Mendeteksi Gelaja Awal Multikolinearitas Pada Hasil Regresi di Eviews

Gambar : Cover Artikel

MENDETEKSI INDIKASI AWAL MUKTIKOLINEARITAS

Ditulis oleh : Dimas Purbo Wicaksono Fenda Putra, S.E.

Multikolinearitas terjadi karena adanya hubungan linear antara variabel independen di dalam persamaan regresi berganda. Sebagai contoh : misalkan didalam menganalisis masalah A, indikator yang mempengaruhinya (sesuai dengan teorinya) adalah faktor B dan faktor C yang mempengaruhi masalah A. Dari kedua faktor tersebut kita bisa memperkirakan atau menduga bahwa variabel independen B dan C memiliki hubungan yang erat. Pendugaan ini tentunya harus bisa dibuktikkan dengan hasil pengolahan. Apabila hasilnya yaitu faktor B dan C memiliki hubungan yang erat, maka kita bisa mengestimasi koefisien dalam persamaan tersebut untuk mendapatkan estimator yang tidak bias, linear, dan memiliki varian minimum atau biasa kita sebut dengan BLUE (Best Linear Unbaised Estimator). Estimator BLUE tidak memerlukan lagi asumsi terbebas multikolinearitas.

Walaupun model terjadi multikolinearitas namun masih bisa menghasilkan estimator yang BLUE. tetapi menyebabkan sebuah model memiliki varian yang besar.  

Kali ini kita akan belajar cara mendeteksi multikolinearitas dengan melihat hasil dari persamaan regresi.

Dilihat dari hasil regresi :

Gambar : Hasil Regresi Eviews

Interpretasi Output :

Untuk mendeteksi sebuah model mengalami masalah multikolinearitas, yaitu :

1.Melihat nilai standar error dan t-statistic, indikatornya : semakin besar nilai standar error dan semakin kecil nilai t-statistik, maka dapat diduga adanya indikasi awal model mengalami masalah asumsi multikolinearitas.

2.Melihat nilai R-Squared dan nilai signifikansi variabel independen, indikatornya : semakin tinggi nilai R-Squared dan semakin sedikit variabel independen yang signifikan, maka dapat diduga adanya indikasi awal model mengalami masalah asumsi multikolinearitas.

Kita coba menggunakan indikator pertama yaitu nilai standar error dan t-statistik. Untuk nilai standar error atau kesalahan baku, indikatonya semakin kecil (mendekati 0) menunjukkan estimasi model regresi semakin benar yang artinya sedikit menggambarkan bahwa model tidak terjangkit multikolinearitas. Nilai dari standar error menunjukkan angka yang mendekati 0, artinya semakin kecil, sehingga dugaan masalah multikolinearitas tidak terbukti. Untuk nilai t-statistik, indikatornya semakin besar maka terbebas dari dugaan masalah multikolinearitas. Dari hasil ini terlihat bahwa nilai t-statistik dalam kategori besar. Sehingga dapat disimpulkan bahwa model terbebas dari dugaan masalah multikolinearitas.

Berikutnya kita coba indikator kedua yaitu nilai R-Squared dan nilai signifikansi variabel independen. Untuk nilai R-Squared, indikatornya semakin besar nilai R-Squared maka ada dugaan model mengalami masalah asumsi multikolinearitas, besaran dugaannya jika melebih 0.8. Nilai R-Squared pada hasil ini sebesar 0.671505, yang artinya tidak mendekati atau melampaui 0.8, sehingga masih tergolong kecil (ditengah-tengah), artinya tidak dapat diduga model terjangkit masalah multikolinearitas. Untuk nilai signifikansi variabel independen, indikatornya semakin sedikit varibael independen yang signifikan maka ada dugaan model mengalami masalah multikolinearitas. Dari hasil ini dapat dilihat bahwa ketiga variabel independen terbebas dari masalah multikolinearitas. Ini dikarenakan nilai dari probabilitas variabel independen lebih kecil dari tingkat alpha 0.05.

Lalu apa dampaknya jika model mengandung multikolinearitas ?

Mengutip dari buku karangan Bapak Agus Widarjono tentang Ekonometrika edisi kelima di halaman 103 yang menyebutkan bahwa ada 3 dampak dari multikolinearitas jika kita menggunakan teknik estimasi OLS namun masih mempertahankan asumsi lain, yaitu :

1. Estimator masih bersifat BLUE, dengan kata lain, dengan adanya multikolinearitas namun estimator memiliki varian dan kovarian yang besar sehingga sulit mendapatkan estimasi yang tepat.
2. Akibat dari dampak pertama yang tadi disebutkan maka interval estimasi akan cenderung lebih lebar dan nilai hitung uji t akan kecil sehingga membuat variabel independen secara statistik tidak signifikan mempengaruhi.
3. Walaupun secara individu variabel independen tidak berpengaruh terhadap variabel dependen melalui uji statistik t, namun nilai koefisien determinasi atau R² masih bisa relatif tinggi.

Informasi ekonometrika secara lengkap, silakan kunjungi channel youtube saya di : Dimas Channel

Note : Silakan bagi teman-teman yang ingin meng-copy artikel ini. Mohon sertakan sumber aslinya. Terima Kasih :-)