MODEL REGRESI

VARIABEL DUMMY
Dr. Taosige Wau
Jenis Variabel

Diskrit Kontinu

Nominal Interval

Ordinal Rasio

Dr. Taosige Wau - Ekonometrika Lanjutan 2

KONSEP MODEL DUMMY
• Model regresi yang menggunakan variabel diskrit, atau variabel
kategorik, atau variabel kualitatif.
• Misal: jenis kelamin, agama, tingkat pendidikan, status perkawinan,
krisis ekonomi, kebijakan pemerintah, sistem pemerintahan, dll.
• Variabel kualitatif mengindikasikan ada tidaknya sebuah atribut,
yaitu bersifat artifisial (dummy) dengan nilai kategori 0 atau 1.
• Nilai 0 menunjukkan tidak adanya atribut, dan nilai 1 menunjukkan
adanya atribut.

Dr. Taosige Wau - Ekonometrika Lanjutan 3

PEMODELAN
• Misal → apakah terdapat perbedaan besaran pengeluaran antara
mahasiswa laki-laki dan mahasiswa perempuan?
Model → 𝑌𝑖 = 𝑏0 + 𝑏1 𝐷𝑖 + 𝑒𝑖
• Ket: 𝑌𝑖 → pengeluaran mahasiswa, 𝐷𝑖 = 1 → jika perempuan dan
𝐷𝑖 = 0 → jika laki-laki.
• Residual model → diasumsikan memenuhi asumsi metode OLS →
rata-rata residual adalah nol, varian residual adalah konstan, dan
tidak ada serial korelasi antara variabel residual.

Dr. Taosige Wau - Ekonometrika Lanjutan 4

Estimasi Model
• Karena residual model dummy memenuhi asumsi OLS,
maka model dummy dapat diestimasi dengan metode OLS.
• Hipotesis (contoh)
𝐻0 : tidak ada perbedaan pengeluaran mahasiswa laki-laki
dan perempuan.
𝐻1 : terdapat perbedaan pengeluaran mahasiswa laki-laki
dan perempuan

Dr. Taosige Wau - Ekonometrika Lanjutan 5

Estimasi Model
• Jika nilai 𝑏1 signifikan, maka 𝐻0 ditolak dan 𝐻1 diterima.
• Nilai rata-rata (expected value) pengeluaran mahasiswa:
Perempuan → 𝐸 𝑌𝑖 𝐷𝑖 = 1 = 𝑏0 + 𝑏1
Laki-laki → 𝐸 𝑌𝑖 𝐷𝑖 = 0 = 𝑏0
• Dengan demikian, intersep (𝑏0 ) menunjukkan rata-rata
pengeluaran laki-laki, dan slope (𝑏1 ) menunjukkan besaran
perbedaan pengeluaran mahasiswa laki-laki dan
perempuan.
Dr. Taosige Wau - Ekonometrika Lanjutan 6
Model: 1 Variabel Dummy
• Penelitian ilmu ekonomi umumnya menggunakan
beberapa variabel bebas (kualitatif dan kuantitatif).
• Misal: Pengaruh jenis kelamin dan jumlah kiriman dari
orang tua terhadap besaran pengeluaran mahasiswa.
Model → 𝑌𝑖 = 𝑏0 + 𝑏1 𝐷𝑖 +𝑏2 𝑋𝑖 +𝑒𝑖
• Ket: 𝑌𝑖 → pengeluaran mahasiswa, 𝑋𝑖 → jumlah kiriman
orang tua, 𝐷𝑖 = 0 → jika laki-laki dan 𝐷𝑖 = 1 → jika
perempuan.
Dr. Taosige Wau - Ekonometrika Lanjutan 7
Model: 1 Variabel Dummy
Nilai rata-rata (expected value)
pengeluaran mahasiswa:
Y
Pengeluaran Perempuan
Perempuan:
𝐸 𝑌𝑖 𝐷𝑖 = 1 = 𝑏0 + 𝑏1 + 𝑏2 𝑋𝑖

𝑏1 Pengeluaran Laki-laki
Laki-laki:
𝐸 𝑌𝑖 𝐷𝑖 = 0 = 𝑏0 + 𝑏2 𝑋𝑖 𝑏0
X

Dr. Taosige Wau - Ekonometrika Lanjutan 8

Model: Banyak Kategori Dummy (𝒊 > 𝟐)
• Apabila kategori variabel dummy lebih dari dua, maka dapat dibentuk
beberapa variabel dummy.
• Misal: pengaruh masa kerja kerja dan tingkat pendidikan (S1, S2, S3)
terhadap gaji yang diterima.
• Maka: var. dummy → 𝐷1𝑖 (𝐷1𝑖 = 1 jika S2 dan 𝐷1𝑖 =0 jika tidak) dan 𝐷2𝑖
(𝐷2𝑖 = 1 jika S3 dan 𝐷2𝑖 = 0 jika tidak)
• Model → 𝑌𝑖 = 𝑏0 + 𝑏1 𝐷1𝑖 + 𝑏2 𝐷2𝑖 + 𝑏3 𝑋𝑖 +𝑒𝑖
• Expected value:
Pendidikan S3 → 𝐸 𝑌𝑖 𝐷1𝑖 = 0, 𝐷2𝑖 = 1 = 𝑏0 + 𝑏2 + 𝑏3 𝑋𝑖
Pendidikan S2 → 𝐸 𝑌𝑖 𝐷1𝑖 = 1, 𝐷2𝑖 = 0 = 𝑏0 + 𝑏1 + 𝑏3 𝑋𝑖
Pendidikan S1 → 𝐸 𝑌𝑖 𝐷1𝑖 = 0, 𝐷2𝑖 = 0 = 𝑏0 + 𝑏3 𝑋𝑖

Dr. Taosige Wau - Ekonometrika Lanjutan 9

Model: N Variabel Dummy
• Model regresi dummy dapat memasukkan varibel dummy
lebih dari satu.
• Misal. → pengaruh masa status pernikahan (𝐷1𝑖 = 1 jika
sudah menikah, dan 𝐷1𝑖 =0 jika belum menikah), jabatan
( 𝐷2𝑖 = 1 jika memiliki jabatan, dan 𝐷2𝑖 = 0 jika tidak
memiliki jabatan), dan lama bekerja (𝑋𝑖 ) terhadap gaji (𝑌𝑖 )
yang diperoleh PNS.
• Model → 𝑌𝑖 = 𝑏0 + 𝑏1 𝐷1𝑖 + 𝑏2 𝐷2𝑖 + 𝑏3 𝑋𝑖 +𝑒𝑖

Dr. Taosige Wau - Ekonometrika Lanjutan 10

Model: N Variabel Dummy
• Expected value:
• PNS yang sudah menikah dan memiliki jabatan
→ 𝐸 𝑌𝑖 𝐷1𝑖 = 1, 𝐷2𝑖 = 1 = 𝑏0 + 𝑏1 + 𝑏2 + 𝑏3 𝑋𝑖
• PNS yang sudah menikah dan tidak memiliki jabatan
→ 𝐸 𝑌𝑖 𝐷1𝑖 = 1, 𝐷2𝑖 = 0 = 𝑏0 + 𝑏1 + 𝑏3 𝑋𝑖
• PNS yang belum menikah dan memiliki jabatan
→ 𝐸 𝑌𝑖 𝐷1𝑖 = 0, 𝐷2𝑖 = 1 = (𝑏0 + 𝑏2 ) + 𝑏3 𝑋𝑖
• PNS yang belum menikah dan tidak memiliki jabatan
→ 𝐸 𝑌𝑖 𝐷1𝑖 = 0, 𝐷2𝑖 = 0 = 𝑏0 + 𝑏3 𝑋𝑖

Dr. Taosige Wau - Ekonometrika Lanjutan 11

Ketentuan Mengkuantitatifkan Variabel Kualitatif

1. Apabila terdapat n kategori maka dapat dibentuk variabel

dummy sebanyak n-1.
2. Nilai 1 dan 0 pada variabel dummy bersifat arbiter.
3. Kategori 0 pada variabel dummy merupakan kategori dasar
sebagai kelompok pengontrol.
4. Koefisien ( 𝑏𝑖 ) pada variabel dummy disebut koefisien
intersep pembeda karena nilai ini menunjukkan berapa
besar perbedaan intersep yang bernilai 1 dengan intersep
dari kelompok pengontrol.
Dr. Taosige Wau - Ekonometrika Lanjutan 12
Model Regresi Dummy: Data Cross Section
No Y X D1 D2
1 575 600 1 0
• Contoh Kasus: 2 640 650 1 0
Pengaruh kiriman orang tua (𝑋𝑖 ), 3 560 600 0 0
4 675 700 1 0
jenis kelamin (𝐷1𝑖 ), dan kepemilikan 5 575 625 0 0
kendaraan ( 𝐷2𝑖 ) terhada 6 600 650 0 0
pengeluaran mahasiswa (𝑌𝑖 ). 7 840 850 1 1
8 700 725 1 0
• Model: 9 640 675 0 0
𝑌𝑖 = 𝑏0 + 𝑏1 𝐷1𝑖 + 𝑏2 𝐷2𝑖 + 𝑏3 𝑋𝑖 +𝑒𝑖 10 650 700 0 0
11 730 750 1 0
• Ket.: → 𝐷1𝑖 = 1 jika perempuan, 12 750 775 1 0
𝐷1𝑖 = 0 jika laki-laki, 𝐷2𝑖 = 1 jika 13 875 900 1 1
memiliki kendaraan, 𝐷1𝑖 = 0 jika 14 795 800 0 1
tidak memiliki kendaraan 15 675 725 0 0
16 885 900 0 1

Dr. Taosige Wau - Ekonometrika Lanjutan 13

Hasil Estimasi Model
𝑌෠𝑖 = −15,77 + 17,60𝐷1𝑖 + 27,12𝐷2𝑖 + 0,96𝑋𝑖
Dependent Variable: Y t (-0,452) (3,243) (2,432) (18,414)
Method: Least Squares
Date: 11/10/20 Time: 19:17 𝑅2 = 0,99 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 531,586
Sample: 1 16
Included observations: 16
Expected value:
Variable Coefficient Std. Error t-Statistic Prob.
✓ Mahasiswa perempuan yang memiliki
D1 17.60132 5.426661 3.243489 0.0070 kendaraan → 𝑌෠𝑖 = 28,96 + 0,96𝑋𝑖
D2 27.12513 11.15285 2.432126 0.0316
X 0.960689 0.052169 18.41493 0.0000 ✓ Mahasiswa perempuan yang tidak
C -15.77001 34.86366 -0.452334 0.6591 memiliki kendaraan
R-squared 0.992532 Mean dependent var 697.8125 → 𝑌෠𝑖 = 1,83 + 0,96𝑋𝑖
Adjusted R-squared
S.E. of regression
0.990664
10.24357
S.D. dependent var
Akaike info criterion
106.0184
7.703496
✓ Mahasiswa laki-laki yang memiliki
Sum squared resid 1259.169 Schwarz criterion 7.896643 kendaraan → 𝑌෠𝑖 = 11,35 + 0,96𝑋𝑖
Log likelihood -57.62797 Hannan-Quinn criter. 7.713386
F-statistic 531.5863 Durbin-Watson stat 2.696082 ✓ Mahasiswa laki-laki yang tidak
Prob(F-statistic) 0.000000 memiliki kendaraan
→ 𝑌෠𝑖 = −15,77 + 0,96𝑋𝑖
Dr. Taosige Wau - Ekonometrika Lanjutan 14
Model Regresi Dummy: Data Time Series
• Contoh Kasus:
Pengaruh CPI (𝑋𝑖 ) dan kebijakan otonomi daerah (𝐷1𝑖 ), terhadap
PDB Perkapita Indonesia (𝑌𝑖 ).
• Model:
𝑌𝑖 = 𝑏0 + 𝑏1 𝐷1𝑖 + 𝑏2 𝑋𝑖 +𝑒𝑖
• Keterangan:
𝐷1𝑖 = 0 sebelum penerapan otonomi daerah tahun 2001
𝐷1𝑖 =1 setelah penerapan otonomi daerah tahun 2001

Dr. Taosige Wau - Ekonometrika Lanjutan 15

Tahun Y X D Tahun Y X D
1990 4,625.97 12.65 0 2005 6,837.37 68.68 1
1991 4,860.56 13.84 0 2006 7,118.22 77.69 1
1992 5,089.58 14.89 0 2007 7,470.32 82.67 1
1993 5,331.86 16.33 0 2008 7,815.45 91.12 1
1994 5,643.21 17.72 0 2009 8,069.24 95.12 1
1995 6,013.53 19.39 0 2010 8,457.56 100.00 1
1996 6,387.45 20.93 0 2011 8,859.14 105.36 1
1997 6,591.20 22.24 0 2012 9,267.22 109.86 1
1998 5,645.33 35.23 0 2013 9,651.92 116.91 1
1999 5,611.15 42.45 0 2014 10,003.17 124.39 1

2000 5,806.54 44.02 0 2015 10,358.83 132.30 1

2001 5,936.33 49.08 1 2016 10,748.29 136.97 1
2002 6,119.80 54.92 1 2017 11,161.02 142.18 1
2003 6,326.43 58.63 1 2018 11,605.86 146.73 1
2004 6,556.14 62.18 1
Dr. Taosige Wau - Ekonometrika Lanjutan 16
Hasil Estimasi Model
𝑌෠𝑖 = 4307,24 − 1183,42𝐷1𝑖 + 54,78𝑋𝑖
Dependent Variable: Y
Method: Least Squares t (26,643) (-3,820) (15,946)
Date: 11/10/20 Time: 22:24
Sample: 1990 2018 𝑅2 = 0,951 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 257,313
Included observations: 29

Variable Coefficient Std. Error t-Statistic Prob. Expected value:

C 4307.243 161.6615 26.64360 0.0000
✓ PDB perkapita setelah
DI -1183.416 309.7209 -3.820911 0.0007 pelaksanaan otonomi daerah
X 54.78344 3.435423 15.94664 0.0000
→ 𝑌෠𝑖 = 3123,83 + 54,78𝑋𝑖
R-squared 0.951908 Mean dependent var 7378.231
Adjusted R-squared 0.948208 S.D. dependent var 2038.037
S.E. of regression
Sum squared resid
463.8126
5593175.
Akaike info criterion
Schwarz criterion
15.21454
15.35598 ✓ PDB perkapita sebelum
Log likelihood
F-statistic
-217.6108
257.3132
Hannan-Quinn criter.
Durbin-Watson stat
15.25883
0.815752
pelaksanaan otonomi daerah
Prob(F-statistic) 0.000000 → 𝑌෠𝑖 = 4307,24 + 54,78𝑋𝑖

Dr. Taosige Wau - Ekonometrika Lanjutan 17

Artikel Terkait
• Asrirawan; Ilyas , Muhammad. 2021. Faktor-Faktor yang Mempengaruhi Rumah Tangga Miskin
Menggunakan Regresi Dummy Di Desa Cilallang Kecamatan Kamanre Kabupaten Luwu.
INFINITY-Jurnal Matematika dan Aplikasinya (IJMA), Vol. 1, No. 2, Hal. 40-46.
• Nofendi, Deki; Wahyudi, Sugeng. 2017. Pengaruh Capital Adequacy Ratio (CAR), Financing To
Deposit Ratio (FDR), Ukuran Direksi, Ukuran Dewan Pengawas Syariah, Dan Ukuran Bank
Terhadap Return On Deposit (ROD) Pada Bank Umum Syariah Di Indonesia Dengan
Kepemilikan Asing Sebagai Variabel Dummy. Diponegoro Journal Of Management, Vol. 6, No. 4,
Hal 1-11.
• Rahmadeni; Raudi, Syahrul. 2020. Analisis Tingkat Kerugian Material Akibat Kecelakaan Lalu
Lintas dengan Menggunakan Dummy Variable Di Provinsi Riau Tahun 2013-2017. Jurnal Sains
Matematika dan Statistika, Vol. 6, No. 1, Hal. 58-64.
• Hadimurzani, Roby; Paminto, Ardi; Irwansyah. 2021. The Effect of Health Banks on Share
Returns in Banking Companies Listed on the IDX for the 2019 Period With Political Events
(Indonesia Presidential Elections) as Dummy Variables. Budapest International Research and
Critics Institute-Journal (BIRCI-Journal), Vo. 4, No. 3, Hal. 5317-5330.
TERIMA KASIH