Uji Multikolinearitas pada Regresi Linear Berganda

Gangguan multikolinearitas pada analisis regresi linear berganda adalah adanya korelasi yang tinggi antara variabel bebas atau independen. Model regresi yang baik diharapkan tidak mempunyai korelasi yang tinggi di antara variabel-variabel bebasnya. Ini sangat mudah diterima, karena kita akan mengukur pengaruh antara variabel bebas terhadap variabel terikat, sehingga jika ada korelasi yang tinggi antara variabel-variabel terikat maka hasil analisis akan terganggu.

Uji multikolinearitas agak unik, berbeda dengan uji normalitas, uji heteroskedastistias atau uji autokorelasi. Tiga yang terakhir, ujinya dikenakan pada nilai residualnya. Sedangkan untuk multikolinearitas, maka ujinya dikenakan pada variabel-variabel bebas yang ada pada model tersebut. Deteksi adanya gangguan multikolinearitas sebenarnya sudah bisa dilakukan di awal, yaitu ketika melakukan telaah teori atau penyusunan model regresi di awal.

Sebagai ilustrasi, ketika menggunakan variabel rasio keuangan profitabilitas, maka variabel ROE, ROI atau pun NPM cenderung berkorelasi karena semuanya merupakan rasio profitabilitas. Jadi jika digunakan sebagai variabel bebas secara bersamaan maka cenderung mengalami gangguan multikolinearitas. Juga misalnya pada variabel ukuran perusahaan, di mana terdapat total assets, market share atau nilai kapitalisasi pasar. Ketiganya bisa dipergunakan sebagai proksi untuk mengukur kecil besarnya sebuah perusahaan. Tetapi jika ketiganya digunakan secara serempak, cenderung mengalami gangguan multikolinearitas.

Secara statistik, ada beberapa uji yang sering dipergunakan untuk menentukan apakah terdapat gangguan multikolinearitas atau tidak. 

  1. Melihat apakah ada korelasi yang tinggi (korelasi Pearson) di antara variabel-variabel bebasnya. Biasanya jika ada korelasi di atas 0,9 akan dianggap sebagai mengalami gangguan multikolinearitas.
  2. Model mempunyai R square yang tinggi, tetapi tidak ada satupun variabel bebas yang signifikan terhadap variabel terikatnya. Ini juga bisa dijadikan petunjuk awal adanya gangguan multikolinearitas pada model regresi yang dibangun.
  3. Menggunakan parameter VIF atau Tolerance. Ini metode yang sering sekali dipergunakan jika peneliti menggunakan software SPSS karena sudah tersedia menunya di program itu.
  4. Membandingkan R square dari model dengan R square dari regresi secara parsial. Jika R square model parsial ada yang lebih tinggi dari pada R square model utama, maka bisa dideteksi adanya gangguan multikolinearitas.
  5. Dengan metode Farrar dan Glauber (1967) yang berdasarkan pada nilai F hitung
  6. Menggunakan parameter Eigenvalues atau CI. Ini bisa dilakukan dengan SPSS tetapi lebih sering dipergunakan dengan software SAS.
Tidak ada metode yang dianggap paling tepat, tetapi untuk aplikasi dengan SPSS maka yang paling sering dipergunakan adalah dengan VIF atau Tolerance di mana VIF = 1/Tolerance. Adapun nilai yang sering dipergunakan adalah VIF di bawah 10 atau Tolerance di atas 0,1 yang dinyatakan sebagai model yang tidak mengalami gangguan multikolinearitas.

Grafik Penentuan nilai VIF batas

Ketika nilai r23 sekitar 0,5 maka nilai VIF atau Variance Inflation Factor hanya meningkat sekitar 1,33 kali dibandingkan jika r23 bernilai 0. Tetapi ketika nilai r23 sebesar 0,95 maka akan meningkat 10 kali. Lebih lagi ketika r23 meningkat dari 0,95 ke 0,995 maka VIF meningkat hampir 100 x. Oleh karena itu, dianggap batasnya adalah r23 0,9 atau Tolerance sebesar 0,1.

Untuk CI seirng dipergunakan nilai CI > 30 yang dinyatakan sebagai gangguan multikolinearitas yang sangat kuat sedangkan antara 10 sd 30 dinyatakan moderat. Artikel mendatang, akan kita bahas secara detail tentang uji multikolinearitas.

Tidak ada komentar:

Posting Komentar

Baca dulu sebelum tulis komentar:

Sebelum menuliskan pertanyaan, mohon disimak tanya jawab yang ada terlebih dahulu. Pertanyaan yang sama atau senada biasanya tidak terjawab. Atau simak dulu di Mengapa Pertanyaan Saya Tidak Dijawab?
Simak juga Channel kami di Statistik TV
Komentar akan kami moderasi dulu sebelum ditampilkan.
Terima kasih.

Cari Materi

Berlangganan Gratis Lewat Email ?

Ingin menghubungi kami untuk kerja sama?

Nama

Email *

Pesan *