Variabel Dummy dalam Regresi

Anda sedang meneliti gaji karyawan. Salah satu dugaan: gaji berbeda antara pria dan wanita pada pengalaman yang sama. Anda buka data, dan di sana “jenis kelamin” tertulis sebagai teks — “pria”, “wanita”. Lalu Anda jalankan regresi, dan perangkat lunak menolak: regresi hanya mau menelan angka, bukan kata.

Godaan pertama biasanya: ya sudah, beri kode saja, pria = 1, wanita = 2. Tapi ini diam-diam memberi tahu komputer bahwa wanita “dua kali” pria — padahal jenis kelamin tidak punya urutan dan tidak punya jarak. Hasil regresinya akan kacau dan tak bermakna.

Ada cara yang benar, dan ternyata sederhana sekali: cukup satu kolom berisi 0 dan 1. Kolom inilah yang disebut variabel dummy. Dengan satu trik kecil ini, kategori apa pun — jenis kelamin, pendidikan, wilayah, periode kebijakan — bisa masuk regresi dengan rapi.

Intuisi: Dummy Itu Sakelar Hidup-Mati

Bayangkan satu sakelar lampu. Posisi hidup = 1, posisi mati = 0. Tidak ada posisi “1,5” atau “−2”; hanya dua keadaan. Variabel dummy persis seperti itu: dia bernilai 1 kalau objek termasuk suatu kategori, dan 0 kalau tidak.

Misalnya kita putuskan dummy $D$ menyala untuk wanita:

Kategori yang mendapat nilai 0 — di sini pria — punya nama khusus: kategori acuan (reference category), yaitu kategori pembanding yang semua dummy-nya bernilai 0. Semua tafsiran nanti diukur relatif terhadap acuan ini. Memilih acuan itu bebas; yang penting Anda menyebutnya saat melaporkan hasil.

Kenapa cukup 0 dan 1, bukan 1 dan 2? Karena kita tidak ingin regresi menganggap ada urutan atau jarak antar kategori (jenis kelamin adalah skala nominal — tanpa urutan bermakna). Angka 0/1 di sini bukan “besar-kecil”; dia cuma penanda anggota/bukan-anggota. Itu sebabnya 0/1 aman, sedangkan 1/2 menyelundupkan urutan palsu.

Apa yang Dilakukan Dummy pada Garis Regresi

Inilah inti seluruh materi ini, dalam satu gambar. Sebuah garis regresi punya intersep (titik potong sumbu tegak — nilai $Y$ saat $X = 0$) dan kemiringan (seberapa curam garis naik). Variabel dummy menggeser intersep, tetapi membiarkan kemiringan tetap. Hasilnya: dua garis sejajar, satu untuk tiap kelompok.

Garis bawah adalah kelompok acuan ($D = 0$); garis atas (atau bawah, tergantung tanda) adalah kelompok dummy ($D = 1$). Karena kemiringannya sama, jarak tegak antar dua garis itu tetap di sepanjang sumbu — dan jarak tegak itulah yang diukur oleh koefisien dummy.

Rumus Model dan Tiap Lambangnya

Untuk dummy dua kategori dengan satu variabel biasa, modelnya:

$$ Y = a + b_1 X + b_2 D $$

Penjelasan tiap lambang:

• $Y$ = variabel terikat, yang ingin kita jelaskan (mis. gaji, dalam juta Rupiah).
• $a$ = intersep, yaitu nilai $Y$ saat semua variabel bebas nol — termasuk $D = 0$. Jadi $a$ adalah perkiraan $Y$ untuk kategori acuan pada $X = 0$.
• $b_1$ = koefisien $X$, yaitu perubahan $Y$ untuk tiap kenaikan satu satuan $X$ (mis. tiap tahun pengalaman menambah gaji $b_1$ juta). Berlaku sama untuk kedua kelompok.
• $X$ = variabel bebas biasa yang berskala angka (mis. pengalaman dalam tahun).
• $b_2$ = koefisien dummy. Inilah lambang kuncinya — lihat di bawah.
• $D$ = variabel dummy, bernilai 0 atau 1.

Untuk melihat arti $b_2$, masukkan saja dua kemungkinan nilai $D$:

$$ \hat{Y}_{D=1} - \hat{Y}_{D=0} = (a + b_1 X + b_2 \cdot 1) - (a + b_1 X + b_2 \cdot 0) = b_2 $$

Bagian $a + b_1 X$ saling menghapus, dan yang tersisa hanya $b_2$. Maka:

$$ b_2 = \text{selisih rata-rata } Y \text{ antara kategori } D{=}1 \text{ dan acuan, pada } X \text{ yang sama} $$

Itulah jarak tegak antar dua garis sejajar pada gambar tadi. Koefisien dummy bukan nilai $Y$ kelompok itu — melainkan selisihnya dari acuan.

Contoh Hitung dari Nol

Kita kerjakan kasus paling murni dulu: dummy saja, tanpa variabel $X$ lain. Di sini koefisien dummy persis sama dengan selisih dua rata-rata kelompok — jadi Anda bisa memeriksanya dengan tangan.

Data gaji enam karyawan (juta Rupiah), tiga pria dan tiga wanita:

Langkah 1 — rata-rata tiap kelompok.

$$\bar{Y}_{\text{pria}} = \frac{6 + 7 + 8}{3} = 7 \qquad \bar{Y}_{\text{wanita}} = \frac{5 + 6 + 7}{3} = 6$$

Langkah 2 — selisihnya (wanita dikurangi acuan pria).

$$\bar{Y}_{\text{wanita}} - \bar{Y}_{\text{pria}} = 6 - 7 = -1$$

Langkah 3 — cocokkan dengan koefisien regresi. Model tanpa $X$ adalah $Y = a + b_2 D$. Kalau dijalankan di perangkat lunak, hasilnya:

• $a = 7$ → tepat rata-rata kelompok acuan (pria).
• $b_2 = -1$ → tepat selisih wanita dari acuan.

Jadi prediksi modelnya: gaji pria $= a = 7$ juta; gaji wanita $= a + b_2 = 7 + (-1) = 6$ juta. Persis kembali ke dua rata-rata di Langkah 1. Inilah bukti polos bahwa koefisien dummy = selisih dari acuan.

(Kalau kita tambahkan variabel $X$ ke model, $b_2$ tetap selisih antar-kelompok, tetapi sekarang “setelah pengaruh $X$ dikendalikan” — selisih pada $X$ yang sama.)

Tafsir Koefisien Dummy: Contoh Lengkap dengan X

Sekarang model penuh. Misalkan hasil regresi gaji (juta Rupiah) keluar seperti ini:

$$Y = 5{,}0 + 0{,}3\,X - 0{,}8\,D$$

dengan $X$ = pengalaman (tahun) dan $D = 1$ untuk wanita (pria = acuan). Tiap koefisien dibaca begini:

• Konstanta $a = 5{,}0$ → perkiraan gaji pria ($D = 0$) dengan pengalaman 0 tahun, yakni 5,0 juta.
• Koefisien $b_1 = 0{,}3$ → tiap tahun pengalaman menambah gaji 0,3 juta, berlaku untuk pria maupun wanita.
• Koefisien dummy $b_2 = -0{,}8$ → pada pengalaman yang sama, wanita rata-rata bergaji 0,8 juta lebih rendah daripada pria.

Mari kita cek dengan angka. Pada pengalaman 5 tahun:

$$\hat{Y}_{\text{pria}} = 5{,}0 + 0{,}3 \times 5 + (-0{,}8)(0) = 6{,}5 \quad\text{juta}$$

$$\hat{Y}_{\text{wanita}} = 5{,}0 + 0{,}3 \times 5 + (-0{,}8)(1) = 5{,}7 \quad\text{juta}$$

Selisihnya $5{,}7 - 6{,}5 = -0{,}8$ — persis koefisien dummy, dan jaraknya tetap 0,8 berapa pun nilai pengalaman yang kita pilih. Itulah dua garis sejajar pada gambar.

Soal signifikansi: kalau koefisien dummy signifikan secara statistik (nilai Sig. atau p-value < 0,05), perbedaan antar kategori dianggap nyata, bukan sekadar kebetulan dalam sampel. Kalau tidak signifikan, kita belum punya bukti cukup bahwa kelompok berbeda.

Banyak Kategori: Aturan k − 1 Dummy

Bagaimana kalau kategorinya lebih dari dua? Misalnya pendidikan: SMA, S1, S2. Aturannya: untuk $k$ kategori, buat $k - 1$ dummy. Satu kategori selalu disisakan sebagai acuan.

Tiga kategori → $3 - 1 = 2$ dummy. Kita jadikan SMA sebagai acuan:

Perhatikan baris SMA: kedua dummy bernilai 0. Itulah cara acuan “dikenali” — saat semua dummy mati, objek otomatis tergolong kategori acuan. Modelnya:

$$Y = a + b_{S1}\,D_{S1} + b_{S2}\,D_{S2}$$

Tafsirnya: $b_{S1}$ = selisih rata-rata S1 dari SMA; $b_{S2}$ = selisih rata-rata S2 dari SMA. Kedua-duanya diukur relatif ke acuan yang sama (SMA).

Sebagai contoh angka, andai rata-rata gaji tiap kelompok: SMA = 4,5 juta, S1 = 6,5 juta, S2 = 9,5 juta. Maka regresi akan memberi $a = 4{,}5$ (rata-rata acuan), $b_{S1} = 6{,}5 - 4{,}5 = 2{,}0$, dan $b_{S2} = 9{,}5 - 4{,}5 = 5{,}0$. Prediksi tiap kelompok kembali pas ke rata-ratanya: SMA $= 4{,}5$; S1 $= 4{,}5 + 2{,}0 = 6{,}5$; S2 $= 4{,}5 + 5{,}0 = 9{,}5$.

Kenapa Harus Disisakan Satu (Jebakan Dummy)

Naluri pertama mungkin: buat saja 3 dummy untuk 3 kategori — $D_{SMA}$, $D_{S1}$, $D_{S2}$ — biar lengkap. Jangan. Ini menyebabkan kesalahan teknis yang disebut jebakan dummy (dummy trap).

Soalnya begini: kalau seseorang bukan S1 dan bukan S2, dia pasti SMA. Artinya kolom SMA bisa “ditebak sempurna” dari dua kolom lain ($D_{SMA} = 1 - D_{S1} - D_{S2}$). Ditambah konstanta $a$ yang nilainya selalu 1, ketiga dummy menjadi saling terkait sempurna (istilahnya perfect multicollinearity — kolinearitas sempurna). Regresi tidak bisa memisahkan pengaruh masing-masing, dan komputer akan menolak atau membuang satu kolom otomatis. Solusinya selalu sama: sisakan satu kategori sebagai acuan, pakai $k - 1$ dummy.

Visualisasi Interaktif

Geser pengatur koefisien dummy dan amati dua garis kelompok bergeser. Perhatikan: kemiringannya tidak berubah (garis tetap sejajar); yang berubah hanya jarak tegak antar-garis — yaitu koefisien dummy itu sendiri.

1. Atur koefisien dummy, lihat garis kelompok dummy bergeser naik-turun terhadap garis acuan (intersep berbeda).
2. Perhatikan jarak tegak antar dua garis selalu sama dengan koefisien dummy.
3. Set koefisien dummy = 0, dua garis berimpit — pertanda tidak ada beda antar kelompok.

Bukan Dummy kalau yang Kategorik Itu Y

Satu catatan penting agar tidak salah alat. Variabel dummy di artikel ini dipakai untuk variabel bebas ($X$) yang kategorik. Kalau yang kategorik justru variabel terikat ($Y$) — misalnya “lulus / tidak lulus”, “membeli / tidak membeli” — maka regresi linear dengan dummy bukan jawabannya; yang tepat adalah regresi logistik. Singkatnya: dummy sebagai $X$ → tetap regresi linear; $Y$ kategorik → ganti ke logistik.

Rumus di Excel / SPSS

Membuat dummy di lembar kerja cukup dengan satu fungsi IF:

=IF(B2="Wanita"; 1; 0)        → kolom dummy: 1 untuk wanita, 0 selain itu
=IF(B2="S1"; 1; 0)            → D_S1 untuk kategori 3-arah
=IF(B2="S2"; 1; 0)            → D_S2 untuk kategori 3-arah

Lalu masukkan kolom-kolom dummy itu sebagai variabel bebas biasa ke regresi (Data → Data Analysis → Regression di Excel, atau Analyze → Regression → Linear di SPSS). Di SPSS modern, prosedur tertentu bisa membuat dummy otomatis lewat menu Categorical, tetapi membuatnya manual membuat Anda sadar kategori acuan mana yang dipakai.

⬇ Unduh variabel-dummy.xlsx

Berkas pendamping berisi tabel coding dummy untuk 2 dan 3 kategori, contoh data dengan kolom dummy yang dihitung lewat IF, ilustrasi prediksi untuk tiap kelompok, dan panduan menafsirkan koefisien dummy.

Cek Pemahaman

1. Sebuah model gaji (juta): $Y = 4{,}0 + 0{,}5\,X + 1{,}2\,D$, dengan $X$ = pengalaman (tahun) dan $D = 1$ untuk lulusan S1 (acuan = SMA). Berapa perkiraan gaji lulusan SMA dan lulusan S1 yang sama-sama berpengalaman 4 tahun, dan berapa selisihnya?

Lihat jawaban

SMA ($D = 0$): $\hat{Y} = 4{,}0 + 0{,}5 \times 4 + 1{,}2 \times 0 = 4{,}0 + 2{,}0 = 6{,}0$ juta. S1 ($D = 1$): $\hat{Y} = 4{,}0 + 0{,}5 \times 4 + 1{,}2 \times 1 = 6{,}0 + 1{,}2 = 7{,}2$ juta. Selisihnya $7{,}2 - 6{,}0 = 1{,}2$ juta — tepat koefisien dummy. Pada pengalaman berapa pun selisihnya tetap 1,2 juta, karena dummy hanya menggeser intersep, tidak mengubah kemiringan.

2. Seorang peneliti punya variabel “wilayah” dengan 4 kategori (Jawa, Sumatra, Kalimantan, Sulawesi). Dia membuat 4 dummy, satu untuk tiap wilayah, lalu menjalankan regresi dengan konstanta. Apa yang akan terjadi, dan bagaimana memperbaikinya?

Lihat jawaban

Dia masuk jebakan dummy (dummy trap). Empat dummy + konstanta menyebabkan kolinearitas sempurna — kalau bukan tiga wilayah pertama, pasti wilayah keempat, sehingga satu kolom bisa ditebak persis dari yang lain. Regresi akan gagal atau otomatis membuang satu kolom. Perbaikannya: pakai $k - 1 = 4 - 1 = 3$ dummy, dan jadikan satu wilayah (mis. Jawa) sebagai kategori acuan. Tiga koefisien yang tersisa lalu dibaca sebagai selisih tiap wilayah dari Jawa.

3. (Transfer) Anda meneliti dampak sebuah kebijakan pemerintah yang berlaku mulai tahun 2020. Anda punya data tahunan 2015–2024. Bagaimana Anda memakai variabel dummy untuk membedakan periode “sebelum” dan “sesudah” kebijakan, dan apa makna koefisien dummynya?

Lihat jawaban

Buat satu dummy periode, misal $D_{\text{pasca}} = 0$ untuk tahun 2015–2019 (acuan = sebelum kebijakan) dan $D_{\text{pasca}} = 1$ untuk tahun 2020–2024 (sesudah). Masukkan ke model $Y = a + b_1 X + b_2 D_{\text{pasca}}$. Koefisien $b_2$ dibaca sebagai selisih rata-rata $Y$ periode sesudah dibanding sebelum kebijakan, setelah pengaruh $X$ dikendalikan. Inilah gagasan dasar yang dikembangkan lebih jauh di analisis beda-dalam-beda (DiD), yang menambahkan kelompok pembanding agar bisa memisahkan dampak kebijakan dari tren waktu umum.

Kesalahan Umum

Memperlakukan kode kategori sebagai angka biasa. Memberi kode 1, 2, 3 untuk tiga kota lalu memasukkannya sebagai satu variabel adalah keliru — itu memaksakan urutan dan jarak yang tidak ada (seolah kota 3 “tiga kali” kota 1). Pakai dummy 0/1, satu kolom per kategori (kecuali acuan).

Jebakan dummy. Membuat $k$ dummy untuk $k$ kategori berikut konstanta menyebabkan kolinearitas sempurna dan regresi gagal. Sisakan satu kategori acuan, pakai $k - 1$ dummy.

Lupa menyebut kategori acuan. Koefisien dummy hanya bermakna relatif terhadap acuan. “S1 lebih tinggi 2 juta” tidak lengkap tanpa “…dibanding SMA”. Selalu sebutkan acuannya saat menafsirkan.

Menafsir koefisien dummy sebagai nilai mutlak. Koefisien $-0{,}8$ pada dummy wanita bukan berarti gaji wanita 0,8 juta; itu selisih wanita dari pria. Gaji kelompok dummy = intersep (+ pengaruh $X$) + koefisien dummy.

Memakai dummy untuk $Y$ kategorik. Kalau variabel terikat yang kategorik (lulus/tidak, beli/tidak), pakai regresi logistik — bukan regresi linear dengan dummy di sisi $Y$.

Dipakai di Dunia Nyata

• Riset & skripsi dengan variabel demografis. Memasukkan jenis kelamin, pendidikan, status perkawinan, atau wilayah ke model pengaruh adalah pemakaian dummy paling lazim di skripsi manajemen dan ekonomi.
• Analisis perbedaan kelompok. Menguji apakah suatu kelompok (mis. perusahaan keluarga vs non-keluarga, BUMN vs swasta) berbeda dari kelompok acuan setelah faktor lain dikendalikan.
• Model musiman dan periode kebijakan. Dummy untuk membedakan periode (sebelum/sesudah aturan baru, kuartal, hari libur) — fondasi dari analisis beda-dalam-beda (DiD) yang banyak dipakai mengukur dampak kebijakan publik.

Lanjutan

Setelah dummy menggeser intersep, langkah berikutnya adalah membuat kategori juga mengubah kemiringan — itulah interaksi.

• Dummy & interaksi (teori) — saat dummy dikalikan variabel lain, kemiringan tiap kelompok pun bisa berbeda.
• Uji Moderasi (MRA) — penerapan gagasan interaksi untuk menguji variabel pemoderasi.
• Regresi Logistik — kalau yang kategorik justru variabel terikatnya.

Fondasi:

• Regresi Linear Berganda — model induk tempat dummy menjadi salah satu kolom $X$.

Reference

• Ghozali, I. (2018), “Aplikasi Analisis Multivariate dengan Program SPSS”
• Gujarati & Porter (2009), “Basic Econometrics”