4 0 91 KB
Analisis Regresi Dengan Variabel dummy 1.
Pengertian Variabel dummy. Variabel dummy Merupakan Variabel yang digunakan untuk mengkuantitatifkan variable yang bersifat kualitatif ( Misal : Jenis kelamin , Ras , Agama ) . Disamping Itu juga Variabel dummy merupakan variable yang bersifat kategorikal yang diduga mempunyai pengaruh terhadap variabel yang bersifat continue , Variabel Dummy Hanya Mempunyai 2 nilai yaitu : Yaitu 1 dan 0 , Serta di beri symbol (D=1) untuk salah kategori dan nol (D=0) untuk ketgori yang lain
2.
Model Regresi Satu variabel Dummy dengan dua kategori Regresi satu variabel dummy dengan dua ketgori digunakan untuk menganalisis hubungan kausal satu variabel bebas yang merupakan variabel dummy terhadap satu variabel tergantung , dimana variabel dummy tersebut menggunakan dua kategori . model regresi dengan satu variabel kualitatif tanpa mengikut sertakan variabel kuatitaif lainnya adalah serupa / seragam dengan satu variabel analisis ragama (Anova Model ) Contoh kasus a. Seorang peneliti melakukan penelitian dengan tujuan untuk menganalisis pengaruh Jenis kelamin terhadap Produktivitas pegawai . untuk keperluan tersebut diambil sampel secara acak sebanyak 10 orang . yang terdiri dari 5 karyawan dan 5 karyawati. Data yang diperoleh adalah sebagai berikut : No 1 2 3 4 5 6 7 8 9 10
Sampel Ahmad Yuni Dini Budi Sari Arif Paijo Indah Dwi Doni Jumlah
Jenis kelamin 1 0 0 1 0 1 1 0 0 1 5
Produktivitas 12 9 8 13 8 11 10 7 8 13 99
Pertanyaan : Apakah terdapat pengaruh jenis kelamin terhadap produktivitas pegawai?
Tahap pengerjaan Hipotesis : Ho: tidak terdapat pengaruh jenis kelamin terhadap produktivitas pegawai Ha: terdapat pengaruh jenis kelamin terhadap produktivitas pegawai Criteria pengujian : Ho diterima jika : -T Tabel ≤T hitung ≤T table , atau Sig ≤ alpha (α/2) Ha diterima jika : T hitung < - T table atau T hitung > T table , Atau Sig ≤ alpha (α/2) Analisis Data: No
Sampel
1 2 3 4 5 6 7 8 9 10
Ahmad Yuni Dini Budi Sari Arif Paijo Indah Dwi Doni Jumlah (Σ)
Jenis kelamin 1 0 0 1 0 1 1 0 0 1 5
Produktivitas
D2
DY
12 9 8 13 8 11 10 7 8 13 99
1 0 0 1 0 1 1 0 0 1 5
12 0 0 13 0 11 10 0 0 13 59
Berdasarkan Lembar kerjadi atas maka dapat disimpulkan : N= 10 , ΣD = 5 , ΣY = 99 , ΣX2 = 5 , ΣDY = 59 Koefisien Regresinya sebagai berikut :
B= B=
n ( ΣDY ) −( ΣD ) ( ΣY ) n ( Σ D2 ) −( ΣD)2 10 ( 59 ) −( 5 ) (99) 10 ( 52 ) −(5)2
= 3,8
A=
ΣY −b (ΣD) N
99−3,8(5) 10
=
=8
Sehingga Persamaan Regresinya Adalah sebagai berikut : Y = a + Bd Y = 8 + 3,8D Artinya dari persamaan regresi tersebut adalah : 8 = Rata – Rata Produktivitas Pegawai Perempuan di Pabrik Sepatu adalah 8 3,8 = Rata – Rata Perbedaan Peoduktivitas Antara pegawai perempuan dan laki – laki di pabrik sepatu adalah Sebesar 3,8 Mengitung Nilai Prediksi : Untuk menghitung Nilai prediksi kita harus memasukkan nilai variabel bebas , yang dalam hal ini adalah jenis kelamin setiap sampel (case) , ke dalam persamaan regresi yang telah terbentuk, untuk mengitung nilai prediksi produktivitas antara pegawai dan laki – laki , Y pred (Perempuan )
= 8 + 3,8 (0) = 8
Y pred (Laki – laki)
= 8 + 3,8 (1) = 11,8
Menghitung Koefisien determinasi (R2) =
R2 = 1 No
Sampel
1 2 3 4 5 6 7 8 9
Ahmad Yuni Dini Budi Sari Arif Paijo Indah Dwi
Y −Y ¯¿ Σ¿ Σ(Y −Y Pred) ¿ Jenis kelamin 1 0 0 1 0 1 1 0 0
Produktivita s 12 9 8 13 8 11 10 7 8
D2
DY
Y Pred
1 0 0 1 0 1 1 0 0
12 0 0 13 0 11 10 0 0
11,8 8 8 11,8 8 11,8 11,8 8 8
(Y-Y Pred)2 0,04 1 0 1,44 0 0,64 3,24 1 0
(Y-Y bar)2 4,41 0,81 3,61 9,61 3,61 1,21 0,01 8,41 3,61
10
Doni Jumlah (Σ)
1 5
8,8 44,9
2
R =1–
13 99
1 5
13 59
11,8 27
1,44 8,8
9,61 44,9
= 0,804
*koefisien determinasi memiliki kelemahan , maka yang digunakan adalah koefisien determinasi yang telah disesuaikan 2
2
R Adj = R –
P(1−R2 ) N −P−1 1(1−0,804) 10−1−1
2
R Adj = 0,804 –
= 0,779
Menghitung kesalahan baku estimasi (Standart Eror Of the estimate)
SE =
Y −Y Pred ¿ ¿ Σ¿ √¿
2
Hasil nya adalah 1,049
Dalam , Hitungan SPSS adalah sebagai Berikut :
Model Summary
Model 1
R .897
R Square a
Adjusted R
Std. Error of the
Square
Estimate
.804
.780
1.04881
a. Predictors: (Constant), jeniskelamin
ANOVAa Model 1
Sum of Squares Regression
36.100
df
Mean Square 1
36.100
F 32.818
Sig. .000b
Residual Total
8.800
8
44.900
9
1.100
a. Dependent Variable: produktivitas b. Predictors: (Constant), jeniskelamin
Coefficientsa Standardized Unstandardized Coefficients Model 1
B
Std. Error
(Constant)
8.000
.469
jeniskelamin
3.800
.663
a. Dependent Variable: produktivitas
Coefficients Beta
t
.897
Sig.
17.056
.000
5.729
.000