2. Indikator kedua dari generalisasi stimulus yaitu, Penggunaan apapun jenis produknya mendapat respon terbanyak pada skor 3 atau dengan jumlah
responden sebanyak 48 orang atau 43,6. Kemudian terbanyak kedua terdapat pada skor 4 sebanyak 40 orang atau 36,4. Artinya, sebagian besar
responden yang menjawab netral sebanyak 48 orang atau 43,6. Kemudian yang menjawab setuju sebanyak 40 orang atau sebanyak 36,4.
4.2.8. Deskripsi Diskriminasi Stimulus
Tabel 4.9. Frekuensi hasil jawaban responden mengenai diskriminasi stimulus No
Pertanyaan Skor Jawaban
Total 1
2 3
4 5
1 Pengetahuan setiap iklan
produk selain yang terbaru 0,0
5 4,5
68 58,2
28 25,5
9 8,2
110 100
2 Pemilihan produk yang terbaru
untuk digunaklan 0,0
3 2,7
58 33,6
37 33,6
6 5,5
110 100
Sumber : Data diolah Berdasarkan tabel di atas diketahui sebagai berikut :
1. Indikator pertama dari diskriminasi stimulus yaitu, Pengetahuan setiap iklan produk selain yang terbaru mendapat respon terbanyak pada skor 3 atau
dengan jumlah responden sebanyak 68 orang atau 61,8. Kemudian terbanyak kedua terdapat pada skor 4 sebanyak 28 orang atau 25,5.
Artinya, sebagian besar responden yang menjawab netral sebanyak 68 orang atau 61,8. Kemudian yang menjawab setuju sebanyak 28 orang atau
sebanyak 25,5.
2. Indikator kedua dari diskriminasi stimulus yaitu, Pemilihan produk yang terbaru untuk digunaklan mendapat respon terbanyak pada skor 3 atau dengan
jumlah responden sebanyak 64 orang atau 60,9. Kemudian terbanyak kedua terdapat pada skor 4 sebanyak 37 atau 33,6. Artinya, sebagian besar
responden yang menjawab netral sebanyak 64 orang atau 58,2. Kemudian yang menjawab setuju sebanyak 37 orang atau sebanyak 33,6.
4.3. Analisis dan Pengujian Hepotesis
4.3.1. Evaluasi Outlier
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
