Dalam beberapa, model regresi juga bisa menggunakan variabel independen kualitatif. Variabel
kualitatif ini bisa dalam bentuk kelas, kelompok atau tingkatan. Contohnya adalah peneliti ingin
menganalisis jumlah penjualan sales melalui jenis kelamin dan tingkat pendidikan. Dalam
bahasan kali ini kita akan membahas mengenai analisis regresi dengan variabel independen
kualitatif.
Seorang Manager sebuah perusahaan otomotif ingin mengetahui gaji karyawan berdasarkan
jenis kelamin karyawannya
Persamaan Regresi
Y = Bo + b1 d1 + e1
Dimana, Y adalah jumlah gaji, dan d1 (untuk karyawan laki-laki), dan do (karyawan wanita)
Intercept (b0) menunjukkan rata-rata gaji karyawana, dan slope (b1) menunjukkan berapa besar
perbedaan gaji antara karyawan laki-laki dan wanita, dan B0 + b1 memberi informasi mengenai
gaji rata-rata karyawan laki-laki
Contoh Data dilihat di http://teorionline.wordpress.com/2011/05/22/data-regresi-dummy/
PENYELESAIAN
Masukkan variabel gaji kekotak dependent, dan “SEX/jenis kelamin” ke kotak independent
Klik OK, lalu akan tampil Output Sebagai berikut :
Regression
Variables Entered/Removedb
Variables Variables
Model Entered Removed Method
1 SEXa . Enter
a. All requested variables entered.
b. Dependent Variable: GAJI
Model Summaryb
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 2.007 1 2.007 2.538 .118a
Residual 33.993 43 .791
Total 36.000 44
a. Predictors: (Constant), SEX
b. Dependent Variable: GAJI
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 4.534 .190 23.919 .000
SEX .422 .265 .236 1.593 .118
a. Dependent Variable: GAJI
Residuals Statisticsa
INTERPRETASI
Model Summary
Angka R sebesar 0.236 menunjukkan angka korelasi yang kecil antara gaji dengan gender
karyawan.
ANOVA
Dari Tabel anova diketahui bahwa nilai F hitung adalah sebesar 2.538 dengan Sig sebesar 0.118.
Angka ini lebih besar dibanding dengan nilai 0.05 sehingga dapat dikatakan bahwa pengaruh
variabel gender tidak signifikan mempengaruhi besaran gaji yang diterima karyawan.
Persamaan Regresi
Namun karena model tidak signifikan, maka persamaan ini tidak diinterpretasikan lebih lanjut
REGRESI DUMMY > 2 KATEGORI
Jika pada bahasan sebelumnya kita menganalisis regresi dummy dua kategori, maka pada
pembahasan kali ini kita akan membahas mengenai regresi dengan variabel independent yang
memiliki tingkatan lebih dari 2 kategori
Masih menggunakan data yang sama pada bahasan sebelumnya di regresi dummy pertama,
maka selanjutnya kita akan menganalisis pengaruh tingkat pendidikan terhadap gaji yang
diterima karyawan.
Variabel gaji dikelompokkan menjadi tiga yaitu : SMA, Sarjana, dan Pascasarjana
Y = b0 + b1 d1 + b2 d2 + b3 X + e1
Masukkan variabel masa kerja, d1, dan d2 ke dalam kotak independent, dan gaji ke kotak
dependent.
Variables Entered/Removedb
Variables Variables
Model Entered Removed Method
1 d2_1, d1_
1, masa_
a
. Enter
kerja
a. All requested variables entered.
b. Dependent Variable: GAJI
Model Summary
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 18.194 3 6.065 13.964 .000a
Residual 17.806 41 .434
Total 36.000 44
a. Predictors: (Constant), d2_1, d1_1, masa_kerja
b. Dependent Variable: GAJI
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 3.531 .267 13.238 .000
masa_kerja .113 .038 .421 3.016 .004
d1_1 .596 .231 .326 2.576 .014
d2_1 .969 .302 .479 3.211 .003
a. Dependent Variable: GAJI
INTERPRETASI
Nilai adj R Square adalah sebesar 0.711 menunjukkan bahwa hubungan antara variabel
independent dan dependent cukup kuat.
Nilai F hitung adalah sebesar 13.964, dengan sig 0.000. Karena sig < 0.05 maka dapat
disimpulkan bahwa model regresi adalah signifikan dan layak digunakan untuk memprediksi gaji
karyawan
Persamaan regresi
Dari hasil uji t diketahui bahwa nilai sig seluruhnya < 0.05 sehingga dapat dinyatakan bahwa
masa kerja, dan tingkatan pendidikan mempengaruhi besaran gaji karyawan