jump to navigation

Principal Component Analysis (PCA) sebagai Metode Jitu Untuk Mengatasi Masalah Multikolinearitas Desember 19, 2006

Posted by dickyrahardi in Metode Analysis.
comments closed

Masalah Multikolinearitas dalam Regresi Berganda

Istilah Multikolinearitas pertama kali ditemukan oleh Ragnar Frisch yang berarti adanya hubungan liniear yang sempurna atau pasti diantara beberapa atau semua variabel bebas dari model regresi berganda.

Menurut Gujarati (1978) gejala Multikolinearitas ini dapat dideteksi dengan beberapa cara antara lain :

  1. Menghitung koefisien korelasi sederhana (simple correlation) antara sesama variabel bebas, jika terdapat koefisien korelasi sederhana yang mencapai atau melebihi 0.8 maka hal tersebut menunjukkan terjadinya masalah multikolinearitas dalam regresi.
  2. Menghitung nilai Toleransi atau VIF (Variance Inflation Factor), jika nilai Toleransi kurang dari 0.1 atau nilai VIF melebihi 10 maka hal tersebut menunjukkan bahwa multikolinearitas adalah masalah yang pasti terjadi antar variabel bebas.
  3. Lakukan regresi antar variabel bebas dan menghitung masing-masing R2 , kemudian melakukan uji – F dan bandingkan dengan Ftabel (a;k-2,n-k+1). Jika nilai Fhit melebihi nilai Ftabel berarti dapat dinyatakan bahwa Xi kolinier dengan X yang lain.


Akibat dari masalah Multikolinearitas

Montgomery dan Hines (1990) menjelaskan bahwa dampak multikolinearitas dapat mengakibatkan koefisien regresi yang dihasilkan oleh analisis regresi berganda menjadi sangat lemah atau tidak dapat memberikan hasil analisis yang mewakili sifat atau pengaruh dari variabel bebas yang bersangkutan. Dalam banyak hal masalah Multikolinearitas dapat menyebabkan uji T menjadi tidak signifikan padahal jika masing-masing variabel bebas diregresikan secara terpisah dengan variabel tak bebas (simple regression) uji T menunjukkan hasil yang signifikan. Hal tersebutlah yang sering kali membuat pusing para peneliti karena hasil analisis yang dilakukan pada regresi berganda dan regresi sederhana tidaklah sejalan atau bahkan sangat bertentangan.

Contoh Ilustratif :

Lihat artikel selengkapnya di DickyRahardi.Com

Mengevaluasi Produk dengan Conjoint Analysis (CA) Desember 19, 2006

Posted by dickyrahardi in Metode Analysis.
comments closed
Dalam berbagai penelitian bisnis analisis conjoint adalah analisis yang paling umum untuk diterapkan terhadap market riset dan studi pengembangan produk. Sebagai contoh, ketika konsumen hendak membeli komputer mungkin akan memeriksa himpunan atribut untuk memilih produk mana yang paling cocok dengan kebutuhannya. Konsumen mungkin akan mempertimbangkan unsur kecepatan, merek motherboard, daya tampung memori, jenis VGA card atau kapasitasnya dalam mengerjakan tugas. Atribut-atribut tersebut beserta ciri-cirinya diperlukan konsumen untuk membuat pertimbangan dalam membuat keputusan akhir.


Ciri khas analisis Conjoint adalah mempergunakan input dari variabel independen bukan angka (bersifat kualitatif). Secara umum data yang sedemikian itu dipecahkan dengan Crosstabulation, akan tetapi jika dimensi yang ditangani sangat banyak maka akan kewalahan. Jika terdapat tiga kategori harga, tiga merek motherboard, dua jenis VGA card, 2 jenis memori, dan tiga jenis harddisk, maka akan terdapat 108 profil (3 x 3 x 2 x 2 x 3) yang dapat dievaluasi. Analisis conjoint akan memecahkan masalah ini dengan berbagai pendekatan berskala optimal. Berdasarkan preferensi setiap profil produk yang disajikan, analisis conjoint akan dapat membuat kesimpulan tentang atribut dan kombinasi profil produk yang lebih disukai oleh masyarakat.

Lihat artikel selengkapnya di DickyRahardi.Com