Apabila terjadi atau muncul outlier data tidak perlu dihilangkan dari analisis karena data tersebut menggambarkan keadaan yang sesungguhnya dan
tidak ada alasan khusus dari profil responden yang menyebabkan harus dikeluarkan dari analisis tersebut Ferdinand, 2006:105.
4.1.6.3 Uji Normalitas Data
Pengujian data selanjutnya adalah dengan menganalisis tingkat normalitas data yang digunakan dalam penelitian ini. Asumsi normalitas data harus dipenuhi
agar data dapat diolah lebih lanjut untuk pemodelan SEM. Normalitas univariate dan multivariate data yang digunakan dalam analisis ini dapat diuji normalitasnya.
Pengujian tingkat normalitas data yang digunakan dapat dilakukan dengan mengamati nilai skewness. Uji normalitas dilakukan dengan menggunakan kriteria
critical ratio sebesar
± 2,58 pada tingkat signifikansi 0,1 10 . Hasil pengujian normalitas data ditampilkan pada Tabel 4.10.
Tabel 4.10 Normalitas Data
Variable min
max skew c.r. kurtosis
c.r. X14
2.000 10.000 -.299 -1.235 -.478
-.986 X13
1.000 10.000 -.107 -.441
-.110 -.227
X12 2.000 10.000 -.255 -1.052
-.362 -.746
X11 3.000 10.000 -.216
-.891 -.544 -1.121
X10 2.000 10.000 -.412 -1.697
-.133 -.274
X9 2.000 10.000 -.598 -2.464
.169 .349
X8 3.000 10.000 -.051
-.210 -.266
-.548 X7
3.000 10.000 -.312 -1.287 -.318
-.657 X6
3.000 10.000 -.210 -.866
-.484 -.998
X5 2.000 10.000 -.314 -1.295
-.175 -.361
X4 2.000 10.000 -.589 -2.430
.162 .334
X3 1.000 10.000 -.430 -1.774
-.427 -.880
X2 2.000 10.000 -.543 -2.240
-.324 -.667
X1 2.000 10.000 -.555 -2.290
-.006 -.012
Multivariate -2.078
-.496
Sumber : data primer yang diolah, 2011 95
Hair et.al., 1995;dalam Ferdinand, 2006:97 menyatakan bahwa data yang normal secara multivariate pasti normal pula secara univariate. Namun
sebaliknya, jika secara keseluruhan data normal secara univariate, tidak menjamin akan normal pula secara multivariate. Berdasarkan Tabel 4.10 terlihat bahwa tidak
terdapat nilai C.R. Critical Ratio untuk skewness yang berada di luar rentang nilai
± 2,58. Hasil tersebut menunjukkan bahwa data penelitian yang digunakan telah memenuhi persyaratan normalitas data atau dengan kata lain bahwa data
dalam penelitian ini telah terdistribusi secara normal.
4.1.6.4 Evaluasi atas Multikolinearitas dan Singularitas
Untuk melihat apakah pada data penelitian terdapat multikolineritas multicollinearity atau singularitas singularity dalam kombinasi-kombinasi
variabel, maka yang perlu diamati adalah determinan dari matriks kovarians sampelnya. Indikasi adanya multikolinearitas dan singularitas menunjukkan
bahwa data tidak dapat digunakan untuk penelitian. Adanya multikolinearitas dan singularitas dapat diketahui melalui nilai determinan matriks kovarians yang
benar-benar kecil, atau mendekati nol Tabachnick dan Fidell, 1998; dalam Ferdinand, 2006:105.
Berdasarkan hasil pengolahan data pada penelitian ini, nilai determinan
matriks kovarians sampel atau Determinant of Sample Covariance Matrix =
93,134 Hasil tersebut menunjukkan bahwa nilai determinan matriks kovarians sampel adalah jauh dari nol. Sehingga data penelitian yang digunakan tidak
terdapat multikolinearitas dan singularitas, sehingga data layak untuk digunakan.
4.1.6.5 Uji Kesesuaian –Goodness of fit
