MULTIKOLINEARITAS
KELOMPOK
7
01 02
ANGELINA RENNY PRISGA SEPTYANA
C.O.S. S.
185090400111021 185090400111027
03 04
ANANDA HANS INDAH
ISLAMIYAH PUSPITASARI
185090401111027 185090401111028
DEFINISI
●Multikolinearitas
ditemukan pertama kali oleh
Ragnar Frisch (Insitute of Economics , Oslo
University)
Asumsi Non Multikolinearitas adalah asumsi yang
mengharuskan setiap variabel bebas dalam regresi
linear tidak boleh memiliki hubungan linear yang
sempurna. Misalkan terdapat model regresi dengan
k variabel bebas (dimana ) maka hubungan linear
yang sempurna antar-variabel bebas tersebut secara
sistematis dapat dituliskan sebagai berikut:
dimana sedemikian rupa sehingga tidak semuanya bernilai nol.
●
Misalkan terdapat model regresi dengan k
variabel bebas (dimana ) maka hubungan
dimana
linear yang kuat tetapi tidak sempurna
adalah
dikatakan ada jika memenuhi kondisi: unsur
kesalahan
yang
stokastik.
Jika asumsi non
APA SIH multikolinearitas
terlanggar dalam
KONSEKUENSINYA.. model regresi
linear?
1. Tidak Dapat Dihitungnya Nilai Koefisien Regresi
1.
Jika terdapat korelasi antar dua variabel bebas dalam model regresi yang secara
sistematis dapat dituliskan . Misal pada persamaan regresi linear dengan
sebagai berikut dengan dan
Dengan
Dengan
demikian
demikian
didapatka
didapatka
n bahwa:
n bahwa:
2. Variansi Dari Koefisien Regresi Akan Semakin Membesar
Hal ini dapat dijelaskan dengan persamaan sistematis sebagai berikut:
1) Nilai VIF > 10 dengan toleransi 2) Nilai VIF > 5 dengan toleransi
nilai . Berikut penjelasan nilai . Berikut penjelasan
matematisnya: matematisnya:
SelainVIF ada juga indikator lain yang yang
dapat digunakan sebagai alat pendeteksi pelanggaran asumsi
multikolinearitas yaitu Tolerance (TOL). Secara sistematis Tolerance dapat
didefinisikan sebagai berikut :
Berdasarkan rumus TOL tersebut, maka terlihat bahwa :
1) Jika terdapat pelanggaran-pelanggaran asumsi non-multikolinearitas
( maka nilai TOL=0
2) Jika asumsi non-multikolinearitas terpenuhi maka nilai TOL=1
Jadi, dapat disimpulkan bahwa jika nilai cenderung mendekati 1, maka akan
terdapat kecendrungan asumsi non-multikolinearitas untuk dilanggar.
2. Eigenvalues dan Conditional Index
Menghitung eigenvalues dan conditional index dapat menggunakan
software statistik yaitu SPSS. Nilai-nilai eigenvalues yang digunakan
sebagai alat untuk menghitung Conditional Index (CI). Nilai tersebut
sebagai salah satu indikator untuk mendeteksi ada tidaknya pelanggaran
asumsi non-multikolinearitasdalam model regrei linear berganda. Berikut
rumus mencari CI dengan eigenvalues:
Dan menjadi :
Dimana : =
Setelah diestimasi dengan metode OLS, selanjutnya nilai dari
dapat dicari dengan menggunakan persamaan untuk interpretasi
model regresi yang lebih lengkap dan komprehensif.
2. Mengeluarkan Variabel Bebas yang Mengalami Kolinier
dari Model
Asumsi non-multikolinieritas terlanggar jika ada variabel-
variabel bebas yang saling kolinier di dalamnya. Jika salah satu dari
pasangan variabel bebas yang saling kolinier dihilangkan dari model
regresi linier berganda, maka pelanggaran asumsi non-
multikolinieritas akan teratasi. Namun mungkin saja model regresi
linier berganda yang akan terbentuk malah tambah buruk karena
variabel yang dihilangkan merupakan variabel bebas yang penting.
Oleh karena itu, perlu kehati-hatian dalam menghilangkan
variabel-
variabel bebas yang saling kolinier.
3. Melakukan Transformasi Variabel
a. Pembedaan Umum (Generalized Differences)
Transformasi pembedaan umum berlaku bagi data antar waktu (time series).
Transformasi pembedaan umum dalam mengatasi pelanggaran asumsi non-
multikolonieritas cukup dengan mengurangkan nilai variabel pada t dengan
nilai
variabel pada t-1.
b. Transformasi Rasio
Transformasi rasio untuk mengatasi pelanggaran asumsi non-multikolinieritas
adalah dengan cara membagi seluruh komponen dalam model regresi dengan
variabel bebas yang mengalami kolinier. Contoh: misalkan terdapat model
regresi linier yang menggambarkan pengaruh jumlah gedung Sekolah Dasar
(SD) dan jumlah guru SD
terhadap jumlah murid SD di setiap kecamatan
sampel terpilih di Provinsi Sumatra
= Jumlah Murid ; = Jumlah Guru ; = Jumlah Gedung Sekolah
Setelah dilakukan pengujian asumsi non-multikolinieritas, ternyata didapati
hasil bahwa jumlah murid SD berkolinier dengan Jumlah Guru SD. Solusi untuk
mengatasi kolinieritas ini adalah dengan melakukan transformasi rasio, yaitu
dengan cara membagi kedua ruas dengan jumlah guru SD sehingga model
regresinya menjadi: Dimana: = =
= Rasio Murid-Guru
= Rasio Murid-Gedung Sekolah
Interpretasi variabel berubah setelah dilakukan transformasi rasio. Variabel jumlah guru
SD () berubah menjadi rasio guru-murid () yang bermakna setiap 1 guru mampu
mengajar murid sebanyak nilai rasio guru-murid. Kemudian, variabel jumlah gedung
sekolah SD () berubah menjadi rasio guru-murid () yang bermakna setiap 1 sekolah
mampu menampung murid sebanyak nilai rasio murid-gedung sekolah.
c. Berbagai Transformasi Lainnya
Selain transformasi rasio dan pembedaan umum, transformasi
lain dapat juga digunakan untuk mengatasi pelanggaran asumsi
non-multikolinieritas, seperti transformasi , , , dan lain-lain. Selain
itu, transformasi Box-Cox juga cukup efektif untuk mengatasi
pelanggaranan asumsi non-multikolinieritas.
CONTOH
SOAL
Peneliti ingin menguji pengaruh kepuasan kerja dan motivasi terhadap kinerja pegawai.
Sebelumnya peneliti harus menguji asumsi multikolinearitas dari variabel-variabel
independennya. Dari penelitian didapatkan 60 sampel. Ujilah multikolinearitas dari
data tersebut!
PEMBAHASAN