UJI MULTIKOLINEARITAS
9.19.2017
Uji multikolinearitas digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik multikolinearitas yaitu adanya korelasi linear antar variabel independen dalam model regresi. Prasyarat yang harus terpenuhi dalam model regresi yaitu tidak adanya multikolinearitas. Ada beberapa metode pengujian yang mampu digunakan diantaranya yaitu 1) dengan melihat nilai inflation factor (VIF) pada model regresi, 2) dengan membandingkan nilai koefisien determinasi individual (r2) dengan nilai determinasi secara serentak (R2), dan 3) dengan melihat nilai eigenvalue dan condition index. Pada pembahasan ini akan dilakukan uji multikolinearitas dengan melihat nilai inflation factor (VIF) pada model regresi dan membandingkan nilai koefisien determinasi individual (r2) dengan nilai determinasi secara serentak (R2).
Pengujian ada tidaknya gejala multikolinearitas dilakukan dengan melihat nilai VIF (Variance Inflation Factor) dan Tolerance. Apabila nilai VIF berada dibawah 10,00 dan nilai Tolerance lebih dari 0,100, maka diambil kesimpulan bahwa model regresi tersebut tidak terdapat masalah multikolinearitas.
Pengujian ada tidaknya gejala multikolinearitas dilakukan dengan melihat nilai VIF (Variance Inflation Factor) dan Tolerance. Apabila nilai VIF berada dibawah 10,00 dan nilai Tolerance lebih dari 0,100, maka diambil kesimpulan bahwa model regresi tersebut tidak terdapat masalah multikolinearitas.
a) Melihat nilai inflation factor (VIF) pada model regresi
Contoh Kasus:
Sebagai rujukan kasus kita mengambil rujukan kasus pada uji normalitas pada pembahasan sebelumnya. Pada rujukan kasus tersebut setelah dilakukan uji normalitas dan dinyatakan data berdistribusi normal, maka selanjutnya akan dilakukan pengujian multikolinearitas. Contoh kasus sebagai berikut:
Seorang mahasiswa berjulukan Bambang melaksanakan penelitian perihal faktor-faktor yang mensugesti harga saham pada perusahaan di BEJ. Data-data yang di dapat berupa data rasio dan ditabulasikan sebagai berikut:
Tabel. Tabulasi Data (Data Fiktif)
Tahun | Harga Saham (Rp) | PER (%) | ROI (%) |
1990 | 8300 | 4.90 | 6.47 |
1991 | 7500 | 3.28 | 3.14 |
1992 | 8950 | 5.05 | 5.00 |
1993 | 8250 | 4.00 | 4.75 |
1994 | 9000 | 5.97 | 6.23 |
1995 | 8750 | 4.24 | 6.03 |
1996 | 10000 | 8.00 | 8.75 |
1997 | 8200 | 7.45 | 7.72 |
1998 | 8300 | 7.47 | 8.00 |
1999 | 10900 | 12.68 | 10.40 |
2000 | 12800 | 14.45 | 12.42 |
2001 | 9450 | 10.50 | 8.62 |
2002 | 13000 | 17.24 | 12.07 |
2003 | 8000 | 15.56 | 5.83 |
2004 | 6500 | 10.85 | 5.20 |
2005 | 9000 | 16.56 | 8.53 |
2006 | 7600 | 13.24 | 7.37 |
2007 | 10200 | 16.98 | 9.38 |
Bambang dalam penelitiannya ingin mengetahui bagaimana korelasi antara rasio keuangan PER dan ROI terhadap harga saham. Dengan ini Bambang menganalisis dengan perlindungan jadwal SPSS dengan alat analisis regresi linear berganda.
Langkah-langkah pada jadwal SPSS
Ø Kita menggunakan input data yang sama pada uji normalitas.
Ø Klik Analyze - Regression - Linear
Ø Klik variabel Harga Saham dan masukkan ke kotak Dependent, kemudian klik variabel PER dan ROI dan masukkan ke kotak Independent
Ø Klik Statistics, kemudian klik Collinearity diagnostics. Klik Continue
Ø Klik OK, pada output anda lihat tabel coefficients pada kolom collinearity statistics, hasil yang di dapat sebagai berikut:
Tabel. Hasil Uji Multikolinearitas
Dari hasil di atas dapat diketahui nilai variance inflation factor (VIF) kedua variabel yaitu PER dan ROI yaitu 1,899 lebih kecil dari 10 dan Tolerance lebih dari 0,100, sehingga mampu disimpulkan bahwa antar variabel independen tidak terjadi dilema multikolinearitas.
b) Dengan membandingkan nilai koefisien determinasi individual (r2) dengan nilai determinasi secara serentak (R2)
Dalam metode ini, cara yang ditempuh yaitu dengan meregresikan setiap variabel independen dengan variabel independen lainnya, dengan tujuan untuk mengetahui nilai koefisien r2 untuk setiap variabel yang diregresikan. Selanjutnya nilai r2 tersebut dibandingkan dengan nilai koefisien determinasi R2. Kriteria pengujian yaitu jikalau r2 > R2 maka terjadi multikolinearitas dan jikalau r2 < R2 maka tidak terjadi multikolinearitas.
Akan dilakukan analisis regresi untuk mengetahui pengaruh biaya produksi, distribusi, dan promosi terhadap tingkat penjualan. sebelumnya dilakukan uji asumsi klasik multikolinearitas, data sebagai berikut:
Tahun | Tingkat penjualan | Biaya produksi | Biaya distribusi | Biaya promosi |
1996 | 127300000 | 37800000 | 11700000 | 8700000 |
1997 | 122500000 | 38100000 | 10900000 | 8300000 |
1998 | 146800000 | 42900000 | 11200000 | 9000000 |
1999 | 159200000 | 45200000 | 14800000 | 9600000 |
2000 | 171800000 | 48400000 | 12300000 | 9800000 |
2001 | 176600000 | 49200000 | 16800000 | 9200000 |
2002 | 193500000 | 48700000 | 19400000 | 12000000 |
2003 | 189300000 | 48300000 | 20500000 | 12700000 |
2004 | 224500000 | 50300000 | 19400000 | 14000000 |
2005 | 239100000 | 55800000 | 20200000 | 17300000 |
2006 | 257300000 | 56800000 | 18600000 | 18800000 |
2007 | 269200000 | 55900000 | 21800000 | 21500000 |
2008 | 308200000 | 59300000 | 24900000 | 21700000 |
2009 | 358800000 | 62900000 | 24300000 | 25900000 |
2010 | 362500000 | 60500000 | 22600000 | 27400000 |
Langkah-langkah analisis pada SPSS sebagai berikut:
- Inputkan data di SPSS
- Untuk analisis data, klik menu Analyze >> Regression >> Linear
Langkah pertama meregresikan antar variabel independen, langkahnya masukkan variabel Biaya produksi ke kotak Dependent, kemudian masukkan variabel Biaya distribusi ke kotak Independent(s). - Klik tombol OK. Hasil pada output Model Summary sebagai berikut: (regresi variabel Biaya produksi dengan Biaya distribusi)
- Langkah selanjutnya meregresikan variabel Biaya produksi dengan Biaya promosi, kemudian Biaya distribusi dengan Biaya promosi dengan langkah-langkah sama ibarat langkah di atas. Hasil output ibarat berikut:
- Langkah selanjutnya mencari nilai koefisien determinasi (R2) yaitu dengan meregresikan Biaya produksi, Biaya distribusi, dan Biaya promosi terhadap Tingkat penjualan. Langkahnya yaitu klik Analyze >> Regression >> Linear. Masukkan variabel Tingkat penjualan ke kotak Dependent, kemudian masukkan variabel Biaya produksi, Biaya distribusi, dan Biaya Promosi ke kotak Independent(s).
- Klik tombol OK, maka hasil pada output Model Summary sebagai berikut:
Berikut ini ringkasan tabel hasil uji multikolinearitas:
Variabel Dependen | Variabel Independen | Nilai r square (r2) |
Biaya produksi Biaya produksi Biaya distribusi | Biaya distribusi Biaya promosi Biaya promosi | 0,797 0,843 0,728 |
Nilai R2 | 0,983 |
Dari tabel di atas dapat diketahui bahwa nilai koefisien r2 yang diperoleh seluruhnya bernilai lebih kecil dari pada nilai koefisien determinasi (R2). Dengan demikian dapat disimpulkan bahwa tidak terjadi masalah multikolinearitas pada model regresi.