3.5.2.3. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel. Untuk mengetahui ada atau
tidaknya korelasi antar variabel dapat dilihat melalui
nilai tolerance dan lawannya, Variance Inflaction Factor VIF.
Apabila nilai VIF 10 maka terjadi multikolinearitas. Dan sebaliknya apabila VIF 10 maka tidak terjadi
multikolinearitas. Selain menggunakan nilai tolerance dan VIF, cara yang dapat digunakan untuk mengetahui derajat multikolinearitas dalah dengan
melihat hasil besaran korelasi antar variabel independen. Jika tingkat korelasi masih di bawah 95, maka dapat dikatakan tidak terjadi multikolinearitas
yang serius. Pendeteksian multikolinearitas menurut Gujarati 1995:166, antara lain :
a. Kolinearitas seringkali diduga ketika R
2
tinggi misalnya antara 0,7 dan 1 dan ketika korelasi derajat nol juga tinggi tetapi tidak satupun
atau sangat sedikit koefisien regrresi parsial yang secara individual penting secara statistik atass dasar pengujian t yang konvensional. Jika
R
2
tinggi, ini berarti bahwa uji F dari prosedur analisis varians akan menolak hipotesis nol bahwa nilai koefisien kemiringan parsial secara
simultan sebenarnya adalah nol, meskipun uji t sebaliknya. b.
Dalam model yang hanya meliputi dua variabel yang menjelaskan, ide yang cukup baik dari kolinearitas dapat diperoleh dengan memeriksa
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
korelasi derajat nol atau sederhana antara dua variabel tadi. Apabila korelasi ini tinggi biasanya multikolinearitas adalah penyebabnya.
c. Koefiesien korelasi derajat nol dapat menyesatkan dalam model yang
meliputi lebih dari dua variabel X karena ada kemungkinan untuk mempunyai korelasi derajat nol yang rendah dan ternyata
mendapatkan mutikolinearitas tinggi. d.
Jika R
2
tinggi tetapi korelasi parsial rendah, multikolinearitas merupakan satu kemungkinan. Disini satu atau lebih variabel mungkin
berlebihan. Tetapi jika R
2
tinggi dan korelasi parsial juga tinggi, multikolinearitas mungkin juga tidak bisa dideteksi.
Tindakan perbaikan multikolinearitas menurut Gujarati 1995:168 yaitu :
a. Adanya informasi sebelumnya.
Misalnya disebutkan bahwa Size dan kekayaan mempunyai kolinearitas yang tinggi akan tetapi karena sudah memperoleh
informaasi sebelumnya sehingga kita percaya bahwa tingkat perubahan konsumsi terhadap perubahan kekayaan sepersepuluh 110 dari
tingkat perubahan terhadap Size. a.
Menghubungkan data cross – sectional dan data urutan waktu.
Jika kita mempunyai data cross sectional, kita dapat memperoleh taksiran yang dapat dipercaya dari elastisitas permintaan misalnya,
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
karena dalam data seperti itu, pada suatu titik waktu harga tidak banyak berubah.
b. Mengeluarkan suatu variabel atau variabel
–variabel dan berspesifikasi. Misal variabel independen A dan B saling berkorelasi dengan kuat,
maka bisa dipilih variabel A atau B yang dikeluarkan dari model regresi, namun hal ini dapat mengakibatkan bias spesifikasi.
c. Transformasi Variabel
Salah satu cara untuk meminimumkan ketergantungan kedua variabel yang cenderung bergerak kearah yang sama, yaitu :
Jika hubungan Yt =
1
+
2
X
2t
+
3
X
3
+ u
t
1,1 Berlaku pada saat t, maka harus berlaku t-1 karena asal waktu
sebenarnya sembarangan. Jadi kita mempunyai : Yt-1 =
1
+
2
X
2,t-1
+
3
X
3,t-1
+ u
t-1
1,2 Jika kita mengurangkan 1,2 dari 1,1 kita memperoleh
Y
t
– Y
t-1
=
2
X
2t
– X
2,t-1
+
2
X
3t
– X
3,t-1
+ v
t
1,3 Dimana v
t
= u
t
– u
t-1
b. Penambahan data baru
Karena multikolinearitas merupakan ciri sampel, maka mungkin bahwa dalam sampel lain yang meliputi kolinear variabel yang sama
tidak begitu serius seperti dalam sampel pertama. Kadang hanya
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
dengan sekedar meningkatkan ukuran sampel jika mungkin, bisa mengurangi masalah kolinearitas.
3.5.2.4. Uji Heteroskedastisitas
Kategori