REGRESI DUMMY DAN BINARY

TATAP MUKA 10

Jenis kelaminPendidikan

Usia Karyawan

Jumlah Pelatihan

Masa KerjaUnit Kerja

Ketrampilan

Gaji

123

4567

KONSEP BERPIKIRMODEL REGRESI

1. Jika gaji karyawan di dasarkan pada kelompok variabel pertama, Gender, Pendidikan, Usia maka bagaimana cara menghitung besaran nilai gaji ??

2. Apakah ketiga variabel tsb memenuhi syarat normalitas ??

Kelompok Variabel Pertama

Uji Normalitas

1. Untuk uji normalitas, gunakan Uji Wilcoxon, yakni sebuah alat uji untuk menentukan apakah ketiga variabel secara statistik layak digunakan sebagai dasar penetapan gaji karyawan

Hasil Uji Wilcoxon

Hasil Analisa Regresi Dummy

Teknik MenghitungGaji Bagi Karyawan Perempuan:Gaji = 128,859 + 30,016 GenderGaji = 128,859 + 30,016 (0)Gaji = Rp. 128,859Gaji Bagi Karyawan Laki-laki:Gaji = 128,859 + 30,016 (1)Gaji + 128,859 + 30,016Gaji = Rp. 158,875

Regresi Dummy Tiga KriteriaKaryawan Perempuan Berpendidikan SMA usia 23 thn

Gaji = 128,859 + 30,016 (0) + 28,629 (0) + 1,396 (23)Gaji = Rp. 160,967

Karyawan Perempuan Berpendidikan Sarjana usia 23 thn

Gaji = 128,859 + 30,016 (0) + 28,629 (1) + 1,396 (23)Gaji = Rp. 189,596

Karyawan Laki-laki Berpendidikan Sarjana usia 27 thn

Gaji = 128,859 + 30,016 (1) + 28,629 (1) + 1,396 (27)Gaji = Rp. 225,196

Karyawan Laki-laki Berpendidikan SMA usia 27 thn

Gaji = 128,859 + 30,016 (1) + 28,629 (0) + 1,396 (27)Gaji = Rp. 196,567

Regresi Dummy Lebih Dari Tiga KriteriaDalam metode ini, variabel independent yg

digunakan untuk mengestimasi nilai variabel dependent, jumlahnya di tambah dengan satu kriteria lagi, kriteria tsb adalah status ekonomi yaitu golongan miskin, menengah ke bawah, menengah dan golongan atas/kaya.

Untuk mengidentifikasi status ekonomi/golongan penghasilan maka ditambahkan tiga variabel dummy yaitu Indeks_1, Indeks_2 dan Indeks_3. ke dalam SPSS data editor.

Ketiga variabel Indeks tsb, menjadi bagian dari estimator dalam persamaan model yang terbentuk.

Tingkat Penghasilan Konsumen

golongan Indeks_1 Indeks_2

Indeks_3

Miskin 0 0 0Menengah Bawah

1 0 0

Menengah 0 1 0Atas 0 0 1

Proses EstimasiDengan berdasarkan variabel independent

yaitu : Jumlah Outlet dan Jumlah SPG serta Variabel tingkat penghasilan konsumen maka sebaiknya perusahaan menjual produk di area / wilayah mana ?

Untuk menjawab kasus tersebut, diperlukan proses estimasi menggunakan persamaan regresi yang diperoleh dari hasil analisa.

Akan di estimasikan prakiraan volume penjualan yang tercapai berdasarkan tingkat penghasilan konsumen

Hasil Analisa Regresi Dummy

Dari tabel di atas, persamaan regresi dapat disusun sbb:

Beli = 17,332 + 9,736 Outlet + 43,110 SPG + 67,159 Indeks_1 +

106,181 Indeks_2 + 88,552 Indeks_3

Interpretasi Hasil AnalisaJika tidak ada tambahan outlet dan tidak ada SPG

maka volume barang yg terjual hanya 17 unit.Tambahan satu outlet, akan meningkatkan

penjualan sebesar 10 unit.Tambahan satu orang SPG akan meningkatkan

penjualan barang sebesar 43 unitPenjualan barang pada kelompok penghasilan

menengah bawah sebesar 67 unitPenjualan barang pada kelompok penghasilan

menengah sebesar 106 unitPenjualan barang pada kelompok penghasilan

atas/kaya sebesar 89 unit.

EstimasiJika produk dijual pada golongan menengah bawah, jumlah

outlet ditambah 5 buah dan SPG ditambah 10 orang, maka estimasi

produk yg laku terjual sbb: Beli = 17,332 + (9,736x5) + (43,110x10) + (67,159x1) +

(106,181x0) + (88,552x0) Beli = 17,332 + 48,68 + 431,10 + 67,159 Beli = 564 unit (pembulatan)Jika dijual pada golongan kelas atas: Beli = 17,332 + 48,68 + 431,10 + 88,552 Beli = 586 unit (pembulatan)Jika produk dijual di area golongan menengah: Beli = 17,332 + 48,68 + 431,1 + 106,181 = 603 unit

(pembulatan)Jika di jual di area golongan miskin : Beli = 17,332 + 48,68 + 431,1 = 497 unit (pembulatan)

Judul Artikel, Thesis, Skripsi

Segmentasi Tingkat Penghasilan Konsumen Dalam Meningkatkan

Volume Penjualan Notebook Pada PT. Grandong Computer Surabaya

Regresi Binary / Regresi LogistikRegresi binary merupakan salah satu alat estimasi, yakni merubah kondisi satu variabel dengan menggunakan kondisi variabel yang lain, yang dianggap layak sesuai hasil uji kelayakan yang ada.

Untuk contoh kasus uji ini, digunakan 5 (lima) buah variabel. Satu variabel dependent ( status sekolah siswa ) dan empat variabel independent ( BOS, BSE, jumlah GURU dan kelayakan GEDUNG )

Dari empat variabel independent, variabel mana yang layak digunakan untuk mengestimasi jumlah siswa yang putus sekolah, indikator untuk kelayakan model regresi dapat dilihat berdasarkan nilai :

Classification Table nilainya harus menurun Hosmer and Lemeshow Test, nilainya harus di atas 5% Minimal harus ada satu variabel independent yang signifikan ( Sig < 5% )

Regresi Binary / Rgeresi LogistikJika ada satu variabel yang signifikansinya di bawah 5%, maka variabel tersebut dapat digunakan untuk mengestimasi variabel dependent pada analisa regresi logistik tahap kedua.

Jika semua variabel tingkat signifikansinya di atas 5% maka analisa regresi Logistik tahap kedua tidak dapat dilakukan, variabel yang tidak signifikan harus dikeluarkan dari model regresi dan diganti dengan variabel lain, sampe hasilnya signifikan.

Regresi Binary LogistikSetelah analisa regresi di ulang hasilnya akan tampak sbb:

Persamaan regresi logistik dapat di sajikan sbb:

APS = 6,030 – 0,186 BOSMisal, sebuah daerah mendapat bantuan BOS sebesar Rp. 30 juta, berapa persen penurunan angka putus sekolah di daerah tersebut ??

APS = 6,030 – 0,186 ( 30 ) = 6,030 - 5,580 = 45%.APS = 6,030 – 0,186 ( 32 ) = 6,030 - 5,952 = 7,8%APS = 6,030 – 0,186 ( 33 ) = 6,030 - 6,138 = 0

Uji Kelayakan Model

Uji Kelayakan Model