A15 Multikolinieritas Analisis Regresi
A15 Multikolinieritas Analisis Regresi
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
MenurutGunawanSumodiningrat,ada3halyangperlu
dijelaskanberkaitandenganmasalahmultikolinieritas,yaitu:
a.
ketergantungan
(interdependency)
diantara
variabelbebasyangdigunakandalammodelregresi.
b.
c.
Gunawan
Sumodiningrat,
masalah
multikolinieritasdapattimbulkarena:
a.
bersamasama
sepanjang
waktu.
Misal
penghasilan,konsumsi,tabungan,investasi,hargaharga
dankesempatankerjacenderungmeningkatdalammasa
boomingdancenderungturundalammasaresesi.
b.
timbulkarena:
a.
b.
Kendala
dalam
model.
Contoh
peneliti
akan
penjelas
luas
rumah
(bangunan)
dan
2.AkibatMultikolinieritas
a.
b.
Akibatdarinomorbmakaadavariabelpenjelasyang
dikeluarkan dari model regresi, padahal variabel
tersebutpentingsecarateori.
d.
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).
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.
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
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.
3.3.MetodeVarianceInflationFactor
(VIF)
Langkahlangkah:
a.
MencarinilaiR12,darifungsiempiris:
X1=b0+b1X2+b2X3+e
MencariVIFdenganrumus:
VIF =
1
2
(1 R1 )
VarianceInflationFactor(VIF),ada2pendapat:
Pendapat1:JikanilaiVIF>10
adamultikolinieritasniliaiR12=0.9.
Pendapat2:JikanilaiVIF>5
adamultikolinieritasnilaiR12=0.8.
4.MengobatiMultikolinieritas
a.
multikolinieritas.
penggunaannya
harus
Cara
hatihati
ini
karena
dalam
dapat
c.
Tidakmelakukanapaapa(donothing).
5.ContohMendeteksi
Multikolinieritas
ModelPenelitian
RETURN=b0+b1DER+b2DPR+b3EPS+
b4NPM+b5ROA+e
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
5.2.FarrarGlauber
(ExaminationofPartialCorrelations)
Langkahlangkah:
a.
RETURN=b0+b1DER+b2DPR+b3EPS+
b4NPM+b5ROA+e
DiperolehnilaiR2=0.290.
b.
MengidentifikasimultikolinearitaspadaDER.
MencariR2darifungsiempirisdibawahini,selanjutnya
disebutR12.
DER=b0+b1DPR+b2EPS+b3NPM+b4ROA+e
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
NPM=b0+b1DER+b2DPR+b3EPS+b4ROA+e
ApabilaR42>R2adamultikolinieritaspadaNPM.
f.
MengidentifikasimultikolinearitaspadaROA.
MencariR2darifungsiempirisdibawahini,selanjutnya
disebutR52.
ROA=b0+b1DER+b2DPR+B3EPS+b4NPM+e
B
ApabilaR52>R2adamultikolinieritaspadaROA.
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
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.
NPM=b0+b1DER+b2DPR+b3EPS+b4ROA+e
ApabilasignifikanadamultikolinieritaspadaNPM.
e. MengidentifikasimultikolinieritaspadaROA.
UjiF,fungsiempirisdibawahini.
ROA=b0+b1DER+b2DPR+B3EPS+b4NPM+e
B
ApabilasignifikanadamultikolinieritaspadaROA.
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
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
DaftarPustaka