Uji Multikolinearitas dengan Melihat Nilai Tolerance dan VIF SPSS | Uji multikolinearitas merupakan bab dari uji perkiraan klasik (normalitas dan heteroskedastisitas) dalam analisis regresi linear berganda. Tujuan digunakannya uji multikolinearitas dalam penelitian yakni untuk menguji apakah model regresi ditemukan adanya hubungan (hubungan kuat) antar variabel bebas atau variabel independent. Model regresi yang baik seharusnya tidak terjadi hubungan diantara variabel bebas atau tidak terjadi tanda-tanda multikolinearitas.
Untuk mendeteksi ada tidaknya tanda-tanda multikolinearitas dalam model regresi, maka sanggup dilakukan dengan beberapa cara, yaitu: (1) Melihat nilai hubungan antar variabel independent. (2) Melihat nilai condition index dan eigenvalue. (3) Melihat nilai tolerance dan variance inflating factor (VIF). Dalam kesempatan kali ini kita akan memprektekkan cara melaksanakan uji multikolinearitas dengan melihat nilai tolerance dan VIF memakai kegiatan SPSS.
Dasar Pengambilan Keputusan dalam Uji Multikolinearitas (Tolerance dan VIF)
Seperti yang kita ketahui, bahwa setiap uji statistik yang dilakukan niscaya ada dasar pengambilan keputusannya. Adapun dasar pengambilan keputusan pada uji multikolinearitas dengan Tolerance dan VIF yakni sebagai berikut:
Pedoman Keputusan Berdasarkan Nilai Tolerance
Pedoman Keputusan Berdasarkan Nilai VIF (Variance Inflation Factor)
Catatan: kedua dasar pengambilan keputusan dalam uji multikolinearitas di atas akan menghasilkan kesimpulan yang sama (tidak akan bertentangan).
Contoh Kasus Uji Multikolinearitas dalam Model Regresi
Sebagai contoh, kita akan mendeteksi apakah ada tanda-tanda multikolinearitas untuk model regresi efek Motivasi (X1) dan Minat (X2) terhadap Prestasi Belajar (Y). Adapun data penelitian yang akan kita uji sanggup dilihat pada gambar tabel di bawah ini.
[Download Data excel, Input-Output SPSS]
Keterangan: data variabel motivasi dan minat di peroleh dari penyebaran kuesioner, sementara data variabel prestasi mencar ilmu diperoleh dari nilai ulangan. Adapun jumlah sampel yang dipakai dalam penelitian ini yakni 12 orang siswa.
Langkah-Langkah Uji Multikolinearitas Tolerance dan VIF dengan SPSS
Selanjutnya, kita masuk kebagian langkah-langkah melaksanakan uji multikolinearitas dengan melihat nilai Tolerance dan VIF memakai kegiatan SPSS. Adapun urutan langkah-langkah tersebut sanggup anda simak pada pembahasan di bawah ini.
1. Persiapkan data tabulasi untuk masing-masing variabel penelitian yang akan di uji. Buka kegiatan SPSS, kemudian klik Variable View. Selanjutnya, pada bab Name tuliskan Motivasi, Minat dan Prestasi, pada bagian Decimals ubah semua menjadi angka 0, pada bab Label tuliskan Motivasi (X1), Minat (X2) dan Prestasi (Y), pada bab Measure ubah menjadi Scale. Abaikan pilihan lainnnya, maka tampak dilayar.
2. Setelah itu, klik Data View, kemudian masukkan data Motivasi, Minat dan Prestasi yang sudah dipersiapkan tadi, sanggup dengan cara copy-paste atau ditulis satu persatu.
3. Selanjutnya, dari sajian SPSS pilih sajian Analyze, kemudian submenu Regression, kemudian pilih Linear...
4. Muncul kotak gres dengan nama "Linear Regression", selanjutnya masukkan variabel Motivasi (X1) dan Minat (X2) pada kotak Independent(s): kemudian masukkan variabel Prestasi (Y) pada kotak Dependent: kemudian pada bab "Method" pilih Enter, kemudian klik Statistics...
5. Dilayar akan muncul tampilan obrolan "Linear Regression: Statistics". Aktifkan pilihan dengan cara mecentang (v) pada Covariance matrix dan Collinierity Diagnostics. Abaikan pilihan lain atau biarkan tetap defauld kemudian klik Continue
6. Terakhir klik Ok, maka muncul output SPSS dengan judul "Regression". Untuk melihat ada tidaknya tanda-tanda multikolinearitas dalam model regresi, maka kita cukup memperhatikan tabel output "Coefficients". Adapun pembahsannya sanggup dilihat pada interpretasi berikut.
Interpretasi Output Uji Multikolinearitas Tolerance dan VIF
Sekangan saatnya kita untuk menginterpretasi atau menafsirkan hasil output SPSS di atas. Seperti yang sudah saya jelaskan pada bab sebelumnya, bahwa dasar pengambilan keputusan dalam uji multikolinearitas ini, sanggup dilakukan dengan cara melihat nilai Tolerance dan VIF. Berdasarkan tabel output "Coefficients" pada bab "Collinearity Statistics" diketahui nilai Tolerance untuk variabel Motivasi (X1) dan Minat (X2) yakni 0,394 lebih besar dari 0,10. Sementara, nilai VIF untuk variabel Motivasi (X1) dan Minat (X2) yakni 2,537 < 10,00. Maka mengacu pada dasar pengambilan keputusan dalam uji multikolinearitas sanggup disimpulkan bahwa tidak terjadi tanda-tanda multikolineritas dalam model regresi.
Catatan: jikalau jumlah variabel independent (X) yang dipakai dalam analisis regresi hanya ada 2 buah, maka otomatis hasil Tolerance dan VIF untuk kedua variabel tersebut akan bernilai sama.
Tips Tambahan: solusi alternatif untuk mengatasi tanda-tanda multikolinearitas dalam model regresi antara lain:
Demikian artikel pembahasan mengenai cara melaksanakan uji multikolinearitas dengan melihat nilai tolerance dan VIF memakai kegiatan SPSS versi 21 semoga bermanfaat dan terimakasih. Pada artikel berikutnya akan dibahas mengenai Tutorial Uji Heteroskedastisitas dengan Glejser SPSS
UPDATE INFO: SELASA, 29 JANUARI 2019
Untuk mendeteksi ada tidaknya tanda-tanda multikolinearitas dalam model regresi, maka sanggup dilakukan dengan beberapa cara, yaitu: (1) Melihat nilai hubungan antar variabel independent. (2) Melihat nilai condition index dan eigenvalue. (3) Melihat nilai tolerance dan variance inflating factor (VIF). Dalam kesempatan kali ini kita akan memprektekkan cara melaksanakan uji multikolinearitas dengan melihat nilai tolerance dan VIF memakai kegiatan SPSS.
Dasar Pengambilan Keputusan dalam Uji Multikolinearitas (Tolerance dan VIF)
Seperti yang kita ketahui, bahwa setiap uji statistik yang dilakukan niscaya ada dasar pengambilan keputusannya. Adapun dasar pengambilan keputusan pada uji multikolinearitas dengan Tolerance dan VIF yakni sebagai berikut:
Pedoman Keputusan Berdasarkan Nilai Tolerance
- Jika nilai Tolerance lebih besar dari 0,10 maka artinya tidak terjadi multikolinieritas dalam model regresi.
- Jika nilai Tolerance lebih kecil dari 0,10 maka artinya terjadi multikolinieritas dalam model regresi.
Pedoman Keputusan Berdasarkan Nilai VIF (Variance Inflation Factor)
- Jika nilai VIF < 10,00 maka artinya tidak terjadi multikolinieritas dalam model regresi.
- Jika nilai VIF > 10,00 maka artinya terjadi multikolinieritas dalam model regresi.
Catatan: kedua dasar pengambilan keputusan dalam uji multikolinearitas di atas akan menghasilkan kesimpulan yang sama (tidak akan bertentangan).
Contoh Kasus Uji Multikolinearitas dalam Model Regresi
Sebagai contoh, kita akan mendeteksi apakah ada tanda-tanda multikolinearitas untuk model regresi efek Motivasi (X1) dan Minat (X2) terhadap Prestasi Belajar (Y). Adapun data penelitian yang akan kita uji sanggup dilihat pada gambar tabel di bawah ini.
[Download Data excel, Input-Output SPSS]
Keterangan: data variabel motivasi dan minat di peroleh dari penyebaran kuesioner, sementara data variabel prestasi mencar ilmu diperoleh dari nilai ulangan. Adapun jumlah sampel yang dipakai dalam penelitian ini yakni 12 orang siswa.
Selanjutnya, kita masuk kebagian langkah-langkah melaksanakan uji multikolinearitas dengan melihat nilai Tolerance dan VIF memakai kegiatan SPSS. Adapun urutan langkah-langkah tersebut sanggup anda simak pada pembahasan di bawah ini.
1. Persiapkan data tabulasi untuk masing-masing variabel penelitian yang akan di uji. Buka kegiatan SPSS, kemudian klik Variable View. Selanjutnya, pada bab Name tuliskan Motivasi, Minat dan Prestasi, pada bagian Decimals ubah semua menjadi angka 0, pada bab Label tuliskan Motivasi (X1), Minat (X2) dan Prestasi (Y), pada bab Measure ubah menjadi Scale. Abaikan pilihan lainnnya, maka tampak dilayar.
3. Selanjutnya, dari sajian SPSS pilih sajian Analyze, kemudian submenu Regression, kemudian pilih Linear...
4. Muncul kotak gres dengan nama "Linear Regression", selanjutnya masukkan variabel Motivasi (X1) dan Minat (X2) pada kotak Independent(s): kemudian masukkan variabel Prestasi (Y) pada kotak Dependent: kemudian pada bab "Method" pilih Enter, kemudian klik Statistics...
5. Dilayar akan muncul tampilan obrolan "Linear Regression: Statistics". Aktifkan pilihan dengan cara mecentang (v) pada Covariance matrix dan Collinierity Diagnostics. Abaikan pilihan lain atau biarkan tetap defauld kemudian klik Continue
6. Terakhir klik Ok, maka muncul output SPSS dengan judul "Regression". Untuk melihat ada tidaknya tanda-tanda multikolinearitas dalam model regresi, maka kita cukup memperhatikan tabel output "Coefficients". Adapun pembahsannya sanggup dilihat pada interpretasi berikut.
Interpretasi Output Uji Multikolinearitas Tolerance dan VIF
Sekangan saatnya kita untuk menginterpretasi atau menafsirkan hasil output SPSS di atas. Seperti yang sudah saya jelaskan pada bab sebelumnya, bahwa dasar pengambilan keputusan dalam uji multikolinearitas ini, sanggup dilakukan dengan cara melihat nilai Tolerance dan VIF. Berdasarkan tabel output "Coefficients" pada bab "Collinearity Statistics" diketahui nilai Tolerance untuk variabel Motivasi (X1) dan Minat (X2) yakni 0,394 lebih besar dari 0,10. Sementara, nilai VIF untuk variabel Motivasi (X1) dan Minat (X2) yakni 2,537 < 10,00. Maka mengacu pada dasar pengambilan keputusan dalam uji multikolinearitas sanggup disimpulkan bahwa tidak terjadi tanda-tanda multikolineritas dalam model regresi.
Catatan: jikalau jumlah variabel independent (X) yang dipakai dalam analisis regresi hanya ada 2 buah, maka otomatis hasil Tolerance dan VIF untuk kedua variabel tersebut akan bernilai sama.
Tips Tambahan: solusi alternatif untuk mengatasi tanda-tanda multikolinearitas dalam model regresi antara lain:
- Melakukan alternatif uji lain untuk mendeteksi tanda-tanda multikolinearitas. (seperti: uji korelasi, uji condition index dan eigenvalue).
- Melakukan transformasi data (missal: Ln, Log, Lag, dll).
- Mengeluarkan variabel yang berkorelasi tinggi.
- Melakukan outlier terhadap data ekstrim atau jikalau dibutuhkan maka boleh menambah sampel gres supaya sebaran data menjadi lebih bervariasi.
Demikian artikel pembahasan mengenai cara melaksanakan uji multikolinearitas dengan melihat nilai tolerance dan VIF memakai kegiatan SPSS versi 21 semoga bermanfaat dan terimakasih. Pada artikel berikutnya akan dibahas mengenai Tutorial Uji Heteroskedastisitas dengan Glejser SPSS
VIDEO Cara Uji Multikolinearitas Tolerance dan VIF dengan SPSS *UPDATE[Kata Kunci Pencarian: Uji Multikolinearitas dengan Melihat Nilai Tolerance dan VIF SPSS, Cara Melakukan Uji Multikolinearitas dengan Program SPSS, Langkah-langkah Melakukan Uji Multikolinearitas, Tutorial Uji Multikolinearitas dengan Software SPSS | Img: Dokumen hasil olah data dengan pemberian kegiatan SPSS versi 21]
UPDATE INFO: SELASA, 29 JANUARI 2019
