Dokumen tersebut membahas model regresi dengan variabel bebas dummy. Variabel dummy digunakan untuk menganalisis data kualitatif dalam regresi. Variabel dummy bernilai 1 atau 0 untuk mewakili kategori tertentu dan dapat digunakan untuk menganalisis pengaruh variabel kualitatif seperti jenis kelamin terhadap variabel terikat kuantitatif seperti gaji. Dokumen ini juga menjelaskan teknik pembentukan dan estimasi variabel dummy serta ilustr
Ringkasan dokumen tersebut adalah:
1. Dokumen tersebut membahas tentang model regresi dengan variabel bebas dummy dan memberikan contoh-contoh penerapannya.
2. Variabel dummy digunakan untuk menganalisis data kualitatif dalam model regresi.
3. Dokumen tersebut menjelaskan teknik pembentukan variabel dummy dan estimasi model regresi dengan variabel dummy.
Model regresi dengan variabel bebas dummy Agung Handoko
Regresi dengan Variabel Bebas Dummy digunakan untuk memprediksi gaji karyawan berdasarkan masa kerja, jenis kelamin, dan tingkat pendidikan. Analisis regresi menunjukkan bahwa ketiga variabel tersebut secara simultan mempengaruhi gaji dengan tingkat penjelasan sebesar 88,1%.
Dokumen tersebut membahas konsep-konsep dasar ekonomi manajerial seperti fungsi, turunan, biaya total, rata-rata, dan marjinal serta aturan-aturan diferensiasi.
Makalah model regresi dengan variabel terikat dummyAgung Handoko
Dokumen tersebut membahas model regresi dengan variabel terikat dummy menggunakan data survei terhadap 40 responden untuk memprediksi kemungkinan seseorang memiliki kolesterol tinggi berdasarkan umur, jenis kelamin, dan sejarah keluarga. Analisis data menggunakan SPSS meliputi identifikasi data hilang, kode variabel, uji signifikansi model, penilaian kelayakan model, dan pengujian koefisien regresi.
Variabel dummy digunakan untuk mengkuantifikasi variabel kualitatif seperti jenis kelamin, pendidikan, dan lokasi. Dummy merepresentasikan perbedaan antar kategori variabel kualitatif dalam mempengaruhi variabel dependen. Model regresi linear menggunakan dummy untuk menganalisis pengaruh setiap kategori secara terpisah. Multikolinieritas dapat terjadi jika variabel independen saling berhubungan secara linier.
Ringkasan dokumen tersebut adalah:
1. Dokumen tersebut membahas tentang model regresi dengan variabel bebas dummy dan memberikan contoh-contoh penerapannya.
2. Variabel dummy digunakan untuk menganalisis data kualitatif dalam model regresi.
3. Dokumen tersebut menjelaskan teknik pembentukan variabel dummy dan estimasi model regresi dengan variabel dummy.
Model regresi dengan variabel bebas dummy Agung Handoko
Regresi dengan Variabel Bebas Dummy digunakan untuk memprediksi gaji karyawan berdasarkan masa kerja, jenis kelamin, dan tingkat pendidikan. Analisis regresi menunjukkan bahwa ketiga variabel tersebut secara simultan mempengaruhi gaji dengan tingkat penjelasan sebesar 88,1%.
Dokumen tersebut membahas konsep-konsep dasar ekonomi manajerial seperti fungsi, turunan, biaya total, rata-rata, dan marjinal serta aturan-aturan diferensiasi.
Makalah model regresi dengan variabel terikat dummyAgung Handoko
Dokumen tersebut membahas model regresi dengan variabel terikat dummy menggunakan data survei terhadap 40 responden untuk memprediksi kemungkinan seseorang memiliki kolesterol tinggi berdasarkan umur, jenis kelamin, dan sejarah keluarga. Analisis data menggunakan SPSS meliputi identifikasi data hilang, kode variabel, uji signifikansi model, penilaian kelayakan model, dan pengujian koefisien regresi.
Variabel dummy digunakan untuk mengkuantifikasi variabel kualitatif seperti jenis kelamin, pendidikan, dan lokasi. Dummy merepresentasikan perbedaan antar kategori variabel kualitatif dalam mempengaruhi variabel dependen. Model regresi linear menggunakan dummy untuk menganalisis pengaruh setiap kategori secara terpisah. Multikolinieritas dapat terjadi jika variabel independen saling berhubungan secara linier.
Dokumen tersebut membahas tentang rumus loss formula umum dan koefisien-koefisien yang terkait, yaitu vektor semua generator bus, matriks loss, vektor loss, dan konstanta loss. Koefisien-koefisien tersebut didapat dari perhitungan aliran daya awal untuk setiap jenis pembangkitan dan perlu dihitung kembali setelah proses dispatch. Contohnya menjelaskan langkah iteratif perhitungan aliran daya, pen
Material Safety Data Sheet (MSDS) for CosmoMix-ACE. Powderized saturated lipid formulation manufactured by Encapsula NanoSciences that is used specifically in the cosmetic industry. The brand name is CosmoMix-ACE. The CosmoMix-ACE formulation is composed of saturated phospholipids.
The Australian government has largely supported the recommendations of the Productivity Commission's report on executive remuneration. However, the government rejected recommendation 13 to remove cessation of employment as the tax point for deferred equity. This rejection has been criticized as it will make taxation a key driver of remuneration structure and rob shareholders of a mechanism to ensure executives are rewarded for long-term performance. The government also proposed a new clawback provision to recover overpaid bonuses based on materially misstated financial information. Overall, the government response has re-ignited debate around executive pay in Australia.
Are you serious about your customer experience?
A breakfast seminar with Lee Sankey, Design Director at Barclays.
The Breakfast Seminar will focus on these two topics:
1) Organisational Culture: is there a difference between stated ambitions and the actual company culture? - ”we want to innovate” but the organisation doesn’t want to change or isn’t open to new ways of working.
2) Ways of working: many organisations are not designed to deal with customer experience and customer value. Why is that and how can you change it?
Process Transformation: Your Questions AnsweredDATAMARK
Q&A with DATAMARK’s Director of Business Engineering Nina Brown, covering the topics of Issue Analysis, Business Process Re-Engineering and Assessing Outsourcing Options.
Rovaniemen/Saarenkylän vuoden 2009 tulvakyselyn tuloksiaJuha Aaltonen
Rovaniemellä 15.3.2012 pidetyn tulva-aiheisen yleisötilaisuuden kalvot, jossa esitellään UR-Flood -hankkeen yhteydessä vuonna 2009 tehdyn asukaskyselyn tuloksia sekä yleisesti tulviin varautumista. Kyselyssä kartoitettiin mm. tulvariskikäsitystä, tulvatietosuutta, tyytyväisyyttä saatavilla olevaan tulvatietoon ja eri viranomaisten toimintaan.
Kalvoja on hieman päivitetty 17.12.2014. Päivitykset on mainittu erikseen.
The document discusses Marinah Khekma Sari. In 3 sentences or less: This document is authored by Marinah Khekma Sari. Little other information is provided in the document, which only lists the author's name. The document does not provide enough context to generate a more detailed summary.
Graphical Password by Watermarking for securityIJERA Editor
The most common authentication method is to use alphanumerical usernames and passwords. This method has
been shown to have considerable disadvantage. For example, users tend to pick passwords that can be easily
guessed. On the other hand, if a password is very difficult to guess, then it is often difficult to remember. To
address this problem, some researchers have developed authentication methods that use pictures as passwords.
Graphical Password based on the fact that humans tend to remember images better. In this paper, we will
propose a new algorithm that using watermarking technique as the solution to solving image gallery attacks and
using the random character set generation for each image for resistance to shoulder surfing attack to provide
better system security. All the information images in registration phase will be process by copy right protection
of watermarking where the login page will check this information for security purposes.
The document is a jumbled collection of letters and symbols with no discernible meaning or structure. It appears to contain no actual information that could be summarized.
Dokumen tersebut membahas tentang pengantar matematika bisnis, meliputi konsep model ekonomi, fungsi, sistem persamaan linier, dan fungsi non linier. Terdapat pula pembahasan tentang aturan perkuliahan dan topik pembahasan keseluruhan mata kuliah matematika bisnis.
Regresi dengan peubah dummy digunakan untuk memodelkan hubungan antara variabel tergantung dengan variabel bebas kuantitatif dan kualitatif. Peubah dummy digunakan untuk mewakili kategori kualitatif seperti jenis kelamin, etnis, tingkat pendidikan, musim, dan rezim politik. Terdapat tiga jenis peubah dummy yang umum digunakan yaitu intercept dummy, slope dummy, dan kombinasi keduanya.
Dokumen tersebut membahas tentang rumus loss formula umum dan koefisien-koefisien yang terkait, yaitu vektor semua generator bus, matriks loss, vektor loss, dan konstanta loss. Koefisien-koefisien tersebut didapat dari perhitungan aliran daya awal untuk setiap jenis pembangkitan dan perlu dihitung kembali setelah proses dispatch. Contohnya menjelaskan langkah iteratif perhitungan aliran daya, pen
Material Safety Data Sheet (MSDS) for CosmoMix-ACE. Powderized saturated lipid formulation manufactured by Encapsula NanoSciences that is used specifically in the cosmetic industry. The brand name is CosmoMix-ACE. The CosmoMix-ACE formulation is composed of saturated phospholipids.
The Australian government has largely supported the recommendations of the Productivity Commission's report on executive remuneration. However, the government rejected recommendation 13 to remove cessation of employment as the tax point for deferred equity. This rejection has been criticized as it will make taxation a key driver of remuneration structure and rob shareholders of a mechanism to ensure executives are rewarded for long-term performance. The government also proposed a new clawback provision to recover overpaid bonuses based on materially misstated financial information. Overall, the government response has re-ignited debate around executive pay in Australia.
Are you serious about your customer experience?
A breakfast seminar with Lee Sankey, Design Director at Barclays.
The Breakfast Seminar will focus on these two topics:
1) Organisational Culture: is there a difference between stated ambitions and the actual company culture? - ”we want to innovate” but the organisation doesn’t want to change or isn’t open to new ways of working.
2) Ways of working: many organisations are not designed to deal with customer experience and customer value. Why is that and how can you change it?
Process Transformation: Your Questions AnsweredDATAMARK
Q&A with DATAMARK’s Director of Business Engineering Nina Brown, covering the topics of Issue Analysis, Business Process Re-Engineering and Assessing Outsourcing Options.
Rovaniemen/Saarenkylän vuoden 2009 tulvakyselyn tuloksiaJuha Aaltonen
Rovaniemellä 15.3.2012 pidetyn tulva-aiheisen yleisötilaisuuden kalvot, jossa esitellään UR-Flood -hankkeen yhteydessä vuonna 2009 tehdyn asukaskyselyn tuloksia sekä yleisesti tulviin varautumista. Kyselyssä kartoitettiin mm. tulvariskikäsitystä, tulvatietosuutta, tyytyväisyyttä saatavilla olevaan tulvatietoon ja eri viranomaisten toimintaan.
Kalvoja on hieman päivitetty 17.12.2014. Päivitykset on mainittu erikseen.
The document discusses Marinah Khekma Sari. In 3 sentences or less: This document is authored by Marinah Khekma Sari. Little other information is provided in the document, which only lists the author's name. The document does not provide enough context to generate a more detailed summary.
Graphical Password by Watermarking for securityIJERA Editor
The most common authentication method is to use alphanumerical usernames and passwords. This method has
been shown to have considerable disadvantage. For example, users tend to pick passwords that can be easily
guessed. On the other hand, if a password is very difficult to guess, then it is often difficult to remember. To
address this problem, some researchers have developed authentication methods that use pictures as passwords.
Graphical Password based on the fact that humans tend to remember images better. In this paper, we will
propose a new algorithm that using watermarking technique as the solution to solving image gallery attacks and
using the random character set generation for each image for resistance to shoulder surfing attack to provide
better system security. All the information images in registration phase will be process by copy right protection
of watermarking where the login page will check this information for security purposes.
The document is a jumbled collection of letters and symbols with no discernible meaning or structure. It appears to contain no actual information that could be summarized.
Dokumen tersebut membahas tentang pengantar matematika bisnis, meliputi konsep model ekonomi, fungsi, sistem persamaan linier, dan fungsi non linier. Terdapat pula pembahasan tentang aturan perkuliahan dan topik pembahasan keseluruhan mata kuliah matematika bisnis.
Regresi dengan peubah dummy digunakan untuk memodelkan hubungan antara variabel tergantung dengan variabel bebas kuantitatif dan kualitatif. Peubah dummy digunakan untuk mewakili kategori kualitatif seperti jenis kelamin, etnis, tingkat pendidikan, musim, dan rezim politik. Terdapat tiga jenis peubah dummy yang umum digunakan yaitu intercept dummy, slope dummy, dan kombinasi keduanya.
Teks tersebut merangkum analisis regresi berganda dengan menggunakan variabel dummy untuk memprediksi pengeluaran mahasiswa. Variabel independen terdiri dari uang kiriman orang tua, jenis kelamin, dan kepemilikan mobil. Hasilnya menunjukkan bahwa ketiga variabel tersebut berpengaruh signifikan terhadap pengeluaran mahasiswa. Koefisien determinasi sangat tinggi menunjukkan model regresi yang kuat.
Pert.6 - Model Regresi dengan Variabel Independen Kualitatif.pptxSriFatmasariSyam
Dokumen tersebut membahas model regresi dengan variabel independen kualitatif. Variabel kualitatif mengindikasikan atribut yang tidak dapat diukur seperti jenis kelamin. Metode yang digunakan untuk mengakomodasi variabel kualitatif adalah membentuk variabel dummy. Contoh penelitian menggunakan variabel dummy jenis kelamin untuk menguji hipotesis diskriminasi gaji. Hasil estimasi menunjukkan bahwa variabel dummy jenis kelamin signifikan,
Model logit digunakan untuk memprediksi peluang seseorang membeli mobil berdasarkan faktor umur, jenis kelamin, dan pendapatan. Variabel pendapatan dikonversi menjadi dua variabel dummy untuk mengembangkan model yang mudah diinterpretasi. Hasilnya menunjukkan bahwa umur dan pendapatan berpengaruh nyata terhadap keputusan membeli mobil, sedangkan jenis kelamin wanita memiliki peluang lebih rendah dibanding pria.
ANCOVA digunakan untuk mengetahui pengaruh perlakuan terhadap variabel respon dengan mengontrol variabel lain. ANCOVA menguji hubungan antara covariate dan respon, serta pengaruh perlakuan pada respon. Contoh menunjukkan IQ dan dosen berpengaruh terhadap nilai mahasiswa.
Dokumen tersebut membahas berbagai teknik optimasi dan peralatan manajemen baru untuk mengoptimalkan bisnis. Teknik yang dijelaskan meliputi analisis hubungan ekonomi menggunakan fungsi penerimaan dan biaya total, kalkulus diferensial untuk menentukan tingkat output optimal, serta optimisasi terkendala dan multivariat. Peralatan manajemen baru seperti perbandingan, TQM, rekayasa ulang proses, dan organisasi pembelajaran juga dijel
Dokumen tersebut membahas tentang analisis regresi dan korelasi. Memberikan penjelasan tentang perbedaan regresi dan korelasi, persamaan regresi linear, koefisien korelasi dan determinasi, serta beberapa contoh soal regresi dan korelasi.
Dokumen tersebut membahas tentang analisis regresi dan korelasi antara dua variabel, termasuk cara menghitung persamaan regresi linear, koefisien korelasi, dan koefisien determinasi untuk melihat hubungan antara variabel bebas dan terikat. Juga memberikan contoh soal dan penyelesaiannya.
Dokumen tersebut membahas model regresi linier dengan variabel dummy untuk memodelkan hubungan antara variabel respon dan prediktor. Variabel dummy digunakan untuk mewakili variabel kategori dengan lebih dari dua kategori. Metode ini digunakan untuk melihat pengaruh kategori terhadap parameter estimasi. Contoh penerapannya adalah memodelkan pengeluaran makanan berdasarkan pendapatan dan jenis kelamin, serta kandungan zat terlarut berdasarkan pH dan
Dokumen tersebut membahas model ARCH dan GARCH untuk memodelkan heteroskedastisitas pada data time series. Model ARCH memodelkan varian error yang bergantung pada nilai error masa lalu, sedangkan GARCH memodelkan varian error yang bergantung pada error dan varian masa lalu. Dokumen ini juga membahas berbagai jenis model ARCH dan GARCH serta contoh penerapannya untuk memodelkan volatilitas Indeks Harga Saham Gabungan.
Dokumen tersebut membahas tentang Uji Kausalitas Granger untuk mengetahui hubungan dua arah antar variabel dengan menggunakan data time series. Metode ini menguji pengaruh masa lalu suatu variabel terhadap kondisi saat ini dengan membandingkan hasil regresi model penuh dan terbatas untuk menentukan apakah suatu variabel mempengaruhi variabel lainnya.
"Jodoh Menurut Prespektif Al-Quran" (Kajian Tasir Ibnu Katsir Surah An-Nur ay...Muhammad Nur Hadi
Jurnal "Jodoh Menurut Prespektif Al-Quran" (Kajian Tasir Ibnu Katsir Surah An-Nur ayat 26 dan 32 dan Surah Al-Hujurat Ayat 13), Ditulis oleh Muhammmad Nur Hadi, Mahasiswa Program Studi Ilmu Hadist di UIN SUSKA RIAU.
2. PENDAHULUAN
Regresi yang telah dipelajari data kuantitatif
Analisis membutuhkan analisis kualitatif.
Contoh:
Pengaruh jenis Kelamin terhadap gaji.
Pengaruh kualitas produk terhadap omset.
Pengaruh harga terhadap kepuasan pelayanan.
Pengaruh pendidikan terhadap umur perkawinan pertama.
Contoh (1) & (2) variabel bebas kualitatif dan variabel terikat kuantitatif.
Contoh (3) variabel bebas kuantitatif dan variabel terikat kualitatif.
Contoh (4) variabel bebas kualitatif dan variabel terikat kualitatif.
(1) dan (2) Regresi dengan Dummy Variabel
(3) dan (4) Model Logistik atau Multinomial
3. PENDAHULUAN
Data Kualitatif harus berbentuk data kategorik Belum bisa dibuat regresi secara langsung Variabel Dummy.
Variabel dummy disebut juga variabel indikator, biner, kategorik, kualitatif, boneka, atau variabel dikotomi.
Variabel Dummy pada prinsipnya merupakan perbandingan karakteristik. Misalnya:
Perbandingan kondisi (besaran/jumlah) konsumen yang merasa puas terhadap suatu produk dengan konsumen yang tidak puas.
Perbandingan besarnya gaji antara laki-laki dan perempuan.
4. Tekhnik pembentukan Variabel Dummy dan Estimasi
Dummy bernilai 1 atau 0. Kenapa?
Perhatikan data kategorik berikut:
1.Konsumen puas
2.Konsumen tidak puas
Bisakah kita membuat regresi dengan ‘kode kategorik’ diatas, yaitu 1 dan 2?
Bila digunakan kode kategorik tersebut, berarti kita sudah memberi nilai pada ‘konsumen yang tidak puas’ dua kali ‘konsumen yang puas’.
Bila dibuat dummy, misalnya:
1.Konsumen puas = 1
2.Konsumen tidak puas = 0.
5. Regresi yang dibuat menunjukkan kondisi dimana konsumen merasa puas (Dummy berharga 1 Dummy ada dalam model), dan kondisi sebaliknya (Dummy berharga 0 Dummy ‘hilang’ dari model). Jadi modelnya akan menunjukan kondisi ‘ada’ atau ‘tidak ada’ Dummy.
Untuk jelasnya perhatikan contoh berikut:
Penelitian mengenai pengaruh daerah tempat, yaitu kota atau desa, terhadap harga berbagai macam produk.
Model: Y = + D + u
Y = Harga produk
D = Daerah tempat tinggal
D = 1 ; Kota
D = 0 ; Desa
u = kesalahan random.
Tekhnik pembentukan Variabel Dummy dan Estimasi
Catatan: Dummy
yang bernilai 0
disebut dengan
kategorik
pembanding
atau dasar
atau reference.
6. ILUSTRASI
Dari model di atas, rata-rata harga produk :
Kota : E (Y D = 1) = +
Desa : E (Y D = 0) =
Jika = 0 tidak terdapat perbedaan harga antara daerah perkotaan dengan pedesaan.
Jika 0 terdapat perbedaan harga antara daerah perkotaan dengan pedesaan.
Model diatas merupakan model Regresi OLS
7. ILUSTRASI
Misal hasil estimasi dengan OLS untuk model diatas didapat:
Y = 9,4 + 16 D
t (53,22) (6,245)
R2 = 96,54%
Metode apa yang digunakan untuk membuktikan bahwa = 0 atau 0?
Hasil 0 dan 0; yaitu : = 9,4 dan = 16.
Artinya, harga rata-rata produk didaerah perkotaan adalah: 9,4+ 16 = 25,4 ribu rupiah, dan pedesaan sebesar 9,4 ribu rupiah. Dengan demikian dapat disimpulkan, harga produk daerah perkotaan lebih mahal dibanding pedesaan.
8. Model:variabel bebas merupakan variabel kuantitatif dan variabel kualitatif.
Contoh: Analisis mengenai gaji dosen di sebuah perguruan tinggi swasta di Jakarta, berdasarkan jenis kelamin dan lamanya mengajar.
Didefinisikan :
Y=gaji seorang dosen
X=lamanya mengajar (tahun)
G=1 ; dosen laki-laki
0 ; dosen perempuan
Model :
Y = 1+ 2G + X + u
Dari model ini dapat dilihat bahwa :
Rata-rata gaji dosen perempuan = 1+ X
Rata-rata gaji dosen laki-laki = 1+ 2+ X
9. Model:variabel bebas merupakan variabel kuantitatif dan variabel kualitatif.
Jika 2= 0 tidak ada diskriminasi gaji antara dosen laki-laki dan perempuan
Jika 20 ada diskriminasi gaji antara dosen laki-laki dan perempuan
Misal: gaji dosen laki-laki > perempuan, maka secara geometris, model dapat digambarkan sebagai berikut : Gaji
Dosen laki-laki
Dosen perempuan
Pengalaman mengajar
1
2
10. Bagaimana jika pendefinisian laki- laki dan perempuan dibalik?
Misalkan :
S=1; dosen perempuan
=0; dosen laki-laki
Modelnya menjadi :
Y = 1+ 2S + X + u
Jika 2= 0 tidak ada diskriminasi gaji antara dosen laki-laki dan perempuan
Jika 20 ada diskriminasi gaji antara dosen laki- laki dan perempuan
11. Pembalikan Definisi
Misal: gaji dosen laki-laki > perempuan 2akan bertanda negatif, maka secara geometris, model dapat digambarkan sebagai berikut : Gaji
Dosen Laki-laki
Dosen Perempuan
2
1
Pengalaman mengajar
12. PENDEFINISIAN
Perlu diperhatikan sekarang bahwa berdasarkan pendefinisian baru:
Rata-rata gaji dosen perempuan = 1–2+ X
Rata-rata gaji dosen laki-laki = 1+ X
Jadi, apapun kategorik pembanding akan menghasilkan kesimpulan yang sama, sekalipun taksiran nilai koefisien regresi berbeda.
Bagaimana kalau definisi:
D2=1; dosen laki-laki
0; dosen perempuan
D3=1; dosen perempuan
0; dosen laki-laki
13. PENDEFINISIAN
Sehingga modelnya menjadi :
Y = 1+ 2D2+ 3D3+ X + u
Apa yang akan terjadi bila model ini diestimasi dengan OLS ?
Perhatikan: ada hubungan linear antara D2dan D3yakni
D2= 1 -D3atau D3= 1 -D2 perfect colinearityantara D2dan D3 sehingga OLS tidak dapat digunakan.
Dalam membuat Dummy: Jika data mempunyai kategori sebanyak m, maka kita hanya memerlukan m-1 variabel dummy. Dalam contoh di atas, kategorinya hanya dua, yaitu laki-laki dan perempuan. Oleh sebab itu, hanya satu variabel dummy yang dibutuhkan.
14. Varibel dengan Kategori Lebih dari Dua
Misalkan:
Pendidikan mempunyai 3 kategori:
1.Tidak tamat SMU
2.Tamat SMU
3.Tamat Perguruan tinggi.
Dibutuhkan variabel dummy sebanyak (3-1) = 2.
Dua variabel dummy tersebut yaitu D2dan D3didefinisikan sebagai berikut:
D2=1 ; pendidikan terakhir SMU
0 ; lainnya
D3=1 ; pendidikan terakhir perguruan tinggi
0 ; lainnya
Manakah kategorik pembandingnya?
15. ILUSTRASI
Perhatikan model berikut :
Y = 1+ 2D2+ 3D3+ X + u
Y= pengeluaran untuk health careper tahun
X=pendapatan per tahun
D2=1 ; pendidikan tertinggi SMU
0 ; lainnya
D3=1 ; pendidikan tertinggi perguruan tinggi (S1)
0 ; lainnya
Beraparata-rata pengeluaran seseorang berdasarkanpendidikannya?
Tidak tamat SMU: 1+ X
Tamat SMU:1+ 2+ X
Berijazah S1:1+ 3+ X
16. ILUSTRASI
Kalau dilihat secara geometris, pengeluaran untuk health care tersebut adalah sebagai berikut :
Diasumsikan : 3> 2
PT
SMU
Tidak tamat SMU
3
2
1
Pendapatan (X)
Tabungan(Y)
17. Regresi Dengan Beberapa Variabel Kualitatif
Contoh:
Y = 1+ 2D2+ 3D3 + X + u
Y = gajiX = pengalaman (tahun)
D2= 1 ; dosen laki-laki D3= 1 ; Fakultas tehnik
0 ; dosen perempuan0 ; lainnya
Dari model didapatkan:
Rata-rata gaji dosen perempuan yang mengajar diluar fakultas tekhnik = 1+ X
Rata-rata gaji dosen laki-laki yang mengajar diluar fakultas tekhnik = 1+ 2+ X
Rata-rata gaji dosen perempuan yang mengajar di fakultas tekhnik = 1+ 3+ X
Rata-rata gaji dosen laki-laki yang mengajar di fakultas tekhnik = 1+ 2+ 3+ X
18. ILUSTRASI
Seandainya didapat persamaan regresi sebagai berikut:
Y = 7,43 + 0,207 D2+ 0,164 D3+ 1,226 X
R2= 91,22%
Apa artinya jikauji-t menunjukan D2dan D3signifikan?
Berapa rata-rata gaji dosen perempuan yang mengajar diluar fakultas tekhnikdengan pengalaman 1 tahun?
7,43 + 1,226 = Rp.8,656 juta.
Berapa rata-rata gaji dosen laki-laki yang mengajar diluar fakultas tekhnik dengan pengalaman 1 tahun?
7,43 + 0,207 + 1,226 = Rp.8,863 juta.
Rata-rata gaji dosen perempuan yang mengajar di fakultas tekhnik dengan pengalaman 1 tahun?
7,43 + 0,164 + 1,226 = Rp.8,820 juta.
19. Manfaat Lain Variabel Dummy
Dalam analisis menggunakan data time series, variabel dummy bermanfaat untuk membandingkan suatu kurun waktu dengan kurun waktu tertentu.
Misalnya:
Bagaimana produksi PT Astra antara sebelum terjadi krisis dan saat krisis ekonomi?
Bagaimana minat masyarakat untuk menabung di Bank Syariah setelah MUI mengeluarkan fatwa bahwa bunga haram?
Apakah benar setiap bulan Desember harga dolar cenderung naik?
Apakah benar setiap hari senin harga saham Indofood naik?
Model diatas: Perbedaan hanya diakomodasi oleh intersep. Bagaimana jika slop juga berbeda Membandingkan 2 regresi
20. MEMBANDINGKAN DUA REGRESI
Perhatikan persamaan berikut:
Tabungan (Y) = 1+ 2 Pendapatan (X) + u
Apakah hubungannya selalu demikian (sama) pada saat sebelum krisis moneter dan ketika krisis moneter?
Data dibagi dua berdasarkan kurun waktu, yaitu sebelum dan saat krisis, sehingga didapat dua model regresi, yaitu:
Periode I, sebelum krisis:Yi= 1+ 2Xi + ui ;
i = 1,2, … , n
Periode II, sesudah krisis: Yi = 1+ 2Xi+ i ;
i = n+1,n+2, … , N
21. MEMBANDINGKAN DUA REGRESI
Kemungkinan-kemungkinan yang akan didapat:
Kasus 1: 1= 1dan 2= 2(model sama)
Kasus 2: 11dan 2= 2
Kasus 3: 1= 1dan 22
Kasus 4: 11dan 22(pergesaran model)
Masalahnya tidak jarang dalammembandingkan dua regresi, kita kesulitanmenentukan kapankah koefisien kedua regresi berbeda.
Dalam matematik, angka 4 dan 2 pasti berbeda. Bagaimana dengan statistik?
Ingat Uji t? Koefisien yang 0, bisa dianggap = 0, atau tidak signifikan. Jadi pada statistik, perbedaan yang dimaksud bersifat relatif.
22. MEMBANDINGKAN DUA REGRESI
Contoh:
Ada sederetan data: 90 90 92 93 93 93 93 94 95 96 96
Apakah 90 dan 92 berbeda?
Bandingkan dengan deretan data: 60 60 70 70 82 82 90 92 93 99 105 106 116. Apakah 90 dan 92 berbeda?
Untuk menanggulangi permasalahan diatas variabel dummy
Model:
Yi= 1 + 2D + 1Xi + 2D Xi+ ui
D =1 ; pengamatan pada periode I (Sebelum Krisis)
0 ; pengamatan pada periode II (Saat Krisis)
Sehingga, rata-rata tabungan (Y) pada periode :
I :Yi= (1+ 2) + (1+ 2) Xi
II :Yi= 1+ 1Xi
23. MEMBANDINGKAN DUA REGRESI
Dengan demikian:
Kasus 1: Bila 2= 0 dan 2= 0Model I = Model II
Kasus 2: Bila 20 dan 2= 0Slope sama, intercept beda
Kasus 3: Bila 2= 0 dan 20Intercept sama, slope beda
Kasus 4: Bila 20 dan 20Intercept dan slope berbeda
Tabungan
2
1
Pendapatan
Sebelum Krisis
Saat Krisis