Nah loh Multikoliniaritas..
Gimana nih cara ngertiinnya? Ngertiin pasangan aja susah bet kek ngitung janji capres kwkwkwk..
Mari kita gunakan analogi sehari-hari untuk menjelaskan multicollinearity.
Bayangin ae mas / mbak adalah seorang manajer restoran yang ingin memahami faktor-faktor apa yang mempengaruhi penjualan harian restoran sampean. Sampean mempertimbangkan beberapa faktor seperti cuaca, promosi, dan harga menu.
Cuaca: Ini adalah faktor yang pasti mempengaruhi penjualan. Ketika cuaca cerah, orang mungkin lebih cenderung makan di luar, meningkatkan penjualan. Tetapi ketika hujan, mungkin lebih sedikit orang yang datang.
Promosi: Anda sering memberikan diskon atau mengadakan promosi untuk menarik pelanggan. Ketika ada promosi, biasanya ada peningkatan penjualan karena pelanggan tertarik dengan harga yang lebih rendah.
Harga Menu: Harga makanan dan minuman di menu juga berperan. Harga yang lebih rendah mungkin menarik pelanggan, tetapi juga mungkin mengurangi pendapatan jika sampean harus menurunkan harga terlalu banyak.
Sekarang, mari kita lihat bagaimana ketiga faktor ini berkorelasi di dalam bisnis sampean:
Jika cuaca buruk, sampean mungkin lebih cenderung meluncurkan promosi untuk meningkatkan penjualan.
Ketika ada promosi, Sampean mungkin juga menyesuaikan harga menu untuk membuat diskon lebih menarik.
Selain itu, cuaca yang baik mungkin memengaruhi keputusan sampean tentang harga. Mungkin sampean merasa bahwa ketika cuaca baik, sampean mau naikin harga karena orang lebih bersedia membayar. 
Jika ketiga faktor ini sangat berkorelasi satu sama lain, misalnya, cuaca yang buruk selalu diikuti dengan promosi besar, dan promosi besar selalu diikuti dengan penurunan harga, maka sampean mungkin menghadapi multicollinearity. Dalam hal ini, sulit untuk memahami secara terpisah bagaimana masing-masing faktor mempengaruhi penjualan, karena mereka saling memengaruhi secara berkelanjutan.
Dalam analisis regresi, multicollinearity serupa dengan situasi ini, di mana variabel-variabel independen saling berkorelasi kuat. Ini membuat sulit untuk memahami kontribusi individu dari setiap variabel terhadap variabel dependen, seperti penjualan di restoran Anda. Oleh karena itu, mengidentifikasi multicollinearity dan mengatasi masalah ini penting agar Anda dapat membuat keputusan yang lebih baik dan lebih akurat dalam bisnis Anda.
Semoga bermanfaat.