40
3.5.2. Evaluasi atas Outlier
Mengamati nilai 2-score variabel : ketentuan
, 3
±
non outlier. Multivariate outlier
diuji dengan kriteria mahalonobis pada tingkat p 0,001. Jarak diuji dengan Chi-Square
χ
2
χ pada df degrees of freedom
sebesar jumlah variabel bebasnya. Ketentuan : bila mahalanobis dari nilai
2
adalah multivariate outlier. Outlier adalah observasi atau data dua yang memiliki karakteristik unik yang terlihat sangat jauh berbeda dari
observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim baik untuk sebuah variabel tunggal atau variabel kombinasi Hair, 1995.
3.5.3. Deteksi Multikolinerity
dan Singularity
dengan mengamati Determinant Matrix Covarians.
Dengan demikian nilai determinant matrix covarians yang sangat kecil maka memberi indikasi adanya multikolineariti dan singularitas.
3.5.4. 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 lebuh besar daripada t tabel berarti signifikan.
3.5.5. Pengujian dengan Two- Step Approach
Two-Step Approach digunakan untuk mengatasi masalah sampel
data yang kecil jika dibandingkan dengan jumlah butir instrumentasi yang
41
digunakan Hartline Ferrel, 1996 dan keakuratan reliabilitas indikator- indikator terbaik dapat dicapai dalam Two-Step Approach ini. Two-Step
Approach bertujuan untuk menghindari interaksi model pengukuran dan
model structural pada One-Step Approach hair et.al., 1998. Sampel data penelitian ini berjumlah 104, dan butir instrumentasi penelitian berjumlah 13
butir pertanyaan. Yang dilakukan dalam Two-Step Approach to SEM adalah estimasi
terhadap measurement model dan estimasi terhadap structural model. Cara yang dilakukan daalm menganalisis SEM dengan Two-Step Approach
adalah menjumlahkan skala butir-butir setiap konstruk menjadi sebuah indikator bagi setiap konstruk. Jika terdapat skala yang berbeda setiap
indikator tersebut distandardisasi Zscore dengan mean = 0, deviasi standar = 1, yang tujuannya adalah untuk mengeliminasi pengaruh-pengaruh skala
yang berbeda-beda Hair et.al., 1998.
3.5.6. Evaluasi Model
Kategori