• Pitri Pebriyanti
• Dinda Puspita
• Rintan Sihabulmilah
• Chalysta Sabira Arnaz
• M. R i z k y A k b a r
• Taufik Reifaldi
• Thomas
Uji Multikolinearitas
Uji Multikolinearitas adalah teknik untuk memeriksa ketergantungan linear antara
dua atau lebih variabel independen pada hasil variabel dependen dalam model
regresi linear. Ketergantungan ini sering disebut juga multicollinearity.
Penyebab Multikolinearitas
2 Tolerance
Nilai toleransi > 0,1 menandakan adanya multikolinearitas.
Nilai toleransi > 0,1 mengindikasikan tidak adanya
multikolinearitas.
3 Condition Index
Condition index di atas 30 mengindikasikan adanya multikolinearitas.
Tahap Pengerjaan Uji Multikolinearitas
menggunakan SPSS
1. Download dan Buka SPSS
1 Reduksi Variabel
Mengurangi variabel yang diduga bertanggung jawab atas
terjadinya multikolinearitas. Variabel tersebut dihapus dan
Menggabungkan Variabel 2 model dijalankan kembali.
Menggabungkan variabel yang memiliki tingkat keterhubungan tinggi
menjadi sebuah variabel baru. Variabel baru ini kemudian diuji, dan
jika terbukti efektif, akan menggantikan variabel yang lama.
3 Transformasi Variabel
Mengubah variabel yang berbeda skala atau dengan pola
yang berbeda menjadi satu skala atau pola yang sama.
Contohnya, kita bisa mengubah rentang nilai dari 0 hingga 1.
Absorpsi Variabel 4
Masukan variabel yang sangat berkorelasi ke dalam sebuah faktor
atau indeks, kemudian menggunakan faktor atau indeks tersebut
sebagai variabel input yang baru pada regresi linear.
Contoh Seorang peniliti akan meneliti hubungan
multikolinearitas antara harga dan
kualitas produk terhadap keputusan
pembeli
Hasil Tidak terdapat multikolinearitas karena nilai
toleransi yang lebih dari 0.10 dan nilai VIF nya lebih
kecil dari 10.00
Kesimpulan
Uji multikolinearitas merupakan teknik penting dalam pemodelan regresi linear. Uji
multikolinearitas dilakukan untuk memeriksa ketergantungan linear antara dua atau
lebih variabel independen pada hasil variabel dependen dalam model regresi linear.
Uji Multikolinearitas sangat penting dalam pemodelan regresi linear. Mengabaikannya
dapat menghasilkan model yang kurang akurat dan dapat menyesatkan.
Ada kriteria dan metode untuk mengukur dan mengatasi multikolinearitas. Masing-
masing memiliki kelebihan dan kekurangan, dan bisa diaplikasikan sesuai kebutuhan.
Sebelum memilih model yang paling tepat, sebaiknya uji dulu modelnya dengan
kriteria uji yang tepat atau menggunakan teknik untuk mengatasi multikolinearitas.
Itu akan menghasilkan hasil yang lebih konsisten dan lebih baik.
Terimakasih