80
responden atau 63, kemudian terbanyak kedua terdapat pada skor 5 dengan jumlah resonden 29 atau 29. Artinya, sebagian besar
responden yang menjawab sangat setuju sebanyak 63 responden atau 63, kemudian yang menjawab setuju sebanyak 29 atau sebanyak
29 dan yang menjawab kurang setuju sebanyak 0 responden atau 0.
4.3. Analisis Data
4.3.1. 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 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 :
81
Tabel 4.7. : Outlier Data
Minimum Maximu
m Mean Std.
Deviation N
Predicted Value
10,61 92,26
50,50 14,748
100
Std. Predicted Value -2,705
2,831 0,000
1,000 100
Standard Error of Predicted Value 7,074
17,931 11,882
1,952 100
Adjusted Predicted Value 7,11
96,01 50,28
15,958 100
Residual -43,874
56,371 0,000
24,983 100
Std. Residual -1,589
2,041 0,000
0,905 100
Stud. Residual
-1,783 2,221
0,004 0,998
100
Deleted Residual -55,273
66,754 0,224
30,471 100
Stud. Deleted Residual -1,808
2,278 0,006
1,005 100
Mahalanobis Distance [MD] 5,504
40,736 17,820
6,274 100
Cooks Distance 0,000
0,054 0,012
0,013 100
Centered Leverage Value
0,056 0,411
0,180 0,063 100
a Dependent Variable : NO. RESP
Sumber: Lampiran 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 18 adalah sebesar 42,312. Hasil analisis Mahalanobis diperoleh
nilai 40,736 kurang dari
2
tabel 42,312 tersebut. Dengan demikian, tidak terdapat multivariate outliers [antara variabel], karena MD maksimum
40,736 42,312.
82
4.3.2. Evaluasi Reliabilitas
