Mengapa Muncul Pesan “Near Singular Matrix” di EViews? Ini Penjelasannya
Jika Anda pernah menjalankan analisis regresi di EViews, mungkin Anda pernah menemukan pesan error: “Near Singular Matrix” Bagi banyak peneliti atau mahasiswa, pesan ini sering menimbulkan kebingungan—terutama saat sudah merasa semua data “beres”. Lalu, apa sebenarnya arti pesan ini? Mengapa bisa muncul? Dan bagaimana cara mengatasinya?
Apa Arti “Near Singular Matrix”?
Pesan ini muncul ketika EViews tidak dapat menghitung estimasi regresi karena matriks yang dibutuhkan untuk perhitungan (yakni matriks X’X) tidak dapat diinvers atau mendekati singular. Dalam bahasa sederhana, sistem persamaan yang Anda buat tidak punya solusi unik karena variabel independennya terlalu mirip atau bahkan identik satu sama lain. Dengan kata lain, EViews sedang memberi tahu Anda bahwa ada multikolinearitas serius di dalam model.
Penyebab Umum Terjadinya Near Singular Matrix
1. Multikolinearitas yang sangat tinggi
Dua atau lebih variabel independen memiliki korelasi hampir sempurna (mendekati ±1). Contoh: variabel pendapatan dan pengeluaran yang selalu meningkat bersama dalam pola yang sama.
2. Kesalahan dalam membuat variabel dummy (Dummy Trap)
Jika Anda membuat variabel dummy untuk seluruh kategori tanpa menghapus satu sebagai baseline, model akan “bingung” karena informasinya tumpang tindih. Misalnya, Anda membuat dummy `Male` dan `Female` sekaligus padahal cukup satu saja.
3. Variabel yang konstan atau hampir tidak bervariasi
Jika nilai suatu variabel hampir sama di semua observasi (misal hampir semua responden menjawab “ya”), maka variabel itu tidak memberi informasi yang berguna bagi model.
4. Jumlah data terlalu sedikit dibanding jumlah variabel
Jika observasi (n) hanya sedikit sedangkan jumlah variabel (k) banyak, maka EViews kesulitan menghitung invers matriks X’X.
5. Spesifikasi model yang salah
Contoh: Anda memasukkan variabel yang saling bergantung secara matematis seperti `Y` dan `log(Y)` dalam model yang sama.
Cara Mengatasi Masalah Near Singular Matrix
1. Periksa korelasi antar variabel
- Gunakan correlation matrix atau VIF (Variance Inflation Factor)
- Hapus salah satu variabel yang punya korelasi sangat tinggi.
2. Cek kembali variabel dummy
- Pastikan jumlah dummy = jumlah kategori – 1.
- Misalnya, untuk 3 kategori wilayah (Jawa, Sumatra, Kalimantan), buat hanya 2 dummy.
3. Periksa variasi data
Lihat apakah ada variabel dengan nilai yang konstan. Jika iya, hapus variabel itu atau ubah coding datanya.
4. Sederhanakan model
Kurangi jumlah variabel independen jika jumlah sampel kecil.
5. Gunakan pendekatan alternatif
Jika memang multikolinearitas tak terhindarkan, pertimbangkan **Principal Component Analysis (PCA)** untuk menggabungkan variabel-variabel yang serupa menjadi satu faktor utama.
Kesimpulan
Pesan “Near Singular Matrix” bukanlah kesalahan teknis, melainkan peringatan ilmiah bahwa model Anda mengalami redundansi informasi antar variabel. Solusinya bukan sekadar “klik ulang”, melainkan memahami struktur data dan hubungan antarvariabel secara konseptual. Dengan memeriksa multikolinearitas, dummy variables, dan variasi data, Anda tidak hanya mengatasi error EViews, tetapi juga meningkatkan validitas dan keandalan hasil analisis regresi
