REGRESI DENGAN VARIABEL
BEBAS DATA KUALITATIF
Dummy independent
DATA KUALITATIF
• Memiliki skala nominal
• Untuk mengkuantitatifkan dibuat
variabel buatan/boneka yang disebut
dengan “variabel dummy” (D)
• Dummy memiliki variabel binomial
yang nilainya 0 dan 1
CONTOH
• Variabel jenis kelamin :
laki-laki
perempuan
• Data nominal ini dikuantitatifkan
menjadi :
laki-laki = 0
perempuan = 1
JENIS PENGUJIAN DENGAN
VARIABEL BEBAS DUMMY
• Variabel bebas dummy untuk menguji
intersep (beda rata-rata)
• Variabel bebas dummy untuk menguji
kesamaan dua persamaan regresi
• Variabel bebas dummy untuk analisis
musiman
CONTOH UJI INTERSEP
• Tingkat pendapatan guru dipengaruhi
oleh masa kerja dan jenis kelamin
• Jenis kelamin menjadi variabel
dummy, sehingga akan dapat
diketahui sekaligus pengaruh masa
kerja dan jenis kelamin serta
perbedaan pendapatan antara guru
laki-laki dan perempuan
CONTOH UJI INTERSEP
• Model persamaan regresi :
Yi = α + β1X1 + β2Di + εi ………….
Dimana :
Yi = gaji guru
X1= masa kerja
Di = jenis kelamin
1= pria & 0 = wanita
CONTOH UJI INTERSEP
• Bila variabel dummy dimasukkan ke dalam
persamaan, akan diperoleh persamaan
regresi untuk pria (D = 1) dan persamaan
regresi untuk wanita (D = 0)
• Pria : Ypria : α + β1X1 + β2(1) + εi
Ypria : (α + β2) +β1X1 + εi
• Wanita : Ywanita : α + β1X1 + β2(0) + εi
Ywanita : α + β1X1 + εi
CONTOH UJI INTERSEP
• Asumsi : β1 (nilai koefisien masa
kerja) antara guru pria dan wanita
adalah sama
• Perbedaan gaji guru pria dan wanita
adalah signifikan bila β2 ≠ 0
CONTOH UJI INTERSEP
Gaji
Guru pria
Guru wanita
β2
α
Masa kerja
CONTOH UJI INTERSEP
• Contoh 10.1
• LAPORAN REGRESI
– PERSAMAAN REGRESI GABUNGAN,
GURU WANITA, DAN GURU PRIA
• INTERPRETASINYA REGRESI GABUNGAN:
– UJI SEREMPAK (UJI F) (Uji Model &
koefisien)
– UJI PARSIAL (UJI t) (Uji parameter/koefisien
dlm model)
– MAKNA KOEFISIEN REGRESI
– MAKNA R2
HASIL REGRESI
• Regresi Wanita
Y = 339,929 + 22.909X1
Se = (17,052) (1,597)
t = (19,934) (14,343)
R2 = 0,963
• Regresi Pria :
Y = 376,90 + 22.911X1
Se = (2,894) (0,270)
t = (130,072) (84,758)
R2 = 0,999
HASIL REGRESI
• Regresi Gabungan :
Y = 339,909 + 22.909X1 + 36,5Di
Se = (8,822) (0,778) (5,883)
t = (38,532) (29,540) (6,204)
R2 = 0,982 F = 452,893
Pelaporan Hasil Analisis
a. UJI SIMULTAN (UJI F)
Regresi
1) Formulasi hipotesis :
Ho : masa kerja dan jenis kelamin tidak berpengaruh
secara simultan dan signifikan terhadap gaji guru
H1 : masa kerja dan jenis kelamin berpengaruh
secara simultan dan signifikan terhadap gaji guru
2) Level of significant ( α= 5 %)
df = (n-k;k-1) = (17;2) = 3,59
3) Kriteria Pengujian
Ho diterima bila Fhit ≤ Ftabel atau
Ho ditolak bila Fhit > Ftabel atau
Ho diterima bila nilai sig ≥ 0,05 (SPSS)
Ho ditolak bila nilai sig < 0,05
Pelaporan Hasil Analisis
Regresi
a. Uji Simultan (Uji F)
4) Perhitungan
R2 /(k 1) atau F = Mean square regression
F Mean square residual
(1 R2 ) /(n k )
F = 78380,807/173,067
0,982/(3 1) F = 452,893
F
(1 0,982) /(20 3)
0,491 terima Ho
F Tolak Ho
0,00106
F 463,72 0 3,59
5) Kesimpulan
Oleh karena Fhit = 452,893 > Ftabel = 3,59 maka Ho ditolak
Ini berarti masa kerja dan jenis kelamin berpengaruh secara
simultan dan signifikan terhadap gaji guru
*n = jml pengamatan (sampel/data) dan k = jml var bbs + konstanta
Pelaporan Hasil Analisis
b. UJI PARSIAL (UJI t)
Regresi
1) Formulasi hipotesis (Masa kerja) :
Ho : masa kerja tidak berpengaruh secara parsial dan
signifikan terhadap gaji guru
H1 : masa kerja berpengaruh secara parsial dan signifikan
terhadap gaji guru
2) Level of significant ( α= 5 %) uji 2 sisi
df = (n-k; α) = (17;0,025) = ± 2,11
3) Kriteria Pengujian
Ho diterima bila -thit ≥ -ttabel atau thit ≤ ttabel
Ho ditolak bila -thit < -ttabel atau thit > ttabel
Ho diterima bila nilai sig ≥ 0,05 (SPSS)
Ho ditolak bila nilai sig < 0,05
Pelaporan Hasil Analisis
b. Uji Parsial (Uji t)
Regresi
4) Perhitungan
t = β/Se atau nilai sig = 0,0000
t = 22,909/0,778 Tolak Ho Tolak Ho
t = 29,45
-2,11 0 2,11
5) Kesimpulan Terima Ho
Oleh karena thit = 29,45 > ttabel = 2,11 atau nilai sig =
0,000 < 0,05 maka Ho ditolak. Ini berarti masa kerja
berpengaruh secara parsial dan signifikan terhadap
gaji guru
Pelaporan Hasil Analisis
Regresi
b. Uji Parsial (Uji t)
1) Formulasi hipotesis (jenis kelamin) :
Ho : jenis kelamin tidak berpengaruh secara
parsial dan signifikan terhadap gaji guru
H1 : jenis kelamin berpengaruh secara parsial dan
signifikan terhadap gaji guru
2) Level of significant ( α= 5 %) uji 2 sisi
df = (n-k; α) = (17;0,025) = ± 2,11
3) Kriteria Pengujian
Ho diterima bila -thit ≥ -ttabel atau thit ≤ ttabel
Ho ditolak bila -thit < -ttabel atau thit > ttabel
Ho diterima bila nilai sig ≥ 0,05 (SPSS)
Ho ditolak bila nilai sig < 0,05
Pelaporan Hasil Analisis
b. Uji Parsial (Uji t)
Regresi
4) Perhitungan
t = β/Se atau nilai sig = 0,0000
t = 36,5/5,883 Tolak Ho
Tolak Ho
t = 6,204
-2,11 0 2,11
5) Kesimpulan Terima Ho
Oleh karena thit = 6,204 > ttabel = 2,11 atau nilai sig =
0,000 < 0,05 maka Ho ditolak. Ini berarti jenis
kelamin berpengaruh secara parsial dan signifikan
terhadap gaji guru
Pelaporan Hasil Analisis Regresi
c. MAKNA KOEFISIEN REGRESI
konstanta = 339,9 berarti apabila tidak perubahan masa kerja guru
laki-laki dan perempuan maka gaji guru akan ada sebesar 339,9
ribu rupiah
koef X1= 22,9, berarti apabila terjadi kenaikan/penurunan masa
kerja 1 tahun (dengan asumsi variabel lain konstan), maka gaji guru
akan naik/turun sebesar 22,9 ribu rupiah
koef Di = 36,5, berarti perbedaan rata-rata/intersep antara gaji guru
wanita dan pria adalah sebesar 36,5 ribu rupiah atau gaji guru laki-
laki lebih tinggi daripada gaji guru wanita sebesar 36,5 ribu rupiah
• Tanda + atau – pada persamaan hanya menandakan arah
pengaruh var bebas thd var terikat. Tanda + menandakan arah yang
searah, tanda – menandakan arah yang berlawanan
* D laki-laki = 1 Y = 339,9 + 22,9X1 + 36,5 (1)
D wanita = 0 Y = 339,9 + 22,9X1 + 36,5 (0)
Pelaporan Hasil Analisis
Regresi
d. MAKNA KOEFISIEN DETERMINASI (R2)
R2 = 0,982, memiliki arti bahwa sebesar 98,2 %
perubahan/variasi nilai variabel dependen/ bebas (gaji
guru) dipengaruhi oleh perubahan/ variasi nilai variabel
independen/bebas (masa kerja dan jenis kelamin),
sedangkan sisanya 1,8 % dijelaskan oleh variabel lain
yang tidak dimasukkan dalam model/persamaan.
Pengujian 2 Persamaan
Regresi
• Digunakan untuk menguji perbedaan 2
persamaan regresi atau kestabilan persamaan
regresi bila pengamatannya ditambah
• Hasil pengujian dua persamaan regresi :
a. intersep (α) dan koefisien (β) sama
b. intersep (α) beda tapi koefisien (β) sama
c. intersep (α) sama tapi koefisien (β) beda
d. intersep (α) dan koefisien (β) beda
Pengujian 2 Persamaan
Regresi
a. b.
α0= α1 β1= β2
α0≠α1
β1= β2
c. β1≠ β2 d.
β1≠ β2
α0= α1 α0≠α1
Contoh Pengujian 2 Persamaan
Regresi
• Model persamaan yang digunakan :
Yt = α0 + α1Di + β1Xi + β2(DiXi) + εt
* DtPt = variabel interaksi/perkalian
* Bila α1 signifikan berarti intersep/kemiringan
persamaan regresi yg dibandingkan berbeda
* Bila β2 signifikan berarti koefisien regresi yang
dibandingkan berbeda (tidak stabil)
Pengujian 2 Persamaan
Regresi
• Contoh 10.2
Y = 261,06 + 347,92Dt + 0,553Pt – 0,257DtPt
Sb = (80,6) (0,046) (0,053)
t = (4,317) (11,920) (-4,828)
R2 = 0,983 F = 305,461
dimana :
Y = tingkat konsumsi
D = periode/waktu : 0 = 1981-1900
1 = 1991-2000
P = pendapatan nasional
Pengujian 2 Persamaan
Regresi
• Uji t dan F = semua variabel bebas (variabel periode,
pendapatan, dan interaksi periode & pendapatan)
berpengaruh signifikan terhadap tingkat konsumsi
• Koef dummy (α1) = 347,92 adalah signifikan. Berarti ada
perbedaan intersep fungsi konsumsi antara periode
1981 – 1990 dengan 1991 – 2000, dimana konsumsi
periode 1991-2000 lebih besar 347,92 trilyun
dibandingkan dengan periode 1981-1900
• Koef regresi (β2) = 0,257 adalah signifikan. Berarti ada
perbedaan koefisien fungsi konsumsi antara 2 periode
tsb (ada perbedaan pengaruh pendapatan periode 1981-
1990 dengan periode 1991-2000 terhadap konsumsi.
Pengujian 2 Persamaan
Regresi
• Persamaan regresi masing-masing periode :
Periode 1981-1900 :
Y = 261,06 + 347,92Dt + 0,553Pt – 0,257DtPt
Y = 261,06 + 347,92Dt + (0,553 – 0,257Dt)Pt
Y = 261,06 + 347,92(0) + (0,553 – 0,257(0))Pt
Y = 261,06 + 0,553Pt
Periode 1991-2000 :
Y = 261,06 + 347,92Dt + 0,553Pt – 0,257DtPt
Y = 261,06 + 347,92Dt + (0,553 – 0,257Dt)Pt
Y = 261,06 + 347,92(1) + (0,553 – 0,257(1))Pt
Y = (261,06 + 347,92) + (0,553 – 0,257)Pt
Y = 608.98 + 0,296Pt
Pengujian 2 Persamaan
Regresi
• Gambar grafik :
α(1981-1990) : 261,06 ≠ α(1991-200) : 608,98
β(1981-1990) : 0,553 ≠ β(1991-2000) : 0,296
konsumsi
1991-2000
1981-1990
pendapatan
Penggunaan Dummy utk Analisis
Musimam
• Digunakan untuk menganalisis data
musiman
• Digunakan utk data kualitatif lainnya yang
memiliki kategori lebih dari 2 jenis
(misalnya jenis pendidikan)
• Agar tidak terjadi multikolinieritas
sempurna, maka jumlah variabel dummny
yang digunakan = k-1
Penggunaan Dummy utk Analisis Musimam
• Contoh 10.3
Analisis data triwulan k = 12/3 = 4
maka jml variabel dummy = k-1 = 3
Bentuk persamaannya :
Y = α + β1D1i + β2D2i + β3D3i + εi
tujuan analisis ini adalah utk mengetahui apakah ada
perbedaan penjualan masing-masing triwulan
dimana :
Y = variabel terikat
D1i = 1 = utk triwulan I D3i = 1 = utk triwulan III
= 0 = utk triwulan lainnya = 0 = utk triwulan lainnya
D2i = 1 = utk triwulan II
= 0 = utk triwulan lainnya
Penggunaan Dummy utk Analisis
Musimam
• Contoh 10.3
Taksiran rata-rata volume penjualan per triwulan :
Rata-rata penjualan triwulan I : Y = α + β1
Rata-rata penjualan triwulan II : Y = α + β1 + β2
Rata-rata penjualan triwulan III : Y = α + β1 + β2 + β3
Rata-rata penjualan triwulan IV : Y = α
Penggunaan Dummy utk Analisis
Musimam
• Contoh 10.3
Bentuk persamaan :
Y = 13.966,5 – 2.192,33D1 – 1.284,17D2 – 1.538,67D3
Sb = (745,25) (745,25) (745,25)
t = (-2,942) (-1,723) (-2,605)
R2 = 0,313 F = 3,043
Dari hasil persamaan regresi, hanya penjualan triwulan II & III
yang tidak berbeda nyata pada level significant 5 %. Ini berarti
ada perbedaan volume penjualan pada triwulan I setiap
tahunnya.
R2 = 0,313 berarti sebesar 31,3 % variasi volume penjualan
dipengaruhi oleh variasi waktu/musiman, sedangkan sisanya
dijelaskan oleh variabel lain yang tidak disebutkan dalam
model
