Matriks yang diperoleh disebut matriks korelasi.
2.5 Mult
ikolinieritas
Istilah multikolinieritas mula – mula dikemukakan oleh Ragner Frisch pada tahun
1934. Pada mulanya multikolinieritas ini berarti adanya hubungan linier yang “sempurna” atau pasti, diantara beberapa atau semua variabel yang menjelaskan dari
model regresi, atau dapat diartikan sebagai hubungan linier antara variabel eksplanatoris dari suatu model regresi adalah sempurna.
Maksud tidak ada hubungan linier kolinieritas antara regressor adalah sebagai berikut :
Misalkan terdapat dua variabel bebas, dan
jika dapat dinyatakan sebagai
fungsi linier dari atau sebaliknya, maka dinyatakan bahwa ada kolinieritas antara
dan . Contohnya, misalkan ada tiga variabel bebas yaitu
dan . Jika nilai
merupakan penjumlahan dari dan
maka akan terjadi perfect multikolinearity. Adanya multikolinieritas di antara varabel bebas pada koefisien regresi penduga yang
diperoleh dengan metode kuadrat terkecil akan berpengaruh karena varian akan semakin besar sehingga penduga kuadrat terkecil akan memiliki varian yang besar
juga. Menurut Motgomery dan Peck, beberapa sumber penyebab multikolinieritas
adalah: 1.
Metode pengumpulan data yang digunakan membatasi nilai dari regressor. 2.
Kendala model pada populasi yang diamati. 3.
Spesifikasi model 4.
Penentuan jumlah variabel eksplanatoris yang lebih banyak dari jumlah observasi atau overdetermined model.
5. Data time series, trend tercakup dalam nilai variabel eksplanatoris yang
ditunjukkan oleh penurunan atau peningkatan sejalan dengan waktu. Kadang kala aplikasi data sekunder mengalami masalah penaksiran atau menolak
asumsi klasik dari model regresi linier.
Universitas Sumatera Utara
2.6 Pendeteksian Multikolinieritas
Ada beberapa cara untuk mengetahui ada tidaknya multikolinieritas dalam suatu data,antara lain :
a. Faktor Variansi Inflasi VIF dan TolTolarance
Tolerance adalah indikator seberapa banyak variabilitas sebuah variabel bebas tidak bisa dijelaskan oleh variabel bebas lainnya. Tolerance dihitung dengan
rumus untuk setiap variabel bebas. Jika nilai Tolerance sangat kecil
0,1, maka itu menandakan korelasi berganda satu variabel bebas sangat tinggi dengan variabel bebas lainnya dan mengindikasikan multikolinieritas. Nilai
VIF merupakan invers dari nilai Tolerance . Jika nilai VIF 10,
maka itu mengindikasikan terjadinya multikolinieritas.
b. Koefisien Korelasi Partial
koefisien korelasi partial menunjukkan besar hubungan antara variabel bebas. Jika koefisien korelasi sederhana mencapai atau melebihi 0,8 maka hal
tersebut menunjukkan terjadinya masalah multikolinearitas dalam regresi.
c. Nilai Determinan
Nilai determinan terletak antara 0 dan 1. Bila nilai determinan satu, kolom matriks X adalah orthogonal seregresi dan apabila nilai 0 disana ada sebuah
ketergantungan linier yang nyata antara kolom X. Nilai yang lebih kecil determinannya maka tingkat multikolinieritasnya lebih besar.
Universitas Sumatera Utara
2.7 Metode Regresi Ridge
