Identifikasi Model Uji Normalitas Data dan outlier

62

4.3 Asumsi Structural Equation Model

4.3.1 Identifikasi Model

Dalam analisis SEM model yang telah di analisis dengan analisi factor atau analisis konfirmatori akan menghasilkan analisis Df degree of freedom. Yang dapat di lihat pada out teks. Identifikasi berkaitan dengan apakah tersedia cukup informasi untuk mengidentifikasi adanya sebuah solusi dari persamaan structural, terdapa tiga jenis identifikasi yang mungkin terjdi dalam analisis SEM, antara lain: just identifikasi, under identifikasi dan over identifikasi. Dalam SEM model yang just identifikasi mempunyai Df sebesar 0 dalam terminology SEM disebut saturated artinya model sudah teridentifikasi dengan jelas maka persamaan tidak dapat salah lagi can never be wrong. Sedangkan under identifikasi jika Df dengan nilai negative dalam SEM disebut can never be solved. Selanjutnya over identifikasi bahwa nilai yang di harapkan positif yang artinya dapat terdentifikasi dengan demikian dapat dibuktikan kesalahannya can be wrong ,sehingga nilai dari degree of freedom perlu di ketahui apakah model layak di diuji ataukah tidak layak diuji. Santosa 2011

4.3.2 Uji Normalitas Data dan outlier

Sebelum data diolah menggunakan model SEM seharusnya data dalam keadaan siap artinya data sudah melalui uji asumsi yang meliputi uji normalitas dan uji outlier. 63 Data yang diperoleh selanjutnya perlu diketahui apakah berdistribusi normal atau tidak, apabila didapati dalam pengujiannya tidak normal maka perlu outlier data. Data outlier merupakan data yang mempunyai nilai diatas atau nilai jauh dibawah rata-rata data, diuji dengan dua tahap. Tahap pertama, menguji normalitas untuk setiap variabel sedangkan tahap kedua menguji normalitas semua variabel secara bersama-sama multivariate normality. Hal ini dikarenakan belum tentu jika data normal secara individu apakah demikian juga dengan data secara bersama multivariate apakah berdistribusi normal. Sebuah distribusi dikatakan normal jika angka K.w kweness kemencengan dan angka C.r critical ratio kurtosis keruncingan ada diantara nilai -2,58 sampai degan + 2,58, jika angka yang diperoleh setelah pengujian terdapat dibawah atau diatas nilai yang telah ditentukan maka distribusi dapat dikatakan tidak normal. Selanjutya menggunakan data output asessment of normality lalu di uji dengan normalitas mahalanois, yang tidak normal berada pada n ilai P1 dan P2 ≤ 0,05 dioutlier. Santoso 2011. Tabel 4.6 Assessment of normality sikap mereferensi Variable Min Max Skew c.r. Kurtosis c.r.2