MULTIKOLINE

A R!: S
Oleh : Kelompok
6
 Pembahasan
Pengertian Multikolinearitas

Penyebab adanya
Multi kol i nea ritas

Dampak dari Multikolinearitas

Cara mendeteksi dan

mengatasi Multikolinearitas
Pengertian
Multi kol i
nea ritas
 berarti adanya hubungan linear yang sempurna atau pasti di antara beberapa atau semua
variabel penjelas (bebas} dari model regresi ganda.
• Tujuan uji mult ikolinear it as adalah menguji apakah mode l regresai dit em uk an adanya
korelasi
antara variabel bebas (independent}.
• Sy ar at pengambilan keput usan mult ikolinear it as:
1. Dengan melihat koef esien korelasi ant ar var iabel bebas : jik a koefisien korelasi ant ar
var iab le

2. bebas = 0,7 maka terjadi multikolinear.

Jika nilai tolerance lebih besar dari 0,10 maka artinya tidak terjadi multikolinieritas terhadap
data yang di uji. Sebaliknya jika nilai tolerance lebih kecil dari 0,10 maka artinya terjadi
multikolinearitas terhadap data yang diuji.
3.
Dengan melihat nilai VIF (v ar ian infloat ing fakt or} : jika nilai VIF :5 10,00 maka tidak
t erjadi
multikolinearitas, sebaliknya jika nilai VIF lebih besar dari 10, maka artinya terjadi
4.
multikolonearitas terhadap data yang diuji.
5. Tolak HO jika nilai R2? > 0,80; Tolak HO jika nilai VIF >10; Tolak HO jika nilai tole"a 0° dari 0,10
Hipot esis (HO : t idak terdapat hubungan kolinear it as, Hl : t erdapat hubungan
kolinear it as)
 4
W
Penyebab
Adanya
Multi kol
i nea
ritas
 • Menurut G. Sumodiningrat masalah multikolinearitas bisa timbul karena
berbagai sebab, antara lain:
1. Terdapat kecenderungan variabel ekonomi bergerak secara bersama-sama
sepanjang waktu. Misalnya penghasilan, tabungan, konsumsi, harga-harga,
dan kesempatan kerja cenderung meningkat dalam masa-masa makmur dan
menurun dalam periode depresi.
2. Penggunaan nilai lag dar i var iabl e-var iabel t ert ent u dalam model regr esi.
Unt uk menaksir f ungsi konsum si misalny a, penghasilan di masa lalu juga
dimasukkan sebagai variable bebas t ersendir i disamping penghasilan
masa lalu dan penghasilan masa sekar ang.
• 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

d
dari 1 variabel dummy
2. di dalam model.
Adanya perhitungan sebuah variabel bebas yang didasarkan pada variabel
N D 3. bebas lainnya di dalam model.
Adanya pengulangan variabel bebas di dalam model.
Dampak
dari
Mult
i kol
i
nea
ritas
 • Adanya mult ik olinear it as dapat menghasilkan penduga yang
bersif
tidak atbias, t api dapat menyebabkan suat u model berganda
regresi
• mem
Dapatpuny ai vardar
dilihat ians dan st andar error yang
i persamaan-persamaan ber ikbesar.
ut ini:
2
T
n-p

Var(b,)=
G z
5 °( 1- r ,
i.k · . - i
)

dimana:
e =Nilaikesalahan (error/ galat/ sisaan)
n =Jumlah observasi
p =Banyaknya variabel bebas ditambah

d
intersep
? =Varians sisaan
Var(b,,) = Varians b,,

' r =Korelasi antara variabel-variabel bebas

N D
• ambar berikut ini menunjukkan perbandingan distribusi yang ~
mengandung multikolinearitas dan distribusi tidak mengandung
multikolin
distribusi ~ tapa

multikolinaaritas

Snber : Sarwoko, 2005

• Kedua dist ribusi 3 mem ilik i nilai rat a-rat a yang sehingga
multikolinearitas
sam a ini tidak menyebabkan bias. Karena nilai varians yang
dihasilkan semakin t inggi mengak ibat kan mele bar ny a dist ribusi
3.
Apabila nilai var ians meningkat maka nilai st andar dev iasi dar i dat a
t ersebut akan cenderung meningk at .
• Mult ikolinear it as juga akan mengak ibat kan hasil-hasil dugaan menj adi
peka terhadap perubahan-perubahan yang kecil.
 4
W
Cara Mendeteksi
dan Mengatasi
Multi kol i nea
ritas
 Cara mendeteksi Multikolineari
• Menurut Gujarati (1978) gejala multfl«>linearitas ini dapat dideteksi dengan
beberapa cara antara lain :
1. Menghit ung koefisien korelasi sederhana (sim ple cor r elat ion) ant ar a
sesam a var iabel bebas, jik a t erdapat koefisien korelasi sederhana yang
mencapai at au melebihi 0,8 maka hal tersebut m enunj uk kan t erjadiny a
masalah mult ikolinear it as dalam regresi.
2. Menghit ung nilai Toleransi at au VIF (Var iance Inflat ion Fact or ), jik a nilai
Toleransi kur ang dar i 0,1 at au nilai VIF me lebihi 10 maka hal t ersebut
menunjuk kan bahwa mult ikolinear it as adalah masalah yang past i terjadi
ant ar var iab el bebas.
3. TOL yak ni ukuran t oleransi unt uk mendet eksi mult ikolinear it as Lakuk an
4. regr esi ant ar var iabel bebas, kemudian melakukan uj i- F dan bandingk an
dengan F tabel. Jika nilai F hit ung melebihi nilai F table berar t i dapat
diny at ak an bahwa Xi kolinear dengan X yang lain.
5. Dengan Nilai Eigen dan lndeks Kondisi (IK). Out put SAS dar i F. Produk si
Cobb
douglas menggunakan nila; ' 1d ea n de sl K oan d isi unt uk
mengdiagnosis
Bilangan Konn dd tisi: _ ?=nilaieigen

'%mar ·
' =K
Indeks Kondtis i ; I D

Jika : 1010 <

K 0 0K<10
. R an 1sedang
00.·d' d menuju kuat
. sangat kuat
ID < 10 -. 1emah
10<- ID.<30:sedang menuJu
ku..,,rt
ID >30: . saar ngat
kuat
 Cara mengata"si Itikolinearitas
Ada be1be r ap a ca. ra
a nta ra ai· n: R untuk mengatasi multikolinearitas
egresi yaitu
stepwise e adalah sal
model terbaik d h an. a sat u met ode unt uk
a,
yang pertama sebuah mend

1
a masuk ad '9Ia ls is regresi. . regresi . . " 8
dan signifika, 'alah variabel ?'II, variabel
, Paa a y
an dengan
I varia I anyg korelasi
adalah . variabel depende sinya tertinggi

.~, " " "

van abel en, var iabel
sere» yang%~~~ " " e r " sos
tent u
ya
nit g g«w> i
variabel Iain 'asukm ke dala 'gnifSiikan.
yang ti@a
in yang ada
para»
din _
signifikan maka va;_
" ""
lam model
a lam model reg da n '8"8Si ini, maka
diev aluasi. Jik a
i s
si i

as ariabel tersebut
ada dike I uarkan
 Regresi Ridge merupakan salah sat u car a yang dig unak an
unt uk mengat asi mult ikolinear it as (kekolinearan ganda) dalam

2 analisis regr esi linear berganda. Regr esi Ridge ini didapat
dengan
car a mem odifik asi met ode kuadrat t er kecil sehingga
menghasilk an
penduga par am et er yang lain dalam analisis regresi linear
berganda
yang mem puny
lebih baik ai menduga
dalam sif at bias. parameter
Apabila suat u penduga penduga
dibandingkan
mem puny ai
yang tidak bias, kemungkinan penduga yang bias ini
bias yang kecil, t et ap i penduga ini mem puny ai ket elit ian yang
mem puny ai peluang yang lebih besar dar ipada penduga
yang
tidak bias unt uk menduga par am et er yang sebenar ny a.
 Regresi Komponen Utama, merupakan gabungan antara Analisis

3
Kom ponen Ut a ma (Pr incipal Com p onent Analysis) dan met ode
Kuadrat
Terkecil (Least Squar es Met hod) yang bert uj uan unt uk mencar i
suat u
model regresi linear berganda yang tidak mengandung
mult ikolinear it as. Regr esi ini juga bert uj uan unt uk
menyederhanakan
var iabel yang diam at i dengan car a meny usut kan (m ereduk si)
dim ensi suat u dat a pengam at an tanpa me ngur angi
sif at / kar akt er ist ik
dat a t er sebut secar a sig nifik an. Hal ini dilakukan unt uk
menghilangkan korelasi ant ar var iabel bebas melalui t ransf or masi
var iabel asli ke var iabel bar u yang tidak berkorelasi sama sekali.
 Do you have a ny questions?

CREDITS· iTcoh° pbresentCa'tion templ

s Y Flat ico n, by Se,lide 'go, i'
i reepik
n s •inf ogPr aapt ehiwe.as& cim"Sagt eeds ncluding