Seperti dibahas sebelumnya mengenai uji multikolinitas, maka pada bagian ini kita akan mempraktikkan cara menguji multikolinieritas
Berikut ini akan diuji multikolinieritas sebuah model regresi dengan variabel Kepuasan Kerja (X1), Gaya Kepemimpinan (X2), dan Motivasi (X3). Variabel dependen adalah kinerja (Y)
Data dikumpulkan dari angket dengan jumlah sampel sebanyak 60 orang pegawai.
Data ditampilkan sebagai berikut :
NO | Kep | Gaya | Mot | KINERJA |
1 | 55 | 76 | 83 | 65 |
2 | 60 | 82 | 92 | 70 |
3 | 61 | 80 | 77 | 70 |
4 | 53 | 70 | 74 | 60 |
5 | 62 | 88 | 97 | 70 |
6 | 62 | 72 | 77 | 71 |
7 | 54 | 78 | 86 | 64 |
8 | 59 | 72 | 90 | 68 |
9 | 64 | 81 | 96 | 72 |
10 | 55 | 74 | 90 | 66 |
11 | 53 | 65 | 85 | 64 |
12 | 65 | 84 | 92 | 72 |
13 | 50 | 63 | 74 | 56 |
14 | 52 | 71 | 87 | 64 |
15 | 56 | 82 | 84 | 66 |
16 | 53 | 72 | 79 | 65 |
17 | 60 | 85 | 92 | 70 |
18 | 56 | 76 | 86 | 67 |
19 | 54 | 65 | 80 | 62 |
20 | 53 | 74 | 72 | 57 |
21 | 52 | 75 | 75 | 55 |
22 | 62 | 80 | 95 | 70 |
23 | 65 | 72 | 96 | 66 |
24 | 58 | 70 | 82 | 63 |
25 | 60 | 85 | 86 | 63 |
26 | 64 | 88 | 96 | 74 |
27 | 60 | 84 | 98 | 72 |
28 | 64 | 89 | 82 | 75 |
29 | 64 | 85 | 92 | 72 |
30 | 58 | 78 | 76 | 67 |
31 | 60 | 77 | 86 | 68 |
32 | 54 | 78 | 86 | 64 |
33 | 39 | 52 | 55 | 41 |
34 | 64 | 89 | 96 | 74 |
35 | 54 | 75 | 79 | 62 |
36 | 57 | 84 | 82 | 66 |
37 | 60 | 74 | 88 | 69 |
38 | 54 | 69 | 80 | 61 |
39 | 53 | 76 | 81 | 64 |
40 | 63 | 87 | 97 | 71 |
41 | 71 | 58 | 102 | 79 |
42 | 51 | 72 | 81 | 58 |
43 | 64 | 87 | 95 | 69 |
44 | 65 | 71 | 96 | 72 |
45 | 54 | 81 | 82 | 64 |
46 | 60 | 83 | 79 | 68 |
47 | 64 | 72 | 86 | 72 |
48 | 60 | 81 | 86 | 70 |
49 | 55 | 82 | 78 | 64 |
50 | 64 | 86 | 93 | 72 |
51 | 49 | 67 | 74 | 55 |
52 | 46 | 66 | 74 | 58 |
53 | 58 | 82 | 78 | 67 |
54 | 51 | 63 | 83 | 58 |
55 | 63 | 93 | 96 | 71 |
56 | 58 | 75 | 80 | 65 |
57 | 50 | 77 | 73 | 56 |
58 | 55 | 68 | 80 | 58 |
59 | 57 | 69 | 81 | 64 |
60 | 61 | 87 | 92 | 68 |
Penyelesaian
Lakukan analisis regresi dengan langkah2 : Analyze β Regression β Linier
Masukkan variabel kepuasan kerja, gaya kepemimpinan dan motivasi ke dalam kotak independent variable, dan kinerja ke kotak dependent variable
Klik Statistik, kemudian beri tanda pada Covariance matrix dan collinierity diagnosics
Klik Continue, lalu OK
HASIL UJI
Hasil uji dapat didownload DATA MULTIKOLINIERITAS
Review Hasil
Perhatikan nilai koefisien determinasi sebesar 0.931 yang mendekati 1, namun secara individual melalui uji t dua variabel : kepuasan kerja dan motivasi yang berpengaruh signifikan, sementara gaya kepemimpinan memiliki nilai sig 0.70 (sig > 0.05)
Nilai VIF (variance index factor) tidak menunjukkan adanya multikolinieritas (VIF kurang dari 10), sementara tolerance juga tidak ada kurang dari 0.10. Deteksi multiko melalui dua uji menunjukkan tidak adanya multiko, namun perhatikan output selanjutnya
Pada bagian Coeffisien correlation, Korelasi antara motivasi dengan kepuasan kerja tinggi yaitu sebesar -0.726. Korelasi antar independen ini berada dalam kategori kuat sehingga meski nilai VIF dan Tolerance tidak mengindikasikan adanya masalah multikolinier namun dapat dipastikan hal ini menyebabkan tidak signifikannya pengaruh gy kepemimpinan terhadap kinerja
Meregresikan Prediktor secara Bergantian
Alternatif uji untuk kasus di atas adalah dengan meregresikan predictor secara bergantian. Kriteria model tidak terkena multiko adalah ketika nilai R Square untuk masing-masing predictor tidak melebihi model utama.
Model Utama : Kinerja = Kepuasan + gaya kep + Motivasi
Model perbandingan :
Kepuasan = kinerja + gaya kep + motivasi
Gaya kep = kinerja + kepuasan + Motivasi
Motivasi = kinerja + kepuasan kerja + gaya kep
Langkah Uji
Lakukan uji regresi dengan menempatkan variabel independen menjadi dependen secara bergantian. dengan demikian akan dihasilkan output 4 model regresi (1 model utama dan 3 model perbandingan)
Interprestasi
Hasil output dapat didownload MEREGRESIKAN PREDIKTOR SECARA BERGANTIAN
- Model Utama, R Square = 0.867
- Kepuasan sebagai dependen, R Square = 0.855
- Gaya kepemimpinan sebagai dependen, R Square = 0.359
- Motivasi sebagai dependen, R Square = 0.676
Dari perbandingan 4 model ini dapat diketahui bahwa model utama memiliki R Square lebih besar dibanding model perbandingan lainnya. Dengan demikian dapat dinyatakan model tidak terkena masalah Multikolinier
Demikian, semoga bermanfaat
pak saya mau nanya, untuk mengatasi masalah multikolinearitas ini ada yang menggunakan prosedur centering, maksudnya seperti apa? langkah-langkahnya bagaimana
skor riil nya dikurangi skor rata-rata secara keseluruhan
Pak mohon infonya lagi,bagaimana mengatasi masalah multikolinearitas..karena ada salah satu variabel penelitian saya terkena multikolinearitas dimana nilai VIf nya diatas 10
salah satu variabel dieliminasi
pak pa ada cara lain selain mengeliminasikan salah satu variabel tsb.. penelitian saya ttg analisis pertumbuhan ekonomi kabupaten sebelum dan sesudah pemekaran..sebelumnya saya sdh menanyakan masalh uji beda ke bpk ..dan untk melihat pengaruh variabel 2 ternyata ada yang multi,,variabel nya : PAD, GE dan IPM thd PDRB semula tdk multi kemudian dosen menyuruh ubah ke bentuk Ln,,tenyata PAD nya multi pak..terimakash bantuannya
mengapa dirubah mbak…dibalikkan lagi aja ke bentuk semula..
bisa menggunakan mean centering..yaitu mengurangi skor dengan skor rata-rata variabel itu sendiri..
Pak apakah mean centering itu bsa dipakai untukdata dlm bntuk Ln td dan apakah untuk semua variabel ( x dan y) oia pak apakah nanti hasil regresi mean center itu yg kita tampilkan dan djbarkan pada hasil analisis/pembahasan..terimakasih
thaankss bapak π
pak saya mau nanya.untuk mennggunakan ridge regression apa kita bisa melihat uji t nya??karena setelah saya mencoba hanya tertulis uji F dan tidak ada uji t untuk melihat signifikannya..mohon bantuannya pak.makasih sebelumnya π