Tujuan Pembelajaran 1) Mengetahui definisi variabel dummy

Slides:



Advertisements
Presentasi serupa
MODEL REGRESI DENGAN VARIABEL BEBAS DUMMY
Advertisements

William J. Stevenson Operations Management 8 th edition DUMMYVARIABEL Rosihan Asmara
SEKILAS STATISTIKA 1. Menjelaskan konsep dasar data & pembagiannya 2
MODEL REGRESI DENGAN VARIABEL BEBAS DUMMY
? 1. Konsep Statistika STATISTIKA : Kegiatan untuk : mengumpulkan data
NAMA : NURJANAH NPM : JURUSAN : MANAJEMEN
TUGAS AKHIR SEMESTER STATISTIKA LANJUT
Aplikasi Komputer & Pengolahan Data SKALA PENGUKURAN DATA
BAB VI REGRESI SEDERHANA.
Analisis Diskriminan dan Regresi Logistik merupakan tehnik statistik
REGRESI Oleh : Herry Yulistiyono, MSi.
FEB Univ. 17 Agustus 1945 Jakarta
ANALISIS RGRESI DENGAN MODERATING VARIABEL
ANALISIS KORELASI.
ANALISIS REGRESI DENGAN VARIABEL MODERATING
FEB Univ. 17 Agustus 1945 Jakarta
oleh: Hutomo Atman Maulana, S.Pd. M.Si
FEB Univ. 17 Agustus 1945 Jakarta
FEB Univ. 17 Agustus 1945 Jakarta
Perguruan Tinggi Asia Malang
FEB Univ. 17 Agustus 1945 Jakarta
created by Vilda Ana Veria Setyawati
FEB Univ. 17 Agustus 1945 Jakarta
FEB Univ. 17 Agustus 1945 Jakarta
ANALISIS REGRESI LINIER BERGANDA
Regresi dengan Dummy sebagai Variabel Independen
TUGAS AKHIR SEMESTER STATISTIKA MPSI
Pertemuan 6 DUMMY VARIABEL.
ANALISIS REGRESI DAN KORELASI LINIER
Lilik Kustiani1 Ari Brihandhono2 Universitas Kanjuruhan Malang
FEB Univ. 17 Agustus 1945 Jakarta
PROGRAM PASCASARJANA MAGISTER MANAJEMEN
PENGARUH KEPEMIMPINAN, KOMPENSASI, DAN LINGKUNGAN KERJA
ANALISIS MODERATING.
KORELASI Dosen : Dhyah Wulansari, SE., MM..
Kerangka pemikiran JUDUL: Pengaruh kepemimpinan, manajemen SDM, kompetensi, motivasi kerja, kepuasan kerja, dan budaya organisasi terhadap produktivitas.
Pertemuan Ke-10 REGRESI DUMMY
STATISTIKA Dosen: Enny K. Sinaga, M.Si
MODEL REGRESI DENGAN VARIABEL BEBAS DUMMY
ANALISIS REGRESI LINIER DUA PREDIKTOR
Analisis Regresi & Analisis Korelasi
MODEL LOG LINIER Gangga Anuraga.
ANALISIS REGRESI.
REGRESI LOGISTIK BINER
PENGARUH KEPEMIMPINAN, KOMPENSASI, DAN LINGKUNGAN KERJA
Praktikum statistik “Dengan spss”
REGRESI LOGISTIK BINER (DICHOTOMOUS INDEPENDENT VARIABLE)
VALIDITAS DAN REABILITAS REGRESI BERGANDA Nori Sahrun, S.Kom., M.Kom
MODEL REGRESI DENGAN VARIABEL BEBAS KATEGORI
Pertemuan 6 VARIABEL PENELITIAN
REGRESI BERGANDA.
Regresi Berganda Dengan Variabel Dummy
-ANALISIS KORELASI-.
MODEL REGRESI DENGAN VARIABEL BEBAS DUMMY
METODOLOGI PENELITIAN
TUGAS AKHIR SEMESTER STATISTIKA LANJUT MPSI
ABSTRAK PENGARUH REWARD DAN PUNISHMENT TERHADAP DISIPLIN KERJA KARYAWAN PT INDRIPLANT (PERKEBUNAN NAPAL) RIAU Oleh Rangga Enisman Pada latar belakang.
Pengantar Aplikasi Komputer II Analisis Regresi Linier Sederhana
Pertemuan 9 Regresi dengan peubah dummy
ANALISA DATA Elsa Roselina, S.Kp, MKM.
Konten: Definisi kerangka pemikiran & hipotesis
REGRESI LINIER.
ANALISIS REGRESI LINIER
ANALISIS JALUR ( PATH ANALYSIS ).
BAB VIII REGRESI &KORELASI BERGANDA
JENIS-JENIS VARIABEL Berdasarkan Sifat Data yang dihasilkan jika variabel ybs diukur: variabel diskrit (discrete) dan variabel bersambungan (continous)
Model Linier untuk Klasifikasi Satu arah
Analisis Regresi Ganda
Korelasi dan Regresi Analisis.
Model Regresi Variabel Dummy Dr. Endri., SE., MA Program Doktor Ilmu Manajemen UPI YAI.
Transcript presentasi:

Tujuan Pembelajaran 1) Mengetahui definisi variabel dummy 2) Membedakan variabel dummy dengan variabel lainnya 3) Dapat mengkodekan variabel dummy 4) melakukan analisis regresi moderasi dengan software SPSS 5) mengartikan output SPSS

Apa dummy variable ? Donald Cooper dan Pamela Schindler (2000) mendefinisikan dummy variable sebagai sebuah variabel nominal yang digunakan di dalam regresi berganda dan diberi kode 0 dan 1.

Apa dummy variable ? Nilai 0 biasanya menunjukkan kelompok yang tidak mendapat sebuah perlakuan dan 1 menunjukkan kelompok yang mendapat perlakuan. Dalam regresi berganda, aplikasinya bisa berupa perbedaan jenis kelamin (1 = laki-laki, 0 = perempuan), ras (1 = kulit putih, 0 = kulit berwarna), pendidikan (1 = sarjana, 0 = non-sarjana).

Maka …. Jika variabel bebas berukuran kategori atau dikotomi, maka dlam model regresi harus dinyatakan sebagai variabel dummy dengan memberi kode 0 (nol) atau 1 (satu). Setiap variabel dummy menyatakan satu kategori variabel bebas non-metrik, dan setiap variabel non-metrik dengan k kategori dapat dinyatakan dalam k-1 variabel dummy.

Fungsi Variabel dummy digunakan sebagai upaya untuk melihat bagaimana klasifikasi-klasifikasi dalam sampel berpengaruh terhadap parameter pendugaan. Variabel dummy juga mencoba membuat kuantifikasi dari variabel kualitatif.

Ingat !! Variabel dummy merupakan variabel bebas yang bernominal 1 dan 0, jika variabel terikat yang bernominal 1 dan 0 maka masuk dalam analisis regresi logistik Pada prinsipnya menghitung analisis regresi dengan variabel dummy, sama dengan menganlisis regresi biasa.

Rumus regresi dummy Model regresi dapat ditulis sebagai berikut : Y = b0 + b1 X + b2 d2 + b3 d2 + e1

CONTOH KASUS Terdapat judul penelitian (dengan 1 variabel dummy): Pengaruh motivasi, jenis kelamin, kompensasi terhadap kinerja karyawan pada PT ABC

Pengaruh motivasi, jenis kelamin, kompensasi terhadap kinerja karyawan pada PT ABC Motivasi (X1) Kinerja (Y) Jenis Kelamin (X2) Kompensasi (X3) Gambar Kerangka Pikir

Langkah untuk mengolah regresi dummy 1. memahami variabel dummy dengan mengkategorikan dengan kode 1 dan 0 2. melakukan input data dari kuesioner 3. menghitung persamaan regresi 4. melihat tingkat signifikansi

1) memahami variabel dummy dengan mengkategorikan dengan kode 1 dan 0 2) Input data jawaban responden dalam SPSS (bisa import dari excel)

Hasil Output pada SPSS

Hasil Output pada SPSS

3) menghitung persamaan regresi Y = a + b1 X1 + b2 X2 + b3 X3 + e atau Y = a + b1 X1 + b2 d1 + b3 d2 + e Y = - 0,009 + 0,372 X1 + 0,494 X2 + 0,420 X3 Y = - 0,009 + 0,372 X1 + 0,494 d1 + 0,420 d2

4) melihat tingkat signifikansi Untuk mencari pengaruh maka dapat melihat tingkat signifikansi, jika nilai t sig < 0,050 maka dapat disimpulkan bahwa variabel bebas mempunyai pengaruh yang signifikan terhadap variabel terikat.

4) melihat tingkat signifikansi Motivasi = t sig = 0,023 < 0,050 = signifikan Jenis Kelamin = t sig = 0,005 < 0,050 = signifikan Kompensasi = t sig = 0,006 < 0,050 = signifikan