Tugas Kelompok

ANALISIS STATISTIK PENELITIAN

(Uji Multikolinearitas)

Disusun oleh :
Kelompok 4
Aris Supiyanto (1820412005)
Nurul Noverina (1820412014)
Hidayatulloh (1820412002)

Kelas : B

PROGRAM PASCA SARJANA

MAGISTER MANAJEMEN
UNIVERSITAS MUHAMMADIYAH JEMBER
2019
Definisi Multikolinearitas
Multikolinearitas adalah sebuah situasi yang menunjukkan adanya korelasi atau
hubungan kuat antara dua variabel bebas atau lebih dalam sebuah model regresi
berganda. Model regresi yang dimaksud dalam hal ini antara lain: regresi linear, regresi
logistik, regresi data panel dan cox regression.

Definisi Uji Multikolinearitas

Istilah multikolinearitas mulanya ditemukan oleh Ragnar Fricsh, yang menandakan
adanya hubungan linier yang sempurna atau pasti diantara beberapa atau semua
variabel yang menjelaskan dari model regresi.Uji multikolinieritas berarti terjadi korelasi
yang kuat (hampir sempurna) antar variabel bebas. Tepatnya multikolinieritas
berkenaaan dengan terdapatnya lebih dari satu hubungan linier pasti, dan istilah
kolinieritas berkenaan dengan terdapatnya satu hubungan linier.

Menurut Ghozali (2012:105) uji multikolinearitas bertujuan untuk menguji apakah suatu
model regresi terdapat korelasi antar variabel bebas (independen). Model regresi yang
baik seharusnya tidak terjadi korelasi antar variabel independen. Pengujian
multikolinearitas dilihat dari besaran VIF (Variance Inflation Factor) dan tolerance.
Tolerance mengukur variabel independen yang terpilih yang tidak dijelaskan oleh
variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF
tinggi (karena VIF = 1/tolerance). Nilai cutoff yang umum dipakai untuk menunjukkan
adanya multikolinearitas adalah nilai tolerance ≥ 0,01 atau sama dengan nilai VIF ≤ 10.

Menurut Singgih Santoso (2010:234), model regresi yang baik seharusnya tidak terjadi
kolerasi diantara variabel independen. Jika terbukti ada multikolinieritas, sebaiknya
salah satu independen yang ada dikeluarkan dari model, lalu pembuatan model regresi
diuang kembali. Untuk mendeteksi ada tidaknya multikolinieritas dapat dilihat dari
besaran Variance Inflation Factor (VIF) dan Tolerance. Pedoman suatu model regresi
yang bebas multikolinieritas adalah mempunyai angka tolerance mendekati 1. Batas
VIF adalah 10, jika nilai VIF dibawah 10, maka tidak terjadi gejala multikolinieritas
(Gujarati, 2012:432). Menurut Singgih Santoso (2012:236) rumus yang digunakan
adalah sebagai berikut:
 𝟏 𝟏
𝐕𝐈𝐅 = 𝐓𝐨𝐥𝐞𝐫𝐚𝐧𝐜𝐞 atau 𝑇𝑜𝑙𝑒𝑟𝑎𝑛𝑐𝑒 = 𝐕𝐈𝐅

Cara mendeteksi Multikolinearitas

Cara mendeteksi adanya Multikolinearitas di dalam model regresi adalah dengan cara:

1. Melihat kekuatan korelasi antar variabel bebas. Jika ada korelasi antar variabel
bebas > 0,8 dapat diindikasikan adanya multikolinearitas.
2. Melihat nilai Condition Index dan eigenvalue. Jika nilai condition index > 30 dan
nilai eigenvalue < 0,001 dapat diindikasikan adanya multikolinearitas.
3. Melihat nilai Tolerance dan Variance Inflating Factor (VIF).

Dari ketiga cara tersebut di atas, kami memilih mempratekkan cara uji multikolinearitas
dengan melhat nilai Tolerance dan VIF menggunakan program SPSS. Dalam setiap uji
statistic yang dilakukan dasar pengambilan keputusannya.

Adapun dasar pengambilan keputusan pada uji multikolinearitas dengan Tolerance dan
VIF adalah sebagai berikut:
Pedoman keputusan berdasarkan nilai Tolerance
1) Jika nilai Tolerance lebih besar dari 0,10 maka artinya tidak terjadi
multikolinearitas dalam model regresi.
2) Jika nilai Tolerance lebih kecil dari 0,10 maka artinya terjadi multikolinearitas
dalam model regresi.
Pedoman keputusan berdasarkan nilai VIF
1) Jika nilai VIF < 10,00 maka artiny tidak terjadi multikolinearitas dalam model
regresi
2) Jika nilai VIF> 10,00 maka artinya tejadi multikolinearitas dalam model
regresi.

Kedua dasar pengambilan keputusan dalam uji multikolinearitas di atas akan

menghasilkan kesimpulan yang sama (tidak akan bertentangan).
Contoh Kasus Uji Multikolinearitas dalam Model Regresi
Sebagai contoh, kita akan mendeteksi apakah ada gejala multikolinearitas untuk model
regresi pengaruh Motivasi (X1) dan Minat (X2) terhadap Prestasi Belajar (Y). adapun
data penelitian yang akan kita uji dapat dilihat pada gambar tabel dibawah ini.

Keterangan : data variabel motivasi dan minat diperoleh dari penyebaran kuesioner,
sementara data variabel prestasi belajar diperoleh dari nilai ulangan. Adapun jumlah
sampel yang digunakan dalam penelitian ini adalah 12 orang siswa.

Langkah-Langkah Uji Multikolinearitas Tolerance dan VIF dengan SPSS

1. Persiapkan data tabulasi untuk masing-masing variabel penelitian yang akan

diuji. Buka program SPSS, lalu klik Variable View. Selanjutnya, pada bagian
Name tuliskan Motivasi, Minat dan Prestasi, pada bagian Decimals ubah semua
menjai angka 0, pada bagian Label tuliskan Motivasi (X1), Minat (X2) dan
Prestasi (Y), pada bagian Measure ubah menjadi Scale. Abaikan pilihan lainnya,
maka tampak dilayar sebagi berikut.
2. Setelah itu, klik Data View, lalu masukkan data Motivasi, Minat dan Prestasi
yang sudah dipersiapkan tadi, bisa dengan cara copy-paste atau ditulis satu
persatu.

3. Selanjutnya, dari menu SPSS pilih menu Analyze, kemudian submenu

Regression, lalu pilih Linear.
4. Muncul kotak baru dengan nama “Linear Regression”, selanjutnya masukkan
variabel Motivasi (X1) dan Minat (X2) pada kotak Independent(s): lalu masukkan
variabel Prestasi (Y) pada kotak Dependent: kemudian pada bagian “Method”
pilih Enter, lalu klik Statistics.
 5. Dilayar akan muncul tampilan dialog “Linear Regression: Statistics”. Aktifkan
pilihan dengan cara mecentang (v) pada Covariance matrix dan Collinierity
Diagnostics. Abaikan pilihan lain atau biarkan tetap default kemudian klik
Contunue.

6. Terakhir klik Ok, maka muncul poutput SPSS dengan judul “Regression”. Untuk
melihat ada tidakya gejala multikolinearitas dalam model regresi, maka kita
cukup memperhatikan tabel outpit “Coefficients”.
Adapun pembahasannya dapat dilihat pada interpretasi berikut.

Interpretasi Output Uji Multikolinearitas Tolerance dan VIF

Berdasarkan tabel output “Coefficients” pada bagian “Collinearity Statidtics” diketahui
nilai Tolerance untuk variabel Motivasi (X1) dan Minat (X2) adalah 0,394 lebih besar
dari 0,10. Sementara, nilai VIF untuk variabel Motivasi (X1) dan Minat (X2) adalah
2,537 < 10,00. Maka mengacu pada dasar pengambilan keputusan dalam uji
multikolinearitas dapat disimpulkan bahwa tidak terjadi gejala multikolinearitas dalam
model regresi.

Catatan : jika jumlah variabel independent (X) yang digunakan dalam analisis regresi
hanya ada 2 buah, maka otomatis hasil Tolerance dan VIF untuk kedua variabel
tersebut akan bernilai sama.

Tips tambahan: solusi alternative untuk mengatasi gejala multikolinearitas dalam model
regresi antara lain:
1. Melakukan alternative uji lain untuk mendeteksi gejal multikoliearitas. (seperti: uji
korelasi, uji condition index dan eigenvalue).
2. Melakukan transformasi data (misal: Ln, Log, ag, dll).
3. Mengeluarkan variabel yang berkorelasi tinggi.
4. Melakukan outlier terhadap data ekstrim atau jika diperlukan maka boleh
menabah sampel baru supaya sebaran data menjadi lebih bervariasi.