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 :
Tabel 4.8. : Outlier Data
Minimum Maximum
Mean Std.
Deviation N
Predicted Value 34.625
80.422 55.500 8.682 110
Std. Predicted Value -2.404
2.870 0.000 1.000
110 Standard Error of
Predicted Value 6.068
15.650 9.454 2.002
110 Adjusted Predicted
Value 32.649
89.955 55.528 9.335 110
Residual -59.646
55.382 0.000 30.694
110 Std. Residual
-1.861 1.728
0.000 0.958 110
Stud. Residual -1.993
1.777 0.000 0.997
110 Deleted
Residual -68.356
58.879 -0.028 33.303
110 Stud. Deleted
Residual -2.023
1.797 -0.001 1.001
110 Mahalanobis Distance
[MD] 2.918
25.005 8.918 4.316
110 Cooks Distance
0.000 0.058
0.008 0.009 110
Centered Leverage Value
0.027 0.229
0.082 0.040 110
a Dependent Variable : NO. RESP
Sumber : Lampiran Tidak terdapat outlier multivariat [antar variabel], karena MD
Maksimum 25,005 27,877
4.3.2. Evaluasi Reliabilitas
Seperti telah dijelaskan pada bab sebelumnya bahwa Cronbach’s
Alpha ini digunakan untuk mengestimasi reliabiltas setiap skala variabel atau observasi indikator. Sementara itu item to total correlation
digunakan untuk memperbaiki ukuran-ukuran dan mengeliminasi butir- butir yang kehadirannya akan memperkecil koefisien Cronbach’s Alpha
yang dihasilkan Purwanto, 2002. Hasil selengkapnya dapat dilihat pada tabel berikut :
Tabel 4.9. Reliabilitas Data :
Konstrak Indikator Item to Total
Correlation Koefisien Cronbachs
Alpha Brand Satisfaction
X11 0.628
-0.078 X12
0.478 X13
0.587 Brand Performance
X21 0.629
0.082 X22
0.576 X23
0.557 Brand Switching
Y1 0.712 0.357
Sumber : Lampiran Proses eleminasi diperlakukan pada item to total correlation pada
indikator yang nilainya 0,5 [Purwanto,2003]. Tidak terjadi eliminasi karena nilai item to total correlation indikator seluruhnya
≥ 0,5. Indikator yang tereliminasi tidak disertakan dalam perhitungan cronbachs alpha.
Perhitungan cronbachs dilakukan setelah proses eliminasi. Hasil pengujian reliabilitas konsistensi internal untuk setiap
construct di atas menunjukkan hasil kurang baik dimana koefisien Cronbach’s Alpha yang diperoleh belum seluruhnya memenuhi rules of
thumb yang disyaratkan yaitu ≥ 0,7 [Hair et.al.,1998].
4.3.3. Evaluasi Validitas