Uji Multikolinieritas

  • Post author:
  • Post category:Olahdata

Uji Multikolinieritas – Menurut Ghozali (2005: 91) uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar satu atau semua variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebas atau tidak terjadi multikolinear.

Pada dasarnya multikolinearitas terdiri dari dua macam. Pertama, multikolinearitas sempurna, yaitu apabila antar satu atau semua variabel bebas memiliki korelasi linier. Misal X1 = 5*X2. Keadaan semacam ini disebut miltikolinear sempurna. Kedua, antar satu atau semua variabel bebas memiliki korelasi tidak linier, misal X1 = X22. Keadaan ini disebut multikolinear tidak sempuna, namun bukan berarti tidak terjadi multikoliner.

Akibat dari uji multikolineritas terdiri dari beberapa permasalahan dalam model yang digunakan. Permasalahan tersebut adalah (Gujarati, Damodar N., 1988: 350): Pertama, estimasi OLS meskipun best, linear, unbiased equation (BLUE), namun varian dan kovarian besar, sehingga sulit ditemukan estimasi yang tepat. Kedua, inteval kepercayaan membesar sehingga cenderung untuk menolak Ho. Ketiga, nilai t statistik cenderung tidak signifikan. Keempat, meskipun t statistik kecil nilai R2 cenderung besar. Estimasi OLS nya cenderung sensitif terhadap perubahan perubahan data.

Model yang terdapat multikolinear pada datanya akan cenderung menyesatkan karena estimasi variabelnya tidak tepat. Akibat lebih lanjut model tidak dapat digunakan untuk peramalan.

Contoh Pembacaan Uji Multikolinearitas

Untuk memastikan tidak ada kesalahan pada parameter estimasi, maka dilakukan uji Multikolinearitas. Teknis uji ini adalah meregres antar variabel bebas yang diteliti, sehingga akan diuji variabel LnPDB= f(LnR), f(LnK), f(LnI). Kemudian Ln(R)= f(LnK), f(LnI) dan LnK= f(LnI).

Hasil Penghitungan Uji Multikolinearitas

 

Pada tabel terlihat bahwa terjadi multikolinearitas pada LnPDB dan LnI, juga pada LnR dan LnI. Nilai F dan t statistik menunjukkan nilai sama, karena variabel bebasnya tunggal.

Pada kolom sig LI baris LnPDB, terlihat bahwa F dan t statistik signifikan pada titik kritis 0.000%, sehingga jika menggunakan derajat kepercayaan 1% angka ini berada diluar daerah penolakan Ho, atau diterima Ha.

Sedangkan pada kolom LnI dan baris LnR nilai signifikan menunjukkan 0.022 atau lebih kecil dari 5%. Hal ini menunjukkan Ho ditolak dan Ha diterima.

Hasil penghitungan ini menunjukkan bahwa LnR mempunyai hubungan yang signifikan dengan LnI. Kriteria Gujarati (2003) seperti yang dikemukakan pada bab 3 hasil ini menunjukkan terjadi multikolinearitas linear, namun multikolinearitas tidak sempurna dilihat dari R2 rendah. Hal ini bukan berarti model seluruhnya salah.