REGRESSI LINIER BERGANDA

dan
PENGGUNAAN VARIABEL DUMMY

DOSEN PENGASUH:
Prof. Dr. Ir. ZULKIFLI ALAMSYAH, M.Sc.

PROGRAM STUDI AGRIBISNIS

FAKULTAS PERTANIAN UNIVERSITAS JAMBI
 MODEL
REGRESSI LINIER BERGANDA
Model yg memperlihatkan hubungan antara satu variabel
terikat (dependent variable) dgn beberapa variabel bebas
(independent variables).
Yi = 0 + 1 X1i + 2 X2i + … + k Xki + i
dimana: i = 1, 2, 3, …. N (banyaknya pengamatan)

0, 1, 2, …, k adalah parameter yang nilainya diduga

melalui model:
Yi = b0 + b1 X1i + b2 X2i + … + bk Xki + ei
dan hasil pendugaannya adalah
Ŷi = b0 + b1X1i + b2X2i + … + bkXki
/ZA 2
 PENDUGAAN vs HASIL PENDUGAAN SAMPEL

/ZA 3
 ESTIMASI MODEL
REGRESSI LINIER BERGANDA
Model : Yi = 0 + 1 X1i + 2 X2i + i
Model penduga : Yi = b0 + b1 X1i + b2 X2i + ei

b0, b1 dan b2 nilai penduga untuk 0, 1 dan 2.

(yi x1i) (x22i ) – (yi x2i) (x1i x2i)

b1 =
(x21i ) (x22i ) – (x1i x2i)2

(yi x2i) (x21i ) – (yi x1i) (x1i x2i)

b2 =
(x21i ) (x22i ) – (x1i x2i)2

b0 = Yi – b1X1i – b2 X2i

/ZA 4
 ESTIMASI MODEL
REGRESSI LINIER BERGANDA

1 X21 x22i – X22 x21i – 2 X1 X2 x1i x2i

var(b0) = + 2
n (x21i ) (x22i ) – (x1i x2i)2

x21i
var(b1) = 2
(x21i )(x22i ) – (x1i x2i)2

i2 se(bi) = var(bi)

2 =
n–3 Utk i = 0, 1, 2.

i2 = y2i – b1 yi x1i – b2 yi x2i

/ZA 5
 Asumsi-asumsi
Model Regresi Linier Berganda
(Agar hasil estimasi dapat diinterpretasikan dengan baik - BLUE)

 Nilai rata-rata disturbance term adalah nol,

E(i) = 0.
 Tidak tdpt serial korelasi (otokorelasi) antar i
Cov(i,j) = 0 untuk i j.
 Sifat homoskedastisitas:
Var(i) = 2 sama utk setiap i
 Covariance antara i dan setiap var bebas adalah nol.
Cov(i,Xi) = 0
 Tidak tdpt multikollinieritas antar variebel bebas.
 Model dispesifikasi dengan baik

/ZA 6
 Data Kualitatif dalam Model Regressi
(Penggunaan Dummy Variable)
▪ Variabel Dummy adlh variabel yg merepresentasikan
kuantifikasi dari variabel kualitatif. Misal: jenis kelamin,
pendidikan, lokasi, situasi, musim, & kualitas.
▪ Jika data kualitatif tsb memiliki m kategori, maka jumlah
variabel dummy yg dicantumkan didlm model adalah (m-1).
▪ Kesimpulan yg diambil dari keberadaan variabel dummy
didlm model adlh perbedaan nilai antar kategori ybs.
▪ Variabel dummy sering juga disebut variabel boneka, binary,
kategorik atau dikotom.
▪ Dummy memiliki nilai 1 (D=1) utk salah satu kategori dan nol
(D=0) untuk kategori yang lain.

/ZA 7
▪ Variabel dummy digunakan sebagai upaya untuk
melihat bagaimana klasifikasi-klasifikasi dalam
sampel berpengaruh terhadap parameter pendugaan.
▪ Variabel dummy juga mencoba membuat kuantifikasi
dari variabel kualitatif.

Pertimbangkan model berikut ini:

I. Y = a + bX + cD1 (Model Dummy Intersep)
II. Y = a + bX + c(D1X) (Model Dummy Slope)
III. Y = a + bX + c(D1X) + dD1 (Kombinasi)
Model Model Model
Dummy Intersep Dummy Slope Dummy Kombinasi

Y= a + bX1 + cD1 Y= a + bX1 + cD1X1 Y= a + bX1 + cD1X1+ dD1

Y Y= (a + c) + bX1 Y Y= a + (b+c).X1 Y Y= (a+d) + (b+c).X1

D1 = 1 D1 = 1
D1 = 1

Y= a + bX1 Y = a + bX1
D1 = 0 Y= a + bX1 D1 = 0
D1 = 0

0 X X X

Dummy Intersep Dummy Slope Dummy Kombinasi

Dummy sebagai Variabel Bebas:
ANOVA Model:
Yi =  + Di +  Yi
Misal :
+
o o
Yi = Penghasilan Karyawan o
o o
o
Di = 1 untuk laki-laki
= 0 untuk wanita 
x
E(YiDi=0) =  
x x

x x x O =L
E(YiDi=1) =  +  x =P

D=0 D=1
Interpretasi:
Apakah jenis kelamin berpengaruh thdp penghasilan. Berapa
perbedaan penghasilan antara laki2 dan wanita.
/ZA 10
Dummy sebagai Variabel Bebas: (….lanjutan)

ANCOVA Model: (gabungan kuantitatif & kualitatif)

1. Satu kuantitatif, satu kualitatif dg 2 kategori.
(1+ 1)+Xi
Yi = 1 + 2Di + Xi +  Yi
o
o
o
o
o
1+Xi
Xi = Masa kerja o
x
E(YiXi, Di=0) = 1+Xi x x

E(YiXi, Di=1) = (1+2)+Xi

x
x
x

Interpretasi:
Masa kerja
Apakah jenis kelamin dan masa kerja berpengaruh thdp
penghasilan. Pada masa kerja tertentu, brp perbedaan
penghasilan antara Laki dan wanita.
/ZA 11
Dummy sebagai Variabel Bebas: (….lanjutan)
2. Satu kuantitatif, satu kualitatif dg 3 kategori.
Misal: Selain masa kerja, penghasilan karyawan juga dipengaruhi
oleh tingkat pendidikan (tdk tamat SMU, tamat SMU, PT)
Yi = 1 + 2D1i + 3D2i +  Xi + 

D1i = 1 untuk tamat SMU

= 0 Lainnya
D2i = 1 untuk PT
= 0 Lainnya
Sebagai kategori dasar adlh tidak tamat SMU
E(YiXi, D1i=0, D2i=0) = 1+Xi (tdk tamat SMU)
E(YiXi, D1i=1, D2i=0) = (1+2)+Xi (Tamat SMU)
E(YiXi, D1i=0, D2i=1) = (1+3)+Xi (PT)
/ZA 12
 Satu kuantitatif, satu kualitatif dg 3 kategori.

(1+3)+Xi  Asumsi: 3>2

Yi

(1+2)+Xi
1+Xi
3
2

1

Masa kerja
Interpretasi:
Apakah Masa kerja dan tkt pendidikan berpengaruh thdp
penghasilan?. Brp besar perbedaan penghasilan menurut tkt
pendidikan pd masa kerja tertentu?.
/ZA 13
Dummy sebagai Variabel Bebas: (….lanjutan)
3. Satu kuantitatif, dua kualitatif dg 2 kategori.
Misal: D1 adalah dummy jenis kelamin (laki2/wanita), dan D2
adlh dummy tempat kerja (kota/desa).

Yi = 1 + 2D1i + 3D2i + Xi + 

Yi D1=1, D2=1
D1i = 1 untuk Laki-laki D1=0, D2=1
= 0 untuk wanita
D1=1, D2=0
D2i = 1 untuk kota D1=0, D2=0
= 0 untuk desa

Masa kerja
/ZA
14