VIF SPSS
Uji Multikolinearitas dengan Melihat Nilai Tolerance dan VIF SPSS | Uji
multikolinearitas merupakan bagian dari uji asumsi klasik (normalitas dan
heteroskedastisitas) dalam analisis regresi linear berganda. Tujuan digunakannya uji
multikolinearitas dalam penelitian adalah untuk menguji apakah model regresi ditemukan
adanya korelasi (hubungan kuat) antar variabel bebas atau variabel independent. Model
regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas atau tidak terjadi
gejala multikolinearitas.
Untuk mendeteksi ada tidaknya gejala multikolinearitas dalam model regresi, maka dapat
dilakukan dengan beberapa cara, yaitu: (1) Melihat nilai korelasi antar variabel independent.
(2) Melihat nilai condition index dan eigenvalue. (3) Melihat nilai tolerance dan variance
inflating factor (VIF). Dalam kesempatan kali ini kita akan memprektekkan cara melakukan
uji multikolinearitas dengan melihat nilai tolerance dan VIF menggunakan program SPSS.
Seperti yang kita ketahui, bahwa setiap uji statistik yang dilakukan pasti ada 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 multikolinieritas
dalam model regresi.
2. Jika nilai Tolerance lebih kecil dari 0,10 maka artinya terjadi multikolinieritas dalam
model regresi.
1. Jika nilai VIF < 10,00 maka artinya tidak terjadi multikolinieritas dalam model
regresi.
2. Jika nilai VIF > 10,00 maka artinya terjadi multikolinieritas 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 di bawah ini.
[Download Data excel, Input-Output SPSS]
1. Persiapkan data tabulasi untuk masing-masing variabel penelitian yang akan di uji. Buka
program SPSS, lalu klik Variable View. Selanjutnya, pada bagian Name tuliskan Motivasi,
Minat dan Prestasi, pada bagian Decimals ubah semua menjadi angka 0, pada
bagian Label tuliskan Motivasi (X1), Minat (X2) dan Prestasi (Y), pada bagian Measure ubah
menjadi Scale. Abaikan pilihan lainnnya, maka tampak dilayar.
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.
6. Terakhir klik Ok, maka muncul output SPSS dengan judul "Regression". Untuk
melihat ada tidaknya gejala multikolinearitas dalam model regresi, maka kita cukup
memperhatikan tabel output "Coefficients". Adapun pembahsannya dapat dilihat
pada interpretasi berikut.
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.
4. Melakukan outlier terhadap data ekstrim atau jika diperlukan maka boleh
menambah sampel baru supaya sebaran data menjadi lebih bervariasi.