1 / 10

William J. Stevenson

Operations Management. DUMMY VARIABEL. William J. Stevenson . 8 th edition. Rosihan A smara http :// rosihan.lecture.ub.ac.id http:// rosihan. web.id. Data Kualitatif dalam Model Regressi (Penggunaan Dummy Variable).

rob
Download Presentation

William J. Stevenson

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Operations Management DUMMY VARIABEL William J. Stevenson 8th edition Rosihan Asmara http://rosihan.lecture.ub.ac.idhttp://rosihan.web.id www.rosihan.web.id

  2. Data Kualitatif dalam Model Regressi (Penggunaan Dummy Variable) Variabel Dummy adlh variabel yg merepresentasikan kuantifikasi dari variabel kualitatif. Misal: jenis kelamin, pendidikan, lokasi, situasi, musim, & kualitas. Jika data kualitatif tsb memiliki m kategori, maka jumlah variabel dummy yg dicantumkan didlm model adalah (m-1). Kesimpulan yg diambil dari keberadaan variabel dummy didlm model adlh perbedaan nilai antar kategori ybs. Variabel dummy sering juga disebut variabel boneka, binary, kategorik atau dikotom. Dummy memiliki nilai 1 (D=1) utk salah satu kategori dan nol (D=0) untuk kategori yang lain. www.rosihan.web.id

  3. MODEL REGRESI LINEAR DENGAN DUMMY VARIABEL 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. Kita pertimbangkan model berikut ini: I. Y = a + bX + c D1 (Model Dummy Intersep) II. Y = a + bX + c (D1X) (Model Dummy Slope) III. Y = a + bX + c (D1X) + d D1 (Kombinasi) www.rosihan.web.id

  4. Model Dummy Intersep Model Dummy Slope Model Dummy Kombinasi Y= a + bX1 + cD1 Y= a + bX1 + cD1X1 Y= a + bX1 + cD1X1+ dD1 Y Y= (a+d) + (b+c).X1 Y= a + (b+c).X1 Y= (a + c) + bX1 Y’= a + bX1 Y’= a + bX1 Y’= a + bX1 0 Dummy Slope Dummy Kombinasi Dummy Intersep www.rosihan.web.id

  5. Dummy sebagai Variabel Bebas: ANOVA Model: Yi =  + Di +  Misal : Yi = Penghasilan Karyawan Di = 1 untuk laki-laki = 0 untuk wanita E(YiDi=0) =  E(YiDi=1) =  +  Yi o + o o o o o  x x x  O = L x x x x = P D=0 D=1 Interpretasi: Apakah jenis kelamin berpengaruh thdp penghasilan. Berapa perbedaan penghasilan antara laki2 dan wanita. www.rosihan.web.id

  6. Dummy sebagai Variabel Bebas: • ANCOVA Model: (gabungan kuantitatif & kualitatif) • Satu kuantitatif, satu kualitatif dg 2 kategori. • Yi = 1 + 2Di + Xi +  • Xi = Masa kerja • E(YiXi, Di=0) = 1+Xi • E(YiXi, Di=1) = (1+2)+Xi (1+ 1)+Xi Yi o o o o o 1+Xi o Interpretasi: Apakah jenis kelamin dan masa kerja berpengaruh thdp peng-hasilan. Pada masa kerja ter-tentu, brp perbedaan penghasilan antara Laki dan wanita. x x x x x x Masa kerja www.rosihan.web.id

  7. Dummy sebagai Variabel Bebas: • Satu kuantitatif, satu kualitatif dg 3 kategori. • Misal: Selain masa kerja, penghasilan karyawan juga dipengaruhi oleh tingkat pendidikan (tdk tamat SMU, tamat SMU, Sarjana) • Yi = 1 + 2D1i + 3D2i + Xi +  • D1i = 1 untuk tamat SMU • = 0 Lainnya • D2i = 1 untuk Sarjana • = 0 Lainnya • Sebagai kategori dasar adlh tidak tamat SMU • E(YiXi, D1i=0, D2i=0) = 1+Xi(tdk tamat SMU) • E(YiXi, D1i=1, D2i=0) = (1+2)+Xi(Tamat SMU) • E(YiXi, D1i=0, D2i=1) = (1+3)+Xi(Sarjana) www.rosihan.web.id

  8. 3. Satu kuantitatif, satu kualitatif dg 3 kategori. Yi (1+3)+Xi  Asumsi: 3>2 (1+2)+Xi 1+Xi 3 2 1 Masa kerja Interpretasi: Apakah Masa kerja dan tkt pendidikan berpengaruh thdp penghasilan?. Brp besar perbedaan penghasilan menurut tkt pendidikan pd masa kerja tertentu?. www.rosihan.web.id

  9. 4. Satu kuantitatif, dua kualitatif dg 2 kategori. Misal: D1 adalah dummy jenis kelamin (laki2/wanita), dan D2 adalah dummy tempat kerja (kota/desa). Yi = 1 + 2D1i + 3D2i + Xi +  Yi D1=1, D2=1 D1=0, D2=1 D1i = 1 untuk Laki-laki = 0 untuk wanita D2i = 1 untuk kota = 0 untuk desa D1=1, D2=0 D1=0, D2=0 Masa kerja www.rosihan.web.id

  10. MULTIKOLINEARITAS DALAM REGRESI LINEAR Jika suatu model mempunyai beberapa variable, dan sebagian dari variable diantara mereka akan menjelaskan hubungan linier secara pasti, maka hal ini dikenal sebagai multikolinierity. Hubungan yang erat antara variabel independen akan berdampak pada bias pendugaan parameter dan semakin tingginya nilai standart error yang dihasilkan dalam analisis. Kemungkinan paling jelas dari hal ini adalah besarnya peluang untuk ditolaknya hipotesis alternatif berkenaan dengan pendugaan parameter. www.rosihan.web.id

More Related