ANALISIS REGRESI GANDA DENGAN VARIABEL DUMMY

Analisis regresi sebagai kajian terhadap hubungan satu variable yang disebut sebagai
variable yang diterangkan (The Explaned Variabel) dengan satu atau dua variable yang
menerangkan (The Explanatory Variabel). Variable pertama disebut variable tergantung (terikat)
dan variable kedua sebagai variable bebas. Jika variable bebas lebih dari satu, maka analisis
disebutregresi linear berganda. Disebut berganda karena pengaruh beberapa variable bebas akan
dikenakan kepada variable tergantung (terikat).Salah satu bagian dari regresi linear berganda
adalah regresi berganda dengan variable dummy .

DEFINISI

Variabel dummy adalah variable yang digunakan untuk mengkuantitatifkan variabel yang
digunakan untuk membuat kategori data yang bersifat kualitatif dan data kualitatif bentuknya
adalah skala nominal. Contoh skala nominal yang dianggap dummy disini misal: gender, tingkat
pendidikan, agama, dan lain-lain. variabel dummy merupakan variable yang bersifat kategorikal
yang diduga mempunyai pengaruh terhadap variable yang bersifat continue. Dalam model
regresi tidak mengenal data berbentuk huruf, sehingga pada variable dummy hanya mempunyai
dua nilai yaitu nilai 1 dan nilai 0, serta diberi symbol D. dummy memiliki nilai 1 (D=1) untuk
slah satu kategori dan nilai 0 (D=0) untuk kategori yang lain.

Persamaan untuk variable dummy;

Y i=α+ β X i +γ Di + ε i

Dimana D, merupakan dummy variable.

PEMANFAATAN REGRESI BERGANDA DENGAN VARIABEL DUMMY

Tujuan menggunakan regresi berganda dummy adalah memprediksi besarnya nilai

variabel tergantung atas dasar satu atau lebih variabel bebas, di mana satu atau lebih variabel
bebas yang digunakan bersifat dummy.

Dalam kegiatan penelitian, kadang variabel yang akan diukur bersifat intangible,
sehingga muncul kendala dalam pengukuran, dengan adanya variabel dummy tersebut, maka
besaran atau nilai variabel yang bersifat intangible tersebut dapat di ukur secara kualitatif.
Sebagai misal dalam mengukur tingkat kepuasan pengguna jasa angkutan kereta api atau
pesawat, ukuran dapat dibuat secara kualitatif dalam bentuk dummy misal: kode 0 untuk tidak
puas dan kode 1 untuk puas.,atau status ekonomi masyarakat dapat dibuat secara kualitatif
(nominal), misal kode 0 untuk miskin dan kode 1 untuk kaya.

Dengan adanya variabel dummy ada beberapa keuntungan yang dapat diperoleh dalam proses
pengukuran dan pengambilan data, antara lain:
 1. Kompleksitas pengukuran dapat dipersempit, sehingga proses pengambilan data dapat
berjalan lebih mudah.
2. Membantu proses identifikasi, data yang awalnya intangible dapat di kuantitatifkan.
3. Sebuah obyek (variabel) yang awalnya tidak terukur dapat menjadi terukur.
4. Hubungan antara sesama variabel dalam model regresi dapat diketahui.

ANALISIS DATA

 Dalam analisis regresi berganda dengan variable dummy, tidak smua kategori dalam
variable dummy dilibatkan analisis regresi.
 Jika jumlah kategori lebih dari 2, maka jumlah kategori yang kita libatkan adalah k-1 (k =
jumlah kategori). Misalnya jumlah kategori bidang kerja adalah 3, maka jumlah kategori
yang kita libatkan adalah 3 – 1 = 2 kategori.
 Untuk desain seperti ini, masukkan variable kepuasan kerja (Y), ketahanan kerja (X1),
jabatan (X2), dan 2 kategori pada bidang kerja (X3) yaitu, produksi dan marketing.
Kategori suplay tidak dimasukkan karena menjadi basis interpretasi variable bidang kerja
nantinya.

DISKUSI KASUS

Salah satu contoh kasus tentang penerapan regresi dummy mengenai bagaimana
pengaruh variabel bebas dalam prediksi nilai atau besaran variabel tergantung dalam sebuah
model regresi, dengan menggunakan variabel sebagai berikut:

Gaji sebagai variabel Y dengan skala adalah rasio, gender sebagai X1 dengan skala adalah
nominal, pendidikan sebagai X2 dengan skala nominal dan usia sebagai X3 dengan skala rasio.
Contoh tampilan data regresi dummy adalah sebagai berikut, seperti tampak pada tabel di bawah:
Untuk kasus diatas, variable dummy yang dipakai adalah :
Variabel Kode
0 = Wanita
Gender
1 = Pria
0 = SMA
Pendidikan
1 = Sarjana
Keterangan :
Y = Gaji
X1 = Gender
X2 = Pendidikan
X3 = Usia
Langkah-langkah :
1. Buat variable dan masukkan data dalam worksheet SPSS

2. Lakukan analisis dengan cara klik Analyze >Regression >Linear, selanjutnya akan
muncul kotak dialog “Linear Regression”.
3. Pada kotak Dependent masukkan variabel Gaji, pada kotak Independent masukkan
variabel: gender, didik dan usia

4. Klik “Statistik, aktifkan “estimates”, “Model fit”, “Descriptives”,

“Collinearity diagnostics” dan “Durbin-Watson”. Klik “Continue”.
5. Klik “Plots”, pindahkan variable “*Zresid” ke dalam kolom “Y” dan pindahkan “*Zpred”
ke dalam kolom “X”. aktifkan “Histogram” dan “Normal Probability Plots”. Klik
“continue”.

6. Klik “Save”, pada “Predicted Values” aktifkan “Unstandardized”. Pada “Residuals”

aktifkan “Unstandardized” klik “Continue” dan terakhir klik “OK”.
HASIL ANALISIS KASUS
Hasil Output :
Tabel 1; Variabel Entered
Tabel 2; Model Summary

Pada kasus dummy kedua ini, nilai koefisien korelasi global (R) sebesar 0,889 artinya ada
hubungan yang kuat dan searah antara gaji dengan gender, didik dan usia. Variasi variabel gaji
mampu dijelaskan secara bersama-sama oleh variabel gender, didik dan usia sebesar 73,3%.
Standar error of estimate pada model dummy terbilang kecil disbanding model dummy yang
hanya memasukkan 1 variabel pada variable independen, ini menjukkan bahwa dengan adanya
penambahan variabel independen menjadi tiga (gender, didik, usia) model regresi menjadi lebih
baik.
Table 3; ANOVA

Pada tabel Anova, nilai F hitung adalah 13,782 dengan signifikansi sebesar 0,000 lebih kecil dari
0,05. Hal ini menunjukkan pengaruh ketiga variabel independen terhadap variabel dependen
adalah signifikan.
Table 4; Koefisien Regresi
Pada kasus dummy ini, persamaan regresi menjadi :
Gaji=132,6365+31,682 ( gender )+ 30,166 ( pendidikan ) +1,245(usia)
Pada tabel Coefficientª di atas, semua variabel independen memiliki signifikansi di bawah 0,05
artinya model regresi sudah layak digunakan untuk memprediksi pengaruh variabel independen
terhadap gaji yang diterima karyawan.