Contoh Uji Multikolinieritas

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 – Regression – 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

step 2 uji multiko

Klik Continue, lalu OK

HASIL UJI

Hasil uji dapat didownload DATA MULTIKOLINIERITAS

Review Hasil

review uji multiko

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

Advertisements

Posted on April 5, 2011, in ASUMSI KLASIK and tagged . Bookmark the permalink. 7 Comments.

  1. 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

  2. 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 🙂

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

%d bloggers like this: