Uji Multikolinearitas

Multikolinieritas digunakan untuk menguji suatu model apakah terjadi hubungan yang sempurna atau hampir sempurna antara variabel bebas, sehingga sulit untuk memisahkan pengaruh antara variabel-variabel itu secara individu terhadap variabel terikat. Pengujian ini untuk mengetahui apakah antar variabel bebas dalam persamaan regresi tersebut tidak saling berkorelasi. Untuk mendeteksi Multikolinearitas adalah dengan melihat nilai tolerance dan nilai Variance Inflation Factor (VIF), di mana menurut Hair et al dalam Duwi Priyatno (2009) variabel dikatakan mempunyai masalah multikolinearitas apabila nilai tolerance lebih kecil dari 0,1 atau nilai VIF lebih besar dari 10.

Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independent. Jika variabel independent saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel Ortogonal adalah variabel independent yang nilai korelasi antar sesame variabel independent sama dengan nol.
Untuk mendeteksi ada atau tidaknya multikolinearitas didalam model regresi adalah sebagai berikut.

• Nilai R Square yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel independent banyak yang tidak signifikan mempengaruhi variabel dependent.
• Menganalisis matrik korelasi variabel-variabel independent. Jika antar variabel independent ada korelasi yang cukup tinggi (umumnya diatas 0.90), maka hal ini merupakan indikasi adanya Multikolinearitas. Hehe,,, bahaya kan kalau R square nya melebihi 90%, makanya hati-hati hahah :p
• Seperti sudah dijelaskan sedikit diatas, Multikolinearitas dapat juga dilihat dari Nilai Tolerance dan Variance Inflation Factor (VIF). Nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF = 1/Tolerance.

Baiklah langsung saja, pada postingan tentang Uji asumsi Multikolinearitas ini, saya akan mengecek apakah terjadi gejala Multikolinearitas atau tidak pada variabel independent yang telah kita dapatkan pada model di studikasus tentang Jumlah Penduduk Miskin di Jawa Timur.

Perhatikan langkah-langkah uji asumsi Multikolinearitas dengan spss berikut ini:

1. Pada Data View SPSS, Pilih menu Analyze – Regression – Linear, pada kotak Dependent, isikan variabel dependent (Jumlah Penduduk Miskin) dan pada kotak Independent, isikan variabel X1, X2, (Jumlah Pengangguran, Angka Rata2 Lama Sekolah)
2. Pilih metode Enter.
   
3. Klik Button Statistics, berikan centang seperti pada gambar dibawah ini, dan klik Continue dan OK.
   
   

Sekarang Mari kita bahas Outputnya.

Melihat hasil besaran korelasi antar variabel independent tampak bahwa anatara varaibel Angka rata-rata lama sekolah dengan variabel Jumlah pengangguran memiliki korelasi -0.15 (15% = masih dibawah 90%) maka dapat dikatakan tidak terjadi Multikolinearitas yang serius.

Menurut saya, dengan menggunakan atau melihat nilai VIF atau Tolerance akan lebih menguatkan persepsi kita mengenai hal itu, makanya saya lebih suka dengan menggunakan nilai VIF atau Tolerance untuk menyimpulkan ada atau tidaknya gejala Multikolinearitas pada model atau variabel yang kita miliki.

Pengambilan Keputusan dengan Melihat Nilai VIF dan Tolerance:

Melihat nilai Tolerance

• Tidak terjadi Multikolinearitas , jika nilai Tolerance lebih besar 0,10.

• Terjadi Multikolinearitas, jika nilai Tolerance lebih kecil atau sama dengan 0,10.

Melihat nilai VIF (Variance Inflation Factor)

• Tidak terjadi Multikonieritas, jika nilai VIF lebih kecil 10,00.

• Terjadi Multikonieritas, jika nilai VIF lebih besar atau sama dengan 10,00.

Berdasarkan output SPSS diatas, dapat disimpulkan bahwa Tidak terjadi Multikolinearitas antar variabel independent dalam model regresi karena nilai Tolerance > 0.1 dan nilai VIF < 10.