UNIVERSITAS ANDALAS
2020
KATA PENGANTAR
Puji syukur atas kehadirat Tuhan yang Maha Esa atas segala berkah dan rahmat-Nya
kelompok dapat menyelesaikanmakalah yang berjudul “Analisis Regresi dengan
Variabel Dummy”.Dan tidaklupa pula kelompok mengucapkan banyak terimakasih atas
bantuan dari pihak yang telah memberikan kontribusi baik materi maupun pikirannya.
Makalah ini disusun dengan tujuan memenuhi salah satu tugas matakuliah Ekonometri
Pelayanan Kesehatan, Selain itu makalah ini disusun agar dapat bermanfaat dan
menambah pengetahuan pembaca tentang Analisis Regresi dengan Variabel Dummy
dalam Pelaksanaan Pelayanan Kesehatanini.
Kelompok 4
ii
DAFTAR ISI
KATA PENGANTAR...................................................................................................ii
DAFTAR ISI................................................................................................................iii
BAB I.............................................................................................................................4
PENDAHULUAN.........................................................................................................4
1.1 LatarBelakang.................................................................................................4
1.2 RumusanMasalah............................................................................................4
1.3 Tujuan.............................................................................................................5
1. Pertanyaan Penelitian......................................................................................7
2. Hipotesis.........................................................................................................7
3. Kriteria Pengujian...........................................................................................8
4. Analisis Data...................................................................................................8
BAB III........................................................................................................................36
PENUTUP...................................................................................................................36
3.1 Kesimpulan...................................................................................................36
3.2 Saran.............................................................................................................36
DAFTAR PUSTAKA..................................................................................................37
iii
BAB I
PENDAHULUAN
1.1 LatarBelakang
Variabel dummy berfungsi sebagai ciri yang memisah-misahkan sesuatu yang diukur atas
dasar kelompok atau kategorinya. Variabel kualitatif atau variabel boneka (dummy) dapat
dipergunakan dalam model regresi bersama dengan variabel kualitatif. Oleh karena itu
ahli ekonomi dapat menganalisis masalah ekonomi dengan memasukkan pengaruh
variabel-variabel non-ekonomis seperti pendidikan dan kebudayaan, politik, agama,
psikologi dan lain-lain terhadap perubahan variabel-variabel ekonomi yang terjadi.
Variabel dummy merupakan alat yang penting untuk mengklasifikasikan data, variabel ini
dapat membagi suatu sampel menjadi berbagai kategori berdasarkan atribut misalnya status
perkawinan, suku bangsa, agama, tingkat pendidikan dan lain-lain yang dapat dibuat
regresi secara individu untuk setiap kelompok kecil.
Hal inilah yang kemudian menarik untuk diketahui tentang bagaimana analisis regresi
dengan variable dummy. Oleh karena itu kelompok berusaha untuk memberikan
pemahaman tentang pertanyaan tersebut dalam makalah ini. Semoga makalah ini dapat
menjadi jawaban dan memberikan pemahaman terkait pertanyaan yang dikaji.
1.2 RumusanMasalah
1. Bagaimana konsep dasar analisis regresi dengan variabel dummy ?
2. Bagaimana model regresi satu variabel dummy dengan dua kategori ?
3. Bagaimana analisis regresi dengan satu variabel kuantitatif dan satu variabel kualitatif
dengan dua kategori.?
4
1.3 Tujuan
1. Mampu mengetahui terkait konsep dasar analisis regresi dengan variabel dummy
2. Mampu mengetahui tentang model regresi satu variabel dummy dengan dua kategori
3. Mampu mengetahui terkait analisis regresi dengan satu variabel kuantitatif dan satu
variabel kualitatif dengan dua kategori.
5
BAB II
PEMBAHASAN
Variabel kuantitatif merupakan variabel yang dinyatakan dalam bentuk pernyataan atau
judgement. Variabel kualitatif biasanya menunjukkan kehadiran atau ketidak hadiran dari
suatu atribut, seperti mutu produk baik atau jelek, jenis kelamin laki-laki atau perempuan,
tempat tinggal di desa atau di kota, dan lainl-ain. Untuk mengkuantitasikan variabel ini
dilakukan dengan membangun variabel buatan (dummy variable) yang mengambil nilai 0
dan 1 di mana nilai lmenunjukkan kehadiran variabel tersebut sedangkan 0 menunjukkan
kctidakhadiran variabel tesebut. Oleh karena itu variabel ini berskala nominal.
Regresi satu variabel dummy dengan dua kategori digunakan untuk menganalisis
hubungan kausal satu variabel bebas yang merupakan variabel dummy terhadap satu
variabel tergantung, di mana variabel dummy tersebut menggunakan dua kategori. Model
regresi dengan sutu variabel kualitatif tanpa mengikutsertakan variabel kuantitatif lainnya
adalah serupa dengan analisis ragam (ANOVA model). Model yang digunakan untuk
melakukan analisis regresi dua variabel dummy dengan dua kategori adalah sebagai
berikut:
6
Y= a + bD+ ε
Keterangan:
Y =Nilai yang diramalkan
a = Konstanta/intercept
b = Koefisien regresi/slope
D = Variabel bebas yang merupakan variabel dummy dengan dua kategori
ε = Nilai residu
Nilai a (konstanta) dan nilai b (koefisien regresi) dalam persamaan di a. dapat ditentukan
dengan rumus sebagai berikut
∑ Y −b (∑ D)
a=
n
Contoh Kasus :
Seorang peneliti dengan tujuan untung menganalisis pengaruh jenis kelamin terhadap
produktifitas pegawai. Untuk keperluan tersebut diambil sampel secara acak sebanyak 10
orang yang terdiri dari 5 karyawan dan 5 karyawati .Data sebagai berikut:
1. Pertanyaan Penelitian
Apakah terdapat pengaruh jenis kelamin terhadap produktifitas pegawai
2. Hipotesis
Ho : Tidak terdapat pengaruh jenis kelamin terhadap produktifitas pegawai
Ha : Terdapat pengaruh jenis kelamin terhadap produktifitas pegawai
7
3. Kriteria Pengujian
a. Ho tidak dapat ditolak jika:
-t hitung ≤ t hitung ≤ t tabel, atau
Sig. > alpha
b. Ha diterima jika:
t hitung < -t tabel atau t hitung> t tabel, atau
Sig.≤ alpha (α/2)
4. Analisis Data
N = 10
∑D = 5
∑DY = 59
∑X2 = 5
∑Y = 99
8
Dengan demikian besarnya koefisien regresi adalah sebagai berikut:
10 (59)−(5)(99)
b=
10 ( 5 )−¿ ¿
∑ Y −b (∑ D)
a=
n
99−3,8(5)
a= =8
10
9
2 ∑ ( Y −Y^ ) 2
R =1−
∑ ( Y −Ý ) 2
Keterangan :
R2 = Koefisien determinasi
∑ ( Y −Y^ ) = kuadrat selisih nilai Y riil dengan nilai Y prediksi
∑ ( Y −Ý ) = kuadrat selisih nilai Y riil dengan nilai Y rat-rata
Karena untuk menghitung koefisien determinasi diperlukan nilai kuadrat selisih nilai Y
riiil dengan nilai Y prediksi dan nilai kuadrat selisih nilai Y riil dengan nilai Y rata-rata,
maka perlu dibuat lembar kerja sebagai berikut:
Berdasarkan lembar kerja tersebut maka kita dapat menghitung koefisien determinasi
sebagai berikut:
∑ ( Y −Y^ ) 2
R2=1− 2
∑ ( Y −Ý )
2 8,8 2
R =1− = 0,804
44,9 2
Koefisien determinasi memiliki kelemahan, yaitu bias terhadap jumlah variabel bebas
yang dimasukkan dalam model regresi, dimana setiap penambahan satu variabel bebas
10
dan pengamanan dalam model akan meningkatkan nilai R2, meskipun variabel yang
dimasukkan itu tidak memiliki pengaruh yang signifikan terhadap variabel
tergantungnya. Untuk mengurangi kelemahan tersebut maka digunakan koefisien
determinasi yang telah disesuaikan adjusted R Square. Koefisien determinasi yang telah
disesuaikan berarti bahwa koefisien tersebut telah dikoreksi dengan memasukkan unsur
jumlah variabel dan ukuran sampel yang digunakan. Dengan menggunakan koefisien
determinasi yang disesuaikan maka nilai koefisien determinasi yang disesuaikan itu
dapat naik atau turun akibat adanya penambahan variabel baru dalam model.
Formula untuk menghitung koefisien determinasi yang disesuaikan adalah sebagai
berikut:
2 2P ( 1−R 2 )
R adj =R −
N −P−1
Keterangan:
R2= Koefisien determinasi
N= Ukuran sampel
P= Jumlah variabel bebas
Dengan demikian, berdasarkan kasus di atas, besarnya koefisien determinasi yang
disesuaikan dapat dihitung sebagai berikut:
1 ( 1−0,804 )
R2adj =0,804− =0,779
10−1−1
∑ ( Y −Y^ ) 2
Se= ¿
√
Keterangan:
n−k
11
K = jumlah variabel yang diamati
Berdasar perhitungan dalam lembar kerja di atas maka dapat ditentukan besarnya
penyimpangan baku estimasi, yaitu sebagai berikut:
∑ ( Y −Y^ ) 2
√
Se= ¿
n−k
( 8,8 )
√
Se= ¿
10−2
=1,049
Semakin rendah nilai kesalahan baku estimasi itu, semakin baik model persamaan
regresi tersebut untuk digunakan sebagai proyeksi.
Se
Sb=
(∑ D)²
√ ∑ D−
n
Keterangan :
Sb = Kesalahan baku koefisien regresi
Se = Kesalahan baku estimasi
∑ D 2 = Jumah kuadrat variabel bebas
∑ D = Jumah nilai variabel bebas
n = Jumlah pengamatan (ukuran sampel)
Berdasarkan lembar kerja diatas maka kita dapat menghitung besarnya kesalahan baku
koefisien regresinya sebagai berikut.
12
Se 1,049
Sb= Sb=
(∑ D)² (5)² = 0,663
√ ∑ D−
n √ (5)−
10
R ² /(k −1)
F=
1−R2 /( n−k )
Keterangan :
F = Nilai F hitung
R ² = Koefisien determinasi
k = Jumlah variabel
n = Jumlah pengamatan (ukuran sampel)
R ² /(k −1)
F=
1−R2 /( n−k )
0,804 /(2−1)
F= =32,818
1−0,804 /(10−2)
Dengan df: α, (k-1), (n-k) atau 0,05, (2-1), (10-1) diperoleh besarnya nilai F tabel
sebesar 5,320. Karena nilai F hitung (32,818) > nilai F tabel (5,320), maka dapat
disimpulkan bahwa model persamaan regresi yang terbentuk masuk kriteria cocok atau
fit.
13
g. Menghitung nilai t hitung
Nilai t hitung digunakan untuk menguji apakah variabel tersebut berpengaruh secara
signifikan terhadap varibel tergantung atau tidak. Suatu variabel akan memiliki
pengaruh yang berarti jika nilai t hitung variabel tersebut lebih besar dibanding nilai t
tabel.
Dalam tabel distribusi t terdapat istilah satu ujung dan dua ujung. Penggunaan tabel satu
ujung atau dua ujung tergantung pada hipotesis yang diajukan. Jika hipotesis yang
diajukan sudah menunjukkan arah, misalkan terdapat pengaruh positif, maka
menggunakan satu ujung sebelah kanan. Akan tetapi jika belum menunjukkan arah,
misalnya terdapat pengaruh (tidak menunjukkan pengaruh positif atau negatif maka
menggunakan dua ujung. Jika menggunakan satu ujung maka df:α /2, n-k. Untuk
menghitung besarnya nilai t hitung digunakan rumus berikut:
bj
t=
Sbj
Keterangan:
t = nilai t hitung
bj = Koefisien regresi
sbj = Kesalahan baku koefisien regresi
bj 3,8
t= t= =5,729
Sbj 0,668
Dengan df: α, (n-k) atau 0,025, (10-2) diperoleh nilai t tabel sebesar 2,306.
Karena nilai t hitung (5,729) > nilai t tabel (2,306), maka dapat disimpulkan bahwa
variabel jenis kelamin memiliki pengaruh positif terhadap variabel produktivitas.
14
Untuk melakukan analisis regresi sederhana menggunakan SPSS dilakukan dengan langkah
sebagai berikut :
15
Output yang dihasilkan sebagai berikut :
Analisis Tabel
Model
Summary :
16
c. Adjusted R Square = 0,780
Adjusted R Square merupakan koefisien determinasi yang telah terkoreksi dengan jumlah
variabel dan ukuran sampel sehingga dapat mengurangi unsur bias jika terjadi
penambahan variabel. Adjusted R Square sebesar 0,780 berarti variasi jenis kelamin
dapat dijelaskan oleh variasi produktifitas sebesar 78,0% atau variabel jenis kelamin
mempengaruhi produktifitas sebesar 78,0%. Koefisien Ajusted R Square sebesar 78,0
diperoleh dari perhitungan sebagai berikut :
P ( 1−R 2 ) 1 ( 1−0,804 )
R2adj =R2− R2adj =0,804− =0,780
N −P−1 10−1−1
17
Nilai Df Residual sebesar 8. Hal ini karna nilai n-k, jumlah pengamatan dikurangi jumlah
variable (10-2=8)
6. Df Total (Degree of Freedom Total) = 9
Nilai Df Total sebesar 9. Hal ini krna nilai n-1, jumlah pengamatan dikurangi 1 (10-1=9).
7. Mean Square Regression = 36,100
Merupakan hasil pembagian dari Sum Squares Regression dengan Degree of Freedom
Regression diperoleh dari formula sebagai berikut :
18
Merupakan koefisien regresi yang artinya jika perusahaan meningkatkan jenis kelamin
sebesar 1 juta rupiah, maka penjualan akan meningkat sebesar 8,761 juta rupiah.
Diperoleh dari :
n ( ∑ DY ) −(∑ D)(∑Y ) 10 ( 59 )−(5)(99)
b= = = 3,800
2
n ( ∑ D ) −(∑ D) 2
10 ( 5 )−5 2
S 2e
Sa =
√ 2
n ( ∑ x ) −(∑ x ) 2
( ∑ x 2)
1,0492
Sa =
√ 2
10 ( 5 ) −(5)2
( 5 2) = 0,469
19
6. t-Constant
Digunakan untuk mengetahui apakah signifikansi constanta. Namun nilai constanta
biasanya tidak diuji. Yang diuji adalah nilai t-stat koefisien regresinya. t-constanta
dihitung dengan formulasi :
Unstandardize Coefficients(Constant ) 8,000
t-Constant = = = 17,056
Standart Error Unstandardize (Constant) 0,469
7. t-Jenis Kelamin
Digunakan untuk mengetahui signifikasi variable X1. Jika nilai t stat lebih besar dari nilai
t table dengan df : α,(n-k), maka variable tersebut memiliki pengaruh yang signifikan
terhadap variable tergantung.
Unstandardize Coefficients Jenis Kelamin 3,800
t-Jenis Kelamin = = = 5,729
Standart Error Jenis Kelamin 0,663
8. Sig. (Constant)
Merupakan angka yang menunjukan besarnya tingkat kesalahan pada nilai t stat constanta
yang diperoleh (17,056). Jika nilai t-stat constanta semakin besar maka nilai kesalahan
Sig. akan semakin kecil. Jika nilai sig. lebih kecil dari α (0,05) maka disebut signifikan.
Pada output diatas ternyata sig. lebih kecil dari 0,05 sehingga constanta signifikan.
Namun demikian dalam analisis regresi hal ini tidak dianalisis karena yang lebih penting
adalah signifikasi dari variable bebasnya.
20
Kesimpulan :
Karena nilai t hitung (5,729) > nilai t table (2,306) maka dapat disimpulkan bahwa
variable jenis kelamin memiliki pengaruh terhadap produktifitas, atau karena nilai sig.
variable jenis kelamin (0,000) lebih kecil dari alpha (0,05) maka variable jenis kelamin
memiliki pengaruh terhadap produktivitas.
Berdasarkan table diatas, ada beberapa hal untuk mengisi sel tersebut, yaitu:
1. Jumlah Kuadrat Tabel (JKT)
k r
2 T2
JKT = ∑ ∑ Y ij -
i=l j=l rk
2. Jumlah Kudrat Jenis Kelamin (JK Jk)
TL2 +TP 2 T 2
JKJk = -
r rk
3. Jumlah Kuadrat Galat (JKG)
JKG = JKT – JK Jk
4. Derajat Bebas Jenis Kelamin (DBJk)
K-1, dimana K = jumlah kategori dalam kasus ini ada 2 kategori.
5. Derajat Bebas Galat (DBG)
N-K, dimana N = jumlah pengamatan. Dalam kasus ini 10 pengamatan. K = jumlah
kategori dalam kasus ini ada 2 kategori.
6. Derajat Bebas Total (DBT)
N-1, dimana N = jumlah pengamatan. Dalam kasus ini ada 10 pengamatan.
7. Kuadrat Tengah Jenis Kelamin (KT Jk)
JK
KT Jk =
DB Jk
8. Kuadrat Tengah Galat (KTG)
21
JKG
KTG =
DBG
9. F Hitung
KT Jk
Fhitung =
KTG
Kasus 11.2 :
1. Pertanyaan penelitian
Apakah terdapat perbedaan produktivitas pegawai berdasarkan jenis kelamin
2. Hipotesis
Ho : tidak terdapat perbedaan produktivitas pegawai berdasarkan jenis kelamin
Ha : terdapat perbedaan produktivitas pegawai berdasarkan jenis kelamin.
3. Kriteria pengujian
Ho tidak dapat ditolak jika :
F hitung ≤ F table, df : α , (k-1), k(r-1)
Ha diterima jika :
22
4. Analisis data
a. Menghitung jumlah kuadrat total (JKT)
Untuk menghitung jumlah kuadrat total dengan cara manual maka perlu dibuat
lembar kerja seperti berikut :
23
h. Kuadrat tengah galat (KTG)
JKG 8,800
KTG = = = 1,100
DBG 8
i. F hitung
KT Jk 36,100
Fhitung = = = 32,818
KTG 1,100
24
Output yang dihasilkan adalah :
25
7. Mean Square Between Groups = 36,100
MSBG =
∑ Square BetweenGroups = 36,100 = 36,100
df Between Groups 1
8. Mean Square Within Group = 1,100
MSBG =
∑ Square WithinGroups = 8,800 = 1,100
df Within Groups 8
9. F hitung = 32,818
Mean Square BetweenGroups 36,100
F= = = 32,818
Mean SquareWithin Groups 1,100
10. Sig. = 0,000
Sig. merupakan nilai yang menunjukan titik kesalahan yang terjadi jika nilai F hitung
sebesar 32,818. Ternyata tingkat kesalahan atau probabilitas sebesar 0,000, yang berarti
lebih kecil dari 0,05 , sehingga disimpulkan variable bebas secara simultan mampu
menjelaskan perubahan pada variable tergantung atau model dinyatakan masuk kategori
cocok atau fit.
2.3 Analisis Regresi dengan Satu Variabel Kuantitatif dan Satu Variabel Kualitatif dengan
Dua Kategori
Variable tergantung sering dipengaruhi oleh variable bebas yang bersifat kuantitatif dan
kualitatif sekaligus. Misalnya, produktivitas pegawai tidak hanya dipengaruhi oleh jenis
kelamin (kualitatif) tapi juga dipengaruhi masa kerja (kuantitatif). Model yang digunakan
untuk melakukan analisis regresi satu variable kuantitatif dan satu variable kualitatif dengan
dau kategori adalah :
Y = a + b1D + b2X2 + ԑ
Keterangan :
Y : nilai yang diramalkan
a : konstanta
b1: koefisien regresi variable bebas dummy
D : variable bebas yang merupakan variable dummy dengan dua kategori
b2 : koefisien regresi variable bebas kuantitatif
X2: variable bebas yang merupakan variable kuantitatif
26
ԑ : nilai residu
Kasus 2.3 :
Seorang peneliti melakukan penelitian dengan tujuan untuk menganalisis pengaruh jenis
kelamin dan masa kerja terhadap produktivitas pegawai. Untuk keperluan tersebut diambil
sampel secara acak sebanyak 10 orang yang terdiri dari 5 pegawai laki-laki dan 5 pegawai
perempuan. Data penelitiannya adalah sebagai berikut :
Data Contoh Analisis Regresi dengan Satu Variabel Kuantitatif dan Satu Variabel Kualitatif
dengan Dua Kategori
Jenis
1 0 0 1 0 1 1 0 0 1 1 0
Kelamin (D)
Masa Kerja
6 4 3 6 4 5 4 2 3 6 5 3
(X)
Produktivitas
12 9 8 13 8 11 10 7 8 13 12 9
(Y)
1. Pertanyaan Penelitian
a. Apakah terdapat pengaruh positif jenis kelamin terhadap produktivitas pegawai?
b. Apakah terdapat pengaruh positif masa kerja terhadap produktivitas pegawai?
2. Hipotesis
Hipotesis 1
H0 : Tidak terdapat pengaruh positif jenis kelamin terhadap produktifitas
pegawai
Ha : Terdapat pengaruh positif jenis kelamin terhadap produktifitas pegawai
Hipotesis 2
H0 : Tidak terdapat pengaruh positif masa kerja terhadap produktifitas
pegawai
Ha : Terdapat pengaruh positif masa kerja terhadap produktifitas pegawai
27
3. Kriteria pengujian Hipotesis 1 dan 2
Ho tidak dapat ditolak jika :
T table ≤ t hitung, atau
Sig > alpha (α)
Ha diterima jika :
T table < t hitung, atau
Sig ≤ alpha (α)
4. Analisis data
Untuk melakukan analisis regresi satu variable kuantitatif dan satu variable dummy
dua kategori menggunakan SPSS dilakukan langkah berikut :
a. Buka file Regresi satu variable kuantitatif dan satu variable dummy dua
kategori
b. Klik Analyse, Regression, Linear
28
d. Masukkan variable Produktivitas dan Masa Kerja pada kotak Independent(s)
29
Analisis table model summary :
R2adj = R2 -
( p ( 1−R2 ) )
N −P−1
( 1 ( 1−0,930 ) )
R2adj = 0,930 - = 0,914
12−2−1
30
Analisis Tabel Anova
31
Mean square regression 3,500
F= = = 0,389
df residual 9
b. F ( F Hitung) = 59,786
Diperoleh dari formula berikut :
32
Standardized Coefficients (Beta) Jenis Kelamin merupakan koefisien jalur atau
koefisien regresi tetapi semua variable telah ditransformasi terlebih dahulu ke dalam
bentuk standardized dengan menggunakan rumus sebagai berikut :
X i− X 2
Z=
Ý
a. t-Constant
t-Constant digunakan untuk mengetahui apakah signifikansi constant, namun nilai
constant biasanya tidak diuji, yang diuji adalah nilai t-stat koefisien regresinya. t-
Constant dihitung dengan formula sebagai berikut :
c. t-Masa Kerja
t-Masa Kerja digunakan untuk mengetahui signifikansi variable masa kerja. Jika
nilai t hitung lebih besar dari nilai t table dengan df: α,(n-k), maka disimpulkan
variable masa kerja memiliki pengaruh yang signifikan terhadap variable
produktivitas.
33
dengan df: α,(n-k) atau 0,05(12-3) diperoleh nilai t table sebesar 1,833. Karena
nilai t hitung (3,982) > nilai t table (1,833) maka disimpulkan variable masa kerja
memiliki pengaruh positif terhadap produktivitas.
d. Sig. (Constant)
Sig. (Constant) merupakan angka yang menunjukkan besarnya tingkat kesalahan
pada nilai t stat constant yang diperoleh (5,988). Jika nilai t stat constant semakin
besar, maka nilai kelemahan Sig. akan semakin kecil. Jika nilai Sig. lebih kecil
dari α (0,05) maka dikatakan signifikan. Pada output di atas ternyata Sig. lebih
kecil dari 0,05 sehingga constant signifikan tetapi dalam analisis regresi hal ini
tidak dianalisis karena yang lebih penting adalah signifikansi variable
sebelumnya.
34
Kesimpulan
1. Karena nilai t hitung jenis kelamin (2,999) > nilai t table (1,833), atau karena nilai
Sig. variable jenis kelamin (0,047) lebih kecil dari alpha (0,05) dengan arah koefisien
positif, maka disimpulkan variable jenis kelamin memiliki pengaruh positif terhadap
produktivitas. Artinya laki-laki cenderung lebih produktif dibanding perempuan.
2. Karena nilai t hitung masa kerja (3,982) > nilai t table (1,833) atau karena nilai Sig.
variable masa kerja (0,047) lebih kecil dari alpha (0,05) dengan arah koefisien positif,
maka disimpulkan variable masa kerja memiliki pengaruh positif terhadap
produktifitas.
35
BAB III
PENUTUP
3.1 Kesimpulan
Untuk melakukan analisis regrasi di mana sebuah variabel tergantung dipengamhi oleh
variabel bebas yang bersifat kualitatif makna digunakan analisis regresi variabel dummy.
Regresi satu variabel dummy dengan dua kategori digunakan untuk menganalisis
hubungan kausal satu variabel bebas yang merupakan variabel dummy terhadap satu
variabel tergantung, di mana variabel dummy tersebut menggunakan dua kategori.
Model yang digunakan untuk melakukan analisis regresi dua variabel dummy
dengan dua kategori adalah sebagai berikut:
Y= a + bD+ ε
Model yang digunakan untuk melakukan analisis regresi satu variable kuantitatif
dan satu variable kualitatif dengan dau kategori adalah :
Y = a + b1D + b2X2 + ԑ
3.2 Saran
Dengan adanya makalah ini diharapkan dapat menambah infornasi dan ilmu pengetahuan
mahasiswa kesehatan masyarakat semester 6 tentang “Analisis Regresi dengan Variabel
Dummy” dan semoga dapat diaplikasikan tidak hanya di dunia perkualiahn tetapi juga di
dunia kerja dan kehidupan sehari-hari
36
DAFTAR PUSTAKA
Suliyanto. 2011. Ekonometrika Terapan, Teori dan Aplikasi dengan SPSS. Yogyakarta : Andi
37