Regresi Berganda Dengan Variabel Dummy
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. Dalam kasus file multiple_reg, ada satu variabel kategori, yaitu jenis kelamin yang dua kategori yaitu 1 untuk laki-laki dan 0 untuk perempuan. Variabel bebas Jenis Kelamin hanya akan memiliki satu variabel dummy yaitu DJENISKELAMIN karena jenis kelamin hanya memiliki dua kategori yaitu 1 untuk laki-laki dan 0 untuk perempuan (k-1 atau 2-1).
Tabel Cara menyusun Vaariabel Dummy Kasus: Income Sales Person Variabel Kode DJENISKELAMIN JENIS KELAMIN Laki-laki 1 Perempuan Kasus: Income Sales Person Y adalah income sales person (dalam dolar). X1 adalah usia. X2 adalah pengalaman kerja. X3 adalah jenis kelamin Persamaan regresi dengan variabel dummy: Income = β0 + β1 USIA + β2 PENGALAMAN KERJA + β3 DJENISKELAMIN + ɛ
Perintah dalam SPSS Bukan File multiple_reg Menu Analize ─> Regression ─> Linear .. Tampak di Layar windows Linear Regression Pada kotak Dependent isikan variabel Income Pada kotak Independent isikan variabel Usia, Pengalaman Kerja, dan Jenis Kelamin Pada kotak Method, pilih Enter Abaikan yang lain dan tekan OK
Std. Error of the Estimate Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .979a .959 .941 2758.308 a. Predictors: (Constant), Jenis Kelamin, Pengalaman Kerja, Usia ANOVAb Model Sum of Squares df Mean Square F Sig. 1 Regression 1.242E9 3 4.139E8 54.402 .000a Residual 5.326E7 7 7608262.177 Total 1.295E9 10 a. Predictors: (Constant), Jenis Kelamin, Pengalaman Kerja, Usia b. Dependent Variable: Income
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -9071.764 5331.943 -1.701 .133 Usia 1148.913 204.717 .620 5.612 .001 Pengalaman Kerja 1513.691 650.596 .246 2.327 .053 Jenis Kelamin 5239.227 2826.196 .240 1.854 .106 a. Dependent Variable: Income Income sales person laki-laki 5239.227 lebih tinggi dari income sales person perempuan. Dengan kata lain, income sales person laki-laki 52.39% lebih tinggi dari income sales person perempuan
Daftar Pustaka: Uyanto, S.S. (2009). Pedoman analisis data dengan SPSS. Edisi Ketiga. Yogyakarta: Penerbit Graha Ilmu. Buku Prof. Dr. H. Imam Ghozali, I. (2013). Aplikasi analisis multivariate dengan Program SPSS. Semarang: Penerbit Badan Penerbit Undip.