2. Dua variabel bebas hampir berkorelasi sempurna yaitu koefisien korelasinya
mendekati .
3. Kombinasi linier dari beberapa variabel bebas berkorelasi sempurna atau
mendekati sempurna dengan variable bebas yang lain. 4.
Kombinasi linier dari satu sub-himpunan variabel bebas berkorelasi sempurna dengan suatu kombinasi linier dari sub-himpunan variabel bebas yang lain.
2.7.1 Pendeteksian Multikolinieritas
Ada beberapa cara untuk mengetahui ada tidaknya multikolinieritas, yaitu : 1.
Nilai korelasi korelasi antar peubah bebas. Prosedur ini merupakan pendeteksian yang paling sederhana dan paling
mudah. Jika nilai korelasi antar peubah melebihi 0,75 diduga terdapat
gejala multikolinieritas. [
]
∑
̅ √
̅ √
2.26 Untuk
menghasilkan
2. Faktor Variansi Inflasi Variance Inflation Factor, VIF.
VIF adalah elemen-elemen diagonal utama dari invers matriks korelasi. VIF digunakan sebagai kriteria untuk mendeksi multikolinieritas pada regresi linier
berganda yang melibatkan lebih dari dua variabel bebas. Nilai VIF lebih besar dari 10 mengindikasikan adanya masalah multikolinieritas yang serius.
VIF untuk koefisien regresi –
j
didefinisikan sebagai berikut : 2.27
dengan : = Koefisien determinasi antar
dengan variabel bebas lainnya
j =
1, 2, …, p
Universitas Sumatera Utara
2.7.2 Pengaruh Multikolinieritas
Koefisien regresi penduga ̂ yang diperoleh dengan metode kuadrat terkecil
mempunyai banyak kelemahan apabila terjadi multikolinieritas diantara variabel bebas, yaitu :
1. Variansi ̂ Besar
Apabila determinan dari matriks , akibatnya variansi akan semakin
besar sehingga penduga kuadrat terkecil tidak efisien karena memiliki ragam dan peragam yang besar. Dalam kasus multikolinieritas penduga kuadrat
tekecil tetap tak bias karena sifat ketakbiasan tidak ditentukan oleh asumsi tidak adanya multikolinieritas, hannya akibat multikolinieritas penduga
memiliki ragam yang besar dan tidak dapat lagi disebut sebagai penduga yang memiliki sifat linier, tak bias, dan mempunyai varian minimum atau yang
disebut BLUE
best linier unbiased estimator
.
2. Selang Kepercayaan Penduga Lebih Lebar
Dalam situasi multikolinieritas antara variabel-variabel bebas dalam model regresi linier mengakibatkan variansi penduga kuadrat terkecil menjadi besar
sehingga menghasilkan galat baku yang lebih besar, akibatnya selang kepercayaan bagi parameter model regresi menjadi lebih besar.
3. Nilai Statistik-
t
yang Tidak Nyata Multikolinieritas yang mengakibatkan galat baku penduga kuadrat terkecil
menjadi lebih besar, maka statistik
t
yang didefinisikan sebagai rasio antara koefisien penduga dan galat baku koefisien penduga menjadi lebih kecil.
Akibatnya meningkatkan besarnya peluang menerima hipotesis yang salah
kesalahan akan meningkat
, karena suatu hipotesis yang seharusnya ditolak tetapi berdasarkan pengujian hipotesis diputuskan untuk diterima, sebagai
konsekuensi nilai statistik
t
yang tidak nyata.
Universitas Sumatera Utara
4. Nilai Koefisien Determinasi
R
2
yang Tinggi Tetapi Beberapa Nilai Statistik-
t
Tidak Nyata Dalam kasus adanya multikolinieritas, maka akan ditemukan beberapa
koefisien regresi yang secara individual tidak nyata berdasarkan uji statistik
t-student
. Namun, koefisien determinasi
R
2
dalam situasi yang demikian mungkin tinggi sekali serta berdasarkan uji koefisien regresi keseluruhan
berdasarkan uji
F
akan ditolak hipotesis nol, bahwa
2.8 Analisis Komponen Utama
