Regresi Dummy
Regresi Dummy
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 > > > > INDICATOR C14 C15 C16 C17 name C15 Z1 name C16 Z2 name C17 Z3
S = 19,0464
R-Sq = 94,0%
R-Sq(adj) = 92,8%
Analysis of Variance Source Regression Residual Error Total DF 3 14 17 SS 80182 5079 85260 MS 26727 363 F 73,68 P 0,000
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)
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
Source pH Z1 Z2
DF 1 1 1
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 Z1 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 menjumlahkan SS Sequential Z1 dengan Z2, yaitu :
Polymer
1 1 1 1 1 1 2 2 2 2 2 2 3 3 3 3 3 3
Z1
1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0
Z2
0 0 0 0 0 0 1 1 1 1 1 1 0 0 0 0 0 0
Z3
0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1
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, H1 : 2 atau 3 tidak nol. ii. = 0,05 iii. Statistik Uji :
Sumber : Classical And Modern Regression, Second Edition, oleh Raymond H Myers, 1990, halaman 143. Keluaran pengolahan data adalah sebagai berikut :
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 ditampilkan pada Plot berikut ini.
Plot Suspended Solid Pada Polimer1, Polimer2, Polimer3 terhadap pH
450
Variable Y Polimer1 Y Polimer2 Y Polimer3
R-Sq = 97,0%
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
400
350
300
250
DF 1 1 1 1 1
Pengujian hipotesis secara lengkap adalah sebagai berikut : i. Perumusan hipotesis, H0 : 1z1 = 0 dan 1z 2 = 0 , berarti pengaruh interaksi
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
H1 :
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
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,
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
1z X 1i Z1i i
2
350
Suspended Solid
300
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
250
200
6,5
7,0
7,5
8,0 pH
8,5
9,0
9,5
Scatterplot of Y vs X
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.
Y
4000
D 0 1
3500
3000
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: Pengeluaran untuk makanan Y ($) 1983 2987 2993 3156 2706 2217 2230 3757 3821 3291 3429 2533 Pendapatan Bersih X ($) 11557 29387 31463 29554 25137 14952 11589 33328 36151 35448 32988 20437
2500
Pengamatan ke 1 2 3 4 5 6 7 8 9 10 11 12
Jenis Kelamin D 1 1 1 1 1 1 0 0 0 0 0 0
3500
Y-Data
3000
2500
Scatterplot of Y vs D
Belanja untuk Makanan
4000
3500
3000
2500
Jelaskan cara mendapatkan berbagai Plot di atas. Lakukan analitis seperti pada contoh 1.
T 13,63 -1,53
P 0,000 0,158
R-Sq = 18,9%
R-Sq(adj) = 10,8%
Analysis of Variance