Wihandaru Sotya Pamungkas Multikolinieritas 54
M
M
U
U
L
L
T
T
I
I
K
K
O
O
L
L
I
I
N
N
I
I
E
E
R
R
I
I
T
T
A
A
S
S
1
1
.
.
P
P
e
e
n
n
d
d
a
a
h
h
u
u
l
l
u
u
a
a
n
n
Masalah multikolinieritas pertama kali diperkenalkan
pada tahun 1934 oleh Ragnar Frisch serta mendefinisikan
multikolinieritas adalah hubungan linear yang perfect atau
exact diantara sebagian atau semua variabel bebas pada suatu
model regresi, sehingga akan menyulitkan untuk
mengidentifikasi variabel penjelas dan variabel yang
dijelaskan.
Menurut Gunawan Sumodiningrat, ada 3 hal yang perlu
dijelaskan berkaitan dengan masalah multikolinieritas, yaitu:
a. Multikolinieritas pada hakekatnya adalah fenomena
Wihandaru Sotya Pamungkas Multikolinieritas 55
diantara sebagian atau semua variabel penjelas,
sehingga sampel tidak memenuhi asumsi dasar tidak
adanya ketergantungan (interdependency) diantara
variabel bebas yang digunakan dalam model regresi.
b. Multikolinieritas adalah masalah derajat (degree) bukan
persoalan jenis (kind), yang dimaksud adalah adanya
korelasi diantara variabel penjelas baik sebagian
maupun semua variabel penjelas tanpa memperhatikan
tanda negatif maupun positif.
c. Multikolinieritas berkaitan dengan adanya hubungan
linear diantara variabel penjelas, sehingga masalah
multikolinieritas tidak akan terjadi jika model estimasi
(regresi) non‐linear.
Wihandaru Sotya Pamungkas Multikolinieritas 56
Menurut Gunawan Sumodiningrat, masalah
multikolinieritas dapat timbul karena:
a. Sifat‐sifat yang terkandung dalam variabel ekonomi
berubah bersama‐sama sepanjang waktu. Misal
penghasilan, konsumsi, tabungan, investasi, harga‐harga
dan kesempatan kerja cenderung meningkat dalam masa booming dan cenderung turun dalam masa resesi.
b. Memasukkan nilai kelambanan (lag) dalam variabel
penjelas atau model autoregressive.
Menurut Gujarati, masalah multikolinieritas dapat
timbul karena:
a. Model yang berlebihan, hal ini terjadi jika banyaknya
variabel penjelas melebihi banyaknya observasi.
b. Spesifikasi model, hal ini terjadi karena ada variabel
penjelas yang belum dimasukkan atau ada variabel
Wihandaru Sotya Pamungkas Multikolinieritas 57
regresi Æ lihat landasan teori dalam spesifikasi model.
c. Kendala dalam model. Contoh peneliti akan
mengestimasi kebutuhan listrik dengan menggunakan
variabel penjelas luas rumah (bangunan) dan
pendapatan, dengan alasan semakin besar rumah
(bangunan) yang digunakan maka jumlah listrik yang
dikonsumsi semakin besar.
2
2
.
.
A
A
k
k
i
i
b
b
a
a
t
t
M
M
u
u
l
l
t
t
i
i
k
k
o
o
l
l
i
i
n
n
i
i
e
e
r
r
i
i
t
t
a
a
s
s
a. Penaksir OLS akan menghasilkan varian yang tak
terhingga, sehingga sulit untuk memperoleh estimasi
yang tepat dan akurat. Akibatnya hasil estimasi sangat
sensitif (peka) terhadap perubahan yang kecil pada data. b. Selang interval kepercayaan cenderung besar sehingga
kemungkinan menerima hipotesis nihil (H0) cenderung
Wihandaru Sotya Pamungkas Multikolinieritas 58
menjadi tidak signifikan.
c. Akibat dari nomor ”b” maka ada variabel penjelas yang
dikeluarkan dari model regresi, padahal variabel
tersebut penting secara teori.
d. Nilai koefisien determinasi (R2) cenderung tinggi,
akibatnya menyulitkan untuk mengestimasi kontribusi
variabel penjelas terhadap variabel tergantung
(dijelaskan).
3
3
.
.
M
M
e
e
n
n
d
d
e
e
t
t
e
e
k
k
s
s
i
i
M
M
u
u
l
l
t
t
i
i
k
k
o
o
l
l
i
i
n
n
e
e
a
a
r
r
i
i
t
t
a
a
s
s
Secara sederhana mengidentifikasi multikolinieritas
adalah nilai R2 tinggi namun variabel penjelas (variabel
bebas) yang signifikan sangat sedikit bahkan semua variabel
penjelas (variabel bebas) tidak signifikan Æ (multikolinieritas
sempurna).
Wihandaru Sotya Pamungkas Multikolinieritas 59
3
3
.
.
1
1
.
.
M
M
e
e
t
t
o
o
d
d
e
e
F
F
a
a
r
r
r
r
a
a
r
r
‐
‐
G
G
l
l
a
a
u
u
b
b
e
e
r
r
,
,
M
M
e
e
n
n
g
g
g
g
u
u
n
n
a
a
k
k
a
a
n
n
K
K
o
o
r
r
e
e
l
l
a
a
s
s
i
i
P
P
a
a
r
r
s
s
i
i
a
a
l
l
(
(
E
E
x
x
a
a
m
m
i
i
n
n
a
a
t
t
i
i
o
o
n
n
o
o
f
f
P
P
a
a
r
r
t
t
i
i
a
a
l
l
C
C
o
o
r
r
r
r
e
e
l
l
a
a
t
t
i
i
o
o
n
n
s
s
)
)
L
L
a
a
n
n
g
g
k
k
a
a
h
h
‐
‐
l
l
a
a
n
n
g
g
k
k
a
a
h
h
:
:
a. Meregres model empiris (misal ada 3 variabel bebas).Y
Y
=
=
b0
b
0+
+
b1
b
1X1
X
1+
+
b2
b
2X2
X
2+
+
b
b
33X3
X
3+
+
e
e
Diperoleh nilai R12. b. Meregres variabel penjelas
X
X
11=
=
b
b
00+
+
b
b
11X
X
22+
+
b
b
22X
X
33+
+
e
e
Diperoleh nilai R22. c. Kesimpulan: R 22 > R12 Æ ada multikolinieritas.
Wihandaru Sotya Pamungkas Multikolinieritas 60
3
3
.
.
2
2
.
.
M
M
e
e
t
t
o
o
d
d
e
e
F
F
a
a
r
r
r
r
a
a
r
r
‐
‐
G
G
l
l
a
a
u
u
b
b
e
e
r
r
,
,
M
M
e
e
n
n
g
g
g
g
u
u
n
n
a
a
k
k
a
a
n
n
R
R
e
e
g
g
r
r
e
e
s
s
i
i
B
B
a
a
n
n
t
t
u
u
a
a
n
n
(
(
S
S
u
u
b
b
s
s
i
i
d
d
i
i
a
a
r
r
y
y
o
o
r
r
A
A
u
u
x
x
i
i
l
l
i
i
a
a
r
r
y
y
R
R
e
e
g
g
r
r
e
e
s
s
s
s
i
i
o
o
n
n
)
)
L
L
a
a
n
n
g
g
k
k
a
a
h
h
‐
‐
l
l
a
a
n
n
g
g
k
k
a
a
h
h
C
C
a
a
r
r
a
a
1
1
:
:
a. Model Estimasi:Y
Y
=
=
b
b
00+
+
b
b
11X
X
11+
+
b
b
22X
X
22+
+
b
b
33X
X
33+
+
e
e
Meregres variabel penjelas
X
X
11=
=
b
b
00+
+
b
b
11X
X
22+
+
b
b
22X
X
33+
+
e
e
Diperoleh nilai R12.
b. Mencari nilai Fhitung, dengan rumus:
)
1
k
(
)
k
n
(
x
R
1
R
F
2
1
2
1
hitung
−
−
−
=
c.
Kesimpulan: Fhitung > Ftabel Æ ada multikolinieritas.
L
L
a
a
n
n
g
g
k
k
a
a
h
h
‐
‐
l
l
a
a
n
n
g
g
k
k
a
a
h
h
C
C
a
a
r
r
a
a
2
2
:
:
a. Model Estimasi:
Y
Y
=
=
b
b
0Wihandaru Sotya Pamungkas Multikolinieritas 61
0
+
+
b
b
11X
X
11+
+
b
b
22X
X
22+
+
b
b
33X
X
33+
+
e
e
Meregres variabel penjelas
X
X
11=
=
b
b
00+
+
b
b
11X
X
22+
+
b
b
22X
X
33+
+
e
e
Diperoleh nilai R1
dan R12.
b. Mencari nilai thitung, dengan rumus:
)
R
1
(
)
k
n
(
x
R
t
2 1 1 hitung−
−
=
c. Kesimpulan: thitung > ttabel
Æ ada multikolinieritas.
Wihandaru Sotya Pamungkas Multikolinieritas 62
3
3
.
.
3
3
.
.
M
M
e
e
t
t
o
o
d
d
e
e
V
V
a
a
r
r
i
i
a
a
n
n
c
c
e
e
I
I
n
n
f
f
l
l
a
a
t
t
i
i
o
o
n
n
F
F
a
a
c
c
t
t
o
o
r
r
(
(
V
V
I
I
F
F
)
)
L
L
a
a
n
n
g
g
k
k
a
a
h
h
‐
‐
l
l
a
a
n
n
g
g
k
k
a
a
h
h
:
:
a.Mencari nilai R12, dari fungsi empiris:
X
X
11=
=
b
b
00+
+
b
b
11X
X
22+
+
b
b
22X
X
33+
+
e
e
Mencari VIF dengan rumus:
)
R
1
(
1
VIF
2
1
−
=
Wihandaru Sotya Pamungkas Multikolinieritas 63 b. Variance Inflation Factor (VIF), ada 2 pendapat:
Pendapat 1: Jika nilai VIF > 10 Æ
ada multikolinieritas Æ niliai R12 = 0.9.
Pendapat 2: Jika nilai VIF > 5 Æ
ada multikolinieritas Æ nilai R12 = 0.8.
4
4
.
.
M
M
e
e
n
n
g
g
o
o
b
b
a
a
t
t
i
i
M
M
u
u
l
l
t
t
i
i
k
k
o
o
l
l
i
i
n
n
i
i
e
e
r
r
i
i
t
t
a
a
s
s
a. Mengeluarkan variabel bebas yang menjadi penyebab
timbulnya multikolinieritas. Cara ini dalam
penggunaannya harus hati‐hati karena dapat
menimbulkan bias spesifikasi, jika variabel yang
Wihandaru Sotya Pamungkas Multikolinieritas 64
b. Menambah data baru. Cara ini dapat digunakan jika
multikolinieritas terjadi dalam sampel dan bukan
didalam populasi dari variabel‐variabel yang sedang
diamati. Jika variabel itu berkolinier didalam populasi
maka menambah data baru (memperbesar sampel) tidak
menyelesaikan masalah multikolinieritas.
c. Tidak melakukan apa‐apa (do‐nothing).
5
5
.
.
C
C
o
o
n
n
t
t
o
o
h
h
M
M
e
e
n
n
d
d
e
e
t
t
e
e
k
k
s
s
i
i
M
M
u
u
l
l
t
t
i
i
k
k
o
o
l
l
i
i
n
n
i
i
e
e
r
r
i
i
t
t
a
a
s
s
M
M
o
o
d
d
e
e
l
l
P
P
e
e
n
n
e
e
l
l
i
i
t
t
i
i
a
a
n
n
R
R
E
E
T
T
U
U
R
R
N
N
=
=
b
b
00+
+
b
b
11D
D
E
E
R
R
+
+
b
b
22D
D
P
P
R
R
+
+
b
b
33E
E
P
P
S
S
+
+
b
b
44N
N
P
P
M
M
+
+
b
b
55R
R
O
O
A
A
+
+
e
e
Wihandaru Sotya Pamungkas Multikolinieritas 65
5
5
.
.
1
1
.
.
V
V
a
a
r
r
i
i
a
a
n
n
c
c
e
e
I
I
n
n
f
f
l
l
a
a
t
t
i
i
o
o
n
n
F
F
a
a
c
c
t
t
o
o
r
r
(
(
V
V
I
I
F
F
)
)
L
L
a
a
n
n
g
g
k
k
a
a
h
h
‐
‐
l
l
a
a
n
n
g
g
k
k
a
a
h
h
:
:
a. Meregres fungsi empirik (model estimasi) yang sedang diamati,
dan diperoleh nilai VIF.
b. Apabila nilai VIF >10 Æ ada multikolinieritas (pendapat 1).
Apabila nilai VIF >5 Æ ada multikolinieritas (pendapat 2).
Penjelasan lihat rumus VIF.
Variabel
Tergantung VIF Kesimpulan
DER 1.846 Tidak ada multikolinieritas
DPR 1.075 Tidak ada multikolinieritas
EPS 1.321 Tidak ada multikolinieritas
NPM 2.153 Tidak ada multikolinieritas
ROA 1.662 Tidak ada multikolinieritas
Dependent variabel: Return
Wihandaru Sotya Pamungkas Multikolinieritas 66
5
5
.
.
2
2
.
.
F
F
a
a
r
r
r
r
a
a
r
r
G
G
l
l
a
a
u
u
b
b
e
e
r
r
(
(
E
E
x
x
a
a
m
m
i
i
n
n
a
a
t
t
i
i
o
o
n
n
o
o
f
f
P
P
a
a
r
r
t
t
i
i
a
a
l
l
C
C
o
o
r
r
r
r
e
e
l
l
a
a
t
t
i
i
o
o
n
n
s
s
)
)
L
L
a
a
n
n
g
g
k
k
a
a
h
h
‐
‐
l
l
a
a
n
n
g
g
k
k
a
a
h
h
:
:
a. Meregres fungsi empirik (model estimasi) yang sedang diamati.
R
R
E
E
T
T
U
U
R
R
N
N
=
=
b
b
00+
+
b
b
11D
D
E
E
R
R
+
+
b
b
22D
D
P
P
R
R
+
+
b
b
33E
E
P
P
S
S
+
+
b
b
44N
N
P
P
M
M
+
+
b
b
55R
R
O
O
A
A
+
+
e
e
Diperoleh nilai R2= 0.290. b. Mengidentifikasi multikolinearitas pada DER. Mencari R2 dari fungsi empiris dibawah ini, selanjutnya disebut R12.D
D
E
E
R
R
=
=
b
b
00+
+
b
b
11D
D
P
P
R
R
+
+
b
b
22E
E
P
P
S
S
+
+
b
b
33N
N
P
P
M
M
+
+
b
b
44R
R
O
O
A
A
+
+
e
e
Wihandaru Sotya Pamungkas Multikolinieritas 67 Apabila R12
> R2 Æ ada multikolinieritas pada DER. c. Mengidentifikasi multikolinearitas pada DPR. Mencari R2
dari fungsi empiris dibawah ini, selanjutnya disebut R22.
D
D
P
P
R
R
=
=
b
b
00+
+
b
b
11D
D
E
E
R
R
+
+
b
b
22E
E
P
P
S
S
+
+
b
b
33N
N
P
P
M
M
+
+
b
b
44R
R
O
O
A
A
+
+
e
e
Apabila R22 > R2 Æ ada multikolinieritas pada DPR. d. Mengidentifikasi multikolinearitas pada EPS. Mencari R2dari fungsi empiris dibawah ini, selanjutnya disebut R32.
E
E
P
P
S
S
=
=
b
b
00+
+
b
b
11D
D
E
E
R
R
+
+
b
b
22D
D
P
P
R
R
+
+
b
b
33N
N
P
P
M
M
+
+
b
b
44R
R
O
O
A
A
+
+
e
e
Apabila R32 > R2 Æ ada multikolinieritas pada EPS.
e. Mengidentifikasi multikolinearitas pada NPM.
Wihandaru Sotya Pamungkas Multikolinieritas 68 disebut R42.
N
N
P
P
M
M
=
=
b
b
00+
+
b
b
11D
D
E
E
R
R
+
+
b
b
22D
D
P
P
R
R
+
+
b
b
33E
E
P
P
S
S
+
+
b
b
44R
R
O
O
A
A
+
+
e
e
Apabila R42 > R2Æ ada multikolinieritas pada NPM. f. Mengidentifikasi multikolinearitas pada ROA. Mencari R2 dari fungsi empiris dibawah ini, selanjutnya disebut R52.
R
R
O
O
A
A
=
=
b
b
00+
+
b
b
11D
D
E
E
R
R
+
+
b
b
22D
D
P
P
R
R
+
+
B
B
3B3EPS
EPS
+
+
b
b
44NPM
NPM
+
+
e
e
Apabila R52 > R2 Æ ada multikolinieritas pada ROA.
Wihandaru Sotya Pamungkas Multikolinieritas 69
H
H
a
a
s
s
i
i
l
l
d
d
a
a
n
n
k
k
e
e
s
s
i
i
m
m
p
p
u
u
l
l
a
a
n
n
:
:
Variabel Tergantung R 2 = 0.290 Kesimpulan DER R12=0.458>0.290 ada multikolinieritas DPR R22 =0.070<0.290 tidak ada multikolinieritas EPS R32 =0.243<0.290 tidak ada multikolinieritas NPM R42 =0.536>0.290 ada multikolinieritas ROA R52 =0.398>0.290 ada multikolinieritas
Wihandaru Sotya Pamungkas Multikolinieritas 70
5
5
.
.
3
3
.
.
F
F
a
a
r
r
r
r
a
a
r
r
G
G
l
l
a
a
u
u
b
b
e
e
r
r
(
(
S
S
u
u
b
b
s
s
i
i
d
d
i
i
a
a
r
r
y
y
o
o
r
r
A
A
u
u
x
x
i
i
l
l
i
i
a
a
r
r
y
y
R
R
e
e
g
g
r
r
e
e
s
s
s
s
i
i
o
o
n
n
)
)
L
L
a
a
n
n
g
g
k
k
a
a
h
h
‐
‐
l
l
a
a
n
n
g
g
k
k
a
a
h
h
:
:
a. Mengidentifikasi multikolinieritas pada DER.
Uji F, fungsi empiris dibawah ini.
D
D
E
E
R
R
=
=
b
b
00+
+
b
b
11D
D
P
P
R
R
+
+
b
b
22E
E
P
P
S
S
+
+
b
b
33N
N
P
P
M
M
+
+
b
b
44R
R
O
O
A
A
+
+
e
e
Apabila signifikan Æ ada multikolinieritas pada DER.
b. Mengidentifikasi multikolinieritas pada DPR.
Uji F, fungsi empiris dibawah ini.
D
D
P
P
R
R
=
=
b
b
00+
+
b
b
11D
D
E
E
R
R
+
+
b
b
22E
E
P
P
S
S
+
+
b
b
33N
N
P
P
M
M
+
+
b
b
44R
R
O
O
A
A
+
+
e
e
Apabila signifikan Æ ada multikolinieritas pada DPR.
c. Mengidentifikasi multikolinieritas pada EPS.
Uji F, fungsi empiris dibawah ini.
E
E
P
P
S
S
=
=
b
b
00+
+
b
b
11D
D
E
E
R
R
+
+
b
b
22D
D
P
P
R
R
+
+
b
b
33N
N
P
P
M
M
+
+
b
b
44R
R
O
O
A
A
+
+
e
e
Wihandaru Sotya Pamungkas Multikolinieritas 71
d. Mengidentifikasi multikolinieritas pada NPM.
Uji F, fungsi empiris dibawah ini.
N
N
P
P
M
M
=
=
b
b
00+
+
b
b
11D
D
E
E
R
R
+
+
b
b
22D
D
P
P
R
R
+
+
b
b
33E
E
P
P
S
S
+
+
b
b
44R
R
O
O
A
A
+
+
e
e
Apabila signifikan Æ ada multikolinieritas pada NPM.
e. Mengidentifikasi multikolinieritas pada ROA.
Uji F, fungsi empiris dibawah ini.
R
R
O
O
A
A
=
=
b
b
00+
+
b
b
11D
D
E
E
R
R
+
+
b
b
22D
D
P
P
R
R
+
+
B
B
B33EPS
EPS
+
+
b
b
44NPM
NPM
+
+
e
e
Apabila signifikan Æ ada multikolinieritas pada ROA.
Wihandaru Sotya Pamungkas Multikolinieritas 72
H
H
a
a
s
s
i
i
l
l
d
d
a
a
n
n
k
k
e
e
s
s
i
i
m
m
p
p
u
u
l
l
a
a
n
n
:
:
Variabel Tergantung Fhitung Sig. Kesimpulan
DER 7.405 0.000 Ada multikolinieritas
DPR 0.658 0.625 Tidak ada
multikolinieritas EPS 2.812 0.040 Ada multikolinieritas NPM 10.092 0.000 Ada multikolinieritas ROA 5.792 0.001 Ada multikolinieritas
Wihandaru Sotya Pamungkas Multikolinieritas 73
V
V
a
a
r
r
i
i
a
a
n
n
c
c
e
e
I
I
n
n
f
f
l
l
a
a
t
t
i
i
o
o
n
n
F
F
a
a
c
c
t
t
o
o
r
r
(
(
V
V
I
I
F
F
)
)
d
d
e
e
n
n
g
g
a
a
n
n
c
c
a
a
r
r
a
a
m
m
a
a
n
n
u
u
a
a
l
l
:
:
DER R12 = 0.458 1/(1 ‐ 0.458) = 1.8450 ≈ 1.846 DPR R22 = 0.070 1/(1 ‐ 0.070) = 1.0753 ≈ 1.075 EPS R32 = 0.243 1/(1 ‐ 0.243) = 1.3210 ≈ 1.321 NPM R42 = 0.536 1/(1 ‐ 0.536) = 2.1552 ≈ 2.153 ROA R52 = 0.398 1/(1 ‐ 0.398) = 1.6611 ≈ 1.662Wihandaru Sotya Pamungkas Multikolinieritas 74
D
D
a
a
f
f
t
t
a
a
r
r
P
P
u
u
s
s
t
t
a
a
k
k
a
a
Ghozali, Imam (2007), Edisi 4, Aplikasi Analisis Multivariate dengan
Program SPSS, BP Universitas Diponegoro, Semarang.
Gujarati, Damodar N. (1995), Third Edition, Basics Econometrics,
McGraw‐Hill, New York.
Sumodiningrat, Gunawan (1998), Edisi I, Ekonometrika Pengantar,
BPFE, Yogyakarta.