MODEL PROBABILITAS LINIER

Pada minggu yang lalu, kita sudah membahas mengenai variabel kategori
dengan dummy untuk variabel independen (X), dalam materi kali ini, kita akan
membahas mengenai variabel kategori dengan dummy untuk variabel dependen
(Y). Contoh variabel dependen dengan dummy:
a. Pilihan jalur distribusi: Langsung dan tidak langsung.
b. Pilihan pelanggan: Tengkulak, pendekor dan konsumen.
c. Pilihan jam kerja: shift pagi dan shift malam.

REGRESI DENGAN VARIABEL DEPENDEN MENGGUNAKAN DUMMY

Contoh:
1. Apakah yang mempengaruhi pilihan jalur distribusi?
Variabel dependen: pilihan jalur distribusi dengan kategori langsung dan tidak
langsung.
Variabel independen: akses pasar, harga jual dan keuntungan.
2. Apakah yang mempengaruhi pilihan pelanggan?
Variabel dependen: pilihan pelanggan dengan kategori tengkulak, pendekor dan
konsumen.
Variabel independen: permintaan (demand), harga jual dan kapasitas petani.
3. Apakah yang mempengaruhi pilihan jam kerja?
Variabel dependen: pilihan jam kerja dengan kategori shift pagi dan shift malam.
Variabel independen: pekerjaan utama dan kenyamanan.

PERMODELAN MATEMATIS DAN MASALAHNYA

Yi = 1 + 2 Xi + Ui
Ket:
X = pendapatan keluarga
Y = 1; bila keluarga mempunyai rumah
2; bila keluarga tidak mempunyai rumah
Secara matematis, dengan mengasumsikan bahwa E(Ui) = 0, E(Yi|Xi) = 1 + 2 Xi.
Secara statistik, ekspetasi kondisional dari Yi jika diberikan Xi:
E(Yi|Xi) = (Yi=1) p(Yi|1|Xi) + (Yi=0) p(Yi|0|Xi) = p(Yi|1|Xi).
Bila,
pi = probabilitas bahwa keluarga i memiliki rumah, yaitu bila Yi = 1.
(1-pi) = probabilitas bahwa keluarga i tidak memiliki rumah, yaitu bila Yi = 0.

E(Yi|X) = (Yi=0) p(Yi=0|Xi) + (Yi=1) p(Yi=1|Xi) = p(Yi=1|Xi) = pi

Akibatnya,
E(Yi|Xi) = 1 + 2 Xi = pi
Karena 0 pi 1, akibatnya: 0 1 + 2 Xi 1.

LATIHAN
Pada latihan ini, kita akan mencoba melihat pengaruh penghasilan perbulan
terhadap pernah atau tidaknya melakukan perjalanan ke luar negeri.
Model: Yi = 1 + 2 Xi + ui, dengan:
Yi = 1; pernah melakukan perjalanan ke luar negeri
0; tidak pernah melakukan perjalanan ke luar negeri
Xi = pendapatan.
Keluarga Pernah ke LN Pendapatan (Juta Rp)
1 0 2,8
2 1 3,4
3 1 5,3
4 0 2,1
5 0 1,9
6 1 3,6
7 1 3,7
8 0 1,7
9 0 1,2
10 0 1,5
11 1 1,9
12 1 2,0
13 0 2,1
14 1 2,9
15 0 1,1
16 1 1,8
17 1 7,0
18 0 2,2
19 0 2,0
20 1 6,0
21 1 4,3
22 1 5,6
 23 0 1,4
24 0 0,9
25 1 7,3
26 0 1,3
27 1 6,3
28 1 3,7
29 0 1,9
30 0 2,0
31 1 4,2
32 0 3,2
33 1 4,0
34 1 3,0
35 0 1,0
36 0 0,9
37 1 2,4
38 1 2,3
39 0 1,7
40 1 5,0

HASIL ANALISIS
Taksiran model dengan OLS adalah sebagai berikut:
Yi = -0,064 + 0,199 Xi
Adj R2 = 0,452 atau 45,2%
F hitung = 33,223 dengan p = 0,000

Interpretasi Model:
Intercept = -0,064, artinya:
- Bila pendapatan Rp0, maka probabilitas bahwa orang tersebut pernah
melakukan perjalanan ke luar negeri adalah negatif Y = 0 tidak pernah
ke luar negeri.
- Bila pendapatan lebih kecil dari Rp321.000, maka probabilitas orang tersebut
pernah melakukan perjalanan ke luar negeri masih nol.
Y = -0,064 + 0,199 Xi
0 = -0,064 + 0,199 Xi
0,064
Xi = 0,199 = 0,321 x Rp1.000.000 = Rp 321.000

- Bila pendapatan lebih besar dari Rp321.000, maka probabilitas orang tersebut
pernah melakukan perjalanan ke luar negeri positif bisa ke luar negeri.
Y = -0,064 + 0,199 Xi
 0,5 = -0,064 + 0,199 Xi
0,5 + 0,064
Xi = = 2,834 x Rp1.000.000 = Rp 2.834.000
0,199

- Tetapi bila pendapatan lebih besar dari Rp.5.347.000, maka probabilitas

pernah melakukan perjalanan ke luar negeri lebih dari satu bisa ke luar
negeri.
Y = -0,064 + 0,199 Xi
1 = -0,064 + 0,199 Xi
1 + 0,064
Xi = = 5,347 x Rp1.000.000 = Rp 5.347.000
0,199

Slope = 0,199 artinya bila pendapatan naik 1 unit (Rp1.000.000), maka

probabilitas seseorang untuk melakukan perjalanan ke luar negeri naik 20%.