Tutorial Asumsi Klasik Non Multikolinieritas Menggunakan SPSS

 

Pengujian Asumsi Klasik 

(Pengujian Nonmultikolinieritas)

• Apa Sih Asumsi Klasik ?

    Uji asumsi klasi adalah persyaratan untuk melakukan analisis regresi linier berganda dimana estimasi parameternya menggunakan metode Ordinary Least Square (OLS). Regresi yang tidak menggunakan metode OLS tidak perlu menggunakan persyaratan asumsi klasik seperti regresi logistik, multinomian atau regresi ordinal. Pengujian ini dilakukan dengan tujuan untuk memastikan bahwa persamaan regresi yang diperoleh memiliki hasil yang konstan, tidak bias, dan tepat dalam melakukan estimasi. Model regresi berganda juga harus memenuhi kriteria BLUE (Best Linier Unbiased Estimator), sehingga perlu untuk melakukan pengujian asumsi klasik agar kriteria tersebut terpenuhi. Asumsi Klasik sendiri terdapat 4 uji yang harus dilakukan, yaitu:

1. Uji Normalitas;

2. Uji Non Autokorelasi; (wajib untuk data deret waktu)

3. Uji Homoskedastisitas;

4. Uji Non Multikolinieritas 

Pada kesempatan kali ini kita akan fokus membahas asumsi klasik untuk uji Nonmultikolinieritas pada regresi linier berganda menggunakan SPSS.

• Pengujian Nonmutikolinieritas

Pengujian ini bertujuan untuk dapat melihat apakah terdapat hubungan atau korelasi anatara variabel independen (X) dalam model regresi linier berganda. Model yang baik adalah model yang variabel independennya tidak memiliki hubungan atau korelasi, jika terdapat korelasi yang tinggi anatar variabel independen (X) maka akan mengganggu hubungan dengan variabel dependen (Y). Pengujian ada atau tidaknya multikolinieritas pada variabel dapat dilihat berdasarkan nilai VIF (Variance Inflation Factor). Apabila nilai VIF > 10 maka dapat dikatakan terjadi multikolinieritas anatar variabel independen (X).

• Contoh Soal dan Tutorial SPSS

Berikut ini merupakan contoh data untuk pengujian asumsi nonmultikolinieritas regresi linier berganda. Terdapat satu variabel dependen (Y) dan lima variabel independen (X). 

1. Input data di atas pada software SPSS.

2. Klik Variabel View dan sesuaikan masing-masing kolom sesuai gambar di bawah ini.

3. Klik Analyze - Regression - Linier.

4. Masukkan Variabel Y ke dalam kolom Dependent dan variabel X ke dalam kolom Independent seperti gambar di bawah ini.

5. Klik Statistics selanjutnya centang kotak Estimates, Model Fit, dan Collinearity Diagnostics. Klik Continue dan OK.

• Pembahasan

Berdasarkan tutorial di atas diperoleh output untuk asumsi nonmultikolinieritas sebagai berikut.

Beradasarkan output di atas dapat dilihat nilai VIF masing-masing variabel independen. Variabel yang memiliki nilai VIF < 10 yaitu variabel X1, X3, dan X4, sehingga dapat disimpulkan tidak terdapat multikolinieritas pada 3 variabel tersebut, namun sisanya variabel X2, dan X5 memiliki nilai VIF > 10 . Oleh karena itu dapat dikatakan asumsi nonmultikoliniritas pada model di atas tidak terpenuhi dikarenakan terdapat variabel independen yang memiliki nilai VIF > 10.

Author : Ajeng Jasmine (AJF)