NAMA : PUTRI AUGUSTHIA

NO BP : 1910221045
MATKUL : DASAR DASAR EKONOMETRIKA

SOAL 1
Buat resume dari materi multikolinieriti diambil dari bacaan2 text book atau melalui
browsing di internet !
JAWABAN :
 Pengertian
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.
Berdasarkan penjelasan di atas, maka dapat disimpulkan bahwa, jika terjadi multikolinearitas,
maka sebuah variabel yang berkorelasi kuat dengan variabel lainnya di dalam model, kekuatan
prediksinya tidak handal dan tidak stabi

 Penyebab multikolinearitas l
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:

1. Penggunaan variabel dummy yang tidak akurat di dalam model regresi. Akan lebih
beresiko terjadi multikolinearitas jika ada lebih dari 1 variabel dummy di dalam
model.
2. Adanya perhitungan sebuah variabel bebas yang didasarkan pada variabel bebas
lainnya di dalam model. Hal ini bisa dicontohkan sebagai berikut: dalam model
regresi anda, ada variabel X1, X2 dan Perkalian antara X1 dan X2 (X1*X2). Dalam
situasi tersebut bisa dipastikan, terdapat kolinearitas antara X1 dan X1*X2 serta
kolinearitas antara X2 dengan X1*X2.
3. Adanya pengulangan variabel bebas di dalam model, misalkan: Y = Alpha +
Beta1 X1 + Beta2 X1*5 + Beta3 X3 + e.

 Dampak dari multikolinearitas antara lain:

 1. Koefisien Partial Regresi tidak terukur secara presisi. Oleh karena itu nilai standar
errornya besar.
2. Perubahan kecil pada data dari sampel ke sampel akan menyebabkan perubahan
drastis pada nilai koefisien regresi partial.
3. Perubahan pada satu variabel dapat menyebabkan perubahan besar pada nilai
koefisien regresi parsial variabel lainnya.
4. Nilai Confidence Interval sangat lebar, sehingga akan menjadi sangat sulit untuk
menolak hipotesis nol pada sebuah penelitian jika dalam penelitian tersebut terdapat
multikolinearitas.

SOAL 2 DAN 3
2. Lakukanlah langkah perbaikan dengan mengeluarkan satu atau beberapa variabel bebas yang
mempunyai korelasi tinggi dengan variabel bebas lainnya, untuk data tabel 1
3. Melakukan transformasi terhadap variabel-variabel yang menjadi penyebab terjadinya
multikolinearitas, coba di ln kan data tabel 1 kemudian periksa apakah masih ada

JAWABAN :

Berikut Data nilai ekspor, harga, jumlah produksi dan Gejolak Produksi Karet 1980-2001
Tahun Nilai ekspor Harga karet Produksi Gejolak
karet (cent/pound) karet (ribuan produksi
(juta US$) ton) (ribuan ton)
1980 1165,3 73,43 970,1 104,41
1981 828,2 56,97 943,1 38,09
1982 602,1 45,26 887,4 56,93
1983 843,5 56,14 982,1 1,55
1984 948,6 49,56 1029,1 6,13
1985 716,6 41,77 1054,6 7,69
1986 711,5 41,18 1095,3 6,31
1987 957,8 44,08 1141,3 0,37
1988 1243,1 48,81 1173,3 6,95
1989 1007,6 48,7 1180,2 39,37
1990 846,9 50,17 1228,7 30,19
1991 1056,6 47,63 1301,5 3,29
1992 1036,7 46,67 1365,4 27,87
1993 976,8 47,34 1437 69,15
1994 1271,8 48,93 1464,5 48,33
1995 1962,8 56,65 1532,1 76,61
1996 1918 54,83 1527,7 32,89
1997 1481 47,44 1505 29,13
1998 1101,5 46,61 1714 140,55
1999 849,1 45,31 1500 112,67
2000 888,6 47,36 1547,9 104, 19
2001 786,2 48,88 1547,3 144.11
Hasil Analisis :

lnYt= -8.0731 +1.6131lnX1t+ 1.2531X2t +

0.0762lnX3t (-3.1594) (4.4870)

 (5.0543) (-2.4354)
Ln (X1) Ln (X2) Ln (X3)
Ln (X1) 1.000 -0.185878 0.247115
Ln (X2) -0.185878 1.000 0.454489
Ln (X3) 0.247115 0.454489 1.000
2
R = 0.6610 F= 11,7010

 Nilai koefisien korelasi rendah, maka di duga tidak terdapat masalah multikolinieritas
 Jadi, tidak di perlukan langkah perbaikan

2. Dari data tabel berikut periksalah apakah terjadi kolinieritas dalam regresinya? Jika
ada lakukan perbaikan

Y 70 65 90 95 110 115 120 140 155 150

X1 80 100 120 140 160 180 200 220 240 260
X2 810 1009 1273 1425 2633 1876 2252 2201 2435 2686

JAWABAN :
Lakukan dengan menggunakan SPSS
Tabel Awal

Hasil analisis menggunakan SPSS

  Nilai Toleransi = 0,012  Artinya, angka tersenut menunjukkan terdapat Multikol
 Nilai VIF = 80,714  terdapat Multikol Sehingga harus di lakukan perbaikan

Metode Trasform TRANSFORM

Hasil menggunakan SPSS

 Nilai Toleransi = 0,010  Nilai yang dihasilkan menunjukkan masih terdapat

Multikol
 Nilai VIF = 102,977  masih terdapat Multikol