Page 62 - CBR_EKONOMETRIKA_KEL 7

model regresi yang bentuk fungsinya berbentuk non-linier, tetapi masalah Multikoliniearitas
akan muncul dalam model regresi yang bentuk fungsinya berbentuk linier di antara variabel-
variabel bebas. Multikonearitas adalah adanya hubungan eksak linier antar variabel
penjelas. Multikonearitas diduga terjadi bila nilai R2 tinggi, nilai t semua variabel penjelas
tidak signifikan, dan nilai F tinggi

Konsekuensi multikonearitas:

1) Kesalahan stkitar cenderung semakin besar dengan meningkatnya tingkat korelasi antar
variabel.
2) Karena besarnya kesalahan stkitar, selang keyakinan untuk parameter populasi yang
relevan cenderung lebih besar.
3) Taksiran koefisian dan kesalahan stkitar regresi menjadi sangat sensitif terhadap sedikit
perubahan dalam data.
Konsekuensi multikearitas adalah invalidnya signifikansi variable maupun besaran
koefisien variable dan konstanta. Multikolinearitas diduga terjadi apabila estimasi
menghasilkan nilai R kuadrat yang tinggi (lebih dari 0.8), nilai F tinggi, dan nilai t-statistik
semua atau hampir semua variabel penjelas tidak signifikan. (Gujarati, 2003).

Sebagai indikasi awal, perhatikan nilai R kuadrat, F-statistik, dan t-statistik dari hasil
regresi table III. Tabel III, dalam table ini merupakan kasus baru yaitu kasus negara Kertagama,
dimana defenden variabelnya konsumsi dan indefenden variabelnya GNP, Subsidi dan PRM.
Variabel PRM merupakan variable antah berantah yang sengaja dimasukkan dalam model
dengan nilai hampir dua kali lipat dari nilai GNP untuk masing-masing periode ( disengaja agar
semakin memperjelas munculnya masalah multikolinier). Tabel III, korelasi antar variable
penjelas dan hasil analisis dapat dilihat dibawah ini. Bagaimana penilaian saudara? Untuk lebih
pastinya, lakukan regresi antar variabel penjelas:

KASUS

Perhatikan nilai R kuadrat. Nilai R kuadrat jauh lebih rendah dibandingkan dengan nilai R
kuadrat regresi variabel dalam level (regresi awal). Namun demikian, hal tersebut sama sekali
tidak perlu dirisaukan. R kuadrat regresi persamaan dalam difference jelas jauh lebih kecil
daripada R kuadrat regresi persamaan dalam level. R kuadrat kedua persamaan berbada bentuk
tersebut (difference versus level) sama sekali tidak dapat dibandingkan (uncomparable).

Untuk membuktikan terobatinya multikolinearitas, lakukan regresi antar variabel
penjelas dalam perbedaan pertama. Jika nilai t-statistik salah satu variabel independen masih
signifikan, berarti masih terdapat multikolinearitas pada persamaan tersebut. Hal sebaliknya
terjadi jika nilai t-statistik tidak signifikan. Dilihat dari t statistiknya memang terdapat
perbaikan dengan model regresi first difference, tetapi belum dapat menyelesaikan masalah
multikoliniernya.

Perintah untuk regresi antar variabel penjelas dalam perbedaan pertama: pengobatan
multikolinearitas melalui perbedaan pertama, akan kehilangan informasi jangka panjang.
Perbedaan pertama hanya mengandung informasi jangka pendek. Hal ini riskan apabila kita
melakukan pengkajian empiris terhadap suatui teori karena teori berkaitan dengan informasi
jangka panjang. Bagaimana solusinya? Klein mengajukan solusi yang kemudian disebut

62