VARIABEL DUMMY

Nadia Novinda Prasanti_190810201220

 DEFINISI VARIABEL DUMMY

• Variabel dummy adalah variabel yang digunakan untuk mengkuantitatifkan

variabel yang bersifat kualitatif (misal: jenis kelamin, ras, agama, perubahan
kebijakan pemerintah, perbedaan situasi dan lain-lain). Variabel
dummy merupakan variabel yang bersifat kategorikal yang diduga mempunyai
pengaruh terhadap variabel yang bersifat kontinue. Variabel dummy sering juga
disebut variabel boneka, binary, kategorik atau dikotom. Variabel
dummy hanya mempunyai 2 (dua) nilai yaitu 1 dan nilai 0, serta diberi simbol
D. Dummy memiliki nilai 1 (D=1) untuk salah satu kategori dan nol (D=0)
untuk kategori yang lain.
 KONSEP DASAR ANALISIS REGRESI MENGGUNAKAN
VA R I A B E L D U M M Y

• Perbedaan antara analisis regresi pada umumnya dengan analisis regresi variabel

dummy adalah terletak pada jenis data yang digunakan. Analisis regresi biasa
pada umumnya menggunakan jenis data berskala interval untuk variabel bebas
maupun variabel terikat. Sementara untuk analisis regresi dengan variabel
dummy data untuk variabel terikat atau dependen adalah data kuantitatif seperti
data harga, penjualan, gaji dan lain sebagainya dan untuk data variabel bebas
atau independent adalah data non metrik atau data kategori (variabel dummy),
seperti data jenis kelamin (laki-laki dan perempuan). Kemudian data kategori
tersebut diberi kode dummy yang dinyatakan dengan angka 1 dan 0.
 M O D E L M AT E M AT I K A R E G R E S I B E R G A N D A D E N G A N
VA R I A B E L D U M M Y

• Variabel dummy hanya mempunyai 2 (dua) nilai yaitu 1 dan nilai 0, serta diberi simbol D.
• D = 1 untuk suatu kategori (wanita, Batak, Islam, damai dan sebagainya).
• D = 0 untuk kategori yang lain (pria, Jawa, Kristen, perang dan sebagainya).
• Variabel dummy digunakan sebagai upaya untuk melihat bagaimana klasifikasi-klasifikasi dalam
sampel berpengaruh terhadap parameter pendugaan. Variabel dummy juga mencoba membuat
kuantifikasi dari variabel kualitatif.
• Kita pertimbangkan model berikut ini:
• Y = a + bX + c D1   (Model Dummy Intersep)
• Y = a + bX + c (D1X)   (Model Dummy Slope)
• Y = a + bX + c (D1X) + d D1 (Kombinasi)
 M A C A M – M A C A M VA R I A B E L D U M M Y

1. Regresi Atas Satu Variabel Kualitatif (Dua Kategori)

• Dari data yang diberikan, misalnya kita ingin meregresikan variabel kualitatif
jenis kelamin (sex) terhadap penghasilan, dengan kuantifikasi laki-laki =1 dan
perempuan =0
• Model regresi yang kita bentuk :
• Y = b1 + b2 D
• Dimana : Y = penghasilan
• D = variabel dummy untuk jenis kelamin (sex)
 MACAM – MACAM VARIABEL DUMMY

2. Regresi Atas Satu Variabel Kuantitatif dan Satu Variabel Kualitatif (dua
kategori)
• Dari data yang sudah diberikan, misalnya kita bentuk suatu model regresi sbb:
• Y = b0 + b1 Ds + b2 Pd + Ɛ i
• Dimana :   Ds = dummy jenis kelamin
• Pd = pendidikan
MACAM – MACAM VARIABEL DUMMY

3. Regresi Atas Satu Variabel Kuantitatif dan Satu Variabel Kualitatif (lebih dua kategori)
• Dari data yang diberikan, misalnya kita bentuk suatu model regresi sbb:
• Y = b0 + b 1 Dk1 + b2 Dk2 + b3 Pd + Ɛ i
• Dimana : Dk1 = dummy jenis pekerjaan
• 1 = setengah terampil
• 0 = lainnya
• Dk2 = dummy jenis pekerjaan
• 1 = terampil
• 0 = lainnya
• Pd = pendidikan
 PEDOMAN PENGAMBILAN KEPUTUSAN DALAM
A N A L I S I S R E G R E S I M E N G G U N A K A N VA R I A B E L
D U M M Y 

• Pengambilan keputusan dalam uji ini dapat dilakukan dengan dua cara yakni
dengan melihat nilai signifikansi hasil output SPSS atau dengan cara
membandingkan nilai t hitung dengan nilai t tabel.

Melihat nilai Signifikansi dari Ouput SPSS

• Jika nilai signifikansi lebih kecil dari < 0,05 maka ada pengaruh variabel bebas
(X) terhadap variabel terikat (Y). 
• Sebaliknya, jika nilai signifikansi lebih besar dari > 0,05 maka tidak ada
pengaruh variabel bebas (X) terhadap variabel terikat (Y).
 PEDOMAN P ENGAM BILAN KEPUTUS AN DALAM
ANAL IS IS REGRE SI M ENGGUNAKAN VARIABEL
DUM MY 

• Membandingkan nilai t hitung dengan t tabel

• Jika nilai t hitung > t tabel maka ada pengaruh variabel bebas (X) terhadap variabel
terikat (Y).
• Jika nilai t hitung < t tabel maka tidak ada pengaruh variabel bebas (X) terhadap
variabel terikat (Y).
•
Catatan: adanya dua cara dalam pengambilan keputusan untuk analisis ini, dapat
lebih berguna ketika nilai signifikansi hasil SPSS tepat di angka 0,05. Maka dari
itu pengambilan keputusan tetap dapat dilakukan dengan cara membandingkan
nilai t hitung dengan t tabel.