4.2. Analisis Data
4.2.1. 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 multivariat 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 outlier bila sudah saling dikombinasikan. Jarak antara Mahalanobis untuk tiap-tiap 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
χ
2
chi kuadrat
pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian ini.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Hasil uji outlier tampak pada tabel berikut : Tabel 4.7. Outlier Data
Minimu m
Maximum Mean
Std. Deviation
N Predicted Value
15.267 101.332
55.500 21.653
110 Std. Predicted Value
-1.858 2.117
0.000 1.000
110 Standard Error of Predicted Value
3.419 12.460
7.132 1.881
110 Adjusted Predicted Value
15.395 101.204
55.228 21.942
110 Residual -62.364
69.123 0.000
23.423 110
Std. Residual -2.550
2.827 0.000
0.958 110
Stud. Residual -2.695
3.161 0.005
1.018 110
Deleted Residual -69.669
86.426 0.272
26.490 110
Stud. Deleted Residual -2.785
3.315 0.005
1.032 110
Mahalanobis Distance [MD] 1.140
27.308 8.918 5.285
110 Cooks Distance
0.000 0.250
0.014 0.032
110 Centered Leverage Value
0.010 0.251
0.082 0.048
110 a Dependent Variable
:NO.RESP
Sumber : Lampiran Deteksi terhadap multivariate outlier dilakukan dengan
menggunakan kriteria Jarak Mahalanobis pada tingkat p 0,001. Jarak Mahalanobis itu dievaluasi dengan menggunakan
χ
2
pada derajaat 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
χ
2 0,001
dengan jumlah indikator 9 adalah sebesar 27,877. Hasil analisis Mahalanobis diperoleh nilai 27,308 kurang
dari
χ
2
tabel 27,877 tersebut. Dengan demikian, tidak terjadi multivariate outliers.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4.2.2. Evaluasi Reliabilitas