sosial terhadap variabel motivasi berada pada hubungan positif dan tingkat signifikansi yang diharapkan karena nilai p lebih kecil dari 0,05 p 0,05,
hubungan variabel motivasi terhadap variabel pengambilan keputusan berada pada hubungan positif tetapi tidak signifkan karena nilai p lebih besar dari 0,05 p
0,05, hubungan variabel persepsi dan lingkungan sosial terhadap variabel pengambilan keputusan berada pada hubungan positif dan signifikan karena nilai
p lebih kecil dari 0,05 p 0,050.
A. Pengujian Evaluasi Asumsi SEM 1. Uji Normalitas Data
SEM mensyaratkan data berdistribusi normal atau dapat dianggap berdistribusi normal. Namun tidak semua data bisa berdistribusi secara
normal, untuk mengurangi dampak dari ketidaknormalan sebuah distribusi data, penggunaan jumlah sampel yang besar dapat
dipertimbangkan Santoso, 2014. Uji normalitas data juga bertujuan untuk menguji apakah dalam model, variabel terikat enodgen dan
variabel bebas eksogen keduanya mempunyai distribusi data yang normal atau tidak.
Uji normalitas dilakukan melalui dua tahapan, yaitu yang pertama adalah menguji normalitas pada setiap variabel, yang disebut dengan
univariate normality. Kemudian pada tahap kedua adalah pengujian normalitas semua variabel secara bersama-sama, yang disebut dengan
multivariate normality. Hal ini disebabkan jika setiap variabel normal
Universitas Sumatera Utara
secara individu, tidak berarti jika diuji secara bersama juga berdistribusi normal.
Pengujian apakah data kita berdistribusi secara normal atau tidak dilakukan melalui AMOS dengan melihat output assesment of
normality. Nilai cut-off yang umum dipakai untuk menilainya adalah nilai skew dan kurtosis berkisar antara 1,0 – 1,5 Latan, 2011 dalam
Schumacker dan Lomax, 2010 atau nilai kritis critical ratio harus 2,58.
Tabel 4.21. Tabel Assesment of Normality
Assessment of normality Group number 1
Variable min
max skew
c.r. kurtosis
c.r. X5
2 5
- 0,143
- 0,584
-0,885 -
1,807 X6
2 5
- 0,296
- 1,209
-0,653 -
1,333 X7
2 5
- 0,487
- 1,989
-0,632 -1,29
X8 2
5 -
0,322 -
1,313 -0,826
- 1,686
X16 3
5 -
0,249 -
1,016 -0,662
- 1,351
X15 3
5 0,152
0,619 -1,054
- 2,152
X14 3
5 -
0,299 -
1,222 -0,703
- 1,436
X13 4
5 0,12
0,491 -1,986
- 4,053
X9 4
5 -
0,242 -
0,987 -1,942
- 3,963
X10 4
5 -
0,539 -
2,199 -1,71
- 3,491
X11 4
5 -
0,822 -
3,354 -1,325
- 2,704
X12 4
5 -
0,201 -
0,821 -1,96
- 4,000
Universitas Sumatera Utara
Sumber: Hasil pengolahan data 2014 Pada Tabel 4.21. terlihat perolehan nilai secara keseluruhan secara
univariate dan multivariate asumsi normalitas masih dapat dipenuhi.
2. Evaluasi Outlier
Outlier merupakan observasi yang muncul dengan nilai-nilai ekstrim baik secara univariate maupun multivariate yaitu muncul
karena kombinasi karakteristik unik yang dimilikinya dan terlihat sangat jauh berbeda dari observasi-observasi lainnya. Pada dasarnya
outlier dapat muncul dalam empat kategori, yaitu: a.
Outlier muncul karena kesalahan prosedur seperti salah dalam memasukkan data atau kesalahan dalam mengkoding data.
b. Outlier dapat saja muncul karena keadaan yang benar-benar khusus
yang memungkinkan profil datanya lain daripada yang lain, tetapi peneliti nantinya mempunyai penjelasan mengenai apa penyebab
munculnya nilai ekstrim ini.
Tabel 4.21. Tabel Assesment of Normality sambungan
Variable min
max skew
c.r. kurtosis
c.r. X1
4 5
0,12 0,491
-1,986 -
4,053 X2
3 5
0,643 2,627
-0,868 -
1,771 X3
3 5
0,051 0,207
-0,331 -
0,676 X4
3 5
0,152 0,622
-0,277 -
0,566 Multivariate
18,968 3,952
Universitas Sumatera Utara
