Magister Manajemen Univ.

Muhammadiyah Yogyakarta

Wihandaru Sotya PamungkasMultikolinieritas53

Magister Manajemen Univ. Muhammadiyah Yogyakarta

MULTIKOLINIERITAS

1.Pendahuluan
Masalah multikolinieritas pertama kali diperkenalkan
pada tahun 1934 oleh Ragnar Frisch serta mendefinisikan
multikolinieritas adalah hubungan linear yang perfect atau
exactdiantarasebagianatausemuavariabelbebaspadasuatu
model

regresi,

sehingga

akan

menyulitkan

untuk

mengidentifikasi variabel penjelas dan variabel yang

dijelaskan.

MenurutGunawanSumodiningrat,ada3halyangperlu
dijelaskanberkaitandenganmasalahmultikolinieritas,yaitu:
a.

Multikolinieritas pada hakekatnya adalah fenomena

sampel, hal ini karena adanya korelasi yang tinggi
Wihandaru Sotya PamungkasMultikolinieritas54

Magister Manajemen Univ. Muhammadiyah Yogyakarta

diantara sebagian atau semua variabel penjelas,
sehingga sampel tidak memenuhi asumsi dasar tidak
adanya

ketergantungan

(interdependency)

diantara

variabelbebasyangdigunakandalammodelregresi.
b.

Multikolinieritas adalah masalah derajat (degree) bukan

persoalan jenis (kind), yang dimaksud adalah adanya
korelasi diantara variabel penjelas baik sebagian
maupun semua variabel penjelas tanpa memperhatikan
tandanegatifmaupunpositif.

c.

Multikolinieritas berkaitan dengan adanya hubungan

linear diantara variabel penjelas, sehingga masalah
multikolinieritas tidak akan terjadi jika model estimasi
(regresi)nonlinear.

Wihandaru Sotya PamungkasMultikolinieritas55

Magister Manajemen Univ. Muhammadiyah Yogyakarta

Menurut

Gunawan

Sumodiningrat,

masalah

multikolinieritasdapattimbulkarena:
a.

Sifatsifat yang terkandung dalam variabel ekonomi

berubah

bersamasama

sepanjang

waktu.

Misal

penghasilan,konsumsi,tabungan,investasi,hargaharga
dankesempatankerjacenderungmeningkatdalammasa
boomingdancenderungturundalammasaresesi.
b.

Memasukkan nilai kelambanan (lag) dalam variabel

penjelasataumodelautoregressive.

Menurut Gujarati, masalah multikolinieritas dapat

timbulkarena:
a.

Model yang berlebihan, hal ini terjadi jika banyaknya

variabelpenjelasmelebihibanyaknyaobservasi.

b.

Spesifikasi model, hal ini terjadi karena ada variabel

penjelas yang belum dimasukkan atau ada variabel
penjelas yang seharusnya dikeluarkan dari model

Wihandaru Sotya PamungkasMultikolinieritas56

Magister Manajemen Univ. Muhammadiyah Yogyakarta

regresilihatlandasanteoridalamspesifikasimodel.
c.

Kendala

dalam

model.

Contoh

peneliti

akan

mengestimasi kebutuhan listrik dengan menggunakan

variabel

penjelas

luas

rumah

(bangunan)

dan

pendapatan, dengan alasan semakin besar rumah

(bangunan) yang digunakan maka jumlah listrik yang
dikonsumsisemakinbesar.

2.AkibatMultikolinieritas
a.

Penaksir OLS akan menghasilkan varian yang tak

terhingga, sehingga sulit untuk memperoleh estimasi
yang tepat dan akurat. Akibatnya hasil estimasi sangat
sensitif(peka)terhadapperubahanyangkecilpadadata.

b.

Selang interval kepercayaan cenderung besar sehingga

kemungkinan menerima hipotesis nihil (H0) cenderung
besar, akibatnya variabel penjelas akan lebih mudah

Wihandaru Sotya PamungkasMultikolinieritas57

Magister Manajemen Univ. Muhammadiyah Yogyakarta

menjaditidaksignifikan.
c.

Akibatdarinomorbmakaadavariabelpenjelasyang
dikeluarkan dari model regresi, padahal variabel
tersebutpentingsecarateori.

d.

Nilai koefisien determinasi (R2) cenderung tinggi,

akibatnya menyulitkan untuk mengestimasi kontribusi
variabel

penjelas

terhadap

variabel

tergantung

(dijelaskan).

3.MendeteksiMultikolinearitas
Secara sederhana mengidentifikasi multikolinieritas
adalah nilai R2 tinggi namun variabel penjelas (variabel
bebas) yang signifikan sangat sedikit bahkan semua variabel
penjelas(variabelbebas)tidaksignifikan(multikolinieritas
sempurna).

Wihandaru Sotya PamungkasMultikolinieritas58

Magister Manajemen Univ. Muhammadiyah Yogyakarta

3.1.MetodeFarrarGlauber,
MenggunakanKorelasiParsial
(ExaminationofPartialCorrelations)
Langkahlangkah:
a.

Meregresmodelempiris(misalada3variabelbebas).

Y=b0+b1X1+b2X2+b3X3+e
DiperolehnilaiR12.
b.

Meregresvariabelpenjelas

X1=b0+b1X2+b2X3+e
DiperolehnilaiR22.
c.

Kesimpulan:R22>R12adamultikolinieritas.

Wihandaru Sotya PamungkasMultikolinieritas59

Magister Manajemen Univ. Muhammadiyah Yogyakarta

3.2.MetodeFarrarGlauber,
MenggunakanRegresiBantuan
(SubsidiaryorAuxiliaryRegression)
LangkahlangkahCara1:
a. ModelEstimasi:

Y=b0+b1X1+b2X2+b3X3+e
Meregresvariabelpenjelas

X1=b0+b1X2+b2X3+e
DiperolehnilaiR12.
b. MencarinilaiFhitung,denganrumus:

Fhitung

R12
(n k )
=
x

2 (k 1)
1 R1

Wihandaru Sotya PamungkasMultikolinieritas60

Magister Manajemen Univ. Muhammadiyah Yogyakarta

c.

Kesimpulan:Fhitung>Ftabeladamultikolinieritas.

LangkahlangkahCara2:
a. ModelEstimasi:

Y=b0+b1X1+b2X2+b3X3+e
Meregresvariabelpenjelas

X1=b0+b1X2+b2X3+e
DiperolehnilaiR1danR12.
b. Mencarinilaithitung,denganrumus:

t hitung =

R 1 x (n k )
2

(1 R 1 )

c. Kesimpulan:thitung>ttabeladamultikolinieritas.

Wihandaru Sotya PamungkasMultikolinieritas61

Magister Manajemen Univ. Muhammadiyah Yogyakarta

3.3.MetodeVarianceInflationFactor
(VIF)
Langkahlangkah:
a.

MencarinilaiR12,darifungsiempiris:

X1=b0+b1X2+b2X3+e
MencariVIFdenganrumus:

VIF =

1
2
(1 R1 )

Wihandaru Sotya PamungkasMultikolinieritas62

Magister Manajemen Univ. Muhammadiyah Yogyakarta

b.

VarianceInflationFactor(VIF),ada2pendapat:
Pendapat1:JikanilaiVIF>10
adamultikolinieritasniliaiR12=0.9.
Pendapat2:JikanilaiVIF>5
adamultikolinieritasnilaiR12=0.8.

4.MengobatiMultikolinieritas
a.

Mengeluarkan variabel bebas yang menjadi penyebab

timbulnya

multikolinieritas.

penggunaannya

harus

Cara

hatihati

ini
karena

dalam
dapat

menimbulkan bias spesifikasi, jika variabel yang

dikeluarkansecarateoritispenting.

Wihandaru Sotya PamungkasMultikolinieritas63

Magister Manajemen Univ. Muhammadiyah Yogyakarta

b.

Menambah data baru. Cara ini dapat digunakan jika

multikolinieritas terjadi dalam sampel dan bukan
didalam populasi dari variabelvariabel yang sedang
diamati. Jika variabel itu berkolinier didalam populasi
makamenambahdatabaru(memperbesarsampel)tidak
menyelesaikanmasalahmultikolinieritas.

c.

Tidakmelakukanapaapa(donothing).

5.ContohMendeteksi
Multikolinieritas
ModelPenelitian
RETURN=b0+b1DER+b2DPR+b3EPS+
b4NPM+b5ROA+e

Wihandaru Sotya PamungkasMultikolinieritas64

Magister Manajemen Univ. Muhammadiyah Yogyakarta

5.1.VarianceInflationFactor(VIF)
Langkahlangkah:
a.

Meregresfungsiempirik(modelestimasi)yangsedangdiamati,
dandiperolehnilaiVIF.

b.

ApabilanilaiVIF>10adamultikolinieritas(pendapat1).
ApabilanilaiVIF>5adamultikolinieritas(pendapat2).
PenjelasanlihatrumusVIF.

Variabel

VIF

Kesimpulan

DER

1.846

Tidakadamultikolinieritas

DPR

1.075

Tidakadamultikolinieritas

EPS

1.321

Tidakadamultikolinieritas

NPM

2.153

Tidakadamultikolinieritas

ROA

1.662

Tidakadamultikolinieritas

Tergantung

Dependentvariabel:Return

Wihandaru Sotya PamungkasMultikolinieritas65

Magister Manajemen Univ. Muhammadiyah Yogyakarta

5.2.FarrarGlauber
(ExaminationofPartialCorrelations)
Langkahlangkah:
a.

Meregres fungsi empirik (model estimasi) yang sedang

diamati.

RETURN=b0+b1DER+b2DPR+b3EPS+
b4NPM+b5ROA+e
DiperolehnilaiR2=0.290.
b.

MengidentifikasimultikolinearitaspadaDER.
MencariR2darifungsiempirisdibawahini,selanjutnya
disebutR12.

DER=b0+b1DPR+b2EPS+b3NPM+b4ROA+e

Wihandaru Sotya PamungkasMultikolinieritas66

Magister Manajemen Univ. Muhammadiyah Yogyakarta

ApabilaR12>R2adamultikolinieritaspadaDER.
c.

MengidentifikasimultikolinearitaspadaDPR.
MencariR2darifungsiempirisdibawahini,selanjutnya
disebutR22.

DPR=b0+b1DER+b2EPS+b3NPM+b4ROA+e
ApabilaR22>R2adamultikolinieritaspadaDPR.
d.

MengidentifikasimultikolinearitaspadaEPS.
MencariR2darifungsiempirisdibawahini,selanjutnya
disebutR32.

EPS=b0+b1DER+b2DPR+b3NPM+b4ROA+e
ApabilaR32>R2adamultikolinieritaspadaEPS.
e.

MengidentifikasimultikolinearitaspadaNPM.
MencariR2darifungsiempirisdibawahini,selanjutnya
Wihandaru Sotya PamungkasMultikolinieritas67

Magister Manajemen Univ. Muhammadiyah Yogyakarta

disebutR42.

NPM=b0+b1DER+b2DPR+b3EPS+b4ROA+e
ApabilaR42>R2adamultikolinieritaspadaNPM.
f.

MengidentifikasimultikolinearitaspadaROA.
MencariR2darifungsiempirisdibawahini,selanjutnya
disebutR52.

ROA=b0+b1DER+b2DPR+B3EPS+b4NPM+e
B

ApabilaR52>R2adamultikolinieritaspadaROA.

Wihandaru Sotya PamungkasMultikolinieritas68

Magister Manajemen Univ. Muhammadiyah Yogyakarta

Hasildankesimpulan:
Variabel

R2=0.290

Kesimpulan

DER

R12=0.458>0.290

adamultikolinieritas

DPR

R22=0.070<0.290

EPS

R32=0.243<0.290

NPM

R42=0.536>0.290

adamultikolinieritas

ROA

R52=0.398>0.290

adamultikolinieritas

Tergantung

tidakada
multikolinieritas
tidakada
multikolinieritas

Wihandaru Sotya PamungkasMultikolinieritas69

Magister Manajemen Univ. Muhammadiyah Yogyakarta

5.3.FarrarGlauber
(SubsidiaryorAuxiliaryRegression)
Langkahlangkah:
a. MengidentifikasimultikolinieritaspadaDER.
UjiF,fungsiempirisdibawahini.

DER=b0+b1DPR+b2EPS+b3NPM+b4ROA+e
ApabilasignifikanadamultikolinieritaspadaDER.
b. MengidentifikasimultikolinieritaspadaDPR.
UjiF,fungsiempirisdibawahini.

DPR=b0+b1DER+b2EPS+b3NPM+b4ROA+e
ApabilasignifikanadamultikolinieritaspadaDPR.
c. MengidentifikasimultikolinieritaspadaEPS.
UjiF,fungsiempirisdibawahini.

EPS=b0+b1DER+b2DPR+b3NPM+b4ROA+e
ApabilasignifikanadamultikolinieritaspadaEPS.

Wihandaru Sotya PamungkasMultikolinieritas70

Magister Manajemen Univ. Muhammadiyah Yogyakarta

d. MengidentifikasimultikolinieritaspadaNPM.
UjiF,fungsiempirisdibawahini.

NPM=b0+b1DER+b2DPR+b3EPS+b4ROA+e
ApabilasignifikanadamultikolinieritaspadaNPM.
e. MengidentifikasimultikolinieritaspadaROA.
UjiF,fungsiempirisdibawahini.

ROA=b0+b1DER+b2DPR+B3EPS+b4NPM+e
B

ApabilasignifikanadamultikolinieritaspadaROA.

Wihandaru Sotya PamungkasMultikolinieritas71

Magister Manajemen Univ. Muhammadiyah Yogyakarta

Hasildankesimpulan:
Variabel
Tergantung
DER

Fhitung

Sig.

Kesimpulan

7.405

0.000

Adamultikolinieritas
Tidakada

DPR

0.658

0.625

EPS

2.812

0.040

Adamultikolinieritas

NPM

10.092

0.000

Adamultikolinieritas

ROA

5.792

0.001

Adamultikolinieritas

multikolinieritas

Wihandaru Sotya PamungkasMultikolinieritas72

Magister Manajemen Univ. Muhammadiyah Yogyakarta

VarianceInflationFactor(VIF)
dengancaramanual:
DER

R12=0.458

1/(10.458)=1.84501.846

DPR

R22=0.070

1/(10.070)=1.07531.075

EPS

R32=0.243

1/(10.243)=1.32101.321

NPM

R42=0.536

1/(10.536)=2.15522.153

ROA

R52=0.398

1/(10.398)=1.66111.662

Wihandaru Sotya PamungkasMultikolinieritas73

Magister Manajemen Univ. Muhammadiyah Yogyakarta

DaftarPustaka

Ghozali, Imam (2007), Edisi 4, Aplikasi Analisis Multivariate dengan

ProgramSPSS,BPUniversitasDiponegoro,Semarang.

Gujarati, Damodar N. (1995), Third Edition, Basics Econometrics,

McGrawHill,NewYork.

Sumodiningrat, Gunawan (1998), Edisi I, Ekonometrika Pengantar,

BPFE,Yogyakarta.

Wihandaru Sotya PamungkasMultikolinieritas74