Regresi Linier tidak hanya terbatas digunakan untuk memodelkan hubungan dimana variabel bebas (X) bertipe data interval atau rasio saja. Regresi linier juga memungkinkan bila digunakan untuk melakukan analisis data bila variabel bebasnya (X) bertipe data nominal. Teknik semacam ini dikenal dengan nama regresi variabel dummy.
Contoh kasus:
Seorang peneliti tertarik untuk memprediksi laba 2 macam perusahaan (swasta asing dan swasta nasional) bila ditinjau dari besarnya biaya iklan yang dikeluarkan oleh perusahaan untuk membuat iklan mengenai produknya. (Untuk perusahaan swasta asing, laba yang diamati adalah laba yang diperoleh dari hasil penjualan produknya di wilayah Indonesia saja.)
Kasus semacam ini dapat diselesaikan dengan metode regresi menggunakan variabel dummy. Hanya saja yang perlu diperhatikan adalah teknik menyusun variabel dummy dalam analisis regresinya.
Dari contoh kasus di atas, variabel respon (Y) adalah Laba perusahaan, variabel bebas (X) adalah biaya iklan, sedangkan variabel dummy-nya adalah tipe perusahaan, yaitu swasta asing dan swasta nasonal. Kita sebut terdapat 2 tipe/kategori perusahaan.
Untuk menyusun variabel dummy-nya, maka kita perlu menentukan terlebih dahulu banyaknya variabel dummy yang digunakan. Banyaknya variabel dummy yang digunakan adalah sebanyak kategori dikurangi satu.
Rumus: banyaknya var dummy = banyaknya kategori – 1.
Dalam kasus kita di atas, maka banyaknya variabel dummy adalah = 2-1 = 1 buah.
Misalkan jika perusahaan swasta asing dilambangkan dengan angka 1, sedangkan swasta nasional 0,
maka kita dapat menyusun tabel datanya sebagai berikut:
“Contoh tabulasi data dapat dilihat pada file upload:”
(Contoh kasus analisis regresi dengan variabel dummy)
Kolom ‘tipe’ merupakan variabel dummy.
Perhatikan bahwa pengamatan ke-1 didapat dari perusahaan swasta asing, sedangkan pengamatan yang ke-2 didapat dari swasta nasional.
Nah, dari sini Anda sudah dapat melakukan analisis regresi menggunakan variabel dummy berdasarkan model regresi:
Laba = b0 + b1*Iklan + b2*tipe + error.
JIka koefisien b2 signifikan secara statistika, maka ini adalah bukti
bahwa rata-rata laba perusahaan swasta asing yang melakukan pembiayaan iklan untuk produknya berbeda secara nyata dengan perusahaan swasta nasional yang juga melakukan pembiayaan untuk membuat iklan.
*Output hasil analisis data di atas dapat didownload dengan meng-klik kanan tulisan bergaris bawah biru di bawah ini, kemudian pilih ‘Save Link As’.
FORUM STATISTIKA 
Saya sdg melakukan penelitian ttg “perilaku petani thd risko & dampaknya thd efisiensi produksi…”. Saya menggunakan variabel dummy u/ perilaku thd risiko. berani menanggung risiko=1 netral thd risko=0.
Model: ET = a + boD +e
Tnyata hsl analisis menunjukkan R square hanya 0,7%. Kira2 kalo saya mau cari dampak perilaku petani thd efisiensi produksi, model yg baik spt apa???
Tlg di jwab ya… Coz lg ditunggu dead line Thanks
Thanx dah mau gabung..
Untuk menentukan model mana yang terbaik, seorang peneliti perlu mempelajari konsep dasar dari apa yang diteliti. kalo saya ditanya tentang model yang baik, jujur saya tidak tahu, karena saya tidak tahu konsep penelitiannya. Karena seorang statistikawan tidak dipersiapkan untuk menentukan model. Justru si peneliti yang lebih tau.
Nilai R-sq yang sebesar 0.7% berarti bahwa model yang dipakai hanya mampu menjelaskan fenomena data sebesar 0.7%, sisanya yang sebesar 99.3% tidak dapat dijelaskan. Hal ini biasanya disebabkan karena peneliti tidak memasukkan satu atau beberapa variabel berpengaruh, yang seharusnya dimasukkan karena sangat mempengaruhi efisiensi produksi.
Oh ya, ada istilah yang lebih tepat digunakan bila variabel bebas yang digunakan hanya lah variabel dummy, yaitu Analisis Of Variance (ANOVA).
Jadi, coba cek di dasar teori, apakah ada variabel lain yang belum dimasukkan…. 🙂
Assalamuakaikum, mas aq mau nanya…,di regresi variabel dummy kalo mau menentukan model terbaik apa sama dengan regresi linier?trus saya minta tolong ya tambahin penjelasan buat regresi dengan variabel dummy ini, trus kasus yang sederhana misalnya apa??yang saya tahu codingnya kan 1 dan 0, trus gimana kalo ada 3 tipe variabel??trimakasih ya………
Jawaban untuk ancas-14 Nov 2007-11:06 pm
Waalaikumsalam. Terima kasih dah mau gabung.
1. sejauh yang saya tau, penentuan model terbaik untuk regresi dengan variabel dummy juga sama dengan regresi linier biasa.
2. Penjelasan yang seperti apa yang ingin ditambahkan?Bisa lebih spesifik?
3. Coding untuk dummy variabel yang paling sering digunakan adalah 1 dan 0. Metode ini dapat digunakan tidak terbatas hanya untuk coding bagi 2 kategori saja, bahkan seratus kategori juga bisa,hehe. Banyaknya dummy yang bisa digunakan adalah = banyaknya kategori-1.
Contoh: kategori = 3 macam, misal alat transportasi: becak, sepedamotor, mobil.
Maka banyaknya var Dummy yang bisa digunakan adalah = 2.
Misal, observasi 1 adalah becak, observasi 2 adalah mobil, sedangkan observasi 3 adlah spdmotor, dan observasi 4 adalah mobil. Penyusunan variabel dummy sbb:
Misal ‘becak’ dianggap sebagai kategori dasar
Dummy1 = D1 : bernilai 1 jika ‘sepedamotor’, bernilai 0 jika bukan ‘sepedamotor’
Dummy2 = D2 : bernilai 1 jika ‘mobil’, bernilai 0 jika bukan mobil
Susunannya adalah:
No. D1 D2
1. 0 0
2. 0 1
3. 1 0
4. 0 1
dst….
Perhatikan bahwa observasi pertama berisi angka nol semua, karena observasi pertama adalah becak. Tidak memiliki variabel dummy karena becak kita anggap sebagai kategori dasar. Kategori dasar biasanya dilambangkan dengan angka nol semua. Penentuan kategori mana yang dijadikan kategori dasar, sepenuhnya tergantung peneliti.
Observasi kedua, pada kolom D1 berisi angka nol, karena obs 2 adalah mobil,sedangkan kita tahu bahwa D1 adalah kategori untuk sepeda motor. Pada D2, barulah kita mengisi dengan angka 1 karena obs 2 adalah mobil
Obs 3, pada kolom D1 berisi angka 1, karena obs 3 adalah spdmotor, sedangkan pada kolom D2, berisi angka nol, karena kolom D2 merupakan kategori mobil.
dst….
Semoga bisa membantu….
🙂
tanya…
saya buat penelitian tentang pengaruh komitmen organisasi terhadap turnover intention yang DIMODERASI oleh karakteristik individu…
itu pake statistik apa???
pake variabel dummy bisa???
kalo bisa gimana cara kerjanya???
trims
mo nanya….
kalo penelitian pake variabel independen, dependen ditambah variabel moderasi itu pake model analisis apa ya…
reresi linier berganda???
pake variabel dummy bisa ga???
ato ada model statistik yang laen???
n kalo mo beli buku statistik…yang tepat ma masalah saya ni pake bukunya sapa ya???
trims….
Jawaban untuk ebong44
Berdasarkan pengalaman saya, metode yang tepat adalah MODERATED REGRESSION ANALYSIS (MRA). Metode ini masih termasuk dalam regresi linier. Tidak terlalu susah-susah amat kok (aamiin), heheh.
Buku untuk MRA pastinya banyak sekali. Biasanya, MRA banyak dipake di bidang manajemen, ekonomi, dll. Sebelum beli buku, coba searching di Google: MODERATED REGRESSION ANALYSIS + PDF
🙂
#5
Saya sedang meneliti pengaruh tiga variabel X pada satu variabel Y. Analisis statistika apa yang tepat untuk digunakan. Terima Kasih atas bantuannya.
Jawaban untuk #5
Sayang sekali Eka tidak menyebutkan variabel nya secara jelas, misalnya tipe data, latar belakang masalah dan sebagainya. Namun, sepanjang pengalaman saya, metode yang digunakan untuk menganalisis pengaruh suatu variabel x terhadap variabel y adalah regresi. Tentu saja, metode regresi yang mana yang digunakan tergantung dari tipe datanya. Apabila data y bertipe interval atau rasio, sedangkan x bertipe interval atau rasio, maka cukup menggunakan regresi linier.
🙂
#6
assalamualaikum…mas aku mau tanya di regresi variabel dummy..memang tidak menggunakan asumsi klasik yaitu normalitas ya,mengapa?trus apakah hanya bisa digunakan metode analisis Ancova di dalam SPSS…terima kasih atas jawabannya….Wassalam
#7
Assalamualaikum…mas saya sedang meneliti pengaruh 2 variabel X tetapi salah satunya dengan variabel dummy terhadap variabel Y.Analisis statistik apa yang tepat saya pakai.terima kasih atas jawabannya..
#8
ass..
mas, saya minta bantuan boleh ga?
gini mas saya dapet tugas analisis regresi…tugasnya itu kita disuruh analisis data dengan regresi. masalahnya itu saya belum dapet data…kira-kira mas ada data yang bisa saya pakai untuk analisis ini…atau kira-kira ada saran ga dimana bisa dapet data…
makasih ya
Respon untuk #6 dan #7
1. Metode analisis yang tepat dilakukan untuk variabel yang mengikutsertakan sebuah variabel dummy pada konsep regresi adalah Analisis Regresi dengan Variabel Dummy.
2. Uji asumsi normalitas TETAP DILAKUKAN untuk metode Analisis Regresi dengan variabel dummy.
Alasannya, regresi dengan variabel dummy juga termasuk dalam metode MODEL LINIER, dimana model linier
memiliki asumsi, salah satunya adalah normalitas error.
Ingat, yang digunakan untuk uji normalitas saat melakukan uji diagnostik pada regresi (termasuk regresi dengan variabel dummy) adalah residualnya, bukan datanya.
3. Saya kurang paham dengan pertanyaan kedua pada komentar #6.
Mungkin Anda bertanya ‘apakah regresi dengan variabel dummy pada SPSS hanya bisa dilakukan dengan ANCOVA?’
Sebenarnya ANCOVA dan regresi var dummy memiliki tujuan yang sama yaitu sama-sama ingin memeperkecil error (kesalahan dalam pendugaan parameter) dengan cara mengikutsertakan satu (atau lebih) variabel pengiring (concomitant variabel).
Misalnya, kita punya variabel respon Y (berisi data interval atau rasio), variabel X1 (berisi data interval atau rasio) dan variabel X2 (berisi data nominal atau kategori).
Nah bedanya, pada ANCOVA, concomitant variabel adalah X1, sedangkan pada regresi dengan variabel dummy, variabel concomitant-nya adalah X2.
Untuk melakukan analisis menggunakan regresi dengan variabel dummy pada SPSS, masuk ke menu Analyze> Regression. Perlu diperhatikan, pada model regresi, variabel dummy dianggap sebagai variabel bebas. Dengan demikian, variabel dummy dimasukkan ke dalam Dialogue Box: Independent(s).
Respon untuk #8
Sebenarnya ada banyak buku2 statistika yang menyediakan data.
Kalopun gak ketemu, coba cari di internet pake google:
regression + data + examples
Ato, dini bisa cari data sepuasnya di perpustakaan BPS di kotamu. Di sana ada banyak sekali literatur berisi data.
#9
mas, nanya ich..
gimana caranya menguji normalitas eror pada regresi dengan variabel dummy??
pake SPSS nih..
trus cara membahasnya gimana?
Respon untuk #9
Yang perlu diperhatikan adalah bahwa pengujian asumsi normalitas error pada regresi linier maupun regresi linier dengan variabel dummy adalah SAMA.
Langkah-langkah yang perlu dilakukan:
1. Lakukan analisis regresi sesuai model regresi yang Anda gunakan, sebelumnya pada pilihan ‘Save’, centang untuk kolom residuals, pilih yang ‘unstandardized’. Klik OK dan OK lagi.
3. Lihat pada ‘Data View’. Di sana akan muncul kolom baru dengan nama RES_1 (kalo gak salah, soalnya skr jarang pake SPSS)
4. Masuk ke: Analyze > Nonparametric..> 1-sample K-S
5. Masukkan kolom RES_1 ke dialog box kanan. Klik OK
6. Lihatlah outputnya, kalo Asymp. Sig. (2-tail) lebih besar ato samadengan 0.05 (ato nilai taraf nyata yang lain), maka simpulkan bahwa error menyebar normal.
Hipotesis:
H0: Error menyebar normal
H1: Error tidak menyebar normal.
Jadi, kesimpulan harus TERIMA H0 untuk menyimpulkan bahwa error menyebar normal.
🙂
#10
Assalamu’alaykum wr.wb
membaca tulisan mas sangat tertarik banget untuk ikut mengembangkan variabel dummy dalam TA saya. boleh kirim no hp ke email saya. Dan kira-kira aplikasi kasus apalagi ya?yang bisa menggunakan variabel dummy yang belum pernah diteliti orang lain.
terima kasih
waslm
ita nurmala
Respon untuk #10
Banyak sekali kasus yang bisa diselesaikan dengan variabel dummy. Biasanya pada kasus-kasus sosial.
🙂
#11
Ass.wr.wb….
Wah merupakan suatu anugrah saya dapat informasi dr website ini…mas saya minta toloong donk saat ini saya lagi menyusun tesis n dosen saya minta dimasukkan variabel dummy sedangkan saya sudah lama tidak belajar ttg statistik lagi, mohon bantuannya. judul yang saya ambil “Analisis Hubungan Antara Pendidikan, Pelatihan dan Komptensi dengan Kinerja Pegawai”…saya amat sangat mohon bantuannya …kl dgn variabel dummy indikator apa yg hrs dihitung…Terima kasih
#12
mas, saya ada beberapa pertanyaan yg berhubungan dgn dummy variable
I. bagaimana cara mengolah dummy varibel seperti demografi dgn regressi analysis? (saya sudah coba mencari referensi hanya saja terlalu membingungkan)
Dalam demografi, yang saya tanyakan adalah :
1. Jenis kelamin
2. Usia
3. Pekerjaan
4. Wilayah tempat tinggal
Bisa tolong jelaskan secara sederhana cara dan langkah-langkah analisisnya?
Thanks a lot y buat bantuannya>>>
^^
Tolong y Mas…
thank u
#13
Mas mau nanya, kalo pake variabel dummy kan ada yg namanya dummy trap (jebakan dummy). nah tu cara menghindarinya dimana?? kan katanya bisa menimbulkan masalah kolinearitas. Thanks for the help
Respon untuk #11
1. Wah, sayang sekali, Anda tidak memberitahukan variabel mana yang hendak dijadikan variabel dummy. Apakah variabel pendidikan? Kalo ya, kategori atau tingkatan/jenjang pendidikannya apa saja? Kalo bukan, yang mana?
2. Intinya, variabel yang dijadikan variabel dummy itu adalah variabel yang memiliki kategori-kategori, atau dapat dikategorikan. Saya kurang tahu, dari empat variabel yang Anda teliti, mana yang berisi kategori, atau mana yang mau dikategorikan.
3. Saya kurang jelas dengan pertanyaan “kl dgn variabel dummy indikator apa yg hrs dihitung…?
Apakah Anda menggunakan kuesioner? Bagaimana bentuk kuesionernya? Coba baca dulu tulisan saya tentang variabel dummy.
4. Silahkan ajukan pertanyaan lagi setelah Anda membuatnya dengan lebih jelas biar saya tidak salah tafsir. Kalo perlu, tulis model regresinya. Saya tunggu…………
🙂
Respon untuk #12
Respon untuk Chika
Oh, gitu ta, gampang kok Chika. Langkah-langkah yang perlu dilakukan:
Saya ambil 1 variabel dari kasus Chika sebagai contoh ya. Untuk variabel2 yang lain, langkah2nya sama kok. OK. Kita “urus” variabel jenis kelamin. Hehe
1. Saya asumsikan kategori pada variabel jenis kelamin ada 2, yaitu Laki-laki dan perempuan. (Tentu saja, contoh ini perlu disesuaikan kalo Chika memasukkan kategori banci dalam var jenis kelamin. hehehe, becanda…)
2. Untuk menentukan seberapa banyak variabel dummy yang dibutuhkan untuk variabel jenis kelamin, rumusnya adalah:
banyaknya_dummy = banyaknya_kategori – 1 = 2 – 1 = 1.
Jadi kita hanya perlu 1 variabel dummy untuk var jenis kelamin. Beri nama misalnya JK.
3. Untuk setiap responden (setiap baris pada tabel data Anda), apabila responden 1 (baris1) berjenis kelamin laki-laki, beri angka 1 pada kolom JK baris ke-1, atau angka 0 untuk perempuan. Dst…. Perlu diperhatikan, pemberian angka 1 atau 0 disesuaikan dengan kasus penelitian. Misal, kasus Anda ingin mengetahui perbedaan gaji untuk laki-laki dan perempuan pada model regresi Anda, sedangkan laki-laki diasumsikan memiliki gaji yang lebih tinggi dari perempuan, maka laki-laki sebaiknya dilambangkan dengan angka 1, sedangkan perempuan angka 0. Sehingga, perempuan disebut sebagai kategori dasar.
4. Kalo proses ini sudah selesai, lakukan analisis regresi seperti biasa, dimana variabel dummy dimasukkan sebagai variabel independen.
Sekarang, untuk membentuk variabel dummy pada variabel usia, langkah2nya:
1. Buat pengkategorian usia responden. Misal, usia 0-11th = anak-anak, 11-19th = remaja, 19-27th=dewasa, 27-40th=matang, 40-100th=tua. Jadi, ada 5 kategori usia. Chika boleh membuat pengkategorian yang berbeda dari contoh ini. Sesuaikan dengan kasus Anda.
2. Banyaknya var_dummy = 5-1 = 4
3. Buat 4 kolom, masing-masing dengan nama, contoh: USIA1, USIA2, USIA3 dan USIA4. Misalkan, kategori dasar adalah kategori usia anak-anak. USIA1 = kategori remaja, …, USIA4 = kategori tua.
4. Misal, responden pertama (baris ke-1) adalah remaja (11-19th), maka pada baris 1 kolom USIA1, beri angka 1. Sedangkan untuk kolom yang lain pada baris 1, beri angka 0. Lanjutkan ke responden dua, jika responden 2 adalah tua, maka pada kolom USIA4 baris ke-2, beri angka 1. Baris ke-2 untuk kolom selain USIA4 beri angka 0. Dst…
5. Perhatikan bahwa untuk baris-baris, baik pada kolom USIA1, USIA2, USIA3 dan USIA4 berisi angka 0 semua, maka baris tsb merupakan responden yang termasuk pada kategori anak-anak.
6. Apabila proses diatas telah selesai dilakukan, maka lanjutkan dengan analisis regresi seperti biasa.
Nah, gampang khan?
🙂
Respon untuk #13
Pertanyaan yang bagus….
Hal yang patut dihindari dalam penggunaan variabel dummy adalah DUMMY TRAP (jebakan dummy). Dummy trap dapat menimbulkan multikolinieritas sempurna.
Dummy trap terjadi dalam contoh kasus sbg berikut:
Misal kita ingin membuat var dummy dari var jenis kelamin. Terdapat 2 buah kategori. yaitu laki-laki dan perempuan. Akan terjadi dummy trap jika peneliti membentuk 2 buah var dummy untuk jenis kelamin, yaitu misal D1 untuk dummy laki-laki, sedangkan D2 untuk dummy perempuan.
Untuk menghindarinya, dalam kasus ini peneliti TIDAK BOLEH membentuk 2 buah variabel dummy. Seharusnya, peneliti hanya membentuk 1 buah variabel dummy, yaitu misal var D.
Untuk menentukan berapa banyak variabel dummy yang diperlukan, rumusnya adalah:
banyaknya_dummy = banyaknya_kategori – 1.
Pingin tau contoh penerapan coba baca “respon untuk #12” (Kasusnya Chika). Atau baca tulisan sederhana saya tentang penerapan variabel dummy pada regresi.
🙂
.
#14
Mas Deny, thanks 4 the kindness help… ^^
Ntar kalo gak ngerti tanya lagi y.. ^^
Oh iy, OLS itu sama dengan simple linear regression?
Tengkiu
Respon untuk #14
Menurut pemahaman saya, kurang tepat kalo menyebut OLS sebagai regresi linier (baik itu simple maupun multiple). Walaupun kedua istilah ini sangat erat hubungannya.
Kalo kita analogkan dengan sebuah alat transportasi, misalnya mobil, maka regresi linier adalah sebuah mobil, sedangkan OLS adalah mesin yang menggerakkan mobil tersebut. Jadi, OLS itu sendiri bukanlah regresi linier, akan tetapi suatu metode yang digunakan oleh regresi linier untuk melakukan pendugaan parameter model regresi linier.
🙂
#15
ass..saya mau bertanya bagaimana cara mengerjakan kasus analisis regresi dummy menggunakan program SPSS atau SAS
Respon untuk #15
Wa’alaikum salam
1. Sebenarnya, cara mengerjakan analisis data dengan menggunakan software yang berbeda boleh dikatakan mirip. Mungkin kita hanya perlu mempelajari “karakteristik” dari software yang kita gunakan. Saya ambil contoh untuk SPSS. Pada SPSS, melakukan analisis regresi dengan variabel dummy sama persis dengan cara mengerjakan analisis regresi linier biasa. Yaitu, variabel dummy dimasukkan ke dalam dialog box independent variabel.
2. Mohon maaf, untuk langkah detail analisis data menggunakan SPSS, SAS atau yang lainnya, FORUM STATISTIKA tidak dapat menyediakannya. Hal ini karena FORUM STATISTIKA hanya menggunakan software berlisensi GPL, yaitu R software.
🙂
#16
ass….mas deni,,,fitria mau tanya ttg masalah da
dalam tugas akhirku…
aku meneliti ttg beberapa faktor yang mempenga-
ruhi audit delay (topik dalam accounting)…
dalam 6 variabel independen,ada 3 yang merupa-
kan dummy. tadinya saya menyusun persamaan be-
rikut:
audit delay=c+ B1(tot.aktv)+ B2(proporsi
sediaan)+ B3(rugi)+ B4(risiko finansial)+
B5(tipe auditor)+ B6 (tipe opini audit).
yang menjadi variabel dummy adalah
rugi, tipe auditor, dan tipe opini audit.
menurut mas deni,,,,apa benar persamaan regresi
yang saya buat??
thanks before ~_^
Respon untuk #16
Yup, model regrersinya SECARA UMUM udah tepat. Tapi perlu diperhatikan, model regresi Anda belum mengakomodasi variabel dummy dalam penulisannya. Menurut saya, model penulisan yang tepat adalah juga memasukkan berapa banyak variabel dummy yang digunakan. Misal Rugi = 2 kategori; tipe_auditor = 3 kategori; tipe_opini = 2 kategori, maka model regresi yang tepat:
audit_delay = c + b1(tot.aktv) + b2(prop.sediaan) + b3(rugi) + b4(risiko finansial) + b5(tipe_auditor_dummy1) + b6(tipe_auditor_dummy2) + b7(tipe_opini) + b8(rugi*tot.aktv) + b9(rugi*prop.sediaan) + b10(rugi*risiko_finansial) + b11(tipe_auditor_dummy1*tot.aktv) + b12(tipe_auditor_dummy1*prp.sediaan) + b13(tipe_auditor_dummy1*ris.finansial) + b14(tipe_auditor_dummy2*tot.aktv) + b15(tipe_auditor_dummy2*prop.sediaan) + b16(tipe_auditor_dummy2*ris.finansial) + b17(tipe_opini*tot.aktv) + b18(tipe_opini*prop.sediaan) + b19(tipe_opini*ris.finansial) + error.
Nah, itu model secara keseluruhan dengan mempertimbangkan interaksi. Coba diskusikan terlebih dahulu dengan dosen pembimbing.
🙂
Respon untuk #16
Yup, model regresinya SECARA UMUM udah tepat. Tapi perlu diperhatikan, model regresi Anda belum mengakomodasi variabel dummy dalam penulisannya. Menurut saya, model penulisan yang tepat adalah juga memasukkan berapa banyak variabel dummy yang digunakan. Misal Rugi = 2 kategori; tipe_auditor = 3 kategori; tipe_opini = 2 kategori, maka model regresi yang tepat:
audit_delay = c + b1(tot.aktv) + b2(prop.sediaan) + b3(rugi) + b4(risiko finansial) + b5(tipe_auditor_dummy1) + b6(tipe_auditor_dummy2) + b7(tipe_opini) + b8(rugi*tot.aktv) + b9(rugi*prop.sediaan) + b10(rugi*risiko_finansial) + b11(tipe_auditor_dummy1*tot.aktv) + b12(tipe_auditor_dummy1*prp.sediaan) + b13(tipe_auditor_dummy1*ris.finansial) + b14(tipe_auditor_dummy2*tot.aktv) + b15(tipe_auditor_dummy2*prop.sediaan) + b16(tipe_auditor_dummy2*ris.finansial) + b17(tipe_opini*tot.aktv) + b18(tipe_opini*prop.sediaan) + b19(tipe_opini*ris.finansial) + error.
Nah, itu model secara keseluruhan dengan mempertimbangkan interaksi. Coba diskusikan terlebih dahulu dengan dosen pembimbing.
🙂
#17
gue skrg lagi nyusun skripsi, tapi gue punya kendala dalam menganalisis datanya. uji yang gue pake yaitu uji asumsi klasik (normalitas, multikoliniearitas, autokorelasi dan heterokedastisitas) dan uji hipotesis menggunakan moderated regression analysis (MRA). masalahnya uji asumsi klasik tidak lolos, yang mau gue tanyakan caranya agar lolos uji asumsi klasik gimana?? gue pernah nanya teman katanya datanya ditransformasikan.. itu maksudnya gimana, truz kalau bisa solusi di aplikasi di SPSS seperti apa?? terima kasih banyak….
#18
mas Deny,
mo nanya kalo analisis regresi dengan dummy perlu gak dilakukan uji asumsi klasik?
Kalo misalnya perlu apa caranya sama seperti dalam regresi linier biasa?
Klo gak perlu punya referensinya gak?
Thanks a lot y
Respon untuk #17
Yup, salah satu cara untuk menanganinya adalah dengan transformasi data. Ada banyak macam cara untuk melakukan transformasi data, tergantung kasus yang dihadapi.
respon #18
1.Perlu, karena proses pendugaan parameter (koefisien) regresi pada regresi dengan variable dummy sama halnya dengan regresi linier biasa.
2.Cara uji asumsi klasik pada regresi dengan variabel dummy juga sama dengan regresi linier biasa.
🙂
mas deny, sy sdg penelitian ttg pengaruh profit margin dan ukuran perusahaan thdp profitabilitas perusahaan…nah yg mjd variabel dummy adl ukuran perusahaan. data sy utk ukrn prshn berdasarkan total asset prsh, yaitu data kuantitatif. jd bgmn utk pengolahan datanya,krn yg sy tau var dummy hny digunakan utk data nominal? bgmn utk pemberian nilai 0 atau 1? ada referensi ga utk penelitian sy ini?
makasiiiiiii yh…
#20
Assalamu’alikum.mas,saya mau tnya apakah semua asumsi bwt anareg linear,jg hrs trpnuhi dlm dummy.jika ada yg dlnggar,apakah model yg ddptkan representatif.thanks..wassalam
#19
ko ga da contoh penyelesaian kasus regresinya sih…???
Respon untuk #19
Untuk contoh penerapan pada analisis regresi dengan var dummy, saya belum sempat membuatnya. Tapi kalo contoh penerapan pada analisis regresi linier yang biasa, saya sudah membuat tulisan dalam bentuk PDF. Coba kunjungi: Tulisan saya di kategori Regresi Linier dan Korelasi > Regresi Linier.
🙂
Respon untuk #20
1. Ya, semua asumsi di reg linier juga harus dipenuhi di reg dummy. Reg dummy sebenarnya adalah regresi linier juga.
2. Kalo ada yang dilanggar, model yang didapat boleh dikatakan tidak representatif.
#21
mas Deny,, pingin tanya,, emm diskusi kli yah lebih tepatnya… apa aja sih keunggulan pemakaian regresi dengan dummy variable dibandingkan pengujian uji-t (1 arah ataupun 2 arah) dalam melakukan pengujian beda rata-rata?? -misalnya untuk uji beda keadaan sebelum (dummy = 0) dan keadaan sesudah (dummy = 1)-. regresi dengan dummy variable itu termasuk multiple regression kan yah?? misal model regresiku : Y = b0 + b1X + b2D,, klo b1 =/ (tidak sama dengan) b2 pada uji overall, dan b2 signifikan pada uji individual, berarti terdapat perbedaan signifikan Y untuk D=0 dan D=1,, kesimpulan terdapat perbedaan pada variabel Y pada keadaan sebelum dan sesudah. tanya: klo gtu,, besarnya nilai b0, b1, dan b2 itu disebut apa yah?? klo menunjukkan pengaruh kok rasanya gk pas?? makasih bgt atas jawabannya..
Respon untuk #21
Ok, good question…
Sebenarnya, kedua metode ini tidak dapat diabandingkan secara eksplisit, karena keduanya tidak berada dalam 1 konsep.
1. Uji-t 2 sampel hanya mampu menguji apakah perbedaan rata-rata dari kedua populasi signifikan atau tidak.
2. Kalo regresi dummy, kita bertujuan untuk memodelkan hubungan antara var Y dengan var-var X apabila terdapat 2 atau lebih pengkategorian. Jelas, ini tidak mampu diakomodasi oleh uji-t 2 sampel.
3. Kalo banyak var X lebih dari satu, disebut multiple regression. Tapi kalo banyaknya var hanya 1, yaitu hanya ada var dummy saja, maka lebih tepat disebut Analysis of Variance. Tapi kalo 1 var X itu bukan dummy, disebut regresi linier sederhana.
4. – Kalo b0 = besarnya nilai rata2 var Y apabila tidak terdapat kontribusi dari var-var X (var-var X bernilai 0).
– b1 = rata-rata kontribusi yang diterima oleh var Y untuk setiap peningkatan 1 satuan var X1, dengan menganggap var X yang lain konstan.
Sebelum membahas b2, dimana b2 signifikan, maka model yang terbentuk untuk kondisi D=1 adalah: Y = (b0+b2) + b1X1. Maka dari sini dapat kita lihat bahwa b2 menambah nilai intersep. Dengan kata lain, intersep untuk kondisi D1 berbeda dari intersep untuk kondisi D=0 sebesar b2. Dengan demikian, akan didapatkan 2 model regresi, satu untuk kondisi D=0 dan lainnya untuk D=1, dimana dalam kasus ini, nilai intersep nya berbeda.
🙂
#22
Assalamu’alaikum..
Mas, saya mhon jawabannya..
Tentang variabel dummy dalam regresi linear.
di salah satu diskusi di atas sebelumnya, mas deny melakukan interaksi antar variabel.
pertanyaanya adalah :
1. apakah interaksi variabel dilakukan jika hanya ada 1 variabel dummy dalam persamaan regresi linear berganda? atau kah interaksi dilakukan jika ada lebih dari 1 variabel dummy?
2. Kemudian ini terkait dengan pembahasan statistik nonparametrik. Bagaimana kita menentukan uji selanjutnya (mengingat terdapat banyak macam alat statistik non parametrik), setelah diketahui hasil dari uji normalitas, distribusi data tidak normal?
3. Pertanyaan terakhir terkait tugas akhir saya. Penelitian saya menguji apakah nilai ERC antara perusahaan A dan perusahaan non-A berbeda secara signifikan.
Perusahaan A dan perusahaan non-A merupakan hasil pengkategorian yang saya jadikan sebagai variabel dummy.
Sedangkan nilai ERC sendiri merupakan koefisien regresi antara variabel bebas UE dengan variabel terikat CAR.
Dan saya juga memasukkan variabel kontrol yang mempengaruhi nilai ERC. ada 2 yaitu MBV dan BETA.
Yang menjadi kebingungan saya adalah dimana saya meletakkan variabel dummynya..
Klo saya menggunakan model seperti ini, apa bisa dikatakan benar??
CAR = a + b1. UE + e
saya mencari nilai koefisien regresi untuk masing2 perusahaan, kemudian hasilnya digunakan untuk persamaan yang kedua, yaitu
ERC = a + b1. PBV + b1. BETA + b3.D1 +e
apakah persamaan di atas sudah tepat? kemudian apa perlu ada interaksi dalam persamaan tersebut?
Kemudian untuk melihat apakah nilai ERC berbeda secara signifikan antara perusahaan A dan perusahaan non A, saya menggunakan uji apa? apakah menggunakan uji t saja sudah tepat? atau kah uji t 2sampel independen?
kemudian jka data tidak terdistribusi dengan normal, saya menggunakan uji apa?
Terima Kasih sebelumnya.. Mohon di jelaskan..
Maaf banyak sekali pertanyaannya…
Respon untuk #22
Waalaikumsalam Waromatullahiwabaraokatuh…
1. Untuk memutuskan apakah perlu dibentuk model dengan interaksi atau tidak, itu tergantung sepenuhnya dari asumsi peneliti mengenai spesifikasi model yang tepat berdasarkan kasus yang diteliti. Namun demikian, pembentukan interaksi dalam konsep regresi linier dengan variabel dummy umum dilakukan, baik ketika kita menggunakan 1 variabel dummy ataupun lebih. Hal ini dilakukan untukmengetahui apakah terdapat perbedaan model regresi dummy yang kita buat pada koefisien selain intersep antara populasi/sampel yang berbeda kategori tersebut. Misal,variabel bebas dan variabel dummy yang kita punya cuma 1, yaitu D, dimana kategori yang ada hanya 2, yaitu laki-laki dan perempuan, dimana laki-laki = 1 dan perempuan = 0, maka model yang dapat kita bentuk:
y = b0 + b1X + b2D + b3(X*D) + e
*Apabila b3 tidak signifikan, sedangkan b2 signifikan, maka model regresi yang kita dapat:
– untuk populasi laki-laki (D=1):
y = b0 + b1X + b2(1) = (b0+b2) + b1X
– untuk populasi perempuan (D=0):
y = b0 + b1X + b2(0) = b0 + b1X
*Apabila b2 dan b3 signifikan:
– MOdel untuk populasi laki-laki:
y = b0 + b1X + b2(1) + b3(X*1) = (b0+b2) + (b1+b3)X
– model untuk populasi perempuan:
y = b0 + b1X + b2(0) + b3(X*0) = b0 + b1X
Dapat kita lihat bahwa koefisien regresi untuk X bagi model populasi laki-laki dan perempuan berbeda.
2. Memang, kelemahan dari statistika nonparametrik adalah terlalu banyak pilihan statistik uji untuk kasus yang sama. Untuk itu, Anda perlu membaca banyak buku nonparametrik. Di dalam buku2 tersebut, biasanya dicantumkan kelebihan dan kekurangan dari masing2 metode. Pilihlah metode yang sesuai dengan kasus Anda.
3. Untuk pertanyaan no.3, maaf sekali saya tidak berani memberikan statement mana model yang paling tepat. Hal ini disebabkan saya belum mempelajari kasus Anda sepenuhnya beserta asumsi-asumsinya.
– Apakah memang perlu dilakukan pengujian tersendiri mengenai perbedaan nilai ERC antar kategori yang berbeda? Kalo ya, bila datanya menyebar normal, gunakan uji-t 2 sampel independent, kalo tidak normal gunakan Mann-Whitney test pada statistika nonparanetrik (ada juga yang menyebut Wilcoxon-Mann-Whitney Test).
🙂
#23
aww..
mas deny saya mau tanya,,,cuma ingin memperjelas saja..
dalam regresi dummy, misalnya saja kita punya variabel tingkat pendidikan, SD – Perguruan tinggi.
kita mengkategorikan menjadi 4 kategori variabel dummy,
nah,,dalam analisis jika terdapat 1 atau lebih kategori var dummy yang tidak signifikan, misalnya hanya 1 dummy saja yang signifikan, maka variabel tk pendidikan tersebut dapat kita anggap tidak signifikan semua kan,,jadi harus dikeluarka dari model..
benar ga mas??
oya, untuk mencari referensi tentang penjelasan tersebut dimana ya? bukunya apa aja?
terima kasih sebelumnya..
Respon untuk #23
1. Wah, kalo menurut saya, gak bener itu Mbak. 🙂
Jika yang tidak signifikan cuma satu var dummy, maka kategori untuk tingkat pendidikan itu saja yang dianggap tidak signifikan. Dengan demikian, apabila tidak terjadi interaksi antara var dummy tersebut dengan var bebas non dummy, maka model regresi untuk kategori tersebut, nilai intersepnya akan sama dengan model regresi bagi kategori yang variabel dummy nya dilambangkan dengan angka nol.
2. Banyak sekali buku2 bagus yang membahsa var dummy. Misal bukunya Gujarati dengan judul Ekonometrika Dasar. Atau bukunya Kutner dkk yang berjudul Applied Linear Regression Models. Coba cari di perpus kampus ya…insya Allah ada deh.
🙂
ni pelajaran ekonometrikaku di kampus, mash gk ngerti pdhal ntar lagi mw ujian, makasih wat infonya