{"id":320,"date":"2023-08-02T13:53:05","date_gmt":"2023-08-02T13:53:05","guid":{"rendered":"https:\/\/statorials.org\/id\/multikolinearitas\/"},"modified":"2023-08-02T13:53:05","modified_gmt":"2023-08-02T13:53:05","slug":"multikolinearitas","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/multikolinearitas\/","title":{"rendered":"Multikolinearitas"},"content":{"rendered":"<p>Artikel ini menjelaskan apa itu multikolinearitas dalam statistik. Nah, Anda akan mengetahui kapan terjadinya multikolinearitas, apa saja akibat dari multikolinearitas, bagaimana cara mengidentifikasi multikolinearitas, dan terakhir bagaimana cara mengatasi masalah tersebut. <\/p>\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"%c2%bfque-es-la-multicolinealidad\"><\/span> Apa itu multikolinearitas?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p> <strong>Multikolinearitas<\/strong> adalah keadaan yang terjadi ketika dua atau lebih variabel penjelas dalam suatu model regresi mempunyai korelasi yang tinggi. Dengan kata lain, dalam model regresi, multikolinearitas terjadi ketika hubungan antara dua variabel atau lebih dalam model sangat kuat.<\/p>\n<p> Misalnya, jika kita menjalankan model regresi yang menghubungkan angka harapan hidup suatu negara dengan jumlah penduduk dan PDB, maka pasti akan terjadi multikolinearitas antara jumlah penduduk dan PDB, karena kedua Variabel ini umumnya berkorelasi kuat. berkorelasi. Oleh karena itu akan sulit untuk menganalisis pengaruh masing-masing variabel terhadap angka harapan hidup.<\/p>\n<p> Logikanya, variabel-variabel dalam suatu model akan selalu berkorelasi satu sama lain; hanya dalam proses yang indah barulah terjadi non-korelasi antar variabel. Namun yang menjadi perhatian kami adalah <a href=\"https:\/\/statorials.org\/id\/korelasi\/\">korelasi<\/a> antar variabelnya rendah, jika tidak maka kita tidak dapat mengetahui pengaruh masing-masing variabel penjelas terhadap variabel respon.<\/p>\n<p> Penyebab utama multikolinearitas umumnya adalah kecilnya ukuran sampel, adanya hubungan sebab akibat antar variabel penjelas, atau rendahnya variabilitas observasi. <\/p>\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"tipos-de-multicolinealidad\"><\/span> Jenis multikolinearitas<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p> Ada dua jenis multikolinearitas:<\/p>\n<ul style=\"color:#FF8A05; font-weight: bold;\">\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Multikolinearitas eksak<\/strong> : ketika satu atau lebih variabel merupakan kombinasi linier dari variabel lain. Dalam hal ini koefisien korelasi antar variabel multikolinier sama dengan 1.<\/span><\/li>\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Perkiraan multikolinearitas<\/strong> : Tidak ada kombinasi linier antar variabel, tetapi koefisien determinasi antara dua variabel atau lebih sangat mendekati 1 sehingga berkorelasi tinggi.<\/span> <\/li>\n<\/ul>\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"consecuencias-de-la-multicolinealidad\"><\/span> Konsekuensi dari multikolinearitas <span class=\"ez-toc-section-end\"><\/span><\/h2>\n<ul style=\"color:#FF8A05; font-weight: bold;\">\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\">Nilai koefisien regresi model berubah ketika variabel korelasi ditambahkan, sehingga sulit untuk menginterpretasikan model regresi yang dihasilkan.<\/span><\/li>\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\">Ketepatan estimasi parameter berkurang, sehingga kesalahan standar koefisien regresi meningkat.<\/span><\/li>\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\">Beberapa variabel penyebab multikolinearitas tentunya bersifat mubazir sehingga tidak perlu dimasukkan ke dalam model.<\/span><\/li>\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\">Kemungkinan besar Anda mengalami situasi overfitting, yaitu model mengalami overfitting dan oleh karena itu tidak berguna untuk membuat prediksi.<\/span><\/li>\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\"><a href=\"https:\/\/statorials.org\/id\/nilai-p\/\">Nilai p<\/a> dari koefisien regresi menjadi kurang dapat diandalkan. Oleh karena itu, lebih sulit menentukan variabel mana yang dimasukkan dan variabel mana yang dikeluarkan dalam model regresi.<\/span> <\/li>\n<\/ul>\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"como-detectar-la-multicolinealidad\"><\/span> Cara mendeteksi multikolinearitas<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p> <strong>Salah satu cara untuk mengidentifikasi multikolinearitas adalah dengan menghitung matriks korelasi<\/strong> , karena matriks tersebut memuat koefisien korelasi antara semua variabel sehingga dapat diamati jika suatu pasangan variabel mempunyai korelasi yang tinggi. <\/p>\n<div style=\"background-color:#FFFDE7; padding-top: 10px; padding-bottom: 10px; padding-right: 20px; padding-left: 30px; border: 2.5px dashed #FFB74D; border-radius:20px;\"> <span style=\"color:#ff951b\">\u27a4<\/span> <strong>Lihat:<\/strong> <a href=\"https:\/\/statorials.org\/id\/matriks-korelasi\/\">Matriks korelasi<\/a><\/div>\n<p> Namun dengan matriks korelasi, Anda hanya dapat mengetahui apakah dua variabel saling berhubungan, tetapi Anda tidak dapat mengetahui apakah terdapat kombinasi antara sekumpulan variabel. Untuk melakukan ini, faktor inflasi varians biasanya dihitung.<\/p>\n<p> <strong>Faktor inflasi varians (VIF)<\/strong> , disebut juga <em>faktor inflasi varians (VIF)<\/em> , adalah koefisien statistik yang dihitung untuk setiap variabel penjelas dan menunjukkan korelasi variabel lain dengan variabel penjelas tertentu. Secara konkrit rumusnya adalah sebagai berikut:<\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-2b3ced8779bee4be590476765dd1f325_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"FIV_i=\\cfrac{1}{1-R_i^2}\" title=\"Rendered by QuickLaTeX.com\" height=\"44\" width=\"116\" style=\"vertical-align: -18px;\"><\/p>\n<\/p>\n<p> Emas<\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-9e42ccb5e914d029440870e855384077_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"FIV_i\" title=\"Rendered by QuickLaTeX.com\" height=\"15\" width=\"38\" style=\"vertical-align: -3px;\"><\/p>\n<p> adalah faktor inflasi dari varians variabel iy<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-e2f09a7b02fea0d62cefc83f037ef64f_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"R_i^2\" title=\"Rendered by QuickLaTeX.com\" height=\"20\" width=\"21\" style=\"vertical-align: -5px;\"><\/p>\n<p> adalah <a href=\"https:\/\/statorials.org\/id\/koefisien-determinasi-r-kuadrat\/\">koefisien determinasi<\/a> model regresi yang memiliki variabel i sebagai variabel terikat dan variabel selebihnya sebagai variabel bebas.<\/p>\n<p> Dengan demikian, bergantung pada nilai faktor inflasi varians yang diperoleh, dapat diketahui apakah terjadi multikolinearitas atau tidak:<\/p>\n<ul style=\"color:#FF8A05; font-weight: bold;\">\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\"><strong>VIF = 1<\/strong> : Apabila faktor variance inflasi sama dengan 1 berarti tidak ada korelasi antara variabel terikat dengan variabel lainnya.<\/span><\/li>\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\"><strong>1 &lt; IVF &lt; 5<\/strong> : terdapat korelasi antar variabel, namun bersifat sedang. Pada prinsipnya, tidak perlu melakukan tindakan apa pun untuk memperbaiki multikolinearitas.<\/span><\/li>\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\"><strong>VIF &gt; 5<\/strong> : Jika faktor inflasi varians lebih besar dari 1, berarti multikolinearitas model tinggi dan oleh karena itu perlu dilakukan upaya untuk mengatasinya.<\/span><\/li>\n<\/ul>\n<p> Dalam praktiknya, faktor inflasi varians biasanya dihitung menggunakan perangkat lunak komputer, karena membuat model regresi untuk setiap variabel dan kemudian mencari nilai koefisiennya secara manual akan memakan waktu lama. <\/p>\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"solucionar-la-multicolinealidad\"><\/span> Multikolinearitas yang benar<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p> Langkah-langkah berikut dapat berguna dalam menyelesaikan masalah multikolinearitas dalam model regresi:<\/p>\n<ul style=\"color:#FF8A05; font-weight: bold;\">\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\">Jika ukuran sampel kecil, menambah jumlah data dapat mengurangi perkiraan multikolinearitas.<\/span><\/li>\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\">Hapus semua variabel yang menghasilkan multikolinearitas. Jika variabel-variabelnya berkorelasi tinggi, sedikit informasi yang hilang dalam model dan multikolinearitas akan berkurang.<\/span><\/li>\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\">Buat model regresi dengan menerapkan kriteria kuadrat terkecil parsial (PLS).<\/span><\/li>\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\">Terkadang Anda dapat membiarkan model regresi apa adanya, dengan multikolinearitas. Misalnya, jika kita hanya ingin membuat model untuk melakukan prediksi dan tidak perlu menginterpretasikannya, kita dapat menggunakan persamaan model untuk memprediksi nilai variabel dependen dengan observasi baru, dengan asumsi pola multikolinearitas berulang. dalam pengamatan baru.<\/span><\/li>\n<\/ul>\n","protected":false},"excerpt":{"rendered":"<p>Artikel ini menjelaskan apa itu multikolinearitas dalam statistik. Nah, Anda akan mengetahui kapan terjadinya multikolinearitas, apa saja akibat dari multikolinearitas, bagaimana cara mengidentifikasi multikolinearitas, dan terakhir bagaimana cara mengatasi masalah tersebut. Apa itu multikolinearitas? Multikolinearitas adalah keadaan yang terjadi ketika dua atau lebih variabel penjelas dalam suatu model regresi mempunyai korelasi yang tinggi. Dengan kata [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[14],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>\u25b7 Multikolinearitas<\/title>\n<meta name=\"description\" content=\"Di sini Anda akan mempelajari apa itu multikolinearitas, kapan ada multikolinearitas, konsekuensinya, cara mengidentifikasi multikolinearitas, dan cara mengatasinya.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/id\/multikolinearitas\/\" \/>\n<meta property=\"og:locale\" content=\"id_ID\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"\u25b7 Multikolinearitas\" \/>\n<meta property=\"og:description\" content=\"Di sini Anda akan mempelajari apa itu multikolinearitas, kapan ada multikolinearitas, konsekuensinya, cara mengidentifikasi multikolinearitas, dan cara mengatasinya.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/id\/multikolinearitas\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-08-02T13:53:05+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-2b3ced8779bee4be590476765dd1f325_l3.png\" \/>\n<meta name=\"author\" content=\"Benjamin anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Ditulis oleh\" \/>\n\t<meta name=\"twitter:data1\" content=\"Benjamin anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Estimasi waktu membaca\" \/>\n\t<meta name=\"twitter:data2\" content=\"3 menit\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/id\/multikolinearitas\/\",\"url\":\"https:\/\/statorials.org\/id\/multikolinearitas\/\",\"name\":\"\u25b7 Multikolinearitas\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/id\/#website\"},\"datePublished\":\"2023-08-02T13:53:05+00:00\",\"dateModified\":\"2023-08-02T13:53:05+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\"},\"description\":\"Di sini Anda akan mempelajari apa itu multikolinearitas, kapan ada multikolinearitas, konsekuensinya, cara mengidentifikasi multikolinearitas, dan cara mengatasinya.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/id\/multikolinearitas\/#breadcrumb\"},\"inLanguage\":\"id\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/id\/multikolinearitas\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/id\/multikolinearitas\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/statorials.org\/id\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Multikolinearitas\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/id\/#website\",\"url\":\"https:\/\/statorials.org\/id\/\",\"name\":\"Statorials\",\"description\":\"Panduan anda untuk kompetensi statistik!\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/id\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"id\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\",\"name\":\"Benjamin anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"id\",\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/image\/\",\"url\":\"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"caption\":\"Benjamin anderson\"},\"description\":\"Halo, saya Benjamin, pensiunan profesor statistika yang menjadi guru Statorial yang berdedikasi. Dengan pengalaman dan keahlian yang luas di bidang statistika, saya ingin berbagi ilmu untuk memberdayakan mahasiswa melalui Statorials. Baca selengkapnya\",\"sameAs\":[\"http:\/\/statorials.org\/id\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"\u25b7 Multikolinearitas","description":"Di sini Anda akan mempelajari apa itu multikolinearitas, kapan ada multikolinearitas, konsekuensinya, cara mengidentifikasi multikolinearitas, dan cara mengatasinya.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/id\/multikolinearitas\/","og_locale":"id_ID","og_type":"article","og_title":"\u25b7 Multikolinearitas","og_description":"Di sini Anda akan mempelajari apa itu multikolinearitas, kapan ada multikolinearitas, konsekuensinya, cara mengidentifikasi multikolinearitas, dan cara mengatasinya.","og_url":"https:\/\/statorials.org\/id\/multikolinearitas\/","og_site_name":"Statorials","article_published_time":"2023-08-02T13:53:05+00:00","og_image":[{"url":"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-2b3ced8779bee4be590476765dd1f325_l3.png"}],"author":"Benjamin anderson","twitter_card":"summary_large_image","twitter_misc":{"Ditulis oleh":"Benjamin anderson","Estimasi waktu membaca":"3 menit"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/id\/multikolinearitas\/","url":"https:\/\/statorials.org\/id\/multikolinearitas\/","name":"\u25b7 Multikolinearitas","isPartOf":{"@id":"https:\/\/statorials.org\/id\/#website"},"datePublished":"2023-08-02T13:53:05+00:00","dateModified":"2023-08-02T13:53:05+00:00","author":{"@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81"},"description":"Di sini Anda akan mempelajari apa itu multikolinearitas, kapan ada multikolinearitas, konsekuensinya, cara mengidentifikasi multikolinearitas, dan cara mengatasinya.","breadcrumb":{"@id":"https:\/\/statorials.org\/id\/multikolinearitas\/#breadcrumb"},"inLanguage":"id","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/id\/multikolinearitas\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/id\/multikolinearitas\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/statorials.org\/id\/"},{"@type":"ListItem","position":2,"name":"Multikolinearitas"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/id\/#website","url":"https:\/\/statorials.org\/id\/","name":"Statorials","description":"Panduan anda untuk kompetensi statistik!","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/id\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"id"},{"@type":"Person","@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81","name":"Benjamin anderson","image":{"@type":"ImageObject","inLanguage":"id","@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/image\/","url":"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","contentUrl":"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","caption":"Benjamin anderson"},"description":"Halo, saya Benjamin, pensiunan profesor statistika yang menjadi guru Statorial yang berdedikasi. Dengan pengalaman dan keahlian yang luas di bidang statistika, saya ingin berbagi ilmu untuk memberdayakan mahasiswa melalui Statorials. Baca selengkapnya","sameAs":["http:\/\/statorials.org\/id"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/320"}],"collection":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/comments?post=320"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/320\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/media?parent=320"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/categories?post=320"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/tags?post=320"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}