Dr. Masarina Flukeria, M.S.E., M.P.P.

Video ini membahas cara membuat model regresi dengan variabel dummy untuk menganalisis diskriminasi upah berdasarkan gender di perusahaan. Dalam analisis regresi, gender diubah menjadi dummy variable untuk mempengaruhi interpretasi data, dengan perempuan diwakili oleh nilai 0 dan laki-laki oleh nilai 1. Model regresi dengan dummy variable memungkinkan interpretasi yang berbeda antara laki-laki dan perempuan. Ketika menambahkan variabel lain seperti lamanya bekerja, model regresi akan berubah, tetapi perbedaan interpretasi tetap terletak pada intercept untuk laki-laki dan perempuan. Hal ini memperluas pemahaman dalam menganalisis data dengan model regresi.

Oke, sekarang asumsikan kamu sedang melakukan penelitian

di mana penelitian kamu itu mempunyai tujuan untuk mengetahui

menurut gender pada, atau menurut jenis klamin ya, pada perusahaan X.

Nah, jika kamu bertanya seperti ini, lihat baik-baik di sini bahwa upah, upah itu adalah

kuantitatif variable dan dia masuk ke ratio data.

Sementara gender atau jenis klamin, itu kan laki, perempuan, itu masuk ke nominal data

Ini dia, nah sekarang secara struktur data, pasti ketika kamu melakukan penelitian,

dapat data survei, bagaimana kamu membuat struktur datanya.

Nah, kira-kira seperti ini ya, ini hanya untuk mempercepat saja, ada nama,

lalu misalkan ada jenis klaminnya atau gendernya, lalu ada upahnya.

Oke, misalkan nama Masa Arina, jenis klamin perempuan, upah misalkan 2 juta.

Oke, lalu ada misalkan ada Albert, laki-laki, upahnya 3 juta.

Lalu misalkan ada Devin, misalkan laki-laki, misalkan upahnya 4 juta.

Oke, lalu ada Lina, perempuan, upahnya misalkan 1 juta 500 ribu.

Nah, kamu curiga, ini baru 4 orang, di perusahaan itu kan misalkan banyak-banyak orangnya,

kamu kan bisa menanyakan lagi kan, bagaimana kondisi upah di sana.

Oke, nah kalau udah dapet data seperti ini, kamu curiga bahwa perusahaan ini melakukan diskriminasi upah

Pada waktu kamu udah ngumpulin data, hasil survei dari lapangan, pastinya data ini kan perlu kamu olahkan.

Bayangkan bagaimana cara mengolah data seperti ini.

Nah, itu problem real kalau kamu kerja ketika penelitian, bagaimana kamu bisa mengerjakan,

sementara di otak kamu, kamu punya model, model yang kamu pikirkan,

model 1 misalkan, itu adalah Y sama dengan alpha plus beta D plus E.

Atau sebenarnya sebelum dia D, dia itu kan, maksudnya ini kan sebenarnya X ya,

di mana X itu, kamu modifikan X itu adalah gender, jadi gender itu, itu adalah X.

Oke, sebelum sampai ke D, kamu kan tau ini X kan, di mana X adalah gender,

tapi bagaimana bisa mengolah data seperti ini.

Artinya, sepertian tadi saya sampaikan kepada teman-teman,

kalau kamu berhadapan dengan kualitatif variable, maka variable tersebut perlu kamu buat dummy-nya.

Dummy variable-nya, misalkan perempuan dummy-nya 0, laki dummy-nya 1, 1, ini 0.

Seperti ini kan, ini adalah dummy variable.

Artinya ketika D sama dengan 0, bayangkan ketika D sama dengan 0, itu apa artinya?

Berarti apa? Ketika perempuan kan, iya kan?

Nah, coba di sini kita lihat, if D sama dengan 0, ini X kita ubah jadi D di sini,

di mana kalau biasanya beta X, sekarang beta D, D ini adalah dummy variable,

Nah, kalau dia perempuan, mari kita masukkan di sini Y, ini dalam bentuk estimasi ya,

ini kan model awalnya seperti ini, kalau saya buat estimasi,

berarti Y sama dengan alpha plus beta, lalu dikalikan dengan 0, seperti ini.

Ini kan berarti Y sama dengan alpha, ini.

Lalu jika dia laki-laki, if D sama dengan 1, berarti apa?

Y sama dengan alpha plus D sama dengan 1, berarti alpha plus beta, ini.

Berarti di sini Y sama dengan alpha plus beta.

Jadi ketika kamu menggunakan model regresi, ini kan model regresi.

Model regresi yang di dalamnya ada variable kategorik, ini kan kategorik,

PL, PL itu kategorik, dan kemudian kamu kuantitatifkan menggunakan dummy variable,

maka ingatlah bahwa hal ini tidak mempengaruhi penghitungan,

dimana interpretasinya adalah ketika D sama dengan 0, maka Y sama dengan alpha.

Kalau Y sama dengan alpha, jika dia ini adalah alpha, berarti kan?

Nah, kalau Y sama dengan alpha plus beta, kan kira-kira seperti ini.

Ini adalah alpha, berarti dari sini ke sini adalah beta,

berarti ini adalah alpha, ini adalah alpha plus beta.

Ini berarti ini adalah Y sama dengan alpha plus beta.

Artinya apa? Artinya ketika kamu buat regresi seperti ini,

kamu itu akan melakukan interpretasi yang berbeda,

kalau yang sebelumnya kan kamu cukup menggunakan one alpha atau one intercept,

tapi sekarang kamu berhadapan dengan dua intercept.

Dimana ketika kamu bicara laki-laki, maka intercept untuk laki-laki adalah alpha plus beta.

Tapi ketika bicara perempuan, maka interceptnya adalah alpha, Y sama dengan alpha saja.

Itu cara membedakan antara laki dengan perempuan

dalam kasus ketika kamu menggunakan model regresi dengan dummy variable.

Nah, model regresi di sini hanya dipengaruhi oleh gender saja.

Tapi ketika kamu berhadapan dengan many variables,

misalkan kamu nambahin variable lainnya, misalkan lamanya bekerja,

nanti modelnya atau gambarnya mungkin tidak lagi seperti ini,

Tapi tetap ketika melakukan analisis untuk laki-laki,

analisis untuk perempuan yang membedakannya itu ada pada saat kamu berhadapan dengan interceptnya.

Demikian, semoga hal ini bisa membuka cakrawala teman-teman

dan mungkin lebih clear-nya kita akan lihat contohnya nanti

sehingga kamu tahu bagaimana merasakan ketika bekerja dengan model regresi

yang ada angkanya secara lebih jelas lagi.