Pada pembahasan sebelumnya sudah kita ketahui bahwa dalam analisis regresi dimungkinkan penggunaan variabel yang bersifat kategori atau berskala ukur nominal. Jenis variabel tersebut dinamakan variabel dummy. Secara lebih lengkap dan terperinci mengenai aturan-aturan dalam penggunaan variabel X dummy sudah kita jelaskan dan relatif mudah dikarenakan perlakuan perhitungan terhadap variabel-variabelnya masih dapat menggunakan metodel OLS biasa. Pada pembahasan kali ini akan jauh berbeda dengan pembahasan konsepsi dan perhitungan pada variabel X dummy, adapun dengan variabel Y dummy perhitungan model regresi yang akan coba kita pelajari diantaranya model peluang linear, model logit dan model probit.
Pada kesempatan kali ini akan coba kita uraikan model regresi variabel Y dummy paling dasar yaitu model peluang linear. Pada artikel sebelumnya setidaknya teridentifikasi 3 masalah yang mungkin muncul jika memberlakukan OLS biasa pada regresi dengan variabel Y dummy yaitu tidak terpenuhinya asumsi normalitas, tidak terpenuhinya asumsi heteroskedastisitas dan tidak terpenuhinya nilai taksiran Y yang berada pada selang 0 ≤ E(Y|X) ≤ 1.
Lebih lanjut pembahasan kita terkait dengan Model Peluang Linear, akan kita uraikan sebagai berikut.
Model Peluang Linear
Bentuk fungsional dari model peluang linear tidak lain merupakan model regresi linear dengan variabel-variabelnya merupakan variabel dummy (dapat salah satu variabel tak bebas yang bersifat dummy atau variabel tak bebas dan variabel bebas yang bersifat dummy). Dengan kata lain model peluang linear mengambil bentuk regresi linear dengan variabel tak bebas bersifat dummy, sedangkan variabel bebas dapt mengambil bentuk salah satu apakah dummy atau bukan dummy.
Bentuk model peluang linear adalah 
Dimana :
- X = nilai dari atribut untuk individu (objek pengamatan yang dipelajari)
- Y = 1; jika tergolong kategori pertama dan 0; jika tergolong dalam kategori kedua
- ε = galat (error) yang timbul pada pengamatan yang diasumsikan sebagai variabel acak yang berdistribusi bebas dengan nilai tengah (rata-rata) sama dengan nol.
Persamaan di atas dapat diinterpretasikan sebagai gambaran peluang bahwa objek pengamatan akan tergolong dalam kategori tertentu apabila nilai dari variabel bebas X ditetapkan. Dengan kata lain berdasarkan nilai dari variabel X yang ditentukan dapat diramalkan besarnya peluang objek yang memiliki nilai X itu akan tergolong ke dalam kategori tertentu yang didefinisikan. Koefisien regresi menunjukkan pengaruh pada peluang perubahan kategori dari objek pengamatan apabila nilai variabel X berubah satu unit.
Secara formal model peluang linear sering ditulis dalam bentuk berikut, 
Model peluang linear di samping dipergunakan untuk peramalan juga dipergunakan untuk penggolongan atau pengelompokan. Untuk keperluan penggolongan atau pengelompokan, maka dipergunakan kriteria berikut, 
Sebagaimana halnya dengan model regresi linear, maka model peluang linear diduga dengan menggunakan metode kuadrat terkecil (OLS). Dan sesuai dengan pembahasan artikel sebelumnya (artikel : Analisis Regresi Y Dummy), bahwa model regresi LPM masih memiliki beberapa masalah diantaranya Normalitas dan Heteroskedastisitas yang akan mempengaruhi pada nilai koefisien beta yang dihasilkan. Akan tetapi untuk keperluan terbatas model LPM masih dapat digunakan dengan beberapa kelemahan, salah satu diantaranya adalah pada nilai peluang taksiran yang didapatkan. Jika beberapa di antaranya lebih kecil dari 0 (minus), maka Y taksiran diasumsikan bernilai 0 (secara manual); dan jika taksiran Y lebih besar dari 1, maka Y diasumsikan bernilai 1 (secara manual). Berikut contoh hasil perhitungan yang didapat dengan regresi variabel Y dummy, model peluang linear :
Gambar 1. Penaksiran Model Peluang Linear
Pada kesempatan lainnya kita akan membahas 2 (dua) model lainnya yaitu model LOGIT dan PROBIT yang akan memperbaiki secara hasil (nilai peluang) dari model LPM. Selain itu, pada model LOGIT dan PROBIT akan diperbaiki pula permasalahan heteroskedastisitas yang terjadi pada model yang dihasilkan, dengan adanya pembobotan pada variabel X. SEMANGAT MEMPELAJARI!!!
Sumber Buku : Dr. Ir. Vincent Gaspersz, M.Sc.
———————————————————————————————————————————————————-
- Jika rekan peneliti memerlukan bantuan Survey Lapangan, Survey Online ataupun Olah Data dapat menghubungi mobilestatistik.com :
- WhatsApp : 081321709749
- Email : welcome@mobilestatistik.com
- Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian.
- “1st Kirim Pertanyaan, Kami Jawab . . . InsyaAllah”
———————————————————————————————————————————————————-
