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.
- Klik button plots, kemudian beri tanda ceklis pada bagian normality plots with tests.
- Klik continue kemudian klik OK untuk melihat hasil output.
Demikian postingan kali ini, untuk pembahasan tunggu postingan berikutnya, terimakasih sudah berkunjung, semoga bermanfaat :)
Happy Weekend
1 comments:
Write commentsOlah Data SPSS, AMOS, LISREL
ReplyEVIEWS, SMARTPLS, GRETL, STATA, MINITAB dan DEAP 2.1
WhatsApp : +6285227746673
IG : @olahdatasemarang
:) :( hihi :-) :D =D :-d ;( ;-( @-) :P :o -_- (o) :p :-? (p) :-s (m) 8-) :-t :-b b-( :-# =p~ $-) (y) (f) x-) (k) (h) cheer lol rock angry @@ :ng pin poop :* :v 100