78
Variable Min
max skew
c.r. kurtosis
c.r. KE2
2,000 5,000
-,170 -,885
-,660 -1,714
KE3 2,000
5,000 -,356
-1,851 ,148
,384 KE4
2,000 5,000
-,070 -,366
-,380 -,988
KP1 2,000
5,000 -,468
-2,433 -,252
-,654 KP2
3,000 5,000
-,138 -,720
-,509 -1,323
KP3 2,000
5,000 -,258
-1,339 -,390
-1,013 KP4
3,000 5,000
-,045 -,233
-,460 -1,195
Multivariate 3,769
,999 Sumber: output amos 18
Dari tabel 4.7 diatas dapat dilihat bahwa data terdistribusi normal secara univariate dengan nilai critical ratio skewness kemencengan pada masing-
masing indikator masih pada rentang ±2,58. Sedangkan secara critical ratio multivariate memberikan nilai 0,999 juga masih pada rentang ±2,58 yang
menunjukkan data secara multivariate terdistribusi normal.
c. Evaluasi Outlier.
Outlier adalah kondisi observasi dari suatu data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi
lainnya Weston dan Gore, 2006: 735 serta Ghazali, 2008: 227. Deteksi terhadap univariate outlier dilakukan dengan mengkonversi data
ke dalam z-score yang memiliki nilai means = 0 dan standar deviasi = 1, nilai z- score antara 3 sampai 4 dinyatakan outlier Ghazali, 2007: 37.
Maka untuk mendeteksi adanya univariate outlier dalam penelitian ini akan dilakukan konversi data terlebih dahulu ke dalam nilai z-score dengan
ketentuan mean = 0 dan standar deviasi = 1. Berikut ini adalah deteksi terhadap univariate outlier dalam penelitian ini:
79
Tabel 4.8 Evaluasi
Univariate Outlier
N Minimum Maximum
Mean Std.
Deviation ZscoreKP1
162 -3,35469 1,11210 ,0000000 1,00000000
ZscoreKP2 162 -1,93441
1,31299 ,0000000 1,00000000 ZscoreKP3
162 -3,11393 1,31113 ,0000000 1,00000000
ZscoreKP4 162 -1,69216
1,49540 ,0000000 1,00000000 ZscoreKE1
162 -2,99782 1,55512 ,0000000 1,00000000
ZscoreKE2 162 -2,37312
1,39595 ,0000000 1,00000000 ZscoreKE3
162 -2,65808 1,57742 ,0000000 1,00000000
ZscoreKE4 162 -2,59272
1,64992 ,0000000 1,00000000 ZscoreCM1
162 -2,89346 1,47369 ,0000000 1,00000000
ZscoreCM2 162 -3,24086
1,27220 ,0000000 1,00000000 ZscoreCM3
162 -1,73966 1,46290 ,0000000 1,00000000
ZscoreCM4 162 -3,32767
1,55828 ,0000000 1,00000000 ZscoreSM1
162 -2,07233 1,33597 ,0000000 1,00000000
ZscoreSM2 162 -1,81773
1,24969 ,0000000 1,00000000 ZscoreSM3
162 -2,92785 1,24498 ,0000000 1,00000000
ZscoreSM4 162 -1,79361
1,47116 ,0000000 1,00000000 Valid N
listwise 162
Sumber: Output PASW Statistics 18 Deteksi
terhadap multivariate
outlier dapat
dilakukan dengan
memperhatikan nilai Mahalanobis Distance, dengan kriteria yang digunakan adalah berdasarkan nilai Chi-Suares pada derajat kebebasan degree of freedom
yaitu jumlah indikator pada tingkat signifikansi P 0,001 Ghazali, 2008: 228.