Anda di halaman 1dari 16

Multikolinieritas

By : Paidi Hidayat
Yakni situasi dimana terdapat korelasi
atau hubungan linier antar variabel-
variabel bebas diantara satu dengan yang
lainnya sehingga variabel-variabel bebas
tersebut tidak bersifat ortogonal.
Variabel-variabel bebas yang bersifat
ortogonal adalah variabel bebas yang
memiliki nilai korelasi diantara
sesamanya sama dengan nol.
Menurut Koutsoyiannis (1978), penyebab terjadinya
multikolinieritas adalah :
1. Perubahan nilai beberapa variabel yang sejalan dengan
perkembangan waktu dimana perubahan besaran ini
terutama disebabkan oleh faktor yang sama.
2. Penggunaan variabel predeterminasi {variabel bebas}
sebagai variabel bebas dengan time lag. Model dengan
predeterminasi sering memberikan penjelasan yang
lebih memuaskan namun variabel ini sering
mempunyai korelasi yang kuat dengan variabel bebas
yang lainnya.
Menurut Motgomery dan Peck, penyebab terjadinya
multikolinieritas adalah :
1. Metode pengumpulan data yang digunakan
membatasi nilai dari variabel bebas.
2. Kendala-kendala model pada populasi yang diamati.
3. Spesifikasi model.
4. Penentuan jumlah variabel bebas yang lebih banyak
dari jumlah observasi.
5. Data time series dimana nilai trend tercakup dalam
nilai variabel bebas yang ditunjukkan oleh
penurunan or peningkatan sejalan dengan waktu.
1. Nilai koefisien-koefisien regresi menjadi tidak
dapat ditaksir atau tidak sesuai dengan
substansi sehingga dapat menyesatkan
interpretasi.
2. Nilai standar error setiap koefisien regresi
menjadi tak terhingga sehingga tingkat
signifikansi variabel bebasnya buruk.
3. Tanda koefisien regresi mengandung tanda yang
berlawanan atau tidak sesuai dengan teori.
4. Banyaknya variabel bebas yang tidak signifikan
tetapi nilai koefisien determinasi tetap tinggi
dan uji F secara statistik signifikan.
1. Sebagian besar tanda arah dari koefisien
regresi berlawanan dengan teori atau hipotesis.
2. Sebagian besar variabel bebasnya tidak
signifikan secara statistik.
3. Nilai standar errornya memiliki nilai yang tak
terhingga atau cukup besar.
4. Nilai koefisien determinasinya ( R ) tinggi tetapi
tidak banyak variabel bebasnya yang signifikan.
5. Nilai koefisien korelasi antar variabel bebas
cukup tinggi atau lebih besar dari 0,8 ( r > 0,8 )
Untuk Program SPSS
Eigenvalues dan Conditional Index (CI)
Adanya multikolinieritas jika nilai Eigenvalues
mendekati nol dan jika mendekati 1 maka tidak
ditemukan multikolinieritas.
Adanya multikolinieritas jika CI > 15 dan sebaliknya.
Variance Inflation Factor (VIF) dan Tolerance (TOL)
Adanya multikolinieritas jika nilai VIF > 5 dan jika nilai
VIF mendekati 1 maka tidak ditemukan multikolinieritas.
Adanya multikolinieritas jika nilai TOL mendekati 0 dan
jika TOL mendekati 1 maka tidak ada multikolinieritas.

Untuk Program EVIEWS
Menggunakan Correlation Matrix.
Adanya multikolinieritas jika nilai koefisien korelasi antar variabel
bebasnya 0,8 atau r > 0,8.
Menurut Farrar-Glauber
Uji Chi Square ( ) yakni untuk mendeteksi ada atau tidak ada
multikolinieritas {
h
>
t
= terdapat multikolinieritas}
dengan Formula :
= - {n 1 1/6 ( 2k + 5 )} ln D untuk Df = k ( k 1 )
Uji F yakni untuk menentukan lokasi variabel yang
mengandung multikolinieritas jika menggunakan lebih dari 2
variabel bebas { F
h
> F
t
= terdapat multikolinieritas } dengan
Df = {k 1 } ; { n - k }.
Uji t untuk menentukan apakah variabel bebas tersebut
penyebab atas terjadinya multikolinieritas atau tidak { t
h
> t
t
=
terdapat multikolinieritas}.

1. Mengeluarkan variabel bebas yang
mengandung multikolinieritas dari model.
2. Mentransformasikan variabel dengan cara :
* Melogaritmakan (log) atau Log Natura.
* Mendiffrensiasikan (turunan).
* Membuat rasio.
3. Penambahan data baru atau ukuran observasi.
4. Kombinasikan data cross section dengan data
time series.
Penutup

Thanks

Wassalam