See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/330171105

REGRESI LINIER BERGANDA metode DUMMY

Method · January 2019

DOI: 10.13140/RG.2.2.30936.75526

CITATIONS READS

0 658

1 author:

I Putu - Artaya
Universitas Narotama
140 PUBLICATIONS   23 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

The Influence of Work Facilities, Rewards, and Work Environment on Improving Employee Performance at Quds Royal Hotel Surabaya View project

Maternal Health Book View project

All content following this page was uploaded by I Putu - Artaya on 05 January 2019.

The user has requested enhancement of the downloaded file.

 Metode Analisa Penelitian Kualitatif – I Putu Artaya

REGRESI LINIER BERGANDA DUMMY

Tujuan menggunakan regresi berganda dummy adalah memprediksi besarnya nilai

variabel tergantung atas dasar satu atau lebih variabel bebas, di mana satu atau lebih
variabel bebas yang digunakan bersifat dummy.
Variabel dummy adalah variabel yang digunakan untuk membuat kategori data yang
bersifat kualitatif dan data kualitatif bentuknya adalah skala nominal. Contoh skala
nominal yang dianggap dummy disini misal: gender (jenis kelamin) yang terdiri dari
pria dan wanita, tingkat pendidikan bisa terdiri dari SMA dan sarjana, Dalam model
regresi tidak mengenal data berbetuk huruf, oleh karena itu pria dan wanita perlu
diubah menjadi kode nominal, seperti kode 1 untuk pria dan kode 0 untuk wanita.
Variabel dengan dua kategori ini yang dinamakan variabel dummy, namun skala
pengukuran dalam model regresi yang dibentuk, data yang digunakan adalah
campuran misal: variabel tergantung skala nominal, sedangkan variabel bebas dapat
menggunakan skala nominal dan rasio.
Dalam kegiatan penelitian, kadang variabel yang akan diukur bersifat intangible,
sehingga muncul kendala dalam pengukuran, dengan adanya variabel dummy
tersebut, maka besaran atau nilai variabel yang bersifat intangible tersebut dapat di
ukur secara kualitatif.
Sebagai misal dalam mengukur tingkat kepuasan pengguna jasa angkutan kereta api
atau pesawat, ukuran dapat dibuat secara kualitatif dalam bentuk dummy misal: kode
0 untuk tidak puas dan kode 1 untuk puas.,atau status ekonomi masyarakat dapat
dibuat secara kualitatif (nominal), misal kode 0 untuk miskin dan kode 1 untuk kaya.
Dengan adanya variabel dummy ada beberapa keuntungan yang dapat diperoleh
dalam proses pengukuran dan pengambilan data, antara lain:
1. Kompleksitas pengukuran dapat dipersempit, sehingga proses pengambilan
data dapat berjalan lebih mudah.
2. Membantu proses identifikasi, data yang awalnya intangible dapat di
kuantitatifkan.
3. Sebuah obyek (variabel) yang awalnya tidak terukur dapat menjadi terukur.
4. Hubungan antara sesama variabel dalam model regresi dapat diketahui.
Salah satu contoh kasus tentang penerapan regresi dummy mengenai bagaimana
pengaruh variabel bebas dalam prediksi nilai atau besaran variabel tergantung dalam
sebuah model regresi, dengan menggunakan variabel sebagai berikut: gaji sebagai
 Metode Analisa Penelitian Kualitatif – I Putu Artaya

variabel Y dengan skala adalah rasio, gender sebagai X1 dengan skala adalah
nominal, pendidikan sebagai X2 dengan skala nominal dan usia sebagai X3 dengan
skala rasio.
Contoh tampilan data regresi dummy adalah sebagai berikut, seperti tampak pada
tabel di bawah:
Tabel 1. Data Regresi Linier Berganda Dummy

No. Gaji (000) Gender Tingkat Pendidikan Usia

1 210 1 1 25
2 195 0 1 22
3 185 0 1 26
4 210 1 0 35
5 170 0 0 25
6 210 1 0 35
7 200 1 0 33
8 160 0 0 36
9 180 0 0 39
10 210 1 0 37
11 225 1 0 30
12 200 1 0 33
13 213 0 1 31
14 215 0 1 37
15 245 1 1 38
Sumber : Hasil Olahan Penulis.
Untuk kasus di atas, variabel dummy yang dipakai adalah:
Variabel Kode
0 = Wanita
Gender
1 = Pria
0 = SMA
Didik
1 = Sarjana

Dari tampilan data di atas, akan coba diprediksi:

“Apakah ada perbedaan gaji yang diterima berdasarkan gender ?”
Prosedur Analisa

1. Masukkan data di atas, ke dalam data editor.

2. Pilih menu Analyze > Regression > Linier.
3. Pada kotak Dependent, masukkan variabel gaji
4. Pada kotak Independent, masukkan variabel gender, abaikan variabel Didik
dan Usia.
5. Pada Method, pilih Enter
6. Klik OK untuk memulai proses data.
 Metode Analisa Penelitian Kualitatif – I Putu Artaya

Output hasil analisis akan tampak seperti di bawah ini:

Tabel 2. Output Hasil Analisa

Model Summary

Adjusted Std. Error of

Model R R Square R Square the Estimate
1 .608a .370 .322 17.804
a. Predictors: (Constant), Gender Karyawan

ANOVAb

Sum of
Model Squares df Mean Square F Sig.
1 Regression 2420.805 1 2420.805 7.637 .016a
Residual 4120.929 13 316.995
Total 6541.733 14
a. Predictors: (Constant), Gender Karyawan
b. Dependent Variable: gaji
Coefficientsa

Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 188.286 6.729 27.980 .000
Gender Karyawan 25.464 9.215 .608 2.763 .016
a. Dependent Variable: gaji

Interpretasi Output

1. Model Summary

Angka (koefisien) korelasi R sebesar 0,608 menunjukkan bahwa hubungan antara

gender dengan gaji yang diterima atau sebaliknya cukup kuat dan arah hubungan
adalah positif.
2. ANOVA
Dari tabel Anova, diperoleh nilai F hitung sebesar 7,637 dengan tingkat signifikansi
0,016 lebih kecil dari 0,05. Ini menunjukkan pengaruh variabel independen (gender)
signifikan (nyata) terhadap gaji yang diterima karyawan.
3. Persamaan Regresi
Persamaan regresi yang terbentuk adalah:
Gaji = 188,286 + 25,464 gender
4. Koefisien Regresi
Perhatikan tabel Coefficientª, tampak tingkat signifikansi untuk konstanta dan
koefisien regresi semuanya berada di bawah 0,05 (0,000 untuk konstanta dan 0,016
untuk koefisien regresi). Ini menunjukkan model regresi yang telah terbentuk layak
untuk memprediksi pengaruh gender terhadap gaji yang diterima karyawan.
 Metode Analisa Penelitian Kualitatif – I Putu Artaya

5. Melakukan Estimasi
Untuk konstanta sebesar 188,286 artinya gaji yang diterima karyawan wanita (kode 0)
adalah sebesar : gaji = 188,286 + [ 25,464 x 0 ] = Rp. 188.286 per bulan. Sedangkan
untuk karyawan pria (kode 1) gaji yang diterima: gaji = 188,286 + [ 25,464 x 1 ] =
Rp. 213.750 per bulan.
Jadi sekarang dapat diketahui, berdasarkan gender ternyata gaji yang diterima
karyawan wanita dan pria berbeda! Karyawan pria menerima gaji lebih banyak
dibanding karyawan wanita. Nilai koefisien regresi 25,464 menunjukkan bahwa pria
menerima gaji lebih banyak Rp. 25.464 per bulan dibandingkan karyawan wanita.

CONTOH LAIN ANALISA REGRESI BERGANDA DUMMY

Setelah analisis di atas dapat menjawab permasalahan, sekarang akan dilanjutkan

untuk membahas kasus yang kedua, dimana semua variabel independen (gender, didik
dan usia) dipakai dan dimasukkan kedalam persamaan regresi. Berbeda dengan kasus
di atas, variabel independen yang digunakan hanya variabel gender saja.
Prosedur Analisa
Dengan tetap menggunakan data pada tabel 8.3,

1. Klik menu Analyze > Regression > Linier.

2. Pada kotak Dependent masukkan variabel Gaji, pada kotak Independent
masukkan variabel: gender, didik dan usia
3. Pada kotak Method, pilih Enter
4. Klik OK untuk memulai proses data
Output hasil analisa tampak sebagai berikut

Tabel 3. Output Hasil Analisa Regresi Dummy

Model Summary

Adjusted Std. Error of

Model R R Square R Square the Estimate
1 .869a .755 .688 12.083
a. Predictors: (Constant), Pendidikan Karyawan, Gender
Karyawan, Usia Karyawan
 Metode Analisa Penelitian Kualitatif – I Putu Artaya

ANOVAb

Sum of
Model Squares df Mean Square F Sig.
1 Regression 4935.793 3 1645.264 11.269 .001a
Residual 1605.941 11 145.995
Total 6541.733 14
a. Predictors: (Constant), Pendidikan Karyawan, Gender Karyawan, Usia Karyawan
b. Dependent Variable: gaji

Coefficientsa

Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 128.859 20.954 6.150 .000
Gender Karyawan 30.016 6.379 .717 4.706 .001
Usia Karyawan 1.396 .599 .383 2.331 .040
Pendidikan Karyawan 28.629 7.000 .684 4.090 .002
a. Dependent Variable: gaji

Interpretasi Output

1. Model Summary

Pada kasus dummy kedua ini, nilai koefisien korelasi global (R) sebesar 0,869 artinya
ada hubungan yang kuat dan searah antara gaji dengan gender, didik dan usia.
Berbeda dengan kasus dummy pertama di mana nilai koefisien R hanya 0,608.
Demikian pula dengan koefisien determinasi juga mengalami peningkatan, pada kasus
dummy pertama variasi variabel gaji hanya mampu dijelaskan oleh gender sebesar
37%, sedangkan pada kasus dummy kedua, variasi variabel gaji mampu dijelaskan
secara bersama-sama oleh variabel gender, didik dan usia sebesar 68,8%. Standar
error of estimate pada model dummy kedua ini lebih kecil dibanding model dummy
pertama, ini menjukkan bahwa dengan adanya penambahan variabel independen
menjadi tiga (gender, didik, usia) model regresi menjadi lebih baik.
2. ANOVA
Pada tabel Anova, nilai F hitung adalah 11,269 dengan signifikansi sebesar 0,001
lebih kecil dari 0,05. Hal ini menunjukkan pengaruh ketiga variabel independen
terhadap variabel dependen adalah signifikan.
3. Koefisien Regresi
Pada kasus dummy kedua, persamaan regresi menjadi:
Gaji = 128,859 + 30,016 gender + 28,629 didik + 1,396 usia
 Metode Analisa Penelitian Kualitatif – I Putu Artaya

Pada tabel Coefficientª di atas, semua variabel independen memiliki signifikansi di

bawah 0,05 artinya model regresi sudah layak digunakan untuk memprediksi
pengaruh variabel independen terhadap gaji yang diterima karyawan.
4. Melakukan Estimasi
Misal, ingin diprediksi karyawan wanita dan laki-laki yang pendidikannya sama-sama
sarjana apakah menerima gaji yang sama jika usia mereka sekarang 35 tahun ?
Untuk menjawab pertanyaan tersebut, maka persamaan regresi diubah terlebih dahulu
menjadi sebagai berikut:
Model regresi bagi wanita dengan pendidikan sarjana (kode adalah 0 dan 1) adalah:
Gaji = 128,859 + 30,016 (0) + 28,629 (1) + 1,396 usia
Gaji = [ 128,859 + 0 + 28,629 ] + 1,396 usia
Gaji = 157,488 + 1,396 usia, maka gaji yang diterima adalah:
Gaji = 157,488 + [ 1,396 x 35 ] = Rp. 206.313 per bulan
Model regresi bagi pria dengan pendidikan sarjana (kode adalah 1 dan
1) adalah:
Gaji = 128,859 + 30,016 (1) + 28,629 (1) + 1,396 usia
Gaji = [ 128,859 + 30,016 + 28,629 ] + 1,396 usia
Gaji = 187,504 + 1,396 usia
Gaji = 187,504 + [ 1,396 x 35 ] = Rp. 236.364 per bulan
Dari hasil prediksi di atas dapat diketahui bahwa karyawan wanita dan pria saat usia
35 tahun menerima gaji dengan jumlah yang tidak sama, dimana karyawan wanita
menerima gaji lebih rendah.

View publication stats