UJI MULTIKOLINEARITAS REGRESI LINEAR DENGAN R

Salah satu asumsi yang harus terpenuhi dalam regresi linear adalah tidak adanya multikolinearitas yang terjadi antar variabel prediktor dalam sebuah model. Pada halaman ini, akan dibahas mengenai cara pengujian multikolinearitas model dengan menggunakan software Rtudio.

Data yang digunakan

Dalam analisis ini, data yang digunakan adalah data "marketing" dari packages "datarium". Apabila packages tidak ditemukan, install terlebih dahulu pakages baru kemudian panggil packages dan datanya.

#install packages
install.packages("datarium")
#memanggil packages
library(datarium)
#load data marketing
data("marketing", package = "datarium")
head(marketing,2)

#>   youtube facebook newspaper sales
#> 1  276.12    45.36     83.04 26.52
#> 2   53.40    47.16     54.12 12.48

Membuat model regresi

Variabel yang digunakan adalah sales dan youtube, dengan sales sebagai respon dan youtube sebagai prediktor

#model regresi
model = lm(sales~youtube, data = marketing)

Setelah menentukan model, uji multikolinearitas dapat dilakukan dengan melihat nilai VIF masing-masing variabel prediktor pada model. Apabila terdapat nilai VIF variabel yang lebih besar dari sepuluh (>10) maka dapat disimpulkan bahwa terdapat gejala multikolinearitas pada model.

Menghitung VIF pada model

#memanggil packages carData dan car
library(carData)
library(car)
#Menampilkan nilai VIF model
vif(model)

#>  youtube  facebook newspaper 
#> 1.004611  1.144952  1.145187 

Dari output diatas, terlihat bahwa semua nilai VIF pada model lebih kecil dari 10 (<10 adanya="" antar="" asumsi="" bahwa="" br="" gejala="" hal="" menyimpulkan="" model="" multikolinearitas="" respon="" sehingga="" terdapat="" terpenuhi.="" tersebut="" tidak="" variabel="">
Apabila terdapat asumsi yang tidak terpenuhi, maka harus dilakukan analisis sebelum memodelkan data. Salah satu caranya yaitu dengan menggunakan analisis Principal Componen Regression.

Lihat juga Principal Component Regression