Distribusi hipergeometrik juga termasuk distribusi teoretis yang menggunakan variabel diskrit dengan dua kejadian yang berkomplemen, seperti halnya distribusi binomial.
Perbedaan yang utama antara distribusi binomial dan distribusi hipergeometrik adalah pada cara pengambilan sampelnya. Pada distribusi binomial pengambilan sampel dilakukan dengan pengembalian, sedangkan pada distribusi hipergeometrik pengambilan sampel dilakukan tanpa pengembalian.
Dari penjelasan di atas, bisa disimpulkan bahwa distribusi hipergeometrik adalah distribusi probabilitas diskrit dari sekelompok objek atau populasi yang dipilih tanpa pengembalian.
Distribusi hipergeometrik juga termasuk distribusi teoretis yang menggunakan variabel diskrit dengan dua kejadian yang berkomplemen, seperti halnya distribusi binomial.
Perbedaan yang utama antara distribusi binomial dan distribusi hipergeometrik adalah pada cara pengambilan sampelnya. Pada distribusi binomial pengambilan sampel dilakukan dengan pengembalian, sedangkan pada distribusi hipergeometrik pengambilan sampel dilakukan tanpa pengembalian.
Dari penjelasan di atas, bisa disimpulkan bahwa distribusi hipergeometrik adalah distribusi probabilitas diskrit dari sekelompok objek atau populasi yang dipilih tanpa pengembalian.
2. DATA KUALITATIF DALAM MODEL REGRESSI
(PENGGUNAAN DUMMY VARIABLE)
Variabel dummy adalah variabel yang digunakan untuk mengkuantitatifkan
variabel yang bersifat kualitatif (misal: jenis kelamin, ras, agama, perubahan kebijakan
pemerintah, perbedaan situasi dan lain-lain).
Variabel dummy merupakan variabel yang bersifat kategorikal yang diduga
mempunyai pengaruh terhadap variabel yang bersifat kontinue.
Variabel dummy sering juga disebut variabel boneka, kualitatif, kategoris atau
indikator.
Variabel dummy hanya mempunyai 2 (dua) nilai yaitu 1 dan nilai 0, serta simbol
D. Dummy memiliki nilai 1 untuk salah satu kategori yang mendapat perlakuan dan 0 untuk
kategori yang tidak mendapat perlakuan.
D = 1 untuk suatu kategori (laki- laki, kulit putih, sarjana dsb).
D = 0 untuk kategori yang lain (perempuan, kulit berwarna, non-sarjana dsb).
Persamaan regresi variabel dummy dua kategori:
Y = a + bDi + Ɛ
dimana,
Y = Nilai yang diramalkan; a = Konstansta; b= Koefisien regresi untuk D1
D1= Variabel Dummy dengan dua kategori ; Ɛ = Nilai Residu
3. Tujuan menggunakan regresi berganda dummy adalah memprediksi besarnya
nilai variabel tergantung(dependent) atas dasar satu atau lebih variabel
bebas(independent), dimana satu atau lebih variabel bebas yang digunakan bersifat
dummy atau dengan kata lain variabel yang digunakan untuk membuat kategori
yang bersifat kualitatif (data kualitatif tidak memiliki satuan ukur), agar data
kualitatif dapat digunakan dalam analisa regresi maka harus lebih dahulu di
transformasikan ke dalam bentuk Kuantitatif.
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)
4. Ada kalanya kita melakukan suatu regresi dimana variabel penjelas atau
variabel tergantung berupa data kategorikal (sering disebut data nominal). Misalnya laki-laki
dan perempuan, desa-kota, industri pangan, sandang, dan peralatan.
Contoh kita ingin mengetahui jenis kelamin, lokasi, dan industri terhadap upah.
1. Pengaruh jenis kelamin atas upah, modelnya: Upah = a + b1DJK + Ɛ
Dimana DJK adalah dummy jenis kelamin (laki-laki dan wanita)
2. Pengaruh lokasi terhadap upah, apakah desa lebih rendah upahnya dari kota,
modelnya: Upah = a + b1DLOK + Ɛ, dimana DLOK adalah dummy lokasi
3. Pengaruh industri terhadap upah: modelnyaUpah = a + b1DIND + Ɛ
dimana DIND adalah dummy setiap klasifikasi industri
5. MACAM-MACAM VARIABEL DUMMY
1. Regresi Atas Satu Variabel Kualitatif (Dua Kategori)
Dari data yang diberikan, misalnya kita ingin meregresikan
variabel kualitatif jenis kelamin (sex) terhadap penghasilan, dengan
kuantifikasi laki-laki =1 dan perempuan =0
Model regresi yang kita bentuk :
Y = b1 + b2 D
Dimana : Y = penghasilan
D = variabel dummy untuk jenis kelamin (sex)
6. 2. Regresi Atas Satu Variabel Kuantitatif dan Satu Variabel
Kualitatif (dua kategori)
Dari data yang sudah diberikan, misalnya kita bentuk
suatu model regresi sbb:
Y = b0 + b1 Ds + b2 Pd + Ɛ i
Dimana : Ds = dummy jenis kelamin
Pd = pendidikan
7. 3. Regresi Atas Satu Variabel Kuantitatif dan Satu Variabel Kualitatif
(lebih dua kategori)
Dari data yang diberikan, misalnya kita bentuk suatu model
regresi sbb:
Y = b0 + b 1 Dk1 + b2 Dk2 + b3 Pd + Ɛ i
Dimana : Dk1 = dummy jenis pekerjaan
1 = setengah terampil
0 = lainnya
Dk2 = dummy jenis pekerjaan
1 = terampil
0 = lainnya
Pd = pendidikan
8. Contoh 1:
Seorang peneliti akan meneliti apakah ada pengaruh jenis kelamin terhadap
pengeluaran. Untuk keperluan tersebut diambil sampel secara acak sebanyak
10 orang yang teridiri dari 5 mahasiswa dan 5 mahasiswi.
Diperoleh data seperti berikut :
JK 1 0 0 1 0 1 1 0 0 1
Y 22 19 18 21,7 18,5 21 20,5 17 17,5 21,2
Keterangan :
JK = jenis kelamin ( laki – laki = 1 dan perempuan = 0)
Y = Pengeluaran
10. Tabel 3
Dari tabel diatas diperoleh koefisien nilai β dari kolom B pada
Unstandardized coefficients yaitu:
α1= 18.000
α2= 3.280
Adapun persamaan regresi linier berganda sementara yang dapat
diperoleh:
Ŷ = 훼1 + 훼2푋1 + 휀
Ŷ = 18.000 + 3.280푋1
11. Kesimpulan :
Dari sig.hitung = 0,000 < α = 0,05 artinya jenis kelamin berpengaruh secara
signifikan terhadap pengeluaran.
Karena semua variabel signifikan maka persamaan regresinya
Ŷ = 18.000 + 3.280푋1
12. Contoh Soal 2
Seorang Manager sebuah
perusahaan industri mobil ingin
mengetahui gaji karyawan berdasarkan
masa kerja, jenis kelamin dan tingkat
pendidikan karyawannya. Diketahui data
sampel gaji 30 karyawan adalah sebagai
berikut:
Keterangan:
Y = Gaji (Rp)
D = Masa Kerja (tahun)
X1 = Jenis kelamin (1 untuk pria dan 0
untuk wanita)
X2 = Variabel dummy yang menghitung
nilai 1 untuk pekerja dengan pendidikan
hingga tingkat SMA dan 2 untuk pekerja
dengan pendidikan hingga tingkat sarjana.
14. • Tabel 3
Dari tabel diatas diperoleh koefisien nilai β dari kolom B pada
Unstandardized coefficients yaitu;
α1= -1.014
α2= 0.093
α3= 1.603
β1= 0.428
Adapun persamaan regresi linier berganda sementara yang dapat diperoleh
: Ŷ = 훼1 + 훼2푋1 + 훼3푋2 + 훽퐷 + 휀
Ŷ = −1.014 + 0.093푋1 + 1.603푋2 + 0.428퐷
15. Kesimpulan :
Dari sig.hitung = 0,00 < α = 0,05 artinya masa kerja berpengaruh secara
signifikan terhadap gaji karyawan.
Dari sig.hitung = 0,460 > α = 0,05 artinya jenis kelamin tidak
berpengaruh secara signifikan terhadap gaji karyawan.
Dari sig.hitung 0,00 < α = 0,05 artinya tingkat pendidikan berpengaruh
secara signifikan terhadap gaji karyawan.
Karena tidak semua variabel bebas pada regresi tersebut yang signifikan
signifikan terhadap variabel terikat, maka persamaan regresinya adalah;
Ŷ = −1.014 + 0.093푋1 + 1.603푋2 + 0.428퐷
16. Latihan Soal
Seorang Manager sebuah perusahaan otomotif ingin
mengetahui gaji karyawan berdasarkan jenis kelamin
karyawannya (contoh data di bawah).
Persamaan Regresi
Y = Bo + b1 d1 + e1
Dimana, Y adalah jumlah gaji, dan d1 (untuk karyawan
laki-laki), dan do (karyawan wanita)
Intercept (b0) menunjukkan rata-rata gaji karyawan, dan
slope (b1) menunjukkan berapa besar perbedaan gaji
antara karyawan laki-laki dan wanita, dan B0 + b1
memberi informasi mengenai gaji rata-rata karyawan laki-laki
JK Masa Pendidikan Gaji
1.0 2.0 2.0 6.5
1.0 2.0 2.0 6.5
0.0 2.0 2.0 6.25
0.0 2.0 2.0 6.25
1.0 1.0 2.0 5.5
1.0 1.0 2.0 5.5
0.0 2.0 1.0 6.0
1.0 1.0 2.0 5.25
1.0 0.0 2.0 4.5
1.0 1.0 1.0 5.0
0.0 1.0 2.0 5.25
0.0 0.0 2.0 4.25
1.0 1.0 2.0 5.5
1.0 0.0 1.0 4.0
1.0 0.0 1.0 4.0
0.0 0.0 1.0 3.75
1.0 2.0 1.0 6.0
1.0 0.0 1.0 5.0
0.0 0.0 1.0 3.75
0.0 1.0 1.0 3.75
18. Tabel 3
Dari tabel diatas diperoleh koefisien nilai β dari kolom B pada Unstandardized coefficients yaitu;
α1= 3.261
α2= 0.406
α3= 0.955
β1= 0.460
Adapun persamaan regresi linier berganda sementara yang dapat diperoleh :
Ŷ = 훼1 + 훼2푋1 + 훼3푋2 + 훽퐷 + 휀
Ŷ = 3.261 + 0.406푋1 + 0.955푋2 + 0.460퐷
19. Kesimpulan :
Dari sig.hitung = 0,023 < α = 0,05 artinya Jenis kelamin
berpengaruh secara signifikan terhadap gaji karyawan.
Dari sig.hitung = 0,000 < α = 0,05 artinya masa atau waktu lama
bekerja berpengaruh secara signifikan terhadap gaji karyawan.
Dari sig.hitung = 0,014 < α = 0,05 artinya tingkat pendidikan
berpengaruh secara signifikan terhadap gaji karyawan.
Karena semua variabel bebas berpengaruh secara signifikan
terhadap gaji karyawan , maka persamaan regresinya adalah :
Ŷ = 3.261 + 0.406푋1 + 0.955푋2 + 0.460퐷
20. Iklan Laba Tipe
10.0 9.17 1.0
1.0 1.32 0.0
12.0 8.54 1.0
12.0 7.68 1.0
5.0 7.15 1.0
4.0 2.54 0.0
8.0 10.85 1.0
4.0 2.39 0.0
8.0 1.5 0.0
8.0 5.13 0.0
5.0 9.08 1.0
14.0 8.77 1.0
2.0 10.85 1.0
2.0 1.49 0.0
12.0 7.92 1.0
9.0 5.87 0.0
13.0 8.97 1.0
9.0 7.07 1.0
3.0 0.32 0.0
3.0 1.84 0.0
Latihan Soal 2
Seorang peneliti tertarik untuk
memprediksi laba 2 macam
perusahaan (swasta asing dan swasta
nasional) bila ditinjau dari besarnya
biaya iklan dikeluarkan oleh perusahan
untuk membuat iklan mengenai
produknya. (Untuk perusahaan swasta
asing, laba yang diamati adalah laba
yang diperoleh dari hasil penjualan
produk yang di indonesia saja.
Keterangan :
Perusahaan asing (1) dan
perusahaan nasional (0)