normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikansi 0,01 1 yaitu sebesar
± 2,58. Hasil analisis tampak pada tabel berikut :
Tabel 5.
Uji Normalitas [Assessment of normality]
Variable min
max kurtosis
c.r. Z5
3 7
-1,213 -2,475
Z4 3
7 -1,315
-2,684 Z3
3 7
-0,816 -1,666
Z2 3
7 -1,2
-2,45 Z1
3 7
-0,989 -2,018
Y4 3
7 -1,19
-2,429 Y3
3 7
-1,163 -2,373
Y2 3
7 -1,187
-2,423 Y1
3 7
-0,963 -1,966
X1 3
7 -0,986
-2,012 X2
3 7
-1,083 -2,211
x3 3
7 -1,275
-2,604 x4
3 7
-1,045 -2,133
X5 3
7 -1,145
-2,337 Multivariate
-7,01 -1,656
Batas Normal ± 2,58
Sumber : Lampiran 12.
Hasil uji menunjukkan bahwa nilai c.r. multivariate berada dibawah + 2,58 itu berarti asumsi normalitas terpenuhi dan data layak untuk
digunakan dalam estimasi selanjutnya. Pengujian linieritas dilakukan dengan mengamati
scatter-plot , dimana hasilnya menunjukkan hubungan
antara variabel terikat dan bebas relatif normal.
5.4.5. Uji 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
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
multivariate antar variabel perlu dilakukan sebab walaupun data yang
dianalisis 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 mengg
unakan χ² chi kuadrat pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian ini. Hasil uji outlier tampak pada
tabel berikut :
Tabel 6. Residual Statistics
Std. Deviation
Predicted Value 26,810
76,720 50,500
9,840 100
Std. Predicted Value -2,407
2,664 0,000
1,000 100
Standard Error of Predicted Value 7,470
15,200 11,300
1,560 100
Adjusted Predicted Value 16,620
79,020 50,210
11,380 100
Residual -48,640
62,190 0,000
27,290 100
Std. Residual -1,652
2,111 0,000
0,927 100
Stud. Residual -1,822
2,370 0,004
1,008 100
Deleted Residual -59,230
78,380 0,290
32,360 100
Stud. Deleted Residual -1,848
2,438 0,005
1,015 100
Mahalanobis Distance MD 5,374
25,387 13,860
4,048 100
Cooks Distance 0,000
0,098 0,013
0,015 100
Centered Leverage Value 0,054
0,256 0,140
0,041 100
a Dependent Variable : NO. RESP
Mahalanobis Distance
N
Terdapat Outlier Apabila 36,124
Minimum Maximum
Mean
Sumber : Lampiran 5.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Deteksi terhadap multivariat outliers
dilakukan dengan menggunakan kriteria
Jarak Mahalanobis pada tingkat p 0,001. Jarak
Mahalanobis itu dievaluasi dengan menggunakan χ
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
χ
2 0.001
dengan jumlah variabel 100 adalah sebesar 25,387. Hasil analisis Mahalanobis diperoleh nilai 36,124 yang lebih kecil dari
χ
2
tabel 25,387 tersebut. Dengan demikian terjadi tidak
multivariate outliers antar variable
dan tidak ada yang harus dieliminasi sehingga N pada analisis selanjutnya tetap sebesar 100 responden.
5.4.6. Uji Multicolinierity dan Singularity