[Pembahasan] Analisis Regresi dengan Variabel Dummy dengan SPSS

Pada postingan kali ini saya akan menjelaskan hasil output dari analisis regresi berganda dengan variabel dummy menggunakan software SPSS untuk memprediksi besarnya nilai variabel dependen atas dasar satu atau lebih variabel bebas/independen, di mana satu atau lebih variabel bebas yang digunakan bersifat dummy. 

Berdasarkan kasus pada postingan sebelumnya, akan dilakukan pencarian model regresi dan pengujian asumsi serta memperkirakan perhitungan gaji yang harus dibayarkan oleh perusahaan kepada karyawan penerima keputusan PHK atas dasar variabel kinerja, usia dan variabel dummy yang meliputi variabel divisi, jabatan dan tingkat pendidikan.

1) Uji Overall

Untuk melihat hasil analisis, pertama akan dilakukan identifikasi kesesuaian model dengan menggunakan uji simultan (uji overall) pada output tabel anova. Adapun hasil output uji overall dapat dilihat pada gambar berikut :

Dari hasil output pada gambar diatas, dapat dilakukan analisis untuk mengetahui kesesuaian model dengan menggunakan pengujian hipotesis sebagai berikut :

Hipotesis

H₀ : β₁ = β₂ = β₃ = β₄ = ... = β₁₁ = 0               ( Model tidak sesuai )

H_{1 :}  Minimal ada satu β_i ≠ 0, i =1,2,...,11          (Model sesuai )

Tingkat signifikansi

α = 0,05

Daerah kritis

Sig < α (Tolak H₀)

Statistik Uji

Sig = 0,000

Keputusan

0,000 < 0,05

Sig < α (Tolak H₀)

Kesimpulan

Dengan menggunakan tingkat kepercayaan 95% data yang ada menolak H₀ yakni nilai Sig < α yang berarti menunjukkan bahwa model sesuai

2) Uji Parsial

Setelah dilakukan uji overall, kemudian dilakukan identifikasi pada variabel yang signifikan dengan menggunakan analisis uji parsial. Dalam hal ini digunakan analisis regresi dengan metode stepwise pada SPSS, sehingga langsung didapatkan model regresi yang signifikan, variabel yang tidak signifikan akan dikeluarkan secara otomatis dari model. Hasil output model dapat dilihat pada tabel coefficients pada gambar berikut :

Dari output diatas, selanjutnya dipilih model yang signifikan dengan cara melihat nilai p-value pada kolom sig. Variabel yang signifikan adalah variabel yang memiliki nilai p-value kurang dari alfa (α), dalam hal ini nilai alfa yang digunakan adalah 0,05. Dari tabel output, digunakan model 11 karena jumlah variabel yang signifikan lebih banyak bila dibandingkan dengan variabel yang lain. Variabel signifikan menunjukkan variabel yang paling berpengaruh terhadap perhitungan gaji karyawan.

Dengan demikian dapat dituliskan pengujian hipotesisnya secara satu persatu sebagai berikut :

Pengujian hipotesis terhadap β0 (Konstanta/Intersep)

Hipotesis

H0 : β0 = 0           ( Semua nilai Y dapat dijelaskan oleh X)

H1 : β0 ≠ 0           (Ada nilai Y yang tidak dapat dijelaskan oleh X)

Tingkat signifikansi

α = 0,05

Daerah kritis

Sig < α (Tolak H0)

Statistik Uji

Sig = 0,000

Keputusan

0,000 < 0,05

Sig < α (Tolak H0)

Kesimpulan

Dengan menggunakan tingkat kepercayaan 95% data yang ada menolak H0 (nilai Sig < α) yang berarti bahwa ada nilai Y yang tidak dapat dijelaskan oleh nilai X.

Pengujian hipotesis terhadap β1 (Kinerja)

Hipotesis

H0 : β1 = 0           ( X1 tidak berpengaruh terhadap Y)

H1 : β1 ≠ 0           ( X1 berpengaruh terhadap Y)

Tingkat signifikansi

α = 0,05

Daerah kritis

Sig < α (Tolak H0)

Statistik Uji

Sig = 0,018

Keputusan

0,018 < 0,05

Sig < α (Tolak H0)

Kesimpulan

Dengan menggunakan tingkat kepercayaan 95% data yang ada menolak H0 (nilai Sig < α) yang berarti bahwa besarnya kinerja berpengaruh secara signifikan terhadap perhitungan gaji karyawan

Pengujian hipotesis terhadap β2 (Variabel dummy divisi personalia)

Hipotesis

H0 : β1 = 0           ( X1 tidak berpengaruh terhadap Y)

H1 : β1 ≠ 0           ( X1 berpengaruh terhadap Y)

Tingkat signifikansi

α = 0,05

Daerah kritis

Sig < α (Tolak H0)

Statistik Uji

Sig = 0,000

Keputusan

0,000 < 0,05

Sig < α (Tolak H0)

Kesimpulan

Dengan menggunakan tingkat kepercayaan 95% data yang ada menolak H0 (nilai Sig < α) yang berarti bahwa besarnya variabel dummy pada divisi personalia berpengaruh secara signifikan terhadap perhitungan gaji karyawan

Pengujian hipotesis terhadap β3 (Variabel dummy jabatan staff divisi)

Hipotesis

H0 : β1 = 0           ( X1 tidak berpengaruh terhadap Y)

H1 : β1 ≠ 0           ( X1 berpengaruh terhadap Y)

Tingkat signifikansi

α = 0,05

Daerah kritis

Sig < α (Tolak H0)

Statistik Uji

Sig = 0,000

Keputusan

0,000 < 0,05

Sig < α (Tolak H0)

Kesimpulan

Dengan menggunakan tingkat kepercayaan 95% data yang ada menolak H0 (nilai Sig < α) yang berarti bahwa besarnya variabel dummy pada jabatan staff divisi berpengaruh secara signifikan terhadap perhitungan gaji karyawan

Pengujian hipotesis terhadap β4 (Variabel dummy jabatan office boy)

Hipotesis

H0 : β1 = 0           ( X1 tidak berpengaruh terhadap Y)

H1 : β1 ≠ 0           ( X1 berpengaruh terhadap Y)

Tingkat signifikansi

α = 0,05

Daerah kritis

Sig < α (Tolak H0)

Statistik Uji

Sig = 0,000

Keputusan

0,000 < 0,05

Sig < α (Tolak H0)

Kesimpulan

Dengan menggunakan tingkat kepercayaan 95% data yang ada menolak H0 (nilai Sig < α) yang berarti bahwa besarnya variabel dummy pada jabatan office boy berpengaruh secara signifikan terhadap perhitungan gaji karyawan

Pengujian hipotesis terhadap β5 (Variabel dummy pendidikan S1)

Hipotesis

H0 : β1 = 0           ( X1 tidak berpengaruh terhadap Y)

H1 : β1 ≠ 0           ( X1 berpengaruh terhadap Y)

Tingkat signifikansi

α = 0,05

Daerah kritis

Sig < α (Tolak H0)

Statistik Uji

Sig = 0,001

Keputusan

0,001 < 0,05

Sig < α (Tolak H0)

Kesimpulan

Dengan menggunakan tingkat kepercayaan 95% data yang ada menolak H0 (nilai Sig < α) yang berarti bahwa besarnya variabel dummy pada pendidikan S1 berpengaruh secara signifikan terhadap perhitungan gaji karyawan

Pengujian hipotesis terhadap β5 (Variabel dummy pendidikan D3)

Hipotesis

H0 : β1 = 0           ( X1 tidak berpengaruh terhadap Y)

H1 : β1 ≠ 0           ( X1 berpengaruh terhadap Y)

Tingkat signifikansi

α = 0,05

Daerah kritis

Sig < α (Tolak H0)

Statistik Uji

Sig = 0,000

Keputusan

0,000 < 0,05

Sig < α (Tolak H0)

Kesimpulan

Dengan menggunakan tingkat kepercayaan 95% data yang ada menolak H0 (nilai Sig < α) yang berarti bahwa besarnya variabel dummy pada pendidikan D3 berpengaruh secara signifikan terhadap perhitungan gaji karyawan

Pengujian hipotesis terhadap β5 (Variabel dummy pendidikan D3)

Hipotesis

H0 : β1 = 0           ( X1 tidak berpengaruh terhadap Y)

H1 : β1 ≠ 0           ( X1 berpengaruh terhadap Y)

Tingkat signifikansi

α = 0,05

Daerah kritis

Sig < α (Tolak H0)

Statistik Uji

Sig = 0,000

Keputusan

0,000 < 0,05

Sig < α (Tolak H0)

Kesimpulan

Dengan menggunakan tingkat kepercayaan 95% data yang ada menolak H0 (nilai Sig < α) yang berarti bahwa besarnya variabel dummy pada pendidikan SMA/Sederajat berpengaruh secara signifikan terhadap perhitungan gaji karyawan

3) Model

Pada model 11 dapat diketahui bahwa variabel yang signifikan adalah kinerja dan beberapa variabel dummy diantaranya d3_divisi (divisi personalia), d2_jabatan (staff divisi), d3_jabatan(office boy), d1_didik (S1), d2_didik (D3) dan d3_didik (SMA/Sederajat). Adapun koefisien pada persamaan regresi dapat dilihat pada kolom B, dari output diatas diperoleh koefisien: 

b0 = 400,360  

b1 = 11,990

b2 = 77,273

b3 = -84,227

b4 = -135,261 

b5 = -80,828

b6 = -131,755 

b7 = -181,849

Sehingga diperoleh persamaan regresinya :

Ŷ = 400,360 + 11,990X1 + 77,273d1 – 84,227d2 – 135,261d3 – 80,828d4 – 131,755d5 -181,849d6 

atau dapat dituliskan :

Gaji = 400,360 + 11,990Kinerja + 77,273Personalia – 84,227Staff divisi – 135,261Office boy – 80,828 S1 – 131,755 D3 -181,849 SMA/Sederajat

Dari persamaan diatas, maka dapat diperkiraan besarnya gaji yang harus dibayarkan oleh perusahaan apabila terdapat seorang karyawan calon PHK, bekerja pada divisi pemasaran, dengan jabatan sekretaris divisi, tingkat pendidikan S1, usia 35 tahun, nilai kerja 5 dengan perhitungan sebagai berikut :

Gaji = 400,360 + 11,990(5) + 77,273(0) – 84,227(0)– 135,261(0) – 80,828 (1) – 131,755 (0) -181,849 (0)

Gaji = 400,360 + 59,95 - 80,828

Gaji = $379,482

Selanjutnya setelah melakukan uji parsial, dapat dilihat besarnya koefisien determinasi (R²) yakni dengan cara melihat output pada model summary seperti terlihat pada gambar berikut :

Gambar diatas menampilkan besarnya nilai R square (koefisien determinasi). Pada analisis regresi berganda, nilai koefisien determinasi yang digunakan adalah Adjusted R Square. Berdasarkan tabel model summary diatas, besarnya nilai Adjusted R square untuk model 11 adalah sebesar 0,797, yang menunjukkan 79,7% variabel dependen (gaji) dapat dijelaskan oleh 7 (tiga) variabel independen yakni meliputi kinerja dan beberapa variabel dummy diantaranya d3_divisi (divisi personalia), d2_jabatan (staff divisi), d3_jabatan(office boy), d1_didik (S1), d2_didik (D3) dan d3_didik (SMA/Sederajat), sedangkan sisanya 30,3% dijelaskan oleh variabel lain.

Demikian postingan kali ini, semoga bermanfaat dan selamat tahun baru 2018 :) 

• Twitter
• Facebook
• Google
• Tumblr
• Pinterest