Jenis dan Sumber Data
32
Multikolinearitas
Multikolinearitas adalah adanya hubungan linear yang sempurna antara beberapa atau semua variabel yang menjelaskan dari model regresi. Tanda-tanda
adanya multikolinearitas adalah sebagai berikut: 1. Tanda tidak sesuai dengan yang diharapkan.
2. R-squared-nya tinggi tetapi uji individu uji t tidak banyak bahkan tidak ada yang nyata.
3. Korelasi sederhana antara variabel individu tinggi r
ij
tinggi. 4. R
2
lebih kecil dari r
ij2
menunjukkan adanya masalah multikolinearitas. Ada beberapa cara untuk mengetahui multikolinearitas dalam model, salah
satunya adalah uji Manquardt, yaitu dengan melihat nilai Variance Inflation Factor
VIF pada masing-masing variabel bebas. Jika nilai VIF kurang dari sepuluh, maka dapat disimpulkan bahwa dalam persamaan tidak terdapat
multikolinearitas. Sebaliknya, jika nilai VIF lebih besar dari sepuluh maka terdapat multikolinearitas dalam persamaan tersebut.
Salah satu cara yang dilakukan untuk mengatasi masalah multikolinearitas adalah dengan regresi analisis komponen utama principal componet analysis.
Pendugaan dengan regresi komponen utama akan menghasilkan nilai dugaan yang memiliki tingkat ketelitian yang lebih tinggi, dengan jumlah kuadrat sisaan yang
lebih kecil dibandingkan dengan pendugaan metode kuadrat terkecil. Analisis komponen utama pada dasarnya mentransformasi peubah-peubah bebas yang
berkorelasi menjadi peubah-peubah baru yang orthogonal dan tidak berkorelasi. Analisis ini bertujuan untuk menyederhanakan peubah-peubah yang diamati
dengan cara mereduksi dimensinya. Hal ini dilakukan dengan menghilangkan korelasi diantara peubah melalui transformasi peubah asal ke peubah baru
komponen utama yang tidak berkorelasi.