Asumsi Model SEM Structural Equation Model

3.1.2. Asumsi Model SEM Structural Equation Model

3.1.2.1.Uji Normalitas Sebaran dan Linearitas : a. Normalitas dapat diuji dengan melihat gambar distrogram dapat atau dapat diuji dengan metode – metode statistic b. Menggunakan Critical Ratio yang diperoleh dengan membagi koefisien sampel dengan standar errornya dan Skewnes Value yang biasanya disajikan dalam statistik deskriptif dimana nilai statistic untuk menguji normalitas itu Z – Value pada tingkat signifikasi 1 , jika nilai Z lebih besar dari nilai kritis, maka dapat diduga bahwa distribusi data adalah tidak normal. c. Normal Probability Plot SPSS 10.1 d. Linearitas dengan mengamati scatterplot dari data yaitu dengan memilih pasangan data dan dapat dilihat pola penyebarannya untuk menduga ada tidaknya linearitas. 3.1.2.2. Evaluasi Atas Outliers : Outliers adalah observasi yang muncul dengan nilai – nilai ekstrim baik secara univariat maupun multivariate. Dapat diadakan perlakuaan khusus terhadap outliers ini asal diketahui bagaimana munculnya di empat kemungkinan yaitu : karena kesalahan prosedur, karena keadaan yang benar – benar khusus yang memungkinkan frofil datanya lain daripada yang lain, karena adanya sesuatu alas an tetapi tidak dapat mengetahui apa penyebabnya atau tidak ada penjelasan mengenai sebab – sebab munculnya nilai ekstrim itu, outlier dapat muncul dalam range nilai yang ada tetapi bila dikombinasikan dengan variabel Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. yang lain, kombinasinya tidak lagi lazim atau sangat ekstrim. Inilah yang sebut multivariate outliers. 3.1.2.3. Evaluasi Multicoliencarity dan Singularity : Multicoliencarity dapat dideteksi dari determinan matriks kovarians. Dengan ketentuan apabila determinan sample matrix mendekati angka 0 kecil , maka terjadi multikolinieritas dan singularitas Tabachnick Fidell, 1998 . Program – program komputer SEM pada umumnya menyediakan fasilitas “ warning “ setiap kali terdapat indikasi Multicoliencarity dan Singularity. Bila muncul pesan itu, telitilah kembali data yang digunakan untuk mengetahui adanya kombinasi lineir dari variabel – variabel yang dianilisis. Bila singularitas dan multicolenieritas ditemukan, salah satu perlakuaan adalah mentransformasikan data dalam bentuk compositc variable.

3.1.3. Pengujian Hipotesis dan Hubungan Kausal