“Pengaruh Uang

Bulanan, Makan Sehari

– hari , dan Organisasi
Terhadap Berat Badan”
 NAMA KELOMPOK :

 Hesty Yana Sari (17755009)

 Mayliska Wulandari (17755029)
 M. Daniel NA (17755032)
 Nurul Hanifah (17755033)
 Sylvia Trinanda A.P (17755037)
 Yudhi Agus Pratama (17755039)
 Apa itu dummy variable ?

Variabel dummy dalam regresi berbeda dengan regresi logistik. variabel skala nominal
di regresi logistik terletak di variabel dependen atau nilai Y. sedangkan dummy yang
dimaksud disini adalah variabel skala nominal atau ordinal pada variabel independen
(nilai X). bisakah dummy di dalam regresi logistik? jawabannya tentu saja bisa.
Pemberian nilai 0 dan 1 juga memiliki tehnik tersendiri. Agar mudah dalam
menginterpretasikan hasil output regresi, sebaiknya nilai 1 diberikan kepada
responden yang diharapkan memiliki pengaruh terhadap nilai Y.
Model Regresi DUMMY VARIABEL

Model regresi (besarnya berat badan, uang bulanan, makan sehari-hari, dan
organisasi )

Y = α + αD1 + αD2 + αD3 + βx + u

Y = berat badan
X = Uang bulanan
D1 = Masak
D2 = Catering
D3= Mengikuti organisasi
Membuat kode dummy variabel

 Seperti yang sudah disinggung di atas, jumlah kategori ditentukan dengan rumus
k-1, sedangkan kode yang diberikan adalah 1 dan 0. Semua responden yang
menjadi anggota kategori yang diberi kode 1 sedangkan responden tidak dalam
kategori tersebut dikode dari 0. Dengan cara seperti ini maka setiap responden
akan memiliki kode 1 pada kategori yang sesuai dengannya dan kode 0 pada
kategori yang tidak sesuai dengannya.
 Cara ubah kategori dengan SPSS

Misalkan kita akan membuat variabel Dummy laki-laki.

Untuk membuat kode pada variabel dummy laki-laki, ikut langkah berikut.
1. Klik transform – recode into defferent variables
2. Masukkan variabel JenisKelamin, kemudian pada output variable name tuliskan laki, lalu klikchange.
Ini artinya kita akan membuat variabel baru bernama laki dari data variabel JenisKelamin.
3. Klik old and new value
4. Pada old value, masukkan nilai value adalah 1, kemudian pada new value masukan nilai value adalah 1.
Kemudian tekan Add. Prosedur ini akan mengubah laki-laki yang sudah kita kode 1 tadi menjadi angka 1
5. Kemudian pada old value klik all other values, dan pada new values masukkan value adalah 0.
Prosedur ini akan mengubah nilai yang bukan merupakan 1 (laki-laki) menjadi nilai 0.
6. Klik continue, lalu ok
 Cara ubah manual

Misalkan 2 variable terdiri dari

Variabel ke -1 = gender , laki – laki (1) perempuan (0)
Variabel ke -2 = suku ; jawa , Madura , sunda
SUKU GENDER

jawa madura sunda LAKI LAKI PEREMPUAN

Eunike Pasaribu 1 0 0 Eunike Pasaribu 0 1

Fadhila Septianingrum 1 0 0 Fadhila Septianingrum 0 1

Hesty Yana Sari 0 1 0 Hesty Yana Sari 0 1

Klarista Widya 0 1 0 Klarista Widya 0 1

Rudi Andrean 0 0 1 Rudi Andrean 1 0

 Variabel Dummy

Contoh lain :

Ikut Organisasi Tidak Mengikuti organisasi Makan sering beli (1) Makan sering masak(0) CATHERING

1 0 0 1 0

1 0 0
0 0
0 1 0

1 1 1 0 0

0 1 0
0 1
1 0 0

1 0 1 0 0

0 1 0
1 0
1 0 0
 Contoh tugas , Variabel Dummy :
Makan sering beli Makan sering ORGANISASI
Nama Berat Badan (Y) UANG BULANAN CATHERING Organisasi (YA)
(1) masak(0) TIDAK
Agung Riskillah 55 1000 0 1 0 1 0

Anisya Fitri 55 600 1 0 0 1 0

Destry Faradila 49 750 0 1 0 1 0

Eunike Pasaribu 46 800 1 0 0 1 0

Fadhila
55 600 0 1 0 1 0
Septianingrum
Hesty Yana Sari 48 1300 1 0 0 1 0

Klarista Widya 46 1000 1 0 0 0 1

Liani Pitaloka 40 1000 0 1 0 0 1

Mega Amelia 65 1000 1 0 0 1 0

Melania Oktafia 45 1000 1 0 0 0 1

M. Hadi Erya 55 1000 1 0 0 1 0

Odah Setiawati 38 500 1 0 0 1 0

Oky Afrian 55 300 0 1 0 1 0

 Data yang dimasukkan kedalam SPSS

Nama Berat Badan (Y) UANG BULANAN Makan sering beli (1) CATHERING Organisasi (YA)
Agung Riskillah 55 1000 0 0 1
Anisya Fitri 55 600 1 0 1
Destry Faradila 49 750 0 0 1
Eunike Pasaribu 46 800 1 0 1

55 600 0 0 1
Fadhila Septianingrum
Hesty Yana Sari 48 1300 1 0 1
Klarista Widya 46 1000 1 0 0
Liani Pitaloka 40 1000 0 0 0
Mega Amelia 65 1000 1 0 1
Melania Oktafia 45 1000 1 0 0
M. Hadi Erya 55 1000 1 0 1
Odah Setiawati 38 500 1 0 1
Oky Afrian 55 300 0 0 1
Input data di SPSS

 Lalu kita bisa hitung data dengan SPSS , cara input kode variabel dummy
di SPSS.
 1. Klik analyze – regression – linear
 2. Masukan variabel Berat Badan pada kotak dependent
 3. Masukkan variabel uang bulanan, makan beli, makan
masak, catering , organisasi ya dan organisasi tidak pada
kotak independent
 4. Klik ok
 Output yang keluar

Sum of Mean
Model Squares df Square F Sig.
1 Regression 795.498 4 198.875 2.878 .039b
Residual 2142.391 31 69.109
Total 2937.889 35
a. Dependent Variable: BERAT_BADAN
b. Predictors: (Constant), ORGANISASI_YA, SERING_MASAK, CATERING,
UANG_BULANAN

Pada tabel Model Summary, diketahui bahwa sumbangan efektif variabel Uang bulanan, system makan sehari hari,
dan organisasi terhadapberat badan adalah 27,1% (R square = 0,271). Sisanya dijelaskan oleh hal lain diluar ketiga
variabel tersebut.
 Output yang keluar dan di ambil
untuk membuat kesimpulan

Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 39.817 4.934 8.070 .000
UANG_BULANAN .013 .004 .502 3.081 .004

CATERING -2.108 8.948 -.038 -.236 .815

SERING_MASAK 3.972 3.001 .219 1.324 .195
ORGANISASI_YA -4.834 3.188 -.246 -1.516 .140
a. Dependent Variable: BERAT_BADAN

Pada tabel coefficients, kita dapat melihat bahwa secara sendiri-sendiri, hanya uang bulanan yang signifikan
(sig.=0,004). Artinya hanya satu variabel ini saja yang berperan terhadap berat badan.
 PENGAMBILAN KEPUTUSAN

Model Summary

Std. Error of the

Model R R Square Adjusted R Square Estimate
1 .520a .271 .177 8.313

a. Predictors: (Constant), ORGANISASI_YA, SERING_MASAK, CATERING,

UANG_BULANAN

Terlihat pada tabel ANOVA bahwa secara bersama-sama semua variabel independen berperan terhadap berat
badan secara signifikan (F=2,878 dan sig. = 0,039, yang berarti sig. <0,05).
 PENGAMBILAN KEPUTUSAN

Untuk mengambil keputusan kita lihat nilai Beta dan nilai signifikansinya. Apabila nilai Beta positif maka
antara dependent dan independent saling berhubungan, berbanding lurus. Bila negative berbanding
terbalik. Apabila nilai signifikan <0,05 maka dapat dikatakan bahwa data signifikan.

Uang bulanan berperan terhadap berat badan (B=0,013, dan sig.

0,004, sig. <0,05). Karena B nilainya positif, artinya arah
hubungan antara uang bulanan dan berat badan adalah saling
behubungan. Jika uang bulanan naik satu poin, maka berat
badan diprediksikan akan naik 0,013 poin.
Model regresi

Coefficientsa

Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 39.817 4.934 8.070 .000
UANG_BULANAN .013 .004 .502 3.081 .004

CATERING -2.108 8.948 -.038 -.236 .815

SERING_MASAK 3.972 3.001 .219 1.324 .195
ORGANISASI_YA -4.834 3.188 -.246 -1.516 .140
a. Dependent Variable: BERAT_BADAN

Y = 39,817 - 2,108D1 + 3,972D2 - 4,834D3 + 0,013X

Y = 39,817 - 2,108D1 + 3,972D2 - 4,834D3 + 0,013X

 Misal : seorang mahasiswa diberi uang bulanan 1300, sehari hari dia lebih
sering beli makanan jadi daripada memasak, dia juga aktif berorganisasi,
berapakah kemungkinan/ rata-rata berat bdan mahasiswa tersebut ?
Y =39,817-(4,834*1)+(0,013*1300)
Y = 51,883
 Misal : seorang mahasiswa diberi uang bulanan 1000, sehari hari dia lebih
sering masak daripada beli makanan jadi, dia tidak aktif berorganisasi,
berapakah kemungkinan/ rata-rata berat bdan mahasiswa tersebut ?
Y =39,817-2,108*(1)-4,834*(0)+0,013*(1000)
Y = 50,708
SEKIAN & TERIMAKASIH