Ke 11
2. Setelah menyelesaikan step 1 maka tampilan akan seperti gambar dibawah ini.
kemudian masukkan EoUTot & STot kedalam variabel. Centang peprson –
two tailed- flag singnificant. Lalu klik OK.
➢ Mencari nilai tolerance & VIF
1. Langkah pertama klik analyze, kemudian klik regression lalu klik linear.
2. setelah menyelesaikan step satu maka tampilan akan seperti gambar dibawah
ini. kemudian masukkan STot kedalam dependent – EoUTot kedalam
independent. Lalu klik statistics. Centang coyariance – collinearity –
continue.
2. Setelah menyelesaikan step satu maka tampilan akan seprti gambar dibawah
ini. kemudian langsung klik statistic, centang estimates – model lif –
continue – OK.
➢ Hasil uji multikolinearitas
Correlations
EoUTot STot
EoUTot Pearson Correlation 1 ,562**
Sig. (2-tailed) ,001
N 30 30
STot Pearson Correlation ,562** 1
Sig. (2-tailed) ,001
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
R= 0,562
(0,562<0,9) lemah berarti tidak terjadi multikoliearitas ( maka boleh dilanjut uji
multikoliniearitas)
Rumus : jika dibawah 0,9 (kolerasi lemah) artinya tidak ada problem.
Variables Entered/Removeda
Model Variables Entered Variables Removed Method
1 EoUTotb . Enter
a. Dependent Variable: STot
b. All requested variables entered.
Coefficientsa
Collinearity Statistics
Model Tolerance VIF
1 EoUTot 1,000 1,000
a. Dependent Variable: STot
Coefficient Correlationsa
Model EoUTot
1 Correlations EoUTot 1,000
Covariances EoUTot ,029
a. Dependent Variable: STot
Collinearity Diagnosticsa
Variance Proportions
Model Dimension Eigenvalue Condition Index (Constant) EoUTot
1 1 1,994 1,000 ,00 ,00
2 ,006 18,130 1,00 1,00
a. Dependent Variable: STot
Yang dilihat coefficients
• EoUTot) toleransi : 1,000
Jika nilai tot > 0,1 tidak terjadi multikoliearitas
Kesimpulan : 1,000 > 0,1 maka tidak terjadi multikoliearitas, karena tidak terjadi
bisalanjut ke uji selanjutnya.
• Vif :1,000
jika nilai vif <10
Kesimpulan 1,000<10 maka tidak terjadi multikoliearitas, karena tidak terjadi
bisalanjut ke uji selanjutnya.
➢ hasil uji normalitas
Model Summaryb
Std. Error of the
Model R R Square Adjusted R Square Estimate
1 ,562a ,316 ,291 1,923
a. Predictors: (Constant), EoUTot
b. Dependent Variable: STot
ANOVAa
Sum of Mean
Model Squares df Square F Sig.
1 Regressi 47,796 1 47,796 12,921 ,001b
on
Total 151,367 29
Sing : 0,001 < 0,05 (jadi variabel dapat digunakan untuk memprediksi kepuasan)
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 8,826 3,193 2,765 ,010
EoUTot ,608 ,169 ,562 3,595 ,001
a. Dependent Variable: STot
Eoutot : 0,608
kesimpulan : jadi setiap penambahan nilai kepuasan naik 1 tinggal maka
nilai kemudahannaik 0,608.