42
menggunakan maximum likelihood estimation MLE walau ditribusi datanya tidak normal masih dapat menghasilkan good estimate, sehingga
data layak untuk digunakan dalam estimasi selanjutnya.
4.2.5. Uji Multicollinierity dan Singularity
Pengujian terhadap gejala multikolinieritas antar variabel bebas memperlihatkan tidak adanya gejala multikolonieritas yang merusak model
dan berdasarkan hasil Uji Multikolinieritas, dapat diketahui besarnya nilai dari determinant of sample covariance matrix yaitu sebesar 8.307.477.966
dan angka ini jauh dari nol, dan sesuai dengan ketentuan yang telah ditetapkan, maka dapat disimpulkan bahwa tidak terjadi multikolinieritas
atau singularitas dalam data ini sehingga asumsi terpenuhi. Dengan demikian besaran koefisien regresi masing-masing faktor dapat dipercaya.
4.2.6. Uji Outlier
Uji 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 multivariat 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.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
43
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 nilai tabel χ² chi kuadrat pada derajat bebas sebesar
jumlah variabel yang digunakan dalam penelitian ini. Berdasarkan Uji Outlier Multivariate dapat diperoleh hasil, yaitu
sebagai berikut
Tabel. 4.8. Hasil Uji Outlier Multivariate
Residuals Statistics a Minimum
Maximum Mean
Std. Deviation N
Predicted Value 25.959
92.442 55.500
13.089 110
Std. Predicted Value -2.257
2.822 0.000
1.000 110
Standard Error of Predicted Value 5.821
14.542 8.982
1.792 110
Adjusted Predicted Value 25.672
90.947 55.251
13.249 110
Residual -61.481
75.570 0.000
29.089 110
Std. Residual -2.024
2.488 0.000
0.958 110
Stud. Residual -2.129
2.629 0.004
1.001 110
Deleted Residual -67.986
84.328 0.249
31.764 110
Stud. Deleted Residual -2.168
2.711 0.005
1.009 110
Mahalanobis Distance [MD] 3.014
24.001 8.918
3.984 110
Cooks Distance 0.000
0.080 0.009
0.013 110
Centered Leverage Value 0.028
0.220 0.082
0.037 110
a Dependent Variable : NO. RESP Mahalanobis Distance :
27.877 =CHIINV0,001.9
Sumber : Lampiran. 2, data diolah
Berdasarkan pada tabel 4.8 dapat diketahui bahwa nilai Mahalanobis Distance MD Maksimum yaitu sebesar 24,001, sedangkan
berdasarkan nilai tabel χ
2 0.001
dengan jumlah variabel 9 diperoleh nilai yaitu sebesar 27,877, hal ini berarti bahwa hasil analisis Mahalanobis diperoleh
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
44
nilai yang kurang dari χ
2
tabel, dengan demikian dapat disimpulkan bahwa, tidak terjadi multivariate outliers. sehingga asumsi terpenuhi
4.3. Confirmatory Factor Analysis
