REGRESI LINEAR

Contoh Kasus:

Tidak jarang penelitian melibatakn variabel Moderating yang bersifat Kategori. Pemodelan variabel

moderating dalam analisis regresi dapat diselesaikan dengan membangun model regresi dengan variabel

Dummy. Penelitian terhadap 12 rumah tangga sebagai sampel acak dilakukan untuk mengetahui fungsi

konsumsi .

X : Pendapatan kepala rumah tangga

D : Jenis kelamin pencari nafkah utama ( Laki-Laki (D=1) dan Perempuan (D=0))
Y : Konsumsi dalam ribuan rupiah per minggu

Y X D Y X D
185,35 225,50 0 134,80 164,70 0
113,50 140,35 0 96,80 107,20 1
121,30 130,40 1 178,40 223,50 0
152,10 175,00 0 111,80 112,00 1
86,80 943,00 1 143,20 168,10 1
167,60 206,35 0 196,80 230,00 0

Dari data diatas kita akan membangun model regresi untuk menjelaskan pengaruh Pendapatan dan

Jenis Kelamin terhadap Konsumsi, kemudian Peneliti akan melihat apakah Jenis kelamin mampu

signifikan dalam menentukan besar pengaruh Pendapatan terhadap Konsumsi.

1. Model regresi Dummy

 Model regresi :
= . + . + . .

X : Pendapatan kepala rumah tangga

D : Jenis kelamin pencari nafkah utama ( Laki-Laki (D=1) dan Perempuan (D=0))
Y : Konsumsi dalam ribuan rupiah per minggu
XD : pendapatan kepala rumah tangga yang dipengaruhi jenis kelamin

Model laki-laki (D=1):

= . .

Model perempuan (D=0):

= .
+ .
0 : = 0, koefisien regresi tidak signifikan , atau model tidak cocok.

1 : 0, koefisien regresi signifikan , atau model cocok.

= 5%

Statistik uji : Uji F

Kriteria uji :

Tolak 0 jika > , atau tolak 0 jika P-value < .

Ternyata didapatkan P-value: 0.0002274 < =0.05, maka 0 yang artinya, koefisien

regresi signifikan , atau model cocok.

 = . + . + . .

2. Uji signifikansi dalam menentukan besar pengaruh Pendapatan terhadap Konsumsi.

Uji parsial :

01 : 1 = 0, koefisien regresi 1 tidak signifikan

11 : 1 0, koefisien regresi 1 signifikan

02 : 2 = 0, koefisien regresi 2 tidak signifikan

12 : 2 0, koefisien regresi 2 signifikan

03 : 3 = 0, koefisien regresi 3 tidak signifikan

13 : 3 0, koefisien regresi 3 signifikan

= 5%

Statistik uji :

=
( )
 Kriteria uji :

Terima 0 jika < < , atau tolak 0 jika p-value < .

1. Ternyata p-value=0.000670 < =0.05, maka 01 ditolak yang artinya koefisien regresi 1
signifikan
2. Ternyata p-value= 0.004588 < =0.05, maka 02 ditolak yang artinya koefisien regresi
2 signifikan
3. Ternyata p-value= 0.000534 < =0.05, maka 03 ditolak yang artinya koefisien regresi
3 signifikan

Kesimpulan:

Maka dari uji parsial, seluruh variable signifikan dalam menentukan besar pengaruh
Pendapatan terhadap Konsumsi. Dan juga jenis kelamin mampu signifikan dalam
menentukan besar pengaruh Pendapatan terhadap Konsumsi.

PENGUJIAN ASUMSI KLASIK

Variables Entered/Removeda

Model Variables Variables Method

Entered Removed

1 D1, X1, X2b . Enter

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

Model Summaryb

Model R R Square Adjusted R Std. Error of the Durbin-Watson

Square Estimate

1 1,000a ,999 ,999 1979903,58698 1,261

a. Predictors: (Constant), D1, X1, X2

b. Dependent Variable: Y

ANOVAa
Model Sum of Squares Df Mean Square F Sig.

8435612982269 2811870994089
Regression 3 7173,107 ,000b
9984,000 9996,000

5488025499244 3920018213746
1 Residual 14
9,400 ,386

8441101007769
Total 17
2432,000

a. Dependent Variable: Y
b. Predictors: (Constant), D1, X1, X2

Coefficientsa

Model Unstandardized Coefficients Standardized t Sig.

Coefficients

B Std. Error Beta

(Constant) 343302,274 910057,977 ,377 ,712

X1 1,196 ,083 ,711 14,439 ,000

1
X2 3,765 ,672 ,281 5,606 ,000

D1 -52156,565 14152,746 -,028 -3,685 ,002

a. Dependent Variable: Y

INTERPRETASI

Dari hasil diatas di dapat Adj R Square adalah sebesar 1,000 menunjukkan bahwa
hubungan antara variabel dependent dan independet cukup kuat.
Nilai F hitung adalah sebesar 7173,107 dengan sign 0,000. Karena sign < 0,05 maka dapat
disimpulkan bahwa model regresi adalah signifikan dan layak digunakan untuk memprediksi
pengaruh Pendapatan dan Jenis Kelamin terhadap Konsumsi.