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