Outliers Analisis Structural Equation Model SEM

31 Outliers adalah observasi atau data yang memiliki karakteristik unik yang berbeda dari data lainnya dan muncul dalam bentuk data ekstrim baik untuk variabel tunggal maupun variabel kombinasi Hair et al., dalam Ferdinand, 2006. Pada umumnya outliers diperlakukan dengan dikeluarkan dari data dan tidak diikut sertakan dalam analisis selanjutnya. Bila tidak terdapat alasan khusus untuk mengeluarkan outliers, maka data observasi tersebut dapat diikutsertakan dalam analisis selanjutnya. Outliers dapat dievaluasi dengan nilai mahalanobis distance dengan nilai degree of freedom sejumlah variabel yang dipergunakan dalam penelitian pada tingkat p 0,001. Dalam penelitian ini jumlah indikator variabel yang digunakan sebanyak 30 indikator variabel. Dengan demikian, apabila terdapat nilai mahalanobis distance yang lebih besar dari χ 2

30. 0,001 = 59,70306 maka nilai tersebut

adalah outliers multivariate. Mahalanobis distance dapat dilihat pada tabel

IV.10. Tabel IV.10

Jarak Mahalanobis Data Observation number Mahalanobis d-squared p1 p2 39 68,992 ,000 ,009 22 62,415 ,000 ,002 25 62,013 ,001 ,000 102 61,899 ,001 ,000 130 60,338 ,001 ,000 42 59,968 ,001 ,000 32 Observation number Mahalanobis d-squared p1 p2 32 59,965 ,001 ,000 137 59,725 ,001 ,000 . . . . . . . . . . . . Table IV.10 menjelaskan bahwa ada beberapa nilai yang dikategorikan sebagai outliers karena nilai Mahalanobis Distance tidak melebihi nilai χ 2

30, 0.001 = 59,70306 . Namun pada penelitian ini data observasi tersebut tetap

digunakan karena ketika peneliti membuang data outliers maka Goodness-of-Fit Model menjadi buruk. Dengan demikian jumlah sampel yang akan digunakan tetap sebanyak 137 sampel.

3.4 Kriteria Goodness of Fit

Sebelum melakukan pengujian hipotesis, langkah pertama adalah menilai kesesuaian goodness of fit. Hasil evaluasi nilai goodness of fit dari model penelitian yang dilakukan dapat dilihat pada tabel IV.11 berikut ini: Gambar IV.1