Definisi Multikolinearitas
Multikolinearitas adalah sebuah situasi yang menunjukkan
adanya korelasi atau hubungan kuat antara dua variabel bebas
atau lebih dalam sebuah model regresi berganda. Model regresi
yang dimaksud dalam hal ini antara lain: regresi linear, regresi
logistik, regresi data panel dan cox regression.
Gejala Multikolinearitas
Dalam situasi terjadi multikolinearitas dalam sebuah model regresi
berganda, maka nilai koefisien beta dari sebuah variabel bebas
atau variabel predictor dapat berubah secara dramatis apabila ada
penambahan atau pengurangan variabel bebas di dalam model.
Oleh karena itu, multikolinearitas tidak mengurangi kekuatan
prediksi secara simultan, namun mempengaruhi nilai prediksi dari
sebuah variabel bebas. Nilai prediksi sebuah variabel bebas disini
adalah koefisien beta. Oleh karena itu, sering kali kita bisa
mendeteksi adanya multikolinearitas dengan adanya nilai standar
error yang besar dari sebuah variabel bebas dalam model regresi.
Penyebab Multikolinearitas
Penyebab multikolinearitas adalah adanya korelasi atau
hubungan yang kuat antara dua variabel bebas atau lebih, seperti
yang sudah dijelaskan di atas. Namun penyebab lainnya yang
dapat menyebabkan hal tersebut secara tidak langsung adalah,
antara lain:
Dengan sumber data yang sama, kita lihat hasilnya di bawah ini:
Output Product Standarisasi
Perhatikan di atas: Nilai Standar error rendah, rentang lower dan
upper bound sempit, serta Signifikansi t parsial tetap signifikan.
Kalau kita telusuri nilai VIFnya, perhatikan di bawah ini:
Uji asumsi klasik merupakan uji asumsi yang tujuannya untuk memberikan
kepastian bahwa persamaan regresi yang didapatkan memiliki ketepatan dalam
estimasi, konsisten, dan tidak bias. Agar persamaan yang diestimasi dapat
menghasilkan estimator yang BLUE (Best Linear Unbiased Estimator), perlu
dilakukan uji asumsi klasik untuk memastikan bahwa model yang digunakan
bersifat robust. Penyimpangan yang terjadi terhadap berbagai asumsi klasik
menjadikan estimasi dari variabel yang diharapkan kurang tepat (Zaenuddin,
2015). Salah satu jenis uji asumsi klasik yang digunakan yaitu uji asumsi klasik
multikoleniaritas.
Menurut Hamdi (2014), uji asumsi klasik multikolinearitas adalah korelasi linear
yang sempurna atau eksak diantara variabel penjelas yang dimasukkan ke dalam
model. Uji multikolinearitas digunakan untuk mengetahui apakah di dalam model
regresi terjadi hubungan linear yang sempurna atau mendekati sempurna di
antara beberapa atau semua variabel bebas. Salah satu contoh, penelitian
mengenai perilaku variabel (Y) kinerja, dan dijelaskan oleh beberapa variabel
yang dimasukkan ke dalam model X1, X2, X3, dan X4, maka persamaan tertulis
:
Jika antara X1, X2, X3, dan X4 ada yang memiliki korelasi tinggi maka hal
tersebut mengidentifikasi adanya masalah multikolinearitas.
bi =
bi =
Dengan demikian hasilnya tidak menentu. Demikian juga standar error (Sb1)
akan menjadi sangat besar. Jika multikolinearitas tidak begitu sempurna tetapi
tetap tinggi akibatnya adalah parameter estimasi b1 yang diperoleh tetap valid,
tetapi Sb1 akan bias membesar. Akibatnya uji t yang rumusnya berupa, t=b1/S1
akan cenderung kecil (Hamdi, 2014).
Karena X1 dan X2 memiliki kolinearitas yang tingi, maka regresi dapat dibuat
menjdi dua model, yaitu:
Melihat dari contoh di atas, dapat digunakan korelasi matrik. Aturannya jika
korelasi antara X lebih besar dari korelasi X dan Y, maka variabel bebas tersebut
mengidentifikasi multikolinear (Hamdi, 2014).
Daftar Pustaka