APLIKASI PRINCIPAL COMPONENT ANALYSIS (PCA)

DALAM MENGATASI MULTIKOLINIERITAS UNTUK MENENTUKAN INVESTASI

DI INDONESIA PERIODE 2001.1-2010.4
SOEMARTINI
tine!"e#$%tini&'$("".)"#
*+%+!$n St$ti!ti,$ -MIPA UNPAD .$n/+n0

A.STRAK
Dalam model regresi yang melibatkan variabel-variabel makro ada kecenderungan terdapat
multikolinieritas dalam variabelvariabel bebasnya. Dalam penelitian ini beberapa variabel
makro yang digunakan yakni: Jumlah uang beredar, PDB, Nilai tukar rupiah , ingkat suku
bunga dan !n"lasi yang memberikan pengaruh terhadap !nvestasi. Berdasarkan hasil penelitian
diperoleh #
$
sebesar %,&' dengan dua variabel yang tidak signi"ikan, yang menun(ukkan
adanya multikolinieritas. )ntuk menghilangkan unsur multikolinier tersebut, melalui *nalisis
komponen utama dapat digunakan sebagai pengganti variabel-variabel bebas dalam model
regresi tersebut , yang secara prinsip merupakan pembentukan kombinasi linier dari variabel-
variabel yang diamati. +elalui screeplot dan menggunakan proporsi kumulati" varians terhadap
total varians dan (uga berdasarkan nilai-nilai loading yakni nilai vector eigen dari matriks
kovarians diperoleh hasil penelitian ,
,) - . -%,/'0 1n PDB %,2-2 !n"lasi %,3-/ tk suku bunga , dengan proporsi kumulati"
varians terhadap total varians sebesar &&,0' 4.
,)$ . -%,$$5 1n PDB-%,/5-!n"lasi 6 %,'%2 tk suku bunga , yang merupakan kombinasi linier
dari seluruh variable yang diamati bersi"at orthogonal terhadap ,)-, dengan proporsi kumulati"
varians terhadap total varians sebesar '$,304 .
,ata ,unci : Principal 7omponent *nalysis (P7*8 , +atriks korelasi , +atriks 9ar-7ov ,
:9ie;s dan #
.A. I PENDA1ULUAN
Perkembangan perekonomian global yang cepat dan dinamis sangat mempengaruhi
kondisi perekonomian nasional. <luktuasi harga komoditi utama dan krisis keuangan yang
memicu krisis ekonomi global telah memberikan tekanan pada perekonomian nasional sehingga
mengganggu pencapaian tingkat pertumbuhan ekonomi sebagaimana yang direncanakan.
+eskipun pertumbuhan ekonomi secara rata-rata selama periode $%%5-$%%2 mencapai 5,'
persen, pencapaian tersebut dilalui dalam kondisi yang cukup berat. 1on(akan harga minyak
mentah di pasar internasional telah memaksa pemerintah untuk menaikkan harga bahan bakar
minyak =BB+8 bersubsidi beberapa kali sehingga meningkatkan la(u in"lasi. Dengan tingginya
in"lasi , "undamental ekonomi tereduksi karena tidak sa(a membuat biaya produksi men(adi lebih
mahal tetapi (uga melemahkan daya beli masyarakat. Padahal, daya beli masyarakat merupakan
"aktor dominan dalam menopang perekonomian nasional.
)ntuk menangani permasalahan di atas , maka pemerintah menetapkan Visi
Pembangunan Nasional , yaitu : +e;u(udkan kehidupan masyarakat , bangsa, dan negara yang
aman , bersatu , rukun dan damai > men(un(ung tinggi hak asasi manusia serta ter;u(udnya
perekonomian yang mampu menyediakan kesempatan ker(a dan penghidupan yang layak serta
memberikan "ondasi yang kokoh bagi pembangunan yang berkelan(utan.
?eperti kita ketahui pemerintah telah menetapkan rancangan a;al rencana ker(a
Pemerintah =#,P8 yakni program pembangunan tahun $%-% yang diarahkan pada @Pemulihan
Perekonomian Nasional dan Pemeliharaan ,ese(ahteraan #akyatA . )ntuk itu pemerintah harus
melakukan perhitungan besaran-besaran *PBN $%-% berdasarkan asumsi dasar ekonomi makro
yang diperkirakan akan ter(adi pada tahun $%-%.
Dalam teori ekonomi makro disebutkan bah;a investasi dipengaruhi oleh tingkat bunga.
,etika suku bunga naik , maka investasi akan turun, cateris paribus. !nvestasi adalah arus
pengeluaran yang menambah stok modal "isik atau dengan kata lain investasi adalah (umlah yang
dibelan(akan sektor usaha untuk menambah stok modal dalam periode tertentu. !nvestasi
biasanya menempati proporsi yang relative sedikit dari permintaan agregat, akan tetapi
menempati sebagian besar pergerakan siklus bisnis dalam PDB. ?alah satu alasan mengapa suatu
negara yang mempunyai pertumbuhan tinggi mereka mencurahkan bagian substansial dari output
mereka kedalam investasi =Dornbush, $%%38. Bank !ndonesia dan Badan Pusat ?tatistik
mengartikan investasi sebagai suatu kegiatan penanaman modal pada berbagai kegiatan ekonomi
dengan harapan keuntungan =bene"it8 pada masa-masa yang akan datang. !nvestasi merupakan
unsur PDB yang paling sering berubah.
Jika tabungan meningkat akan mempengaruhi konsumsi masyarakat . Demikian pula (ika
tingkat pendapatan dari investasi yang lebih menarik akan mendorong pemasukan modal ke
Negara tersebut. Pena;aran valuta asing yang bertambah akan akan meningkatkan nilai uang
Negara yang menerima modal tersebut.
Berdasarkan ulasan singkat di atas cukup men(elaskan bagaimana investasi tidak sa(a
dipengaruhi oleh tabungan , nilai tukar riil, tetapi (uga oleh tingkat bunga, , PDB, konsumsi dan
(umlah uang bersedar dan (uga perubahan tingkat harga yang merupakan proksi untuk tingkat
in"lasi.
?alah satu dari permasalahan data disamping outlier adalah terdapat multikolinearitas di
antara variabel yang men(elaskan yang termasuk dalam model. ,etika menentukan model regresi
populasi ada kemungkinan bah;a dalam sampel tertentu, beberapa atau semua variable B sangat
kolinear =mempunyai hubungan linear sempurna atau hampir sempurna8. ,ondisi ini mendorong
untuk dikembangkannya suatu cara atau tehnik yang dapat digunakan untuk mengatasi masalah
multikolinieritas pada analisis regresi berganda ?alah satu solusi yang dapat digunakan adalah
dengan menggunakan analisis komponen utama =P7*8 .+elalui penggunaan analisis komponen
utama ini akan dihasilkan variabel variabel baru yang merupakan kombinasi linier dari variabel-
variabel bebas asal dan antarvariabel baru ini bersi"at saling bebas. 9ariabel-variabel yang baru
ini disebut komponen utama, dan selan(utnya diregresikan dengan variabel tidak bebas.
*da beberapa prosedur yang dapat digunakan untuk mengatasi masalah multikolinearitas,
seperti : pengunaan in"ormasi apriori dari hubungan beberapa variable yang berkolinear,
menghubungkan data cross-sectional dan data time series, mengeluarkan suatu variabel atau
beberapa variabel bebas yang terlibat hubungan kolinear, melakukan trans"ormasi variabel
dengan prosedur "irst di""erence.Berdasarkan ulasan singkat mengenai latar belakang
permasalahan yang telah di(elaskan pada bagian pendahuluan, dimana beberapa variabel makro
memiliki kolinieritas , sehingga dapat dipastikan taksiran standar error dari taksiran parameter
regresi !nvestasi akan bernilai besar sehingga akan mempengaruhi kualitas in"erensinya .
u(uan penelitian ini adalah )ntuk memperoleh model regresi dari !nvestasi yang terbebas dari
pengaruh multikolinieritas.
Casil penelitian ini sangat berman"aat sebagai bahan in"ormasi , masukan bagi pemerintah dalam
menentukan model yang cocok untuk makroekonomi !ndonesia periode $%%-.--$%-%.3
.A. II TIN*AUAN PUSTAKA
2.1. Pen0e%ti$n M+2ti,"2ine$%it$!
!stilah +ultikolinearitas pertama kali ditemukan oleh <risch =-'/38 yang berarti adanya hubungan
liniear yang @sempurnaA atau pasti diantara beberapa atau semua variabel bebas dari model regresi
berganda.
+enurut ?umodiningrat =-''3:$2$-$2/8 ,masalah multikolinieritas bisa timbul karena:
-.*danya si"at-si"at yang terkandung dalam kebanyakan variabel-variabel ekonomi yang berubah ber-sama-
sama sepan(ang ;aktu dan variabel-variabel tersebut dipengaruhi oleh vaktor-"aktor yang sama.
$. Penggunaan 1ag , sehingga terbentukt model terdistribusi lag = distributed lag8
+isal : 7t . " =Dt , Dt-- , E. D- 8 , kemungkinan terdapat korelasi yang kuat antara Dt dan Dt--
+ultikolinearitas diperkirakan akan muncul dalam kebanyakan hubungan hubungan
ekonomi
1ebih sering muncul dalam data deret ;aktu dan bisa pula muncul dalam data cross
sectional.
?elan(utnya menurut +ontgomery dan Peck tahun -'2$= 1ihat Fu(arati, $%%/,/$/8,munculnya
multikolinieritas yakni disebabkan oleh metode pengumpulan data yang dipakai = the data collection
method employed8, model spesi"ikasi =specification model8 dan model yang berlebihan (overdetermined
model8 , yaitu situasi di mana dalam suatu model estimasi tertentu , (umlah variabel pen(elas lebih banyak
dibandingkan dengan (umlah data =observasi8.
2.2. Pen/ete,!i$n M+2ti,"2ine$%it$!
+enurut Gujarati (2003 ge(ala +ultikolinearitas ini dapat didiagnosis dengan beberapa cara antara
lain :
-. +enghitung koe"isien korelasi sederhana =simple correlation8 antara sesama variabel bebas, (ika
terdapat koe"isien korelasi sederhana yang mencapai atau melebihi %,2 maka hal tersebut menun(ukkan
ter(adinya masalah multikolinearitas dalam regresi.
$. +enghitung nilai oleransi atau 9!< =9ariance !n"lation <actor8, (ika nilai oleransi kurang dari %,-
atau nilai 9!< melebihi -% maka hal tersebut menun(ukkan bah;a multikolinearitas adalah masalah
yang pasti ter(adi antar variabel bebas.
/. G1 yakni )kuran toleransi untuk mendeteksi +ultikoliniaritas

i
i
i
!
V"#
$%&
$
-
-
= =
. EE =-8
3.Dengan Nilai :igen dan !ndeks ,ondisi =!,8
Nilai :igen dan !ndeks ,ondisi untuk mengdiagnosis +ultikolinearitas
'ilangan (ondisi :.

)in
)a*
(

=
EEE =$8 H : nilai eigen > "nde+s (ondisi , !D . (
2.3.Pen$n00+2$n0$n M+2ti,"2inie%it$!
+ontgomery dan Cines =-''%8 men(elaskan bah;a dampak multikolinearitas dapat mengakibatkan
koe"isien regresi yang dihasilkan oleh analisis regresi berganda men(adi sangat lemah atau tidak dapat
memberikan hasil analisis yang me;akili si"at atau pengaruh dari variabel bebas yang bersangkutan. Dalam
banyak hal masalah +ultikolinearitas dapat menyebabkan u(i men(adi tidak signi"ikan padahal (ika
masing-masing variabel bebas diregresikan secara terpisah dengan variabel tak bebas =simple regression8 u(i
menun(ukkan hasil yang signi"ikan. Cal tersebut yang sering kali membuat para peneliti mendapatkan
hasil analisis yang dilakukan pada regresi berganda dan regresi sederhana tidaklah se(alan atau bahkan
sangat bertentangan.
*kan tetapi, pada prakteknya prosedur penanggulangan e"ek multikolinier yang sering
ter(adi sangat tergantung sekali pada kondisi penelitian, misalnya prosedur penggunaan
in"ormasi apriori sangat tergantung dari ada atau tidaknya dasar teori =literatur8 yang sangat kuat
untuk mendukung hubungan matematis antara variabel bebas yang saling berkolinear, prosedur
mengeluarkan variabel bebas yang berkolinear seringkali membuat banyak peneliti keberatan
karena prosedur ini akan mengurangi obyek penelitian yang diangkat, sedangkan prosedur
lainya seperti menghubungkan data cross sectional dan time series, prosedur "irst di""erence dan
penambahan data baru seringkali hanya memberikan e"ek penanggulangan yang kecil pada
masalah multikolinearitas .
Gleh karena itu, kita dapat mengunakan teknik lain yang dapat digunakan untuk meminimumkan
masalah multikolinearitas tanpa harus mengeluarkan variabel bebas yang terlibat hubungan kolinear, yaitu
dengan metoda Ridge Regression atau metode Principal Component Analysis (PCA) yang ada dalam
analisis "aktor.
Pada penelitian ini, yang akan digunakan yakni analisis komponen utama =P7*8.
.A. III METODE PENELITIAN
3. 1.Met"/e P%in)i42e C"#4"nent An$2'!i! (PCA)
Prosedur P7* pada dasarnya adalah bertu(uan untuk menyederhanakan variabel yang
diamati dengan cara menyusutkan =mereduksi8 dimensinya. Cal ini dilakukan dengan cara
menghilangkan korelasi diantara variabel bebas melalui trans"ormasi variabel bebas asal ke
variabel baru yang tidak berkorelasi sama sekali atau yang biasa disebut dengan principal
component. ?etelah beberapa komponen hasil P7* yang bebas multikolinearitas diperoleh, maka
komponen-komponen tersebut men(adi variabel bebas baru yang akan diregresikan atau dianalisa
pengaruhnya terhadap variabel tak bebas =D8 dengan menggunakan analisis regresi , dengan
sedikit "aktor , sebesar mungkin varians B-.
Dengan analisis komponen utama kita akan mereduksi data pengamatan ke dalam beberapa set
data sedemikian sehingga in"ormasi dari semua data dapat kita serap seoptimal mungkin .
Dengan demikian analisis komponen utama dapat dipandang sebagai trans"ormasi dari B-, B-,E.
Bp . +isal B-, B-,E. Bp mempunyai matriks varians-kovarians I . =J
$
i(8,
i. -,$E.p : (. -,$,E.p dan I tersebut mempunyai nilai eigen H- K H$ KE. KH pK%
Principal 7omponent yang pertama dinyatakan dengan P7- mengandung (umlah terbesar
dari total variasi data.
P7- sebagai kombinasi linier dalam variabel Bi. > i . -,$Ep
- -- - -$ -$ -
... ........ =/8
p p
P- a . a . a . = + + +
Dimana a-i dipilih , sehingga memaksimalkan rasio dari variance P7- terhadap total variance, dengan
pembatas bah;a -
$
-
=
i
a
*dapun pembentukan regresi komponen utama melalui analisis komponen utama ada dua cara.
Pertama, pembentukan komponen utama berdasarkan matri+s +ovariansi. ,edua, pembentukan komponen
utama berdasarkan matri+s +orelasi .
3.1.1. K"#4"nen Ut$#$ Y$n0 Di5ent+, .e%/$!$%,$n M$t%i,! K"6$%i$n!
Proses mereduksi data dalam analisis komponen utama akan diuraikan seperti di ba;ah ini :
+elalui data asal BnLp akan dicari matriks varian kovarian I dimana unsur-unsurnya adalah

8 = 8 =
-
-
-
+ i+
p
j
j j i j+
. . . .
n
/

=

=
,
,emudian dari matriks varians kovarians tersebut dicari nilai eigen Hi dengan
i . -,$,Ep , yang diperoleh dari bentuk persamaan determinan :
% = " /
i

dari nilai eigen tersebut , dihitung vector-vektor eigen melalui persamaan ?ei . Hi ei
i.-,$,E.p
Dengan P7-, mengandung varians Bi. sebesar
4 -%%
-
*
p

=
hanya tidak perlu bah;a P7i,
mempunyai eigen value terbesar Hi , yang men(elaskan komponen terbesar. Bila 2%4 - '%4 dari total
varians B hasil reduksi bisa di(elaskan oleh komponen utama tersebut sudah bisa menggantikan p buah
variabel data asal tanpa kehilangan banyak in"ormasi = Johnson,#.* and Michern,D.M=-''$88
1oading dari variabel Bi terhadap P7 ke ( adalah
1oading
ii
j ij
s
a
= . korelasi
?etelah mendapatkan "aktor yang terbentuk melalui proses reduksi , maka perlu dicari persamaannya, dalam
bentuk D. <=B-
N
, B$
N
8 yang merupakan model baru dengan
B-
N
. variabel komponen -
B$
N
. variabel komponen $
Bk
N
. variabel komponen k
+odel di atas lebih sederhana dibandingkan model regresi multipel a;al yang berbentuk :
Di . % 6 -Bi- 6 $Bi$ 6 ...6 kBik 6 i atau D. < =B-, B$
,
E Bk8
Proporsi total varians populasi yang di(elaskan oleh komponen utamake-k

- $
..........=58
= 8 ...
+ +
p
tr


= =
+ +
dengan k . -,$,E,p
3.1.2. Re0%e!i ,"#4"nen +t$#$ '$n0 /i5ent+, 5e%/$!$%,$n #$t%i,! ,"6$%i$n!i
+isal matriks P adalah matriks orthogonal dengan memenuhi persamaan P
1
P 7 P P
1
87I ,karena 97:CP
+aka proses persamaan regresi linier berganda men(adi regresi komponen utama yaitu:
Y 7 :C

;<
Y 7 :C P
1
P

;<
Y 7 9= ;< ......... =28
Dengan B7 merupakan matriks yang elemen-elemennya dikurang dengan rata-rata =centered8 dengan
asumsi rata-rata nol dan variansi J
$
, D adalah variabel acak bebas , Mk adalah suatu matriks berukuran nLk
yangkolom-kolomnya terdapat komponen utama ke-k, Ok adalah vektor koe"esien komponen utama
berukuran kL- ,dan < adalah vektor berukuran nLk
3.2.1. K"#4"nen Ut$#$ Y$n0 Di5ent+, .e%/$!$%,$n M$t%i,! K"%e2$!i
,omponen utama ke-i > Mi yang dibentuk berdasarkan variabel-variabel yang telah dibakukan PQ .
=P-, P$,.........Pp8.dengan cov=P8 .R dide"enisikan sebagai berikut : ...
. Mi . ei-P- 6 ei$P$6 ...6 eipPp i.-,$...p ........... =08
?ementara itu , proporsi total variansi yang dapat di(elaskan oleh komponen ke k berdasarkan variabel
bebas yang telah dibakukan dide"enisiskan sebagai berikut:
Proporsi total varians populasi yang di(elaskan oleh komponen utamake-k

..........=&8
= 8
+ +
tr p p

= =

Dengan Hk .adalah eigen dari R , dan k . -,$,E,p
*dapun cara pembentukan regresi komponen utama melalui analisis komponen utama ada dua cara.
Pertama, pembentukan komponen utama berdasarkan matriks kovariasi. ,edua, pembentukan komponen
utama berdasarkan matriks korelasi .
.A. IV PEM.A1ASAN
Berdasarkan data =lampiran-8 menggunakan so"t;are # dan ?P?? diperoleh persamaan regresi
linier berganda seperti di ba;ah ini :
1n !nves . 35,325 6 %,-2- lnJ)B
N
6 %,%5& k bunga
N
%,%'/ !n"lasi -%,$/0 ln PDB
#
$
. %,&22 > # . %,2' >N non signi"ikan >
< . $5,$''
4.2. Men/ete,!i $/$> Ti/$,n'$ M+2ti,"2ine%it$!
+atriks korelasi +atriks 9ar- 7ov


Dengan melihat matriks korelasi nampak ada beberapa korelasi parsial yang cukup tinggi
=- %,2-2, %,&20S%,2%8 , hal tersebut sudah menun(ukkan adanya multikolinier.
4.3.Pen$n00+2$n0$n M+2ti,"2ine$%it$!
Pada pendektesian sebelumnya telah menun(ukkan bah;a terdapat permasalahan kolinearitas dalam
data tersebut, maka dilakukan penanggulangan untuk mengatasi masalah tersebut dengan menggunakan
prosedur Principal 7omponent *nalysis =P7*8 , yang bertu(uan untuk menyederhanakan variabel yang
diamati dengan cara mereduksi dimensinya.
)ntuk mengetahui layak atau tidaknya analisis "aktor dilakukan , lakukan u(i ,aise-+eyer-Glkin =,+G8 .
?etelah itu dicari nilai nilai loading:
?ehingga dapat diperoleh <ungsi ,omponen utamanya dan melalui program # dapat dilihat
melalui ?cree Plot
<ungsi ,omponen utamanya adalah
,)- . -%./'0 ln PDB -%.2-2 !n"lasi -%.3-/ suku bunga
,)$ . -%.$$5 ln PDB -%./5- !n"lasi 6 %.'%2 suku bunga
.A. V
KESIMPULAN DAN SARAN
Berdasarkan hasil analisis diperoleh bah;a nilai proporsi varians kumulati" ,omponen utama
dapat men(elaskan &&,0'4 yang artinya dengan mengambil satu komponen sa(a yaitu komponen utama satu
sudah mencukupi tetapi seandainya sampai pd ,omponen utama dua maka nilai proporsi varians kumulati"
dapat men(elaskan '$,30 4.*kan lebih baik lagi (ika sampai dengan komponen utama tiga yang dapat
men(elaskan nilai proporsi varians kumulati" '0,0 4 .
)ntuk mendapatkan model yang lebih baik, penulis menyarankan untuk menggunakan variabel PDB
sebagai variabel terikat.
DA-TAR PUSTAKA

Dornbusch #udiger, $%%3 , )acroeconomics , eighth :dition, +c Fra;-Cill, !nc, Ne; Dork
- %, 0&- -%,/30 -%,&20 -%,30& %,&20
%, 0&- - , %2& %, 0-% %, 03& -%,2-2
-%,/30 , %2& - %, $5& %, 3%- -%,%$/

-%,&20 %, 0-% %, $5& - %, 5&% %, &$5
-%,30& %, 03& %, 3%- %, &$5 - %, 350
%,&20 -%,2-2 -%,%$/ %, $5 %, 350 -
!





=

%.-2%53'$2 -%.%%/25&&- --.%-5$/&03 %./5$3'$-2
-%.%%/25&&- %.%-%2/$0--2 -%.%%%5/5&'-/ -%.%3350250&&
--.%-5$/&03 -%.%%%5/5&'-/ &.'3-%-232$- -$.&3-/&35%53
%./5$3'$-2 -%.%3350250&&
--.$5023$52 %.-$''3
-%.'%/5%2-%
=
--.$5023$52 -%.'%/5%2-%
%.-$''3-&$2' %.-/&$3$$/$'
'.'-%530/-&/ 3.$-2&'-3'$0

-$.&3-/&35%53 -.5/%5%/25 -3.&-&0'3%/
-&$2' '.'-%530/-&/ -3.&-&0'3%/ $/.5---2$5
%.-/&$3$$/$' 3.$-2&'-3'$0 --.2'&%-5%' '.%25'%%/
--.2'&%-5%'
'.%25'%%/
-%.2%%3$30









Fu(arati, Damodar., $%%/, 'asic 0conomertics, <ourth :dition, +c Fra;-Cill, !nc, Ne; Dork.
Johnson,#.*.TMichren,D.M. $%%$. *pllied +ultivariate ?tatistical *nalysis ,5
th
edition.Pearson
:ducation !nternasional.
,utner , Nachtsheim and Neter , *pplied 1inear #egression +odels, <ourth :dition $%%3,
Ne; Dork.
+yers ,#.*.T +ilton,J.? -''-. * <irst 7ourse !n he heory G" 1inier ?tatistical +odels
.PM?- ,:N Publishing 7ompany,Boston.
?imamora, Bilson. $%%5. 1nalisis )ultivariat Pemasaran. Jakarta : P. Framedia Pustaka )tama.
A%ti,e2 ?
http:UUdickyrahardi.blogspot.comU$%%0U-$Uprincipal component analisis-pca.html.
Berita #esmi ?tatistik No -$U%/Uhn B!9, & <eb $%--
L$#4i%$n ? D$t$ 2en0,$4 $/$ 4$/$ Pen+2i!
?umber : ;;;.bi.go.id Juni $%%& dan BP? $%--
,urs #upiah. Bank !ndonesia $%%%-$%-%