Uji Multicollinierity dan Singularity Uji Outlier

39 Variable Min Max Kurtosis

c.r.

X 1.1 1 5 -1.678 -4.196 X 1.2 1 5 -1.435 -3.588 X 1.3 1 5 -1.522 -3.805 X 2.1 1 5 -1.501 -3.753 X 2.3 1 5 -1.523 -3.808 X 3.1 1 5 -1.459 -3.648 X 3.3 1 5 -1.655 -4.138 X 3.3 1 5 -1.574 -3.934 X 4.1 1 5 -1.598 -3.995 X 4.2 1 5 -1.766 -4.414 Y1 1 5 -1.487 -3.718 Y2 1 5 -1.448 -3.619 Multivariate -5.427 -1.813 Batas Normal ± 2,58 Sumber : Lampiran. 4, data diolah Berdasarkan pada tabel 4.9 di atas dapat diketahui bahwa nilai c.r. mutivariate berada di luar ± 2,58 itu berarti asumsi normalitas tidak terpenuhi. Fenomena ini tidak menjadi masalah serius seperti dikatakan oleh Bentler Chou 1987 bahwa jika teknik estimasi dalam model SEM menggunakan maximum likelihood estimation MLE walau ditribusi datanya tidak normal masih dapat menghasilkan good estimate, sehingga data layak untuk digunakan dalam estimasi selanjutnya.

4.1.5. Uji Multicollinierity dan Singularity

Pengujian terhadap gejala multikolinieritas antar variabel bebas memperlihatkan tidak adanya gejala multikolonieritas yang merusak model dan berdasarkan hasil Uji Multikolinieritas, dapat diketahui besarnya nilai dari determinant of sample covariance matrix yaitu sebesar 3.789.532.954 dan angka ini jauh dari nol, dan sesuai dengan ketentuan yang telah ditetapkan, maka dapat disimpulkan bahwa tidak terjadi multikolinieritas atau singularitas Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber 40 dalam data ini sehingga asumsi terpenuhi. Dengan demikian besaran koefisien regresi masing-masing faktor dapat dipercaya.

4.1.6. Uji Outlier

Uji 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 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 nilai tabel χ² chi kuadrat pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian ini. Berdasarkan Uji Outlier Multivariate dapat diperoleh hasil, yaitu sebagai berikut Tabel. 4.10. Hasil Uji Outlier Multivariate Residuals Statistics a Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber 41 Minimum Maximum Mean Std. Deviation N Predicted Value 30.265 117.075 75.500 19.638 150 Std. Predicted Value -2.304 2.117 0.000 1.000 150 Standard Error of Predicted Value 8.458 18.083 11.766 1.775 150 Adjusted Predicted Value 29.843 120.463 75.183 19.868 150 Residual -98.004 68.049 0.000 38.754 150 Std. Residual -2.425 1.684 0.000 0.959 150 Stud. Residual -2.482 1.815 0.004 1.001 150 Deleted Residual -102.682 79.032 0.317 42.229 150 Stud. Deleted Residual -2.531 1.830 0.003 1.005 150 Mahalanobis Distance [MD] 5.532 28.836 11.920 4.030 150 Cooks Distance 0.000 0.041 0.007 0.007 150 Centered Leverage Value 0.037 0.194 0.080 0.027 150 a Dependent Variable : NO. RESP Mahalanobis Distance : 32.909 =CHIINV0,001.9 Sumber : Lampiran. 2, data diolah Berdasarkan pada tabel 4.10 di atas dapat diketahui bahwa nilai Mahalanobis Distance MD Maksimum yaitu sebesar 28,836, sedangkan berdasarkan nilai tabel χ 2 0.001 dengan jumlah variabel 5 diperoleh nilai yaitu sebesar 32,909, hal ini berarti bahwa hasil analisis Mahalanobis diperoleh nilai yang kurang dari χ 2 tabel, dengan demikian dapat disimpulkan bahwa, tidak terjadi multivariate outliers. sehingga asumsi terpenuhi 4.2. Confirmatory Factor Analysis 4.2.1. Confirmatory Factor Analysis Prestasi Belajar Siswa Y.