Regresi Variabel Dummy Lebih Dari 2 Kategori
description
Transcript of Regresi Variabel Dummy Lebih Dari 2 Kategori
REGRESI DUMMY > 2 KATEGORI
Jika pada bahasan sebelumnya kita menganalisis regresi dummy dua kategori, maka pada pembahasan kali ini kita akan membahas mengenai regresi dengan variabel independent yang memiliki tingkatan lebih dari 2 kategori
Masih menggunakan data yang sama pada bahasan sebelumnya di regresi dummy pertama, maka selanjutnya kita akan menganalisis pengaruh tingkat pendidikan terhadap gaji yang diterima karyawan.
Variabel rata-rata gaji bulanan dalam juta Rp
Variabel gaji dikelompokkan menjadi tiga yaitu : SMA, Sarjana, dan Pascasarjana
Variabel masa kerja dalam tahun
Model regresi dapat ditulis sebagai berikut :
Y = b0 + b1 d1 + b2 d2 + b3 X + e1
Y adalah gaji rata-rata,
X adalah masa kerja,
d1 = 1 jika S2, 0 jika tidak,
d2 = 1 jika S1, 0 jika tidak
Data dapat dilihat di http://teorionline.wordpress.com/2011/05/22/data-regresi-dummy-2-kategori/
TEORI ONLINE
SERI TUTORIAL SPSS by Hendry
http://teorionline.wordpress.com/
PENYELESAIAN
Klik Analyze, pilih Regression Linier..
Masukkan variabel masa kerja, d1, dan d2 ke dalam kotak independent, dan gaji ke kotak dependent.
Abaikan yang lain lalu klik OK
Regression
Variables Entered/Removedb
d2_1, d1_1, masa_kerja
a . Enter
Model1
VariablesEntered
VariablesRemoved Method
All requested variables entered.a.
Dependent Variable: GAJIb.
Model Summary
.711a .505 .469 .65901Model1
R R SquareAdjustedR Square
Std. Error ofthe Estimate
Predictors: (Constant), d2_1, d1_1, masa_kerjaa.
ANOVAb
18.194 3 6.065 13.964 .000a
17.806 41 .43436.000 44
RegressionResidualTotal
Model1
Sum ofSquares df Mean Square F Sig.
Predictors: (Constant), d2_1, d1_1, masa_kerjaa.
Dependent Variable: GAJIb.
INTERPRETASI
Nilai adj R Square adalah sebesar 0.711 menunjukkan bahwa hubungan antara variabel independent dan dependent cukup kuat.
Nilai F hitung adalah sebesar 13.964, dengan sig 0.000. Karena sig < 0.05 maka dapat disimpulkan bahwa model regresi adalah signifikan dan layak digunakan untuk memprediksi gaji karyawan
Persamaan regresi
Gaji = 3.531 + 0.311 (masa kerja) + 0.596 (d1) + 0.969 (d2)
Karyawan pendidikan SMA
Y = b0 + b1 (masa kerja) = 3.531 + 0.311
Karyawan pendidikan Sarjana
Y = b1 + (b0 + b2) = 0.311 + (3.531 + 0.596)
karyawan pendidikan Pascasarjana
y = b1 + (b0 + b3) = 0.311 + (5.531 + 0.969)
Dari hasil uji t diketahui bahwa nilai sig seluruhnya < 0.05 sehingga dapat dinyatakan bahwa masa kerja, dan tingkatan pendidikan mempengaruhi besaran gaji karyawan
Coefficientsa
3.531 .267 13.238 .000.113 .038 .421 3.016 .004.596 .231 .326 2.576 .014.969 .302 .479 3.211 .003
(Constant)masa_kerjad1_1d2_1
Model1
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig.
Dependent Variable: GAJIa.