Analisis Regresi Linear Berganda dan Variabel Dummy dengan SPSS - Hallo sahabat Chord Gitar Indonesia, Pada sharing Kunci gitar kali ini yang berjudul Analisis Regresi Linear Berganda dan Variabel Dummy dengan SPSS, saya telah menyediakan lirik lagu lengkap dengan kord gitarnya dari awal lagi sampai akhir lagu. mudah-mudahan isi postingan kunci gitar yang saya tulis ini dapat anda pahami. okelah, ini dia chord gitarnya.

Penyanyi : Analisis Regresi Linear Berganda dan Variabel Dummy dengan SPSS
Judul lagu : Analisis Regresi Linear Berganda dan Variabel Dummy dengan SPSS

Analisis Regresi Linear Berganda dan Variabel Dummy dengan SPSS

Portal-Statistik | Analisis Regresi Linear Berganda dan Variabel Dummy dengan SPSS, ini yang akan saya bagikan pada malam hari ini, saat kost lagi sepi karena sudah mulai liburan dan yang lain sedang menjalankan praktek diluar kota. Dan saya masih stay tinggal di Jogja menunggu waktu Magang. Hehe.
Baiklah kawan, mari kita mulai pembahasan yang cukup panjang ini :D

Variabel Dummy
Variabel dummy adalah variabel yang digunakan untuk mengkuantitatifkan variabel yang bersifat kualitatif (misal: jenis kelamin, ras, agama, perubahan kebijakan pemerintah, perbedaan situasi dan lain-lain). Variabel dummy merupakan variabel yang bersifat kategorikal yang diduga mempunyai pengaruh terhadap variabel yang bersifat kontinue.

Variabel dummy hanya mempunyai 2 (dua) nilai yaitu 1 dan nilai 0, serta diberi simbol D.
D = 1 untuk suatu kategori (wanita, Batak, Islam, damai dan sebagainya).
D = 0 untuk kategori yang lain (pria, Jawa, Kristen, perang dan sebagainya).

Variabel dummy (D) dapat digunakan untuk mengetahui ada tidaknya perubahan dalam intersep, slope atau keduanya, dalam dua atau lebih situasi yang berbeda sperti keadaan damai dan perang, maka akan diperoleh model stokastiknya sebagai berikut:

1. Untuk mengetahui perbedaan intersep
   K = b2 + b1 Y + b2D + m
   Diperoleh hasil :
   Untuk D = 0           K = b0 + b1 Y          + m             (damai)
   Untuk D = 1           K1 = (b0 + b2) + b1 Y + m            (perang)
2. Untuk mengetahui perbedaan slope
   K = b0 + b1 Y + b3 YD + m
   Diperoleh hasil :
   Untuk D = 0           K = b0 + b1 Y          + m             (damai)
   Untuk D = 1           K1 = (b1 + b3) + b1 Y + m            (perang)
3. Untuk mengetahui perbedaan intersep maupun slope
   K = b01 + b1 Y + b2 D + b3 YD + m
   Diperoleh hasil :
   Untuk D = 0           K = b0 + b1 Y          + m             (damai)
   Untuk D = 1           K1 = (b0 + b2) + (b1 + b3) Y + m  (perang)

Dimana :    
K = pengeluaran konsumsi
Y = Pendapatan nasional
D = 1, masa perang
D = 0. Masa damai

STUDI KASUS
ini datanya gan, silahkan dilihat dan dilirik dulu.

Bidang	Didik	Gaji	Kerja	Usia
1.00	1.00	115.00	2.00	23.00
1.00	1.00	245.00	2.00	21.00
1.00	1.00	315.00	4.00	21.00
1.00	1.00	365.00	3.00	22.00
1.00	1.00	575.00	5.00	24.00
1.00	1.00	385.00	4.00	25.00
1.00	1.00	425.00	4.00	25.00
1.00	1.00	350.50	3.00	26.00
1.00	1.00	587.00	5.00	29.00
1.00	1.00	985.00	7.00	30.00
1.00	1.00	635.00	4.00	30.00
1.00	1.00	695.00	7.00	30.00
1.00	1.00	785.00	7.00	30.00
1.00	1.00	402.50	4.00	30.00
1.00	1.00	612.50	6.00	31.00
2.00	2.00	425.00	4.00	20.00
2.00	2.00	680.00	6.00	24.00
2.00	2.00	623.00	6.00	27.00
2.00	2.00	651.50	5.00	29.00
2.00	2.00	620.00	6.00	31.00
2.00	2.00	606.50	7.00	30.00
2.00	2.00	1055.00	10.00	33.00
2.00	2.00	565.00	5.00	33.00
3.00	3.00	185.00	1.00	20.00
3.00	3.00	545.00	5.00	20.00
3.00	3.00	245.00	2.00	21.00
3.00	3.00	245.00	3.00	22.00
3.00	3.00	415.00	4.00	22.00
3.00	3.00	155.50	3.00	24.00
3.00	3.00	565.00	6.00	26.00
3.00	3.00	415.00	3.00	27.00
3.00	3.00	485.00	4.00	30.00
3.00	3.00	659.00	6.00	30.00
3.00	3.00	596.00	4.00	30.00
3.00	3.00	750.00	7.00	30.00
4.00	4.00	245.00	2.00	20.00
4.00	4.00	285.00	2.00	21.00
4.00	4.00	485.00	5.00	22.00
4.00	2.00	285.00	10.00	22.00
4.00	2.00	575.00	6.00	22.00
4.00	2.00	567.50	5.00	22.00
4.00	3.00	650.00	6.00	23.00
4.00	2.00	485.00	4.00	23.00
4.00	2.00	482.00	4.00	24.00
4.00	2.00	485.00	2.00	25.00
4.00	3.00	567.50	5.00	25.00
4.00	1.00	245.00	2.00	26.00
4.00	3.00	585.00	5.00	26.00
4.00	2.00	582.50	5.00	26.00
4.00	2.00	554.00	4.00	26.00
4.00	2.00	387.50	4.00	26.00
4.00	2.00	522.50	5.00	28.00
4.00	3.00	650.00	6.00	28.00
4.00	3.00	560.00	5.00	28.00
4.00	3.00	565.00	5.00	30.00
4.00	3.00	845.00	5.00	30.00
4.00	2.00	567.50	5.00	30.00
4.00	2.00	597.50	3.00	31.00
4.00	3.00	885.00	8.00	33.00
4.00	3.00	965.00	2.00	33.00
4.00	3.00	485.00	4.00	33.00
4.00	3.00	985.00	10.00	30.00
5.00	1.00	115.00	1.00	22.00
5.00	2.00	285.00	3.00	22.00
5.00	2.00	245.00	2.00	22.00
5.00	3.00	605.00	6.00	22.00
5.00	1.00	115.00	1.00	24.00
5.00	1.00	285.00	2.00	25.00
5.00	2.00	605.00	5.00	25.00
5.00	2.00	474.50	4.00	25.00
5.00	3.00	594.50	5.00	27.00
5.00	3.00	500.00	5.00	27.00
5.00	3.00	785.00	6.00	29.00
5.00	3.00	745.00	6.00	29.00
5.00	3.00	609.50	4.00	30.00

Keterangan bidang
1= Pemasaran
2= Humas
3= Accounting
4 = Kredit
5= Personalia

Keterangan didik
1= D3
2= S1
3= S2

Lakukan analisis regresi Dummy bentuk modelnya dan prediksikan besar gaji  pegawai dengan kriteria berikut ini:

1. Apabila terdapat seorang karyawan yang akan di PHK, bekerja sebagai accounting dengan pendidikan S1, nilai kerjanya 7 dan usianya 30. Berapa kira-kira gaji yang harus dibayarkan oleh perusahaan.
2.  Apabila terdapat seorang karyawan yang akan di PHK, bekerja sebagai personalia dengan pendidikan S2, nilai kerjanya 5 dan usianya 25. Berapa kira-kira gaji yang harus dibayarkan oleh perusahaan.

Berdasarkan Kasus diatas akan dilakukan analisis regresi linear berganda dengan variabel boneka terhadap besarnya gaji dan kriteria yang menyebabkan besarnya gaji tersebut. Adapun langkah-langkahnya adalah.

1. Membuka aplikasi SPSS dengan melakukan double click pada icon desktop.
2.  Setelah aplikasi SPSS terbuka dan siap digunakan, buat nama variabel Bidang, Didik, Gaji, Kerja, dan Usia dengan melakukan klik pada button Variable View, dan masukkan keterangan dalam bentuk kategori sesuai dengan studi kasus dengan melakukan klik pada values.
   
   
3. Kemudian masukkan data sesuai studi kasus dengan melakukan klik pada button Data View.
   
   
4. Selanjutnya dilakukan pengkategorian dalam bentuk variabel dummy 0 dan 1, pada variabel Bidang dengan menjadikan bidang Pemasaran=1 sebagai reference category. Klik menu Transform –  Recode Into Different Variables, kemudian lakukan seperti gambar.
   
   
5. Lakukan seperti langkah 4 sampai terbentuk 4 variabel baru yaitu bd1, bd2, bd3, dan bd4.
6. Seperti pada langkah 4, lakukan hal yang sama untuk variabel Didik, pada variabel Didik dengan menjadikan S3=3 sebagai reference category. Klik menu Transform –  Recode Into Different Variables, kemudian lakukan seperti gambar.
   
   
7. Lakukan seperti langkah 6 sampai terbentuk 2 variabel baru yaitu dd1 dan dd2.
8. Variabel yang terbentuk dari langkah 4 – 7 dapat dilihat pada gambar.
   
   
9. Selanjutnya adalah melakukan analisis regresi dengan metode stepwise terhadap semua variabel, kecuali variabel Bidang dan Didik, klik menu Analyze – Regression – Linear, kemudian masukkan variabel Gaji ke kotak Dependent dan variabel Kerja, Usia, bd1, bd2, bd3, bd4, dd1, dd2 ke dalam kotak independent, pilih metode Stepwise dan Ok seperti gambar.
   
   

Selesai Gan. Alhamdulillah hehe...
Mari kita bahas outputnya satu persatu.

 Dalam analisis regresi pada studi kasus digunakan analisis regresi dengan metode stepwsise pada SPSS, sehingga langsung didapatkan model regresi yang signifikan seperti terlihat pada gambar diatas, variabel yang tidak signifikan akan dikeluarkan secara otomatis dari model, kemudian akan dilakukan penyesuaian oleh software sehingga didapatkan variabel yang mempengaruhi besarnya gaji yang diterima pegawai adalah variabel penilaian kerja dan usia.

 

Pada output SPSS  Model Summary pada gambar, dapat diketahui bahwa hubungan antara variabel dependent dan variabel independent memiliki dapat dilihat dari nilai (R = 0,834) termasuk dalam hubungan korelasi sangat kuat (Sarwono, 2006). Hal ini juga didukung dengan nilai koefisien determinasi (Adjusted R Square ) sebesar 68.7% variabel independent Kerja dan Usia mampu menjelaskan variabel dependennya dan sisanya sebesar 31.3% dipengaruhi oleh faktor atau variabel bebas lain diluar penelitan.

Untuk mengetahui model sesuai atau tidak, maka dilakukan pengujian dengan menggunakan uji serentak (uji f). Perhatikan output SPSS  ANOVA  pada gambar diatas.

1.  Hipotesis
   Ho : β =  0 (model regresi Y terhadap Xkerja,usia tidak berarti/tidak sesuai)
   H1 : β ≠  0 (model regresi Y terhadap Xkerja,usia memiliki arti/sesuai)
2. Tingkat Signifikansi:
   α=0.05
3. Daerah Kritis:
   Fhit ≥ Ftab    : Tolak H0
   Sig. < α     : Tolak H0
4. Statistika Uji:
   Fhitung    = 82.1        Sig. = 0.000
   Ftabel    = 3,12
5. Keputusan Uji
   Karena nilai Fhitung > Ftabel dan Sig. < 0.05 maka keputusannya adalah tolak H0
6. Kesimpulan :
   Jadi dengan tingkat signifikansi 5% didapatkan kesimpulan bahwa model regresi variabel dependent (Gaji) terhadap variabel independent (Kerja dan Usia) adalah signifikan atau sesuai.

Untuk melakukan uji parsial atau uji koefisien regresi atau uji sendiri-sendiri dilakukan untuk mengetahui variabel tersebut signifikan atau tidak terhadap model regresi yang didapatkan, uji parsial ini dapat dilakukan dengan melihat p-value atau membandingkan Thitung dengan Ttabel. Perhatikan pada gambar.

Pada output SPSS  Coefficients pada gambar, menunjukkan bahwa koefisien β0 bernilai -386.284, β1 bernilai 57.133, dan β2 bernilai 24.591. Hal ini menunjukkan bahwa β0, β1, dan β2 signifikan, artinya koefisien tersebut berpengaruh terhadap model. Selanjutnya didapatkan persamaan regresi dari output yang dihasilkan untuk memprediksi variabel Y yaitu:

Gaji = -386.284 + 57.133 Kerja + 24.591 Usia

Interpretasi:
Nilai konstanta sebesar -386.284. Jika dilihat dari konstanta tersebut yang bertanda negative, artinya gaji akan bernilai negative, itu sebenarnya tidak mungkin gaji bernilai negative, variabel dependent tersebut tidak akan mungkin bernilai negative jika semua variabel independentnya masih berada dalam range nilai minimal, artinya penilaian kerja dan usia juga tidak mungkin sama dengan nol. Oleh sebab itu persamaan tersebut digunakan untuk menentukan gaji karyawan yang sudah bekerja dalam perusahaan, sehingga tidak akan mungkin gaji bernilai negative.

Nilai koefisien variabel Kerja sebesar 57.133. Hal ini mengandung arti bahwa setiap peningkatan penilaian kerja terhadap karyawan satu satuan maka Gaji yang diterimanya juga akan naik sebesar 57.133 dengan asumsi bahwa variabel bebas yang lain dari model regresi adalah tetap.
 

Nilai koefisien variabel Usia sebesar 24.591. Hal ini mengandung arti bahwa setiap penambahan usia karyawan satu satuan maka Gaji yang diterimanya juga akan naik sebesar 24.591 dengan asumsi bahwa variabel bebas yang lain dari model regresi adalah tetap.
 

Berdasarkan studi kasus 1.2, soal pertama diketahui seorang karyawan yang akan di PHK, bekerja sebagai accounting dengan pendidikan S1, nilai kerjanya 7 dan usianya 30. Berapa kira-kira gaji yang harus dibayarkan oleh perusahaan.
Dengan menggunakan persamaan Gaji = -386.284 + 57.133 Kerja + 24.591 Usia dapat dihitung atau diprediksi gaji karyawan tersebut.
Gaji = -386.284 + 57.133 (7) + 24.591 (30) = Rp 751.377.-
 

Berdasarkan studi kasus 1.2, soal kedua diketahui seorang karyawan yang akan di PHK, bekerja sebagai personalia dengan pendidikan S2, nilai kerjanya 5 dan usianya 25. Berapa kira-kira gaji yang harus dibayarkan oleh perusahaan.
Dengan menggunakan persamaan Gaji = -386.284 + 57.133 Kerja + 24.591 Usia dapat dihitung atau diprediksi gaji karyawan tersebut.
Gaji = -386.284 + 57.133 (5) + 24.591 (25) = Rp 514.156.-

Selesai, saya mau istirahat dulu kawand,

Semoga Bermanfaat.

Terimakasih atas kunjungan anda.

HAVE FUN.

Demikianlah Artikel Analisis Regresi Linear Berganda dan Variabel Dummy dengan SPSS

Sekian Kunci gitar Analisis Regresi Linear Berganda dan Variabel Dummy dengan SPSS, mudah-mudahan bisa memberi manfaat untuk anda semua. baiklah, sekian postingan Chord gitar lagu kali ini.

Anda sedang membaca artikel Analisis Regresi Linear Berganda dan Variabel Dummy dengan SPSS dan artikel ini url permalinknya adalah https://ikazumdammahum.blogspot.com/2015/02/analisis-regresi-linear-berganda-dan.html Semoga artikel ini bisa bermanfaat.

Tweet