sebanyak 52 atau 52 , kemudian terbanyak kedua pada skor 6 dengan jumlah responden sebanyak 38 atau 38 . Artinya sebagian
besar responden yang menjawab agak setuju sebanyak 52 responden atau 52 , kemudian yang menjawab setuju sebanyak 38 atau
sebanyak 38 sedangkan yang menjawab netral sebanyak 8 responden atau sebanyak 8 , dan yang menjawab sangat setuju
sebanyak 2 responden atau 2 .
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 multivariat 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 outlier bila sudah saling dikombinasikan. Jarak
antara Mahalanobis untuk tiap-tiap 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
χ
2
chi kuadrat pada derajat bebas
sebesar jumlah variabel yang digunakan dalam penelitian ini.
Hasil uji outlier tampak pada tabel berikut : Tabel 4.8. Outlier Data
Minimum Maximum Mean
Std. Deviation
N Predicted Value
17.472 75.146 50.500
12.030 100
Std. Predicted Value -2.745
2.049 0.000
1.000 100
Standard Error of Predicted Value 3.624
13.434 9.106
1.543 100
Adjusted Predicted Value 19.204
79.109 50.499 12.431
100 Residual
-53.207 59.192
0.000 26.400
100 Std. Residual
-1.911 2.126
0.000 0.948
100 Stud. Residual
-2.031 2.263
0.000 1.004
100 Deleted Residual
-60.122 67.054
0.001 29.630
100 Stud. Deleted Residual
-2.068 2.318
0.001 1.011
100 Mahalanobis Distance [MD]
0.687 22.057
9.900 3.574
100 Cooks Distance
0.000 0.062
0.011 0.013
100 Centered Leverage Value
0.007 0.223
0.100 0.036
100 a Dependent Variable : NO. RESP
Sumber Deteksi terhadap multivariate outlier
dilakukan dengan menggunakan kriteria Jarak Mahalanobis pada tingkat p 0,001. Jarak
Mahalanobis itu dievaluasi dengan menggunakan
χ
: Lampiran
2
pada derajaat 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 indikator 10 adalah sebesar 29,588. Hasil analisis Mahalanobis diperoleh nilai 22,057 kurang dari
χ
2
tabel 29,588 tersebut. Dengan demikian, tidak terjadi multivariate outliers.
4.3.2. Evaluasi Reliabilitas