Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more
Download
Standard view
Full view
of .
Save to My Library
Look up keyword
Like this
1Activity
0 of .
Results for:
No results containing your search query
P. 1
Asumsi Klasik_Multikol

Asumsi Klasik_Multikol

Ratings: (0)|Views: 45 |Likes:
Published by msrudi

More info:

Published by: msrudi on Dec 06, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

12/25/2013

pdf

text

original

 
Asistensi II/PPIE FE UI/4 Okt 2011/ARH
 
1
 
Uji Asumsi KlasikI.
 
Multikolinearitas
Multikolinearitas dapat didefinisikan sebagai adanya hubungan atau korelasi yangcukup kuat antara sesama variabel bebas yang disertakan dalam model. Adapun definisilain adalah korelasi linear yang “
 perfect 
” atau eksak di antara variabel penjelas yangdimasukkan ke dalam model.Multikolinearitas bukan muncul tanpa sebab, ada beberapa sebab yang dapatdikemukakan, diantaranya yaitu cara pengambilan data, ukuran sampel yang dipakaiterlalu kecil, acuan yang digunakan pada model atau populasi yang disampel, spesifikasimodel yang tidak tepat, dan ketidakseimbangan variabel dalam model dengan jumlahsampel.
Implikasi Multikolinearitas
Gejala multikolinearitas sebenarnya tidak akan mengubah sifat parameter OLS yangBLUE (
Best Linear Unbiased Estimator 
). Parameter yang diperoleh dari estimasi yangterkena multikolinearitas ini dapat dikatakan valid untuk mencerminkan kondisi populasidan cukup baik bagi estimator yang sifatnya linier.Secara matematik dapat ditunjukkan bahwa dengan adanya multikolinearitastersebut maka
standard error 
koefisien regresi akan meningkat. Akibatnya t-rasio akanbernilai cukup rendah dan dengan demikian pengujian yang bersangkutan akancenderung menunjukkan hasil yang tidak signifikan sehingga dengan keberadaan
multicollinearity 
tersebut membuat kita cenderung akan menyimpulkan bahwa variabelbebas yang berkorelasi tadi “tidak signifikan” walau sesungguhnya pengaruhnya“signifikan” terhadap variabel terikat.Di samping itu dengan
standard error 
yang meningkat tersebut, maka
confidenceinterval 
yang diperoleh akan semakin lebar pula. Hal ini tentu saja tidak kita inginkan.Kemudian dengan adanya
multicollinearity 
tak jarang menyebabkan tanda (
sign
) darikoefisien regresi yang diperoleh berlawanan dengan semestinya. Hal ini jelas akansangat menyulitkan dalam membuat interpretasi terhadap hasil pendugaan.
 
Asistensi II/PPIE FE UI/4 Okt 2011/ARH
 
2
 
Teknik Deteksi Multikolinearitas
Multikolinearitas sering disebut Gujarati (2003) sebagai suatu fenomena samplingkarena terjadi pada sampel bukan pada populasi. Hal ini terjadi jika model telah secaratepat menaruh variabel yang masuk sehingga memungkinkan model untuk bekerja padapopulasi. Pada kondisi ini, multikolinearitas seharusnya tidak pernah menjadi suatumasalah yang berarti.Meski demikian, multikolinearitas perlu dideteksi, ada beberapa cara untuk mengetahuiada tidaknya multikolinearitas, yaitu :1.
 
Jika dari model yang kita duga diperoleh nilai koefisien determinasi (
2
 R
) yang cukuptinggi dan dengan
F-test 
yang signifikan, lalu dengan
t-test 
tidak ditemukan adanyakoefisien yang signifikan. Dan kalau pun ada koefisien yang signifikan, jumlahnyarelatif sangat sedikit sekali. Kondisi yang seperti ini juga mengidikasikan adanya
multicollinearity 
.2.
 
Multikolinearitas dapat dideteksi dengan melihat koefisien korelasi antar variabelregressor. Jika ada di antara variabel bebas tersebut yang berkorelasi cukup tinggi,maka hal itu merupakan indikasi adanya
multicollinearity 
. Akan tetapi denganmelihat koefisien itu saja sebenarnya belum cukup. Artinya, mungkin saja nilaikoefisien korelasi tersebut relatif kecil, tapi persoalan multikolinearitas tadi tetapada. Selain itu harus pula disadari bahwa biasanya nilai koefisien korelasi antara duavariabel sangat dipengaruhi oleh banyaknya observasi. Dengan jumlah observasi yangrelatif banyak, ada kalanya koefisien korelasi tersebut cenderung bernilai kecil.3.
 
Overall significance dari Auxiliary Regression. Kita membuat regresi auxiliary antaravariabel-variabel yang dicurigai mengalami multikolinearitas dan menghitung overallsignificance (F-test). Regresi auxiliary mendukung dugaan adanya multikolinearitas.
Perbaikan Multikolinearitas
 Karena ada silang pendapat terkait kolinearitas, maka ada banyak cara untukmengatasinya. Pendapat ekstrim berupa tidak perlu dilakukan perbaikan, disamping ada juga kemungkinan untuk memperbaikinya. Upaya yang dapat dilakukan diantaranya :1.
 
Penggunaan informasi apriori yang bersifat non sample. Informasi ini dapatditemukan dari teori, penelitian lain yang telah dilakukan, atau judgement peneliti.2.
 
Penggabungan data cross section dengan runtut waktu, sering kita menyebutnyadengan data panel.
 
Asistensi II/PPIE FE UI/4 Okt 2011/ARH
 
3
 
3.
 
Melakukan penggantian atau mengeluarkan variabel yang tidak menyebabkankesalahan spesifikasi. Dengan kata lain, variabel tersebut tidak berasal dari teori danbersifat subtitusi terhadap variabel lainnya. Seperti ilustrasi sebelumnya, ada duavariabel independen yang identik yaitu jumlah kendaraan dan ukuran rumah, notabene keduanya dapat menjadi proksi kekayaan maka seharusnya dapat dihilangkansalah satu.4.
 
Transformasi variabel yang akan digunakan. Bentuknya dapat berupa penggunaanderajat pertama, pembobotan atau penggunaan rasio, serta bentuk logaritma.

You're Reading a Free Preview

Download
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->