Dummy variable alias variabel dumi

Download Disini : http://www.ziddu.com/download/13320894/Dummyvariablealiasvariabeldumi.doc.html

Di dalam metodologi penelitian dikenal ada sebuah variabel yang disebut dengan dummy variable. Variabel ini bukan jenis lain dari variabel dependen-independen, namun menunjukkan sebuah variabel yang nilainya telah ditentukan oleh peneliti. 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. 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).

Masalah di sini adalah bukan pada konsep variabel ini dan aplikasinya di dalam riset, namun bagaimana dummy variable harus diterjemahkan atau dialihbahasakan ke dalam bahasa Indonesia. Sepengetahuan saya, beberapa orang membiarkannya tetap dummy dan menulisnya miring menjadi "variabel dummy" (perhatikan bahwa ia diindonesiakan dengan membiarkan dummy dalam bahasa aslinya). Sebagian orang lain menyerapnya ke dalam bahasa Indonesia menggunakan azas bunyi sehingga menjadi "variabel dami". Sebagian yang lain menyebutnya "variabel boneka" karena dummy di dalam bahasa Inggris bisa berarti boneka.

Di dalam Webster, kata dummy memang memiliki banyak arti. Saya ambilkan beberapa yang mungkin relevan dengan konteks ini (nomor menunjukkan urutan arti kata tersebut di dalam Webster).

(1). a representation or copy of something, as for displaying to indicate appearance.
(2). a representation of a human figure, as for displaying clothes in store windows.
(9). Print. sheets folded and made up to show the size, shape, form, sequence, and general style of a contemplated piece of printing.
(11). Computers. an artificial address, instruction, or other datum fed into a computer only to fulfill prescribed conditions and not affecting operations for solving problems.

Pengertian yang pertama mengacu kepada sebuah benda yang dibuat menyerupai sebuah benda lain, namun tidak memiliki fungsi benda tersebut. Jika anda datang ke toko telpon selular (ponsel) anda akan melihat ada tiruan-tiruan ponsel di etalase toko. Mereka menyebut tiruan ponsel tersebut sebagai dummy, diucapkan "dami".

Pengertian yang kedua mengacu kepada boneka manusia yang bisa kita temukan di toko yang disebut juga mannequin. Industri pembuatan kendaraan sering menggunakan dummy ini untuk mengetes dampak tumbukan kendaraan bagi penumpang. Mereka menyebut boneka itu dengan istilah crash test dummy. Dulu pernah ada sebuah band dengan nama yang sama dengan judul lagu yang cukup aneh: Mmm Mmm Mmm Mmm.

Pengertian yang kesembilan masih mirip dengan pengertian yang pertama. Bedanya, pengertian dummy di sini mengacu kepada barang tercetak. Contohnya adalah buku, majalah, brosur, undangan, dll.

Pengertian kesebelas berhubungan dengan data atau instruksi yang dimasukkan ke dalam komputer yang hanya memenuhi suatu kondisi yang telah ditentukan. Saya kurang paham dengan komputer, namun sepertinya pengertian yang kesebelas ini memiliki makna yang dekat dengan pengertian dummy pada dummy variable. (Yang tertarik mencari penjelasan lebih jauh silakan klik link ini.)

Namun, dummy di dalam variable dummy memiliki maknanya sendiri. Variabel ini berfungsi sebagai switch (klik ini) yang memisah-misahkan sesuatu yang diukur atas dasar kelompok atau kategorinya. Jika gender adalah variabel yang kita amati, maka dummy variable akan memisahkan kelompok sampel laki-laki dan perempuan jika kepada kedua kelompok ini telah dilekatkan nilai 1 dan 0 sesuai dengan pilihan peneliti. Jadi, makna yang disediakan Webster sendiri belum mengakomodasi pengertian dummy bagi dummy variable.

Di dalam bahasa Indonesia kata yang bersesuaian makna dengan kata dummy yang saya temukan adalah dumi. Dumi di dalam KBBI tahun 1989 didefinisikan "benda tiruan yang dipakai sebagai contoh majalah atau buku yang akan diterbitkan (sampul buku dan sebagainya)". Makna ini sepertinya bersesuaian dengan makna dummy yang kesembilan menurut Webster.

Untuk tujuan penerjemahan dan penyerapan kata dummy dari frasa dummy variable ke dalam bahasa Indonesia, alternatif yang bisa ditawarkan adalah frasa "variabel dumi". Ada dua alasan mengapa kata dumi yang saya pilih. Pertama, jika disebut dengan variabel boneka, boneka lebih berasosiasi dengan doll dan berhubungan dengan mainan anak kecil. Kedua, daripada harus menyerap menggunakan azas bunyi menjadi "dami", kata "dumi" akan memberikan peluang yang lebih besar kepada pengguna bahasa Indonesia untuk melacak kata dumi itu ke bahasa aslinya.

Simpulannya, saya mengusulkan agar dummy variable diserap ke dalam bahasa Indonesia menjadi variabel dumi. Frasa variabel boneka kurang saya sarankan karena makna dan kegunaan doll yang tidak sama dengan dummy. Frasa variabel dami juga kurang sesuai karena membuat penelusuran ke bahasa asal lebih sulit.

Variabel kualitatif atau variabel boneka (dummy) dapat dipergunakan dalam model regresi bersama dengan variabel kualitatif. Oleh karena itu ahli ekonomi dapat menganalisis masalah ekonomi dengan memasukkan pengaruh variabel-variabel non-ekonomis seperti pendidikan dan kebudayaan, politik, agama, psikologi dan lain-lain terhadap perubahan variabel-variabel ekonomi yang terjadi.
Variabel boneka merupakan alat yang penting untuk mengklasifikasikan data, variabel ini dapat membagi suatu sampel menjadi berbagai kategori berdasarkan atribut misalnya status perkawinan, suku bangsa, agama, tingkat pendidikan dan lain-lain yang dapat dibuat regresi secara individu untuk setiap kelompok kecil. Jika terdapat perbedaan pengaruh variabel tak bebas terhadap berbagai variabel atau perubahan variabel kuantitatif dalam berbagai kelompok kecil, perbedaan tersebut akan terlihat dalam perbedaan yang terjadi dalam intersep atau koefisien arah regresi atau keduanya dari berbagai regresi setiap kelompok kecil (misalnya gaji guru terhadap pengalaman mengajar bagi guru laki-laki dan guru perempuan).
Meskipun variabel boneka merupakan alat yang baik, teknik variabel ini harus digunakan dengan hati-hati.
1. Jika model regresi memuat suatu bilangan konstan., maka banyaknya data variabel boneka (D) adalah banyaknya kategori untuk setiap data kualitatif dikurangi satu.
2. Koefisien yang mengikuti variabel boneka harus ditafsirkan dalam hubungannya dengan kategori dasar, yaitu kategori yang diberi nilai dengan angka 0.
3. Jika suatu model regresi meliputi beberapa variabel kualitatif dengan beberapa kategori, memasukkan variabel boneka sangat banyak memerlukan derajat kebebasan (degree of freedom) disingkat df. Oleh karena itu benyaknya variabel boneka harus disesuaikan dengan banyaknya observasi yang tersendiri atau sebaliknya.
Kegiatan Belajar 2
Variabel Tak Bebas Boneka (Dummy)
Model-model variabel tak bebas yang bersifat dikotomi dengan mengambil nilai 1 atau 0 digunakan dalam situasi dimana variabel tak bebas memperoleh tanggapan ya atau tidak, seperti membeli atau tidak membeli rumah, menjadi anggota organisasi atau tidak, dan lain-lain. Model-model dengan variabel tak bebas boneka (dummy), jika dinyatakan sebagai fungsi linear dari variabel bebas (yang bersifat kuantitatif atau kualitatif atau keduanya) disebut model probabilitas linear (LPM) karena nilai yang diharapkan dari variabel tak bebas bersyarat atas nilai tertentu dari variabel bebas dapat ditafsirkan sebagai probabilitas bersyarat terjadinya suatu peristiwa.
Model probabilitas linear mengandung beberapa masalah penaksiran dalam hal:
1. Kesalahan pengganggu tidak mengikuti distribusi normal.
2. Varian kesalahan pengganggu heteroskedastik.
3. Probabilitas bersyarat yang ditaksir mungkin tidak terletak antara 0 dan 1 artinya bisa lebih kecil dari nol (negatif) atau lebih besar dari satu.
Masalah pertama tidak serius, karena penggunaan OLS masih menghasilkan penaksiran tak bias. Untuk sampel yang besar masih bisa melakukan pengujian hipotesis. Masalah kedua dapat ditangani dengan mentransformasikan data. Masalah yang serius adalah masalah probabilitas bersyarat yang ditaksir mungkin tidak terletak antara 0 dan 1. Masalah ini dapat dipecahkan dengan suatu teknik yang menjamin bahwa nilai probabilitas akan terletak antara 0 dan 1.

Regresi Dengan Variabel Dummy (Boneka) Analisis regresi tidak saja digunakan untuk data-data kuantitatif (misal : dosis pupuk), tetapi juga bisa digunakan untuk data kualitatif (misal : musim panen). Jenis data kualitatif tersebut seringkali menunjukkan keberadaan klasifikasi (kategori) tertentu, sering juga dikatagorikan variabel bebas (X) dengan klasifikasi pengukuran nominal dalam persamaan regresi. Sebagai contoh, bila ingin meregresikan pengaruh kondisi kemasan produk dodol nenas terhadap harga jual. Pada umumnya, cara yang dipakai untuk penyelesaian adalah memberi nilai 1 (satu) kalau kategori yang dimaksud ada dan nilai 0 (nol) kalau kategori yang dimaksud tidak ada (bisa juga sebaliknya, tergantung tujuannya). Dalam kasus kemasan ini, bila kemasannya menarik diberi nilai 1 dan bila tidak menarik diberi nilai 0. Variabel yang mengambil nilai 1 dan 0 disebut variabel dummy dan nilai yang diberikan dapat digunakan seperti variabel kuantitatif lainnya.
Regresi Linier tidak hanya terbatas digunakan untuk memodelkan hubungan dimana variabel bebas (X) bertipe data interval atau rasio saja. Regresi linier juga memungkinkan bila digunakan untuk melakukan analisis data bila variabel bebasnya (X) bertipe data nominal. Teknik semacam ini dikenal dengan nama regresi variabel dummy.
Contoh kasus:
Seorang peneliti tertarik untuk memprediksi laba 2 macam perusahaan (swasta asing dan swasta nasional) bila ditinjau dari besarnya biaya iklan yang dikeluarkan oleh perusahaan untuk membuat iklan mengenai produknya. (Untuk perusahaan swasta asing, laba yang diamati adalah laba yang diperoleh dari hasil penjualan produknya di wilayah Indonesia saja.)

Kasus semacam ini dapat diselesaikan dengan metode regresi menggunakan variabel dummy. Hanya saja yang perlu diperhatikan adalah teknik menyusun variabel dummy dalam analisis regresinya.
Dari contoh kasus di atas, variabel respon (Y) adalah Laba perusahaan, variabel bebas (X) adalah biaya iklan, sedangkan variabel dummy-nya adalah tipe perusahaan, yaitu swasta asing dan swasta nasonal. Kita sebut terdapat 2 tipe/kategori perusahaan.
Untuk menyusun variabel dummy-nya, maka kita perlu menentukan terlebih dahulu banyaknya variabel dummy yang digunakan. Banyaknya variabel dummy yang digunakan adalah sebanyak kategori dikurangi satu.
Rumus: banyaknya var dummy = banyaknya kategori – 1.
Dalam kasus kita di atas, maka banyaknya variabel dummy adalah = 2-1 = 1 buah.
Misalkan jika perusahaan swasta asing dilambangkan dengan angka 1, sedangkan swasta nasional 0,
maka kita dapat menyusun tabel datanya sebagai berikut:

Contoh kasus:
Seorang peneliti tertarik untuk memprediksi laba 2 macam perusahaan (swasta asing dan swasta
nasional)
bila ditinjau dari besarnya biaya iklan yang dikeluarkan oleh perusahaan untuk
membuat iklan mengenai produknya. (Untuk perusahaan swasta asing, laba yang diamati adalah laba
yang diperoleh dari hasil penjualan produknya di wilayah Indonesia saja.)
Data
iklan = biaya iklan
(juta rupiah)
laba = laba
perusahaan (juta
rupiah)
No
.
iklan laba tipe No. iklan laba tipe No. iklan laba
tipe
1. 10 9.17 1 21. 12 8.97 1 41. 8 6.35 0
2. 1 1.32 0 22. 9 6.38 1 42. 6 4.66 0
3. 12 8.54 1 23. 10 7.87 1 43. 9 6.98 0
4. 12 7.68 1 24. 8 5.51 0 44. 18 11.7 1
5. 5 7.15 1 25. 6 4.07 0 45. 8 4.33 0
6. 4 2.54 0 26. 10 8.93 1 46. 7 5.2 1
7. 8 10.85 1 27. 15 5.01 0 47. 10 6.96 1
8. 4 2.39 0 28. 5 3.11 0 48. 2 2.78 1
9. 8 1.5 0 29. 3 3.41 0 49. 19 13.9 1
10. 8 5.13 0 30. 6 4.93 0 50. 8 8.13 0
11. 5 9.08 1 31. 12 8.28 1
12. 14 8.77 1 32. 10 7.47 1
13. 2 10.85 1 33. 10 6.16 1
14. 2 1.49 0 34. 6 5.18 0
15. 12 7.92 1 35. 4 1.37 0
16. 9 5.87 0 36. 16 11.2 1
17. 13 8.97 1 37. 11 7.7 0

“Contoh tabulasi data dapat dilihat pada file upload:”
(Contoh kasus analisis regresi dengan variabel dummy)


Kolom ‘tipe’ merupakan variabel dummy.
Perhatikan bahwa pengamatan ke-1 didapat dari perusahaan swasta asing, sedangkan pengamatan yang ke-2 didapat dari swasta nasional.
Nah, dari sini Anda sudah dapat melakukan analisis regresi menggunakan variabel dummy berdasarkan model regresi:
Laba = b0 + b1*Iklan + b2*tipe + error.

JIka koefisien b2 signifikan secara statistika, maka ini adalah bukti
bahwa rata-rata laba perusahaan swasta asing yang melakukan pembiayaan iklan untuk produknya berbeda secara nyata dengan perusahaan swasta nasional yang juga melakukan pembiayaan untuk membuat iklan.