EKONOMETRIKA EKONOMETRIKA
(AKKC 156) (AKKC 156)
MODEL REGRESI DENGAN
MODEL REGRESI DENGAN
VARIABEL BEBAS DUMMY
VARIABEL BEBAS DUMMY
Dosen Pembimbing: Dosen Pembimbing: Drs. H. Karim, M.Si Drs. H. Karim, M.Si Indah Budiarti, M.Pd Indah Budiarti, M.Pd Oleh: Oleh: Agung
Agung Handoko Handoko (A1C111037)(A1C111037)
Program Studi Pendidikan Matematika Program Studi Pendidikan Matematika Jurusan Pendidikan Matemat
Jurusan Pendidikan Matematika dan ika dan Ilmu Pengetahuan AlamIlmu Pengetahuan Alam Fakultas Keguruan dan Ilmu Pendidikan
Fakultas Keguruan dan Ilmu Pendidikan Universitas Lambung Mangkurat Universitas Lambung Mangkurat
DAFTAR ISI
DAFTAR ISI
DAFTAR ISIDAFTAR ISI ...i.i BAB I PENDAHULUAN
BAB I PENDAHULUAN ... 1.... 1 A.
A. Latar BelakangLatar Belakang... 1... 1 B.
B. Rumusan MasalahRumusan Masalah... 2. 2 C.
C. Tujuan Tujuan PenulisanPenulisan... .... 22 BAB II P
BAB II PEMBAHASAEMBAHASANN ... 3.... 3 A.
A. Defenisi Regresi Berganda dengan Defenisi Regresi Berganda dengan Variabel Independen DummyVariabel Independen Dummy... ... 33 B.
B. Pemanfaatan Regresi Berganda denganPemanfaatan Regresi Berganda dengan VariVari ababeel l Dummy Dummy ... 3... 3 C.
C. KasusKasus... 4... 4 D.
D. Hasil AnalisiHasil Analisi... ... 99 BAB III PENUTUP
BAB III PENUTUP ...1414 Kesimpulan
Kesimpulan ...1414 DAFTAR PUSTAKA
BAB I
BAB I
PENDAHULUAN
PENDAHULUAN
A.
A. Latar BelakangLatar Belakang
Penggunaan statistika dalam segala bidang akan mempengaruhi tingkat anal Penggunaan statistika dalam segala bidang akan mempengaruhi tingkat anal isisisis dari hasil penelitian yang sedang dilakukan. Penelitian dalam bidang peternakan dari hasil penelitian yang sedang dilakukan. Penelitian dalam bidang peternakan yang menggunakan aspek penghitungan statistika akan memperoleh data yang yang menggunakan aspek penghitungan statistika akan memperoleh data yang hampir mendekati benar atau dengan memperhatikan dari analisis regresi. Untuk hampir mendekati benar atau dengan memperhatikan dari analisis regresi. Untuk mengukur besarnya pengaruh variabel bebas terhadap variabel tergantung dan mengukur besarnya pengaruh variabel bebas terhadap variabel tergantung dan memprediksi variabel tergantung dengan menggunakan variabel bebas. Analisis memprediksi variabel tergantung dengan menggunakan variabel bebas. Analisis regresi sebagai kajian terhadap hubungan satu variabel yang disebut sebagai regresi sebagai kajian terhadap hubungan satu variabel yang disebut sebagai variabel yang diterangkan
variabel yang diterangkan (the explained variabel)(the explained variabel) dengan satu atau dua variabel dengan satu atau dua variabel yang menerangkan
yang menerangkan (the explanatory)(the explanatory). Variabel pertama disebut juga sebagai. Variabel pertama disebut juga sebagai variabel tergantung dan variabel kedua disebut juga sebagai variabel bebas. Jika variabel tergantung dan variabel kedua disebut juga sebagai variabel bebas. Jika variabel bebas lebih dari satu, maka analisis regres
variabel bebas lebih dari satu, maka analisis regresi disebut regresi linear berganda.i disebut regresi linear berganda. Disebut berganda karena pengaruh beberapa variabel bebas akan dikenakan kepada Disebut berganda karena pengaruh beberapa variabel bebas akan dikenakan kepada variabel tergantung.
variabel tergantung.
Analisis ini banyak digunakan dalam bidang penulisan karya ilmiah yang Analisis ini banyak digunakan dalam bidang penulisan karya ilmiah yang menyangkut dengan perhitungan hasil akhir yang mana akan menentukan berhasil menyangkut dengan perhitungan hasil akhir yang mana akan menentukan berhasil atau tidaknya sebuah penelitian yang sedang dilakukan dengan melihat kesimpulan atau tidaknya sebuah penelitian yang sedang dilakukan dengan melihat kesimpulan yang ditarik dari perhitungan analisis regresi. Penghitungan ini tidak hanya yang ditarik dari perhitungan analisis regresi. Penghitungan ini tidak hanya melibatkan satu analisis saja, namun akan menyangkut beberapa penghitungan melibatkan satu analisis saja, namun akan menyangkut beberapa penghitungan statistika agar menunjang dari hasil analisis regresi,misalnya kita menggnakan uji statistika agar menunjang dari hasil analisis regresi,misalnya kita menggnakan uji t, uji chi,
t, uji chi, penggunaan anova dan pendugaan hipotesis.penggunaan anova dan pendugaan hipotesis.
Salah satu bagian dari regresi linear berganda adalah regresi berganda dengan Salah satu bagian dari regresi linear berganda adalah regresi berganda dengan variabel dummy
variabel dummy (variabel boneka). (variabel boneka). Variabel dummyVariabel dummy adalah variabel yang adalah variabel yang digunakan untuk mengkuantitatifkan variabel yang bersifat kualitatif (misal: jenis digunakan untuk mengkuantitatifkan variabel yang bersifat kualitatif (misal: jenis kelamin, ras, agama, perubahan kebijakan pemerintah, perbedaan situasi dan kelamin, ras, agama, perubahan kebijakan pemerintah, perbedaan situasi dan
lain-lain).
lain). Variabel dummyVariabel dummy merupakan variabel yang bersifat kategorikal yang diduga merupakan variabel yang bersifat kategorikal yang diduga mempunyai pengaruh terhadap variabel yang bersifat kontinue
mempunyai pengaruh terhadap variabel yang bersifat kontinue
Hal inilah yang kemudian menarik untuk diketahui tentang bagaimana Hal inilah yang kemudian menarik untuk diketahui tentang bagaimana pengertian,
pengertian, pemanfaatan pemanfaatan serta serta modelmodel variable dummy.variable dummy. Oleh karena itu penulis Oleh karena itu penulis berusaha
berusaha untuk untuk memberikan memberikan pemahaman pemahaman tentang tentang pertanyaan pertanyaan tersebut tersebut dalamdalam makalah ini. Semoga makalah ini dapat menjadi jawaban dan memberikan makalah ini. Semoga makalah ini dapat menjadi jawaban dan memberikan pemahaman terkait pertanyaan yang dikaji.
pemahaman terkait pertanyaan yang dikaji.
B.
B. Rumusan MasalahRumusan Masalah Dari latar belakang di
Dari latar belakang di atas dapat diambil rumusan permasalahan yaitu:atas dapat diambil rumusan permasalahan yaitu:
a)
a) Bagaimana defenisi dari regresi berganda denganBagaimana defenisi dari regresi berganda dengan variabel dummyvariabel dummy ? ? b)
b) Bagaimana pemanfaatan Regresi berganda denganBagaimana pemanfaatan Regresi berganda dengan variabel dummyvariabel dummy?? c)
c) BagaimaBagaimana contoh na contoh soal, penyelesaian dan interpretasi regresi soal, penyelesaian dan interpretasi regresi berganda denganberganda dengan variabel dummy
variabel dummy?? d)
d) Bagaimana kesimpulan yang didapat dari contoh soal regresi berganda denganBagaimana kesimpulan yang didapat dari contoh soal regresi berganda dengan variabel dummy
variabel dummy??
C.
C. Tujuan Tujuan PenulisanPenulisan Berdasarka
Berdasarkan rumusan masalah diatas, maka tujuan n rumusan masalah diatas, maka tujuan penulisan makalah ini yaitu penulisan makalah ini yaitu ::
a)
a) Untuk mengetahui defenisi dari regresi berganda denganUntuk mengetahui defenisi dari regresi berganda dengan variabel dummyvariabel dummy.. b)
b) Untuk mengetahui pemanfaatan regresi berganda denganUntuk mengetahui pemanfaatan regresi berganda dengan variabel dummyvariabel dummy.. c)
c) Untuk mengetahui contoh soal, penyelesaian dan interpretasi regresi bergandaUntuk mengetahui contoh soal, penyelesaian dan interpretasi regresi berganda dengan variabel dummy.
dengan variabel dummy. d)
d) Untuk mengetahui kesimpulan yang didapat dari contoh Untuk mengetahui kesimpulan yang didapat dari contoh soal regresi bergandasoal regresi berganda dengan
BAB II
BAB II
PEMBAHASAN
PEMBAHASAN
A.
A. Defenisi Regresi Berganda dengan Variabel Independen DummyDefenisi Regresi Berganda dengan Variabel Independen Dummy Variabel dummy
Variabel dummy adalah variabel yang digunakan untuk mengkuantitatifkan adalah variabel yang digunakan untuk mengkuantitatifkan variabel yang bersifat kualitatif (misal: jenis kelamin, ras, agama, perubahan variabel yang bersifat kualitatif (misal: jenis kelamin, ras, agama, perubahan kebijakan pemerintah, perbedaan situasi dan lain-lain).
kebijakan pemerintah, perbedaan situasi dan lain-lain). Variabel dummyVariabel dummy merupakan merupakan variabel yang bersifat kategorikal yang diduga mempunyai pengaruh terhadap variabel yang bersifat kategorikal yang diduga mempunyai pengaruh terhadap variabel yang bersifat kontinue.
variabel yang bersifat kontinue. Variabel dummyVariabel dummy sering juga disebut variabel sering juga disebut variabel boneka,
boneka, binary, binary, kategorik atau kategorik atau dikotom.dikotom. Variabel dummyVariabel dummy hanya mempunyai 2 (dua) hanya mempunyai 2 (dua) nilai yaitu 1 dan nilai 0, s
nilai yaitu 1 dan nilai 0, serta diberi simbol D. Dummy memiliki erta diberi simbol D. Dummy memiliki nilai 1 (D=1) untuknilai 1 (D=1) untuk salah satu kategori dan nol (D=0) untuk kategori yang lain.
salah satu kategori dan nol (D=0) untuk kategori yang lain.
B.
B. Pemanfaatan Regresi Berganda denganPemanfaatan Regresi Berganda dengan VariVari ababeel l Dummy Dummy
Tujuan menggunakan regresi berganda dummy adalah memprediksi besarnya Tujuan menggunakan regresi berganda dummy adalah memprediksi besarnya nilai variabel tergantung/dependent atas dasar satu atau lebih variabel nilai variabel tergantung/dependent atas dasar satu atau lebih variabel bebas/independent, di mana satu atau lebih variabel bebas yang digunakan bersifat bebas/independent, di mana satu atau lebih variabel bebas yang digunakan bersifat
dummy.
dummy. Variabel dummyVariabel dummy adalah variabel adalah variabel yang digunakan untuk membuat kategoriyang digunakan untuk membuat kategori data yang bersifat kualitatif (data kualitatif tidak memiliki satuan ukur), agar data data yang bersifat kualitatif (data kualitatif tidak memiliki satuan ukur), agar data kualitatif dapat digunakan dalam analisa regresi maka harus lebih dahulu di kualitatif dapat digunakan dalam analisa regresi maka harus lebih dahulu di transformasikan ke dalam bentuk Kuantitatif. contoh data kualitatif misal jenis transformasikan ke dalam bentuk Kuantitatif. contoh data kualitatif misal jenis kelamin adalah laki-laki dan perempuan, harus di t
kelamin adalah laki-laki dan perempuan, harus di transform ke dalam bentuk Laki-ransform ke dalam bentuk Laki-laki = 1 ; Perempuan = 0. atau tingkat pendidikan misal SMA dan Sarjana, maka laki = 1 ; Perempuan = 0. atau tingkat pendidikan misal SMA dan Sarjana, maka diubah menjadi SMA = 0 ; Sarjana = 1, skala yang terdiri dari dua yakni 0 dan 1 diubah menjadi SMA = 0 ; Sarjana = 1, skala yang terdiri dari dua yakni 0 dan 1 disebut kode Binary, sedangkan persamaan model yang terdiri dari Variabel disebut kode Binary, sedangkan persamaan model yang terdiri dari Variabel Dependentnya Kuantitatif dan variabel Independentnya skala campuran : kualitatif Dependentnya Kuantitatif dan variabel Independentnya skala campuran : kualitatif dan kuantitatif, maka persamaan tersebut disebut persamaan regresi berganda dan kuantitatif, maka persamaan tersebut disebut persamaan regresi berganda Dummy. Dalam kegiatan penelitian, kadang variabel yang akan diukur bersifat Dummy. Dalam kegiatan penelitian, kadang variabel yang akan diukur bersifat Kualitatif
dummy
dummy tersebut, maka besaran atau nilai variabel yang bersifat tersebut, maka besaran atau nilai variabel yang bersifat Kualitatif Kualitatif tersebut tersebut dapat di ukur dan diubah menjadi
dapat di ukur dan diubah menjadi kuantitatif kuantitatif ..
C.
C. KasusKasus
Seorang Manager sebuah perusahaan industri mobil ingin mengetahui gaji Seorang Manager sebuah perusahaan industri mobil ingin mengetahui gaji karyawan berdasarkan masa kerja, jenis kelamin dan tingkat pendidikan karyawan berdasarkan masa kerja, jenis kelamin dan tingkat pendidikan karyawannya
karyawannya
Diketahui data sampel gaji 30 karyawan adalah s
Diketahui data sampel gaji 30 karyawan adalah sebagai berikut:ebagai berikut:
Y Y DD XX11 XX22 6.50 6.50 10 10 1.00 1.00 2.002.00 6.50 6.50 10 10 1.00 1.00 2.002.00 6.25 10 6.25 10 .00 .00 2.002.00 6.25 10 6.25 10 .00 .00 2.002.00 5.50 5.50 7 7 1.00 1.00 2.002.00 5.50 5.50 7 7 1.00 1.00 2.002.00 6.00 10 6.00 10 .00 .00 1.001.00 5.25 5.25 8 8 1.00 1.00 2.002.00 4.50 4.50 5 5 1.00 1.00 2.002.00 5.00 5.00 10 10 1.00 1.00 1.001.00 5.25 7 5.25 7 .00 .00 2.002.00 4.25 5 4.25 5 .00 .00 2.002.00 5.50 5.50 7 7 1.00 1.00 2.002.00 4.00 4.00 8 8 1.00 1.00 1.001.00 4.00 4.00 8 8 1.00 1.00 1.001.00 3.75 8 3.75 8 .00 .00 1.001.00 6.00 6.00 12 12 1.00 1.00 1.001.00 5.00 5.00 10 10 1.00 1.00 1.001.00 3.75 8 3.75 8 .00 .00 1.001.00
3.75 7 3.75 7 .00 .00 1.001.00 4.75 10 4.75 10 .00 .00 1.001.00 4.00 4.00 9 9 1.00 1.00 1.001.00 4.00 4.00 8 8 1.00 1.00 1.001.00 5.00 5.00 10 10 1.00 1.00 1.001.00 6.00 6.00 12 12 1.00 1.00 1.001.00 5.75 12 5.75 12 .00 .00 1.001.00 4.00 4.00 8 8 1.00 1.00 1.001.00 4.75 9 4.75 9 .00 .00 1.001.00 6.00 6.00 8 8 1.00 1.00 2.002.00 4.75 11 4.75 11 .00 .00 1.001.00 Keterangan : Keterangan : Y = Gaji (Rp) Y = Gaji (Rp)
D = Masa kerja (tahun) D = Masa kerja (tahun)
X1 = Jenis kelamin 1 untuk pria dan 0 untuk wanita X1 = Jenis kelamin 1 untuk pria dan 0 untuk wanita
X2 = Variabel dummy yang menghitung nilai 1 untuk pekerja dengan pendidikan X2 = Variabel dummy yang menghitung nilai 1 untuk pekerja dengan pendidikan hingga tingkat SMA dan 2 untuk
Berikut ini langkah-langkah analisis
Berikut ini langkah-langkah analisis dengan menggunakan program SPSS:dengan menggunakan program SPSS:
1.
1. Buat variabel dan masukkan data dalam worksheet SPSSBuat variabel dan masukkan data dalam worksheet SPSS
2.
2. Lakukan analisis dengan cara Klik Analyze > Regression > Lakukan analisis dengan cara Klik Analyze > Regression > Linear, selanjutnyaLinear, selanjutnya
akan muncul kotak dialog “Linear Regression”.
akan muncul kotak dialog “Linear Regression”.
3.
3.
Pindahkan variabel “Y” ke dalam kolom “Dependent” dan pindahkan “X1”,
Pindahkan variabel “Y” ke dalam kolom “Dependent” dan pindahkan “X1”,
“X2”,
4.
4.
Klik “Statistics”, aktifkan “Estimates” , “Model fit”, “Descriptives”,
Klik “Statistics”, aktifkan “Estimates” , “Model fit”, “Descriptives”,
“Collinearity diagnostics” dan “Durbin
“Collinearity diagnostics” dan “Durbin
--Watson”. Klik “Continue”.
Watson”. Klik “Continue”.
5.
5.
Klik “Plots”, pindahkan variabel “*Zresid” ke dalam kolom “Y” dan
Klik “Plots”, pindahkan variabel “*Zresid” ke dalam kolom “Y” dan
pindahkan
pindahkan “*Zpred”
“*Zpred” ke dalam
ke dalam kolom
kolom “X”. Aktifkan
“X”. Aktifkan “Histogram” d
“Histogram” dan “Normal
an “Normal
probability Plots”. Klik “Continue”.
probability Plots”. Klik “Continue”.
6.
6.
Klik “Save”, Pada “Predicted Values” aktifkan “Unstandardized”. Pada
Klik “Save”, Pada “Predicted Values” aktifkan “Unstandardized”. Pada
“Residuals” aktifkan “Unstandardized”. Klik “Continue” dan kli
D.
D. Hasil AnalisiHasil Analisi
Berikut ini hasil output dan penjelasannya: Berikut ini hasil output dan penjelasannya: a. a. Tabel 1Tabel 1 Variables Entered/Removed Variables Entered/Removedbb Mod Mod el el Variables Variables Entered Entered Variables Variables Removed Method Removed Method ii m m nn ii nn 1 tingkat_pen 1 tingkat_pen didikan, didikan, jenis_kela jenis_kela min, min, masa_beke masa_beke rja rjaaa . Enter . Enter
a. All requested variables entered. a. All requested variables entered.
atau dihapuskan tidak ada. Dengan kata lain, semua variabel bebas dimasukkan atau dihapuskan tidak ada. Dengan kata lain, semua variabel bebas dimasukkan dalam analisis regresi linier berganda tersebut.
dalam analisis regresi linier berganda tersebut.
b. b. Tabel 2Tabel 2 Model Summary Model Summarybb Model Model R R R R SquareSquare Adjusted R Adjusted R Square Square Std. Error of the Std. Error of the Estimate Durbin-Watson Estimate Durbin-Watson ii m m nn ii nn 1 .939 1 .939aa .881 .881 .867 .867 .32917 .32917 2.1282.128
a. Predictors: (Constant), tingkat_pendidikan, jenis_kelamin, masa_bekerja a. Predictors: (Constant), tingkat_pendidikan, jenis_kelamin, masa_bekerja b. Dependent Variable: gaji
b. Dependent Variable: gaji
Tabel diatas menunjukkan bahwa kofisien atau R simultannya adalah 0,939. Tabel diatas menunjukkan bahwa kofisien atau R simultannya adalah 0,939. Kisaran nilai R adalah 0 hingga 1. Semakin nilai R mendekati angka 1, maka Kisaran nilai R adalah 0 hingga 1. Semakin nilai R mendekati angka 1, maka semakin kuat variabel-variabel bebas memprediksikan variabel terikat. Karena semakin kuat variabel-variabel bebas memprediksikan variabel terikat. Karena 0,939 mendekati ang
0,939 mendekati angka 1, maka variabel-variabel bebas berupa ka 1, maka variabel-variabel bebas berupa tingkat pendidikan,tingkat pendidikan, jenis kelamin
jenis kelamin dan masa dan masa kerja dapat kerja dapat gaji pekerja gaji pekerja dengan cukup kuat. Sedangkan dengan cukup kuat. Sedangkan RR Square adalah 0,881 yaitu hasil kuadrat dari koefisien korelasi (0,939 x 0,939 = Square adalah 0,881 yaitu hasil kuadrat dari koefisien korelasi (0,939 x 0,939 = 0,881). Koefisien determinasi R-Square = 0.881 (88,1%). Ini menunjukkan bahwa 0,881). Koefisien determinasi R-Square = 0.881 (88,1%). Ini menunjukkan bahwa sebesar 88,1% variasi variabel dependent (Y) dapat dijelaskan oleh 3 variabel sebesar 88,1% variasi variabel dependent (Y) dapat dijelaskan oleh 3 variabel independent (X1, X2,dan D), artinya pengaruh variabel independen terhadap independent (X1, X2,dan D), artinya pengaruh variabel independen terhadap perubahan
perubahan variabel variabel dependen dependen adalah adalah 88,1%, 88,1%, sedangkan sedangkan sisanya sisanya sebesar sebesar 11,9%11,9% dipengaruhi oleh
dipengaruhi oleh variabel lain selain variabel invariabel lain selain variabel independen X1,X2 dependen X1,X2 dan D. dan D. SepertiSeperti halnya R Simultan, kisaran nilai adjusted R Square adalah 0 hingga 1. Dari tabel halnya R Simultan, kisaran nilai adjusted R Square adalah 0 hingga 1. Dari tabel diatas diketahui bahwa nilai adjusted R Square adalah 0,867 tidak mendekati 1, diatas diketahui bahwa nilai adjusted R Square adalah 0,867 tidak mendekati 1, sehingga ketetapan mencari jawaban berdasarkan sampel yang ada sangat tinggi. sehingga ketetapan mencari jawaban berdasarkan sampel yang ada sangat tinggi.
Standard Error of Estimate adalah 0,32917 Karena
Standard Error of Estimate adalah 0,32917 Karena 0,32917 mendekati nilai 0, maka0,32917 mendekati nilai 0, maka data tersebut model excellent.
data tersebut model excellent.
c.
c. Tabel 3Tabel 3
ANOVA ANOVAbb
Model
Model Sum Sum of of Squares Squares df df Mean Mean Square Square F F Sig.Sig. 1 1 Regression Regression 20.858 20.858 3 3 6.953 6.953 64.167 64.167 .000.000aa Residual Residual 2.817 2.817 26 26 .108.108 Total Total 23.675 23.675 2929
a. Predictors: (Constant), tingkat_pendidikan, jenis_kelamin, masa_bekerja a. Predictors: (Constant), tingkat_pendidikan, jenis_kelamin, masa_bekerja b. Dependent Variable: gaji
b. Dependent Variable: gaji
Dari tabel diatas, diketahui bahwa df (degree of fr
Dari tabel diatas, diketahui bahwa df (degree of fr eedom) adalah derajat kebebasaneedom) adalah derajat kebebasan dimana df regression (perlakuan) sebagai df pembilang dan df residual (sisa) dimana df regression (perlakuan) sebagai df pembilang dan df residual (sisa) sebagai df penyebut. Nilai df pembilang adalah 3 (jumlah variabel bebas), sebagai df penyebut. Nilai df pembilang adalah 3 (jumlah variabel bebas), sedangkan df penyebut adalah 26. Disamping itu diketahui bahwa F
sedangkan df penyebut adalah 26. Disamping itu diketahui bahwa Fhitunghitung adalah adalah
64,167 diperoleh dari mean square untuk regression dibagi mean square untuk 64,167 diperoleh dari mean square untuk regression dibagi mean square untuk residual (6,953 : 0,108). Kemudian nilai F
residual (6,953 : 0,108). Kemudian nilai Ftabeltabel kita peroleh dengan melihat pada kita peroleh dengan melihat pada
tabel untuk nilai dari F(0,05;3;26) adalah 2,98. tabel untuk nilai dari F(0,05;3;26) adalah 2,98. Karena F
Karena Fhitunghitung > > FFtabeltabel, maka dapat disimpulkan bahwa variabel bebas (tingkat, maka dapat disimpulkan bahwa variabel bebas (tingkat
pendidikan,
pendidikan, jenis jenis kelamin kelamin dan dan masa masa kerja kerja ) ) secara secara serentak serentak mempengaruhi mempengaruhi gajigaji pekerja
pekerja atau atau dengan dengan kata kata lain lain model model regresi regresi dapat dapat digunakan untuk digunakan untuk memprediksimemprediksi gaji Pekerja.
gaji Pekerja.
Selain itu, kita juga dapat menarik kesimpulan dengan membandingkan nilai Selain itu, kita juga dapat menarik kesimpulan dengan membandingkan nilai Sig.
Sig.hitunghitung pada tabel pada tabel
diatas yaitu 0,001 dengan α = 0,05 dimana Sig.
diatas yaitu 0,001 dengan α = 0,05 dimana Sig.
hitunghitung< α,
< α,
sehingga juga dapat ditarik kesimpulan yang sama bahwa variabel bebas (tingkat sehingga juga dapat ditarik kesimpulan yang sama bahwa variabel bebas (tingkat pendidikan,
Tabel 4 Tabel 4 Coefficients Coefficientsaa Model Model Unstandardized Unstandardized Coefficients Coefficients Standardiz Standardiz ed ed Coefficients Coefficients t Sig. t Sig. Collinearity Collinearity Statistics Statistics B
B Std. Std. Error Error BetaBeta
Toleranc Toleranc e VIF e VIF (Constant) (Constant) -1.014 -1.014 .449 .449 -2.258 -2.258 .033.033 masa_bekerja masa_bekerja .428 .428 .037 .037 .874 .874 11.633 11.633 .000 .000 .811 .811 1.2331.233 jenis_kelamin jenis_kelamin .093 .093 .123 .123 .051 .051 .750 .750 .460 .460 .988 .988 1.0131.013 tingkat_pendidi tingkat_pendidi kan kan 1.603 1.603 .137 .137 .884 .884 11.707 11.707 .000 .000 .803 .803 1.2451.245
a. Dependent Variable: gaji a. Dependent Variable: gaji
Dari tabel diatas di
Dari tabel diatas di
peroleh
peroleh koefisien
koefisien nilai
nilai β
β dari
dari kolom
kolom B
B
pada Unstandardized pada Unstandardized Coefficients, yaitu: Coefficients, yaitu:αα
11 = -1.014 = -1.014αα
22= 0,093= 0,093αα
33= 1,603= 1,603ββ
11= 0,428= 0,428Adapun persamaan regresi linier berganda sementara yang dapat diperoleh: Adapun persamaan regresi linier berganda sementara yang dapat diperoleh:
Ŷ
Ŷ = α
= α
11+ α
+ α
22X1X1+ α
+ α
33X2 +X2 + ββD +D +ԐԐ
Ŷ
Ŷ
= -1,014 + 0,093X1 + = -1,014 + 0,093X1 + 1,603X2 + 0,428D1,603X2 + 0,428DDisamping itu, kolom Sig. diatas juga menunjukkan nilai signifikansi hubungan Disamping itu, kolom Sig. diatas juga menunjukkan nilai signifikansi hubungan antara setiap variabel bebas dngan variable terikat dimana jika Sig.
antara setiap variabel bebas dngan variable terikat dimana jika Sig.hitunghitung
< α (α =
< α (α =
0,05), maka variabel bebas tersebut berpengaruh signifikan terhadap variabel 0,05), maka variabel bebas tersebut berpengaruh signifikan terhadap variabel terikat. Artinya:
terikat. Artinya:
Masa KerjaMasa Kerja Sig.
Sig.hitunghitung = 0.00 < = 0.00 <
α = 0,05 , jadi
α = 0,05 , jadi
Masa Kerja berpengaruh secara signifikanMasa Kerja berpengaruh secara signifikanterhadap gaji karyawan. terhadap gaji karyawan.
Sig.
Sig.hitunghitung = 0,.460> = 0,.460>
α = 0.05 , jadi
α = 0.05 , jadi
Jenis kelamin tidak berpengaruh secaraJenis kelamin tidak berpengaruh secarasignifikan terhadap gaji karyawan. signifikan terhadap gaji karyawan.
Tingkat PendidikanTingkat Pendidikan Sig.
Sig.hitunghitung = 0,00 < = 0,00 <
α = 0,05 , jadi Tingkat Pendidikan berpengaruh secara
α = 0,05 , jadi Tingkat Pendidikan berpengaruh secara
signifikan terhadap gaji karyawan. signifikan terhadap gaji karyawan.
Karena tidak semua variable bebas pada regresi tersebut yang signifikan Karena tidak semua variable bebas pada regresi tersebut yang signifikan terhadap variabel terikat, maka model persamaan regresi tersebut menjadi: terhadap variabel terikat, maka model persamaan regresi tersebut menjadi:
Ŷ
BAB III
BAB III
PENUTUP
PENUTUP
Kesimpulan KesimpulanDari hasil pembahasan diatas maka dapat ditarik beberapa kesimpulan, Dari hasil pembahasan diatas maka dapat ditarik beberapa kesimpulan, yaitu:
yaitu:
a)
a) Variabel dummyVariabel dummy adalah variabel yang digunakan untuk mengkuantitatifkan adalah variabel yang digunakan untuk mengkuantitatifkan variabel yang bersifat kualitatif (misal: jenis kelamin, ras, agama, perubahan variabel yang bersifat kualitatif (misal: jenis kelamin, ras, agama, perubahan kebijakan pemerintah, perbedaan situasi dan lain-lain)
kebijakan pemerintah, perbedaan situasi dan lain-lain)
b)
b) Variabel duVariabel dummy mmy digunakan digunakan sebagai usebagai upaya paya untuk untuk melihat bmelihat bagaimana klasifikasi-agaimana klasifikasi-klasifikasi dalam sampel berpengaruh terhadap parameter
klasifikasi dalam sampel berpengaruh terhadap parameter pendugaan.pendugaan.
c)
c) Tujuan Tujuan menggunakan menggunakan regresi regresi berganda berganda dummy dummy adalah adalah memprediksi memprediksi besarnyabesarnya nilai variabel tergantung/dependent atas dasar satu atau lebih variabel nilai variabel tergantung/dependent atas dasar satu atau lebih variabel bebas/independent, di mana satu atau lebih variabel bebas yang digunakan bersifat bebas/independent, di mana satu atau lebih variabel bebas yang digunakan bersifat
dummy. dummy.
d)
d) Variabel dummyVariabel dummy hanya mempunyai 2 (dua) nilai yaitu 1 dan nilai 0, serta diberi hanya mempunyai 2 (dua) nilai yaitu 1 dan nilai 0, serta diberi simbol D. Dummy memiliki nilai 1 (
simbol D. Dummy memiliki nilai 1 (D=1) untuk salah satu kategori dan nol D=1) untuk salah satu kategori dan nol (D=0)(D=0) untuk kategori yang lain.
DAFTAR PUSTAKA
DAFTAR PUSTAKA
Algifari. 2000.
Algifari. 2000. Analisis Regresi (Teori, Kasus dan solusi) Analisis Regresi (Teori, Kasus dan solusi). Edisi II. Badan. Edisi II. Badan Penerbit Fakultas Ekonomi Yogyakarta, Yogyakarta.
Penerbit Fakultas Ekonomi Yogyakarta, Yogyakarta.
Miller. J.C. 1991.
Miller. J.C. 1991. Statistika untuk Kimia Analitik Statistika untuk Kimia Analitik . Bandung : ITB. Bandung : ITB
M. Nazir, 1983,
M. Nazir, 1983, Metode Statistika dasar I Metode Statistika dasar I , Gramedia Pustaka Utama :Jakarta., Gramedia Pustaka Utama :Jakarta.
http://ineddeni.wordpress.com/.../analisis-regresi-dengan-variabel-bebas -dummy/ http://ineddeni.wordpress.com/.../analisis-regresi-dengan-variabel-bebas -dummy/ (diakses, 17 Desember 2013, 20.22)