digunakan ditemukan adanya korelasi antar variabel bebas (independen). Uji Multikolonearitas
data dapat dilihat dari besarnya nilai VIP (Variance Inflation Factor) dan nilai teloransi. Jika nilai
teloransi kurang dari 0.10 atau 10%, artinya tidak ada korelasi antar variabel independen atau
tidak terjadi multikolonearitas antar variabel independen (Ghozali, 2005). Nilai variance
inflation factor (VIF) adalah faktor inflasi penyimpangan baku kuadrat dan Nilai tolerance (a)
adalah besarnya tingkat kesalahan yang dibenarkan secara statisitik.
Multikolinieritas adalah tidak adanya hubungan yang linier antara variable
independen. Jika terdapat hubungan linier antar sesama variabel independen maka dapat
dikatakan model terkena masalah multikolinier. Jika terjadi hubungan antar sesama variabel
independen maka variabel ini tidak orthogonal. variabel orthogonal adalah variabel
independen yang nilai korelasi antar independen sama dengan nol.
Deteksi Multikolinieritas
Beberapa ciri model terkena masalah multikolinier antara lain :
Model mempunyai koefisien determinasi tinggi namun sedikit variabel independen yang
signifikan berpengaruh terhadap dependent melalui uji t.
Misal, koefisien determinasi dari pengaruh X1, X2 dan X3 adalah sebesar 0,82. Namun secara
individual hanya X1 yang berpengaruh terhadap Y. Hal ini merupakan indikasi awal adanya
multikolinier atau hubungan yang kuat antar sesama independen.
Uji multikolinieritas
PENYEBAB :
1) Karena sifat-sifat yang terkandung dalam kebanyakan variabel ekonomi berubah
bersama-sama sepanjang waktu.
2) Besaran-besaran ekonomi dipengaruhi oleh faktor-faktor yang sama.
CARA MENDETEKSI :
1) Dengan melihat koefisien korelasi antar variabel bebas : jika koefisiaen korelasi antar
variabel bebas 0,7 maka terjadi multikolinier.
2) Dengan melihat tabel VIF (varian infloating factor) : jika nilai VIF 10 maka tidak terjadi
multikolinier.
Nilai tolerance (a) dan Nilai variance inflation factor (VIF) dapat dicari dengan
menggabungkan kedua nilai tersebut sebagai berikut :
Besar nilai tolerance (a) :
Variabel bebas mengalami multikolinearitas jika a hitung < a dan VIF hitung > VIF. Variabel
bebas tidak mengalami multikolinearitas jika a hitung > a dan VIF hitung < VIF.
X1
X2
23
34
45
45
32
43
32
35
23
32
45
34
43
42
35
21
31
36
32
15
37
34
23
32
54
43
34
10
23
21
45
11
12
23
36
12
23
34
34
13
21
27
45
14
34
29
45
15
32
35
65
16
43
34
43
17
12
33
23
18
23
24
34
19
34
25
37
20
32
23
29
21
23
45
27
22
43
32
25
23
24
45
26
24
27
32
36
25
38
12
35
26
25
23
37
27
24
45
34
28
34
32
38
29
32
23
34
30
36
34
26
Karena tidak ada nilai tolerance < 0,1 dan nilai VIF < 10 maka tidak terjadi multikolinier.
Contoh 2 :
Berikut ini akan diuji multikolinieritas sebuah model regresi dengan variabel Kepuasan Kerja
(X1), Gaya Kepemimpinan (X2), dan Motivasi (X3). Variabel dependen adalah kinerja (Y)
Data dikumpulkan dari angket dengan jumlah sampel sebanyak 60 orang pegawai.
Kep
Gaya Mot
KINERJA
55
76
83
65
60
82
92
70
61
80
77
70
53
70
74
60
62
88
97
70
62
72
77
71
54
78
86
64
59
72
90
68
64
81
96
72
10
55
74
90
66
11
53
65
85
64
12
65
84
92
72
13
50
63
74
56
14
52
71
87
64
15
56
82
84
66
16
53
72
79
65
17
60
85
92
70
18
56
76
86
67
19
54
65
80
62
20
53
74
72
57
21
52
75
75
55
22
62
80
95
70
23
65
72
96
66
24
58
70
82
63
25
60
85
86
63
26
64
88
96
74
27
60
84
98
72
28
64
89
82
75
29
64
85
92
72
30
58
78
76
67
31
60
77
86
68
32
54
78
86
64
33
39
52
55
41
34
64
89
96
74
35
54
75
79
62
36
57
84
82
66
37
60
74
88
69
38
54
69
80
61
39
53
76
81
64
40
63
87
97
71
41
71
58
102
79
42
51
72
81
58
43
64
87
95
69
44
65
71
96
72
45
54
81
82
64
46
60
83
79
68
47
64
72
86
72
48
60
81
86
70
49
55
82
78
64
50
64
86
93
72
51
49
67
74
55
52
46
66
74
58
53
58
82
78
67
54
51
63
83
58
55
63
93
96
71
56
58
75
80
65
57
50
77
73
56
58
55
68
80
58
59
57
69
81
64
60
61
87
92
68
Penyelesaian
Lakukan analisis regresi dengan langkah2 : Analyze Regression Linier
Masukkan variabel kepuasan kerja, gaya kepemimpinan dan motivasi ke dalam kotak
independent variable, dan kinerja ke kotak dependent variable
Klik Statistik, kemudian beri tanda pada Covariance matrix dan collinierity diagnosics
Hasil Uji :
Variables
Entered
MOT, GY_a
KEP, KEP
Variables
Remov ed
.
Method
Enter
R
.931 a
R Square
.867
Adjusted
R Square
.860
Std. Error of
the Estimate
2.38113
ANOVAb
Model
1
Regression
Residual
Total
Sum of
Squares
2066.226
317.507
2383.733
df
3
56
59
Mean Square
688.742
5.670
F
121.476
Sig.
.000 a
Coe fficientsa
Model
1
(Constant)
KEP
GY_KEP
MOT
Unstandardized
Coefficients
B
Std. Error
2.109
3.488
.803
.096
.083
.045
.130
.060
Standardized
Coefficients
Beta
.716
.109
.178
t
.605
8.392
1.844
2.161
Sig.
.548
.000
.070
.035
Collinearity Statistics
Tolerance
VIF
.327
.680
.352
3.060
1.472
2.845
a
Coe fficient Corre lations
Model
1
Correlations
Covariances
MOT
GY _KEP
KEP
MOT
GY _KEP
KEP
MOT
1.000
-.123
-.726
.004
.000
-.004
GY _KEP
-.123
1.000
-.291
.000
.002
-.001
KEP
-.726
-.291
1.000
-.004
-.001
.009
a
Colline arity Diagnos tics
Model
1
Dimension
1
2
3
4
Eigenvalue
3.986
.006
.006
.002
Condition
Index
1.000
25.463
26.174
45.673
(Cons tant)
.00
.06
.94
.00
Varianc e Proportions
KEP
GY_KEP
.00
.00
.08
.66
.02
.32
.90
.02
MOT
.00
.17
.02
.81
Perhatikan nilai koefisien determinasi sebesar 0.931 yang mendekati 1, namun secara
individual melalui uji t dua variabel : kepuasan kerja dan motivasi yang berpengaruh
signifikan, sementara gaya kepemimpinan memiliki nilai sig 0.70 (sig > 0.05)
Nilai VIF (variance index factor) tidak menunjukkan adanya multikolinieritas (VIF
kurang dari 10), sementara tolerance juga tidak ada kurang dari 0.10. Deteksi multiko melalui
dua uji menunjukkan tidak adanya multikolinier, namun perhatikan output selanjutnya.
Pada bagian Coeffisien correlation, Korelasi antara motivasi dengan kepuasan kerja
tinggi yaitu sebesar -0.726. Korelasi antar independen ini berada dalam kategori kuat
sehingga meski nilai VIF dan Tolerance tidak mengindikasikan adanya masalah multikolinier
namun dapat dipastikan hal ini menyebabkan tidak signifikannya pengaruh gaya
kepemimpinan terhadap kinerja.
Langkah Uji
Lakukan uji regresi dengan menempatkan variabel independen menjadi dependen secara
bergantian. dengan demikian akan dihasilkan output 4 model regresi (1 model utama dan 3
model perbandingan)
Interprestasi
Hasil output dapat didownload MEREGRESIKAN PREDIKTOR SECARA BERGANTIAN
Model Utama, R Square = 0.867
Kepuasan sebagai dependen, R Square = 0.855
Gaya kepemimpinan sebagai dependen, R Square = 0.359
Motivasi sebagai dependen, R Square = 0.676
Dari perbandingan 4 model ini dapat diketahui bahwa model utama memiliki R Square lebih
besar dibanding model perbandingan lainnya. Dengan demikian dapat dinyatakan model tidak
terkena masalah Multikolinier
Daftar Pustaka
Anonim. 2013. Uji multikolinieritas. http://tesis-ku.blogspot.com/2013/01/uji-multikolinierit
as.html, diakses pada tanggal 1 November 2014 pukul 10.16 WIB.
Anonim. 2014. Korelasi. http://id.wikipedia.org/wiki/Korelasi, diakses pada tanggal 04
November 2014 pukul 14.03 WIB.
Hendry. 2011. Uji Multikolinieritas. http://teorionline.wordpress.com/2011/04/05/uji-multikol
inieritas/, diakses pada tanggal 1 November 2014 pukul 10.14 WIB.
Sunyoto, Danang. 2011. Analisis Regresi dan Uji Hipotesis. Yogyakarta:Caps.