• Tidak ada hasil yang ditemukan

Analisis Regresi dengan Variabel Indikat

N/A
N/A
Protected

Academic year: 2018

Membagikan "Analisis Regresi dengan Variabel Indikat"

Copied!
5
0
0

Teks penuh

(1)

LAPORAN PRAKTIKUM

ANALISIS REGRESI TERAPAN KEHUTANAN

ACARA VI

ANALISIS REGRESI DENGAN VARIABEL INDIKATOR

Disusun oleh :

Nama : Agustina Pane

NIM : 13/352210/KT/07614

Shift : Rabu, 13.00

Co. Ass : Mbak Intan dan Mbak Nadia

LABORATORIUM KOMPUTASI DAN BIOMETRIKA HUTAN

BAGIAN MANAJEMEN HUTAN

FAKULTAS KEHUTANAN

UNIVERSITAS GADJAH MADA

(2)

ACARA VI

Pemodelan dalam kepentingan penelitian berbagai bidang maupun bidang industri, merupakan kebutuhan mendasar bagi prediksi di masa mendatang ataupun informasi tambahan. Data yang sering digunakan untuk pemodelan dalam hal ini pembentukan persamaan regresi dan analisis regresi dinyatakan dalam bentuk variabel kuantitatif. Berarti bahwa variabel tersebut dapat dengan mudah dinyatakan dalam skala ukuran yang umum. Akan tetapi sering pula pada pengamatan, data yang digunakan dinyatakan dalam bentuk variabel kualitatif atau variabel kategori yang merupakan variabel bebas dalam persamaan regresi (Supranto, 1992).

Nama lain Regresi Dummy adalah Regresi Kategori. Regresi ini menggunakan prediktor kualitatif (yang bukan dummy dinamai prediktor kuantitatif). Pembahasan pada regresi ini hanya untuk satu macam variabel dummy dan dikhususkan pada penaksiran parameter dan kemaknaan pengaruh prediktor (Sarwoko, 2007).

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 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).

(3)

berbeda seperti keadaan damai dan perang, maka akan diperoleh model stokastiknya sebagai berikut:

1. Untuk mengetahui perbedaan intercept K = b2 + b1Y + b2D + m

Diperoleh hasil :

Untuk D = 0 K = b0 + b1Y + m (damai)

Untuk D = 1 K1 = (b0 + b2) + b1Y + m (perang)

2. Untuk mengetahui perbedaan slope K = b0 + b1Y + b3YD + m

Diperoleh hasil :

Untuk D = 0 K = b0 + b1 Y + m (damai)

Untuk D = 1 K1 = (b1 + b3) + b1Y + m (perang)

3. Untuk mengetahui perbedaan intersep maupun slope K = b0 + b1 Y + b2D + b3YD + m

Diperoleh hasil :

Untuk D = 0 K = b0 + b1Y + m (damai)

Untuk D = 1 K1 = (b0 + b2) + (b1 + b3)Y + m (perang)

Dimana :

K = pengeluaran konsumsi;

Y = Pendapatan nasional ; D = 1, masa perang ; D = 0, masa damai. (Anonim, 2011).

III. TEMPAT

Tempat : Laboratorium Biometrika Hutan Fakultas Kehutanan UGM.

IV. ALAT DAN BAHAN 1. Alat tulis

(4)

VI. PEMBAHASAN

Pada praktikum kali ini, akan dibahas tentang analisis regresi dengan indikator variabel. Regresi linear memungkinkan bila digunakan untuk melakukan analisis data bila variabel bebasnya (x) bertipe data nominal. Skala nominal adalah suatu himpunan yang terdiri dari anggota-anggota yang mempunyai kesamaan tiap anggotanya, dan memiliki perbedaan dari anggota himpunan yang lain. Misalnya :

a. Jenis Kelamin : dibedakan antara laki – laki dan perempuan b. Pekerjaan : dapat dibedakan petani, pegawai, pedagang c. Golongan Darah : dibedakan atas Gol. 0, A, B, AB

Pada skala nominal, variasinya tidak menunjukkan perurutan atau kesinambungan, tetapi setiap variasi berdiri sendiri secara terpisah. Dalam skala nominal tidak dapat dipastikan apakah kategori satu mempunyai derajat yang lebih tinggi atau lebih rendah dari kategori yang lain ataukah kategori itu lebih baik atau lebih buruk dari kategori yang lain. Contoh di atas menunjukkan bahwa itu merupakan variabel bebas kualitatif dan variabel terikat kuantitatif. Skala nominal yang diberi label 0, 1 atau 2 dikenal sebagai Dummy Variabel. Variabel dummy ini dapat di sebut sebagai biner, kategorik, kualitatif, boneka, atau variabel dikotomi. Tujuan menggunakan regresi dengan variable dummy adalah memprediksi besarnya nilai variabel dependen atas dasar satu atau lebih variabel independen, di mana satu atau lebih variabel bebas yang digunakan bersifat dummy. Dummy variabel adalah variabel yang digunakan untuk membuat kategori data yang bersifat kualitatif agar dapat digunakan dalam analisis regresi maka harus lebih dahulu ditransformasikan ke dalam bentuk kuantitatif.

(5)

dilakukan perhitungan diketahui nilai summary output, dilakukan Uji Anova, diketahui residual output serta probability output. Nilai R yang diperoleh adalah 0,91224 dengan standar error 1,5626. Dari Uji Anova diketahui Fhitung (99,7502) > dari Ftabel

(0,0000000404), maka Ha diterima dan Ho ditolak yang berarti bahwa size of firm berpengaruh terhadap number of month elapsed. Dari data tersebut dapat diketahui persamaan regresinya yaitu :

y = 33,8699 – 0,1061x1 + 8,7680x2

VII. KESIMPULAN

Dummy variabel adalah variabel yang digunakan untuk membuat kategori data yang bersifat kualitatif dan direpresentasikan dalam model persamaan, sehingga bisa dipecah secara matematik. Banyaknya variable dummy = banyak kategori – 1. Diperoleh hasil:

y = 33,8699 – 0,1061x1 + 8,7680x2

Dari uji anova diketahui Fhitung (99,7502) > dari Ftabel (0,0000000404), maka Ha diterima

dan Ho ditolak yang berarti bahwa size of firm berpengaruh terhadap number of month elapsed.

DAFTAR PUSTAKA

Anonim. 2011. Variabel Dummy. ht t p: / /e t h a s y a hb a nia.bl o g spot. c o m / v a ri a b e l - dum m y .ht m l . Diunduh pada tanggal 10 November 2014 pada pukul 21.00 WIB.

Sarwoko. 2007. Statistik Inferensi untuk Ekonomi dan Bisnis. Andi Offset. Yogyakarta.

Referensi

Dokumen terkait

Istilah persamaan regresi estimasi sering di temui dalam statistik yang berarti Persamaan regresi yang digunakan untuk membuat taksiran terhadap nilai variabel terikat, yaitu

Analisis regresi linear sederhana adalah salah satu cara yang dapat digunakan untuk mengetahui hubungan antara variabel bebas dan variabel terikat.. Pendugaan

Analisis regresi linear sederhana adalah salah satu cara yang dapat digunakan untuk mengetahui hubungan antara variabel bebas dan variabel terikat.. Pendugaan

Persamaan regresi yang digunakan untuk membuat taksiran mengenai variabel Persamaan regresi yang digunakan untuk membuat taksiran mengenai variabel dependen disebut

Regresi logistik merupakan suatu metode analisis data yang digunakan untuk mencari hubungan antara variabel respon (y) yang bersifat biner atau dikotomus dengan variabel

Pada perkembangan selanjutnya analisis regresi dapat digunakan sebagai alat untuk membuat perkiraan nilai suatu variabel dengan menggunakan beberapa variabel lain

Persamaan regresi yang digunakan untuk membuat taksiran mengenai variabel terikat disebut persamaan regresi estimasi, yaitu suatu formula matematis yang menunjukkan

Hasil Analisis Regresi Logistik Multinomial Regresi logistik multinomial digunakan dengan pertimbangan terhadap lebih dari dua kategori variabel dependen yang berskala nominal, dalam