EKONOMETRIKA

KASUS REGRESI DENGAN VARIABEL DUMMY

(Variabel Terikat Dummy)

Dosen Pengajar:
Dr. H. Karim, M.Si.
Rizki Amalia, M.Pd.

Disusun Oleh:

Ahmad Ridani (1710118210003)

Akhmad Fikriady (1710118310002)

Helmi Yahya (1710118210013)

PROGRAM STUDI PENDIDIKAN MATEMATIKA

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

UNIVERSITAS LAMBUNG MANGKURAT

2019
Contoh Kasus

Ingin diprediksi pengaruh umur(X1), jenis kelamin(X2) dan pendapatan(X3)

terhadap pembelian mobil(Y).

No Y X1 X2 X3 No Y X1 X2 X3

1 0 39 1 4.2 25 0 40 1 4.4

2 1 39 1 8.4 26 0 41 0 3.5

3 0 47 1 5.5 27 0 40 0 3.7

4 0 44 0 4.1 28 1 38 1 11

5 0 33 1 3.7 29 1 36 0 12

6 0 38 1 5.3 30 1 31 0 9.8

7 0 41 1 5.1 31 1 35 1 8.9

8 1 40 0 11.1 32 1 45 1 10.5

9 0 39 1 6.3 33 1 34 0 12.2

10 0 38 1 3.5 34 1 38 1 14

11 0 33 1 3.8 35 1 35 0 13.4

12 0 40 0 5.2 36 0 38 0 8.8

13 0 35 1 3.4 37 1 34 1 11.7

14 0 40 1 6 38 1 45 0 10.8

15 0 37 0 7.4 39 1 41 1 9.5

16 0 26 1 6.4 40 1 49 1 15

17 1 40 0 7.7 41 1 44 0 8.3

1
18 0 40 0 4 42 0 55 1 2.4

19 1 37 0 7.5 43 1 45 1 13.7

20 0 30 0 4.9 44 1 38 0 10.3

21 0 41 0 5.7 45 1 44 0 9.4

22 0 35 1 3.7 46 1 44 1 15.2

23 0 30 0 5.2 47 0 42 0 8.7

24 1 37 0 7.8 48 0 33 0 9.1

Dengan

Y = 1 jika konsumen membeli mobil,

= 0 jika konsumen tidak membeli mobil

X1 = umur dalam tahun

X2 = 1 jika konsumen berjenis kelamin wanita ,

= 0 jika konsumen berjenis kelamin pria

X3 = Pendapatan perbulan dalam juta Rupiah

2
Langkah -Langkah SPSS

1. Buka Aplikasi SPSS

2. Klik Variable View kemudian isi

3. Setelah itu Klik Data View kemudian isikan data

3
4. Kemudian Klik Analyze- Regression- Binary Logistic

5. Kemudian Input Y ke Kotak Dependent, Input X1, X2, dan X3 ke Kontak

Covariates

6. Setelah itu Klik Option , Centang Classification plots ,Hosmer-Lemeshow

goodness-of-fit - Correlation of estimates dan Iteration of History,
kemudian Klik Continue, OK maka akan keluar Output SPSS

4
Analisis Output SPSS

1. Identifikasi Data yang Hilang

2. Pemberian Kode Variabel Respon oleh SPSS

3. Uji Signifikasi Omnibus terhadap Model

Sig < a = 0,05

Dapat disimpulkan bahwa model regresi logistik secara keseluruhan dapat
menjelaskan kemungkinan seseorang membeli mobil.

5
4. Menilai Keseluruhan Model

Variabilitas variabel dependen yang dapat dijelaskan oleh variabel

independen sebesar 84%

5. Menilai Kelayakan Model Regresi

Hipotesis :

H0 = Tidak ada perbedaan yang nyata antara klasifikasi yang diprediksi

dengan klasifikasi yang diamati.

H1 = Ada Perbedaan yang nyata antara klasifikasi yang diprediksi dengan

klasifikasi yang diamati.

Sig > a = 0,05

Maka H0 diterima artinya Tidak ada Perbedaan yang nyata antara klasifikasi
yang diprediksi dengan klasifikasi yang diamati.

6
6. Menguji Koefisien Regresi

Karena X1 dan X2 tidak signifikan ( sig > a= 0,05 ), maka X1 dan X2

dikeluarkan dari regresi dan di uji kembali.

KESIMPULAN AWAL (sebelum X1 dan X2 dikeluarkan)

1. Nilai Exp(B) dari variabel bebas umur sebesar 1,123. Dapat diartikan
seseorang yang berumur lebih tua satu tahun berpeluang besar membeli
mobil 1,123 kali dibandingkan seseorang yang berumur lebih muda satu
tahun, jika jenis kelamin dan pendapatan mereka sama.

2. Nilai Exp(B) dari variabel bebas jenis kelamin sebesar 1,920, maka
peluang wanita membeli mobil yaitu 1,920 kali dibandingkan pria, jika
umur dan pendapatan mereka sama. Artinya wanita memiliki peluang lebih
rendah dalam membeli mobil daripada pria.

3. Nilai Exp(B) dari variabel bebas pendapatan sebesar 4,211 , maka peluang
orang yang berpendapatan lebih tinggi berpeluang besar membeli mobil
4,211 kali dibandingkan seseorang yang berpendapatan lebih rendah, jika
umur dan jenis kelamin mereka sama.

7
7. Menguji Koefisien Regresi setelah X1 dan X2 dikeluarkan
Dengan cara SPSS yang sama, didapat:

KESIMPULAN AKHIR
Nilai Exp(B) dari variabel bebas pendapatan sebesar 3,884 , maka peluang
orang yang berpendapatan lebih tinggi satu juta rupiah berpeluang besar
membeli mobil 3,884 kali dibandingkan seseorang yang berpendapatan lebih
rendah , jika umur dan jenis kelamin mereka sama.