Cara Menguji dan Mengatasi Multikolinieritas dengan SPSS By Ayat HIdayat Huang Multikolinieritas adalah fenomena statistik yang ditemui dalam pemodelan regresi linier berganda dimana terdapat hubungan yang tinggi antara dua atau lebih variabel prediktor. Karena multikolinieritas melihat seberapa erat hubungan antara variabel prediktor, maka uji multikolinieritas hanya diperlukan pada model regresi linier berganda, tidak untuk regresi linier sederhana. Hal ini artinya terdapat pola hubungan linier juga diantara variabel prediktor dalam satu model. Jika terjadi demikian, tentunya menyebabkan model regresi menjadi bias. Jika kita memasukan variabel prediktor yang memiliki hubungan yang erat antara variabel tersebut dalam satu model, maka model tersebut menjadi redundant. Sebetulnya berapa nilai korelasi antara variabel prediktor yang masih dapat ditoleransi? Beberapa teori mengatakan dibawah 0,9 masih dapat ditoleransi, namun beberapa teori lain mengatakan harus kurang dari 0,8 bahkan 0,7. Mendeteksi Multikolinieritas di dalam model 1. Jika dalam model terdapat multikolinieritas, maka akan terjadi perubahan yang besar pada nilai koefisien regresi ketika kita mengeluarkan satu variabel prediktor dari dalam model. 2. Jika dalam model regresi linier berganda, koefisien variabel prediktor tidak signifikan secara statistik, namun ketika kita mencobanya satu persatu variabel prediktor dalam analisis regresi linier sederhana hasilnya menjadi signifikan. Kondisi tersebut juga menunjukkan kemungkinan adanya multikolinieritas. 3. Kita mendapati nilai F hitung yang begitu besar atau signifikan secara statistik, namun ketika diuji secara parsial dengan uji t tidak ada satupun yang signifikan. 3. Ketika terdapat koefisien regresi yang negatif padahal secara teori seharusnya positif. Atau sebaliknya. 4. Untuk memastikan agar lebih yakin terdapat multikolinieritas di dalam model, sebaiknya uji dengan menggunakan nilai VIF menggunakan SPSS atau Eviews. Beberapa ahli mengatakan nilai VIF harus kurang dari 5 dan beberapa ahli lainnya mengatakan cukup dibawah 10. Bagaimana mengatasi multikolinieritas dalam model 1. Jika kita menjumpai terdapat variabel prediktor yang memiliki nilai VIF lebih dari 5 atau 10, maka kita perlu untuk mengeluarkan salah satu variabel tersebut dari model. Tujuannya adalah untuk mengeluarkan informasi yang redundant yang sebenarnya sudah diwakili oleh variabel prediktor yang lain. Namun jangan khawatir, mengeluarkan salah satu variabel prediktor tidak akan menurunkan nilai R kuadrat secara drastis, jika memang terdapat multikolinieritas dalam model. 2. Untuk menghasilkan kombinasi variabel prediktor yang menghasilkan R kuadrat tertinggi, gunakanlah metode regresi stepwise dalam SPSS. 3. Lakukanlah transformasi data misalnya menjadi bentuk logaritma atau bentuk diferensarialnya. Tansformasi data ke dalam diferensial lebih cocok untuk data time series. Sementara untuk data-data penelitian survei sosial kurang cocok karena akan sulit menginterpretasikan model diferensialnya. 3. Gunakanlah Principal Component Analysis (PCA). Prinsipnya adalah menyederhanakan atau menggabungkan jumlah variabel prediktor menjadi lebih sedikit jumlah variabel tanpa mereduksi satupun variabel prediktor, namun dengan menjadikannya dalam satu skor. Hasil dari pca adalah skor dari variabel prediktor baru yang memiliki korelasi yang minimum sehinggi efektif untuk mengatasi multikolinieritas. 4. Gunakanlah Partial Least Square Regression(PLS). Jika kita menggunakan PCA maka bisa dipastikan kita akan mendapatkan variabel prediktor baru yang memiliki korelasi minimum diantara variabel prediktornya. Permasalahan yang mungkin muncul adalah, variabel prediktor baru tersebut bisa saja tidak memiliki hubungan yang signifikan juga dengan variabel respon (Y). Maka kita akan menghadapi permasalahan baru berikutnya yaitu tidak signifikannya model regresi. Jalan tengahnya adalah PLS, dimana secara perhitungan masih mempertimbangkan variabel prediktor yang memiliki hubungan tinggi dengan variabel respon namun mencari kombinasi variabel prediktor yang memiliki nilai korelasi minimum diantara mereka. Sumber referensi: http://en.wikipedia.org/wiki/Multicollinearity http://blog.minitab.com/blog/understanding-statistics/handling-multicollinearity-in-regression-analysis

Cara Penyusunan Silabus dan Rencana Perkuliahan Mengacu KKNI

MATA KULIAH : PENGANTAR EKONOMI MAKRO
SKS / KELAS : 3 / REGULER
RUANG UJIAN : RK.38
DOSEN PENGUJI : NAZIPAWATI, S.E., M.Si
SMT / PRODI : II/ MANAJEMEN

NO NPM NILAI
1 0911 178 C
2 0911 228 E
3 1011 003 C
4 1011 006 B
5 1011 007 B
6 1011 008 B
7 1011 009 B
8 1011 012 B
9 1011 014 B
10 1011 015 B
11 1011 016 B
12 1011 018 A
13 1011 019 B
14 1011 022 B
15 1011 023 B
16 1011 027 B
17 1011 028 B
18 1011 030 B
19 1011 033 A
20 1011 035 B
21 1011 037 B
22 1011 041 A
23 1011 053 A
24 1011 061 B
25 1011 070 B
26 1011 071 B
27 1011 078 A
28 1011 083 A
29 1011 127 A
30 1011 140 A

MATA KULIAH : PENGANTAR EKONOMI MAKRO
SKS / KELAS : 3 / REGULER
RUANG UJIAN : RK.39
DOSEN PENGUJI : NAZIPAWATI, S.E., M.Si
SMT / PRODI : II/ MANAJEMEN

NO NPM NILAI
1 1011 039 E
2 1011 043 E
3 1011 044 B
4 1011 045 B
5 1011 056 B
6 1011 057 B
7 1011 059 A
8 1011 060 C
9 1011 062 B
10 1011 064 B
11 1011 067 B
12 1011 068 B
13 1011 069 B
14 1011 073 B
15 1011 074 B
16 1011 077 C
17 1011 087 B
18 1011 089 A
19 1011 101 A
20 1011 114 A
21 1011 128 E
22 1011 153 A
23 1011 176 B
24 1011 228 B
25 1011 231 B
26 1011 261 B
27 1011 287 B
28 1011 288 B
29 1011 289 B
30 1011 331 B

MATA KULIAH : PENGANTAR EKONOMI MAKRO
SKS / KELAS : 3 / REGULER
RUANG UJIAN : RK.40
DOSEN PENGUJI : NAZIPAWATI, S.E., M.Si
SMT / PRODI : II/ MANAJEMEN

NO NPM NILAI
1 1011 126 B
2 1011 091 B
3 1011 120 B
4 1011 297 B
5 1011 105 B
6 1011 240 C
7 1011 108 B
8 1011 110 E
9 1011 040 B
10 0611 064 B
11 1011 307 E
12 1011 115 B
13 0711 038 B
14 1011 304 B
15 1011 265 E
16 1011 123 C
17 1011 118 B
18 1011 087 C
19 0711 124 B
20 1011 130 D
21 1011 100 B
22 0711 039 B
23 1011 119 B
24 1011 121 E
25 1011 296 B
26 1011 088 B
27 1011 308 C
28 1011 106 B
29 0711 175 B
30 1011 102 B

MATA KULIAH : PENGANTAR EKONOMI MAKRO
SKS / KELAS : 3 / REGULER
RUANG UJIAN : RK.41
DOSEN PENGUJI : NAZIPAWATI, S.E., M.Si
SMT / PRODI : II/ MANAJEMEN

NO NPM NILAI
1 0711 064 B
2 0811 242 A
3 1011 013P A
4 1011 016P B
5 1011 133 B
6 1011 134 C
7 1011 137 B
8 1011 139 B
9 1011 149 A
10 1011 150 A
11 1011 152 A
12 1011 154 A
13 1011 156 A
14 1011 159 A
15 1011 160 D
16 1011 164 E
17 1011 167 B
18 1011 168 B
19 1011 169 B
20 1011 170 C
21 1011 171 E
22 1011 173 B
23 1011 176 B
24 1011 179 B
25 1011 182 A
26 1011 185 B
27 1011 312 A
28 1011 313 C
29 1011 314 B
30 1011 321 E

MATA KULIAH : PENGANTAR EKONOMI MAKRO
SKS / KELAS : 3 / REGULER
RUANG UJIAN : RK.42
DOSEN PENGUJI : NAZIPAWATI, S.E., M.Si
SMT / PRODI : II/ MANAJEMEN

NO NPM NILAI
1 1011 180 B
2 1011 187 B
3 1011 188 B
4 1011 192 B
5 1011 193 B
6 1011 194 B
7 1011 195 B
8 1011 196 A
9 1011 201 B
10 1011 202 B
11 1011 205 C
12 1011 206 C
13 1011 207 A
14 1011 211 B
15 1011 212 B
16 1011 214 B
17 1011 215 B
18 1011 216 B
19 1011 217 B
20 1011 221 B
21 1011 226 B
22 1011 227 B
23 1011 236 B
24 1011 293 A
25 1011 324 A
26 1011 325 B
27 1011 326 C
28 1011 327 E
29 1011 328 E
30 1011 332 E