Tutorial Cara Melakukan Uji Multikolinearitas dengan menggunakan SPSS (Uji Asumsi Klasik)

• min read

Table of Contents

Uji multikolinearitas digunakan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Jika terdapat atau terjadi korelasi, maka terdapat masalah multikolinieritas (multiko). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen.

Terdapat dua cara untuk melakukan uji multikolinearitas

Dengan Membandingkan Nilai Koefisien Determinasi Individual (r2) dengan nilai determinasi serentak (R2)
Dengan Melihat Nilai Tolerance dan Inflation factor (VIF) pada model regresi

Dengan Membandingkan Nilai Koefisien Determinasi Individual (r2) dengan nilai determinasi serentak (R2)

Langkah-langkah analisis pada SPSS 25 adalah sebagai berikut:

Buka program SPSS 25.
Dengan masih menggunakan data sebelumnya (data bisa diambil di sini), Klik Analyze >> Regression >> Linear.

Selanjutnya akan muncul dialog seperti gambar di bawah ini:

Masukan variabel X1 (Kompetensi Kerja) ke kotak dependent dan X2 (disiplin Kerja) ke kotak Independen.

Hasil output ini selanjutnya akan dibandingkan dengan kolerasi serentak

Langkah berikutnya adalah dengan mencari nilai koefisien determinasi serentak (R2) antara X1, X2 dan Y. Langkah-langkahnya adalah Klik Analyze >> Scale >> Regression >> Linear.

Selanjutnya akan muncul dialog Linier Regression.

Kemudian, masukan variabel Y (Kualitas Pelayanan Kesehatan) ke kotak Dependent, lalu Variabel X1 (Kompetensi Kerja) dan X2 (Disiplin Kerja) ke kotak Independen (s)
Kemudian klik OK. Lihat hasil output Model Summary.

Dilihat dari dua model summary diatas, selanjut nya kita bandingkan pada table perbandingan di bawah ini:

Dari table di atas dapat ditarik kesimpulan bahwa nilan r2 lebih kecil dari nilai R2 maka dari itu dalam hal ini tidak terjadi multikolinieritas antara variabel independen.

Dengan Melihat Nilai Tolerance dan Inflation factor (VIF) pada model regresi

Cara mengetahui ada tidaknya gejala multikolinieritas dengan melihat nilai (VIF) dan tolerance dengan ketentuan sebagai berikut: jika nilai VIF kurang dari 10 dan tolerance lebih dari 0,1, maka dinyatakan tidak terjadi multikolinieritas (Ghozali, 2001). Langkah-langkahnya sebagai berikut:

Langkah-langkah masih sama dengan langkah-langkah sebelum nya sampai dengan memasukan variabel Y ke kotak dependent dan X1 dan X2 ke kotan independen (s).
Namun setelah itu klik tab statistics dan pastikan kita menandai atau beri centang pada Collinearity diagnostic (perhatikan gambar), kemudian klik continue dan OK.

Setelah hasil output keluar, selanjutnya lihat coefficients.

Dari hasil output di atas, diketahui bahwa nilai “Collinearity Tolerance” kedua variabel lebih dari 0,10 dan nilai “Statistics VIF” kurang dari 10. Maka dapat disimpulkan bahwa disini tidak terjadi multikolinearitas antar variabel independen.

Untuk lebih jelasnya dapat dilihat pada video di bawah ini :