Disusun Oleh :
FAKULTAS PSIKOLOGI
UNIVERSITAS AHMAD DAHLAN
YOGYAKARTA
2021
TABULASI DATA
1. Data View
2. Variabel View
PEMBAHASAN OUTPUT DATA SPSS
A. Uji Asumsi
1. Uji Normalitas Shapiro-wilk
Tujuan: untuk menguji hipotesis nihil (H0) ”tidak ada
perbedaan sebaran data antara sampel dan populasinya”. Kaidah
uji signifikansi: p > 0,05. Tidak ada perbedaan sebaran data antara
sampel dan populasinya. Sebaran skor sampel membentuk kurve
normal (data pada sampel mengindikasikan sebaran normal), sama
seperti estimasi sebaran skor pada populasi.
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Unstandardized
.077 45 .200* .982 45 .700
Residual
a. Lilliefors Significance Correction
*. This is a lower bound of the true significance.
1. Uji Linearitas
Tujuan: untuk memastikan bahwa data kedua variabel yang
akan dikorelasikan dapat dihubungkan dengan garis lurus (linier).
Kaidah uji signifikansi: p (Flinearity) < 0,05 dan p (deviation from
linearity) > 0,05.
ANOVA Table
Sum of Mean
Squares df Square F Sig.
Total 9337.200 44
Sum of Mean
Squares df Square F Sig.
Deviation from
3854.423 26 148.247 1.425 .226
Linearity
Total 9337.200 44
2. Uji Heteroskedastisitas
Heteroskedastisitas adalah gejala ketidaksamaan varians residual
(error) pada variabel bebas (prediktor). Model regresi yang baik
mensyaratkan homoskedastisitas (kesamaan varians error).
Kaidah uji signifikansi: t hitung > t tabel dan taraf signifikansi (p) > 0,05,
artinya tidak ada perbedaan varians error atau dengan kata lain ada
kesamaan antar varians error.
Coefficientsa
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
3. Uji Multikolinieritas
Interkorelasi adalah hubungan yang linier atau hubungan yang kuat
antara satu variabel bebas (prediktor) dengan variabel bebas (prediktor)
lainnya di dalam sebuah model regresi.
Interkorelasi dapat dilihat berdasarkan koefisien korelasi antar
variabel bebas, nilai Tolerance dan VIF, Eigenvalue dan Condition
Index, serta nilai standar error koefisien beta atau koefisien regresi
parsial.
Nilai Tolerance (besarnya tingkat kesalahan yang dibenarkan
secara statistik) dan VIF (Variance Inflation Factor/faktor inflasi
penyimpangan baku kuadrat) adalah indikator kuat yang sering dipakai
oleh para peneliti untuk menyimpulkan fenomena terjadinya
interkorelasi antar variabel bebas.
Kaidah uji multikolinieritas berdasarkan tolerance :
1. Nilai tolerance > 0,10, artinya tidak terjadi multikolinieritas di dalam
model regresi.
2. Nilai tolerance < 0,10, artinya terjadi multikolinieritas di dalam
model regresi.
Kaidah uji multikolinieritas berdasarkan VIF :
1. Nilai VIF < 0,10, artinya tidak terjadi multikolinieritas di dalam model
regresi.
2. Nilai VIF > 0,10, artinya terjadi multikolinieritas di dalam model
regresi.
Coefficientsa
Standardi
zed
Unstandardized Coefficien 95% Confidence Interval Collinearity
Coefficients ts for B Correlations Statistics
Lowe
r
Boun Zero- Toleran
Model B Std. Error Beta t Sig. d Upper Bound order Partial Part ce VIF
1 (Const -
ant) 2.325 16.971 .137 .892 31.92 36.574
4
dukun
gan
-.002 .093 -.003 -.022 .983 -.190 .186 .018 -.003 -.003 .949 1.054
keluar
ga
Kontro
.051 .086 .094 .596 .554 -.122 .224 .093 .092 .092 .949 1.054
l diri
a. Dependent Variable:
abs_res
Pada tabel coefficients data yang didapat dalam tabel
collinearity statistics nilai tolarence untuk dukungan keluarga
mendapatkan nilai 0.949 dan untuk control diri mendapatkan
nilai sebesar 0.949. Sedangkan, pada tabel VIF untuk
dukungan Keluarga memperoleh nilai 1.054 dan untuk
Kontrol diri mendapatkan 1.054. Maka untuk nilai tolarence
baik untuk dukungan sosial maupun kepercayaan diri nilai
tolarence > 0.10, sehingga tidak terjadi multikolinieritas
didalam model regresi. Sedangkan, nilai VIF dari kedua
variabel bebas tersebut VIF<10. Maka, dukungan keluarga
dan control diri tidak terjadi multikolinieritas didalam model
regresi.