Uji multikolinearitas SPSS adalah bagian dari uji asumsi klasik dalam analisis regresi linear berganda. Uji ini dilakukan guna memastikan apakah ada interkorelasi atau kolinearitas antar variabel bebas di dalam sebuah regresi.
Uji multikolinearitas SPSS sendiri bertujuan untuk mengetahui apakah terjadi interkorelasi (hubungan yang kuat) antara variabel independen. Cara uji multikolinearitas SPSS adalah salah satu cara paling praktis yang bisa dilakukan.
Model regresi yang baik memiliki tanda yaitu tak terjadi interkorelasi antara variabel independen (tidak ada tanda multikolinearitas). Lalu salah satu cara yang paling akurat untuk mendeteksi ada atau tidaknya tanda multikolinearitas pada model yaitu dengan menggunakan metode Tolerance dan VIF (Variance Inflation Factor).
Cara lainnya bisa dengan melihat korelasi antar variabel independen atau bisa dengan melihat nilai condition index dan eigenvalue. Namun dalam pembahasan kita kali ini kita akan melakukan uji multikolinearitas SPSS dengan menggunakan metode tolerance dan VIF
Contoh Kasus Uji Multikolinearitas
Sebagai contoh kita akan mengambil contoh kasus dengan judul “pengaruh motivasi dan minat belajar pada siswa dalam peningkatan prestasi di sekolah”.
Dalam praktiknya kita akan melakukan uji multikolinearitas dengan metode tolerance dan VIF untuk persamaan regresi pengaruh motivasi (X1) dan minat belajar (X2) pada prestasi (Y)
Dengan data input sebagai berikut:
No. Responden | Motivasi (X1) | Minat belajar (X2) | Prestasi (Y) |
1 | 60 | 75 | 75 |
2 | 75 | 65 | 65 |
3 | 50 | 85 | 70 |
4 | 80 | 65 | 75 |
5 | 65 | 75 | 80 |
Data tersebut bisa Anda ambil dari hasil perolehan dalam penyebaran kuesioner ataupun angket yang digunakan untuk sampel penelitian.
Data di atas hanya dijadikan sebagai acuan dalam pengambilan sampel penelitian untuk melakukan uji multikolinearitas SPSS.
Langkah-Langkah Uji Multikolinearitas SPSS
Cara melakukan uji multikolinearitas SPSS, Anda bisa melakukan beberapa langkah-langkah di bawah ini
1. Persiapkan data sampel tabulasi
Anda harus menyiapkan data sampel penelitian terlebih dahulu seperti yang dicontohkan di atas, Anda bisa mendapatkannya melalui hasil angket kuesioner yang disebarkan. Untuk data harus memiliki 3 variabel yaitu (X1), (X2), dan (Y).
2. Lakukan input data.
Anda bisa memulai dengan membuka SPSS, lalu memasukkan data sampel ke dalam SPSS. Berikut caranya
- Klik variabel view setelah Anda membuat SPSS.
Buatlah kerangka atau template tabel pada SPSS di sini. Untuk bagian name Anda bisa memasukkan variabelnya, untuk type bisa Anda ganti menjadi numeric, untuk label bisa Anda ganti sesuai nama variabelnya.
Pada bagian decimals harus diubah menjadi angka 0 semu dan bagian measure bisa diubah menjadi scale. Setelah selesai mengisi kolom di bagian variable view selanjutnya Anda bisa mengklik data view.
- Klik data view setelah Anda selesai mengedit variabel view.
Jika tampilan SPSS sudah sesuai template yang diinput di variabel view. Lalu Anda masukan saja data sampel yang diperoleh ke dalam data view di SPSS sesuai kolom.
Jika data Anda dirasa terlalu banyak untuk menuliskannya satu persatu, Anda bisa langsung copy data yang ada di Excel agar mempercepat pekerjaan Anda. Jika sudah jangan lupa di cek kembali agar data yang terinput benar-benar sesuai.
3. Lakukan analisis data
Untuk tahapan analisis dari tampilan SPSS Anda bisa mengklik kolom atas bagian analisis, kemudian pilih kolom regression. Lalu pilih linier. Jika sudah muncul kotak dialog, Anda bisa mengubah bagian variabel ketiga (Y) bisa kalian masukkan ke dalam kolom dependent.
Kemudian untuk variabel pertama (X1) bisa kalian masukkan ke dalam kolom independent. Dan untuk variabel kedua (X2) juga kalian masukkan ke dalam kolom independent. Jika sudah maka kalian pilih menu statistik di bagian samping, lalu kalian bisa mengklik bagian collinearity diagnostics, lalu pilih tombol continue di bawah tabel.
Lalu kalian klik tombol ok di bawah kolom tersebut. Maka akan muncul output analisis regresi dalam penelitian dari data yang sudah diinput tadi.
4. Lihat output data
Jika sudah muncul hasil datanya maka kita bisa melihat apakah terjadi atau tidak terjadi gejala multikolinearitas dalam data analisis tersebut.
Dasar Pengambilan Keputusan
Dalam pengambilan keputusan ada dua cara menghitung uji multikolinearitas SPSS yang bisa Anda lakukan yaitu:
1. Melihat nilai tolerance
- Bila nilai tolerance lebih besar dari 0,10 maka ini artinya tidak terjadi multikolinearitas
- Bila nilai tolerance lebih kecil dari 0,10 maka ini artinya terjadi multikolinearitas pada model regresi
2. Melihat nilai VIF
- Bila nilai VIF lebih kecil dari 10,00 maka ini artinya tak terjadi multikolinearitas
- Bila nilai VIF lebih besar dari 10,00 maka ini artinya terjadi multikolinearitas pada model regresi
Anda bisa melihat hasil output yang dihasilkan lalu dibandingkan dengan nilai tolerance atau nilai VIF, maka Anda bisa mengindikasikan hasil tersebut apakah terjadi ataupun tidak terjadi masalah multikolinearitas lalu Anda bisa menyimpulkan data tersebut.
Pertanyaan
Pastinya Anda masih bingung jika belum pernah menggunakan SPSS dalam analisis data, berikut beberapa pertanyaan yang sering timbul dalam melakukan uji multikolinearitas SPSS
1. Apakah uji multikolinearitas SPSS dapat digunakan untuk analisis regresi linear sederhana?
Uji multikolinearitas SPSS tidak dapat digunakan untuk analisis regresi linear sederhana. Karena saat kita memahami uji multi yang berarti lebih dari satu variabel. Sedangkan regresi linear sederhana hanya terdiri dari satu variabel independen. Sehingga tidak ada data yang bisa dikorelasikan.
2. Bagaimana cara mengatasi gejala multikolinearitas dalam model regresi?
Seperti penjelasan awal bahwa model regresi yang baik adalah tidak terjadi gejala multikolinearitas. Namun ketika model regresi terjadi gejala multikolinearitas maka cara yang bisa Anda lakukan untuk mengatasinya adalah
- Dengan melakukan transformasi data ke bentuk logaritma natural, akar kuadrat atau first difference form
- Dengan melakukan alternatif uji lain untuk mendeteksi gejala multikolinearitas, bisa dengan uji korelasi, eigenvalue, ataupun uji condition index
- Bisa juga dengan mengeluarkan variabel yang berkorelasi tinggi
- Cara lainnya juga bisa Anda lakukan dengan menambah data baru, cara ini bisa Anda lakukan jika terjadi pada outlier data ekstrim.
Catatan
Beberapa catatan yang perlu Anda perhatikan dalam melakukan uji multikolinearitas adalah Jika variabel independen (X) yang digunakan dalam analisis regresi hanya terdapat dua jenis, maka otomatis hasil dari tolerance dan VIF akan bernilai sama karena keduanya bernilai sama.
Jika hasil output pada model regresi tidak terjadi gejala multikolinearitas sesuai dengan nilai tolerance dan VIF maka nilai koefisiensi regresi parsialnya dikatakan andal dan robust atau kebal terhadap perubahan yang terjadi pada variabel lainnya dalam model regresi berganda.
Itulah beberapa pembahasan mengenai cara uji multikolinearitas SPSS dengan melihat nilai dari tolerance dan VIF yang bisa Anda lakukan sendiri di rumah. Semoga bermanfaat dan terima kasih.
Tertarik mengikuti kursus SPSS, cek promonya di Coding Studio