{"id":642,"date":"2023-07-29T06:00:49","date_gmt":"2023-07-29T06:00:49","guid":{"rendered":"https:\/\/statorials.org\/id\/statistik-multikolinearitas\/"},"modified":"2023-07-29T06:00:49","modified_gmt":"2023-07-29T06:00:49","slug":"statistik-multikolinearitas","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/statistik-multikolinearitas\/","title":{"rendered":"Cara menguji multikolinearitas di stata"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\"><a href=\"https:\/\/statorials.org\/id\/regresi-multikolinearitas\/\" target=\"_blank\" rel=\"noopener\"><strong>Multikolinearitas<\/strong><\/a> dalam analisis regresi terjadi ketika dua atau lebih variabel penjelas berkorelasi tinggi satu sama lain, sehingga tidak memberikan informasi yang unik atau independen dalam model regresi. Jika tingkat korelasi antar variabel cukup tinggi, hal ini dapat menimbulkan masalah saat menyesuaikan dan menafsirkan model regresi.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Misalnya, Anda menjalankan regresi linier berganda dengan variabel berikut:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Respon variabel:<\/strong> lompatan vertikal maksimum<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Variabel penjelas:<\/strong> ukuran sepatu, tinggi badan, waktu yang dihabiskan untuk berlatih<\/span><\/p>\n<p> <span style=\"color: #000000;\">Dalam hal ini, variabel penjelas ukuran dan tinggi sepatu mungkin berkorelasi kuat karena orang tinggi cenderung memiliki ukuran sepatu lebih besar. Artinya multikolinearitas kemungkinan besar akan menjadi masalah dalam regresi ini.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Untungnya, multikolinearitas dapat dideteksi menggunakan metrik yang disebut <strong>faktor inflasi varians (VIF)<\/strong> , yang mengukur korelasi dan kekuatan korelasi antar variabel penjelas dalam model regresi.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Tutorial ini menjelaskan cara menggunakan VIF untuk mendeteksi multikolinearitas dalam analisis regresi di Stata.<\/span><\/p>\n<h2> <span style=\"color: #000000;\"><strong>Contoh: multikolinearitas di Stata<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Untuk contoh ini, kita akan menggunakan dataset bawaan Stata yang disebut <em>auto<\/em> . Gunakan perintah berikut untuk memuat kumpulan data:<\/span><\/p>\n<blockquote>\n<p> <span style=\"color: #000000;\"><strong><span style=\"color: #000000;\">gunakan secara otomatis<\/span><\/strong><\/span><\/p>\n<\/blockquote>\n<p> <span style=\"color: #000000;\">Kita akan menggunakan perintah <strong>regress<\/strong> untuk menyesuaikan <a href=\"https:\/\/statorials.org\/id\/statistik-regresi-linier-berganda\/\" target=\"_blank\" rel=\"noopener\">model regresi linier berganda<\/a> dengan menggunakan harga sebagai variabel respon dan berat, panjang, dan mpg sebagai variabel penjelas:<\/span><\/p>\n<blockquote>\n<p> <span style=\"color: #000000;\"><strong>regresi harga berat panjang mpg<\/strong><\/span> <\/p>\n<\/blockquote>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-6081 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/vif1.png\" alt=\"Keluaran regresi linier berganda di Stata\" width=\"565\" height=\"286\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Selanjutnya, kita akan menggunakan perintah <strong>vive<\/strong> untuk menguji multikolinearitas:<\/span><\/p>\n<blockquote>\n<p> <strong><span style=\"color: #000000;\">hidup<\/span><\/strong> <\/p>\n<\/blockquote>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-6082 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/vif2.png\" alt=\"VIF di Stata\" width=\"297\" height=\"176\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Hal ini menghasilkan nilai VIF untuk setiap variabel penjelas dalam model. Nilai VIF dimulai dari 1 dan tidak memiliki batas atas. Aturan umum untuk menafsirkan VIF adalah:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Nilai 1 menunjukkan bahwa tidak ada korelasi antara variabel penjelas tertentu dan variabel penjelas lainnya dalam model.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Nilai antara 1 dan 5 menunjukkan korelasi sedang antara variabel penjelas tertentu dan variabel penjelas lainnya dalam model, namun seringkali tidak cukup parah sehingga memerlukan perhatian khusus.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Nilai yang lebih besar dari 5 menunjukkan kemungkinan adanya korelasi yang parah antara variabel penjelas tertentu dan variabel penjelas lainnya dalam model. Dalam hal ini, estimasi koefisien dan nilai p pada hasil regresi kemungkinan besar tidak dapat diandalkan.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Terlihat nilai VIF untuk berat dan panjang lebih besar dari 5 yang menunjukkan bahwa kemungkinan besar multikolinearitas menjadi masalah dalam model regresi.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Cara mengatasi multikolinearitas<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Seringkali cara termudah untuk menangani multikolinearitas adalah dengan menghapus salah satu variabel yang bermasalah, karena variabel yang Anda hapus kemungkinan besar bersifat mubazir dan menambahkan sedikit informasi unik atau independen ke dalam model.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Untuk menentukan variabel mana yang akan dihapus, kita dapat menggunakan perintah <strong>corr<\/strong> untuk membuat <a href=\"https:\/\/statorials.org\/id\/matriks-korelasi-status\/\" target=\"_blank\" rel=\"noopener\">matriks korelasi<\/a> guna menampilkan koefisien korelasi antara masing-masing variabel dalam model, yang dapat membantu kita mengidentifikasi variabel mana yang mungkin berkorelasi tinggi satu sama lain dan dapat menyebabkan masalah multikolinearitas:<\/span><\/p>\n<blockquote>\n<p> <span style=\"color: #000000;\"><strong>harga corr berat panjang mpg<\/strong><\/span> <\/p>\n<\/blockquote>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-6084 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/vif3.png\" alt=\"Matriks korelasi di Stata\" width=\"399\" height=\"174\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Kita dapat melihat bahwa panjang berkorelasi tinggi dengan berat dan mpg, dan memiliki korelasi terendah dengan variabel respon harga. Dengan demikian, menghilangkan panjang model dapat menyelesaikan masalah multikolinearitas tanpa mengurangi kualitas model regresi secara keseluruhan.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Untuk mengujinya, kita dapat menjalankan kembali analisis regresi dengan hanya menggunakan bobot dan mpg sebagai variabel penjelas:<\/span><\/p>\n<blockquote>\n<p> <span style=\"color: #000000;\"><strong>regresi harga berat mpg<\/strong><\/span> <\/p>\n<\/blockquote>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-6085 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/vif4.png\" alt=\"Keluaran regresi linier berganda di Stata\" width=\"544\" height=\"257\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Kita dapat melihat bahwa R-kuadrat yang disesuaikan pada model ini adalah <strong>0,2735<\/strong> dibandingkan dengan <strong>0,3298<\/strong> pada model sebelumnya. Hal ini menunjukkan bahwa kegunaan model secara keseluruhan hanya sedikit menurun. Kemudian kita dapat mencari nilai VIF menggunakan perintah <strong>VIF<\/strong> :<\/span><\/p>\n<blockquote>\n<p> <strong><span style=\"color: #000000;\">HIDUP<\/span><\/strong> <\/p>\n<\/blockquote>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-6086 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/vif5.png\" alt=\"Nilai VIF di Stata\" width=\"303\" height=\"164\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Kedua nilai VIF yang kurang dari 5 menunjukkan bahwa multikolinearitas tidak lagi menjadi masalah pada model.<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Multikolinearitas dalam analisis regresi terjadi ketika dua atau lebih variabel penjelas berkorelasi tinggi satu sama lain, sehingga tidak memberikan informasi yang unik atau independen dalam model regresi. Jika tingkat korelasi antar variabel cukup tinggi, hal ini dapat menimbulkan masalah saat menyesuaikan dan menafsirkan model regresi. Misalnya, Anda menjalankan regresi linier berganda dengan variabel berikut: Respon [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Cara menguji multikolinearitas di Stata - Statorials<\/title>\n<meta name=\"description\" content=\"Penjelasan sederhana cara menguji multikolinearitas pada regresi di Stata.\" \/>\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\/statistik-multikolinearitas\/\" \/>\n<meta property=\"og:locale\" content=\"id_ID\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Cara menguji multikolinearitas di Stata - Statorials\" \/>\n<meta property=\"og:description\" content=\"Penjelasan sederhana cara menguji multikolinearitas pada regresi di Stata.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/id\/statistik-multikolinearitas\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-29T06:00:49+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/vif1.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\/statistik-multikolinearitas\/\",\"url\":\"https:\/\/statorials.org\/id\/statistik-multikolinearitas\/\",\"name\":\"Cara menguji multikolinearitas di Stata - Statorials\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/id\/#website\"},\"datePublished\":\"2023-07-29T06:00:49+00:00\",\"dateModified\":\"2023-07-29T06:00:49+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\"},\"description\":\"Penjelasan sederhana cara menguji multikolinearitas pada regresi di Stata.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/id\/statistik-multikolinearitas\/#breadcrumb\"},\"inLanguage\":\"id\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/id\/statistik-multikolinearitas\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/id\/statistik-multikolinearitas\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/statorials.org\/id\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Cara menguji multikolinearitas di stata\"}]},{\"@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":"Cara menguji multikolinearitas di Stata - Statorials","description":"Penjelasan sederhana cara menguji multikolinearitas pada regresi di Stata.","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\/statistik-multikolinearitas\/","og_locale":"id_ID","og_type":"article","og_title":"Cara menguji multikolinearitas di Stata - Statorials","og_description":"Penjelasan sederhana cara menguji multikolinearitas pada regresi di Stata.","og_url":"https:\/\/statorials.org\/id\/statistik-multikolinearitas\/","og_site_name":"Statorials","article_published_time":"2023-07-29T06:00:49+00:00","og_image":[{"url":"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/vif1.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\/statistik-multikolinearitas\/","url":"https:\/\/statorials.org\/id\/statistik-multikolinearitas\/","name":"Cara menguji multikolinearitas di Stata - Statorials","isPartOf":{"@id":"https:\/\/statorials.org\/id\/#website"},"datePublished":"2023-07-29T06:00:49+00:00","dateModified":"2023-07-29T06:00:49+00:00","author":{"@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81"},"description":"Penjelasan sederhana cara menguji multikolinearitas pada regresi di Stata.","breadcrumb":{"@id":"https:\/\/statorials.org\/id\/statistik-multikolinearitas\/#breadcrumb"},"inLanguage":"id","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/id\/statistik-multikolinearitas\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/id\/statistik-multikolinearitas\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/statorials.org\/id\/"},{"@type":"ListItem","position":2,"name":"Cara menguji multikolinearitas di stata"}]},{"@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\/642"}],"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=642"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/642\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/media?parent=642"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/categories?post=642"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/tags?post=642"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}