Anda di halaman 1dari 33
LAPORAN PRAKTIKUM Kelas C ANALISIS REGRESI TERAPAN MODUL: 05 ANALISIS REGRESI VARIABEL DUMMY Nama Nomer
LAPORAN PRAKTIKUM
Kelas
C
ANALISIS REGRESI TERAPAN
MODUL: 05
ANALISIS REGRESI VARIABEL DUMMY
Nama
Nomer
Tanggal
Tanda Tangan
Praktikum
Mahasiswa
Kumpul
Praktikum
Laboran
Purwanti
11611048
Rahayu
Tanggal
Tanda Tangan
Nama Penilai
Nilai
Koreksi
Asisten
Dosen
1. Fajar Supriadi
2. Kartika Ari S
Edy Widodo ,M.Si
Herni Utami, M.Si
JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS ISLAM INDONESIA
YOGYAKARTA
2013

A. Variabel Dummy

BAB I

PENDAHULUAN

Nama lain Regresi Dummy adalah Regresi Kategori. Re-gresi 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.

Analisis regresi tidak saja digunakan untuk data-data kuantitatif, tetapi juga bisa digunakan untuk data kualitatif. Jenis data kualitatif tersebut seringkali menunjukkan keberadaan klasifikasi (kategori) tertentu, sering juga dikatagorikan variabel bebas (X) dengan klasifikasi pengukuran nominal dalam persamaan regresi.

Variabel kualitatif tersebut harus dikuantitatifkan atributnya (cirinya). Untuk mengkuantitatifkan atribut variabel kualitatif, dibentuk variabel dummy dgn nilai 1 dan 0. Nilai 1 menunjukkan adanya, sedangkan nilai 0 menunjukkan tidak adanya ciri kualitas tsb. Jadi, inilah yang dimaksud dengan variabel dummy tersebut. Variabel dummy disebut juga variabel indikator, biner, kategorik, kualitatif, boneka, atau variabel dikotomi. Variabel Dummy pada prinsipnya merupakan perbandingan karakteristik Misalnya untuk membedakan jenis kelamin (pria dan wanita), tempat tinggal (misal desa dan kota), tingkat pendidikan (SD, SMP, SMA, PT), agama (Islam, Kristen, Katolik, Hindu, Budha, dll), pembedaan periode waktu (misal, sebelum krisis ekonomi dan setelah krisis ekonomi), Perbandingan kondisi (besaran/jumlah) konsumen yang merasa puas terhadap suatu produk dengan konsumen yang tidak puas, Perbandingan besarnya gaji antara laki-laki dan perempuan. dan kategori- kateogori lain yang ingin dimasukkan ke dalam analisis.

Metode yang digunakan adalah mengganti informasi yang bersifat kategori, misalnya untuk jenis kelamin (pria dan wanita) diwakili dengan angka 1 dan 0. Dalam prakteknya, misalnya kategori data pria diganti dengan angka 1, dan kategori data wanita diganti dengan angka 0, atau sebaliknya.variabel jenis kelamin. Jika nilai 1 digunakan untuk laki-laki maka

nilai 0 menunjukkan bukan laki-laki (perempuan), atau sebaliknya. (Kategori yg diberi nilai 0 disebut kategori dasar, dlm artian bahwa perbandingan dibuat atas kategori tsb.)

Jika variabel kualitatif tsb terdiri lebih dari dua kategori, jumlah variabel dummy yg dibentuk harus sebanyak n-1, dimana n adalah banyaknya kategori variabel tsb.

B. Pengukuran Variabel

Pengukuran Variabel Penelitian dapat dikelompokkan menjadi 4 Skala Pengukuran, yaitu :

1. Skala Nominal

Skala Nominal adalah suatu himpunan yang terdiri dari anggota anggota yang mempunyai kesamaan tiap anggotanya, dan memiliki perbedaan dari anggota himpunan yang lain.

Misalnya :

• Jenis Kelamin : dibedakan antara laki – laki dan perempuan

• Pekerjaan : dapat dibedakan petani, pegawai, pedagang

• Golongan Darah : dibedakan atas Gol. 0, A, B, AB

• Ras : dapat dibedakan atas Mongoloid, Kaukasoid, Negroid.

• Suku Bangsa : dpt dibedakan dalam suku Jawa, Sunda, Batak dsb.

Skala Nominal, variasinya tidak menunjukkan perurutan atau kesinambungan, tiap variasi berdiri sendiri secara terpisah. Dalam Skala Nominal tidak dapat dipastikan apakah kategori satu mempunyai derajat yang lebih tinggi atau lebih rendah dari kategori yang lain ataukah kategori itu lebih baik atau lebih buruk dari kategori yang lain.

2. Skala Ordinal

Skala Ordinal adalah skala variabel yang menunjukkan tingkatan tingkatan.Skala Ordinal adalah himpunan yang beranggotakan menurut rangking, urutan, pangkat atau jabatan. Skala Ordinal adalah kategori yang dapat diurutkan atau diberi peringkat.Skala Ordinal adalah Skala Data Kontinum yang batas satu variasi nilai ke

variasi nilai yang lain tidak jelas, sehingga yang dapat dibandingkan hanyalah nilai tersebut lebih tinggi, sama atau lebih rendah daripada nilai yang lain.

Contoh :

• Tingkat Pendidikan : dikategorikan SD, SMP, SMA, PT

• Pendapatan : Tinggi, Sedang, Rendah

• Tingkat Keganasan Kanker : dikategorikan dalam Stadium I, II, dan III. Hal ini

dapat dikatakan bahwa : Stadium II lebih berat daripada Stadium I dan Stadium III

lebih berat daripada Stadium II.Tetapi kita tidak bisa menentukan secara pasti besarnya perbedaan keparahan itu.

• Sikap (yang diukur dengan Skala Linkert) : Setuju, Ragu – ragu, Tidak Setuju. Dsb.

3. Skala Interval

Skala Interval Adalah Skala Data Kontinum yang batas variasi nilai satu dengan yang lain jelas, sehingga jarak atau intervalnya dapat dibandingkan.Dikatakan Skala

Interval bila jarak atau perbedaan antara nilai pengamatan satu dengan nilai pengamatan lainnya dapat diketahui secara pasti.Nilai variasi pada Skala Interval juga dapat dibandingkan seperti halnya pada skala ordinal (Lebih Besar, Sama, Lebih

Kecil

tetapi Nilai Mutlaknya tidak dapat dibandingkan secara Matematis, oleh

karena itu batas batas Variasi Nilai pada Skala Interval bersifat arbiter (angka nolnya tidak absolute)

dsb);

Contoh :

• Temperature / Suhu Tubuh : sebagai skala interval, suhu 360Celcius jelas lebih panas daripada suhu 240Celcius. Tetapi tidak bisa dikatakan bahwa suhu 360Celcius 1½ kali lebih panas daripada suhu 240Celcius. Alasannya : Penentuan skala 00Celcius Tidak Absolut (=00Celcius tidak berarti Tidak Ada Suhu/Temperatur sama sekali).

• Tingkat Kecerdasan,

• Jarak, dsb.

4. Skala Ratio (Skala Perbandingan).

Skala Ratio Adalah Skala yang disamping batas intervalnya jelas, juga variasi nilainya memunyai batas yang tegas dan mutlak ( mempunyai nilai NOL ABSOLUT ).

Misalnya :

• Tinggi Badan : sebagai Skala Ratio, tinggi badan 180 Cm dapat dikatakan mempunyai selisih 60 Cm terhadap tinggi badan 120 Cm, hal ini juga dapat dikatakan hahwa : tinggi badan 180 adalah 1½ kali dari tinggi badan 120 Cm.

• Denyut Nadi : Nilai 0 dalam denyut nadi dapat dikatakan tidak ada sama sekali denyut nadinya.

• Berat Badan

• Dosis Obat, dsb.

Dari uraian di atas jelas bahwa Skala Ratio, Interval, Ordinal dan Nominal berturut turut memiliki nilai kuantitatif dari yang Paling Rinci ke yang Kurang Rinci. Skala Ratio mempunyai sifat sifat yang dimiliki Skala Interval, Ordinal dan Nominal. Skala Interval memiliki ciri ciri yang dimiliki Skala Ordinal dan Nominal, sedangkan Skala Ordinal memiliki sifat yang dimiliki Skala Nominal.

Adanya perbedaan tingkat pengukuran memungkinkan terjadinya Transformasi Skala Ratio dan Interval menjadi Ordinal atau Nominal. Transformasi ini dikenal sebagai Data Reduction atau Data Collapsing. Hal ini dimaksudkan agar dapat menerapkan metode statistik tertentu, terutama yang menghendaki skala data dalam bentuk Ordinal atau Nominal.

Sebaliknya, Skala Ordinal dan Nominal tidak dapat diubah menjadi Interval atau Ratio. Skala Nominal yang diberi label 0, 1 atau 2 dikenal sebagai Dummy Variable (Variabel Rekayasa). Misalnya : Pemberian label 1 untuk laki laki dan 2 untuk perempuan tidak mempunyai arti kuantitatif (tidak mempunyai nilai / hanya kode). Dengan demikian, perempuan tidak dapat dikatakan 1 lebih banyak dari laki laki. Pemberian label tersebut dimaksudkan untuk mengubah kategori huruf (Alfabet) menjadi kategori Angka (Numerik), sehingga memudahkan analisis data. (Cara ini dijumpai dalam Uji Q Cochran pada Pengujian Hipotesis).

BAB II

DESKRIPSI KERJA

Kali ini praktikan akan melakukan analisis regresi dengan variabel dummy, dimana praktikan akan menjelaskan langkah-langkah kerja terkait dengan analisis regresi variabel dummy. Berikut ini permasalahan yang akan diselesaikan praktikan terkait variabel dummy. Sebuah perusahaan maskapai penerbangan sedang dalam kondisi pailit, untuk itu tim peneliti perusahaan berusaha untuk menemukan solusi yang tepat bagi keberlangsungan perusahaan. Salah satu opsi terakhir yang diajukan adalah melakukan Pemutusan Hubungan Kerja (PHK) bagi karyawan perusahaan dengan data karyawan calon PHK yang telah ada. Untuk itu perusahaan ingin mengetahui besar nilai yang harus dibayarkan perusahaan pada gaji terakhir sebelum di PHK. Hal tersebut didasarkan pada divisi yang dijalankan (penerbangan : 1, pemasaran: 2, akunting: 3, personalia: 4, sistem informasi: 5, public relation: 6, kredit :

7, armada: 8, ground handling: 9, penelitian: 10), jabatan dalam perusahaan (kepala divisi: 1, sekretaris divisi:2, staff divisi:3, office boy: 4) , tingkat pendidikan yang telah ditempuh (S2: 1, S1 : 2, D3: 3, SMA/Sederajat : 4) , penilaian hasil kinerja, dan usia.

Berikut ini adalah data karyawan calon penerima keputusan PHK :

         

GAJI

DIVISI

JABATAN

DIDIK

KINERJA

USIA

($)

1

1

1

7

50

730

1

2

2

7

47

530

1

3

3

3

30

312

1

3

2

5

31

410

1

3

2

5

31

403

1

3

2

6

32

400

1

3

3

4

27

342

2

3

1

6

50

636

2

4

4

5

19

232

2

3

2

6

43

342

2

3

2

5

34

338

2

4

4

6

23

243

2

3

4

3

34

232

2

3

4

6

24

243

2

3

4

5

31

240

3

1

2

4

45

546

3

3

2

5

43

430

3

3

2

5

45

469

3

4

4

5

23

229

3

4

4

6

24

231

3

2

3

5

34

476

3

3

2

4

31

340

3

3

2

4

32

340

3

4

4

6

20

233

4

1

1

6

51

578

4

3

2

5

33

502

4

3

3

4

25

421

4

3

2

7

35

498

4

3

2

4

31

456

4

3

3

4

37

421

4

3

3

3

36

420

5

3

1

5

50

700

5

2

2

5

34

462

5

3

2

6

32

427

5

4

4

3

46

232

5

4

4

3

20

231

5

3

2

5

36

356

5

3

2

4

34

329

5

4

4

4

26

247

5

4

4

6

21

251

6

3

4

4

31

246

6

3

3

3

36

403

6

2

2

7

31

500

6

4

4

4

23

233

6

2

3

4

30

407

6

3

3

3

35

257

6

3

2

3

37

356

6

4

4

4

18

234

7

1

1

3

46

531

7

3

2

6

41

465

7

3

2

5

37

461

7

4

4

3

47

234

7

3

3

5

34

340

7

3

4

7

29

250

7

4

4

5

22

232

7

4

4

4

23

231

8

1

1

4

47

525

8

2

3

6

34

468

8

2

3

5

35

428

8

3

3

4

38

300

8

3

2

6

37

461

8

3

4

5

35

342

8

3

4

4

36

321

9

1

1

4

48

531

9

2

2

5

33

420

9

3

2

7

28

478

9

3

2

6

31

473

9

4

4

6

29

234

9

2

3

6

31

423

9

3

3

6

36

325

9

3

3

6

35

325

10

3

3

3

42

303

10

3

3

4

31

336

10

4

4

5

34

232

10

3

2

7

35

351

10

4

2

5

36

234

10

4

4

6

32

236

10

3

4

6

31

342

10

3

4

5

34

321

Dengan data diatas praktikan ingin mengetahui beberapa hal dari permasalahan diatas:

1)

2) Lakukan uji hipotesis dan cantumkan variabel mana yang Saudara jadikan sebagai variabel dummy 3) Apabila terdapat seorang karyawan calon PHK, bekerja pada divisi pemasaran , jabatan dalam perusahaan adalah sekretaris divisi, tingkat pendidikan S1, usia 35 tahun, nilai kerja 5, berapakah kira-kira gaji yang harus dibayarkan oleh perusahaan?

Dapatkan pemodelan regresi linearnya

Untuk menyelesaikan permasalahan diatas, dan menjawab ketiga poin sebelumnya dengan langkah-langkah sebagai berikut:

1. Langkah pertama praktikan menggunakan software SPSS, praktikan membuka SPSSnya, kemudian klik variabel view.

2. Pada variabel view input variabelnya yaitu terdiri dari variabel divisi, variabel didik, variabel jabatan, variabel kinerja, variabel usia dan variabel gaji.

didik, variabel jabatan, variabel kinerja, variabel usia dan variabel gaji. Gambar 2.1 input variabel pada variabel

Gambar 2.1 input variabel pada variabel view.

3. Untik variabel divisa, variabel jabatan dan variabel didik merupakan data kualitatif, maka praktikan mengubahnya menjadi data kuantitafik berdasarkan lavel yang sudah ditentukan pada permasalahan diatas. Praktikan klik pada kolom values dengan nama variabel divisi, klik none maka akan muncul tampilan seperti gambar 2.2. divisi yang dijalankan (penerbangan : 1, pemasaran: 2, akunting: 3, personalia: 4, sistem informasi: 5, public relation: 6, kredit : 7, armada: 8, ground handling: 9, penelitian: 10). Dalam penulisan pada kotak dialog value labels praktikan ketik pada value 1 untuk label penerbangan, value 2 untuk label pemasaran, value 3 untuk label akunting, value 4 untuk label personalia, value 5 untuk label sistem informasi, value 6 untuk label public relation, value 7 untuk label kredit, value 8 untuk label armada, value 9 untuk label ground handling, dan value 10 untuk label penelitian. Setiap kali praktikan memasukan value dan label praktikan klik add, apa bila praktikan akan menghilangkan salah satu value yang sudah di tambahkan, praktikan klik value yang akan dihilangkan dan klik remove.

praktikan klik value yang akan dihilangkan dan klik remove. Gambar 2.2 mengelompokan data kualitatif. 4. Selanjutnya

Gambar 2.2 mengelompokan data kualitatif.

4. Selanjutnya praktikan mengubah varibel jabatan yang datanya kualitatif, dikelompokan menjadi data kuantitatif, dengan berbagai label. Pertama praktikan klik None pada kolom value dan baris jabatan. Kemudian akan muncul gambar 2.3, praktikan ketik pada value 1 dengan label kepala divisi, untuk value 2 dengan label sekretaris divisi, untuk value 3 dengan label staff divisi dan untuk value 4 dengan label office boy.

value 2 dengan label sekretaris divisi, untuk value 3 dengan label staff divisi dan untuk value

Gambar 2.3 pengelompokan pada variabel jabatan

5. Kemudian praktikan mengubah data kualitatif pada variabel didik mengelompokannya menjadi data kuantitatif. Dengan melihat gambar 2.1 klik pada kolom value dan baris didik klik None, maka akan muncul gambar dibawah ini, praktikan input pada value dengan 1 dan pada label ketik S1, pada value 2 maka klik S2, pada value 3 klik D3 dan pada value 4 klik SMA/ Sederajat.

pada value 3 klik D3 dan pada value 4 klik SMA/ Sederajat. Gambar 2.4 Pengelompokan data

Gambar 2.4 Pengelompokan data variabel didik.

6.

Selanjutnya praktikan ketik data sesuai tabel 1.1 pada SPSS.

Pengelompokan data variabel didik. 6. Selanjutnya praktikan ketik data sesuai tabel 1.1 pada SPSS. Gambar 2.5

Gambar 2.5 input data

7. Untuk variabel divisi dimana data itu kualitatif, meskipun telah diubah kedalam bentuk kuantitafik. Untuk anakisis regresinya praktikan menggunakan analisis regresi dengan variabel dummy. Dengan langkah praktikan klik transform klik recode into different variabel.

klik transform  klik recode into different variabel. Gambar 2.6 langkah untuk melakukan variabel dummy. 8.

Gambar 2.6 langkah untuk melakukan variabel dummy.

8. Selanjutnya akan muncul gambar dibawah ini, praktikan akan mengubah variabel divisi terlehih dulu. Klik variabel divisi kemudian klik panah kea rah kotak numbericvariabel.

terlehih dulu. Klik variabel divisi kemudian klik panah kea rah kotak numbericvariabel. Gambar 2.7 mengubah variabel.

Gambar 2.7 mengubah variabel.

9.

Untuk variabel devisi praktikan menyingkatnya dengan ddv yaitu dummy divisi, praktikan klik name dengan ddv1 klik change.

divisi, praktikan klik name dengan ddv1  klik change. Gambar 2.8 mengubah variabel 10. Kemudian praktikan

Gambar 2.8 mengubah variabel

10. Kemudian praktikan klik old and new values akan muncul gambar 2.9. Disini praktikan memilih kategori 1 sebagai refrence categorynya.

praktikan memilih kategori 1 sebagai refrence categorynya. Gambar 2.9 langkah analisis dummy. 11. Sehingga untuk

Gambar 2.9 langkah analisis dummy.

11. Sehingga untuk mengetahui nilai ddv1, praktikan ketik pada old value value dengan nilai 2. Dan pada new value value praktikan ketik 1klik add.

praktikan ketik pada old value  value dengan nilai 2. Dan pada new value  value

Gambar 2.10 langkah menentukan analisis variabel dummy. 12. Kemudian praktikan klik pada all other value pada new value ketik 0, kemudian klik add.

value  pada new value ketik 0,  kemudian klik add. Gambar 2.11 langkah analisis variabel

Gambar 2.11 langkah analisis variabel dummy.

13. Sebelumnya

praktikan

variabel ddv2 dengan mengganti nama ddv1 menjadi ddv2 dan klik change.

praktikan

membuat

variabel

ddv1,

selanjutnya

membuat

change. praktikan membuat variabel ddv1, selanjutnya membuat Gambar 2.12 untuk ddv2 14. Selanjutnya praktikan klik old

Gambar 2.12 untuk ddv2

14. Selanjutnya praktikan klik old and new values maka muncul tampilan gambar 2.13. pada old value ketik 3 dan pada new value 1 lalu klik add. Kemudian praktikan klik all other values dan pada new value ketik 0 dan klik add klik continue.

Gambar 2.13 langkah ddv2 15. Berikutnya praktikan membuat variabel ddv3 dengan langkah mengubah nama variabelnya,

Gambar 2.13 langkah ddv2

15. Berikutnya praktikan membuat variabel ddv3 dengan langkah mengubah nama variabelnya, dimana awalnya pada name ddv2 diubah menjadi ddv3 dan klik change. Kemudian praktikan klik old and new values pada old values ketik 4, dan pada new value ketik 1klik add. Selanjutnya praktikan klik pada all other value dan klik pada new value ketik 0.

klik pada all other value dan klik pada new value ketik 0. Gambar 2.14 langkah varaibel

Gambar 2.14 langkah varaibel ddv3.

16. Masih dalam variabel ddv, karena untuk kategori divisi sendiri terdiri 10 kategori, maka jumlah variabel ddv sebanyak 9. Selanjutnya ddv 4 dengan langkah yang sama, yaitu mengubah nama variabel menjadi ddv 4klik change klik old and new values. Maka akan muncul tampilan dibawah ini, kemudian praktikan klik pada old new ketik 5 kemudian pada new value ketik 1 klik add, selanjutnya praktikan klik pada all other value ketik pada new value 0klik add.kemudian klik continue klik ok.

Gambar 2.15 langkah membuat variabel ddv4. 17. Praktikan mengubah nama variabel ddv4 menjadi ddv5. Kemudian

Gambar 2.15 langkah membuat variabel ddv4.

17. Praktikan mengubah nama variabel ddv4 menjadi ddv5. Kemudian praktikan klik change klik old and new value. Pada old value praktikan ketik 6 kemudian pada new value praktikan ketik 1 klik add. Kemudian praktikan klik pada all other value dan klik pada new value dan ketik 0 klik add continue klik ok.

dan ketik 0  klik add  continue  klik ok. Gambar 2.16 variebal ddv5. 18.

Gambar 2.16 variebal ddv5.

18. Praktikan mengganti variable ddv5 menjadi ddv6 klik change. Kemudian praktikan klik old and new values. Ketik 7 pada old value, pada new value ketik 1 klik add, kemudian praktikan klik all other value pada new value ketik 0 klik add klik continue klik ok.

Gambar 2.17 variabel ddv6. 19. Pada ddv7 praktikan merubah namanya yang awalnya ddv6 menjadi ddv7

Gambar 2.17 variabel ddv6. 19. Pada ddv7 praktikan merubah namanya yang awalnya ddv6 menjadi ddv7 dan klik change. Kemudian praktikan klik old and new value pada old value ketik 8pada new value ketik 1 klik add. Kemudian klik pada all other value ketik 0 pada new value klik addklik continue klik ok.

new value  klik add  klik continue  klik ok. Gambar 2.18 variabel ddv7. 20.

Gambar 2.18 variabel ddv7.

20. Selanjutnya praktikan mengubah menjadi ddv8 klik cange klik old and new value. Klik pada old value ketik 9 klik pada new value ketik 1 klik add. Kemudian klik pada all other value ketik 0 pada new value klik add klik continue klik ok.

Gambar 2.19 variabel ddv8. 21. Praktikan merubah ddv8 menjadi ddv9  klik chang  klik

Gambar 2.19 variabel ddv8.

21. Praktikan merubah ddv8 menjadi ddv9klik changklik old and new value pada old value ketik 10 klik pada new value ketik 1 klik add. Klik pada all other value klik pada new value ketik 0klik add klik continueklik ok.

ketik 0  klik add  klik continue  klik ok. Gambar 2. 20 Variabel ddv9.

Gambar 2. 20 Variabel ddv9.

22. Pada variabel dummy dengan data kualitatif jabatan praktikan membuat singkatan dummy jabatan (dj). Untuk membuat variabel dj1, praktikan keluarkan variabel divisi, kemudian inputkan variabel jabatan, pada name ketik dj1 klik change.

dj1, praktikan keluarkan variabel divisi, kemudian inputkan variabel jabatan, pada name ketik dj1  klik change.

Gambar 2.20 variabel dummy jabatan.

23. Selanjutnya praktikan klik old and new value, kemudian praktikan klik pada old value ketik 2 pada new value praktikan ketik 1 klik add. Kemudian klik pada all other value ketik 0 pada new value klik add klik continue klik ok.

new value  klik add  klik continue  klik ok. Gambar 2.21 variabel dummy jabatan

Gambar 2.21 variabel dummy jabatan

24. Praktikan mengubah dj1 menjadi dj2 kemudian klik change klik old and new valueklik pada old value ketik 3klik pada new value ketik 1 klik add. Klik pada all other value ketik 0 pada new value klik addklik continue klik ok.

new value  klik add  klik continue  klik ok. Gambar 2.21 variabel dummy jabatan.

Gambar 2.21 variabel dummy jabatan.

25. Praktikan mengubah dj2 menjadi dj3 kemudian klik change. Klik pada old and new value ketik 4 pada old value ketik 1 pada new value klik add. Kemudian klik pada all other value ketik 0 pada new value klik add klik continue klik ok.

Gambar 2.22 Variabel dummy jabatan 26. Selanjutnya praktikan mengluarkan variabel jabatan dan menginputkan variabel yang

Gambar 2.22 Variabel dummy jabatan

26. Selanjutnya praktikan mengluarkan variabel jabatan dan menginputkan variabel yang akan di dummykan variabel didik.Praktikan memberi singkatan ddi1. Kemudian praktikan klik change klik old and new value ketik 2 pada old value ketik 1 pada new value klik add. Kemudian klik pada all other values ketik 0 pada new values klik add klik continue klik ok.

new values  klik add  klik continue  klik ok. Gambar 2.23 Variabel dummy didik.

Gambar 2.23 Variabel dummy didik.

27. Selanjutnya praktikan mengubah ddi1 menjadi ddi2 klik change klik old and new value ketik 3 pada old value ketik 1 pada new value klik add. Kemudian klik all other value ketik 0 pada new value klik add klik continue klik ok.

Gambar 2.24 Variabel dummy didik 28. Yang terakhir praktikan mengubah variabel dengan data kualitatif menjadi

Gambar 2.24 Variabel dummy didik

28. Yang terakhir praktikan mengubah variabel dengan data kualitatif menjadi kuantitatif dimana awalnya dengan nama variabel ddi2 menjadi ddi3 klik change klik ald and new value ketik 4 pada old value ketik 1 pada new value klik add klik all ither value ketik 0 pada new value klik add klik continueklik ok.

new value  klik add  klik continue  klik ok. Gamabr 2.25 variabel dummy didik.

Gamabr 2.25 variabel dummy didik.

29. Setelah

praktikan

telah

merubah

data-data

yang

kualitatif

menjadi

kuantitatif,

sehingga data dapat di analisis dengan langkah klik regression linear.

Gambar 2.26 langkah analisis regresi variabel dummy. 30. Kemudian praktikan inputkan variabel-variabel dummy dan variabel

Gambar 2.26 langkah analisis regresi variabel dummy.

30. Kemudian praktikan inputkan variabel-variabel dummy dan variabel yang lain yang datanya bersifat kuntitatif pada kotak independen yaitu kinerja, usis, ddv1, ddv2, ddv3, ddv4, ddv5, ddv6, ddv7, ddv8, ddv9, dj1, dj2, dj3, ddi1, ddi2, ddi3. Untuk variabel dependennya adalah gaji klik ok.

ddi2, ddi3. Untuk variabel dependennya adalah gaji  klik ok. Gambar 2.27 input variabel dependent dan

Gambar 2.27 input variabel dependent dan independent.

31.

Setelah praktikan klik ok, diketahui nilai signifikan terbesar pada variabel ddv2 yang artinya memiliki hubungan dengan variabel dependen yang lemah. praktikan klik analyzeregression linear praktikan mengeluarkan variabel ddv2 klik ok.

 praktikan mengeluarkan variabel ddv2  klik ok. Gambar 2.28 mengeluarkan variabel ddv2. 32. Setelah

Gambar 2.28 mengeluarkan variabel ddv2.

32. Setelah dianalisis kembali masih ada beberapa variabel yang nilai signifikannya lebih dari 0,05. Dan yang memiliki nilai signifikansi terbesar adalah dj2, praktikan klik analyzeregression linear sehingga praktikan mengeluarkan variabel dj2klik ok.

sehingga praktikan mengeluarkan variabel dj2  klik ok. Gambar 2.29 mengeluarkan variabel dj2. 33. Praktikan

Gambar 2.29 mengeluarkan variabel dj2.

33. Praktikan mengelurakan ddv4 karena memiliki nilai signifikan terbesar dan melebihi 0,05 . praktikan klik analyzeregression linear keluarkan ddv4klik ok.

Gambar 2.30 mengeluarkan variabel ddv4. 34. Praktikan klik analyze  regression  linear  praktikan

Gambar 2.30 mengeluarkan variabel ddv4.

34. Praktikan klik analyzeregression linear praktikan mengeluarkan variabel ddv7 klik ok.

 praktikan mengeluarkan variabel ddv7  klik ok. Gambar 2.31 mengeluarkan variabel ddv7. 35. Praktikan klik

Gambar 2.31 mengeluarkan variabel ddv7.

35. Praktikan klik analyzeregression linear praktikan keluarkan ddv5klik ok.

analyze  regression  linear  praktikan keluarkan ddv5  klik ok. Gambar 2.32 mengeluarkan variabel

Gambar 2.32 mengeluarkan variabel ddv5.

36. Praktikan klik analyzeregression linear ddv6 klik ok.

praktikan mengeluarkan variabel

 ddv6  klik ok. praktikan mengeluarkan variabel Gambar 3.33 mengeluarkan variabel ddv6 37. Praktikan klik

Gambar 3.33 mengeluarkan variabel ddv6

37. Praktikan klik analyzeregression linear praktikan mengeluarkan variabel ddv8 klik ok.

 praktikan mengeluarkan variabel ddv8  klik ok. Gambar 2.37 mengeluarkan variabel ddv8. 38. Selanjutnya

Gambar 2.37 mengeluarkan variabel ddv8.

38. Selanjutnya praktikan mengeluarkan variabel Usia karena memiliki nilai signifikan melebihi 0,05 dan terbesar. Praktikan klik analyzeregression linear keluarkan usia klik ok.

Gambar 2.38 keluarkan variabel usia. 39. Praktikan klik analyze  regression  linear  selanjutnya

Gambar 2.38 keluarkan variabel usia.

39. Praktikan klik analyzeregression linear selanjutnya praktikan mengeluarkan variabel ddv 9 klik ok.

praktikan mengeluarkan variabel ddv 9  klik ok. Gambar 2.39 keluarkan variabel ddv9 40. Setelah praktikan

Gambar 2.39 keluarkan variabel ddv9

40. Setelah praktikan klik ok didapatkan nilai signifikan melebihi 0,05, maka praktikan mengeluarkan satu per satu nilai signifikansi terbesar sampai semua nilai signifikansi dibawah 0,05. Praktikan mengeluarkan berurutan satu persatu berdasarkan nilai sigifikansi terbesar yaitu ddv2, dj2, ddv4, ddv7, ddv5, ddv6, ddv8, Usia, dan yang terakhir ddv9.

BAB III

PEMBAHASAN

Setelah pada langkah deskripsi kerja tidak adanya nilai signifikansi melebihi0,05 maka dapat dikatakan variabel independennya memiliki hubungan yang kuat dengan variabel dependen itu sendri.Untuk variabel-variabel yang memiliki hubungan kuat dapat dilihat pada Tabel 3.1.Yaitu variabel dummy didik 3, variabel kerja, variabel dummy divisi 3, variabel dummy devisi 1, variabel dummy jabatan 1, variabel dummy didik 2, variabel dummy jabatan 3 dan variabel dummy didik 1.

Tabel 3.1 Variabels Entered

 

Variables Entered/Removed

 
 

Variables

Variables

 

Model

Entered

Removed

Method

1

ddi3, kinerja, ddv3, ddv1, dj1, ddi2, dj3, ddi1 a

.

Enter

a. All requested variables entered.

 

Dalam tabel 3.2 dapat dilihat nilai R dan R square, dimana R adalah nilai koefisien korelasi, dimana semakin besar nilai Rnya semakin kuat hubungan diaman model sesuai. Semakin baik bila nilai R semakin dekat dengan 1. Pada tabel 3.2 menunjukan nilai R sebesar 0,855 dimana nilai tersebut mendekati 1, hal ini menunjukan R signifikan. Nilai 0,855 menunjukan 85,5% variabel dependen dipengaruhi faktor-faktor yang disebutkan dalam tabel 3.1 sisanya oleh pengaruh variabel lain.

Tabel 3.2 Model Summary

 

Model Summary

 
   

Adjusted R

Std. Error of the Estimate

Model

R

R Square

Square

1

.924 a

.855

.838

48.12315

a. Predictors: (Constant), ddi3, kinerja, ddv3, ddv1, dj1, ddi2, dj3, ddi1

Pada tabel Anova menunjukan nilai regression 952780,695 dan residual 162108,647, untuk nilai signifikannya 0 yang berarti model signifikan atau sesuai.

Tabel 3.3 ANOVA

 

ANOVA b

Model

 

Sum of Squares

df

Mean Square

F

Sig.

1

Regression

952780.695

8

119097.587

51.427

.000 a

Residual

162108.647

70

2315.838

   

Total

1114889.342

78

     

a.

Predictors: (Constant), ddi3, kinerja, ddv3, ddv1, dj1, ddi2, dj3, ddi1

 

b.

Dependent Variable: gaji

 

Dalam tabel 3.4 menunjukan nilai beta, standar error nilai t hitung dan nilai signifikan. Dimana pada nilai signifikan tidak adanya nilai melebihi 0,05 yang berarti variabel-variabel tersebut signifikan, memiliki hubungan kuat dengan variabel independen.

Tabel 3.4 Coefficients

 

Coefficients a

   

Standardized

   

Unstandardized Coefficients

Coefficients

Model

B

Std. Error

Beta

t

Sig.

1

(Constant)

531.907

31.092

 

17.108

.000

kinerja

13.770

5.035

.137

2.735

.008

ddv1

-40.407

19.030

-.103

-2.123

.037

ddv3

66.098

20.024

.158

3.301

.002

dj1

75.773

19.229

.203

3.941

.000

dj3

-69.399

18.794

-.245

-3.693

.000

ddi1

-197.119

20.570

-.794

-9.583

.000

ddi2

-251.032

22.660

-.886

-11.078

.000

ddi3

-294.263

24.115

-1.164

-12.202

.000

a. Dependent Variable: gaji

 

Setelah diketahui variabel-variabel yang memiliki hungan kuat dengan variabel dependen dapat diketahui model regresinya.

Setelah model regresi diketahui, praktikan membuktikan dengan uji hipotesis masing-masing variabel.

1. Uji Konstanta

H 0 : Konstanta tidak signifikan

H 1 : Konstanta Signifikan

Tingkat signifikan α: 0,05

Uji Statistik : P-value < α 0,000<0,05 (artinya p-value conctanta < 0,05)

Kesimpulan tolak H 0 , maka konstanta signifikan.

2. Uji kinerja

H 0 : koefisien regresi tidak signifikan

H 1 : koefiseien regresi Signifikan

Tingkat signifikan α: 0,05

Uji Statistik : P-value < α 0,008<0,05 (artinya p-value kinerja < 0,05)

Kesimpulan tolak H 0 , maka kinerja signifikan.

3. Uji ddv 1

H 0 : koefisien regresi tidak signifikan

H 1 : koefisien regresi Signifikan

Tingkat signifikan α: 0,05

Uji Statistik : P-value < α

0,037<0,05 (artinya p-value ddv1 < 0,05)

Kesimpulan tolak H 0 , maka dummy divisi 1 signifikan.

4. Uji ddv3

H 0 : koefisien regresi tidak signifikan

H 1 : koefisien regresi Signifikan

Tingkat signifikan α: 0,05

Uji Statistik : P-value < α

0,002<0,05 (artinya p-value ddv3 < 0,05)

Kesimpulan tolak H 0 , maka dummy divisi 3 signifikan.

5. Uji dj1

H 0 : koefisien regresi tidak signifikan

H 1 : koefisien regresi Signifikan

Tingkat signifikan α: 0,05

Uji Statistik : P-value < α

0,000<0,05 (artinya p-value dj1 < 0,05)

Kesimpulan tolak H 0 , maka dummy jabatan 1 signifikan.

6. Uji dj3

H 0 : koefisien regresi tidak signifikan

H 1 : koefisien regresi Signifikan

Tingkat signifikan α: 0,05

Uji Statistik : P-value < α

0,000<0,05 (artinya p-value dd3< 0,05)

Kesimpulan tolak H 0 , maka dummy jabatan 3 signifikan.

7. Uji ddi1

H 0 : koefisien regresi tidak signifikan

H 1 : koefisien regresi Signifikan

Tingkat signifikan α: 0,05

Uji Statistik : P-value < α

0,000<0,05 (artinya p-value ddi1< 0,05)

Kesimpulan tolak H 0 , maka dummy didik 1 signifikan.

8. Uji ddi2

H 0 : koefisien regresi tidak signifikan

H 1 : koefisien regresi Signifikan

Tingkat signifikan α: 0,05

Uji Statistik : P-value < α

0,000<0,05 (artinya p-value ddi2< 0,05)

Kesimpulan tolak H 0 , maka dummy didik 2 signifikan.

9. Uji ddi3

H 1 : koefisien regresi Signifikan

Tingkat signifikan α: 0,05

Uji Statistik : P-value < α

0,000<0,05 (artinya p-value ddi3< 0,05)

Kesimpulan tolak H 0 , maka dummy didik 3 signifikan.

Pada permasalahan ketiga dimana apabila terdapat seorang karyawan calon PHK, bekerja pada divisi pemasaran , jabatan dalam perusahaan adalah sekretaris divisi, tingkat pendidikan S1, usia 35 tahun, nilai kerja 5, berapakah kira-kira gaji yang harus dibayarkan oleh perusahaan. Maka didapatkan nilai Y seperti berikut.

(

)

(

)

(

)

(

)

(

)

(

)

(

)

(

)

Maka didapatkan gaji yang harus dibayarkan perusahaan sebesar untuk calon PHK yang bekerja di divisi pemasaran.

BAB IV

PENUTUP

Setelah praktikan menyelesaikan langkah-langkah untuk menyelesaikan permasalahan diatas, selain itu praktikan juga telah membahas hasil output dari langkah-langkah kerja sebelumnya. Maka dapat diambil kesimpulan bahwa:

1. Variabel yang memiliki hubungan kuat dengan variabel dependen adalah variabel dummy didik 3, variabel kerja, variabel dummy divisi 3, variabel dummy devisi 1, variabel dummy jabatan 1, variabel dummy didik 2, variabel dummy jabatan 3 dan variabel dummy didik 1.

2. Setelah praktikan melalukan uji hipotesis masing-masing variabel menunjukan uji hipotesisnya signifikan, maka model regresi variabel dummy nya sesuai. Dimana model tersebut adalah

3. Dan untuk gaji pegawai yang akan di PHK, bekerja pada divisi pemasaran , jabatan dalam perusahaan adalah sekretaris divisi, tingkat pendidikan S1, usia 35 tahun, nilai kerja 5, kira-kira gaji yang harus dibayarkan oleh perusahaan adalah (

(

)

(

)

)

(

)

(

)

(

)

(

)

(

)

Jadi gaji untuk pegawai tersebut yang seharusnnya dibyar oleh perusahaan sebesar

.

DAFTAR PUSTAKA

Draper Norman.1992. Analisis Regresi Terapan. Jakarta: Gramedia Pustaka Utama

2013/20.00)

.

(10

Juni