REGRESI DENGAN

VARIABEL INDEPENDEN
KUALITATIF
DAN
REGRESI NONLINEAR
OLEH KELOMPOK 6 KELAS 2A

ANGGOTA KELOMPOK 6
1. Denny Rizky Firmansyah

(14.8068)

2. Fajar Khairiah Shafa

(14.8120)

3. Isvan Anggeriraja Jupiono

(14.8190)

4. Izzaturrohmah Syahputri

(14.8191)

5. Nabila Daisy Prima

(14.8274)

6. Tonny Arief Juniarta

(14.8415)

MATERI 1

REGRESI DENGAN VARIABEL

INDEPENDEN KUALITATIF
3

REGRESI DENGAN
VARIABEL INDEPENDEN
KUALITATIF
Metode yang digunakan untuk menghitung regresi
dengan variabel independen kualitatif
Dibuat Indikator variabel/dummy variabel, dengan
membuat kode 0 atau 1 sehingga data menjadi
kuantitatif
Bila satu variabel bebas memiliki k kategori, maka
akan dibuat sebanyak (k-1) variabel indikator, yang
masing-masing bernilai 0 atau 1 (0 untuk variabel yang
dijadikan acuan)
Selanjutnya pendugaan dan pengujian parameter
dilakukan dengam cara yang sama dengan regresi
berganda
4

CARA UNTUK MEMBUAT

INDICATOR VARIABEL/DUMMY
Contoh

Soal

Ketika seorang ahli ekonomi ingin meneliti

pengaruh ukuran perusahaan dan tipe perusahaan
terhadap
kecepatan
inovasi
dimana
tipe
perusahaan merupakan variabel kualitatif dengan 2
kelas, yaitu mutual dan stock. Apabila kita
menjadikan masing-masing kelas sebagai variabel
terpisah seperti dimana :

 Dengan mengasumsikan model sebagai orde

pertama, maka persamaannya menjadi:

,
dimana
Misalkan kita memiliki n = 4 observasi , dengan
2 data pertama bertipe stock dan yang lain
bertipe mutual, sehingga kita mendapatkan
matriks X sebagai berikut :

Dari hasil perkalian matriks diatas didapatkan

bahwa antar kolom pada XX tidak independen,
dimana kolom 1 merupakan hasil penjumlahan
dari kolom 3 dan 4, hal ini mengakibatkan
matriks tidak memiliki invers sehingga tidak
ada solusi unik untuk estimator koefisien regresi.
Oleh
karena
itu
digunakan
variabel
indicators/dummy sebanyak k-1 yang masingmasing bernilai 0 dan 1.

MODEL DENGAN VARIABEL INDIKATOR

(2 KELAS) TANPA INTERAKSI
Contoh Soal (Sumber Neter halaman 353)
Perus
ahaan
1
2
3
4
5
6
7
8
9
10

kecepatan
inovasi(bu
lan)
17
26
21
30
22
0
12
19
4
16

Perus

ukur
an
(juta

ahaan inovasi(bulan)

ukuran
(juta$)

Tipe

$)
151
92
175
31
104
277
210
120
290
238

kecepatan

mutual
mutual
mutual
mutual
mutual
mutual
mutual
mutual
mutual
mutual

Tipe
stoc

11

28

164

k
stoc

12

15

272

k
stoc

13

11

295

k
stoc

14

38

68

k
stoc

15

31

85

k
stoc

16

21

224

k
stoc

17

20

166

9k

stoc

 Soal tersebut mengenai penelitian terhadapan

kecepatan inovasi suatu perusahaan (y) dengan

ukuran (X1) dan tipe perusahaan (X2).
Dimana
Kemudian untuk memahami interpretasi dari
koefisien regresi pada model ini,maka kita harus
membandingkan hasil respon dari masingmasing kelas:
(mutual)
(stock)

10

11

 Dari

hasil tersebut dapat diinterpretasikan

bahwa dari kedua kelas baik perusahaan bertipe
stock maupun mutual memiliki slope yang sama
sebesar , sedangkan interceptnya berbeda
sebesar . Pada model ini diperoleh
Sehingga untuk mutual
Sedangkan stock
Jadi secara rata-rata perusahaan bertipe mutual
berinovasi 8.055 bulan lebih cepat daripada
perusahaan yang bertipe stock.

12

MODEL DENGAN INTERAKSI

Persamaan model regresi orde pertama dengan

interaksi :

13

 Matriks X untuk model dengan interaksi :

14

Dengan contoh kasus yang sama mengenai penelitian

kecepatan inovasi pada perusahaan,
untuk perusahaan bertipe mutual X2 = 0 sehingga X1X2 = 0,
mutual

Sedangkan untuk perusahaan bertipe stock memiliki nilai X2

= 1 sehingga X1X2 = X1
stock

Jadi, menunjukkan seberapa lebihnya intercept kelas yang

berkode 1 dari kelas yang berkode 0. Sedangkan
menunjukkan seberapa lebihnya slope kelas yang berkode 1
dari kelas yang berkode 0.

15

Gambar di samping menunjukkan garis regresi dengan

interaksi antara ukuran (X1) dengan tipe perusahaan (X2).

Pada ukuran perusahaan yang kecil perusahaan bertipe

mutual lebih cepat melakukan inovasi, sedangkan pada
ukuran yang besar perusahaan stock lebih cepat melakukan
inovasi.

Jadi, ketika terdapat efek interaksi, efek dari variabel

kualitatif dapat diamati dengan membandingkan persamaan
regresi pada tiap kelas dari variabel kualitatif.

16

Pada gambar di atas perusahaan mutual lebih cepat

berinovasi dibandingkan perusahaan stock pada semua
ukuran perusahaan.

Tetapi perbedaan kecepatan berinovasi semakin mengecil

pada perusahaan besar (saat nilai X1 semakin besar)

17

PENGUJIAN KOEFISIEN
INTERAKSI
Pengujian formal ada tidaknya interaksi pada model

dilakukan dengan cara yang sama dengan pengujian koefisien

regresi, yaitu menggunakan uji parsial t dimana:

Apabila keputusan tolak yang berarti bahwa memiliki nilai,

sehingga dapat disimpulkan bahwa pada model regresi
tersebut mengandung efek interaksi.
Apabila keputusan gagal tolak yang berarti bahwa = 0,
maka dapat disimpulkan bahwa pada model tersebut tidak
mengandung efek interaksi.
18

MODEL YANG LEBIH KOMPLEKS

19

VARIABEL KUALITATIF DENGAN K > 2

Apabila pada variabel kualitatif memiliki lebih dari 2
kelas maka kita membutuhkan lebih dari 1 variabel
indikator, yaitu sebanyak k-1.
Pada contoh kasus di buku Neter dimana y adalah
daya tahan suatu alat, x1 adalah kecepatan kerja suatu
alat dan x2 merupakan model suatu alat (M1,M2,M3,M4).
Karena terdapat 4 kelas dari variabel kualitatif, sehingga
dibutuhkan 3 variabel indikator.

20

Model

Regresi Dengan Orde Pertama :

Untuk menginterpretasikan koefisien regresi

maka kita harus memeriksa satu-persatu
persamaan regresi dari masing-masing kelas.

21

 Untuk M4 berarti X2,X3 dan X4 bernilai 0. Untuk

M1 X2 = 1 dan X3 dan X4 = 0 dan seterusnya,

sehingga persamaan regresinya menjadi:
untuk M4
untuk M1
untuk M2
untuk M3

22

 Dari persamaan regresi dan gambar di atas menjadi jelas

terlihat bahwa setiap kelas M1,M2,M3 dan M4 memiliki slope
yang sama yaitu sebesar .

Sedangkan menunjukkan seberapa besar lebih atau
kurangnya nilai y (variabel respon) dari masing-masing
kelas.

23

 Jadi dapat menentukan differential effect yang

diberikan oleh tiap kelas pada variabel kualitatif

terhadap y pada nilai X1 tertentu. Apabila kita
ingin mengetahui besarnya perbedaan respon
antara 2 kelas, maka kita dapat menghitung
estimatornya sebagai , sedangkan untuk
estimasi variansnya :

24

MODEL REGRESI ORDE PERTAMA

DENGAN EFEK INTERAKSI (K>2)

Dengan memasukkan nilai X2,X3 dan X4 pada

masing-masing kelas kita dapat memperoleh
persamaan regresi:

untuk M4
untuk M1
untuk M2
untuk M3

Jadi adanya interaksi antara X1 dan variabel

kualitatif menyebabkan setiap kelas memiliki
intercept dan slope yang berbeda.
25

MODEL DENGAN LEBIH DARI

1 VARIABEL KUALITATIF
Pada contoh kasus di buku Neter, dimana Y

adalah pendapatan, X1 merupakan hasil

penjualan, dimana X2 adalah tipe perusahan
(incorporated,not incorporatd) dan X3 merupakan
kualitas dari management penjualan (high,low).
Sehingga kita membutuhkan 1 variabel indikator
untuk masing-masing variabel kualitatif.

26

Persamaan

regresi orde pertama :

+
Model orde pertama dengan interaksi :

27

 Incorp. dan high quality )

Not.incorp dan high quality )

Incorp. dan low quality )
Not.incorp dan low quality

Note : Model yang hanya mengandung variabel independen

kualitatif disebut analysis of variance models, sedangkan model
yang mengandung variabel independen kuantitatif dan kualitatif
dimana variabel kuantitatif ditujukan untuk mengurangi error
disebut covariance models.

28

LATIHAN SOAL

1.

CONTOH SOAL TANPA

INTERAKSI
Masukkan data diatas

2. Setelah menginstall package Dummy variables, klik

pada menu Utilities lalu pilih Create Dummy variables

30

3. Selanjutnya adalah pemilihan kolom kualitatif untuk

dimunculkan nilai dummynya. Pada percobaan kali ini
variabel kualitatifnya adalah sehingga kita memilih
variabel pada kolom pengisian pertama dan memberi
nama untuk variabel dummy yang sedang dibuat pada
kolom kedua. Lalu klik OK.

31

4. Setelah mendapatkan variabel dummy untuk X2 akan

muncul variabel X2 dummy 1 dan 2, lalu regresikan
dengan memilih menu Analyze, lalu pilih Regression
dan klik linear

32

5. Lalu akan muncul menu regresi linier, dalam contoh

soal kali ini kita menggunakan nilai Y sebagai
dependen variabel, x1 dan dummy yang ke 2 sebagai
independen variabel. Dalam contoh soal kali ini kita
menggunakan Mutual bernilai 0 dan stock bernilai 1.
Maka kita memilih variabel dummy yang ke 2.

33

6. Berikut adalah output yang diperoleh

34

7. Output SPSS
Coefficientsa
Standardized
Unstandardized Coefficients
Model
1

B
(Constant)
X1

Coefficients

Std. Error
33,874

1,814

-,102

,009

8,055

1,459

Beta

Sig.

18,675

,000

-,911

-11,443

,000

,439

5,521

,000

Dummy variable indicating

that X2k = "stock".

a. Dependent Variable: Y

Interpretasi : model persamaan regresi yang terbentuk

adalah : dimana untuk tipe stock dan untuk tipe mutual
. Hal ini berarti perusahaan bertipe mutual berinovasi
8,055 bulan lebih cepat daripada perusahaan bertipe
stock.

35

1.

CONTOH SOAL DENGAN

INTERAKSI
Klik transform, pilih compute variable

36

2. Buatlah variabel perkalian dengan dummy, lalu klik

OK

37

3. Selanjutnya membuat regresi baru melalui menu

Analyze, pilih regression lalu klik Linear

38

4. Pilih Y sebagai variabel dependen, pilih ,dummy, dan

dummy kedalam variabel independen, lalu klik OK

39

5. Berikut adalah output yang dihasilkan

40

6. Output SPSS
Coefficientsa
Standardized
Unstandardized Coefficients
Model
1

B
(Constant)
X1

Coefficients

Std. Error

33,838

2,441

-,102

,013

8,131

,000

Beta

Sig.

13,864

,000

-,909

-7,779

,000

3,654

,443

2,225

,041

,018

-,005

-,023

,982

Dummy variable indicating

that X2k = "stock".

X1X2
a. Dependent Variable: Y

41

MATERI 2

REGRESI NON LINEAR

42

REGRESI NONLINEAR
Hubungan statistik antar variable tidak semuanya bisa
dijelaskan dengan hubungan linear.
Asumsi kelinearan tidak selalu dapat dipenuhi dalam
suatu analisis regresi.
Hal ini dapat juga dilihat dari letak titik-titik pada
diagram pencar data (x,y) yang sangat menyimpang
dari sebuah garis lurus.
Pada kasus tertentu misalnya dalam masalah yang
berhubungan dengan ekonomi, fisika, kimia dan ilmuilmu pengetahuan lain, hubungan antar variable bisa
jadi malah lebih mampu digambarkan dengan
hubungan non linear.
Model nonlinear biasanya merupakan model teoritis
43
dari hubungan antar variabel pada kasus tertentu.

44

Model Nonlinear Teoritis

Contoh

Dalam Ilmu kimia, apabila sampel gas dalam

keadaan suhu konstan, maka hubungan antara
volume v dengan tekanan p adalah . Jika kita
tuliskan dan maka akan diperoleh :
Nilai konstan untuk setiap jenis gas akan
diestimasi dari data. Model di atas adalah model
nonlinear pada 1 parameter, yaitu . Namun model
tersebut juga mengandung parameter linear yaitu
. (Seber:2003 hlm 6)
45

MODEL EKSPONENSIAL
Model ini biasanya digunakan pada kasus-kasus dalam

bidang biologi, kimia, kependudukan maupun ekonomi.

Model regresi eksponensial dengan satu variable
independen dituliskan sebagai berikut:
(1.1)

Atau bentuk lain dari model regresi eksponensial juga ada

yang seperti ini

(1.2)
Dengan
, dan adalah parameter
adalah nilai X ke-i
adalah error yang saling bebas dan
46

 Salah satu perbedaan utama antara model

regresi linear dengan nonlinear adalah jumlah

parameter regresi pada regresi nonlinear tidak
selalu harus tergantung dari jumlah variable
bebas dalam model .
Sedangkan pada model regresi linear, jika ada
variable dalam model, maka akan ada koefisien
regresi dalam model.
Untuk model pada (1.2) meskipun hanya ada
satu variable , tetapi ada tiga koefisien regresi.
(Neter:2004 hlm 513)

47

TRANSFORMASI
Persamaan regresi nonlinear yang bisa dilinearisasi dengan
mentransformasikanya disebut persamaan yang instrinsik
linear. Contohnya

Dapat dilinearisasi dengan melakukan transformasi

logaritma natural seperti :

Dengan , dan
maka dapat diperoleh = eo , dan 1 ,
48

Setelah di lakukan transformasi logaritma natural

(ln), regresikan antara dan . Sehingga akan

didapatkan dan dengan rumus :
dan

Setelah dan maka bisa dicari koefisien regresi

nonlinear dari
Dengan
= eo
1
49

LATIHAN SOAL

CONTOH SOAL REGRESI

NONLINEAR
Seorang administrator rumah

Tabel 1. Data Contoh Pasien yang Terluka Parah

sakit ingin mengembangkan

sebuah model regresi untuk
memprediksi tingkat pemulihan
jangka panjang setelah keluar
dari rumah sakit untuk pasien
yang terluka parah. Variabel
prediktor
yang
digunakan
adalah jumlah hari rawat inap
(X) dan variabel dependen
adalah indeks prognosis untuk
pemulihan jangka panjang (Y),
dengan nilai besar indeks yang
mencerminkan prognosis yang
baik. Data untuk 15 pasien yang
diteliti disajikan pada Tabel
Sumber : John Neter hal 551 552

No.

X
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

Y
2
5
7
10
14
19
26
31
34
38
45
52
53
60
65

54
50
45
37
35
25
20
16
18
13
8
11
8
4
6

51

LANGKAH LANGKAH DENGAN SPSS:

1. Panggil program SPSS lalu masukkan data seperti Gambar 1

Gambar 1
52

2. Meregresikan x dan y dengan model regresi

exponensial
Pilih menu Analyze Regression Curve Estimation seperti
pada Gambar 2

Gambar 2
53

2. Meregresikan x dan y dengan model regresi exponensial

Lalu masukkan indeksprognosis ke kolom dependent dan
jmlrawatinap ke kolom variabel. Pada pilihan models pilihlah
exponential sama seperti Gambar 3.

Gambar 3
54

2. Meregresikan x dan y dengan model regresi

exponensial
Klik OK
Lalu keluarlah Output
pada
SPSSEstimates
seperti pada Tabel 2.
Model Summary
and Parameter
Dependent Variable: indeksprognosis
Equation
R Square

Exponential

,955

Model Summary

F
276,379

df1

Parameter Estimates
df2

Sig.
13

Constant
,000

56,665

b1
-,038

The independent variable is jmlharirawatinap.

Tabel 2

55

2. Meregresikan x dan y dengan model regresi

exponensial
Klik OK
Lalu keluarlah Output
pada SPSS seperti pada Tabel 2.
Model Summary and Parameter Estimates
Dependent Variable: indeksprognosis
Equation
R Square

Exponential

,955

Model Summary

F
276,379

df1

Parameter Estimates
df2

Sig.
13

Constant
,000

56,665

b1
-,038

The independent variable is jmlharirawatinap.

Tabel 2
Interpretasi : Model regresi eksponensial yang terbentuk
adalah : dengan a = 56,665 dan b = -0,038
56

2. Meregresikan x dan y dengan model regresi

exponensial
Output grafik eksponensial SPSS seperti pada Grafik 1.

Tabel 2

Grafik 1
57

3. Transformasi variabel y
Lakukan tranformasi Ln terhada Y, dengan cara : Klik
Transform, pilih Compute Variable seperti pada Gambar
4.

Gambar 4
58

3. Transformasi variabel y
Lalu ketik lny pada kolom target variable dan masukkan
rumus ln(indeksprognosis) pada numeric expression
seperti pada Gambar 5

Gambar 5
59

3. Transformasi variabel y
Lalu klilk OK dan muncullah variabel baru lny pada data
view seperti Gambar 6.

Gambar 6
60

4. Regresikan variabel x dengan variabel lny

Pilih Analyze Regression Linear seperti pada Gambar 7.

Gambar 7

61

4. Regresikan variabel x dengan variabel lny

Masukkan lny pada kolom dependent dan jmlharirawatinap pada
kolom independent.

Gambar 8
62

4. Regresikan variabel x dengan variabel lny

Lalu klik OK dan muncullah output seperti pada Tabel 3.
Coefficientsa
Model

Unstandardized
Coefficients
B
(Constant)

Jmlharirawati
nap
a. Dependent Variable: lny

Standardize
d
Coefficients

Std. Error

4,037

,084

-,038

,002

Sig.

Beta

48,002

,000

-,977 -16,625

,000

Tabel 3
Interpretasi : Model regresi linier yang diperoleh adalah .
Didapatkan a = 4,037 dan b = -0,038 dalam model regresi
linier. Maka untuk memperoleh estimasi parameter model
eksponensial nilai a yang diperoleh harus di ln-kan sehingga :
Ln a = 4,037; maka a = e4,037 = 56,6561, jadi Y = 56,6561e0,038X

63

 Scatter plot hasil transformasi

Pilih Graphs Legacy dialogs Scatter/Dot seperti pada Gambar 9.

Gambar 9
64

 Scatter plot hasil transformasi

Masukkan lny pada kolom Y axis dan jmlharirawatinap pada kolom X axis seperti
pada Gambar 10.

Gambar 10
65

 Scatter plot hasil transformasi

Klik OK dan muncul output SPSS seperti Grafik 2.

Grafik 2

66

LANGKAH LANGKAH DENGAN GRETL:

1. Buka software Gretl lalu pilih File Open data klik data seperti Gambar
11.

Gambar 11
67

 Keluarlah view sebagai berikut:

Gambar 12

68

2. Buat Scatter Plot antara v1 dan v2

Pilih ikon dibawah yang bergambar grafik lalu klik

Gambar 13
69

 Muncul dialog seperti Gambar 14 dan masukkan v1

pada X axis variable dan v2 pada Y axis variable

Gambar 14

70

 Klik OK lalu muncul seperti pada Grafik 3.

Grafik 3

71

3. Lalu lakukan transformasi variabel Y

Lakukan tranformasi Ln terhada Y, dengan cara : Arahkan kursor ke
v2, Klik Add, pilih Logs of selected variables seperti pada Gambar 15.

Gambar 15
72

 Setelah itu data view menjadi seperti:

Gambar 16
73

4. Regresikan variabel v1 dengan l_v2

Pilih menu Model OLS

Gambar 17
74

 Muncul dialog lalu masukkan l_v2 pada kolom

dependent dan v1 pada kolom regressor

Gambar 18
75

 Klik OK lalu muncul output sebagai berikut:

Gambar 19
76

 Interpretasi : Model regresi linier yang diperoleh

adalah . Didapatkan a = 4,037 dan b = -0,038 dalam
model regresi linier. Maka untuk memperoleh estimasi
parameter model eksponensial nilai a yang diperoleh
harus di ln-kan sehingga : Ln a = 4,037; maka a = e 4,037
= 56,6561, jadi Y = 56,6561e-0,038X.

77

5. Scatter plot antara v1 dengan l_v2.

Pilih ikon dibawah yang bergambar grafik lalu klik

Gambar 20
78

 Muncul dialog seperti Gambar 21 dan masukkan v1 pada X

axis variable dan l_v2 pada Y axis

Gambar 21
79

 Klik OK lalu muncul seperti pada Grafik 4.

Gambar 22
80

KUIS BERHADIAH
Seorang peneliti tertarik untuk memprediksi laba 2
macam perusahaan (swasta asing dan swasta nasional)
bila ditinjau dari besarnya biaya iklan yang dikeluarkan
oleh perusahaan mengenai produknya. Berdasarkan
kasus diatas, buatlah model regresi dan periksalah
apakah ada interaksi antara tipe perusahaan dengan
biaya iklan yang dikeluarkan serta interpretasikan
hasilnya.
Ket : Asing =1, Nasional = 0

81

DAFTAR PUSTAKA
Seber G.A.F dan C.J Wild.2003.Nonlinear Regression.
New Jersey : John Wiley and Son, Inc.
Neter, John dkk.2004.Applied Linear Regression Models
Fourth Edition. New York : McGraw-Hil/Irwin.
Larsen, P.V. 2008. Logistic Regression. Last modified
February 12, 2008. Webmaster
Teknomo, Kardi. 2009. Non-Linear Transformation for
Regression. http:\\people.revoledu.com\kardi\
tutorial\Regression\NonLinear\
Rawlings, J.O. 1988 Applied Regression Analysis. A
Research Tool. North

Carolina State University Wadawart & Brooke.

Pacific Grove, California.
82

SEKIAN
TERIMAKASIH