55 Berdasarkan hasil penyebaran kuesioner diketahui bahwa sebagian
besar responden sangat setuju dengan pertanyaan yang diajukan. Hal tersebut ditunjukkan dengan banyaknya responden yang memberikan jawaban pada
skor 5 dengan total skor sebanyak 128 jawaban. Responden menyatakan bahwa mereka akan melakukan pembelian produk kecap sedaap setelah mencari
informasi sebuah produk terlebih dahulu.
4.3. Analisa dan Pengujian Hipotesis
4.3.1. Asumsi Model
4.3.1.1. Uji Normalitas Sebaran dan Linieritas
Uji normalitas sebaran dilakukan dengan Kurtosis Value dari data yang digunakan yang biasanya disajikan dalam statistik deskriptif. Nilai
statistik untuk menguji normalitas itu disebut z-value. Bila nilai-z lebih besar dari nilai kritis maka dapat diduga bahwa distribusi data adalah tidak normal.
Nilai kritis dapat ditentukan berdasarkan tingkat signifikansi 0,01 1 yaitu sebesar
2,58. Hasilnya diperoleh nilai c.r. multivariat diantara 2,58 dan itu berarti asumsi normalitas terpenuhi dan data layak untuk digunakan dalam
estimasi selanjutnya. Hasil analisis tampak pada tabel berikut :
Tabel 4.6. Hasil Pengujian Normalitas
Variabel Min Max Kurtosis c.r.
X
11
1 5 1,156 2,417
X
12
1 5 -1,139 -2,382
X
13
1 5 1,018 2,129
X
21
1 5 -0,239 -0,500
56
X
22
1 5 3,228 6,752
X
23
1 5 4,346 9,089
X
31
1 5 0,504 1,055
X
32
1 5 0,366 0,766
X
33
1 5 3,389 7,090
Y
1
1 5 1,209 2,528
Y
2
1 5 0,437 0,913
Y
3
1 5 0,933 1,952
Multivariate 41,909 11,714
Batas normal
± 2,58
Sumber : Lampiran Hasil uji menunjukkan bahwa nilai c.r. multivariate berada di luar ±
2,58 itu berarti asumsi normalitas tidak terpenuhi. Fenomena ini tidak menjadi masalah serius seperti dikatakan oleh Bentler dan Chou 1987 bahwa jika
teknik estimasi dalam model SEM menggunakan maximum likelihood estimation MLE walau distribusi datanya tidak normal masih dapat
menghasilkan good estimate, sehingga data layak untuk digunakan dalam estimasi selanjutnya.
4.3.1.2 Evaluasi Outlier
Outlier adalah observasi atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul
dalam bentuk nilai ekstrim untuk sebuah variabel tunggal atau variabel kombinasi atau mutivariat Hair, 1998. Evaluasi terhadap outlier multivariate
antar variabel perlu dilakukan sebab walaupun data yang dianalisis
57 menunjukkan tidak ada outliers pada tingkat univariate, tetapi observasi itu
dapat menjadi outliers bila sudah saling dikombinasikan. Jarak antara Mahalanobis untuk tiap-tiap observasi dapat dihitung dan akan menunjukkan
sebuah observasi dari rata-rata semua variabel dalam sebuah ruang multidimensional Hair.dkk, 1998; Tabachnick Fidel, 1996. Uji terhadap
outliers multivariate dilakukan dengan menggunakan jarak Mahalanobis pada tingkat p 1. Jarak Mahalanobis itu dievaluasi dengan menggunakan
χ² chi kuadrat pada derajat bebas sebesar jumlah variabel yang digunakan dalam
penelitian ini. Hasil uji outlier tampak pada tabel berikut :
Tabel 4.7 Hasil Pengujian Outlier Multivariate
Min Max
Mean Std.
Deviation N
Predicted Value 23.372
78.741 55.500
9.036 110
Std. Predicted Value -3.556
2.572 0.000
1.000 110
Standard Error of Predicted Value
5.711 22.106
10.516 3.718
110 Adjusted Predicted Value
20.133 86.513
55.351 10.393
110 Residual
-52.705 51.957 0.000
30.592 110
Std. Residual -1.625
1.602 0.000
0.943 110
Stud. Residual -1.696
1.657 0.002
0.998 110
Deleted Residual -59.000 55.969
0.149 34.365
110 Stud. Deleted Residual
-1.713 1.672
0.002 1.002
110 Mahalanobis Distance [MD]
2.390 49.661
11.891 10.040
110 Cooks Distance
0.000 0.051
0.010 0.010
110 Centered Leverage Value
0.022 0.456
0.109 0.092
110 a Dependent Variable : NO. RESP
Sumber : Lampiran
58 Deteksi terhadap multivariat outliers dilakukan dengan menggunakan
kriteria Jarak Mahalanobis pada tingkat p 0,001. Jarak Mahalanobis itu dievaluasi dengan menggunakan
2
pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian. Bila kasus yang mempunyai Jarak
Mahalanobis lebih besar dari nilai chi-square pada tingkat signifikansi 0,001 maka terjadi multivariate outliers. Nilai
2 0.001
dengan jumlah indikator 12 adalah sebesar 32,909. Hasil analisis Mahalanobis diperoleh nilai 49,661 lebih
dari
2
tabel 32,909 tersebut. Dengan demikian, terjadi multivariate outliers.
4.3.1.3. Evaluasi Reliabilitas
