39
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. Hasil uji outlier tampak pada tabel berikut :
Tabel 4.3. Hasil Uji Outlier Multivariate
Minimum Maximum
Mean Std.
Deviation N
Predicted Value 0.587 96.762
53.000 22.415 105 Std. Predicted Value
-2.338 1.952 0.000 1.000
105 Standard Error of Predicted
Value 4.646 12.580
8.871 1.635 105 Adjusted Predicted Value
-7.422 95.402 53.151 22.739 105
Residual -52.171 58.037
0.000 20.617 105 Std. Residual
-2.328 2.589 0.000 0.920
105 Stud. Residual
-2.588 2.841 -0.003 1.007
105 Deleted Residual
-64.503 69.879 -0.151 24.760 105
Stud. Deleted Residual -2.677 2.964
-0.001 1.020 105
Mahalanobis Distance [MD] 3.479
3 1 .7 7 1 15.848 6.048 105
Cooks Distance 0.000 0.097
0.012 0.019 105
Centered Leverage Value 0.033 0.305
0.152 0.058 105
Sumber : Lampiran
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
40
Berdasarkan tabel diatas, setelah dilakukan pengujian ditemukan bahwa Terdapat outlier multivariat [antar variabel], karena MD Maksimum
32,817 37,697
4.2.3. Uji 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 4.4. Pengujian Reliability Consistency Internal
Konstrak Indikator Item to Total
Correlation Koefisien
Cronbachs Alpha X11 0.780
Credibility X12 0.953
0.606 X21 0.649
X22 0.616 Likeability
X23 0.586 0.174
X31 0.764 X32 0.790
X33 0.826 X34 0.445
Attractiveness X35 0.367
0.723 X41 0.457
X42 0.589 X43 0.508
Meaningfulness X44 0.651
0.254 Y1 0.586
Brand Image Y2 0.834
0.074
Sumber : Lampiran
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
41
Koefisien cronbach’s alpha dihitung untuk mengestimasi reliabilitas setiap skala. Sementara itu item to total correlation digunakan
untuk memperbaiki ukuran-ukuran dan mengeliminasi item-item yang kehadirannya akan memperkecil koefisien cronbach’s alpha yang dihasilkan
Proses eleminasi diperlakukan pada item to total correlation pada indikator yang nilainya 0,5 [Purwanto,2003]. 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 baik dimana koefisien Cronbach’s Alpha
yang diperoleh seluruhnya memenuhi rules of thumb yang disyaratkan yaitu
≥ 0,7 [Hair et.al.,1998].
4.2.4. Uji Validitas
Kategori