Tutorial Uji Multikolinearitas Dan Cara Baca Multikolinearitas

Uji Multikolinearitas

Pengertian Uji Multikolinearitas

Uji multikolinearitas adalah uji yang dilakukan untuk memastikan apakah di dalam sebuah model regresi ada interkorelasi atau kolinearitas antar variabel bebas. Interkorelasi adalah hubungan yang linear atau hubungan yang kuat antara satu variabel bebas atau variabel prediktor dengan variabel prediktor lainnya di dalam sebuah model regresi. Interkorelasi itu dapat dilihat dengan nilai koefisien korelasi antara variabel bebas, nilai VIF dan Tolerance, nilai Eigenvalue dan Condition Index, serta nilai standar error koefisien beta atau koefisien regresi parsial.

Asumsi Multikolinearitas

Kita harus mengingat secara baikbaik, bahwa multikolinearitas adalah syarat atau asumsi terhadap jenis analisis yang harus dipenuhi. Pada analisis statistik apa sajakah multikolinearitas dapat terjadi?

Seperti yang sudah kita pahami sebelumnya bahwa multikolinearitas dapat terjadi pada beberapa model regresi, antara lain regresi linear, baik regresi linear sederhana, regresi linear berganda, regresi data panel ataupun regresi yang lainnya seperti regresi logistik dan cox regression. Oleh karena itu, bagi pembaca kami rekomendasikan untuk mempelajari artikel-artikel kami tentang hal-hal yang disebutkan diatas, terutama artikel yang berjudul Multikolinearitas.

Uji Multikolinearitas dengan SPSS

Cara uji multikolinearitas dengan SPSS sangatlah mudah dan praktis serta dapat dilakukan dengan cepat jika menggunakan aplikasi SPSS, karena jadi satu proses dengan langkah pengujian regresi itu sendiri. Langkah Uji multikolinearitas di dalam SPSS tersebut akan kami jelaskan dalam bahasan ini sebagai tindak lanjut dari artikel sebelumnya yang menjelaskan secara rinci tentang pengertian multikolinearitas hingga dampak yang diakibatkannya pada model regresi yang para peneliti lakukan.

Tutorial uji multikolinearitas dengan SPSS

Berikut adalah tutorial uji multikolinearitas dengan SPSS:

Buat dataset yang di di dalamnya terdapat 3 variabel, dengan perincian: 1 variabel dependent atau variabel response dan beberapa variabel Independen (Artinya lebih dari satu variabel predictor). Dalam tutorial SPSS ini, kita akan membuat contoh uji multikolinearitas dengan menggunakan 2 variabel independen. Lihat contohnya di bawah ini, yaitu dengan menggunakan 50 sampel.

Dataset Uji Multikolinearitas SPSS

Selanjutnya isi dataset tersebut dengan data-data berskala data interval ataupun rasio.

Lakukan langkah sebagai berikut: pada menu, klik analyze -> regression -> linear -> selanjutnya masukkan variabel prediktor ke kolom Independent (s), variabel response ke kolom Dependent. Metode yang dipilih terserah anda, apakah metode enter atau metode stepwise, itu tergantung pada model regresi yang akan anda lakukan terkait dengan pertanyaan-pertanyaan penelitian di dalam metode penelitian anda.

Proses Uji Multikolinearitas SPSS

Klik tombol statistics dan pastikan bahwa anda mencentang Collinearity Diagnostics dan Descriptives, kemudian tekan tombol Continue. Caranya seperti di bawah ini:

Langkah Uji Multikolinearitas SPSS

Untuk checklist yang lainnya, terserah anda apakah akan digunakan atau tidak. Tentunya jika anda menginginkan hasil yang maksimal dalam rangka untuk membuat sebuah model regresi yang BLUE (Best Linear Unbiased estimation), maka anda harus mencentang semuanya. Oleh karena itu, anda harus mempelajari juga tentang asumsi klasik regresi linear, antara lain: autokorelasi, heteroskedastisitas, outlier, linearitas regresi dan normalitas residual pada regresi linear.

Jika anda sudah menyelesaikan prosedur lainnya dalam pengujian di dalam regresi linear, maka tekan tombol OK pada jendela utama SPSS. Dan selanjutnya lihatlah outputnya.

Cara Baca Uji multikolinearitas SPSS

Berikut kami jelaskan cara baca uji multikolinearitas dengan SPSS atau yang lebih tepatnya kita beri istilah interprestasi. Silahkan buka output anda!

Interkorelasi

Tabel Coefficient Regresi

Pada tabel korelasi menunjukkan hasil analisis interkorelasi antara variabel bebas yang ditandai dengan nilai koefisien korelasi pearson. Dalam hal ini di dalam Output SPSS dapat anda lihat pada persilangan antar variabel bebas. Misalnya dalam tutorial ini, hasil korelasi antara variabel bebas X1 dengan X2 adalah sebesar r = 0,368. Karena nilai 0,368 tersebut kurang dari 0,8 maka gejala multikolinearitas tidak terdeteksi. Selanjutnya akan kita pastikan dengan melihat cara deteksi multikolinearitas lainnya, yaitu berdasarkan nilai standar error dan koefisien beta regresi parsial. Lihat di bawah ini:

Standar Error Uji Multikolinearitas

Dalam tabel coefficient dapat anda perhatikan bahwa nilai standar error kurang dari satu, yaitu X1 = 0,121 dan X2 = 0,118 dimana keduanya kurang dari satu. Serta nilai koefisien beta juga kurang dari satu dimana X1 = 0,624 dan X2 = 0,407. Maka dapat dikatakan bahwa nilai standar error rendah dan multikolinearitas tidak terdeteksi. Selanjutnya pastikan lagi dengan nilai rentang upper dan lowerbound confidence interval, apakah lebar atau sempit. Berikut hasilnya:

VIF dan Tolerance Uji Multikolinearitas

Perhatikan pada tabel coefficient di atas, bahwa nilai rentangnya sempit, yaitu pada X1 = 0,865 sampai dengan 1,156. Sedangkan pada X2 juga kebetulan hasilnya sama yaitu X2 = 0,865 sampai dengan 1,156. Karena rentangnya sempit maka multikolinearitas tidak terdeteksi.

Deteksi Multikolinearitas dengan Nilai VIF dan Tolerance Dalam Regresi

Pada tabel yang sama di atas sebagai hasil uji regresi linear, perhatikan nilai VIF dan Tolerance. Kedua ini adalah indikasi kuat yang sering dipakai oleh para peneliti untuk menyimpulkan fenomena terjadinya interkorelasi variabel bebas. Jika nilai VIF kurang dari 10 dan atau nilai Tolerance lebih dari 0,01 maka dapat disimpulkan dengan tegas bahwa tidak terdapat masalah multikolinearitas. Dan sebaliknya maka dapat disimpulkan dengan tegas pula bahwa multikolinearitas telah terjadi dalam model. Selanjutnya yang terakhir di dalam output proses yang sudah kita lakukan, kita perhatikan nilai dari collinearity diagnostics seperti di bawah ini:

Collinearity Diagnostics SPSS

Deteksi Multikolinearitas dengan Eigenvalue dan Condition Index

Pada tabel collinearity diagnostics di atas sebagai hasil uji regresi linear, kita perhatikan juga nilai eigenvalue dan condition index. Jika Eigenvalue lebih dari 0,01 dan atau Condition Index kurang dari 30, maka dapat disimpulkan bahwa gejala multikolinearitas tidak terjadi di dalam model regresi. Dalam tutorial SPSS ini, nilai eigenvalue 0,02 > 0,01 walaupun collinearity diagnostics 40,458 dimana lebih dari 30.

Kesimpulan Uji Multikolinearitas

Kesimpulan dari tutorial multikolinearitas SPSS ini adalah tidak terdapat masalah multikolinearitas, sehingga hasil pengujian dikatakan reliabel atau terpercaya. Maka nilai koefisien regresi parsial dikatakan handal dan robust atau kebal terhadap perubahan-perubahan yang terjadi pada variabel lainnya di dalam model regresi berganda. Untuk memahami secara kompleks, silahkan baca artikel menarik kami lainnya hanya di www.statistikian.com.

By Anwar Hidayat

This article was last modified on September 14, 2017, 8:43 pm

Share
Anwar Hidayat

Founder dan CEO dari Statistikian Sejak 2012. Melayani jasa bantuan olah dan analisis data menggunakan berbagai aplikasi statistik, seperti: SPSS, STATA, Minitab, Eviews, AMOS dan Excel. Silahkan WhatsApp: 08816050259, atau SMS/LINE/Telegram ke: 081373337354. Biaya 100 ribu sd 300 ribu Sesuai Beban. Proses 1 sd 3 Hari Tergantung Antrian.

View Comments

Recent Posts

Hipotesis Penelitian dan Hipotesis Statistik Dalam Perbedaan

Perbedaan Hipotesis Penelitian dan Hipotesis Statistik Apa yang dimaksud dengan hipotesis penelitian? Apa yang dimaksud dengan hipotesis statistik? Apa perbedaan…

23 Mei 2018 01:14

Pengertian Simple Random Sampling, Jenis dan Contoh

Pengertian Simple Random Sampling, Jenis dan Contoh Pengertian Simple Random Sampling Dalam kesempatan ini akan kami coba sharing tentang pengertian…

16 Februari 2018 01:22

Penjelasan dan Tutorial Regresi Linear Berganda

Penjelasan dan Tutorial Regresi Linear Berganda Dalam kesempatan ini, saya akan coba menjelaskan tentang Regresi Linear Berganda serta tutorial regresi…

1 Januari 2018 17:58

Cara Hitung Rumus Slovin Besar Sampel

Cara Perhitungan Rumus Slovin Besar Sampel Minimal Pengertian Rumus Slovin Rumus Slovin adalah sebuah rumus atau formula untuk menghitung jumlah…

16 Desember 2017 23:06

F Tabel Lengkap Beserta Cara Mencari dan Membacanya

F Tabel Lengkap Selamat pagi, siang atau malam wahai semua pengunjung dan pecinta statistikian.com. Dalam kesempatan ini saya akan menjelaskan…

4 Desember 2017 02:11

Tutorial Uji Regresi Ordinal dengan SPSS

Tutorial Analisis Regresi Ordinal dengan SPSS Berikut dalam artikel kali ini akan kita bahas bagaimana cara melakukan uji regresi ordinal…

31 Agustus 2017 21:51

Metode Penelitian