41
4.2.2. Uji Outlier Multivariate
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 mutivariat 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 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 χ² chi kuadrat pada derajat bebas sebesar jumlah variabel
yang digunakan dalam penelitian ini. Hasil uji outlier tampak pada tabel berikut :
Tabel 4.3. Hasil Uji Outlier Multivariate
Minimum Maximum
Mean Std.
Deviation N
Predicted Value 25.874 82.975
51.500 12.001 102 Std. Predicted Value
-2.135 2.623 0.000 1.000
102 Standard Error of Predicted
Value 6.413 19.333
10.591 3.583 102 Adjusted Predicted Value
22.169 108.510 51.726 13.589 102
Residual -66.264 63.860
0.000 27.046 102 Std. Residual
-2.274 2.191 0.000 0.928
102 Stud. Residual
-2.701 2.301 -0.003 1.000
102 Deleted Residual
-93.510 70.395 -0.226 31.569 102
Stud. Deleted Residual -2.806 2.361
-0.004 1.009 102
Mahalanobis Distance [MD] 3.901
4 3 .4 6 7 13.863 10.630 102
Cooks Distance 0.000 0.200
0.012 0.023 102
42
Centered Leverage Value 0.039 0.430
0.137 0.105 102
Sumber : Lampiran Berdasarkan tabel diatas, setelah dilakukan pengujian ditemukan
bahwa terdapat outlier multivariat [antar variabel], karena MD Maksimum 43,467
≥ 39,252. Sebanyak 5 case outlier ini harus dieliminasi sehingga N pada analisis selanjutnya 102-5=97
4.2.3. Uji Reliabilitas
Seperti telah dijelaskan pada bab sebelumnya bahwa Cronbach’s Alpha ini digunakan untuk mengestimasi reliabiltas setiap skala variabel
atau observasi indikator. Sementara itu item to total correlation digunakan untuk memperbaiki ukuran – ukuran dan mengeliminasi butir – butir yang
kehadirannya akan memperkecil koefisien Cronbach’s Alpha yang dihasilkan Purwanto, 2002. Hasil selengkapnya dapat dilihat pada tabel
berikut :
Tabel 4.4. Pengujian Reliability Consistency Internal
Konstrak Indikator Item to Total
Correlation Koefisien
Cronbachs Alpha X11 0.767
X12 0.825 Brand Awareness
X13 0.829 0.734
X21 0.619 X22 0.627
Brand Association X23 0.748
0.352 X31 0.891
Quaality Perception
X32 0.837 0.656
Y1 0.407 Y2 0.532
Y3 0.525 Y4 0.528
Y5 0.436 Y6 0.557
Y7 0.475 Purchase Intention
Y8 0.338 0.449
Sumber : Lampiran
43
Proses eleminasi diperlakukan pada item to total correlation pada indikator yang nilainya 0,5 [Purwanto,2003]. Tidak terjadi eliminasi
karena nilai item to total correlation indikator seluruhnya ≥ 0,5. Indikator
yang tereliminasi tidak disertakan dalam perhitungan cronbachs alpha. Perhitungan cronbachs dilakukan setelah proses eliminasi.
Hasil pengujian reliabilitas konsistensi internal untuk setiap construct di atas menunjukkan hasil kurang baik dimana koefisien
Cronbach’s Alpha yang diperoleh belum seluruhnya memenuhi rules of thumb yang disyaratkan yaitu
≥ 0,7 [Hair et.al.,1998].
4.2.4. Uji Validitas
Kategori