Analisis Dan Pengujian Hipotesis 1. Uji Outlier
4.3. Analisis Dan Pengujian Hipotesis 4.3.1. Uji 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:
Tabel 4.7. Hasil Uji Outlier
Residuals Statistics a Minimum
Maximum Mean
Std. Deviation
N Predicted Value
5.784 85.013 50.500 17.572 100
Std. Predicted Value -2.545 1.964
0.000 1.000 100
Standard Error of Predicted Value 4.154 10.862 7.557 1.236 100
Adjusted Predicted Value 5.442 83.393
50.752 17.780 100 Residual
-65.057 50.186 0.000 23.085 100 Std. Residual
-2.687 2.073 0.000 0.953
100 Stud. Residual
-2.796 2.118 -0.005 1.005
100 Deleted Residual
-73.145 55.098 -0.252 25.684 100
Stud. Deleted Residual -2.910 2.161
-0.007 1.019 100
Mahalanobis Distance [MD] 1.924
18.935 8.910 3.136
100 Cooks Distance
0.000 0.131 0.011 0.021
100 Centered Leverage Value
0.019 0.191 0.090 0.032
100 a Dependent Variable : NO. RESP
Sumber : Data Diolah
Deteksi terhadap multivariat outliers dilakukan dengan menggunakan kriteria Jarak Mahalanobis pada tingkat p 0,001. Jarak Mahalanobis itu
dievaluasi dengan menggunakan χ
2
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
χ
2 0.001
dengan jumlah variabel 9 adalah sebesar 27,877. Hasil analisis Mahalanobis diperoleh nilai 18,935 yang kurang dari
χ
2
tabel 27,877 tersebut. Dengan demikian, tidak terjadi multivariate outliers.