Regresi Variabel Dummy 2 Kategori

TEORI ONLINE

SERI TUTORIAL SPSS by Hendry http://teorionline.wordpress.com/

REGRESI VARIABEL DUMMY

Dalam beberapa, model regresi juga bisa menggunakan variabel independen kualitatif. Variabel kualitatif ini bisa dalam bentuk kelas, kelompok atau tingkatan. Contohnya adalah peneliti ingin menganalisis jumlah penjualan sales melalui jenis kelamin dan tingkat pendidikan. Dalam bahasan kali ini kita akan membahas mengenai analisis regresi dengan variabel independen kualitatif.

Contoh Kasus Sederhana (Dummy dua kategori) Seorang Manager sebuah perusahaan otomotif ingin mengetahui gaji karyawan berdasarkan jenis kelamin karyawannya Persamaan Regresi Y = Bo + b1 d1 + e1 Dimana, Y adalah jumlah gaji, dan d1 (untuk karyawan laki-laki), dan do (karyawan wanita) Intercept (b0) menunjukkan rata-rata gaji karyawana, dan slope (b1) menunjukkan berapa besar perbedaan gaji antara karyawan laki-laki dan wanita, dan B0 + b1 memberi informasi mengenai gaji rata-rata karyawan laki-laki

The world's largest digital library

Try Scribd FREE for 30 days to access over 125 million titles without ads or interruptions! Start Free Trial Cancel Anytime.





Contoh Data dilihat di http://teorionline.wordpress.com/2011/05/22/data-regresi-dummy/

PENYELESAIAN Klik Analyze – Regression Linier. Masukkan variabel gaji kekotak dependent, dan “SEX/jenis kelamin” ke kotak independent





Klik OK, lalu akan tampil Output Sebagai berikut :

Regression Variables Entered/Removedb Model 1

Variables Entered SEXa

Variables Removed

Method Enter

.

a. All requested variables entered. b. Dependent Variable: GAJI

Model Summaryb Model 1

R .236a

R Square .0 5 6

Adjusted R Square .0 3 4

Std. Error of the Estimate .88913

a. Predictors: (Constant), SEX b. Dependent Variable: GAJI

ANOVAb Model 1

Regression Residual Total

Sum of Squares 2.007

df 1

Mean Square 2 .0 0 7

3 3 .9 9 3

43

.791

3 6 .0 0 0

44

F 2 .5 3 8

Si g . . 11 8 a

a. Predictors: (Constant), SEX b. Dependent Variable: GAJI

Coefficientsa Unstandardized Coefficients Model 1

(Constant) SEX

B 4.534

Std. Error .1 9 0

.4 2 2

.265

Standardized Coefficients Beta .2 3 6

t 23.919

Sig. .000

1.593

.1 1 8





Residuals Statisticsa Predicted Value Residual Std. Predicted Value Std. Residual

Minimum 4 .5 3 4 1 -1.70652 -1.011

Maximum 4.9565 1.71591 . 967

M ean 4.7500 .0 0 0 0 0 . 0 00

Std. Deviation .21355 .87896 1 .0 0 0

-1.919

1 . 930

. 000

.9 8 9

N 45 45 45 45

a. Dependent Variable: GAJI

INTERPRETASI

Model Summary Angka R sebesar 0.236 menunjukkan angka korelasi yang kecil antara gaji dengan gender karyawan. ANOVA Dari Tabel anova diketahui bahwa nilai F hitung adalah sebesar 2.538 dengan Sig sebesar 0.118. Angka ini lebih besar dibanding dengan nilai 0.05 sehingga dapat dikatakan bahwa pengaruh variabel gender tidak signifikan mempengaruhi besaran gaji yang diterima karyawan.

Persamaan Regresi Persamaan yang diperoleh dari Tabel Coeff adalah sebabai berikut : Gaji laki-laki = 4.534 + 0.422 (1), atau sebesar 4.957 Gaji wanita = 4.534 + 0.422 (0), atau sebesar 4.534 Namun karena model tidak signifikan, maka persamaan ini tidak diinterpretasikan lebih lanjut





REGRESI DUMMY > 2 KATEGORI Jika pada bahasan sebelumnya kita menganalisis regresi dummy dua kategori, maka pada pembahasan kali ini kita akan membahas mengenai regresi dengan variabel independent yang memiliki tingkatan lebih dari 2 kategori Masih menggunakan data yang sama pada bahasan sebelumnya di regresi dummy pertama, maka selanjutnya kita akan menganalisis pengaruh tingkat pendidikan terhadap gaji yang diterima karyawan. Variabel rata-rata gaji bulanan dalam juta Rp Variabel gaji dikelompokkan menjadi tiga yaitu : SMA, Sarjana, dan Pascasarjana Variabel masa kerja dalam tahun Model regresi dapat ditulis sebagai berikut : Y = b0 + b1 d1 + b2 d2 + b3 X + e1 Y adalah gaji rata-rata, X adalah masa kerja, d1 = 1 jika S2, 0 jika tidak, d2 = 1 jika S1, 0 jika tidak Data dapat dilihat di http://teorionline.wordpress.com/2011/05/22/data-regresi-dummy-2kategori/





PENYELESAIAN Klik Analyze, pilih Regression Linier.. Masukkan variabel masa kerja, d1, dan d2 ke dalam kotak independent, dan gaji ke kotak dependent. Abaikan yang lain lalu klik OK







Regression Variables Entered/Removedb Model 1

Variables Entered d2_1, d1_ 1, masa_ a kerja

Variables Removed

Method .

Enter

a. All requested variables entered. b. Dependent Variable: GAJI

Model Summary Model 1

R .711a

R Square .5 0 5

Adjusted R Square .4 6 9

Std. Error of the Estimate .65901

a. Predictors: (Constant), d2_1, d1_1, masa_kerja

ANOVAb Model 1

Regression

Sum of Squares 1 8 .1 9 4

df 3

Mean Square 6.065 .434

Residual

1 7 .8 0 6

41

Total

3 6 .0 0 0

44

a. Predictors: (Constant), d2_1, d1_1, masa_kerja b. Dependent Variable: GAJI

F 1 3 .9 6 4

Sig. . 0 00 a





INTERPRETASI Nilai adj R Square adalah sebesar 0.711 menunjukkan bahwa hubungan antara variabel independent dan dependent cukup kuat. Nilai F hitung adalah sebesar 13.964, dengan sig 0.000. Karena sig < 0.05 maka dapat disimpulkan bahwa model regresi adalah signifikan dan layak digunakan untuk memprediksi gaji karyawan Persamaan regresi Gaji = 3.531 + 0.311 (masa kerja) + 0.596 (d1) + 0.969 (d2) Karyawan pendidikan SMA Y = b0 + b1 (masa kerja) = 3.531 + 0.311 Karyawan pendidikan Sarjana Y = b1 + (b0 + b2) = 0.311 + (3.531 + 0.596) karyawan pendidikan Pascasarjana y = b1 + (b0 + b3) = 0.311 + (5.531 + 0.969) Dari hasil uji t diketahui bahwa nilai sig seluruhnya < 0.05 sehingga dapat dinyatakan bahwa masa kerja, dan tingkatan pendidikan mempengaruhi besaran gaji karyawan

Regresi Variabel Dummy 2 Kategori

Recommend Documents