4.2.2. Uji Outlier Multivariate
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 :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Tabel 4.5. Hasil Uji Outlier Multivariate
Minimum Maximum
Mean Std.
Deviation N
Predicted Value 36.917
63.087 50.500
5.910 100
Std. Predicted Value -2.298
2.130 0.000
1.000 100
Standard Error of Predicted Value
4.753 12.717 8.163 1.684 100
Adjusted Predicted Value 30.030
66.816 50.400
6.589 100
Residual -54.022
47.145 0.000
28.403 100
Std. Residual -1.834
1.600 0.000
0.964 100
Stud. Residual -1.896
1.688 0.002
1.004 100
Deleted Residual -57.762
52.581 0.100
30.834 100
Stud. Deleted Residual -1.924
1.705 0.001
1.009 100
Mahalanobis Distance [MD] 1.586
1 7 .4 5 3 6.930 3.293 100
Cooks Distance 0.000
0.050 0.011
0.011 100
Centered Leverage Value 0.016
0.176 0.070
0.033 100
Sumber : Lampiran Berdasarkan tabel diatas, setelah dilakukan pengujian ditemukan
bahwa tidak terdapat outlier multivariat [antar variabel], karena MD Maksimum 17,453 24,322
Deteksi terhadap multivariat outliers dilakukan dengan menggunakan kriteria Jarak Mahalanobis pada tingkat p 0,001. Jarak Mahalanobis itu
dievaluasi dengan menggunakan
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
2 0.001
dengan jumlah indikator 10 adalah sebesar 17.453.
4.2.3. Uji Reliabilitas
Kategori