analisis variabel boneka

8/20/2019 ANALISIS VARIABEL BONEKA

http://slidepdf.com/reader/full/analisis-variabel-boneka 1/6

ANALISIS VARIABEL BONEKA (DUMMY)

A. Tinjauan Teoritis Analisis Variabel Boneka (Dummy)

Dummy variabel merupakan variabel-variabel yang sesungguhnya merupakan

variabel yang bersifat kulitatif (misal jenis kelamin yang dikelompokkan menjadi pria dan

wanita, dan lain-lain) yang diubah menjadi variabel kuantitatif berupa angka yang terdiri 0

(nol) dan 1 (satu). ni menyebabkan variabel dummy hanya terdiri dari dua jenis.

!nalisa variabel dummy dengan regresi berganda biasanya digunakan untuk melihat

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

di"oba diteliti. #isal, kita men"oba untuk menguji bagaimana keterkaitan antara

keikutsertaan petani pada kelompok tani dapat mempengaruhi tingkat pendapatan rumah

tangganya, maka analisa variable dummy perlu dilakukan.

$idak ada ketetapan untuk penentuan angka yang merepresentasikan pilihan ini,

namun pada umumnya peneliti menggunakan simbol angka 1 untuk keputusan yang bernilai

positif dan angka nol untuk keputusan%pilihan yang bersifat negatif. &amun, untuk pilihan

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

pilihan yang se"ara umum telah diketahui mendominasi, sedangkan angka 0 (nol) untuk

pilihan yang se"ara umum diketahui minoritas.

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

perlu men"oba berbagai jenis model untuk memastikan model terbaik dalam menggambarkan

realita. #odel-model ini terdiri dari model matematis yang dibentuk berdasarkan opsi

(pilihan) model dari variabel dummy, yaitu dummy intersept' dummy slope' dan dummy

kombinasi. etiga jenis model ini masih perlu disusun kembali berdasarkan banyaknya

variabel yang mempengaruhi variable dependen yang di"ari. #odel-model ini disusun

berdasarkan hal berikut,

* a + b + " Di (#odel Dummy ntersep)

* a + b + " (Di.) (#odel Dummy lope)

* a + b + " (Di.) + d Di (ombinasi' 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 "

adalah koefisien terkait, 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. ntuk lebih "epat membuat

model persamaan dummy kombinasi terbaik, dari berbagai kemungkinan dummy kombinasi

lainnya dapat dilakukan dengan memperhatikan penyusun persamaannya. ita bisa

membuatnya dengan menyusun persamaan yang terdiri dari kombinasi elemen

persamaanpersamaan intersep dan slope dengan nilai / dan !dj. tertinggi. ebagai "ontoh,

ketika nilai uji / dan !dj. pada persamaan dummy intersep "ukup 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.

ntuk perhitungan model dummy slope dan intersep, perhatikan hal berikut2

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

model persamaannya.

b. ebelum menganalisis dengan menggunakan 3 (!nalisa egresi), perhatikan

terlebih dahulu faktor yang mempengaruhi variabel dependen atau terikatnya. Dalam

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

#aka dalam persamaan regresi nantinya ditentukan terlebih dahulu nilai masing-masing

variabel independen atau bebas yang mempengaruhi variabel dependennya. !rtinya kita

membuat Di.4ibit dan Di.$ terlebih dahulu dengan "ara mengalikan data kedua

variabel tersebut.

". 4ahkan untuk perhitungan dummy intersep, perlu diperhatikan bahwa regresi variable

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

persamaan matematisnya nanti. 3enjelasan lebih lanjut aka disampaikan di bagian

selanjutnya.

B. Contoh Kasus

3eneliti ingin mengetahui apakah faktor pendidikan pegawai di kantor mempunyai

pengaruh terhadap besar ke"ilnya jumlah gaji yang diterima oleh pegawai. Dalam penelitian



ini, pendidikan pegawai dielompokkan menjadi dua kategori. 3ertama, pegawai yang

berpendidikan menengah (#3 dan #!), dan kedua, pegawai yang berpendidikan tinggi

(nstitut, !kademi, ekolah $inggi dan niversitas).

&o. 3egawai 3endidikan 5aji 3erbulan1 oplo 0 600.000

upli 1 700.000

8 9uminten 0 6:0.000

; $ukiyem 1 7:.000

: $ukimin 0 66:.000

< $umin"ep 1 6:0.000

6 =ainab 0 <00.000

7 4adriah 0 <6:.000

> "ok 0 <70.000

10 3andu 0 <>:.000

11 $eddy 1 600.0001 &anang 1 77:.000

18 4agong 1 7>1.000

1; emar 1 >00.000

1: 3etruk 0 6>:.000 Keterangan : 1. Pendidkan Menengah = 0

2. Lainnya = 1

C. Cara Kerja SPSS

4erikut langkah-langkah menganalis variabel dummy dengan menggunakan 32

1. Memasukkan ata yan! akan ianalisis ke alam SPSS

a. #asukkan data variabel di variable view

b. 3ada kolom value, baris pendidikan, klik pada teks ?none@, masukkan label ?0@

sebagai data pendidikan ?pendidikan menengah@ dan ?1@ sebagai data pendidikan

?lainnya@.



". #asukkan data berikutnya di data view

". Men!analisis Data

a. lik !nalyAe, pilih regression dan klik linear



b. 3ada kotak linear regression, klik gaji menuju kolom ?dependent@ dan klik

pendidikan menuju kolom ?independent@, kemudian klik ok.

". elanjutnya mun"ul tampilan seperti ini



D. #ntre$retasi %ut$ut SPSS3erhatikan pada bagian Boeffi"ients, dari sana didapatkan model matematis

sebagai berikut2

Y =α + βDi+εi

Y =708750+112821,43 Di

Dari persamaan diatas dapat ditentukan rata-rata gaji bagi pegawai yang

berpendidikan menengah dan yang berpendidikan tinggi.

1. 4agi pegawai yang berpendidikan menengah memiliki rata-rata gaji sebagai berikut2

E (Y ID=0 )=708750+112821,43(0)=708750

. 4agi pegawai yang berpendidikan tinggi memiliki rata-rata gaji sebagai berikut2

E (Y ID=1 )=708750+112821,43 (1 )=821571,43

analisis variabel boneka

Documents