Analisis Regresi dengan Variabel Dummy dengan SPSS

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 kontinu. 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.

D = 1 untuk suatu kategori (laki- laki, kulit putih, sarjana dan sebagainya).

D = 0 untuk kategori yang lain (perempuan, kulit berwarna, non-sarjana dan sebagainya).

Nilai 0 biasanya menunjukkan kelompok yang tidak mendapat sebuah perlakuan dan 1 menunjukkan kelompok yang mendapat perlakuan. Dalam regresi berganda, aplikasinya bisa berupa perbedaan jenis kelamin (1 = laki-laki, 0 = perempuan), ras (1 = kulit putih, 0 = kulit berwarna), pendidikan (1 = sarjana, 0 = non-sarjana).

Model Regresi dengan Variabel Independen Dummy

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:

I. Y = a + bX + c D1 (Model Dummy Intersep)

II. Y = a + bX + c (D1X) (Model Dummy Slope)

III. Y = a + bX + c (D1X) + d D1 (Kombinasi)

Tujuan Penggunaan Regresi Dummy

Tujuan menggunakan regresi berganda dummy adalah memprediksi besarnya nilai variabel tergantung/dependen atas dasar satu atau lebih variabel bebas/independen, di mana satu atau lebih variabel bebas yang digunakan bersifat dummy. Variabel dummy adalah variabel yang digunakan untuk membuat kategori data yang bersifat kualitatif (data kualitatif tidak memiliki satuan ukur), agar data kualitatif dapat digunakan dalam analisa regresi maka harus lebih dahulu di transformasikan ke dalam bentuk Kuantitatif. contoh data kualitatif misal jenis kelamin adalah laki-laki dan perempuan, harus di transform ke dalam bentuk Laki-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 disebut kode binary, sedangkan persamaan model yang terdiri dari variabel dependennya kuantitatif dan variabel independennya skala campuran : kualitatif dan kuantitatif, maka persamaan tersebut disebut persamaan regresi berganda dummy. Dalam kegiatan penelitian, kadang variabel yang akan diukur bersifat kualitatif, sehingga muncul kendala dalam pengukuran, dengan adanya variabel dummy tersebut, maka besaran atau nilai variabel yang bersifat kualitatif tersebut dapat di ukur dan diubah menjadi kuantitatif.

Contoh Studi Kasus

Sebuah perusahaan maskapai penerbangan sedang dalam kondisi pailit, untuk itu tim peneliti perusahaan berusaha untuk menemukan solusi yang tepat bagi keberlangsungan perusahaan. Salah satu opsi terakhir yang diajukan adalah melakukan Pemutusan Hubungan Kerja (PHK) bagi karyawan perusahaan dengan data karyawan calon PHK yang telah ada. Untuk itu perusahaan ingin mengetahui besar nilai yang harus dibayarkan perusahaan pada gaji terakhir sebelum di PHK. Hal tersebut didasarkan pada divisi yang dijalankan (penerbangan : 1, pemasaran: 2, akunting: 3, personalia: 4, sistem informasi: 5, public relation: 6, kredit : 7, armada: 8, ground handling: 9, penelitian: 10), jabatan dalam perusahaan (kepala divisi: 1, sekretaris divisi:2, staff divisi:3, office boy: 4) , tingkat pendidikan yang telah ditempuh (S2: 1, S1 : 2, D3: 3, SMA/Sederajat : 4) , penilaian hasil kinerja, dan usia. Berikut ini adalah data karyawan calon penerima keputusan PHK :

Data tabel karyawan

Divisi	Jabatan	Didik	Kinerja	Usia	Gaji ($)
1	1	1	7	50	530
1	2	2	7	47	430
1	3	3	3	30	212
1	3	2	5	31	310
1	3	2	5	31	303
1	3	2	6	32	300
1	3	3	4	27	242
2	3	1	6	50	536
2	4	4	5	19	232
2	3	2	6	43	242
2	3	2	5	34	238
2	4	4	6	23	143
2	3	4	3	34	132
2	3	4	6	24	143
2	3	4	5	31	140
3	1	2	4	45	446
3	3	2	5	43	330
3	3	2	5	45	369
3	4	4	5	23	129
3	4	4	6	24	131
3	2	3	5	34	376
3	3	2	4	31	240
3	3	2	4	32	240
3	4	4	6	20	133
4	1	1	6	51	478
4	3	2	5	33	402
4	3	3	4	25	321
4	3	2	7	35	398
4	3	2	4	31	356
4	3	3	4	37	321
4	3	3	3	36	320
5	3	1	5	50	300
5	2	2	5	34	362
5	3	2	6	32	327
5	4	4	3	46	132
5	4	4	3	20	131
5	3	2	5	36	256
5	3	2	4	34	229
5	4	4	4	26	247
5	4	4	6	21	151
6	3	4	4	31	146
6	3	3	3	36	303
6	2	2	7	31	400
6	4	4	4	23	133
6	2	3	4	30	307
6	3	3	3	35	157
6	3	2	3	37	256
6	4	4	4	18	134
7	1	1	3	46	431
7	3	2	6	41	365
7	3	2	5	37	361
7	4	4	3	47	134
7	3	3	5	34	240
7	3	4	7	29	150
7	4	4	5	22	132
7	4	4	4	23	131
8	1	1	4	47	425
8	2	3	6	34	368
8	2	3	5	35	328
8	3	3	4	38	200
8	3	2	6	37	361
8	3	4	5	35	242
8	3	4	4	36	221
9	1	1	4	48	431
9	2	2	5	33	320
9	3	2	7	28	378
9	3	2	6	31	373
9	4	4	6	29	134
9	2	3	6	31	323
9	3	3	6	36	225
9	3	3	6	35	225
10	3	3	3	42	203
10	3	3	4	31	236
10	4	4	5	34	132
10	3	2	7	35	251
10	4	2	5	36	134
10	4	4	6	32	136
10	3	4	6	31	242
10	3	4	5	34	221

Berdasarkan data diatas, akan di lakukan analisis diantaranya:

Mendapatkan pemodelan regresi linear
Melakukan uji hipotesis dengan mencantumkan variabel mana yang dijadikan sebagai variabel dummy
Melakukan uji asumsi
Menghitung perkiraan gaji yang harus dibayarkan oleh perusahaan apabila terdapat seorang karyawan calon PHK, bekerja pada divisi pemasaran, jabatan dalam perusahaan adalah sekretaris divisi, tingkat pendidikan S1, usia 35 tahun, nilai kerja 5.

Langkah Kerja

Buka software SPSS, klik variable view dan tentukan nama variabel yang meliputi divisi, jabatan, didik, kinerja, usia dan gaji seperti berikut:

Definisikan kategori pada tiap-tiap variabel (divisi, jabatan dan pendidikan) ke dalam bentuk angka sesuai dengan keterangan pada studi kasus dengan cara mengklik values pada masing-masing variabel.

Setelah selesai mengkategorikan semua variabel, masukkan data pada studi kasus kedalam SPSS pada data view.

Kemudian lakukan pengkategorian dalam bentuk variabel dummy 0 dan 1, pada variabel divisi dengan menjadikan divisi penerbangan = 1 sebagai reference category. Klik menu Transform > Recode Into Different Variables, tentukan nama variabel dummy yang baru, kemudian klik old and new values, lakukan seperti gambar dibawah ini.

Lakukan ulang langkah ke empat pada kategori selanjutnya (3 sampai dengan 10) pada variabel divisi demikian halnya dengan variabel jabatan dan didik disesuaikan dengan jumlah kategori pada studi kasus.
Setelah selesai melakukan pengkategorian maka akan muncul variabel dummy yang baru sebanyak 15 variabel pada tabel, kemudian lakukan pengujian regresi dengan cara mengklik menu analyze > regression > linear sehingga muncul kotak linear regression, masukkan variabel gaji pada kolom dependent lalu masukkan semua variabel (kecuali divisi, jabatan dan didik) pada kolom independent, pilih method “stepwise” seperti terlihat pada gambar berikut :

Klik button statistics, beri tanda check list pada bagian estimates, covariance matrix, model fit, collinearity diagnostics, durbin-watson.

Klik Continue, kemudian klik button plots sehingga akan muncul kotak dialog linear regression: plots, lalu pindahkan *SRESID pada kolom Y dan *ZPRED pada kolom X, beri tanda ceklis pada normal probability plot.

Klik Continue, kemudian klik button save, pada kotak dialog linear regression: save, beri tanda ceklis pada unstandardized di bagian residuals.

Klik Continue, kemudian klik OK sehingga diperoleh output.
Lakukan uji normalitas dengan cara mengklik analyze > descriptive statistics > explore kemudian pindahkan variabel unstandardized residual [RES_1] ke kolom dependent list seperti terlihat pada gambar dibawah ini.