Uji Multikolinearitas SPSS dengan Korelasi Parsial

Kali ini kita akan mencoba melakukan uji multikolinearitas dengan SPSS Versi 23. Data yang akan digunakan dalam simulasi ini bisa Anda download di sini dengan menggunakan akun Gmail Anda karena disimpan di Google Drive. Data yang digunakan hanya simulasi saja, jadi mohon untuk tidak fokus ke variabelnya. Jumlah variabel bebas (X) ada 7 dengan 1 variabel terikat yaitu Piutang. Jumlah data yang dipergunakan adalah 102 jadi dianggap cukup untuk analisis ini.

Lakukan analisis regresi linear berganda dan pada Statistics berilah tanda centang pada Descriptives, Part and partial correlations dan Colinearity diagnostics seperti pada gambar di bawah:

Menu Statistics pada Regresi

Setelah itu klik Continue lalu OK sehingga akan keluar output. Mari kita lihat satu persatu output yang muncul.

Output Statistik Deskriptif

Output pertama adalah statistik deskriptif. Memuat nilai rata-rata, standar deviasi dan jumlah sampel. Bisa dibahas sesuai dengan kajian bidang ilmu masing-masing. Untuk Size, itu merupakan nilai logaritma natural dari Total Assets sehingga nilainya memang tidak besar. Output berikutnya adalah

Output Korelasi

Output di atas adalah output korelasi antara masing-masing variabel dalam penelitian, baik antara variabel bebas maupun dengan variabel terikatnya. Ini muncul karena kita memberikan tanda centang pada Descriptions. Jika kita tidak memberikan tanda centang, maka output ini tidak muncul.

Korelasi antar variabel bebas memang kadang dijadikan deteksi adanya multikolinearitas atau tidak. Tapi sebenarnya deteksi dengan menggunakan korelasi hanya disarankan jika menggunakan 2 variabel bebas saja. Untuk variabel bebas lebih dari 2, deteksi dengan korelasi tidak disarankan.

Output yang berikutnya adalah sebagai berikut:

Output Uji Multikolinearitas

Output F dan R dan yang tidak berhubungan dengan multikolinearitas tidak ditampilkan di sini agar lebih fokus. Untuk Output Correlations di atas, muncul karena kita memberikan tanda centang pada Part and partial correlations. Jika tanda centang kita hilangkan, maka kolom Correlations juga tidak akan muncul sebagai output.

Pada kolom Zero-order, sebenarnya itu sama persis dengan output correlations pada tabel sebelumnya. Hanya yang ditampilkan adalah korelasi antara masing-masing variabel bebas dengan variabel terikatnya. Misalnya Utang akan bernilai 0,311 yang sama persis dengan output Correlations antara Utang dengan variabel terikatnya. Juga dengan variabel bebas yang lain. 

Untuk kolom Partial, ini adalah output korelasi antara variabel bebas dengan variabel terikat jika dikontrol oleh variabel bebas yang lain. Kita juga dapat mendapatkan output ini dengan menu Correlation sebagai berikut:

Menu Correlation Partial

Setelah masuk ke Partial maka akan diarahkan ke Menu sebagai berikut:

Memasukkan Variabel

Masukkan variabel Piutang dan Utang di kotak atas, dan variabel bebas yang lain di kotak bawah sebagai Control. Setelah itu klik OK sehingga akan muncul output sebagai berikut:

Output Korelasi Parsial

Nilai korelasi parsialnya adalah 0,181 yang sama persis dengan output pada regresi di atas. Telah disebutkan di atas bahwa nilai korelasi untuk deteksi multikolinearitas sebaiknya tidak digunakan untuk model dengan lebih dari 2 variabel bebas. Jadi untuk model dengan variabel bebas lebih dari 2, maka deteksi multikolinearitas disarankan menggunakan nilai Korelasi parsial ini. Korelasi parsial lebih disarankan karena nilai koefisien parsial juga memperhitungkan variabel bebas yang lain. Untuk korelasi, maka yang diperhitungkan hanya satu variabel bebas yang bersangkutan dengan variabel terikatnya.

Tampak bahwa nilai korelasi parsial relatif rendah dengan nilai tertinggi adalah sebesar 0,207 untuk variabel profit. Sebagai perbandingan, maka di kolom paling kanan adalah output Collineary diagnostics yang memuat nilai VIF dan Tolerance. Tampak bahwa tidak ada nilai VIF yang di atas 10, tertinggi adalah 2,329 untuk variabel Profit. Hasil ini selaras dengan hasil pengujian dengan korelasi parsial. Silahkan dicoba untuk melihat nilai Tolerance dan juga nilai Condition Index.

Korelasi parsial memang jarang dipergunakan sebagai identifikasi multikolinearitas. Sebenarnya bisa dipergunakan sebagai alternatif pengugjian multikolinearitas. Ingat uji multikolinearitas sebenarnya tidak mengukur ada atau tidaknya suatu multikolinearitas. Multikolinearitas pasti ada. Jadi sebenarnya kita mengukur seberapa tinggi multikolinearitas yang ada sehingga tidak mengganggu model regresi yang kita bangun.

Share: