BAHAN BACAAN :

1. R.L. THOMAS. 1997. MODERN ECONOMETRICS.

ADDISON WESLEY LONGMAN, ENGLAND.

2. A. KOUTSOYIANNIS. 1978. THEORY OF ECONOMETRICS.

PUSLISHED IN THE UNITED KINGDOM BY THE MACMILLAN
PRESS LTD.

3. G.S. MADDALA 1992. INTRODUCTION TO ECONOMETRICS.

BY MACMILLAN PUBLISHING COMPANY, NEW YORK.

4. ROBERT S. PINDYCK AND DANIEL L. RUBINFELD. 1991.

ECONOMETRIC MODELS AND ECONOMIC FORECASTS.
MCGRAW HILL INC, SINGAPORE.
5. GHOZALI, I. 2013. APLIKASI ANALISIS MULTIVARIATE
DENGAN PROGRAM SPSS 21. PENERBIT UNDIP, SEMARANG.

6. DAMODAR GUJARATI DAN SUMARNO ZAIN. 1993.

EKONOMETRIKA DASAR. PENERBIT ERLANGGA, JAKARTA.

7. GUNAWAN SUMODININGRAT. 1994. EKONOMETRIKA

PENGANTAR. PENERBIT BPFE, YOGYAKARTA.

8. INTRILIGATOR, M.D. 1978. ECONOMETRIC MODELS,

TECHNIQUES AND APPLICATIONS. NEW JERSEY, PRENTICE
HALL ENGLEWOOD CLIFFS.

9. MUDRAJAD KUNCORO. 2004. METODE KUANTITATIF. UPP

STIM, YKPN, YOGJAKARTA.

10. JURNAL-JURNAL EKONOMETRIKA DAN METODE

KUANTITATIF
 TEKNIK KUANTITATIF

EKONOMETRIKA

OPERATION REGIONAL
RESEARCH ANALYSIS
PENELITIAN KUANTITATIF ADALAH PENELITIAN ILMIAH YANG
SISTEMATIS TERHADAP BAGIAN-BAGIAN DAN FENOMENA SERTA
HUBUNGAN-HUBUNGANNYA.

TUJUAN PENELITIAN KUANTITATIF ADALAH MENGEMBANGKAN

DAN MENGGUNAKAN MODEL-MODEL MATEMATIS, TEORI-TEORI
DAN/ATAU HIPOTESIS YANG BERKAITAN DENGAN FENOMENA
ALAM.

PROSES PENGUKURAN ADALAH BAGIAN YANG SENTRAL DALAM

PENELITIAN KUANTITATIF KARENA HAL INI MEMBERIKAN
HUBUNGAN YANG FUNDAMENTAL ANTARA PENGAMATAN EMPIRIS
DAN EKSPRESI MATEMATIS DARI HUBUNGAN-HUBUNGAN
KUANTITATIF.
 RUANG LINGKUP KAJIAN :

 REGRESI BERGANDA DAN DUMMY VARAIABEL

 DATA PANEL DAN REGRESI PANEL

 MODEL PERSAMAAN SIMULTAN

 ERROR CORECTION MODEL (ECM)

 VECTOR AUTOREGRESSIVE (VAR) DAN VECM

 MODEL SVAR

 MODEL PATH ANALYSIS

 MODEL PERSAMAAN STRUKTUR (SEM)

 DAN LAIN-LAINNYA
 PENDAHULUAN

TEORI EKONOMI MENDEFINISIKAN HUBUNGAN ANTARA

BERBAGAI VARIABEL EKONOMI DALAM BENTUK MATEMATIS.
TUJUANNYA UNTUK MEMAHAMI FENOMENA EKONOMI DALAM
DUNIA NYATA.

BIDANG ILMU YANG MELAKUKAN EVALUASI TEORI EKONOMI

SECARA KUANTITATIF DISEBUT EKONOMETRI. EKONOMETRI
ADALAH SUATU ILMU YANG MENGKOMBINASIKAN TEORI
EKONOMI DAN STATISTIKA EKONOMI DENGAN TUJUAN
MENYELIDIKI DUKUNGAN EMPIRIS DARI HUKUM SKEMATIK
YANG DIBANGUN OLEH TEORI EKONOMI.
DENGAN MANFAAT ILMU EKONOMI, MATEMATIKA,
STATISTIK, EKONOMETRI MEMBUAT HUKUM-HUKUM
EKONOMI TEORITIS TERTENTU MENJADI NYATA.

ILMU EKONOMETRI ADALAH CABANG ILMU EKONOMI YANG

BERKAITAN DENGAN PENAKSIRAN EMPIRIS DARI HUBUNGAN-
HUBUNGAN EKONOMI. KATA METRIK DALAM EKONOMETRI
BERARTI UKURAN, DAN ILMU EKONOMETRI PADA DASARNYA
BERKAITAN DENGAN PENGUKURAN HUBUNGAN-HUBUNGAN
EKONOMI (M.D. INTRILIGATOR).
 TUJUAN EKONOMETRI :

1. MEMBUKTIKAN ATAU MENGUJI VALIDITAS

TEORI-TEORI EKONOMI (VERIFIKASI),
SEHINGGA MEMBANTU UNTUK MENJELASKAN
DAN MEMUTUSKAN SEBERAPA JAUH SUATU
TEORI EKONOMI MAMPU MENJELASKAN
PERILAKU NYATA DARI SATUAN-SATUAN
EKONOMI.
 TUJUAN EKONOMETRI :

2. MENGHASILKAN TAKSIRAN - TAKSIRAN

NUEMERIK BAGI KOEFISIEN-KOEFISIEN
HUBUNGAN EKONOMI YANG SELANJUTNYA BISA
DIGUNAKAN UNTUK KEPERLUAN KEBIJAKAN
EKONOMI (PENAKSIRAN).

MISALNYA, EKONOMETRIK MENGHASILKAN

TAKSIRAN-TAKSIRAN TENTANG KOEFISIEN
TEKNIS PRODUKSI, DAN LAINNYA.
PENGETAHUAN MENGENAI KOEFISIEN INI
SANGAT BERMANFAAT UNTUK MERUMUSKAN
KEBIJAKAN EKONOMI.
 TUJUAN EKONOMETRI :

3. MERAMALKAN NILAI BESARAN-BESARAN EKONOMI

DIMASA YANG AKAN DATANG DENGAN DERAJAT
PROBABILITAS TERTENTU (PERAMALAN ATAU
FORECASTING)

PADA MASA SEKARANG INI, PERAMALAN MENJADI

SEMAKIN PENTING, BAIK UNTUK KEPERLUAN PERENCANAAN
PEMBANGUNAN EKONOMI MAUPUN UNTUK PENGATURAN
AKTIVITAS EKONOMI DI SUATU WILAYAH.
RANGKUMAN MACAM DATA :
RASIO

KUANTITATIF INTERVAL

NOMINAL

KUALITATIF ORDINAL

DATA RUNTUT WAKTU

DIMENSI CROSS SECTION

WAKTU
POOL DATA

INTERNAL
SUMBER
EKSTERNAL

CARA PRIMER
MEMPEROLEHNYA
SEKUNDER
 REGRESI ATAS VARIABEL DUMMY

DALAM ANALISIS REGRESI SERINGKALI TERJADI BAHWA

VARIABEL DEPENDENT (TAK BEBAS) DI PENGARUHI TIDAK
HANYA OLEH VARIABEL KUANTITATIF TAPI JUGA DENGAN
VARIABEL YANG BERSIFAT KUALITATIF.

VARIABEL KUALITATIF SULIT UNTUK DI UKUR TETAPI HANYA

BISA DITANDAI SIFATNYA ANTARA ADA DAN TIDAK ADA

JENIS VARIABEL KUALITATIF, MISALNYA :

 JENIS KELAMIN

 MUSIM, WARNA KULIT

 PERUBAHAN DALAM KEBIJAKAN EKONOMI, DAN SEBAGAINYA

OLEH KARENA, VARIABEL YANG BERSIFAT KUALITATIF DI ATAS
DAPAT MEMPENGARUHI VARIABEL DEPENDENT (TAK BEBAS),
MAKA SEBAIKNYA DIMASUKKAN KE DALAM MODEL (VARIABEL
YANG MENJELASKAN)

KARENA VARIABEL YANG MENJELASKAN MENUNJUKKAN ADANYA

ATAU TIDAK ADANYA KUALITAS, SEPERTI : LAKI-LAKI DAN
PEREMPUAN, ADA KEBIJAKAN ATAU TIDAK ADA KEBIJAKAN,
MAKA SATU METODE UNTUK MEMBUAT KUANTITATIF DARI
ATRIBUT SEPERTI ITU ADALAH DENGAN MEMBENTUK VARIABEL
DUMMY YANG MENGAMBIL NILAI 1 ATAU 0 (NOL).
SEBAGAI CONTOH, 1 : MENUNJUKKAN BAHWA SESEORANG

ADALAH LAKI-LAKI, DAN

0 : MENUNJUKKAN PEREMPUAN

VARIABEL YANG MENGAMBIL NILAI SEPERTI : NOL DAN SATU

DISEBUT VARIABEL DUMMY, ATAU NAMA LAINNYA :

VARIABEL BINARY, VARIABEL KATEGORI.

SUATU MODEL REGRESI MUNGKIN BERISI VARIABEL YANG

MENJELASKAN YANG SECARA EKSKLUSIF BERSIFAT DUMMY.
HAL INI DISEBUT DENGAN MODEL ANALISIS VARIANS.
CONTOHNYA SEBAGAI BERIKUT :
Yi = a0 + a1 Di + ei

DIMANA :
Yi : GAJI TAHUNAN PENGAJAR PERGURUAN TINGGI
Di : 1 ; JIKA PENGAJAR PRIA
0 ; JIKA PENGAJAR LAINNYA (WANITA)
a0 : KONSTANTA
a1 : PARAMETER, DAN ei : ERROR TERM

RATA-RATA GAJI GURU WANITA : E(Y|Di=0) = a0

RATA-RATA GAJI GURU PRIA : E(Y|Di=1) = a0 + a1

MODEL INI UNTUK MENGETAHUI APAKAH JENIS KELAMIN
MENYEBABKAN PERBEDAAN DALAM GAJI PENGAJAR DI
PERGURUAN TINGGI, DAN MENGASUMSIKAN BAHWA SEMUA
VARIABEL LAIN, SEPERTI : UMUR, GELAR, DAN SEBAGAI ADALAH
TETAP.

MAKA DI SUSUN HIPOTESIS SEBAGAI BERIKUT :

H0 : BAHWA TIDAK ADA DISKRIMINASI PEMBERIAN GAJI

ANTARA GURU PRIA DAN GURU WANITA

HA : BAHWA ADA DISKRIMINASI PEMBERIAN GAJI

ANTARA GURU PRIA DAN GURU WANITA
DATA CONTOH GAJI GURU PRIA DAN WANITA

NO GAJI (RP) JENIS KELAMIN

Y D
1 32000 1
2 29000 0
3 28000 0
4 31700 1
5 28500 0
6 31000 1
7 30500 1
8 27000 0
9 27500 0
10 31200 1
PENGUKURAN ANALISIS REGRESI :
DENGAN RUMUS :

nDY  (D)( Y)
a1 
nD2  (D)2

_ _
a0 = Y – a1 D
REKAPITULASI DATA YAITU :

NO Y D DY D2

1 32000 1 32000 1

2 29000 0 0 0

3 28000 0 0 0

4 31700 1 31700 1

5 28500 0 0 0

6 31000 1 31000 1

7 30500 1 30500 1

8 27000 0 0 0

9 27500 0 0 0

10 31200 1 31200 1

JLH 296400 5 156400 5

RATAAN 29640 0.5 15640 0.5

 (10)(156400)  (5)(296400)
a1 
(10)(5)  (5)2

1564000  1482000
a1 
25

82000
a1   3280
25

_ _
a0 = Y – a1 D

a0 = 29640 – (3280) (0,5) = 29640 – 1640 = 28000

PERSAMAAN REGRESI YAITU :

Y = 28000 + 3280 D
ESTIMASI DENGAN SPSS, HASILNYA SEBAGAI BERIKUT :

Model Summaryb

Std. Error of the

Model R R Square Adjusted R Square Estimate
1 .935a .874 .858 697.13700
a. Predictors: (Constant), D
b. Dependent Variable: Y

ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 26896000.000 1 26896000.000 55.342 .000a
Residual 3888000.000 8 486000.000
Total 30784000.000 9
a. Predictors: (Constant), D
b. Dependent Variable: Y

Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 28000.000 311.769 89.810 .000
D 3280.000 440.908 .935 7.439 .000
a. Dependent Variable: Y
PERSAMAAN REGRESI YAITU :

Y = 28000 + 3280 D

SE (311,77) (440,91)

T (89,81) (7,44)

R2 = 0,87

HASIL ESTIMASI MENUNJUKKAN BAHWA RATA-RATA GAJI YANG

DITERIMA GURU WANITA ADALAH SEBESAR RP. 28.000,- (a0).

DAN RATA-RATA GAJI YANG DITERIMA GURU PRIA ADALAH

SEBESAR RP. 31.280,- (a0 + a1).
KARENA T-HITUNG > T-TABEL ATAU 7,44 > 2,262 (5%) MAKA
KOEFISIEN a1 SECARA STATISTIK ADALAH SIGNIFIKAN,
BERARTI RATA-RATA GAJI GURU KEDUA JENIS KELAMIN ITU
BERBEDA NYATA, ATAU HIPOTESIS NOL DITOLAK, DAN
HIPOTESIS ALTERNATIF (HA) DITERIMA.

CARA LAIN DENGAN MEMBANDINGKAN NILAI SIG DENGAN ALPHA,

DIMANA NILAI SIG SEBESAR 0,000 LEBIH KECIL DARI ALPHA 0,05
MAKA KOEFISIEN a1 SECARA STATISTIK ADALAH SIGNIFIKAN.

DIMANA RATA-RATA GAJI YANG DITERIMA GURU PRIA LEBIH

BESAR DARI PADA RATA-RATA GAJI YANG DITERIMA GURU
WANITA.

KESIMPULANNYA, ADA DISKRIMINASI JENIS KELAMIN DALAM

PEMBERIAN GAJI ANTARA GURU PRIA DAN GURU WANITA.
CONTOH LAIN :

PENGARUH DAERAH TEMPAT TINGGAL RESPONDEN DENGAN

HARGA PRODUK PARFUM.

Y = a0 + a1 D + e

Y = HARGA PRODUK PARFUM

D = DAERAH TEMPAT TINGGAL

D = 1 KOTA
D = 0 BUKAN KOTA (DESA)

RATA-RATA HARGA PRODUK YANG DIPILIH RESPONDEN :

KOTA : E(Y|D = 1) = a0 + a1

DESA : E(Y|D = 0) = a0
JIKA a1 # 0 MAKA DAPAT DIKATAKAN TERDAPAT PERBEDAAN
HARGA RATA-RATA PRODUK ANTARA RESPONDEN YANG TINGGAL
DI KOTA DENGAN RESPONDEN YANG TINGGAL DIPEDESAAN.

APAKAH TINGKAT PERBEDAAN HARGA PRODUK ITU SIGNIFIKAN

ATAU TIDAK SIGNIFIKAN, DAPAT DIBANDINGKAN DENGAN T-
HITUNG DAN T-TABELNYA ATAU NILAI SIG DIBANDINGKAN
DENGAN ALPHA.

MODEL INI MENGANGGAP BAHWA FAKTOR-FAKTOR LAIN

DIANGGAP KONSTAN, SEPERTI : SELERA, PENDIDIKAN
RESPONDEN, GAYA HIDUP, DAN SEBAGAINYA.
 REGRESI ATAS SATU VARIABEL KUANTITATIF DAN
SATU VARIABEL KUALITATIF

MODIFIKASI DARI MODEL DI ATAS, DAPAT DIBUAT MODEL

REGRESI ATAS SATU VARIABEL KUANTITATIF DAN SATU
VARIABEL KUALITATIF. SEBAGAI CONTOH, YAITU :

Si = a0 + a1 Y1 + a2 D + ei

SEBAGAI CONTOH, AKAN DIKAJI PENGARUH DEREGULASI

PERBANKAN TERHADAP TABUNGAN. PERSAMAAN ESTIMASI
NORMAL ADALAH BAHWA TABUNGAN ADALAH FUNGSI DARI
PENDAPATAN NASIONAL.

S = a0 + a1 Y + ei
S : TABUNGAN
Y : PENDAPATAN NASIONAL
PENGKAJIAN PENGARUH DEREGULASI PERBANKAN, DIGUNAKAN
SEBAGAI VARIABEL DUMMY MENJADI :

S = a0 + a1 Y + a2 D + ei

DIMANA :
Di : 0 ; JIKA SEBELUM KEBIJAKAN DEREGULASI
1 ; JIKA SETELAH KEBIJAKAN DEREGULASI

UNTUK MENGETAHUI APAKAH ADA PERBEDAAN KONSTANTA DARI

DUA PERSAMAAN ITU, DAPAT DILIHAT DARI UJI T DARI
KOEFISIEN VARIABEL DUMMY. APABILA UJI T UNTUK VARIABEL
DUMMY TIDAK SIGNIFIKAN, ARTINYA NILAI KOEFISIEN VARIABEL
DUMMY = 0, BERARTI VARIABEL DUMMY TIDAK AKAN MENGUBAH
KONSTANTA.
SEBAGAI CONTOH : DATA PENDAPATAN, TABUNGAN DAN
KEBIJAKAN DEREGULASI PERBANKAN (TRILYUN)

TAHUN TABUNGAN (Y) PENDAPATAN (X1) DUMMY (X2)

1993 28 64 0
1994 26 70 0
1995 27 74 0
1996 30 79 0
1997 32 82 0
1998 37 84 1
1999 38 86 1
2000 40 90 1
2001 44 96 1
2002 48 105 1
DENGAN RUMUS :

1. ΣY = a n + b1 Σ X1 + b2 Σ X2

2. ΣX1Y = a Σ X1 + b1 Σ X12 + b2 ΣX1X2

3. ΣX2Y = a Σ X2 + b1 Σ X1X2 + b2 ΣX22

APABILA DUA VARIABEL BEBAS MAKA RUMUS PERSAMAANNYA

MENJADI DUA DI TAMBAH SATU, SEHINGGA DIPEROLEH TIGA
PERSAMAAN, BEGITU UNTUK SETERUSNYA, APABILA ADA TIGA
VARIABEL BEBAS MAKA n + 1 PERSAMAAN.
ESTIMASI DENGAN SPSS, HASILNYA SEBAGAI BERIKUT :

Model Summaryb
Std. Error of the
Model R R Square Adjusted R Square Estimate
1 .979a .959 .947 1.73592
a. Predictors: (Constant), D, Y
b. Dependent Variable: S

ANOVAb
Sum of Mean
Model Squares df Square F Sig.
1 Regression 494.906 2 247.453 82.117 .000a
Residual 21.094 7 3.013
Total 516.000 9
a. Predictors: (Constant), D, Y
b. Dependent Variable: S

Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -2.080 5.818 -.358 .731
Y .416 .078 .670 5.321 .001
D 5.151 1.809 .359 2.847 .025
a. Dependent Variable: S
Si = - 2.080 + 0.416 Y + 5.151 D

(-0.358) (5.320) (2.847)

NILAI DALAM KURUNG ADALAH UJI T

DIMANA DIPEROLEH T-TABEL (0.05) = 1.895, KARENA T-HITUNG >

DARI T-TABEL, MAKA DAPAT DISIMPULKAN BAHWA HIPOTESIS NOL
DITOLAK, DAN HA DITERIMA.

DARI UJI T DIPEROLEH KESIMPULAN BAHWA KOEFISIEN VARIABEL

DUMMY BERBEDA SIGNIFIKAN, DENGAN DEMIKIAN TERDAPAT
NILAI KONSTANTA YANG BERBEDA, ANTARA SEBELUM DAN
SETELAH KEBIJAKAN DEREGULASI.

UNTUK D = 0, AKAN MENGHASILKAN PERSAMAAN :

Si = - 2.080 + 0.416 Y
 UNTUK D = 1, AKAN MENGHASILKAN PERSAMAAN :

Si = 3.071 + 0.416 Y

KEDUA PERSAMAAN INI MEMPUNYAI KOEFISIEN/SLOPE YANG

SAMA, AKAN TETAPI KONSTANTANYA BERBEDA.

S ADA KEBIJAKAN

TIDAK ADA KEBIJAKAN

3.071

0
Y
-2.080
JIKA RATA-RATA PENDAPATAN NASIONAL NAIK SEBESAR SATU
TRILYUN RUPIAH MAKA RATA-RATA SAVING NAIK SEBESAR
0.416 TRILYUN RUPIAH, YANG LAINNYA DIANGGAP KONSTAN.

RATA-RATA SAVING SEBELUM ADA KEBIJAKAN DEREGULASI

PERBANKAN ADALAH -2,080 TRILYUN RUPIAH ATAU MENGALAMI
DISSAVING.

RATA-RATA SAVING SETELAH ADA KEBIJAKAN DEREGULASI

PERBANKAN ADALAH 3,071 TRILYUN RUPIAH.
CONTOH LAIN MODEL VARIABEL KUALITATIF DAN KUANTITATIF

SUATU MODEL REGRESI YANG INGIN MEMBEDAKAN GAJI RATA-

RATA GURU NEGERI YANG TINGGAL DI KOTA DAN SUKU SERTA
BESARNYA UANG SEKOLAH, YAITU :

Y = a0 + a1 D1 + a2 D2 + a3 X + e

Y = GAJI GURU NEGERI PER HARI (RUPIAH)

X = UANG SEKOLAH PER HARI (RUPIAH)

D1 = 1 ; JIKA GURU TERSEBUT TINGGAL DI MEDAN

0 : JIKA GURU TERSEBUT TINGGAL DI KOTA LAIN

D2 = 1 : JIKA GURU TERSEBUT SUKU BATAK

0 : JIKA GURU TERSEBUT SUKU LAINNYA

 DENGAN ASUMSI E(ui) = 0 MAKA DIPEROLEH PERSAMAAN
REGRESI YAITU :

1. RATA-RATA GAJI GURU DI MEDAN SUKU BATAK

E (Yi|D1 = 1,D2 = 1, Xi) = (a0 + a1 + a2) + a3 Xi

2. RATA-RATA GAJI GURU DI MEDAN BUKAN SUKU BATAK

E (Yi|D1 = 1,D2 = 0, Xi) = (a0 + a1) + a3 Xi

3. RATA-RATA GAJI GURU NON DI MEDAN SUKU BATAK

E (Yi|D1 = 0,D2 = 1, Xi) = (a0 + a2) + a3 Xi

4. RATA-RATA GAJI GURU NON DI MEDAN BUKAN SUKU BATAK

E (Yi|D1 = 0,D2 = 0, Xi) = (a0) + a3 Xi

MISALKAN HASIL REGRESI ADALAH SEBAGAI BERIKUT :

Y = 13269,11 – 1673,514 D1 + 1144,157 D2 + 3,2889 X

SE (1395,05) (801,17) (861,11) (0,3176)
thit (9,511) (-2,088) (-1,328) (10,353)
R2 = 0,852

DARI MODEL DI ATAS DAPAT DI INTERPRETASIKAN YAITU : JIKA

PENGELUARAN RATA-RATA UANG SEKOLAH NAIK SATU RUPIAH
MAKA GAJI RATA-RATA GURU NEGERI NAIK SEBESAR 3,2889
RUPIAH, YANG LAINNYA KONSTAN.

GAJI RATA-RATA GURU NEGERI YANG TINGGAL DI KOTA MEDAN

DAN SUKU BATAK ADALAH 13269,11 – 1673,514 (1) - 1144,157 (1) =
RP. 10.451,44 PER HARI.
GAJI RATA-RATA GURU NEGERI YANG TINGGAL DI KOTA MEDAN
DAN BUKAN SUKU BATAK ADALAH 13269,11 – 1673,514 (1) -
1144,157 (0) = RP. 11.595,59 PER HARI

GAJI RATA-RATA GURU NEGERI YANG TINGGAL DI KOTA LAINNYA

DAN SUKU BATAK ADALAH 13269,11 – 1673,514 (0) - 1144,157 (1) =
RP. 12.124,95 PER HARI

GAJI RATA-RATA GURU NEGERI YANG TINGGAL DI KOTA LAINNYA

DAN BUKAN SUKU BATAK ADALAH 13269,11 – 1673,514 (0) -
1144,157 (0) = RP. 13.269,11 PER HARI
HASILNYA MENUNJUKKAN BAHWA :

GAJI RATA-RATA GURU NEGERI YANG TINGGAL DI LUAR

MEDAN DAN BUKAN SUKU BATAK MEMPUNYAI RATA-RATA GAJI
YANG PALING BESAR.

DIIKUTI OLEH GAJI RATA-RATA GURU NEGERI YANG

TINGGAL DILUAR MEDAN DAN SUKU BATAK.

DARI SINI DAPAT TERLIHAT BAHWA DISKRIMINASI

BERDASARKAN LOKASI TEMPAT TINGGAL YAITU DI LUAR
MEDAN LEBIH BERPENGARUH DIBANDING DENGAN SUKU.
 HAL INI DAPAT DITUNJUKKAN PADA GAMBAR BERIKUT :

GAMBAR PERBEDAAN GAJI GURU NEGERI

Y KOTA LAIN DAN BUKAN BATAK

KOTA LAIN DAN BATAK

KOTA MEDAN DAN BUKAN BATAK

13269,11
KOTA MEDAN DAN BATAK
12124,95

11595,59

10451,44

0
X
 REGRESI DUMMY DATA NOMINAL LEBIH DARI DUA

MISALNYA AKAN DITELITI PENGARUH LAMANYA BEKERJA

DALAN SATU BIDANG (DALAM BULAN) (X1) DAN TINGKAT
PENDIDIKAN (SMU, DIPLOMA DAN S1) TERHADAP KINERJA Y.

KARENA TINGKAT PENDIDIKAN ADA 3 MAKA DUMMY YANG

DIGUNAKAN ADALAH SEBANYAK 2 BUAH YAITU :

D1 DENGAN NILAI 1 UNTUK S1 DAN 0 UNTUK DIPLOMA DAN SMU

D2 DENGAN NILAI 1 UNTUK DIPLOMA DAN 0 UNTUK S1 DAN SMU

SEHINGGA PERSAMAAN UMUM REGRESI ADALAH :

Y = a0 + a1 X1 + a2 D1 + a3 D2 + e

CONTOH DATA SEBAGAI BERIKUT :

NO Y X PENDIDIKAN
1 71 27 SMU
2 75 29 DIPLOMA
3 73 27 SMU
4 76 31 SMU
5 76 30 SMU
6 79 32 DIPLOMA
7 77 31 DIPLOMA
8 81 33 S1
9 78 29 S1
10 79 28 S1
DATA DIATAS DISESUAIKAN DENGAN PERSAMAAN
REGRESI DUMMY SEHINGGA DIPEROLEH :

NO Y X D1 D2
1 71 27 0 0
2 75 29 0 1
3 73 27 0 0
4 76 31 0 0
5 76 30 0 0
6 79 32 0 1
7 77 31 0 1
8 81 33 1 0
9 78 29 1 0
10 79 28 1 0
SETELAH SEMUA DATA DIMASUKKAN KE DALAM SPSS YAITU
SEBANYAK 4 KOLOM. KEMUDIAN DILAKUKAN PROSES ANALISIS
REGRESI LINEAR BERGANDA DENGAN PERINTAH OPERASI
ANALYSIS KEMUDIAN REGRESION DAN LINEAR.

DARI DIALOG BOX SPSS, KEMUDIAN VARIABEL Y DIMASUKKAN

KE DEPENDENT DAN LAMANYA KERJA , DUMMY PERTAMA (D1)
DAN DUMMY KEDUA (D2) DIMASUKKAN KE VARIABEL
INDEPENDENT.

HASIL PENGOLAHAN DATA DENGAN SPSS ADALAH SEBAGAI

BERIKUT :
 Model Summaryb
Std. Error of the
Model R R Square Adjusted R Square Estimate
1 .953 a .907 .861 1.11523
a. Predictors: (Constant), D2, X, D1
b. Dependent Variable: Y

ANOVAb
Model Sum of Squares df Mean Square F Sig.
Regression 73.038 3 24.346 19.575 .002a
1 Residual 7.462 6 1.244
Total 80.500 9
a. Predictors: (Constant), D2, X, D1
b. Dependent Variable: Y

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
(Constant) 49.292 5.747 8.576 .000
1 X .859 .199 .591 4.319 .005
D1 4.259 .887 .688 4.800 .003
D2 1.353 .933 .218 1.450 .197
a. Dependent Variable: Y
 DARI OUTPUT HASIL SPSS DIATAS, MAKA DIPEROLEH
KESIMPULAN SEBAGAI BERIKUT :

1. MODEL REGRESI LINEARNYA ADALAH :

Y = 49,292 + 0,859 X1 + 4,259 D1 + 1,353 D2

2. MODEL YANG DIHASILKAN SECARA KESELURUHAN/SECARA

BERSAMA-SAMA ADALAH SIGNIFIKAN KARENA UJI F ATAU
NILAI SIG/P-VALUE SEBESAR 0,002 YANG LEBIH KECIL DARI
ALPHA (0,05)
3. NILAI KOEFISIEN DETERMINASI ATAU R2 SEBESAR 0,907
MENUNJUKKAN BAHWA VARIASI VARIABEL BEBAS DAPAT
MENJELASKAN VARIASI VARIABEL TERIKAT SEBESAR 90,7% DAN
SISANYA SEBESAR 9,3% DIJELASKAN OLEH VARIABEL LAIN
DILUAR MODEL ESTIMASI.

4. UJI SECARA PARSIAL :

A. LAMA BEKERJA BERPENGARUH SECARA SIGNFIKAN

TERHADAP KINERJA KARENA NILAI SIG SEBESAR 0,005
LEBIH KECIL 0,05.

B. DUMMY PERTAMA BERPENGARUH SECARA SIGNFIKAN

TERHADAP KINERJA KARENA NILAI SIG SEBESAR 0,003
LEBIH KECIL 0,05.

B. DUMMY KEDUA BERPENGARUH SECARA TIDAK SIGNFIKAN

TERHADAP KINERJA KARENA NILAI SIG SEBESAR 0,197
LEBIH BESAR 0,05.
Y = a0 + a1 X1 + a2 D1 + a3 D2 + e

CONTOH DATA SEBAGAI BERIKUT :

NO Y X PENDIDIKAN
1 71 27 SMU
2 75 29 DIPLOMA
3 73 27 SMU
4 76 31 SMU
5 76 30 SMU
6 79 32 DIPLOMA
7 77 31 DIPLOMA
8 81 33 S1
9 78 29 S1
10 79 28 S1
11 85 25 SMU
12 90 29 DIPLOMA
13 88 26 S1