Asumsi Outlier

3. Asumsi Outlier

Outlier adalah observasi yang muncul dengan nilai-nilai ekstrim yang memiliki karakteristik unik yang sangat berbeda dari observasi lainnya dan muncul dalam bentuk nilai ekstrim baik untuk variabel tunggal maupun variabel kombinasi. Dalam analisis multivariate adanya outlier dapat diuji

dengan statistik chi square (X 2 ) terhadap nilai mahalanobis distance squared pada tingkat signifikansi 0,01 dengan degree of freedom sejumlah variabel yang digunakan dalam penelitian atau secara univariate dapat dilihat dengan melihat nilai p1 dan p2, dengan ketentuan apabila nilai probabilitas > 0,05 maka data observasi dikatakan tidak mengalami masalah outlier. Rangkuman hasil pengujian outlier disajikan pada tabel

IV.5 (selengkapnya di lampiran)

Jarak Mahalanobis Distance Data Penelitian Observation number Mahalanobis d-squared

Sumber: data primer diolah, 2011

Pada hasil pengujian outlier pada Tabel IV.5 dapat diketahui terdapat indikasi 10 data observasi yang memiliki nilai p1 < 0,05, akan tetapi nilai p2 dari 10 data observasi tersebut memiliki nilai > 0,05. Sehingga dapat disimpulkan bahwa 10 data observasi tersebut dapat dianggap tidak mengalami masalah outlier.

Sebelum melakukan pengujian hipotesis, langkah pertama adalah menilai kesesuaian goodness of fit. Menilai goodness of fit atau model fit adalah sesuatu yang kompleks dan memerlukan perhatian yang besar karena suatu indeks yang menunjukkan bahwa model tersebut fit tidak memberikan jaminan bahwa model memang benar-benar fit. Sebaliknya, suatu indeks fit yang menyimpulkan bahwa model tersebut buruk, tidak memberikan jaminan bahwa model tersebut benar-benar tidak fit. Dengan demikian dalam analisis SEM, peneliti tidak boleh hanya tergantung pada satu indeks atau beberapa indeks fit tetapi pertimbangan seluruh indeks fit.

Dalam analisis SEM tidak ada alat uji statistik tunggal untuk mengukur atau menguji hipotesis mengenai model (Hair et al., 1995; joreskog & Sorbom, 1989; Long, 1983; Tabachnick & Fidell, 1996 dalam Ferdinand, 2002). Umumnya terhadap berbagai jenis fit index yang digunakan untuk mengukur derajat kesesuaian antara model yang dihipotesiskan dengan data yang disajikan. Peneliti diharapkan untuk melakukan pengujian dengan menggunakan beberapa fit index untuk mengukur kebenaran model yang diajukannya. Berikut ini adalah hasil pengujian indeks kesesuaian dan cut-off valuenya untuk digunakan dalam menguji apakah sebuah model dapat diterima atau ditolak.

Berdasarkan hasil pengujian dengan menggunakan program AMOS Editor versi 16 diperoleh hasil goodness of fit yang ditunjukkan pada tabel

IV.6.

Goodness-of-Fit Model Sebelum Dimodifikasi Indeks Model goodness of fit

Cut-off

Value

Hasil Model

Kesimpulan

Chi Square

Diharapkan kecil

Tidak Fit Probabilitas Chi Square (p)

CMIN/DF

< 2,00-3,00

Fit Adjusted goodness of fit index (AGFI)

Marginal Comparative fit index (CFI)

Marginal Tucker-Lewis Index (TLI)

Marginal Root mean square error approximation (RMSEA)

Sumber: data primer diolah, 2011

Tabel IV.6 menunjukkan ringkasan hasil yang diperoleh dalam kajian dan nilai yang direkomendasikan untuk mengukur fit-nya model. Seperti yang ditunjukkan dalam tabel di atas, secara overall pengukuran goodness of fit tidak terpenuhi karena memiliki nilai chi-square sebesar 332,602 dengan nilai probabilitas sebesar 0,000 < 0,05, hal tersebut mengindikasikan bahwa model dalam penelitian ini tidak fit karena syarat utama yang harus terpenuhi untuk metode ML adalah chi-square harus fit (nilai probabilitas menunjukkan < 0,05 atau dinyatakan tidak fit), maka langkah selanjutnya model akan di modifikasi agar pengukuran goodness of fit menjadi baik (fit) atau terpenuhi.

Dikarenakan sebelumnya model dinyatakan tidak fit maka modifikasi model harus dilakukan dengan cara mengkorelasikan nilai measurement error indikator melalui “modification indices”nya. Adapun hasil perintah untuk memodifikasi model dapat dilihat pada output tabel modification indices. Hasil selengkapnya pengukuran goodness of fit dari modifikasi model struktural dijelaskan pada tabel IV.7.

Tabel IV.7

Goodness-of-Fit Model Setelah Dimodifikasi Indeks Model goodness of fit

Cut-off

Value

Hasil Model

Kesimpulan

Chi Square

Diharapkan kecil 178,854

Fit Probabilitas Chi Square (p)

Degree of Freedom (df)

CMIN/DF

< 2,00-3,00

Fit Adjusted goodness of fit index (AGFI)

Marginal Comparative fit index (CFI)

Fit Tucker-Lewis Index (TLI)

Fit Root mean square error approximation (RMSEA)

Sumber: data primer diolah, 2011

Tabel IV.7 menunjukkan ringkasan hasil yang diperoleh dalam kajian dan nilai yang direkomendasikan untuk mengukur fit-nya model. Seperti yang ditunjukkan dalam tabel di atas, secara overall atau keseluruhan dari Tabel IV.7 menunjukkan ringkasan hasil yang diperoleh dalam kajian dan nilai yang direkomendasikan untuk mengukur fit-nya model. Seperti yang ditunjukkan dalam tabel di atas, secara overall atau keseluruhan dari

(1993) dalam Ma’ruf et. al (2002) merekomendasikan AGFI minimum ³ 0,80. Dengan demikian, secara overall model tersebut telah fit dengan data.