Nama : Dhea Athifah Handayani R

NIM : C1H021053
Class : International Management

Econometrics Analisis Regresi dengam Variabel Dummy

1. Fungsi analisis regresi menggunakan variabel dummy :

Analisis dengan variabel dummy dilakukan pada saat kita tertarik pada pengaruh
variabel independen kategori, atau kita ingin memasukkan variabel kategori tersebut
untuk meningkatkan kualitas penelitian kita. Analisis regresi dengan menggunakan
variabel dummy memiliki kompleksitas, hasil analisis ini memiliki kemiripan dengan
analisis kovarian (anakova), namun sistematika komputasinya sedikit berbeda. Ingat,
prosedur yang disajikan dalam tulisan ini adalah prosedur analisis regresi dengan
variabel independen berupa kategori, namun jika yang berwujud kategori adalah
variabel dependen, maka teknik analisis yang dilakukan adalah dengan analisis regresi
logistik.

2. Cara memberikan penilaian atas variabel kualitatif untuk analisis regresi variabel
dummy :
1. Identifikasi Variabel Kualitatif
2. Buat variabel dummy untuk setiap variabel kualitatif
3. Masukkan variabel dummy dalam mode regresi
4. Mengintrepetasikan hasil model regresi

3. 1. ANOVA (analysis of Variance) adalah uji statistik yang digunakan untuk

membandingkan rata-rata
dua kelompok atau lebih.
2. Regresi satu variabel dummy dengan dua kategori dapat digunakan untuk
membandingkan rata-rata dua kelompok ketika variabel bebasnya adalah
variabel kategorikal dengan dua level.
3. Dalam regresi satu variabel dummy dengan dua kategori, satu level dari
variabel kategori digunakan sebagai level referensi dan level lainnya
dikodekan sebagai variabel dummy. Model regresi kemudian mengestimasi
perbedaan rata-rata antara kedua kelompok. F-statistik dari model regresi
setara dengan F-statistik dari uji ANOVA.

4. Hasil SPSS :
Model Summary Analysis :
- R atau multiple R = 0,784
- R Square = 0,615
- Adjusted R Square = 0,576
- Std error of the estimate = 6,86173
Semakin kecil std.error, semakin baik persamaan regresi sebagai alat prediksi.

ANOVA Analysis :
- Sum of squares regression = 752,083
- Sum of squares Residual = 470,833
- Sum of squares Total = 1222,917
- Df regression = 1
- Df residual = 10
- Df total = 11
- Mean square regression = 752,083
 - Mean square residual = 47,083
- F hitung = 15,973
- Sig = 0,003
Tingkat kesalahan atau probabilitas sebesar 0,003 berarti lebih kecil
dari 0,05. Oleh sebab itu disimpulkan variabel bebas secara simultan
mampu menjelaskan perubahan pada variabel tergantung atau model
dinyatakan cocok atau fit

a. Koefisien

- Koefisien tidak standar (konstan)

Jika jenis kelamin 0, maka pengeluaran mahasiswa menjadi 64,167
- Koefisien tidak standar (jenis kelamin)
Koefisiensi regresi variabel jenis kelamin, jika mahasiswa/i meningkat 1, maka
pengeluaran akan meningkat 15,833

b. T – Stat
If t-stat < t-table, then H0 is accepted
If t-stat > t-table, then H0 is rejected

t-stat :
jenis kelamin : 3,997
Alpha 0,05 : 2 = 0,025
Df = n-2 = 12-2 = 10

Kesimpulan :
- T-stat value (3,997) > (2,228), H0 ditolak, maka dapat disimpulkan jenis kelamin
memang berpengaruh signifikan terhadap pengeluaran mahasiswa.

c. Statistics Probability
Jenis kelamin probabilities = 0,003
Alpha = 0,05
 o If the probability value > alpha, then HO is accepted
o If the probability value is <alpha, then HO is rejected or H1 is
accepted (there is a significant effect)

Kesimpulan :
Probability t-stat jenis kelamin (0,003) < alpha (0,05), maka terdapat
pengaruh yang signifikan jenis kelamin terhadap pengeluaran.

d. F – Statistics

- F-stat = 15,973
- F-table = 4,96
o If F stat < F table, then H0 is accepted or H1 is rejected
o If F stat > F table, then H0 is rejected or H1 is accepted
Kesimpulan:
Dalam hal ini F-stat (15,973) > F tabel (4,96) maka secara bersama-sama
variabel independen berpengaruh signifikan terhadap variabel dependen.

• R squared = 0.615
• Adjusted R-squared = 0.576
Tingkat jenis kelamin dapat mempengaruhi pengeluaran mahasiswa sebesar 67,5%, selebihnya
dipengaruhi oleh variabel lain yang tidak diteliti.
a. Persamaan regresi
Y = a + bx
Y = 64,167x1 + 15,833x2 + e
b. Prediksi pengeluaran mahasiswa (1) dan mahasiswi (0)
Mahasiswa (1) = 90 + 85 + 80 +70 + 80 + 75 = 480
Mahasiswi (0) = 60 + 60 + 70 + 70 + 55 + 70 = 385

c. Nilai koefisien determinasi dan maknanya?

= Koefisien R= 0,615 atau 62,5% perubahan pengeluaran dipengaruhi oleh jenis
kelamin dan sisanya 0,375 atau 37,5% dipengaruhi oleh variabel lain yang tidak
diteliti.

d. Apakah ada pengaruh yang signifikan dari variabel jenis kelamin

terhadap terhadap pengeluaran mahasiswa?
= Karena nilai t hitung (3,997) > nilai t table (2,228), maka dapat disimpulkan
bahwa variabel jenis kelamin memiliki pengaruh terhadap pengeluaran
mahasiswa, atau karena nilai sig. variabel jenis kelamin (0,003) lebih kecil dari
alpha (0,05), maka variabel jenis kelamin memiliki pengaruh terhadap
pengeluaran mahasiswa.

e. Bagaimana uji ketepatan model dari persamaan regresi yang terbentuk

dengan menggunakan uji F
= secara bersama – sama atau simultan antara variabel independen terhadap
variabel dependen.

f. Dengan menggunakan ANOVA, bandingkan kesimpulan yang

diperoleh antara regresi satu variabel dummy dua kategori dengan
analisis ragam (ANOVA)
= variabel dengan skala nominal atau ordinal (variabel kualitatif) dan ada satu
atau lebih variabel independen lain yang mempunyai skala pengukuran minimal
interval (variabel kuantitatif). ANOVA metode untuk menguraikan keragaman total
data menjadi komponen-komponen yang mengukur berbagai sumber
keragaman.