adalah nilai kritis sebesar 1,96 yang berarti bahwa asumsi normalitas ditolak
pada tingkat signifikasi 0.05 5 Sumber Ferdinand Augusty 2002 : 95
3.4.5. Outliers
Outlier adalah obsevasi yang muncul dengan nilai-nilai eksterim baik secara univariat maupun multivariate yang muncul karena kombinasi karakteristik
unik yang dimilikinya dan terlihat sangat jauh berbeda dari observasi-observasi lainya. Dapat diadakan treatment khusus pada outliers ini asal diketahui
munculnya outlier itu. Outliers pada dasarnya dapat muncul dalam empat kategori.
Pertama, Outlier muncul karena kesalahan prosedur seperti kesalahan dalam memasukkan data atau kesalahan dalam mengkoding data.
Misalnya 8 diketik 80 sehingga jauh berbeda dengan nilai-nilai lainnya dalam rentang jawaban responden antara 1-10 jika hal semacam ini
lolos maka akan menjadi sebuah nilai ekstrim. Kedua, outlier dapat muncul karena keadaan yang benar-benar khusus
yang memungkinkan profil datanya lain daripada yang lain daripada tetapi peneliti mempunyai penjelasan mengenai penyebab munculnya
nilai ekstrim itu. Ketiga, outlier dapat muncul karena adanya sesuatu alasan tetapi
peneliti tidak dapat mengetahui apa penyebabnya atau tidak ada penjelasan mengenai nilai ekstrim itu.
Keempat, outlier dapat muncul dalam range nilai yang ada, tetapi bila dikombinasi dengan varibel lainnya, kombinasinya menjadi tidak
lazim atau sangat ekstrim. Inilah yang disebut multivariate outlier.
3.4.6. Evaluasi atas outliers
Menagamati atas z-score variabel: ketentuan diantara +_ 3,0 non outlier Multivariate outlier diukur dengan kriteria jarak mahalanobis pada tingkat p
0,001.Jarak diuji dengan Chi-Square X
2
pada df degrees of Freedom sebesar jumlah variabel bebasnya. Ketentuan : Mahalanobis dari nilai X
2
adalah multivariate outlier.
3.4.7. Multicollinearity dan Singularity
Untuk melihat apakah pada data penelitian terdapat multikolinieritas dan singularitas dalam kombinasi-komninasi variabel, maka perlu mengamati
determinan dari variable kovarian sampelnya. Determinan yang benar-benar kecil mengindikasikan adanya multikolinieritas dan singularitas, sehingga data tidak
dapat digunakan untuk analisis yang sedang dilakukan. Ferdinand Augusty 2002
: 108 3.4.8. Pengujian Hipotesis dan Hubungan Kausal
Pengaruh langsung [koefisien jalur] diamati dari bobot regresi terstandar, dengan pengujian signifikansi pembanding nilai CR [Critical Ratio] atau p
[probability] yang sama dengan nilai t hitung. Apabila t hitung lebih besar daripada t table berarti signifikan.
3.4.9. Pengujian model dengan Two-Step Approach
