56
Tabel 4.9. Hasil Uji Normalitas
Assessment of normality Variable
min max
kurtosis c.r.
X11 3
7 -0,492
-1,145 X12
3 7
-0,495 -1,151
X13 3
7 -0,411
-0,958 X21
2 7
-0,214 -0,498
X22 2
7 -0,349
-0,812 X23
2 7
-0,357 -0,831
X31 2
7 -0,570
-1,326 X32
2 7
-0,571 -1,328
Y1 3
7 -0,314
-0,730 Y2
3 7
0,057 0,133
Y3 2
7 -0,110
-0,257 Z1
3 7
-0,309 -0,720
Z2 3
7 -0,145
-0,337
Multivariate
-8,499 -2,453
Batas Normal ± 2,58
Sumber : lampiran 3 Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di antara
± 2,58 itu berarti asumsi normalitas terpenuhi.
4.3.2. Evaluasi atas 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 Hair,1998.
Multivariate outlier diuji dengan kriteria jarak Mahalanobis pada tingkat p 0,001. Jarak diuji dengan Chi-Square [
χ2] pada df sebesar jumlah variabel bebasnya df = 20. Ketentuan : bila Mahalanobis dari
nilai χ2 adalah multivariate outlier. Pada penelitian ini terdapat outlier
apabila nilai Mahalanobis distancenya 45,315.
57
Untuk lebih memperjelas uraian mengenai evaluasi outlier multivariate berikut ini akan disajikan tabel Uji Outlier Multivariate :
Tabel 4.10. Hasil Pengujian Outlier Multivariate
Residuals St at ist ics a Minim um
Max im um Mean
St d. Dev iat ion
N Pr edict ed Value
- 2,29 122,12
65,50 23,454
130 St d. Predict ed Value
- 2,890 2,414
0,000 1,000
130 St andar d Err or of Predict ed Value
7,003 14,510
10,109 1,380
130 Adj ust ed Predict ed Value
- 4,78 122,27
65,78 23,746
130 Residual
- 66,553 59,456
0,000 29,480
130 St d. Residual
- 2,141 1,912
0,000 0,948
130 St ud. Residual
- 2,255 2,012
- 0,004 1,004
130 Delet ed Residual
- 73,862 65,781
- 0,277 33,081
130 St ud. Delet ed Residual
- 2,296 2,039
- 0,005 1,010
130 Mahalanobis Dist ance [ MD]
5,554 2 7 ,1 0 8
12,900 3,796
130 Cook s Dist ance
0,000 0,073
0,009 0,012
130 Cent er ed Lev er age Value
0,043 0,210
0,100 0,029
130
Sumber : lampiran 4 Berdasarkan tabel di atas, setelah dilakukan pengujian diketahui
nilai MD maksimum adalah 27,108 lebih kecil dari 45,315. Oleh karena itu diputuskan dalam penelitian tidak terdapat outlier multivariate antar
variabel. 4.3.3.
Deteksi Multicollinierity dan Singularity
Dengan mengamati Determinant matriks covarians. Dengan ketentuan apabila determinant sample matrix mendekati angka 0 kecil,
maka terjadi multikolinieritas dan singularitas Tabachnick Fidell, 1998.
Berdasarkan hasil pengujian dengan menggunakan program AMOS 4.0 diperoleh hasil Determinant of Sample Covariance Matrix adalah 0
yaitu sebesar 8,574 mengindikasikan tidak terjadi multikolinieritas dan
singularitas dalam data ini sehingga asumsi terpenuhi.
58
4.3.4. Uji Validitas dan Reliabilitas
