setuju sebanyak 76 responden atau 54,3, kemudian yang menjawab sangat setuju 37 responden atau 26,4 dan menjawab
agak setuju sebanyak 27 responden atau sebanyak 19,3.
4.3 Analisis Data
4.3.1 Evaluasi Oulier
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 et.al, 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.et.al, 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 dalam penelitian ini. Hasil uji outlier tampak pada tabel berikut :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Tabel 4.14. Oulier Data Residuals Statistics a
Minimum Maximum
Mean Std.
Deviation N
Predicted Value 20.745
111.530 70.500
19.068 140
Std. Predicted Value -2.609
2.152 0.000
1.000 140
Standard Error of Predicted Value
13.056 23.801 18.122 2.006 140 Adjusted Predicted Value
12.221 112.117
70.297 21.445
140 Residual
-76.192 95.891
0.000 35.797
140 Std. Residual
-1.902 2.394
0.000 0.894
140 Stud. Residual
-2.116 2.683
0.002 1.007
140 Deleted Residual
-94.334 120.442
0.203 45.482
140 Stud. Deleted Residual
-2.151 2.762
0.003 1.014
140 Mahalanobis Distance [MD]
13.772 48.079
27.800 6.388 140
Cooks Distance 0.000
0.064 0.009
0.013 140
Centered Leverage Value 0.099
0.346 0.200
0.046 140
a Dependent Variable : NO. RESP
Sumber : Lampiran Deteksi
terhadap multivariat outliers dilakukan dengan
menggunakan kriteria Jarak Mahalanobis pada tingkat p 0,001. Jarak Mahalanobis itu dievaluasi dengan menggunakan
2
pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian. Bila kasus
yang mempunyai Jarak Mahalanobis lebih besar dari nilai chi-square pada tingkat signifikansi 0,001 maka terjadi multivariate outliers. Nilai
2 0.001
dengan jumlah indikator 28 adalah sebesar 48,079. Hasil analisis Mahalanobis diperoleh nilai 48,079 yang lebih kecil dari
2
tabel 56,892 tersebut. Dengan demikian tidak terdapat multivariate outliers.
4.3.2 Evaluasi Reliabilitas
