Mendeteksi dan Mengatasi Multikolinieritas pada Data Penelitian Diabetes Melitus Wanita Suku Indian Tahun 2018

Mohamad Ridwan, Siti Sunendiari

Abstract


Abstract. Fulfillment of the multicollinearity assumption in logistic regression is very important. If the assumption of multicollinearity is not met, the regression model is no longer efficient because the standard error value of the regression coefficient becomes very large (overestimate). This indicates that the parameters in the model cannot be estimated and the output in the form of a path diagram cannot be displayed. It is also possible that if the parameters are successfully estimated and the path diagram output is successfully displayed, the results are biased. In this study, we will try to detect and overcome the multicollinearity problem by looking at the correlation value and the VIF value and overcoming it by eliminating the independent variable that has a VIF value > 10. The data used in this study is secondary data from the Indian Women's Diabetes Research 2018. The dependent variable has two categories, namely not suffering from and suffering from. From the research it can be concluded that there are two variables detected that multicollinearity occurs.

Keywords: Correlations, Logistic Regression, Multicollinierity, VIF 

Abstrak. Pemenuhan asumsi multikolinieritas dalam regresi logistik sangat lah penting. Jika asumsi multikolinieritas tidak terpenuhi, model regresi tidak lagi efisien karena nilai standar error koefisien regresi menjadi sangat besar (overestimate). Hal ini mernunjukkan bahwa parameter dalam model tidak dapat diestimasi dan output dalam bentuk diagram jalur tidak dapat ditampilkan. Bisa juga jika parameter berhasil diestimasi dan output diagram jalur berhasil ditampilkan, tetapi hasilnya menjadi bias. Dalam penelitian ini akan dicoba mendeteksi dan mengatasi masalah multikolinieritas dengan cara melihat nilai korelasi dan nilai VIF dan mengatasinya dengan cara menghilangkan variabel independen yang memiliki nilai VIF > 10. Data yang digunakan pada penelitian ini adalah data sekunder Penelitian Diabetes Wanita Indian Tahun 2018. Variabel dependen memiliki dua kategori, yaitu tidak mengidap dan mengidap. Dari penelitian dapat disimpulkan bahwa terdapat dua variabel yang terdeteksi terjadi multikolinieritas.

Kata Kunci: Korelasi, Multikolinieritas, Regresi Logistik, VIF


Keywords


Korelasi, Multikolinieritas, Regresi Logistik, VIF

Full Text:

PDF

References


Hastuti, T. (2008). Faktor-Faktor Resiko Ulkus Diabetika Pada Penderita Diabetes Melitus. Semarang: Universitas Dipenogoro.

Hosmer, D. W. and Lemeshow, S. (2000). Applied Logistic regression. United States of American: Sons Inc.

Irawan, D. (2010). Prevalendsi Dan Faktor Risiko Kejadian Diabetes Melitus Tipe 2 Di Daerah Urban Indonesia. Jakarta: Fakultas kesehatan masyarakat, Universitas Indonesia.

Kaban, S. (2007). Diabetes Melitus Tipe 2 Di kota Sibolga Tahun 2005. Sibolga: Majalah Kedokteran Nusantara.

Kemenkes. (2010). Diabetes Melitus Dapat Dicegah. Diakses pada 9 Desember 2020. http://www.depkes.go.id/index.php?vw=2&id=2383

Santoso, Singgih. (2012). Panduan Lengkap SPSS Versi 20. Jakarta: PT Elex Media Komputindo

Senaviratna, SAMR. & Cooray, TMJA. (2019). Diagnosing Multicollinearity Of Logistic Regression Model. Srilanka: The Open University Of Srilanka.

Soegondo, S. (2009). Buku Ajar Penyakit Dalam: Asidosis Lakat, Jilid III, Edisi 4. Jakarta: FK UI.

Wijanto, S.H. (2008). Structural Equation Moedeling dengan Lisrel 8.8. Yogyakarta: Graha Ilmu.




DOI: http://dx.doi.org/10.29313/.v7i1.25565

Flag Counter