4.3.2. 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 multivariat Hair, 1998. Evaluasi terhadap outlier multivariat
antar variabel perlu dilakukan sebab data yang dianalisis menunjukan tidak ada outlier pada tingkat univariat, tetapi observasi itu
dapat menjadi outlier bila sudah saling dikombinasikan. Jarak
antara mahalanobis
untuk tiap-tiap observasi dapat dihitung dan
akan menunjukan sebuah observasi dari rata-rata semua variabel dalam sebuah ruang multidimensional Hair, et al., 1998 dalam Tabachnick, Fidel,
1996. Uji terhadap outlier multivariate dilakukan dengan menggunakan jarak mahalanobis pada tingkat p 1. Jarak mahalanobis itu dievaluasi
dengan menggunakan X² chi kuadrat pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian ini. Hasil uji outlier dapat dilihat
pada tabel berikut ini :
Tabel 4.6 : Evaluasi Multivariate Outlier
Residuals Statistics
a
5.89 84.58
50.50 20.651
100 -2.160
1.650 .000
1.000 100
3.270 14.631
8.468 2.578
100 -8.14
97.60 51.16
22.056 100
-56.106 43.938
.000 20.376
100 -2.536
1.986 .000
.921 100
-3.258 2.343
-.013 1.029
100 -92.597
61.142 -.655
25.685 100
-3.465 2.409
-.016 1.044
100 1.173
42.322 14.850
8.927 100
.000 .432
.018 .049
100 .012
.427 .150
.090 100
Predicted Value Std. Predicted Value
Standard Error of Predicted Value
Adjusted Predicted Value Residual
Std. Residual Stud. Residual
Deleted Residual Stud. Deleted Residual
Mahal. Distance Cooks Distance
Centered Leverage Value Minimum
Maximum Mean
Std. Deviation N
Dependent Variable: resp a.
Sumber : Lampiran 7
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
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 15 adalah sebesar 37,697. Hasil analisis mahalanobis diperoleh nilai 1,173 sampai dengan 42,322
dengan demikian dapat disimpulkan bahwa terjadi multivariate outliers. Responden yang memiliki nilai mahalanobis lebih besar dari 37,697 adalah :
responden ke-5 dengan nilai sebesar 38,02503 dan responden ke-1 dengan nilai sebesar 42,32233.
Jumlah responden
yang diikutkan
pada proses selanjutnya adalah 100 – 2 = 98 orang.
4.3.3. Evaluasi Validitas Construct
Kategori