Regresi Dummy Dan Binary

KONSEP BERPIKIR

Kelompok Variabel Pertama

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

Apakah ketiga variabel tsb memenuhi syarat normalitas ??

Uji Normalitas

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 Menghitung

Gaji Bagi Karyawan Perempuan:

Gaji = 128,859 + 30,016 Gender

Gaji = 128,859 + 30,016 (0)

Gaji = Rp. 128,859

Gaji Bagi Karyawan Laki-laki:

Gaji = 128,859 + 30,016 (1)

Gaji + 128,859 + 30,016

Gaji = Rp. 158,875

Regresi Dummy Tiga Kriteria

Karyawan 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 Kriteria

Dalam 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

Proses Estimasi

Dengan 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 Analisa

• Jika 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 unit
• Penjualan barang pada kelompok penghasilan menengah bawah sebesar 67 unit
• Penjualan barang pada kelompok penghasilan menengah  sebesar 106 unit
• Penjualan barang pada kelompok penghasilan atas/kaya sebesar  89 unit.

Estimasi

Jika 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)

Regresi Binary / Rgeresi Logistik

Jika 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 Logistik

Regresi Binary Logistik

Setelah analisa regresi di ulang hasilnya akan tampak sbb:

Persamaan regresi logistik dapat di sajikan sbb:

APS = 6,030 – 0,186 BOS

Misal, 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