Dalam
regresi x1, x2, x3, …xn terhadap y, apabila x1, x2, x3,…xn saling berkombinasi
linear maka mereka saling tergantung (dependen). Dalam kasus ini koefisien
regresi parsial tidak diperoleh karena persamaan normal tidak terselesaikan
karena estimasi kuadrat terkecil tidak dapat dihitung. Saling tergantung secara
sempurna jarang terjadi dalam penelitian. Akan tetapi masalah khusus, yang
disebut dengan multikolinear bisa terjadi. Multikolinearitas terjadi apabila
dua atau lebih variabel bebas saling berkorelasi kuat satu sama lain. Bila
terjadi multikolinearitas, estimasi kuadrat terkecil dapat dihitung tetapi
terjadi kesulitan untuk menginterpretasikan efek dari tiaptiap variabel.
Multikolinearitas
dapat dideteksi dengan menghitung koefisien korelasi ganda dan membandingkannya
dengan koefisien korelasi antar variabel bebas. Sebagai contoh, diambil kasus
regresi x1, x2, x3, x4 terhadap y. Pertama dihitung Ry, x1x2x3x4
setelah itu, dihitung korelasi antar enam pasang variabel bebas, yaitu rx1x2,
rx1x3, rx1x4, rx2x3, rx2x4, dan rx3x4.
Apabila salah satu dari koefisien korelasi itu sangat kuat, maka dilanjutkan
dengan menghitung koefisien korelasi ganda dari masing-masing variabel bebas
dengan 3 variabel bebasl lainnya, yaitu Rx1,x2x3x4, Rx2,x1x3x4, Rx3,x1x2x4, dan
Rx4,x1x2x3. Apabila beberapa koefisien korelasi tersebut mendekati Ry,x1x2x3x4,
maka dikatakan terjadi multikolinearitas.
Uji
multikolinearitas dengan SPSS dilakukan dengan uji regresi, dengan patokan
nilai VIF (variance inflation factor)
dan koefisien korelasi antar variabel bebas. Kriteria yang digunakan
adalah:
1) jika
nilai VIF di sekitar angka 1 atau memiliki tolerance mendekati 1, maka
dikatakan tidak terdapat masalah multikolinearitas dalam model regresi;
2) Jika
koefisien korelasi antar variabel bebas kurang dari 0,5, maka tidak terdapat
masalah multikolinearitas.
Sebagai
contoh, akan diuji multikolinearitas dalam regresi antara variabel bebas
insentif (x1), iklim kerja (x2), dan hubungan interpersonal (x3) dengan
variabel terikat (3). Data hasil penelitian adalah sebagai berikut.
Data
hasil penelitian (tentatif)
x1
|
x2
|
x3
|
y
|
34 |
47 |
44 |
62 |
41 |
43 |
42 |
66 |
43 |
42 |
43 |
66 |
37 |
38 |
39 |
68 |
38 |
30 |
39 |
60 |
36 |
35 |
39 |
64 |
44 |
48 |
44 |
67 |
38 |
45 |
38 |
58 |
41 |
49 |
44 |
63 |
48 |
43 |
44 |
67 |
35 |
49 |
38 |
58 |
48 |
42 |
32 |
65 |
40 |
38 |
39 |
68 |
42 |
32 |
48 |
65 |
37 |
37 |
41 |
70 |
39 |
48 |
41 |
60 |
38 |
31 |
40 |
58 |
35 |
44 |
39 |
55 |
46 |
46 |
49 |
71 |
37 |
36 |
40 |
57 |
45 |
44 |
35 |
74 |
40 |
35 |
42 |
66 |
36 |
37 |
39 |
68 |
43 |
40 |
43 |
70 |
45 |
44 |
47 |
69 |
38 |
32 |
44 |
58 |
39 |
39 |
42 |
61 |
41 |
40 |
45 |
69 |
46 |
45 |
49 |
71 |
42 |
45 |
48 |
66 |
Langkah-langkah
yang dilakukan dalam pengujian multikolinearitas adalah sebagai berikut.
A. Entry
Data
Masukkan
data ke dalam from SPSS, yakni data insentif dalam variabel x1, data iklim
kerja pada variabel x2, data hubungan interpersonal pada x3, dan data kinerja
pada variabel y.
B. Analisis Data
Pengujian
multikolinearitas dilakukan dengan model regresi dengan menu sebagai berikut.
Analyze
Regression
Linier..
Apabila
menu tersebut sudah dipilih, maka akan muncul kotal dialog Liniear Regression.
Selanjutnya.
a.
Pindahkan variabel y ke dependent
list dan variabel x1,x2, dan x3 ke
independent list. Setelah itu itu
b.
Pilih Bok Statisticssukaresmi pilih colinearity diagnostics, sehingga tampak kotak dialog Linear Regression
c.
Statistics , Pilih Continue, lalu OK
Hasil
yang tampak dari uji multikolinearitas adalah sebagai berikut.
Coefficients
|
|
Collinearity Statistics |
|
Model |
|
Tolerance |
VIF |
1 |
X1 |
,865 |
1,156 |
|
X2 |
,926 |
1,080 |
|
X3 |
,911 |
1,098 |
a Dependent Variable Y
0 comments:
Post a Comment