Rabu, 23 Januari 2013

UJI MULTIKOLINIERITAS

UJI MULTIKOLINIERITAS

Salah satu persyaratan dalam analisis regresi ganda selain normalitas adalah Multikolinieritas. Multikolinieritas adalah tidak adanya hubungan yang linier antara variabel  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 dependen 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.
Penyelesaian Masalah Multikolinieritas
Beberapa alternative untuk menyelesaikan masalah multikoloinier antara lain :
  1. Menggabungkan data crosssection dan time series
  2. Mengeluarkan satu atau lebih variabel independen yang mempunyai korelasi tinggi dari model regresi dan indentifikasikan variabel independen lainnya untuk membantu prediksi
  3. Melakukan transformasi variabel. Transformasi dapat dilakukan dalam bentuk Logaritma Natural (LN)
  4. Menggunakan model dengan variabel independen yang mempunyai korelasi tinggi hanya semata-mata untuk prediksi, dan tidak menginterpretasikan koefisien regresinya
  5. Menggunakan metode analisis yang lebih baik seperti Bayesian Regression atau dalam kasus tertentu dengan Ridge Regression

Contoh Uji Multikolinieritas

Seperti dibahas sebelumnya mengenai uji multikolinitas, maka pada bagian ini kita akan mempraktikkan cara menguji multikolinieritas
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.
Data ditampilkan sebagai berikut :
NO Kep Gaya Mot KINERJA
1 55 76 83 65
2 60 82 92 70
3 61 80 77 70
4 53 70 74 60
5 62 88 97 70
6 62 72 77 71
7 54 78 86 64
8 59 72 90 68
9 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

step 2 uji multiko
Klik Continue, lalu OK
HASIL UJI
Hasil uji dapat didownload DATA MULTIKOLINIERITAS
Review Hasil

review uji multiko
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 multiko, 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 gy kepemimpinan terhadap kinerja
Meregresikan Prediktor secara Bergantian
Alternatif uji untuk kasus di atas adalah dengan meregresikan predictor secara bergantian. Kriteria model tidak terkena multiko adalah ketika nilai R Square untuk masing-masing predictor tidak melebihi model utama.
Model Utama : Kinerja = Kepuasan + gaya kep + Motivasi
Model perbandingan :
Kepuasan = kinerja + gaya kep + motivasi
Gaya kep = kinerja + kepuasan + Motivasi
Motivasi = kinerja + kepuasan kerja + gaya kep
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

Demikian, semoga bermanfaat

2 komentar:

  1. Olah Data SPSS, AMOS, LISREL
    EVIEWS, SMARTPLS, GRETL, STATA, MINITAB dan DEAP 2.1
    WhatsApp : +6285227746673
    IG : @olahdatasemarang

    BalasHapus
  2. Saya sudah ln tapi kok ttp multi ya? Ada tutor cara lain gak?

    BalasHapus