TUTORIAL ANALISA VARIABEL DUMMY INDEPENDEN LINEAR (3).pdf

download TUTORIAL ANALISA VARIABEL DUMMY INDEPENDEN LINEAR (3).pdf

of 11

Transcript of TUTORIAL ANALISA VARIABEL DUMMY INDEPENDEN LINEAR (3).pdf

  • ANALISA VARIABEL DUMMY INDEPENDEN LINEAR DENGAN

    REGRESI BERGANDA1. Tinjauan Teoritis Analisa Dummy Variabel

    Dummy variabel merupakan variabel-variabel yang sesungguhnya merupakan variabel yang

    bersifat kulitatif (misal jenis kelamin yang dikelompokkan menjadi pria dan wanita, dll) yang

    dirubah menjadi variabel kuantitatif berupa angka yang terdiri 0 (nol) dan 1. Ini menyebabkan

    variabel dummy hanya terdiri dari dua jenis.

    Analisa variabel dummy dengan regresi berganda biasanya digunakan untuk melihat

    bagaimana variabel kulitatif ini dapat mempengaruhi suatu gejala atau pola tertentu yang dicoba

    diteliti. Misal, kita mencoba untuk menguji bagaimana keterkaitan antara keikutsertaan petani pada

    kelompok tani dapat mempengaruhi tingkat pendapatan rumah tangganya, maka analisa variabel

    dummy perlu dilakukan. Dalam contoh ini, yang akan menjadi variabel dummy adalah

    keikutsertaan petani pada kelompok tani, karena keikutsertaan ini tidak memiliki data kuantitatif.

    Sedangkan variabel-variabel lainnya dijelaskan dengan data kuantitatif terkait. Kita dapat

    mengkuantitatifkan variabel keikutsertaan petani ini dengan merubahnya menjadi dua variabel yang

    berbeda, yaitu ikut-serta yang disimbolkan dengan angka 1 dan nol untuk petani yang tidak ikut-

    serta. Tidak ada ketetapan untuk penentuan angka yang merepresentasikan pilihan ini, namun pada

    umumnya peneliti menggunakan simbol angka 1 untuk keputusan yang bernilai positif (ikut serta

    misalnya) dan angka nol untuk keputusan/pilihan yang bersifat negatif (tidak ikut serta misalnya),

    namun untuk pilihan seperti wanita atau pria, pilihan agama, dll yang sejenis biasanya angka 1

    menunjukan pilihan yang secara umum telah diketahui mendominasi, sedangkan angka 0 (nol)

    untuk pilihan yang secara umum diketahui minoritas.

    Dalam menemukan keterkaitan antara dua pilihan kualitatif yang ada ini, peneliti perlu

    mencoba berbagai jenis model untuk memastikan model terbaik dalam menggambarkan realita.

    Model-model ini terdiri dari model matematis yang dibentuk berdasarkan opsi (pilihan) model dari

    variabel dummy, yaitu dummy intersept; dummy slope; dan dummy kombinasi. Ketiga jenis model

    ini masih perlu disusun kembali berdasarkan banyaknya variabel yang mempengaruhi variabel

    dependen yang dicari. Model-model ini disusun berdasarkan hal berikut,

    Y = a + bX + c Di (Model Dummy Intersep)

    Y = a + bX + c (Di.X) (Model Dummy Slope)

    Y = a + bX + c (Di.X) + d Di (Kombinasi; dapat berupa kombinasi intersep dengan slope,

    atau slope dengan slope ketika dummy slope lebih dari satu, dan dapat pula dengan jenis kombinasi

    lainnya yang memungkinkan)

    dimana a adalah konstanta (intersep), b dan c adalah koefisien terkait, X adalah variabel bebas, dan

  • Di adalah variabel dummy yang nilainya bisa diisikan nol ataupun satu. Dummy kombinasi ini

    sebenarnya dapat bervariasi seperti dijelaskan pada kalimat yang diblok kuning di atas. Untuk lebih

    cepat membuat model persamaan dummy kombinasi terbaik, dari berbagai kemungkinan dummy

    kombinasi lainnya dapat dilakukan dengan memperhatikan penyusun persamaannya. Kita bisa

    membuatnya dengan menyusun persamaan yang terdiri dari kombinasi elemen persamaan-

    persamaan intersep dan slope dengan nilai F dan Adj. R2 tertinggi. Sebagai contoh, ketika nilai uji F

    dan Adj. R2 pada persamaan dummy intersep cukup tinggi, diiringi dengan nilai uji yang tinggi pula

    untuk persamaan dummy slope bibit misalnya, maka kita dapat memilih untuk membuat kombinasi

    antara dummy intersep dengan dummy slope bibit, ketimbang kita menyusun persamaan dummy

    kombinasi dari dummy intersep dan dummy slope tenaga kerja atau yang lainnya.

    Untuk perhitungan model dummy slope dan intersep, perhatikan hal berikut:

    a. Untuk masing-masing variabel bebas yang mempengaruhi variabel terikat, perhatikan

    model persamaannya.

    b. Sebelum menganalisis dengan menggunakan SPSS (Analisa Regresi), perhatikan

    terlebih dahulu faktor yang mempengaruhi variabel dependen atau terikatnya. Dalam

    perhitungan ini, variabel yang mempengaruhi produksi yaitu tenaga kerja dan bibit.

    Maka dalam persamaan regresi nantinya ditentukan terlebih dahulu nilai masing-

    masing variabel independen atau bebas yang mempengaruhi variabel dependennya.

    Artinya kita membuat Di.Bibit dan Di.TK terlebih dahulu dengan cara mengalikan

    data kedua variabel tersebut.

    c. Bahkan untuk perhitungan dummy intersep, perlu diperhatikan bahwa regresi variabel

    Di juga menghasilkan koefisien, sehingga koefisien ini wajib untuk dimasukkan dalam

    persamaan matematisnya nanti. Penjelasan lebih lanjut aka disampaikan di bagian

    selanjutnya.

  • 2. Contoh KasusDisajikan data kegiatan petani di desa tertentu sebagai berikut,

    No.Bibit

    (Kw)ZA (Kw)

    TK

    (HKSP)

    Di

    (1=kelompok,

    0=tidak)

    Produksi

    Bibit ZA TK Di Prod1 33,33 8,33 121,00 0 5002 150,00 21,13 287,00 1 16003 140,85 21,13 278,87 1 19724 150,00 35,21 220,69 1 17505 24,00 13,79 140,80 0 10806 83,33 13,16 220,69 0 10967 49,12 7,02 170,18 0 7898 69,44 16,67 194,44 0 9039 60,00 15,52 124,00 0 90010 103,45 15,52 155,17 0 96611 130,00 31,50 210,50 1 205012 103,45 11,11 137,93 0 103413 172,41 30,23 186,21 0 120714 72,09 9,30 127,91 0 83715 34,97 13,99 162,24 0 73416 83,33 11,11 252,78 0 97217 15,00 17,00 196,50 0 85018 32,17 12,59 155,24 0 69919 60,00 24,14 210,50 1 175020 22,35 11,17 173,74 0 74021 45,00 11,11 150,00 0 90022 52,63 7,89 145,00 0 61423 140,85 7,04 160,56 0 119724 117,19 15,63 150,00 0 117225 31,01 15,50 126,36 0 62026 140,00 12,00 290,14 1 110027 41,96 16,78 184,62 1 97928 50,88 16,78 126,32 0 105329 92,98 14,04 156,14 0 114030 169,01 7,04 210,50 0 112731 62,00 16,00 178,00 1 130032 172,41 21,01 258,62 0 120733 327,59 34,48 424,14 1 155234 120,69 17,24 290,14 0 137935 62,50 23,44 210,50 1 132836 190,00 20,69 172,00 0 120037 244,76 34,97 367,61 1 293738 186,05 35,21 290,14 1 186039 183,10 35,21 290,14 1 211340 106,90 24,14 220,69 1 1655

  • 41 42,02 21,01 220,69 1 154142 155,17 20,69 220,69 1 137943 139,53 30,23 210,50 0 151244 224,14 24,14 290,14 1 155245 105,26 24,14 290,14 1 236846 23,33 12,50 182,00 0 113347 85,00 17,00 168,00 1 95048 204,23 21,13 220,69 1 225449 104,65 35,21 351,16 1 159350 209,30 13,95 195,35 0 116351 138,89 8,33 255,56 0 91752 211,27 35,21 340,85 1 239453 320,69 24,14 220,69 1 206954 315,00 21,13 240,35 1 2750

    Data di atas merupakan data mengenai tingkat produksi petani beserta dengan data

    keterlibatan mereka dalam kelompok tani, dan juga tingkat penggunaan input pertanian mereka

    berupa pupuk ZA dan bibit, serta tenaga kerja. Keterlibatan petani pada kelompok tani dapat

    dijelaskan sebagai berikut,

    1. Petani yang tergabung dalam kelompok tani mempunyai kegiatan berikut:

    a. Pelatihan tenaga kerja, kegiatan yang dilakukan meliputi:

    Kegiatan penyuluhan

    Teknis budidaya tanaman

    Pelatihan petani dalam berusahatani

    b. Pembibitan, kegiatan yang dilakukan meliputi:

    Pemeliharaan bibit

    Perlakuan bibit selama budidaya tanaman

    Mendapatkan bibit berkualitas

    2. Petani yang tidak tergabung dalam kelompok tani tidak mempunyai kegiatan apa-apa, dan

    umumnya para petani bersifat individualis.

    Kemudian kita diminta untuk bisa memprediksi bagaimana pengaruh keikutsertaan petani

    pada kelompok tani terhadap hasil produksi mereka! Perhatikan dalam penjabaran kegiatan petani

    yang terlibat dalam kelompok tani, dapat diketahui bahwa kualitas tenaga kerja mempengaruhi

    produksi, beserta dengan bibit dan penggunaan pupuk ZA. Maka kita dapat menganggap jika petani

    terlibat kelompok tani, maka variabel tenaga kerja, ZA, dan bibit akan lebih berpengaruh pada

    tignkat produksinya dibandingkan dengan petani yang tidak ikut kelompok tani.

    Untuk dapat melihat bagaimana keterlibatan petani dalam kelompok tani dapat mempengaruhi

    hasil produksi mereka tentunya tidak cukup dengan menggunakan regresi berganda seperti biasanya

  • karena dalam kasus ini melibatkan variabel kulitatif Dummy. Pada praktikum ini, kita

    mengasumsikan data bersifat linear dan memiliki sebaran yang telah merata, sehingga kita tidak

    perlu melakukan normalisasi data dengan transformasi variabel menjadi bentuk logaritma natural

    (Ln). Langkah kerja untuk melakukan analisa dummy variabel linear ini disajikan sebagai berikut,

    3. Langkah Kerja dengan SPSSLangkah kerja dalam SPSS ini bertujuan untuk mencari bentuk persamaan matematis

    berdasarkan model persamaan dari dummy intersep, dummy slope, dan dummy kombinasi. Karena

    variasi persamaan yang dapat dibentuk dalam persamaan dummy kombinasi ada banyak, untuk

    efisiensi dan keefektifan waktu sebaiknya kita membentuk sendiri dummy kombinasi berdasarkan

    cara yang telah dijelaskan sebelumnya. Analisa SPSS ini menggunakan regresi berganda dan

    dilakukan hingga lima kali sesuai dengan banyaknya model persamaan matematis yang diinginkan

    (kita memilih lima saja, yaitu persamaan dummy intersep, dummy slope bibit, dummy slope tenaga

    kerja, dummy slope penggunaan pupuk ZA, dan dummy kombinasi slope bibit dengan slope tenaga

    kerja).

    1. Kita perlu membuat variabel tambahan yang telah dipengaruhi oleh variabel dummy. Perlu

    diperhatikan bahwa variabel-variabel yang dikalikan dengan variabel dummy ini dilakukan

    jika variabel independen selain dummy tersebut (seperti variabel bibit misalnya) diketahui

    Data memiliki sebaran merata dan asumsidata bersifat linear

    Analisa regresi berganda untukberbagai variabel yang dianggap

    mempengaruhi variabel dependen(dlm hal ini adalah Prod) pakai SPSS

    Dummy interseptDummy slopeDummy kombinasi

    Uji kelayakan model yg mendekati realita(berdasar uji dlm SPSS dan logika ekonomi)

    Uji dengan logika ekonomi;Uji nilai tertinggi F dan Adj. R2

    Menemukan model terbaik untuk memprediksi

    Membentuk tiga jenis model persamaanmatematis, yaitu model dummy intersep, dummy

    slope, dummy kombinasi (pilih satu jenis saja untukdummy kombinasinya)

  • juga dipengaruhi oleh variabel dummy, sehingga variabel ini pengaruhnya pada variabel

    dependen (variabel produksi) akan semakin besar ketika nilai dummy adalah 1, dan jika

    nilainya nol maka variabel ini akan berpengaruh sama dengan petani yang tidak mengikuti

    kelompok tani. Variabel-variabel tersebut adalah variabel dummy mempengaruhi bibit, ZA,

    dan tenaga kerja (TK). Maka, kita perlu mengalikan variabel dummy ini dengan variabel

    bibit, dummy dengan ZA, dan dummy dengan tenaga kerja (TK). Sehingga akan

    menghasilkan Di.Bibit; Di.ZA; dan Di.TK. Lakukan ini pada Excel untuk mempercepat

    waktu.

    2. Copy data yang ada pada jendela SPSS seperti biasanya, lalu rubah nama variabelnya sesuai

    dengan data yang ada pada sheet Variabel View

    3. Klik menu Analyze > Regression > Linear

    4. Masukkan Variabel Produksi sebagai variabel Dependent

    5. Pada tahap selanjutnya ini, kita akan membuat persamaan matematis berdasarkan bentuk

    persamaan dummy intersep, maka kita memasukan variabel Bibit, TK, ZA, dan Di pada

    kolom variabel Independent.

    6. Klik OK

    7. Untuk membuat persamaan matematis berdasarkan bentuk persamaan dummy slope,

    lakukan langkah 3 hingga 6, pada kolom variabel Independent tetap diisikan dengan Bibit,

    TK, ZA, namun variabel Di dikeluarkan dan diganti dengan variabel dummy

    mempengaruhi..... Misal kita membuat dummy slope bibit, maka variabel dummy

    mempengaruhi Bibit dimasukkan, yaitu variabel Di.Bibit. Begitupun untuk dummy

    slope lainnya, kita mengisikan Di.ZA untuk dummy slope ZA dan Di.TK untuk dummy

    slope tenaga kerja.

    8. Untuk membuat persamaan matematis berdasar dummy kombinasi, maka lakukan langkah 3

    hingga 6. Pada kolom variabel independen tetap dimasukkan variabel Bibit, ZA, dan TK,

    namun ditambahkan dengan variabel dummy mempengaruhi.... sesuai dengan kombinasi

    yang diinginkan. Jika diinginkan kombinasi intersep dengan slope bibit, maka masukkan

    variabel Di dan Di.Bibit; jika diinginkan kombinasi slope bibit dengan slope TK misalnya,

    maka masukkan variabel Di.Bibit dan Di.TK.

  • 4. Cara Melakukan Interpretasi Output SPSS1. Perhatikan tabel Model Summary

    Model Summary

    Model R R Square

    Adjusted R

    Square

    Std. Error of

    the Estimate1 .854a .729 .707 299.13644a. Predictors: (Constant), Di, BBT, ZA, TK

    Perhatikan nilai Adjusted R Square-nya dan interpretasikan seperti biasanya (lihat di

    modul tutorial Persamaan Simultan untuk detail cara interpretasinya).

    2. Pada tabel ANOVA

    ANOVAb

    Model

    Sum of

    Squares Df Mean Square F Sig.1 Regression 1.182E7 4 2954023.820 33.012 .000a

    Residual 4384647.926 49 89482.611Total 1.620E7 53

    a. Predictors: (Constant), Di, BBT, ZA, TKb. Dependent Variable: PROD

    Cukup lihat nilai signifikansi dari uji F. Interpretasikan seperti biasa. Batas toleransi

    kesalahan 5%.

    3. Pada tabel Coefficient

    Coefficientsa

    Model

    Unstandardized

    Coefficients

    Standardized

    CoefficientsT Sig.B Std. Error Beta

    1 (Constant) 478.503 153.067 3.126 .003BBT 2.533 .686 .358 3.694 .001ZA 19.158 7.189 .296 2.665 .010TK .078 .931 .010 .084 .933Di 402.112 114.008 .365 3.527 .001

    a. Dependent Variable: PRODIntepretasikan signifikansi pada hasil konstanta dan koefisiennya. Jangan lupa kita

    menggunakan batas toleransi kesalahan 5%.

    4. Kita telah mengetahui konstanta dan koefisien sesuai dengan hasil tabel di atas, karena ini

    adalah contoh untuk membuat persamaan intersep, maka kita membuat persamaan

    matematisnya sebagai berikut,

  • Y (Produksi) = 478,503 + 2,533X1 (Bibit) + 19,158X2 (Pupuk) + 0,078X3 (TK) +

    402,112Di

    Artinya:

    Setiap kenaikan 1 unit bibit akan meningkatkan produksi sebesar 2,533 unit

    Setiap kenaikan 1 unit pupuk akan meningkatkan produksi sebesar 19,158 unit

    Setiap kenaikan 1 unit TK akan meningkatkan produksi sebesar 0,078 unit

    5. Untuk mengetahui rasional atau tidaknya nilai diatas perlu dilakukan pengujian dengan

    menggunakan persamaan dummy intersep. Pada tabel di atas koefisiennya menunjukan nilai

    yang positif semua dan dummy intersep mempunyai nilai adjusted R square dan nilai F yang

    tinggi maka

    Y = + 1X1 + 2X2 + 3X3 + 4 DiDalam hal ini terdapat dua asumsi tentang Di yaitu Di = 1 jika petani mengikuti kelompok

    tani dan Di = 0 jika petani tidak mengikuti kelompok tani.

    Jika Di = 1

    Y = 478,503 + 2,533X1 + 19,158X2 + 0.078X3 + 402,112Di

    = 478,503 + 2,533X1 + 19,158X2 + 0.078X3 + 402,112(1)

    = 8 80,615 + 2.533X1 + 19,158X2 + 0.078X3

    Jika Di = 0

    Y = 478,503 + 2,533X1 + 19,158X2 + 0.078X3 + 402,112Di

    = 478,503 + 2,533X1 + 19,158X2 + 0.078X3 + 402,112(0)

    = 4 78,503 + 2,533X1 + 19,158X2 + 0.078X3

    D=1 menunjukkan dummy untuk petani yang tergabung dalam kelompok tani. Sedangkan

    D=0 menunjukkan dummy untuk petani yang tidak mengikuti kelompok tani. Nilai intersep

    pada kedua model di atas dapat diibaratkan sebagai biaya tetap (fixed cost). Dari kedua

    persamaan terdapat interval antara Y (Di = 1) dengan Y (Di = 0) terlalu ekstrim hampir

    100% secara logika ekonomi tidak diterima karena petani yang baru saja mengikuti

    kelompok tani bisa memperoleh Y hampir 100%. Dalam teori ekonomi dan dunia nyata,

    sangat tidak dimungkinkan apabila petani yang tidak mengikuti kelompok tani akan

    mengalami perbedaan FC yang begitu jauh apabila dibandingkan dengan petani yang tidak

    mengikuti kelompok tani. Maka meskipun nilai adjusted R square dan nilai F nya tinggi

    akan tetapi syarat logika ekonomi tidak terpenuhi maka dummy intersep ini ditolak atau

    tidak baik.

    6. Interpretasikan semua hasil output SPSS lainnya untuk pembentukan persamaan yang lain,

    yaitu persamaan dummy slope Bibit, dummy slope Tenaga Kerja, dummy slope ZA, dan

    dummy kombinasi yang kalian pilih. Setelah masing-masing persamaan tersebut dibuat

  • menjadi persamaan matematis seperti pada poin nomor 4 di atas, lakukan uji Rasionalisasi

    Ekonomi seperti pada poin nomor 5. Ini membantu untuk membuat tabel rekapitulasi untuk

    memilih model persamaan yang paling baik memprediksi data aktual.

    7. Berikut diberikan bentuk persamaan untuk membantu memahami pembentukan persamaan

    matematika dari jenis dummy slope dan kombinasi

    a. Dummy slope Bibit

    Y [Produksi] = + 1X1 [Bibit] + 2X2 [ZA] + 3X3 [TK] + 4 Di.X1 [Dummy Bibit]

    b. Dummy slope Tenaga Kerja

    Y [Produksi] = + 1X1 [Bibit] + 2X2 [ZA] + 3X3 [TK] + 4 Di.X3 [Dummy TK]

    c. Dummy slope ZA

    Y [Produksi] = + 1X1 [Bibit] + 2X2 [ZA] + 3X3 [TK] + 4 Di.X2 [Dummy ZA]

    d. Dummy Kombinasi Intersep dan Slope Bibit (sebagai contoh kombinasi yg dipilih)

    Y [Produksi] = + 1X1 [Bibit] + 2X2 [ZA] + 3X3 [TK] + 4 Di.X1 [Dummy Bibit] + 5Di

  • 5. Pemilihan Persamaan Matematika TerbaikLangkah terakhir ini digunakan untuk memilih persamaan matematika terbaik dalam

    memprediksi pengaruh keikutsertaan petani terhadap tingkat produksinya. Kita menyaring

    persamaan-persamaan yang telah kita buat seperti yang kita lakukan sebelumnya dengan melihat

    nilai Adjusted R Square, nilai uji F, dan kesesuaiannya dengan logika ekonomi (lihat contohnya

    berikut di kolom teori). Jika dilakukan dengan benar, maka kita akan memperoleh hasil rekapitulasi

    seperti di bawah ini.

    Uji Variabel Adjusted R Square Nilai F Teori

    Dummy Intersep 0,707 33,012

    Nilai koefisien

    uji t positif -->

    tidak sesuai teori

    Dummy Slope Bibit 0,689 30,407

    Nilai koefisien

    uji t positif -->

    sesuai teori

    Dummy Slope ZA 0,708 33,132

    Nilai koefisien

    uji t ada yang

    negatif --> tidak

    sesuai teori

    Dummy Slope

    Tenaga Kerja 0,694 31,027

    Nilai koefisien

    uji t ada yang

    negatif --> tidak

    sesuai teoriPerhatikan kasus pada tabel rekapitulasi di atas, terdapat informasi yang diberi blok merah.

    Informasi yang diberi blok merah ini menunjukan adanya ketidaksesuaian logika ekonomi dengan

    salah satu tanda pada koefisien yang terbentuk dari analisa regresi berganda yang kita lakukan

    sebelumnya. Kebetulan kedua informasi yang tidak sesuai dengan logika ekonomi tersebut ada pada

    satu variabel yang sama, yaitu pada variabel Tenaga Kerja (TK). Tanda koefisien TK pada kedua

    persamaan tersebut memberikan nilai negatif, sehingga tidak sesuai dengan logika ekonomi karena

    semakin variabel TK berbanding lurus dengan tingkat produksi petani. Contoh ini menekankan

    bahwa tidak selalu nilai koefisien yang negatif menandakan persamaan tersebut tidak sesuai dengan

    logika ekonomi. Kebetulan juga dalam contoh ini tidak disajikan hasil analisa regresi berganda dari

    persamaan dummy kombinasi, namun dalam praktikum maupun ujian, analisa persamaan dummy

    kombinasi wajib dimasukkan dan menjadi salah satu pertimbangan dalam memilih persamaan

    matematika terbaik.

    Berdasarkan tabel tersebut dapat dilihat bahwa urutan nilai adjusted R square dari yang

    tertinggi ke terendah adalah dummy slope ZA (0,708); dummy intersept (0,707); dummy slope

  • tenaga kerja (0,694) dan dummy slope bibit (0,689). Sedangkan urutan nilai F dari yang tertinggi ke

    terendah adalah dummy slope ZA (33,132); dummy intersep (33,012); dummy slope tenaga kerja

    (31,027); dan dummy slope bibit (30,407). Adjusted R square yang tinggi biasanya diikuti dengan

    nilai F yang tinggi pula.

    Untuk mendapatkan model yang tepat, nilai adjusted R square harus tinggi dan nilai F harus

    signifikan. Selain itu, model harus sesuai dengan teori ekonomi yang berlaku. Satu saja tanda

    koefisien yang tidak sesuai dengan logika ekonomi akan membuat persamaan itu gugur dalam

    pertimbangan. Dari rekapitulasi model tersebut, maka persamaan atau model yang tepat untuk

    menggambarkan hubungan variabel bibit, tenaga kerja, pupuk ZA terhaap produksi tebu adalah

    sebagai berikut:

    Untuk D0 (petani tidak mengikuti kel. tani ) Y= 550.748 + 1.024X1 + 23.204X2 + 0.270X3Untuk D1 (petani megikuti kel. tani), Y = 550.748 + 3.424X1 + 23.204X2 + 0.270X3

    1. Tinjauan Teoritis Analisa Dummy Variabel2. Contoh Kasus3. Langkah Kerja dengan SPSS4. Cara Melakukan Interpretasi Output SPSS5. Pemilihan Persamaan Matematika Terbaik