Makalah Multikolinearitas
Makalah Multikolinearitas
“MULTIKOLINEARITAS”
Dengan menyebut nama Allah SWT yang Maha Pengasih dan Maha
Penyanyang. Puji syukur atas kehadirat Allah yang telah melimpahkan rahmat,
hidayah, serta inayah-NyA kepada penulis sehingga bisa menyelesaikan makalah
tentang “Multikolinearitas”.
Makalah ini disusun dengan maksimal dan mendapat bantuan dari
berbagai pihak sehingga bisa memperlancar pembuatan makalah ini. Untuk itu
penulis menyampaikan terimakasih kepada semua pihak yang telah berkontribusi
dalam pembuatan makalah ini.
Terlepas dari segala hal tersebut, penulis menyadari sepenuhnya bahwa
masih ada kekurangan baik dari segi susunan kalimat maupun tata bahasa. Oleh
karenanya penulis menerima segala saran dan kritik dari pembaca agar penulis
dapat memperbaiki makalah ini.
Penyusun
i
DAFTAR ISI
KATA PENGANTAR………………………………………….......……...….…..i
DAFTAR ISI………...……………………...................…………………...….….ii
BAB I PENDAHULUAN
1.1 Latar Belakang…………………………..................………………………....1
1.2 Rumusan Masalah…………………………..........…………………………..2
1.3 Tujuan ...............…………………….......................………...…………….... 2
BAB II PEMBAHASAN
2.1 Pengertian Multikolinearitas.............................................................................3
2.2 Dampak Multikolinearitas.................................................................................4
2.3 Cara Mendeteksi Multikolinearitas...................................................................4
2.4 Cara Mengatasi Multikolinearitas.....................................................................5
2.5 Contoh Kasus..................…..............................................................................6
BAB III PENUTUP
3.1 Kesimpulan…………………………………..........………………………...11
3.2 Saran……..………………………………...............………………………...11
DAFTAR PUSTAKA…………………………………..……………….....…....12
ii
BAB I
PENDAHULUAN
1
pada kondisi penelitian. Oleh karena itu, perlu adanya solusi yang memberikan efek
penanggulangan yang besar pada masalah multikolinearitas dalam analisis regresi
linear.
1.3 Tujuan
Adapun tujuan dari penulisan makalah ini ialah :
1. Untuk mengetahui definisi dari multikolinearitas
2. Untuk mengetahui dampak dari adanya multikolinearitas dalam data
3. Untuk mengetahui cara mendeteksi ada tidaknya multikolinearitas antar variabel
bebas pada analisis regresi
4. Untuk mengetahui beberapa cara yang dapat dilakukan untuk mengatasi masalah
multikolinearitas
1.
2
BAB II
PEMBAHASAN
dimana 1,2,3,.....k seluruhnya tidak sama dengan nol (1 ≠ 0,i = 1,2,3,......k). Untuk
mengetahui multikolinearitas sempurna dimisalkan 2≠0, sehingga persamaan X2
dapat ditulis sebagai berikut:
3
b. Multikolinearitas kurang sempurna
Multikolinearitas kurang sempurna terjadi jika berlaku suatu hubungan sebagai
berikut:
dimana i adalah galat sisa dengan syarat galat yang saling bebas dan menyebar
normal i ~ N (0,2), untuk mengetahui adanya multikolinearitas tidak sempurna,
maka dimisalkan 2≠0, sehingga persamaan X2 dapat ditulis sebagai berikut:
yang menunjukkan bahwa X2 tidak berhubungan linear sempurna dengan sisa variabel
lainnya , sebab tergantung pada i
4
mengharuskan tidak adanya korelasi yang sempurna atau besar diantara variabel-
variabel independen. Analisis koefisien korelasi bertujuan untuk mempelajari apakah
ada hubungan antara dua variabel. Koefisien korelasi antar variabel independen
haruslah lemah (dibawah 0.5). Jika korelasi kuat, terjadilah problem
multikolinearitas.
Batas tolerance value adalah 0,10 atau nilai VIF adalah 10. Jika VIF > 10 dan
nilai tolerance < 0.10, maka tejadi multikolinearitas tinggi antar variabel bebas
dengan variable bebas lainnya. Jika VIF < 10 dan nilai tolerance > 0.10, maka dapat
diartikan tidak terdapat multikolinearitas pada penelitian tersebut. Regresi yang baik
memiliki VIF disekitar angka 1 (satu) dan mempunyai angka Tolerance mendekati 1.
5
b. Menghilangkan satu atau beberapa variable bebas
Pada permasalahan multikolinearitas yang serius, salah satu hal yang mudah
untuk dilakukan ialah mengeluarkan salah satu variabel yang berkorelasi tinggi
dengan variable lainnya.
c. Estimasi Regresi Ridge
Estimasi Ridge untuk koefisien regresi dapat diperoleh dengan menyelesaikan
suatu bentuk dari persamaan normal regresi. Asumsikan bahwa bentuk standar dari
model regresi linear ganda adalah sebagai berikut:
Parameter penting yang membedakan regresi ridge dari metode kuadrat terkecil
adalah c. Tetapan bias c yang relatif kecil ditambahkan pada diagonal utama matriks
X′X, sehingga koefisien estimator regresi ridge dipenuhi dengan besarnya tetapan
bias c.
Berikut ini akan diuji multikolinieritas sebuah model regresi dengan variabel
Kepuasan Kerja (X1), Gaya Kepemimpinan (X2), dan Motivasi (X3). Variabel
dependen adalah kinerja (Y). Data dikumpulkan dari angket dengan jumlah sampel
sebanyak 60 orang pegawai. Data ditampilkan sebagai berikut :
NO X1 X2 X3 Y 13 50 63 74 56
1 55 76 83 65 14 52 71 87 64
2 60 82 92 70 15 56 82 84 66
3 61 80 77 70 16 53 72 79 65
4 53 70 74 60 17 60 85 92 70
5 62 88 97 70 18 56 76 86 67
6 62 72 77 71 19 54 65 80 62
7 54 78 86 64 20 53 74 72 57
8 59 72 90 68 21 52 75 75 55
9 64 81 96 72 22 62 80 95 70
10 55 74 90 66 23 65 72 96 66
11 53 65 85 64 24 58 70 82 63
12 65 84 92 72 25 60 85 86 63
6
26 64 88 96 74
27 60 84 98 72
28 64 89 82 75
29 64 85 92 72
30 58 78 76 67
31 60 77 86 68
32 54 78 86 64
33 39 52 55 41
34 64 89 96 74
35 54 75 79 62
36 57 84 82 66
37 60 74 88 69
38 54 69 80 61
39 53 76 81 64
40 63 87 97 71
41 71 58 102 79
42 51 72 81 58
43 64 87 95 69
44 65 71 96 72
45 54 81 82 64
46 60 83 79 68
47 64 72 86 72
48 60 81 86 70
49 55 82 78 64
50 64 86 93 72
51 49 67 74 55
52 46 66 74 58
53 58 82 78 67
54 51 63 83 58
55 63 93 96 71
56 58 75 80 65
57 50 77 73 56
58 55 68 80 58
59 57 69 81 64
60 61 87 92 68
7
Penyelesaian
Klik Statistik, kemudian beri tanda pada Covariance matrix dan collinierity
diagnosics
Model Summary
8
Coefficient Correlationsa
9
Alternatif uji untuk kasus di atas adalah dengan meregresikan predictor secara
bergantian. Kriteria model tidak terkena multiko adalah ketika nilai R Square untuk
masing-masing predictor tidak melebihi model utama.
- Model Utama :
Kinerja = Kepuasan + gaya kep + Motivasi
- Model perbandingan :
Kepuasan = kinerja + gaya kep + motivasi
Gaya kep = kinerja + kepuasan + Motivasi
Motivasi = kinerja + kepuasan kerja + gaya kep
Langkah Uji
Lakukan uji regresi dengan menempatkan variabel independen menjadi
dependen secara bergantian. dengan demikian akan dihasilkan output 4 model regresi
(1 model utama dan 3 model perbandingan).
Interprestasi
Model Utama atau Kinerja
Model Summary
Model Summary
10
Model Summary
Model Summary
Dari perbandingan 4 model ini dapat diketahui bahwa model utama memiliki R
Square lebih besar dibanding model perbandingan lainnya. Dengan demikian dapat
dinyatakan model tidak terkena masalah Multikolinier
BAB III
11
PENUTUP
3.1 Kesimpulan
3.2 Saran
Demi kesempurnaan makalah ini, kritik serta saran yang bersifat membangun
sangat diharapkan agar makalah ini dapat menjadikan suatu pedoman untuk kalangan
umum. Penulis sebagai penyusun makalah ini memohon maaf atas segala kekurangan
dan kesalahan dalam penyusunan. Atas kritik, saran, dan perhatiannya, penulis
ucapkan terimakasih.
12
DAFTAR PUSTAKA
Prihastuti, Dwi. 2014. Analisis Generalized Two Stages Ridge Regression (GTSSR)
Untuk Mengatasi Multikolinearitas Dan Autokorelasi Beserta Aplikasinya
[Skripsi]. Pendidikan Matematika. Fakultas Matematika dan Ilmu Pengetahuan
Alam. Universitas Negeri Yogyakarta. Yogyakarta
Martha, Shantika. 2010. Multikolinearitas Pada Analisis Regresi Berganda. Jurusan
Matematika. Fakultas Matematika Dan Ilmu Pengetahuan Alam. Universitas
Tanjungpura. Pontianak.
ERIZA, VIENDIRA TRY. 2016. Uji Multikolinearitas dan Kesesuaian Model
Dalam Model Persamaan Struktural [Skripsi]. Fakultas Matematika Dan Ilmu
Pengetahuan Alam. Universitas Lampung. Bandar Lampung
13