P. 1
Regresi Variabel Dummy 2 Kategori

Regresi Variabel Dummy 2 Kategori

|Views: 1,438|Likes:
Dipublikasikan oleh Hendryadi

More info:

Categories:Types, Research, Science
Published by: Hendryadi on May 23, 2011
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

10/21/2013

pdf

text

original

TEORI ONLINE

SERI TUTORIAL SPSS
by Hendry http://teorionline.wordpress.com/

REGRESI VARIABEL DUMMY 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.

Contoh Kasus Sederhana (Dummy dua kategori) 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 Klik Analyze – Regression Linier. Masukkan variabel gaji kekotak dependent, dan “SEX/jenis kelamin” ke kotak independent

Klik OK, lalu akan tampil Output Sebagai berikut :

Regression
b Variables Entered/Removed

Model 1

Variables Entered SEXa

Variables Removed .

Method Enter

a. All requested variables entered. b. Dependent Variable: GAJI

b Model Summary

Model 1

R R Square .236a .056

Adjusted R Square .034

Std. Error of the Estimate .88913

a. Predictors: (Constant), SEX b. Dependent Variable: GAJI

ANOVAb Model 1 Sum of Squares 2.007 33.993 36.000 df 1 43 44 Mean Square 2.007 .791 F 2.538 Sig. .118a

Regression Residual Total

a. Predictors: (Constant), SEX b. Dependent Variable: GAJI

Coefficientsa Unstandardized Coefficients B Std. Error 4.534 .190 .422 .265 Standardized Coefficients Beta .236

Model 1

(Constant) SEX

t 23.919 1.593

Sig. .000 .118

a. Dependent Variable: GAJI

a Residuals Statistics

Predicted Value Residual Std. Predicted Value Std. Residual

Minimum 4.5341 -1.70652 -1.011 -1.919

Maximum 4.9565 1.71591 .967 1.930

Mean 4.7500 .00000 .000 .000

Std. Deviation .21355 .87896 1.000 .989

N 45 45 45 45

a. Dependent Variable: GAJI

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 Persamaan yang diperoleh dari Tabel Coeff adalah sebabai berikut : Gaji laki-laki = 4.534 + 0.422 (1), atau sebesar 4.957 Gaji wanita = 4.534 + 0.422 (0), atau sebesar 4.534 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 rata-rata gaji bulanan dalam juta Rp Variabel gaji dikelompokkan menjadi tiga yaitu : SMA, Sarjana, dan Pascasarjana Variabel masa kerja dalam tahun Model regresi dapat ditulis sebagai berikut : Y = b0 + b1 d1 + b2 d2 + b3 X + e1 Y adalah gaji rata-rata, X adalah masa kerja, d1 = 1 jika S2, 0 jika tidak, d2 = 1 jika S1, 0 jika tidak Data dapat dilihat di http://teorionline.wordpress.com/2011/05/22/data-regresi-dummy-2kategori/

PENYELESAIAN Klik Analyze, pilih Regression Linier.. Masukkan variabel masa kerja, d1, dan d2 ke dalam kotak independent, dan gaji ke kotak dependent. Abaikan yang lain lalu klik OK

Regression
b Variables Entered/Removed

Model 1

Variables Entered d2_1, d1_ 1, masa_ a kerja

Variables Removed .

Method Enter

a. All requested variables entered. b. Dependent Variable: GAJI

Model Summary Model 1 R R Square .711a .505 Adjusted R Square .469 Std. Error of the Estimate .65901

a. Predictors: (Constant), d2_1, d1_1, masa_kerja

ANOVAb Model 1 Sum of Squares 18.194 17.806 36.000 df 3 41 44 Mean Square 6.065 .434 F 13.964 Sig. .000a

Regression Residual Total

a. Predictors: (Constant), d2_1, d1_1, masa_kerja b. Dependent Variable: GAJI

Coefficientsa Unstandardized Coefficients B Std. Error 3.531 .267 .113 .038 .596 .231 .969 .302 Standardized Coefficients Beta .421 .326 .479

Model 1

(Constant) masa_kerja d1_1 d2_1

t 13.238 3.016 2.576 3.211

Sig. .000 .004 .014 .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 Gaji = 3.531 + 0.311 (masa kerja) + 0.596 (d1) + 0.969 (d2) Karyawan pendidikan SMA Y = b0 + b1 (masa kerja) = 3.531 + 0.311 Karyawan pendidikan Sarjana Y = b1 + (b0 + b2) = 0.311 + (3.531 + 0.596) karyawan pendidikan Pascasarjana y = b1 + (b0 + b3) = 0.311 + (5.531 + 0.969) Dari hasil uji t diketahui bahwa nilai sig seluruhnya < 0.05 sehingga dapat dinyatakan bahwa masa kerja, dan tingkatan pendidikan mempengaruhi besaran gaji karyawan

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->