Asumsi Klasik (Multikolinieritas) Pertemuan 12 Asumsi Klasik (Multikolinieritas)

Multi kolinearitas Multi kolinearitas adalah adanya hubungan (korelasi) diantara variabel-variabel independen (X) Multikilinearitas menunjukkan situasi dimana terdapat hubungan yang linier sempurna atau hampir sempurna diantara beberapa atau semua variabel bebas dalam model Multikoliearitas terjadi hanya pada hubungan linear diantara variabel X dan tidak berlaku pada hubungan non linear

Multi kolinearitas Penyebab Multikolinearitas : Metode pengumpulan data yang dilakukan Memasukan variabel yang dihitung berdasarkan variabel lain dalam persamaan regresi Memasukan variabel yang sama atau hampir sama dalam regresi Jika jumlah variabel penjelas lebih banyak dibanding jumlah observasi

Multi kolinearitas Penyebab Multikolinearitas : Terbatasnya variabel independen karena adanya keterbatasan dalam pengumpulan data. Kendala Model pada populasi yang diamati. Contoh diuji pengaruh antara Konsumsi Listrik dengan Pendapatan dan Luas Rumah Data yang bersifat time series, dimana semua data memiliki pertumbuhan yang sama.

Deteksi ada tidaknya multikolinearitas : Terdapat Nilai R2 (koefisien determinan) yang tinggi, tetapi hanya sedikit nilai t statistik yang signifikan Koefisien korelasi diantara variabel X tinggi (diatas 0,5) Nilai Koefisien parsial yang tinggi. Auxiliary Regression. Dimana nilai F auxiliary harus dihitung. Jika nilai F auxiliary lebih tinggi dari nilai F table, maka dapat dikatakan terdapat multkolinearitas.

Deteksi ada tidaknya multikolinearitas : Eigen value dan Condition Index (CI) Condition Number (k) = maximum eigen value/eigen value Condition Index (CI) = k 0,5. Jika 100  k  1000 maka terjadi multikolinearitas ringan. Jika k > 1000 maka terjadi multikoliner berat. Dan jika CI> 30 juga dapat dianggap terjadi multikoliner serius. Tolerance dan Variance Inflation factor (VIF). Nilai VIF > 10 dan nilai TOL yang mendekati 0, maka dideteksi terjadi Multikolinearitas.

Mengatasi Masalah Multikolinearitas : Dengan A Piori Information, dengan teori atau studi terdahulu, memberikan kita indikasi tentang hubungan diantara variabel-variabel membuang salah satu variabel yang berkolinearitas. Untuk menentukan variabel mana yang dibuang, dilakukan coba-coba. Dan dipilih persamaan yang memiliki nilai adjusted R2 yang lebih tinggi. Mentransformasi variabel Menambah jumlah sample, karena mungkin saja multikolinearitas terjadi hanya untuk sample yang saat ini saja.

Teknik mendeteksi Multikolinieritas Ada 2 cara dalam mendeteksi multikolinieritas Dengan melihat Korelasi antar variabel Independennya, jika korelasinya sama dengan/melebihi 0.8 maka dapat dikatakan ada multikolinieritas Dengan melihat nilai Toleransi dan VIFnya jika Toleransi mendekati angka 0 dan VIF tidak lebih besar dari 5/8/10

Contoh menggunakan korelasi GDP IR MD 1.000000 0.177500 0.983012 0.230864 Dapat dilihat variabel mana yang terjadi gejala multikolinieritas?

Soal Quis Pertanyaan : Sebuah penelitian yang dilakukan pada tahun 2002-2008 membahas hal-hal sebagai berikut: Y =Tingkat Konsumsi Masyarakat(TKM), x1=Inflasi(I), x2=Upah Karyawan(UK), dan x3=Tingkat pengangguran(TP) Dari Hasil tersebut diketahui sbb: Nilai Probabilita F Statistik untuk uji walt test adalah 0.0657 (Jika Variabel UK mau dihilangkan dari model) Nilai Probabilita F Statistik untuk uji Omitted test adalah 0.0054 (Jika Variabel TP mau dimasukkan kedalam model)

Soal Quis Jika Diketahui Nilai Lag adalah sbb: Dari Hasil tersebut diketahui sbb: Nilai Probabilita F Statistik untuk uji Chow Test adalah 0.02345 Jika pada tahun 2005 terjadi pergantian pimpinan nasional Jika Diketahui Nilai Lag adalah sbb: Lag 1 = 2.32581 Lag 3 = 2.3322 Lag 2 = 2,32221 Lag 4 = 2.4251 pada lag keberapa granger test digunakan? Tentukan Hubungan Kausalitas antara TK dan TP jika hasilnya adalah sebagai berikut: Null Hypthesis Probability TK does not Granger Cause TP 0.04925 TP does not Granger Cause TK 0.02581