Uji Asumsi Klasik Regresi: Contoh Kasus Uji Multikolinearitas + Analisis

Selain model regresi memiliki eror yang berdistribusi normal, model regresi yang baik adalah model yang tidak terkena multikolinearitas. Uji multikolinearitas digunakan untuk mengetahui ada tidaknya keterkaitan atau hubungan yang erat antar variabel independen dalam model regresi. 

[Bagi rekan-rekan yang ingin belajar analisis laporan keuangan, sedang melakukan penelitian akuntansi tentang analisis laporan keuangan, rekan2 bisa mendapatkan ebooknya disini: Buku Analisis Laporan Keuangan + Bonus Ebook Statistik. ]

Dalam pengertian statistik, dikatakan model regresi yang baik jika tidak ada lorelasi yang tinggi di antara variabel-variabel independennya. Multikolinearitas dapat disebabkan karena adanya efek kombinasi dua atau lebih variabel independen.Untuk uji normalitas, anda bisa lihat disini: Uji Asumsi Klasik Regresi: Contoh Kasus Uji Normalitas + Analisis.

Contoh soal uji regresi linier berganda (variabel biaya produksi, biaya promosi dan biaya distribusi) bisa anda lihat disini: Uji Regresi: Contoh Soal Regresi Linier Berganda + Analisis - Bagian I. Dari uji tersebut, kita akan melihat apakah data tersebut terkena multikolinearitas atau tidak. 

Pada kasus tersebut, seharusnya tidak ada hubungan antara variabel Biaya Produksi dengan Biaya Distribusi atau Biaya Promosi. Atau, tinggi rendahnya Biaya Produksi tidak ada hubungannya dengan besarnya jumlah Biaya Distribusi yang ada atau besarnya jumlah Biaya Promosi.

Untuk melihat ada tidaknya multikolinearitas, maka dalam software SPSS dapat dilihat menggunakan Variance Inflation Factor dan Tolerance yang akan saya bahas selanjutnya. Karena kita ingin melihat apakah terjadi multikolinearitas atau tidak, sekarang kita akan uji melalui langkah2 berikut di software SPSS:

1. Masuk software SPSS anda kemudian pilih menu Analyze --> Regression --> Linear .. dan akan muncul tampilan di bawah:

Isikan:

-  Dependent. Masukkan variabel Tingkat Penjualan

-  Independent(s). Masukkan variabel Biaya Produksi, Biaya Produksi dan Biaya Promosi.

-  Method. Pilih ENTER.

2. Tekan tombol Statistics dan isikan:

-  Nonaktifkan pilihan Estimates dan Model fit.

-  Aktifkan pilihan Covariance matrix dan Collinierity diagnotics.

hingga tampak seperti tampilan di bawah ini: 

Abaikan bagian yang lain lalu tekan Continue kemudian OK.. maka akan tampil output seperti dibawah ini: 

Untuk mendeteksi ada tidaknya multikolinearitas, maka dapat dilihat menggunakan dua cara, yaitu:

1. VIF (Variance Inflation Factor) dan Tolerance yang muncul pada output Coefficient pada bagian Tolerance dan VIF  

Pedoman suatu model regresi yang bebas mutikolinearitas adalah:

·         Mempunyai nilai VIF mendekati 10 atau 10.

·         Mempunyai angka Tolerance disekitar 0.1 hingga angka satu.

·         Dengan kata lain, uji terkena multikolinearitas jika nilai VIF < 1 atau nilai Tolerance > 10

Tolerance = 1 / VIF atau bisa juga VIF = 1 / Tolerance

Analisis

Pada bagian ouptut Coefficient terlihat angka variabel biaya produksi, biaya distribusi dan biaya promosi pada Tolerance menunjukkan angka masing-masing sebesar 0.113, 0.196 dan 0.152 (angka Tolerance memiliki nilai diatas 0.1 dan mendekati 1). Sedangkan pada nilai VIF, masing-masing variabel memiliki nilai sebesar 8.862, 5.111, 6.592 (angka VIF tidak lebih besar dari 10 dan cenderung mendekati 10). Dengan demikian dapat disimpulkan bahwa model regresi tersebut TIDAK TERDAPAT MASALAH MULTIKOLINEARITAS antar variabel biaya produksi, biaya promosi dan biaya distribusi.

2. Besaran Korelasi Antar Variabel Independen

Pedoman suatu model regresi yang bebas multikolinearitas adalah:

Koefisien korelasi antara variabel independen harus lemah. Jika korelasi antar variabel independen kuat, maka terjadi masalah multikolinearitas. Suatu uji terkena multikolinearitas jika antar variabel independen memiliki korelasi yang kuat, umumnya diatas 0.70. 

Analisis:

Pada output bagian Coefficient Correlations, terlihat korelasi: 

·         Korelasi variabel biaya promosi dan biaya distribusi adalah -0.186.

·          Korelasi antara biaya promosi dan biaya produksi adalah -0.666.  

·         Korelasi antara biaya distribusi dan biaya produksi adalah -0.531

Pada setiap korelasi antar variabel independen menunjukkan angka dibawah 0.7, sehingga dapat dikatakan bahwa tidak terjadi masalah multikolinearitas dalam model regresi, khususnya antara biaya promosi, biaya distribusi dan biaya promosi. Angka negatif menunjukkan adanya hubungan berbanding terbalik antar variabel independen.

Bagi rekan-rekan yang ingin belajar analisis laporan keuangan, sedang melakukan penelitian akuntansi tentang analisis laporan keuangan, rekan2 bisa mendapatkan ebooknya disini: Buku Analisis Laporan Keuangan + Bonus Ebook Statistik.