Lompat ke konten Lompat ke sidebar Lompat ke footer

Cara Deteksi Multikolinieritas pada Persamaan Regresi Linier Berganda

Uji multikolinieritas merupakan salah satu uji asumsi pada regresi linier metode kuadrat terkecil. Uji ini dilakukan untuk melihat apakah ada korelasi yang kuat antar variabel bebas.

Jika berdasarkan hasil uji menunjukkan ada korelasi yang kuat, maka persamaan regresi tersebut menunjukkan terjadi masalah multikolinieritas.

Sebaliknya, jika tidak ada korelasi yang kuat antar variabel bebas maka persamaan regresi tersebut tidak ada gejala multikolinieritas.

Uji multikolinieritas ini sangat penting untuk menjamin hasil estimasi yang konsisten dan tidak bias. Kita menyebutnya dengan Best Linear Unbiassed Estimator (BLUE).

Uji multikolinieritas hanya pada regresi linier berganda

Analisis regresi linier berdasarkan jumlah variabel bebasnya dapat dibagi menjadi regresi linier sederhana dan regresi linear berganda.

Perbedaan di antara keduanya terletak pada jumlah variabel bebas dalam persamaan yang dibuat. Jika persamaan regresi dengan satu variabel bebas dan satu variabel terikat, maka disebut dengan regresi linier sederhana.

Jika persamaan regresi terdiri dari dua atau lebih variabel bebas dan satu variabel terikat, maka disebut dengan regresi linear berganda.

Uji multikolinieritas hanya dilakukan pada persamaan regresi linear berganda. Adapun pada regresi linear sederhana, tidak perlu dilakukan uji multikolinieritas.

Mengapa uji multikolinieritas hanya dilakukan pada regresi linear berganda? Hal ini karena yang dilihat adalah korelasi antara variabel bebasnya.

Dengan demikian, tujuan uji multikolinieritas dilakukan untuk mendeteksi korelasi yang kuat pada masing-masing kombinasi dari variabel bebas yang ada dalam persamaan regresi.

Cara deteksi multikolinearitas

Deteksi multikolinearitas dapat dilakukan dengan beberapa cara. Cara deteksi multikolinieritas yang paling sering digunakan yaitu menggunakan uji korelasi antar variabel bebas dan nilai Variance Inflation Factor (VIF).

Deteksi menggunakan uji korelasi dilakukan dengan cara mengkorelasikan untuk seluruh variabel bebas pada persamaan regresi. Jika hasil uji menunjukkan nilai koefisien korelasi yang tinggi (koefisien > 0,7), maka diduga terjadi masalah multikolinieritas.

Cara yang kedua yaitu melihat nilai Variance Inflation Factor (VIF). Cara yang kedua ini yang paling sering digunakan oleh peneliti untuk mendeteksi adanya masalah multikolinieritas pada persamaan regresi.

Masalah multikolinieritas dapat dilihat pada nilai VIF yang tinggi. Nilai VIF yang tinggi menunjukkan korelasi yang kuat antar variabel bebas.

Umumnya nilai VIF lebih besar dari 10, berpotensi memiliki masalah multikolinieritas. Adapun Jika nilai VIF lebih kecil dari 10, dan bahkan lebih kecil dari 5 menunjukkan peluang terjadinya multikolinearitas yang semakin kecil.

Solusi untuk masalah multikolinieritas

Hasil uji multikolinieritas dengan nilai korelasi yang tinggi atau nilai VIF lebih besar dari 10, dapat disimpulkan bahwa pada persamaan regresi yang diuji mengalami masalah multikolinieritas.

Dengan kata lain, pada persamaan regresi tersebut menunjukkan adanya korelasi yang kuat antar variabel bebas. Kondisi ini dapat berdampak pada hasil estimasi menjadi bias dan tidak konsisten.

Oleh karena itu, diperlukan solusi untuk mengatasi masalah multikolinieritas. Ada beberapa pendekatan yang dapat dipertimbangkan untuk mengatasi masalah multikolinieritas.

Ada tiga cara yang dapat dipertimbangkan untuk mengatasi masalah multikolinieritas. Ketiga cara ini umumnya paling sering digunakan untuk mengatasi masalah multikolinieritas. 

1. Keluarkan variabel yang memiliki VIF tinggi

Meskipun pada awalnya kita sudah berupaya membuat persamaan dengan baik, namun bisa saja setelah diuji asumsi multikolinieritas, ternyata ada variabel bebas yang memiliki korelasi tinggi.

Cara yang pertama berkaitan dengan respesifikasi persamaan regresi. Cara ini dilakukan dengan cara mengeluarkan variabel bebas yang memiliki nilai VIF tinggi.

Setelah mengeluarkan salah satu variabel bebas yang memiliki nilai VIF tinggi, jika dilakukan uji multikolinearitas ulang maka dapat menurunkan nilai VIF variabel yang lainnya.

Respesifikasi persamaan dengan mengeluarkan salah satu variabel bebas dengan nilai VIF tinggi dapat menjadi salah satu cara yang dapat dipertimbangkan.

2. Tambah jumlah observasi/sampel

Menambah jumlah observasi atau jumlah sampel dapat dipertimbangkan dilakukan untuk mengatasi multikolinieritas. Dengan bertambahnya jumlah observasi, sebaran dan pola data akan semakin beragam.

Hal ini diharapkan dapat menurunkan nilai VIF. Meskipun demikian, dampak dari cara ini memang tidak setinggi pada cara melalui pengeluaran variabel bebas dengan nilai VIF tinggi. 

3. Dilakukan transformasi data

Transformasi data dari bentuk data awal ke dalam bentuk lain, dapat dipertimbangkan menjadi salah satu solusi untuk mengatasi multikolinieritas. Bentuk transformasi misalnya dapat menggunakan transformasi logaritma natural (Ln). 

Transformasi data juga dapat dilakukan dalam bentuk lain yang disesuaikan dengan karakteristik data. Melalui transformasi data, diharapkan dapat terjadi penurunan nilai VIF. 

Selain ketiga cara tersebut, juga ada beberapa cara lain. Namun demikian, ketiga cara tersebutlah yang paling sering digunakan untuk mengatasi masalah multikolinieritas. 

Baik, demikian artikel yang dapat saya tulis pada kesempatan ini. Pada intinya, agar diperoleh hasil estimasi yang tidak bias, maka kita perlu melakukan deteksi muktikolinieritas. 

Deteksi multikolinearitas dapat dilakukan melalui uji korelasi variabel bebas dan memunculkan nilai Variance Inflation Factor (VIF). 

Semoga artikel ini dapat bermanfaat dan menambah nilai pengetahuan. Tunggu update artikel edukasi pada pekan berikutnya. Terima kasih.

priyono.id
priyono.id Peneliti dan Founder KANDA DATA. Portofolio: (1) Youtube: Kanda Data; (2) Tiktok: Kanda Data; (3) Instagram: Kanda Data; (4) Website: http://www.kandadata.com/

Posting Komentar untuk "Cara Deteksi Multikolinieritas pada Persamaan Regresi Linier Berganda"

Jasa Bimbingan Online