NAMA : AZHARI

NIM : 3012020027
MATA KULIAH : STATISTIK SOSIAL
(MULTIKOLINEARITAS)

REGRESSION
/DESCRIPTIVES MEAN STDDEV CORR SIG N
/MISSING LISTWISE
/STATISTICS COEFF OUTS CI(95) BCOV R ANOVA COLLIN TOL CHANGE ZPP
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT Y
/METHOD=ENTER X1 X2
/RESIDUALS DURBIN
/CASEWISE PLOT(ZRESID) OUTLIERS(3).

Regression

Descriptive Statistics
Mean Std. Deviation N
Y 17.17 2.725 12
X1 24.75 2.221 12
X2 14.08 4.337 12

Tabel ouput menunjukkan pengukuran (N), nilai rata-rata (Mean) dan standar deviasi(Std).

Correlations
Y X1 X2
Pearson Correlation Y 1.000 .563 .414
X1 .563 1.000 .286
X2 .414 .286 1.000
Sig. (1-tailed) Y . .028 .090
X1 .028 . .184
X2 .090 .184 .
N Y 12 12 12
X1 12 12 12
X2 12 12 12
 Pada tabel korelasi menunjukkan hasil analisis interkorelasi antara variabel bebas yang ditandai
Dengan nilai koefisien kerelasi person. Misalnya hasil korelasi antara variabel Y dan X1 adalah sebesar
r = 0,028. Karena nilai 0,028 tersebut kurang dari 0,8 maka gejala multikolinearitas tidak terdeteksi.

Variables Entered/Removeda
Variables
Model Variables Entered Removed Method
b
1 X2, X1 . Enter
a. Dependent Variable: Y
b. All requested variables entered.

1. Terjadi autokorelasi positif, jika nilai DW < dl atau DW > 4-dl

2. Tidak terjadi gejala autokkorelasi, jika nilai du < DW < 4-du
3. Tidak ada kesimpulan yang berarti, dl < DW < dl atau 4-du < DW < 4-dl.

Model Summaryb
Std. Error of the Change Statistics Durbin-Watson
Model R R Square Adjusted R Square Estimate R Square Change F Change df1 df2 Sig. F Change
a
1 .622 .387 .251 2.358 .387 2.844 2 9 .110 2.322
a. Predictors: (Constant), X2, X1
b. Dependent Variable: Y
 Data penelitian n = 12, variabel independent penelitian k = 2, pada tabel di atas ditemukan nilai DW = 2.322. dl = 0,8122 du = 1,5794, α = 5%.
Berdasarkan tabel Model Summary, hasil uji autokorelasi di atas menunjukkan nilai DW sebesar = 1,768. Pada tabel DW diketahui dl sebesar 0,8122 dan du sebesar 1,5794. Maka dari
hasil tersebut di atas du < DW < 4-du (1,5794 < 2.322 < 2,4206) maka hasilnya tidak terjadi autokorelasi pada model penelitian ini.

ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 31.625 2 15.813 2.844 .110b
Residual 50.042 9 5.560
Total 81.667 11
a. Dependent Variable: Y
b. Predictors: (Constant), X2, X1
Hipotesis:
Ho: β1= 0, tidak ada pengaruh penggunaan media sosial dan kebutuhan media sosial terhadap pengetahuan akademik mahasiswa.
H1: β1≠ 0, ada pengaruh penggunaan media sosial dan kebutuhan media sosial terhadap pengetahuan akademik mahasiswa.
α = 0,05
Dilihat pada nilai F hitung sebesar 2.844 Df diperoleh dari = (K-1) (N-K) = (2-1) (12-2) = (1) (10) maka F tabelnya 4,103 karena F hitung (2.844) < F tabel (4,103) maka Ho diterima ada
pengaruh penggunaan media sosial dan kebutuhan media sosial terhadap pengetahuan akademik mahasiswa. Berdasarkan signifikan yaitu 0.110, karena probabilitas > 0,05 maka Ho diterima
ada pengaruh penggunaan media sosial dan kebutuhan media sosial terhadap pengetahuan akademik mahasiswa.

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients 95.0% Confidence Interval for B Correlations Collinearity Statistics
Model B Std. Error Beta t Sig. Lower Bound Upper Bound Zero-order Partial Part Tolerance VIF
1 (Constant) .009 7.953 .001 .999 -17.981 18.000
X1 .595 .334 .485 1.780 .109 -.161 1.350 .563 .510 .464 .918 1.089
X2 .173 .171 .276 1.013 .338 -.214 .560 .414 .320 .264 .918 1.089
a. Dependent Variable: Y

Dalam tabel coefficient dapat diperoleh nilai standar error kurang dari satu, yaitu X1 = 0,334 dan X2 = 0,171 dimana keduanya kurang dari satu.
Serta nilai koefisien beta juga kurang dari satu dimana X1 = 0,485 dan X2 = 0,276 . Maka dapat dikatakan bahwa nilai standar error rendah dan multikolinearitas
tidak terdeteksi. Selanjutnya pastikan dengan nilai rentang upper dan lower bound confidence interval. Apakah leber atau sempit.

Vif dan Tolerance Uji Multikolinearitas

Dari tabel diatas bahwa nilai rentangnya sempit, yaitu pada X1 = 0,918 sampai dengan 1,089. Sedangkan pada X2 juga kebetulan hasilnya sama
Yaitu X2 = 0,918 sampai dengan 1,089. Karena rentangnya sempit, maka multikolinearitas tidak terdeteksi.

Coefficient Correlationsa
Model X2 X1
1 Correlations X2 1.000 -.286
X1 -.286 1.000
Covariances X2 .029 -.016
X1 -.016 .112
a. Dependent Variable: Y
 Collinearity Diagnosticsa
Variance Proportions
Model Dimension Eigenvalue Condition Index (Constant) X1 X2
1 1 2.945 1.000 .00 .00 .01
2 .051 7.605 .03 .02 .97
3 .004 28.654 .97 .98 .02
a. Dependent Variable: Y
Deteksi Multikolinearitas dengan Eigenvalue dan Condition Index

Pada tabel collinearity diagnostics di atas sebagai hasil uji regresi linear, kita perhatikan juga nilai eigenvalue dan condition index. Jika Eigenvalue lebih dari 0,010 dan atau Condition
Index kurang dari 30, maka dapat disimpulkan bahwa gejala multikolinearitas tidak terjadi di dalam model regresi. Dalam tutorial SPSS ini, nilai eigenvalue 0,010 > 0,01 walaupun collinearity
diagnostics 28.654 dimana kurang dari 30.

Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value 15.17 19.45 17.17 1.696 12
Residual -3.183 3.545 .000 2.133 12
Std. Predicted Value -1.177 1.349 .000 1.000 12
Std. Residual -1.350 1.504 .000 .905 12
a. Dependent Variable: Y

Dari tabel diatas merupakan ringkasan yang meliputi nilai minimum dan maksimum, mean dan standar
Devisiasi dari predicted value ( nilai yang diprediksi) dan statistic residu.