//
you're reading...
Aplikasi Statistik

PROBLEMA REGRESI “Multikolinieritas”

Tujuan

Untuk memahami pengertian dan konsep teori serta menyelesaikan masalah dalam penelitian parametris yang berkaitan dengan analisis regresi menggunakan teknologi informasi dan komputasi (CP-KK 4  Level 6  KKNI ; CP-KK 2  Level 5 KKNI)

 Dasar Teori

Analisis regresi bukanlah analisis yang selalu mulus digunakan. Ada beberapa masalah serius yang dihadapi dalam teknik analisis regresi, yaitu :

  1. Heterokedastisitas
  2. Otokorelasi
  3. Multikolinieritas

 Multikolinieritas

Multikolinieritas adalah keadaan dimana variabel-variabel indepnden dalam persamaan regresi mempunyai korelasi (hubungan) yang erat satu sama lain. Parameter yang diduga terjadinya multikolinieritas adalah:

  • Biasanya regresi mempunyai persamaan dengan nilai R² yang tinggi atau sangat tinggi, Fhitung tinggi, tetapi banyak variabel bebas yang tidak signifikan yaitu rendahnya nilai thitung.
  • Terdadapat beberapa variabel yang mempunyai nilai Eigenvalue mendekati nol

Disamping itu multikolinieritas menyebabkan timbulnya masalah-masalah, yaitu:

  • Koefisien regresi bertanda positif dalam regresi sederhana bisa berubah negatif dalam regresi berganda atau sebaliknya
  • Fluktuasi nilai estimasi koefisien regresi sangat besar
  • Jika variabel-variabel independent terkorelasi satu sama lain, variabel-variabel tersebut menjelaskan varian yang sama dalam mengestimasi variabel dependent, jadi penambahan variabel independent tidak berpengaruh apa-apa

Untuk menghilangkan multikolinieritas dilakukan dengan beberapa cara:

  • Memperbanyak jumlah sampel (mengumpulkan lebih banyak data)
  • Melakukan transformasi terhadap hubungan fungsional
  • Menghilangkan variabel independent yang memiliki kolinieritas tinggi.

Yang perlu diperhatikan dari ketiga cara di atas adalah cara ketiga, sebab penghilangan harga sebagai variabel penjelas dapat menimbulkan permasalahan baru yang lebih serius dari masalah multikolinieritas itu sendiri. Beberapa akibat yang timbul jika hasil estimai model empiris terdapat masalah multikolinieritas:

  • Penaksir kuadrat terkecil tidak bisa ditentukan (indeterminate), meskipun hasil estimasi yang dihasilkan masih BLUE (Best Linier Unbiased Estimator)
  • Interval kepercayaan (confidence interval) cenderung meningkat lebih besar sehingga mendorong menerima hipotesis nol (H₀)
  • Nilai t-statistik koefisiend dari satu atau beberapa variabel penjelas secara statistik tidak signifikan sehingga dapat menyebabkan dikeluarkannya suatu variabel penjelas dalam suatu model regresi, padahal variabel penjelas tersebut sangat penting perannya dalam menjelaskan variabel tergantung
  • Penaksir-penaksir OLS dan kesalahan bakunya cenderung tidak stabil dan sangat sensitif bila ada perubahan data meskipun sangat kecil
  • Jika multikolinieritas tinggi, mungkin R² bisa tinggi namun tak satupun (sangat sedikit) taksiran koefisien regresi yang signifikan secara statistik.

Alat dan Bahan

  • Komputer
  • Software SPSS
  • Data penelitian

Percobaan

Contoh

Dengan menggunakan data yang sama pada analisis regresi ganda sebagai berikut

2

Langkah-Langkah Komputasi

  1. Entri data pada tabel  kedalam Data View dan Variable View format SPSS data viewer
  2. Analyze | Regression | Linier. 
  3. Pindahkan variabel Xdan X  ke kolom Independent(s) dan variabel Y ke kolom Dependent
  4. Klik Statistics, maka akan tampil kotak dialog Statistics, pada Regression Coefficients centang  untuk pengujian Multikolinieritas, lalu Continue.  (lihat gambar di bawah)
  5. OK

3

Output

Untuk pengujian Multikolinieritas  dapat dilihat melalui tabel Coefficientsa dan Collinearity Diagnosticsa dengan Coefficient Correlations dan Model Summary sebagai pembanding.


4

Dari tabel Coefficientsa  dilakukan dua pengujian yaitu menggunakan motode TOL (Tolerance) dan VIF (Variance Inflation Factor) pada kolom Colinierity Statistics dan pengujian motode Examination of Partial Correlation pada kolom CorrelationPartial, dengan kriteria-kriteria pengujian sebagai berikut:

  • Jika nilai VIF < 10, maka tidak terjadi gejala Multikolinieritas diantara variabel-variabel bebas.
  • Jika nilai VIF > 10, maka terjadi gejala Multikoliniritas diantara variabel-variabel bebas
  • cutoff Tolerance yang diizinkan adalah 0,10 ≤ TOL dengan nilai korelasi antar variabel bebas dibawah 95% maka dapat dikatakan tidak terjadi multikolinieritas yang serius.
  • Untuk pengujian dengan Examination of Partial Correlation adalah dengan membandingkan nilai korelasi parsial pada kolom Correlations melalui nilai Partial masing-masing variabel bebas dengan koefisien determinasi R² secara keseluruhan dengan kriteria: Jika Koefisien Determinasi (R²) lebih besar dari nilai koefisien korelasi parsial semua variabel bebasnya maka model tersebut tidak mengalami gejala multikolinieritas (rxᵢ < R²).

Analisis tabel Coefficientsa

  1. Untuk pengujian menggunakan metode TOL dan VIF hasil yang diperoleh nilai TOL variabel X₁ dan variabel X₂ sebesar 0,218 sedangkan nilai VIF variabel X₁ dan variabel X₂ sebesar 4,587 (kedua variabel mempunyai nilai yang sama dikarenakan model hanya memiliki dua variabel bebas dimana R²X₁X₂ = R²X₂X). Dengan demikian dari hasil perhitungan diperoleh nilai VIF 4,587 < 10 dan TOL 0,218 > 0,10 dengan korelasi X₁ dengan X₂ sebesar -0,884 atau sekitar 84% < 95%
  2. Untuk pengujian menggunakan metode Examination of Partial Correlation (Korelasi Parsial) hasil yang diperoleh nilai Correlation Partial variabel X₁ sebesar 0,543 dan variabel X₂ sebesar 0,584. Dengan demikian hasil perhitungan yang diperoleh dibangingkan dengan koefisien determinasi secara keseluruhan R², rX₁Y (0,543) < R² (0,890) dan rX₂Y (0,584) < R² (0,890).

Simpulan

Dari kedua metode pengujian yang dilakukan di atas maka pada model regresi yang terbentuk tidak terjadi gejala multikolinieritas

 

Iklan

About aliwear

Tenaga Edukatif Politeknik Perikanan Negeri Tual

Diskusi

Belum ada komentar.

Tinggalkan Balasan

Please log in using one of these methods to post your comment:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s

%d blogger menyukai ini: