4.3. Analisis Data
4.3.1. Evaluasi Outlier
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:
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
Tabel 4.8: Outlier Data
Minimum Maximum Mean
Std. Deviation
N Predicted Value
31,412 97,021
65,500 14,352 130
Std. Predicted Value -2,375
2,196 0,000
1,000 130
Standard Error of Predicted Value
8,304 22,956
13,190 2,681
130 Adjusted Predicted Value
32,695 98,244
65,490 15,637
130 Residual
-72,931 72,243
0,000 34,831
130 Std. Residual
-1,960 1,941
0,000 0,936
130 Stud. Residual
-2,085 2,117
0,000 1,005
130 Deleted Residual
-82,557 85,921
0,010 40,228
130 Stud. Deleted Residual
-2,117 2,151
0,001 1,009
130 Mahalanobis Distance [MD]
5,431 48,090
15,877 7,138
130 Cooks Distance
0,000 0,067
0,009 0,012
130 Centered Leverage Value
0,042 0,373
0,123 0,055
130 a Dependent Variable : NO. RESP
Sumber: data diolah
Berdasarkan hasil analisis dari tabel 4.8 tersebut maka untuk mendeteksi terhadap multivariat outliers dilakukan dengan
menggunakan kriteria jarak mahalanobis pada tingkat p 0,001. Jarak mahalanobis itu dievaluasi dengan menggunakan X² pada
derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian. Bila kasus yang mempunyai jarak mahalanobis lebih
besar dari nilai chi-square pada tingkat signifikansi 0,001 maka terjadi multivariate outliers.
Nilai X² 0,001 dengan jumlah indikator 16 adalah sebesar 39,252. Hasil analisis mahalanobis diperoleh nilai 48,090 yang lebih
dari X² tabel 39,252 tersebut. Dengan demikian, terjadi multivariate outliers pada case 99, jadi N pada analisis selanjutnya berjumlah
129 responden .
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
4.3.2. Evaluasi Reliabilitas