaten Karimun). Hasil
analisis regresi menggunakan SPSS 13.0 dengan bantuan MINITAB 14.0
menunjukkan bahwa model regresi dengan 3 variabel prediktor yang diusulkan telah
sesuai dengan R2 = 0,741. Uji parsial juga menunjukkan bahwa semua variabel
dependen yang digunakan signifikan berpengaruh terhadap pengeluaran rumah
tangga (p-value = 0.000). Begitu juga variabel dummy daerah tempat tinggal yang
digunakan menunjukkan ada perbedaan yang signifikan antara fungsi pengeluaran
rumah tangga di Kota Batam dan di Kabupaten Karimun. Model regresi tersebut
adalah:
Y = 0.821 - 0.0322 umur + 0.680 art + 0.164 gaji - 1.08 D1
atau dapat dituliskan dalam dua model regresi berdasarkan daerah tempat tinggal
yaitu:
a. Untuk rumah tangga yang bertempat tinggal di Batam
Y = 0.821 - 0.0322 umur + 0.680 art + 0.164 gaji (14.a)
b. Untuk rumah tangga yang bertempat tinggal di Karimun
Y = (0.821 - 1.08 ) - 0.0322 umur + 0.680 art + 0.164 gaji (14.b)
Sehingga bisa dikatakan bahwa ada dua model regresi dengan perbedaan
pada intersep atau dapat diinterpretasikan bahwa rata-rata pengeluaran rumah
tangga di Batam dan di Karimun berbeda. Asumsi tidak adanya multikolinearitas
ditunjukkan oleh nilai Variance Inflation Factors (VIF) yang kurang dari 5,
sedangkan uji autokorelasi ditunjukkan oleh nilai statistik Durbin-Watson yang
kurang dari 2. Sedangkan residual sudah berdistribusi normal dengan rata-rata nol.
Dengan demikian pengujian terhadap semua asumsi regresi juga telah terpenuhi.
Selanjutnya, akan diuji apakah benar model regresi dengan koefisien
kemiringan yang sama tersebut sesuai. Untuk itu, ditambahkan interaksi antara
variabel dummy dengan tiap variabel prediktor dengan cara mengalikan variabel
dummy 1 dan 0 dengan tiap variabel prediktor yang lain (multiplikatif) menggunakan
MINITAB 14.0. Output regresi pada SPSS 13.0 menunjukkan bahwa secara umum,
model regresi dengan variabel dummy telah sesuai untuk digunakan. Hal ini
ditunjukkan oleh uji ANOVA yang menghasilkan nilai F hitung yang lebih besar dari
F tabel atau nilai p-value 0,000. Model regresi yang diperoleh memberikan nilai R2
yang lebih besar dari model pertama yaitu sebesar 0,793. Model yang dihasilkan
adalah:
Y = 0.780 - 0.0366 umur + 0.753 art + 0.114 gaji - 0.743 D1 + 0.0419
D1*umur - 0.581 D1*art + 0.330 D1*gaji
atau dapat dituliskan dalam dua model regresi berdasarkan daerah tempat
tinggalnya, yaitu:
a. Untuk rumah tangga yang bertempat tinggal di Batam
Y = 0.780 - 0.0366 umur + 0.753 art + 0.114 gaji (15.a)
b. Untuk rumah tangga yang bertempat tinggal di Karimun
Y = (0.780 - 0.743) – (0.0366 + 0.0419) umur +
(0.753 - 0.581) art + (0.114 + 0.330) gaji (15.b)
Uji koefisien regresi parsial juga menunjukkan hasil yang signifikan untuk
semua variabel prediktor, dummy, dan variabel multiplikatif pada tingkat kesalahan

6
5%. Artinya model regresi antara dua daerah memberikan nilai intersep dan
kemiringan yang berbeda. Hal ini dapat diinterpretasikan bahwa selain rata-rata
pengeluaran rumah tangga di dua daerah tersebut berbeda, fungsi pengeluaran
berdasarkan umur, jumlah anggota rumah tangga, dan gaji juga berbeda.

4.2 Model Regresi dengan Dua Variabel Dummy


Selain daerah tempat tinggal, juga akan digunakan variabel kedua yaitu
pendidikan kepala rumah tangga (0 untuk kurang dari SMA dan 1 untuk SMA ke
atas). Pengolahan dengan SPSS 13.0 memberikan model yang sesuai dengan R2 =
0,746 dengan hasil uji parsial adalah semua variabel prediktor signifikan
berpengaruh terhadap pengeluaran. Hasil analisis model regresi tanpa variabel
interaksi multiplikatif memberikan model regresi:
Y = 0.458 - 0.0287 umur + 0.680 art + 0.143 gaji - 0.957 D1 + 0.350 D2
Model tersebut sama saja dengan 4 model regresi yang hanya berbeda pada
intersep, yaitu:
a. Untuk rumah tangga yang bertempat tinggal di Batam dan berpendidikan kurang
dari SMA (D1 = 0, D2 = 0)
Y = 0.458 - 0.0287 umur + 0.680 art + 0.143 gaji (16.a)
b. Untuk rumah tangga yang bertempat tinggal di Karimun dan berpendidikan
kurang dari SMA (D1 = 1, D2 = 0)
Y = (0.458 - 0.957) - 0.0287 umur + 0.680 art + 0.143 gaji (16.b)
c. Untuk rumah tangga yang bertempat tinggal di Batam dan berpendidikan SMA
ke atas (D1 = 0, D2 = 1)
Y = (0.458 + 0.350) - 0.0287 umur + 0.680 art + 0.143 gaji (16.c)
d. Untuk rumah tangga yang bertempat tinggal di Karimun dan berpendidikan SMA
ke atas (D1 = 1, D2 = 1)
Y = (0.458 - 0.957 + 0.350) - 0.0287 umur + 0.680 art
+ 0.143 gaji (16.d)
Keempat model regresi tersebut menunjukkan bahwa antara pengeluaran
rumah tangga antara kepala rumah tangga yang bertempat tinggal di Batam dan di
Karimun, maupun yang berpendidikan kurang dari SMA dan SMA ke atas hanya
berbeda pada rata-rata nya saja, tidak berbeda pada fungsi terhadap umur, jumlah
anggota, dan gaji. Kesimpulan ini masih perlu diuji dengan model regresi pada
persamaan (12) dengan menambahkan variabel interaksinya. Hasil pengolahan
dengan SPSS 13.0 menunjukkan bahwa uji simultan model dengan ANOVA
memberikan nilai p-value 0,000 yang artinya model telah sesuai dengan R2 = 0,807.
Namun, uji parsial menunjukkan bahwa tidak semua variabel prediktor berpengaruh
signifikan, termasuk variabel multiplikatifnya. Bahkan kedua variabel dummy yang
digunakan juga memiliki p-value di atas 0,05. Beberapa yang tidak signifikan antara
lain: umur, multiplikatif antara umur dan daerah tempat tinggal, multiplikatif antar
pendidikan dan gaji, serta multiplikatif antara daerah tempat tinggal dan pendidikan
(dicetak tebal). Output dari SPSS 13.0 memberikan model regresi sebagai berikut:
Y = 0.131 - 0.0011 umur + 0.450 art + 0.244 gaji - 0.159 D1 + 0.722 D2
+ 0.0154 D1*umur - 0.375 D1*art + 0.255 D1*gaji - 0.0358 D2*umur
+ 0.315 D2*art - 0.152 D2*gaji - 0.302 D1*D2

7
Dengan membedakan nilai dummy D1 dan D2, maka diperoleh empat model regresi
sebagai berikut:
a. Untuk rumah tangga yang bertempat tinggal di Batam dan berpendidikan kurang
dari SMA (D1 = 0, D2 = 0)
Y = 0.450 art + 0.244 gaji (17.a)
b. Untuk rumah tangga yang bertempat tinggal di Karimun dan berpendidikan
kurang dari SMA (D1 = 1, D2 = 0)
Y = (0.450 – 0.375) art + (0.244 + 0.255) gaji (17.b)
c. Untuk rumah tangga yang bertempat tinggal di Batam dan berpendidikan SMA
ke atas (D1 = 0, D2 = 1)
Y = - 0.0358 umur + (0.450 + 0.315) art + 0.244 gaji (17.c)
d. Untuk rumah tangga yang bertempat tinggal di Karimun dan berpendidikan SMA
ke atas (D1 = 1, D2 = 1)
Y = - 0.0358 umur + (0.450 – 0.375 + 0.315) art
+ (0.244 + 0.255) gaji (17.d)
Keempat model regresi menunjukkan umur kepala rumah tangga yang
berpendidikan kurang dari SMA baik yang tinggal di Kota Batam maupun Karimun
tidak berpengaruh secara signifikan terhadap pengeluaran rumah tangganya. Untuk
kepala rumah tangga yang berpendidikan SMA ke atas, umur kepala rumah tangga
berpengaruh signifikan terhadap pengeluaran rumah tangganya, dengan besarnya
pengaruh yang sama antara Batam dan Karimun. Jumlah anggota rumah tangga
pada masing-masing model memiliki pengaruh yang berbeda terhadap
pengeluaran. Sedangkan besarnya pengaruh gaji terhadap pengeluaran hanya
berbeda antar daerah, namun tidak berbeda antar golongan pendidikan.

5. KESIMPULAN DAN SARAN

Model regresi dengan dummy variabel memberikan hasil analisis yang lebih
mendalam terhadap data yang berasal dari sampel atau populasi yang berbeda.
Jika data tersebut tidak dibedakan dengan variabel dummy, tentu saja tidak akan
bisa diketahui perbedaan antar sampel atau populasi yang berbeda-beda tersebut.
Pada pembahasan di atas, analisis regresi dilakukan dengan menggunakan satu
dan dua variabel dummy. Kesimpulan yang diperoleh adalah sebagai berikut:
1. Pada analisis dengan satu variabel dummy, dengan hanya menggunakan satu
persamaan regresi dengan variabel dummy yang mengandung variabel
multiplikatif, dapat sekaligus dianalisis dan diuji hipotesis apakah koefisien
regresi dan intersep antara model regresi pengeluaran rumah tangga di Kota
Batam dan Kabupaten karimun berbeda. Diperoleh kesimpulan bahwa rata-rata
pengeluaran rumah tangga di Batam dan di Karimun berbeda, yang ditunjukkan
oleh nilai intersep yang berbeda antara dua model regresi yang diperoleh.
Besarnya Pengaruh jumlah anggota rumah, umur, dan gaji kepala rumah tangga
terhadap pengeluaran rumah tangga di Batam dan di Karimun juga berbeda. Hal
ini ditunjukkan oleh nilai koefisien pada interaksi antara variabel dummy dan
variabel prediktornya yang signifikan. Model regresi yang diperoleh:

8
a. Untuk rumah tangga yang bertempat tinggal di Batam
Y = 0.780 - 0.0366 umur + 0.753 art + 0.114 gaji
b. Untuk rumah tangga yang bertempat tinggal di Karimun
Y = 0.037 – 0.0785 umur + 0.172 art + 0.444 gaji

2. Pada analisis dengan dua variabel dummy, yaitu dengan menambahkan tingkat
pendidikan kepala rumah tangga sebagai variabel dummy kedua, diperoleh
kesimpulan bahwa rata-rata pengeluaran rumah tangga di Kabupaten Karimun
dan di Batam baik yang berpendidikan kurang dari SMA maupun SMA ke atas
adalah berbeda. Namun pada saat menggunakan variabel mutiplikatif untuk
mengetahui apakah besarnya pengaruh variabel prediktor sama, ternyata ada
beberapa yang tidak signifikan. Sehingga model yang diperoleh:
a. Untuk rumah tangga yang bertempat tinggal di Batam dan berpendidikan
kurang dari SMA (D1 = 0, D2 = 0)
Y = 0.450 art + 0.244 gaji
b. Untuk rumah tangga yang bertempat tinggal di Karimun dan
berpendidikan kurang dari SMA (D1 = 1, D2 = 0)
Y = 0.075 art + 0.499 gaji
c. Untuk rumah tangga yang bertempat tinggal di Batam dan berpendidikan
SMA ke atas (D1 = 0, D2 = 1)
Y = - 0.0358 umur + 0.765 art + 0.244 gaji
d. Untuk rumah tangga yang bertempat tinggal di Karimun dan
berpendidikan SMA ke atas (D1 = 1, D2 = 1)
Y = - 0.0358 umur + 0.39 art + 0.499 gaji

DAFTAR PUSTAKA
BPS (2007), Buku Pedoman Pencacah Survei Sosial Ekonomi Nasional 2007, BPS,
Jakarta.
Gujarati, D. (1978), Basic Econometrics, McGraw-Hill, Inc., New York.
Kurniawan, D. Analisis Regresi Linier dengan Menggunakan Variabel Dummy,
http://ineddeni.wordpress.com, didownload pada 26 September 2008.
Kutner, M.H., Nachtsheim, C.J., dan Neter, J. (2004), Applied Linear Regression
Models, Fourth Edition, McGraw-Hill Companies, Inc., New York.
Rencher, A.C. (2000), Linear Models in Statistics, John Wiley & Sons, Inc., New
York.
Sappington, C. (1970), A Numerical Example of the Practical Use of Dummy
Variables, Southern Journal of Agricultural Economics, Vol. 12, hal. 197-201.
Wahyuningsih, S. (2003), Faktor-Faktor yang Mempengaruhi Nilai Perdagangan
Saham Pertaniandi Bursa Efek Jakarta Sebelum dan Sesudah Krisis ekonomi,
Skripsi, Sekolah Tinggi Ilmu Statistik, Jakarta.