Apa itu Multikolinearitas?
Multikolinearitas adalah fenomena statistik di mana dua atau lebih variabel dalam model regresi bergantung pada variabel lain sedemikian rupa sehingga satu variabel dapat diprediksi secara linier dari yang lain dengan tingkat akurasi yang tinggi. Ini umumnya digunakan dalam studi observasional dan kurang populer dalam studi eksperimental.
Jenis Multikolinieritas
Ada empat jenis Multikolinieritas
- # 1 - Multikolinieritas Sempurna - Multikolinieritas terjadi ketika variabel independen dalam persamaan memprediksi hubungan linier sempurna.
- # 2 - Multikolinieritas Tinggi - Ini mengacu pada hubungan linier antara dua atau lebih variabel independen yang tidak berkorelasi sempurna satu sama lain.
- # 3 - Multikolinieritas Struktural - Hal ini disebabkan oleh peneliti sendiri dengan memasukkan variabel independen yang berbeda ke dalam persamaan.
- # 4 - Multikolineaaritas Berbasis Data - Hal ini disebabkan oleh eksperimen yang dirancang dengan buruk oleh peneliti.
Penyebab Multikolinieritas
Variabel Independen, Perubahan parameter Variabel melakukan perubahan kecil pada variabel. Ada dampak yang signifikan pada hasil & Pengumpulan Data mengacu pada sampel dari populasi terpilih yang diambil.
Contoh Multikolinieritas
Contoh 1
Mari kita asumsikan bahwa ABC Ltd, sebuah KPO, telah disewa oleh sebuah perusahaan farmasi untuk menyediakan layanan penelitian dan analisis statistik tentang penyakit di India. Untuk ini, ABC ltd telah memilih usia, berat badan, profesi, tinggi badan, dan kesehatan sebagai parameter prima facie.
- Dalam contoh di atas, terdapat situasi multikolinearitas karena variabel independen yang dipilih untuk penelitian berkorelasi langsung dengan hasil. Oleh karena itu, sebaiknya peneliti menyesuaikan variabel terlebih dahulu sebelum memulai proyek karena hasilnya akan langsung terpengaruh karena variabel yang dipilih di sini.
Contoh # 2
Anggap saja ABC Ltd telah ditunjuk oleh Tata Motors untuk memahami volume penjualan tata motors akan tinggi di kategori mana di pasaran.
- Dalam contoh di atas, pertama, variabel independen akan diselesaikan berdasarkan penelitian yang perlu diselesaikan. Bisa pendapatan bulanan, umur. Merek, kelas bawah. Artinya hanya data yang akan dipilih, yang akan masuk ke semua tab ini untuk mengetahui berapa banyak orang yang dapat membeli mobil ini (tata nano) bahkan tanpa melihat mobil lain.
Contoh # 3
Mari Asumsikan bahwa ABC Ltd telah disewa untuk mengirimkan laporan untuk mengetahui berapa banyak orang di bawah 50 yang rentan terhadap serangan jantung. untuk ini, parameternya adalah usia, jenis kelamin, riwayat kesehatan
- Dalam contoh di atas, terdapat multikolinearitas yang muncul karena variabel independen “usia” perlu disesuaikan ke usia di bawah 50 untuk mengundang aplikasi dari publik sehingga orang yang berusia lebih dari 50 tahun secara otomatis tersaring.
Keuntungan
Di bawah ini adalah beberapa Keunggulan
- Hubungan Linear antar Variabel Independen dalam persamaan.
- Sangat berguna dalam model statistik dan laporan penelitian yang disiapkan oleh perusahaan berbasis penelitian.
- Dampak langsung pada hasil yang diinginkan.
Kekurangan
Di bawah ini adalah beberapa Kekurangannya
- Dalam beberapa situasi, masalah ini akan diselesaikan dengan mengumpulkan lebih banyak data tentang variabel.
- Penggunaan variabel dummy yang salah, misalnya, peneliti mungkin lupa menggunakan variabel dummy kapan pun diperlukan.
- Memasukkan 2 variabel yang sama atau identik dalam persamaan seperti kg dan lbs dalam bobot.
- Memasukkan variabel ke dalam persamaan yang merupakan kombinasi dari 2.
- Melakukan penghitungan yang rumit karena merupakan teknik statistik dan membutuhkan kalkulator statistik untuk menjalankannya.
Kesimpulan
Multikolinieritas adalah salah satu alat statistik yang paling disukai yang sering digunakan dalam analisis regresi dan analisis statistik untuk database besar dan keluaran yang diinginkan. Semua perusahaan besar memiliki departemen statistik terpisah di perusahaan mereka untuk melakukan analisis regresi statistik tentang produk atau orang untuk memberikan pandangan strategis pasar kepada manajemen dan juga membantu mereka menyusun strategi jangka panjang dengan tetap memperhatikan hal ini. Penyajian grafis dari analisis memberikan gambaran yang jelas kepada pembaca tentang hubungan langsung, akurasi, dan kinerja.
- Jika tujuan peneliti adalah untuk memahami variabel independen dalam persamaan tersebut, maka multikolinieritas akan menjadi masalah besar baginya.
- Peneliti perlu melakukan perubahan yang diperlukan dalam variabel pada tahap 0 itu sendiri, atau mungkin akan berdampak besar pada hasil.
- Multikolinieritas dapat dilakukan dengan menguji matriks korelasi.
- Tindakan perbaikan memainkan peran penting dalam memecahkan masalah multikolinearitas.
