20
2.12. Uji Multikolinearitas
Menurut Gudono (2011, p138) bilamana jumlah variabel independen
lebih dari satu bukan tidak mungkin antarvariabel independen tersebut ada
korelasi yan g cukup tinggi (signifikan). Jika hal ini terjadi maka pengaruh
variabel independen terhadap variabel dependen akan rendah walaupun nilai F
model secara keseluruhan kelihatan tinggi. Hal terebut akan berakibat H0
pengujian koefisien akan gagal menolak H0 walaupun peranan variabel
tersebut sebetuln ya
penting. Inilah masalah yang timbul bilamana ada
multikolinieritas. Peluang terjadinya multikolinieritas ini akan semakin besar
sejalan dengan bertambahnya jumlah variabel independen.
Salah satu cara untuk menguji adanya multikolinieritas adalah dengan
menghitung variance inflation factor (VIF). Secara manual VIF dapat dihitung
melalui dua tahap.
1) Buatlah model regresi dimana salah satu variabel independen, misalnya
Xj, diperlakukan sebagai fungsi variabel independen lainnya.
Xj=f(X1,X2,...,Xk-1) (2.6)
dimana k adalah jumlah variabel independen di dalam model. Setelah itu
hitung coefficient of determination model tersebut (R2j).
2) Lakukan langkah yang sama untuk variabel-variabel independen lainnya
dan hitung nilai R modelnya.
3) Nilai VIF suatu variabel, misaln ya Xj, dapat dihitung dengan rumus ini :
Sebagai contoh seandainya variabel Xj ditentukan ole
variabel
independen lainnya (artinya ada multikolinieritas), mak
Rj akan tinggi.
Sesuai dengna kebiasaan dalam dunia penelitian nil
VIF diatas 10
dianggap signifikan (ada multikolinieritas).
2.13. Uji Normalitas
Uji Normalitas digunakan untuk mengetahui apakah populasi data
berdistribusi normal atau tidak. Uji ini biasanya digunakan untuk mengukur
data berskala ordinal, interval maupun rasio. Jika analisis menggunakan
 |