Diposting Rabu, 20 April 2011 jam 7:12 pm oleh Evy Siscawati

Multikolinearitas

Suka dengan artikel ini?

Jelajahi artikel-artikel FaktaIlmiah yang berdasarkan apa yang dibaca dan ditonton teman-teman.
Terbitkan aktivitas Anda sendiri dan dapatkan kendali penuh.
Login

Rabu, 20 April 2011 -


 

Ambil contoh kalau anda meregresikan penjualan es krim dengan dua variabel bebas, suhu rata-rata dan banyaknya penjual es krim. Kita tahu secara intuitif kalau kedua variabel bebas ini sebenarnya berkorelasi.

Dengan menjalankan regresi Y= a + b1X1 + b2X2 kita bisa mendapatkan kalau koefisien b1 dan b2 sendiri signifikan. Namun kita tidak tahu apakah b1 atau b2 signifikan sendiri.

Jika terjadi multikolinearitas, berarti kedua variabel bebas menyumbangkan informasi berlebih pada model regresi ganda. Memasukkan dua variabel bebas yang sangat berkorelasi dapat mempengaruhi hasil regresi karena tidak ada informasi baru yang diberikan, dapat mengakibatkan koefisien yang tidak stabil (kesalahan baku yang besar dan nilai-t yang rendah) dan tanda koefisien dapat tidak sesuai dengan perkiraan.

Beberapa indikasi adanya multikolinearitas adalah: tanda koefisien yang salah, perubahan besar nilai koefisien sebelumnya saat variabel baru ditambahkan pada model, variabel yang sebelumnya signifikan menjadi tidak signifikan ketika variabel bebas baru dimasukkan dan perkiraan simpangan baku model meningkat ketika variabel ditambahkan pada model.

Cara menguji keberadaan multikolinearitas dalam Excel cukup mudah. Ketimbang menggunakan analisa regresi, gunakan fungsi Correlations dalam add-ins Data Analysis. Hasilnya adalah matriks korelasi dari semua variabel bebas. Periksa matriks ini, apakah ada yang memiliki nilai korelasi sangat tinggi. Biasanya korelasi yang dianggap bermasalah adalah lebih besar dari 0.30.

Jika ternyata ada multikolinearitas, apa yang harus dilakukan?

Ada dua cara. Cara pertama tentu saja, mengganti variabel bebas yang mengalami kolinearitas, sehingga analisa korelasi tidak lagi menghasilkan multikolinearitas. Cara kedua, menggunakan stepwise regression, bukannya regresi linier lagi. Dalam prosedur stepwise regression, variabel yang paling berkorelasi dimasukkan kedalam persamaan terlebih dahulu, lalu varian yang tersisa pada Y dijelaskan dengan variabel yang berkorelasi urutan kedua, dst. Dalam prosedur ini, urutan entri variabel berpengaruh.

Referensi

Alemi, F., Haqqi, K. Multiple Regression.

 

Evy Siscawati
Facts are the air of scientists. Without them you can never fly (Linus Pauling). Berjalan di pantai, dud dud, berjalan di pantai, dud dud (ESW).
Bergabung dengan 1000 orang lebih dengan kami melalui sosial media

Berlangganan artikel dan berita terbaru dari kami via email


Aktifitas

© 2010 FaktaIlmiah.com. Hak cipta asli oleh faktailmiah
Anda boleh mendistribusikannya dengan mencantumkan referensi dari situs kami.