Uji multikolinearitas merupakan salah satu pengujian hasil data untuk analisis statistik. Uji ini diperlukan untuk menganalisis variabel independen dan dependen. Untuk memahami lebih lanjut seputar pengertian, tujuan, dan cara ujinya, simak pembahasan berikut ini:
Apa itu Uji Multikolinearitas?
Apa itu uji multikolinearitas? Inilah metode pengujian statistik dalam menganalisis korelasi antar variabel bebas padahal seharusnya variabel bebas itu sesuai namanya yang berarti bebas atau independen. Uji multikolinearitas itu sendiri termasuk salah satu asumsi klasik, tujuannya sesuai namanya yaitu mengevaluasi adanya kondisi multikolinearitas pada model regresi.
Itulah uji multikolinearitas menurut para ahli yaitu menurut Sriningsih M, (2018). Lalu adakah pengertian lainnya? Priyatno (2014) berpendapat bahwa uji multikolinearitas adalah pengujian asumsi klasik dalam analisis regresi berganda dari 2 atau 3 variabel independen. Dari situ kita bisa melihat bahwa syarat uji multikolinearitas yaitu terdapat beberapa variabel bebas.
Intinya kondisi multikolinearitas ini bisa terjadi ada hubungan/korelasi tinggi antar beberapa variabel independen atau bebas pada model regresi tertentu. Seperti itulah pengertian uji multikolinearitas, agar semakin paham, simak contoh berikut.
Misalkan , kita hendak menganalisis efek edukasi dan penghasilan terhadap tingkat kepuasan hidup masyarakat. Setelah data-data terkumpul dari sample, kita bisa sesuaikan model regresi liniernya, seperti ini:
kepuasan_hidup = b0+b1*edukasi+b2*penghasilan+error
Setelah dianalisis, ternyata ada korelasi atau hubungan antara penghasilan dengan edukasi. Asumsinya misal edukasi yang tinggi nantinya bisa menunjang tingginya penghasilan seseorang juga. Kondisi seperti itu yang bisa memicu kondisi multikolinearitas. Pada dasarnya, kedua variabel tersebut cenderung susah dilepas dari kepuasan hidup itu sendiri.
Apa Tujuan dari Uji Multikolinearitas?
Uji ini punya tujuan utama identifikasi kondisi atau masalah multikolinearitas di suatu model regresi untuk kebutuhan penelitian statistik. Agar lebih jelas, berikut beberapa tujuan uji multikolinearitas yang paling utama:
– Mengidentifikasi masalah pada regresi
Melakukan uji multikolinearitas bisa membantu peneliti untuk mengidentifikasi apakah kondisi multikolinearitas yang bisa mengurangi performa model regresi dalam penelitian. Identifikasi Ini sangat penting, multikolinearitas pada akhirnya bisa saja menyulitkan tahap-tahap penelitian selanjutnya terutama seputar hasil analisis.
Untuk menghindari tidak pastinya estimasi parameter, uji ini sangat penting untuk diterapkan.
– Membuat model lebih stabil
Jika multikolinearitas ini bisa diatasi dengan baik, maka bisa menunjang stabilitas suatu model statistik. Dengan kata lain, fungsi uji multikolinearitas yaitu membuat hasil regresi bisa diandalkan dalam penelitian. Mengurangi multikolinearitas bukan hanya bisa menunjang hasil lebih akurat saja tapi juga estimasi parameternya juga lebih efisien.
– Penilaian variabel statistik
Melalui pengujian ini, peneliti bisa mempertimbangkan variabel-variabel terkait harus ada dalam model atau tidak. Variabel dengan kontribusi signifikan tentunya disarankan untuk dimasukkan pada model. Jika variabel yang bermasalah meski berpengaruh atau punya korelasi dengan variabel bebas lain tapi tidak terlalu signifikan perannya, maka bisa diganti atau dihapus.
– Membuat interpretasi data lebih optimal
Jika multikolinearitas ini berhasil diatasi, maka bisa membuat interpretasi keseluruhan variabel menjadi lebih optimal. independen terhadap variabel dependen. Pernyataan yang didapat pun bisa lebih pasti mengenai perubahan variabel bisa berpengaruh ke variabel dependen atau terikat.
Cara Melakukan Uji Multikolinearitas
Mengingat pentingnya uji multikolinearitas, peneliti harus tahu bagaimana cara melakukan uji tersebut. Berikut beberapa cara uji multikolinearitas
– Penghitungan VIF
VIF merupakan singkatan dari ‘Variance Inflation Factor’. Inilah metode yang biasa dipakai dalam mendeteksi kemungkinan multikolinearitas variabel independen. VIF bisa digunakan untuk mengukur besarnya peningkatan varians estimasi koefisien karena korelasi linear variabel-variabel.
Kalau VIF nilainya lebih dari 10, maka artinya terdapat kondisi multikolinearitas serius dalam model. Biasanya 5 menjadi indikator awal adanya kondisi multikolinearitas termasuk kondisi serius juga berdasarkan beberapa sumber.
– Penghitungan tolerance
Metode uji dengan tolerance ini kebalikannya VIF, tolerance ini bertujuan mencari tahu seberapa baiknya variabel bebas dijelaskan variabel bebas lainnya pada model tertentu. Jika nilai tolerance yang didapat mendekati 0, maka artinya terdapat multikolinearitas kuat atau serius. Pada umumnya, nilai yang tolerance 0.1 ke bawah bisa menjadi patokan indikasi multikolinearitas pada model.
– Analisis korelasi
Disarankan untuk melakukan analisis korelasi terlebih dahulu sebelum fokus pada regresi. Analisis korelasi ini bisa mencari tahu kemungkinan multikolinearitas melalui pengecekan hubungan variabel. Indikasi awal multikolinearitas bisa dari korelasi tinggi antara beberapa variabel.
Jika didapat korelasi tinggi setelah melakukan analisis korelasi, maka mungkin tidak ideal untuk digunakan bersamaan pada model regresi.
– Dekomposisi eigenvalue
Eigenvalue berfungsi mewakili varians tiap kombinasi linear dari variabel-variabel independen. Jika eigenvalue hasilnya sangat kecil atau mendekati 0, maka artinya tingkat multikolinearitas pada model terkait tinggi.
– Condition Index
Condition Index bisa menjadi cara lain yang bisa dilakukan untuk menguji multikolinearitas. Kalau didapat Condition Index yang tinggi, maka artinya terdapat potensi multikolinearitas dalam model. Lalu nilai berapa yang termasuk tinggi, Condition Index dengan nilai lebih dari 30 termasuk yang bisa menunjukkan potensi multikolinearitas.
Alasan Multikolinearitas Merupakan Masalah Model Regresi
Karena alasan-alasan tertentu multikolinearitas bisa berdampak buruk untuk kualitas model regresi termasuk bisa menghambat proses penelitian pada akhirnya. Berikut beberapa alasan multikolinearitas bisa menyebabkan masalah regresi dan mengapa uji multikolinearitas perlu dilakukan:
– Multikolinearitas menunjukkan kesalahan yang tinggi pada koefisien regresi. Pada akhirnya bisa membuat lebih lebar interval kepercayaan lalu uji-t pun nantinya bisa tidak signifikan dalam menentukan hasilnya. Peneliti mungkin bisa tidak berhasil dalam pernyataan hipotesis nol mereka.
– Multikolinearitas membuat koefisien regresi tidak sensitif dan stabil menghadapi perubahan spesifikasi model atau data terkait. Koefisien bisa berubah secara drastis tergantung variabel tertentu yang dikecualikan atau diinput pada model termasuk bagaimana data terkait diambil oleh sampel.
– Kondisi multikolinearitas membuat interpretasi koefisien bisa saja menyesatkan atau tidak bias. Peneliti mungkin tidak bisa menjelaskan variabel bebas tertentu yang punya efek lebih rendah dan tinggi pada variabel terikat. Bukan hanya lebih rendah dan tinggi saja, tapi juga mengenai dampak positif dan negatifnya.
– Berkurangnya kesesuaian model secara keseluruhan juga menjadi alasan mengapa multikolinearitas menjadi sumber masalah pada regresi. Dampak ini bisa dilihat seperti yang didapat dari pengukuran R-squared. Model pada akhirnya mungkin tidak mampu menjelaskan cukup banyak variasi seputar variabel dependen walau variabel bebasnya cukup banyak tersedia.
Itulah beberapa alasan mengapa multikolinearitas ini perlu diatasi. Caranya bisa dengan menggabungkan variabel-variabel terkait yang berkorelasi, mengeluarkan salah satunya, atau memakai regresi dalam metode berbeda. Multikolinearitas lebih baik tidak dianggap menjadi masalah pada setiap kondisi.
Ada beberapa kasus tertentu yang mungkin bisa menerima adanya kondisi ini yaitu beberapa variabel bebas yang punya korelasi tinggi. Tapi kita harus tahu lebih dahulu masalah potensial tertentu yang bisa ditimbulkan kondisi multikolinearitas tersebut.
Selanjutnya kita mungkin bisa mempertimbangkan mengambil langkah-langkah tertentu kalau kondisi tersebut harus diatasi. Dapatkan pembelajaran lebih lanjut seputar berbagai ilmu statistik termasuk uji multikolinearitas dan praktik-praktiknya melalui platform kursus ITBOX yang di-develop CourseNet Indonesia.
