UJI MULTIKOLINEARITAS

Uji multikolinearitas digunakan untuk mengetahui ada atau tidaknya penyimpangan

asumsi klasik multikolinearitas yaitu adanya hubungan linear antar variabel independen
dalam model regresi. Prasyarat yang harus terpenuhi dalam model regresi adalah tidak
adanya multikolinearitas.
Ada beberapa metode pengujian yang bisa digunakan diantaranya yaitu
1) dengan melihat nilai variance inflation factor (VIF) pada model regresi,
2) dengan membandingkan nilai koefisien determinasi individual (r2) dengan nilai
determinasi secara serentak(R2), dan
3) dengan melihat nilai eigenvalue dan condition index.

Pada pembahasan ini akan dilakukan uji multikolinearitas dengan melihat nilaiinflation
factor (VIF) pada model regresi dan membandingkan nilai koefisien determinasi individual
(r2) dengan nilai determinasi secara serentak (R2).
Menurut Santoso (2001), pada umumnya jika VIF lebih besar dari 10, maka variabel
tersebut mempunyai persoalan multikolinearitas dengan variabel bebas lainnya.

a) Melihat nilai inflation factor (VIF) pada model regresi

Contoh Kasus:
Sebagai contoh kasus kita mengambil contoh kasus pada uji normalitas pada
pembahasan sebelumnya. Pada contoh kasus tersebut setelah dilakukan uji normalitas dan
dinyatakan data berdistribusi normal, maka selanjutnya akan dilakukan pengujian
multikolinearitas. Contoh kasus sebagai berikut:
Seorang mahasiswa bernama Bambang melakukan penelitian tentang faktor-faktor
yang mempengaruhi harga saham pada perusahaan di BEJ. Data-data yang didapat berupa
data rasio dan ditabulasikan sebagai berikut:

Tabel. Tabulasi Data (Data Fiktif)

Tahun Harga Saham (Rp) PER (%) ROI (%)
1990 8300 4.90 6.47
1991 7500 3.28 3.14
1992 8950 5.05 5.00
1993 8250 4.00 4.75
1994 9000 5.97 6.23
1995 8750 4.24 6.03
1996 10000 8.00 8.75
1997 8200 7.45 7.72
1998 8300 7.47 8.00
1999 10900 12.68 10.40
2000 12800 14.45 12.42
2001 9450 10.50 8.62
 2002 13000 17.24 12.07
2003 8000 15.56 5.83
2004 6500 10.85 5.20
2005 9000 16.56 8.53
2006 7600 13.24 7.37
2007 10200 16.98 9.38

Bambang dalam penelitiannya ingin mengetahui bagaimana hubungan antara rasio

keuangan PER dan ROI terhadap harga saham. Dengan ini Bambang menganalisis dengan
bantuan program SPSS dengan alat analisis regresi linear berganda.

Langkah-langkah pada program SPSS

 Kita menggunakan input data yang sama pada uji normalitas.
 Klik Analyze - Regression - Linear
 Klik variabel Harga Saham dan masukkan ke kotak Dependent, kemudian klik variabel
PER dan ROI dan masukkan ke kotak Independent
 Klik Statistics, kemudian klik Collinearity diagnostics. Klik Continue
 Klik OK, pada output anda lihat tabel coefficients pada kolom collinearity statistics, hasil
yang di dapat sebagai berikut:

Tabel. Hasil Uji Multikolinearitas

Dari hasil di atas dapat diketahui nilai variance inflation factor (VIF) kedua variabel
yaitu PER dan ROI adalah 1,899 lebih kecil dari 5, sehingga bisa diduga bahwa antar variabel
independen tidak terjadi persoalan multikolinearitas.

b) Dengan membandingkan nilai koefisien determinasi individual (r 2) dengan nilai

determinasi secara serentak (R2)

Dalam metode ini, cara yang ditempuh adalah dengan meregresikan setiap variabel
independen dengan variabel independen lainnya, dengan tujuan untuk mengetahui nilai
koefisien r2 untuk setiap variabel yang diregresikan. Selanjutnya nilai r2 tersebut
dibandingkan dengan nilai koefisien determinasi R2. Kriteria pengujian yaitu jika r2 > R2maka
terjadi multikolinearitas dan jika r2 < R2 maka tidak terjadi multikolinearitas.
 Contoh kasus:
Akan dilakukan analisis regresi untuk mengetahui pengaruh biaya produksi, distribusi,
dan promosi terhadap tingkat penjualan. sebelumnya dilakukan uji asumsi klasik
multikolinearitas, data sebagai berikut:

Tingkat Biaya
Tahun penjualan produksi Biaya distribusi Biaya promosi
1996 127300000 37800000 11700000 8700000
1997 122500000 38100000 10900000 8300000
1998 146800000 42900000 11200000 9000000
1999 159200000 45200000 14800000 9600000
2000 171800000 48400000 12300000 9800000
2001 176600000 49200000 16800000 9200000
2002 193500000 48700000 19400000 12000000
2003 189300000 48300000 20500000 12700000
2004 224500000 50300000 19400000 14000000
2005 239100000 55800000 20200000 17300000
2006 257300000 56800000 18600000 18800000
2007 269200000 55900000 21800000 21500000
2008 308200000 59300000 24900000 21700000
2009 358800000 62900000 24300000 25900000
2010 362500000 60500000 22600000 27400000

Langkah-langkah analisis pada SPSS sebagai berikut:

- Inputkan data di SPSS

- Untuk analisis data, klik menu Analyze >> Regression >> Linear
Langkah pertama meregresikan antar variabel independen, langkahnya masukkan
variabel Biaya produksi ke kotak Dependent, kemudian masukkan variabel Biaya distribusi
ke kotak Independent(s).
- Klik tombol OK. Hasil pada output Model Summary sebagai berikut: (regresi variabel
Biaya produksi dengan Biaya distribusi)

- Langkah selanjutnya meregresikan variabel Biaya produksi dengan Biaya promosi,

kemudian Biaya distribusi dengan Biaya promosi dengan langkah-langkah sama seperti
langkah di atas. Hasil output seperti berikut:
- Langkah selanjutnya mencari nilai koefisien determinasi (R2) yaitu dengan meregresikan
Biaya produksi, Biaya distribusi, dan Biaya promosi terhadap Tingkat penjualan. Langkahnya
yaitu klik Analyze >> Regression >> Linear.Masukkan variabel Tingkat penjualan ke kotak
Dependent, kemudian masukkan variabel Biaya produksi, Biaya distribusi, dan Biaya
Promosi ke kotak Independent(s).
- Klik tombol OK, maka hasil pada output Model Summary sebagai berikut:

Berikut ini ringkasan tabel hasil uji multikolinearitas:

Variabel Dependen Variabel Independen Nilai r square (r2)
Biaya produksi Biaya distribusi 0,797
Biaya produksi Biaya promosi 0,843
Biaya distribusi Biaya promosi 0,728
2
Nilai R 0,983

Dari tabel di atas dapat diketahui bahwa nilai koefisien r2 yang diperoleh
seluruhnya bernilai lebih kecil dari pada nilai koefisien determinasi (R2). Dengan demikian
dapat disimpulkan bahwa tidak terjadi masalah multikolinearitas pada model regresi.