Scatter Plot Uji Non-Multikolinearitas, sumber foto: http://portal.matematickabiologie.cz/index.php?pg=analyza-a-hodnoceni-biologickych-dat--regresni-modelovani--prakticke-otazky-vicenasobne-linearni-regrese--multikolinearita
Setelah membahas mengenai ketiga uji asumsi, sekarang saatnya membahas mengenai uji perkiraan utama yang terakhir, yaitu uji non-Multikolinearitas. Multikolinearitas menunjukkan adanya kekerabatan linier yang tepat dan niscaya antar variabel bebas (independen) yang menjelaskan variabel terikat (dependen) dalam model, terutama regresi. Keberadaan gangguan ini mengakibatkan estimator yang dihasilkan masih tidak bias dan baik untuk dipakai dalam memprediksi nilai parameter, namun mengakibatkan varians (keragaman) model akan besar.
Gangguan Multikolinearitas ini timbul umumnya dikarenakan penambahan jumlah variabel bebas (independen) sehingga berdampak pada varians dan covarians model yang besar. Dalam tahapan intepretasi, Multikolinearitas sanggup menjadikan kesalahan, intepretasi model yang menunjukkan kekerabatan alasannya tanggapan menjadi tidak pasti, bahkan salah. Harusnya pendapatan dan pendidikan memengaruhi jumlah konsumsi rokok per hari, malah bahwasanya pendidikan lebih besar menentukan jumlah pendapatan alasannya kekerabatan keduanya sangat kuat.
Oh, iya. Untuk melihat secara pribadi ada tidaknya Multikolinearitas ini, Anda sanggup melihat besarnya kekerabatan antar variabel, kalau tinggi maka siap-siap model Anda akan terancam tidak lolos uji perkiraan non-Multikolinearitas ini sehingga Anda harus mengganti model atau malah ganti analisis yang lain, contohnya analisis Komponen Utama (AKU) atau Analisis Faktor (AF) yang mengakormodir tanda-tanda Multikolinearitas.
Uji statistik yang biasa dipakai dalam melihat ada tidaknya tanda-tanda Multikolinearitas ialah nilai Variance Inflation Factor (VIF), biasanya adanya di SPSS pribadi tersedia nilai VIF ini. Menurut Neter (1989), Multikolinearitas terjadi ketika nilai VIF > 10, namun berdasarkan Nahcrowi dan Usman (2006), Multikolinearitas terjadi ketika nilai VIF > 5. Dari dua teori ini Anda sanggup menentukan salah satu, toh, masing-masing mempunyai landasan yang jelas. Atau Anda bis saja secara manual menghitunya sendiri dengan menggunakan formula sebagai berikut :
Formula VIF, sumber : Dok. Penulis
dengan R kuadrat k ialah koefisien determinasi variabel ke-k yang diregresikan dengan variabel yang lainnya, yakni sebagai (p - 2) variabel dalam model. P ialah parameter, kalau dalam regresi itu bila terdapat 4 variabel bebas berarti terdapat 4 parameter estimasi sehingga dengan meregresikan setiapp dua kombinasi dari 4 variabel itu berarti terdapat sebanyak 6 buah R-k (4 C 2 = 6), kemudian masing-masing R dikuadratkan kemudian dimasukkan dalam formula tersebut. Kalau sabar, niscaya mudah.
OK. Demikianlah, ulasan singkat mengenai uji-uji perkiraan yang harus dipenuhi dalam proses menentukan modal statistik terbaik dalam penelitian ilmiah. Pembahasan mengenai hal-hal yang terkait lainnya akan diulas pada artikel episode selanjutnya. Salam.
Sumber http://www.ngobrolstatistik.com/
