Hasil Regression Weights Analisis Structural Equation Model
Sumber: data primer yang diolah, 2015
4.4.2 Evaluasi Kriteria Goodness of Fit
Evaluasi goodness of fit dimaksudkan untuk menilai seberapa baik model penelitian yang dikembangkan. Pada tahapan ini
kesesuaian model penelitian dievaluasi tingkat goodness of fit, namun yang perlu dilakukan sebelumnya adalah mengevaluasi data yang
digunakan agar dapat memenuhi kriteria yang disyaratkan oleh SEM.
1. Evaluasi Univariate Outlier
Outlier merupakan observasi dengan nilai-nilai ekstrim baik secara univariat maupun multivariat yang muncul karena
79
kombinasi karakteristik unik yang dimilikinya dan terlihat sangat jauh berbeda dari observasi-observasi lainnya. Pengujian ada
tidaknya outlier univariate dilakukan dengan menganalisis nilai Zscore dari data penelitian yang digunakan. Apabila terdapat nilai
Zscore yang lebih besar ± 3,0 maka akan dikategorikan sebagai outlier. Pengujian univariate outlier ini menggunakan bantuan
program SPSS.
Tabel 4.24 Descriptive Statistics
80
Berdasarkan hasil pengolahan data untuk pengujian ada tidaknya outlier ada pada Tabel 4.24 di atas dapat ditunjukkan bahwa
data tidak terjadi problem outlier univariate. Pembuktiannya adalah ditandai dengan nilai Zscore dibawah 3 atau tidak berada pada rentang
3 sampai dengan 4. Apabila pada data terdapat outlier univariate tidak akan dihilangkan dari analisis karena data tersebut menggambarkan
keadaan yang sesungguhnya dan tidak ada alasan khusus dari profil responden yang menyebabkan harus dikeluarkan dari analisis tersebut
Ferdinand, 2005.
2. Evaluasi Multivariate Outlier
Outliers adalah observasi atau data yang memiliki karakteristik unik yang terlihat sangat berbeda dengan data lainnya
dan muncul dalam bentuk nilai ekstrim, baik untuk variabel tunggal maupun kombinasi Hair, et al, 1995. Uji Jarak Mahalanobis
Mahalanobis Distance digunakan untuk melihat ada tidaknya outliers secara multivariate. Untuk menghitung Mahalanobis
Distance berdasarkan nilai Chi-Square pada derajad bebas sebesar 15 indikator pada tingkat p0.001 adalah
2 15 ,0.001
= 41.739 berdasarkan tabel distribusi
2
. Dari hasil pengolahan data dapat diketahui bahwa jarak mahalainobis maksimal 30,492. Jadi dalam
analisis ini tidak ditemukan adanya outlier
81
Tabel 4.25 Evaluasi Multivariate Outlier
Observation number
Mahalanobis d- squared
p1 p2
62 30.492
.010 .695
50 27.403
.026 .797
60 26.626
.032 .715
63 25.276
.046 .785
12 24.616
.055 .769
31 23.027
.084 .926
47 22.312
.100 .948
57 21.727
.115 .961
17 21.575
.119 .941
Sumber : data primer yang diolah, 2015
3. Uji Normalitas Data