• Jika antara X1, X2, X3, & X4; terdpt korelasi tinggi maka ada indikasi problem
multikolinieritas.
KONSEKUENSI
1 2 4 4
2 0 2 2
3 4 12 0
4 6 0 12
5 8 16 16
Hasil analisis
Kondisi 1.
yi = 1,1939 + 0,4463X2i + 0,0030X3i
(0,7737) (0,1848) (0,0831)
t = (1,5431) (2,4151) (0,0358)
R2 = 0,8101 r23 = 0,5523
Cov (2,3) = - 0,00868 df = 2
Kondisi 2.
yi =1,2108 + 0,4014X2i + 0,0270X3i*
(0,7480) (0,2721) (0,1252)
t = (1,6187) (1,4752) (0,2158)
R2 = 0,8143 r23 = 0,8285
Cov (2,3) = - 0,0282 df = 2
DIAGNOSIS
Mengeluarkan suatu
variabel atau variabel2 yg
Transformasi variabel
sangat berkorelasi & bias
spesifikasi
Mendapatkan tambahan
atau data baru
Contoh 1. Cara menangani adanya multikolinearitas
• Jelas bahwa X3i = 5X2i X2 X3 X3*
• Ada kolinearitas sempurna
antara X2 dan X3 karena 10 50 52
koefisien r23 = 1 15 75 75
• Variabel X3* diciptakan dari
X3 dgn hanya menambahkan 18 90 97
kepadanya angka random 2, 24 120 129
0, 7, 9, 2.
• Tidak terdpt lagi kolinearitas 30 150 152
sempurna antara X2 & X3
• Tetapi kedua variabel sangat
berkorelasi, di mana
diperoleh koefisien korelasi r23
= 0,9959
Contoh 2 :
Cara menangani adanya multikolinearitas
■ Jika Eigenvalue > 0,01 dan/atau Condition Index < 30, maka
dapat disimpulkan bahwa gejala multikolinearitas tidak terjadi
di dalam model regresi.
■ Dalam tutorial SPSS ini, nilai eigenvalue 0,02 > 0,01
walaupun collinearity diagnostics 40,458 dimana > 30.
TUGAS TM-13
1. Sajikan ringkasan hasil analisis (Data Praktik Analisis Regresi),
kemudian jelaskan pengaruh masing-masing variabel terhadap
terikat.
2. Lakukan diagnosa adanya penyimpangan asumsi klasik
multikolinieritas pada masing-masing hasil analisis.
3. Berikan saran perbaikan yang diperlukan berdasarkan studi
pustaka agar hasil analisis bebas dari multikolinieritas.
Persyaratan pengumpulan laporan:
▪ Laporan ditulis tangan dengan baik dan rapi
▪ Cantumkan nama, NIM dan tanda tangan
▪ Dilarang melakukan plagiasi (copy-paste) penjelasan hasil analisis
▪ Apabila ditemukan laporan plagiat maka laporan sumber maupun plagiator tidak
akan diberi penilaian.
▪ Tata nama file : E-METRI_Namamahasiswa_TM-13 (contoh: E-METRI_Simas_TM-13)
▪ Tata nama file harus dipatuhi untuk memudahkan dalam administrasi & penilaian
laporan; pengampu tidak bertanggung jawab atas laporan yg tidak mengikuti tata
nama file tsb.
▪ Laporan dikirim ke SIMARI e-learning EKONOMETRIKA (pengiriman di luar SIMARI
tidak akan diterima & segala bentuk keterlambatan tidak akan dilayani)
▪ Dateline : 21 November 2022 jam 23.00 wita