Nama : Rian Febriansyah

Kelas : 2P Manajemen
NPM : 120020565

1. Jelaskan yang dimaksud variabel dummy

Variabel dummy adalah variabel yang digunakan untuk mengkuantitatifkan variabel yang
bersifat kualitatif (misal: jenis kelamin, ras, agama, kebijakan pemerintah, perbedaan
situasi dan lain-lain). Variabel dummy  merupakan variabel yang bersifat kategorikal yang
diduga mempunyai pengaruh terhadap variabel yang bersifat kontinu. Variabel
dummy sering juga disebut variabel boneka, binary, kategorik atau dikotom. Variabel
dummy hanya memiliki 2 (dua) nilai yaitu 1 dan nilai 0, serta diberi simbol D. Dummy
memiliki nilai 1 (D=1) untuk salah satu kategori dan nol (D=0) untuk kategori yang lain.
D = 1 untuk suatu kategori (laki-laki, kulit putih, sarjana dan sebagainya).
D = 0 untuk kategori yang lain (perempuan, kulit berwarna, non-sarjana dan sebagainya).
Nilai 0 biasanya menunjukkan kelompok yang tidak mendapat perlakuan dan 1
menunjukkan kelompok yang mendapat perlakuan. Dalam regresi berganda, aplikasinya
bisa berupa perbedaan jenis kelamin (1 = laki-laki, 0 = perempuan), ras (1 = kulit putih, 0
= kulit berwarna), pendidikan (1 = sarjana, 0 = non-sarjana).
Salah satu cara untuk mengkuantitatifkan atribut yang ada di dalam variabel tersebut
adalah dengan membangun variabel buatan yang bernilai 1 atau 0.
Nilai 1 menandakan adanya kepemilikan atribut sedangkan nilai 0 menunjukkan tidak
adanya atribut tersebut.
Misalnya untuk mengetahui besar penghasilan pegawai pemerintah berdasarkan jenis
kelamin dan pendidikan.
Jenis kelamin dikategorikan menjadi 0 untuk perempuan dan 1 untuk laki-laki. Sedangkan
pendidikan dikategorikan menjadi 0 untuk kurang atau sama dengan SMA dan 1 untuk S1

2. Apakah perbedaan model ANOVA dan ANCOVA

Model ANOVA adalah sebuah model regresi dapat mengandung variabel independen
yang memiliki struktur data baik kuantitatif maupun kualitatif.
Pada kenyataannya model regresi dapat mengandung variabel independen yang
semuanya memiliki struktur data kualitatif. Model regresi yang seperti ini disebut
sebagai model analisis varians (ANOVA).
 Sementara model ANCOVA adalah model regresi yang digunakan terdiri atas beberapa
variabel independen yang juga terdiri dari variabel kualitatif dan variabel kuantitatif.
Model regresi yang terdiri atas campuran variabel kualitatif dan variabel kuantitatif
disebut sebagai model analisi kovarians (ANCOVA).
Model ANCOVA merupakan model lanjutan dari ANOVA yang efek dari variabel
kuantitatifnya dikontrol secara statistic dan dinamakan covariate.
3. Analisis menggunakan eviews

 Model ANOVA
Dependent Variable: HC
Estimation Command:
Method: Least Squares
=========================
LS HC07/01/22
Date: C D1 D2 Time: 10:50
Sample: 1 Equation:
Estimation 33
Included observations: 33
=========================
HC = C(1) + C(2)*D1 + C(3)*D2
Variable
Substituted Coefficients:Coefficient Std. Error t-Statistic Prob.  
=========================
C
HC = 402.11875 402.1187
+ 215.60125*D1 272.6630 1.474783
+ 1881.25267857*D2 0.1507
D1 215.6013 439.6558 0.490386 0.6274
D2 1881.253 494.2436 3.806327 0.0006

R-squared 0.336792    Mean dependent var 866.5061

Adjusted R-squared 0.292578    S.D. dependent var 1296.722
S.E. of regression 1090.652    Akaike info criterion 16.91345
Sum squared resid 35685648    Schwarz criterion 17.04949
Log likelihood -276.0719    Hannan-Quinn criter. 16.95922
F-statistic 7.617342    Durbin-Watson stat 2.467606
Prob(F-statistic) 0.002112

Berdasarkan hasil diatas diketahui:

Pada wilayah 1 tidak terdapat perbedaan yang signifkan pada jumlah HC yaitu propinsi-
propinsi Indonesia kecuali di pulau Jawa dan Bali. Hal tersebut dilihat dari nilai prob=0,6274
untuk parameter β2 yang tidaksignifkan dengan taraf signifkansi α = 0,05.
Berbeda halnya dengan wilayah 2 yaitu untuk propinsi-propinsi yang berada di pulau jawa
dan bali ternyata terdapat perbedaan yang signifkan pada jumlah HC. Hal tersebut dilihat
dari nilai prob=0,0006 untuk parameter β2 yang signifkan dengan taraf signifkansi α = 0,05.
Besar rata-rata HC dapat dengan mudah didapatkan dengan melihat besar koefsien regresi
(β) dalam model analisis varians. Misalnya untuk rata-rata besar HC adalah sebesar β1-nya
yaitu 402.1187.
Untuk wilayah 1 sebesar 402.1187 + 215.6013 = 617.720 rupiah (lebih besar 215.6013
rupiah dibandingkan dengan rata-rata besar HC).
Untuk wilayah 2 sebesar 402.1187 - 1881.253 = 213.9934 (lebih kecil 1881.253 dibandingkan
dengan rata-rata besar HC).

 Tanpa intersepsi

Dependent Variable: HC
Method: Least Squares
Date: 07/01/22 Time: 11:59
Sample: 1 33
Included observations: 33

Variable Coefficient Std. Error t-Statistic Prob.  

D1 617.7200 351.3699 1.758034 0.0886

D2 2283.371 419.9673 5.437022 0.0000

R-squared 0.288710    Mean dependent var 866.5061

Adjusted R-squared 0.265765    S.D. dependent var 1296.722
S.E. of regression 1111.129    Akaike info criterion 16.92283
Sum squared resid 38272840    Schwarz criterion 17.01353
Log likelihood -277.2267    Hannan-Quinn criter. 16.95335
Durbin-Watson stat 2.358577

Estimation Command:
=========================
LS HC D1 D2

Estimation Equation:
=========================
HC = C(1)*D1 + C(2)*D2

Substituted Coefficients:
=========================
HC = 617.72*D1 + 2283.37142857*D2
Hasil yang didapatkan dari model tanpa intersepsi ini sama dengan hasil yang didapatkan
sebelumnya. Nilai β langsung mencerminkan besar HC pada masing-masing wilayah.

 Model ANCOVA

Dependent Variable: HC
Method: Least Squares
Date: 07/01/22 Time: 12:04
Sample: 1 33
Included observations: 33

Variable Coefficient Std. Error t-Statistic Prob.  

C 2836.848 2312.206 1.226901 0.2301

IG -5342.861 5612.116 -0.952023 0.3492
IHK -74.04887 164.1695 -0.451051 0.6554
D1 -84.03155 549.8270 -0.152833 0.8796
D2 1929.085 527.4293 3.657525 0.0010

R-squared 0.362579    Mean dependent var 866.5061

Adjusted R-squared 0.271518    S.D. dependent var 1296.722
S.E. of regression 1106.767    Akaike info criterion 16.99500
Sum squared resid 34298134    Schwarz criterion 17.22174
Log likelihood -275.4175    Hannan-Quinn criter. 17.07129
F-statistic 3.981747    Durbin-Watson stat 2.396010
Prob(F-statistic) 0.011107

Estimation Command:
=========================
LS HC C IG IHK D1 D2

Estimation Equation:
=========================
HC = C(1) + C(2)*IG + C(3)*IHK + C(4)*D1 + C(5)*D2

Substituted Coefficients:
=========================
HC = 2836.84792668 - 5342.86124248*IG - 74.0488658555*IHK - 84.0315520435*D1 + 1929.08547435*D2

Berdasarkan output diatas di dapatkan hasil bahwa dengan penambahan variabel IG dan IHK
kedalam model, mengakibatkan terjadinya peningkatan nilai R2 dari 33,6% menjadi 36,2%
yang menunjukkan bahwa model ini lebih baik daripada model sebelumnya.
Disamping itu koefsien yang signifkan pada α =0,05 adalah β1 dan β2 menunjukkan bahwa
faktor yang berpengaruh nyata terhadap peningkatan HC di seluruh wilayah Indonesia
adalah indeks gini, indeks harga konsumen dan besar HC provinsi-provinsi di wilayah 2.
Terdapat hubungan negative anntara nilai indeks gini dana indeks harga konsumen. Nilai
koefsien untuk variabel IG yaitu -5342.861 dan nilai koefisien untuk variabel IHK yaitu -
74.04887.
Namun apabila dilakukan scatterplot data antara kedua variabel ini di dalam wilayah yang
berbeda, didapatkan kenyataan bahwa di semua wilayah terdapat kecenerungan bahwa
semakin tinggi indeks gini dan indeks harga konsumen maka semakin tinggi pula HC.