5.2.5. Menilai Problem Identifikasi
Setelah itu diuji dilihat sebaran datanya, apakah terdapat data outlier ataukah tidak atau dengan menguji chi squarenya yang didapatkan dengan
bantuan program excel, dengan rumus chiinvprob,df = chiinv0.001,27 = 55,47
angka probabilitas 0.001 dan angka 27 yang merupakan jumlah indikator pada variabel laten, sebelumnya ditampilkan terlebih dahulu ditunjukkan output
observations furthest from the centroid dari program AMOS kemudian dihilangkan setiap data yang outlier. Untuk keseluruhan data dapat dilihat pada
tabel 5.1. observations farthest from the centroid Mahalanobis distance.
Tabel 5.1. Observations farthest from the centroid Mahalanobis distance
Observation number Mahalanobis d-squared
p1 p2
52 69.685
.000 .002
121 64.586
.000 .000
49 63.250
.000 .000
54 59.471
.000 .000
21 51.228
.003 .000
112 49.698
.005 .000
65 48.561
.007 .000
88 47.919
.008 .000
133 47.875
.008 .000
116 47.759
.008 .000
102 47.333
.009 .000
103 47.096
.010 .000
140 45.484
.014 .000
Universitas Sumatera Utara
Tabel 5.1. Observations farthest from the centroid Mahalanobis distance Lanjutan
Observation number Mahalanobis d-squared
p1 p2
124 43.176
.025 .000
51 41.714
.035 .000
123 41.558
.036 .000
2 40.644
.045 .000
113 40.305
.048 .000
94 39.645
.055 .000
69 38.940
.064 .001
1 38.291
.073 .001
26 38.185
.075 .001
107 37.469
.087 .002
128 37.108
.093 .003
129 37.088
.093 .001
56 37.073
.094 .001
38 36.584
.103 .001
43 36.408
.107 .001
11 36.138
.112 .001
15 35.688
.122 .002
64 35.473
.127 .001
12 35.394
.129 .001
126 34.590
.150 .005
77 34.515
.152 .003
53 34.266
.158 .003
55 34.160
.161 .003
14 34.070
.164 .002
39 33.789
.172 .002
Universitas Sumatera Utara
Tabel 5.1. Observations farthest from the centroid Mahalanobis distance Lanjutan
Observation number Mahalanobis d-squared
p1 p2
74 33.770
.173 .001
29 33.510
.181 .002
7 32.946
.199 .005
114 32.593
.211 .008
62 32.202
.225 .015
115 32.009
.232 .016
105 31.374
.256 .049
92 31.340
.257 .036
32 30.945
.273 .062
93 30.740
.282 .068
125 30.525
.291 .076
66 30.331
.300 .083
75 30.033
.313 .111
25 29.978
.315 .091
19 29.977
.315 .066
41 29.837
.322 .064
137 29.398
.342 .119
71 28.867
.367 .237
76 28.748
.373 .228
122 28.604
.380 .229
3 27.862
.418 .500
111 27.835
.419 .446
30 27.664
.428 .463
119 26.851
.472 .780
80 26.755
.477 .766
Universitas Sumatera Utara
Tabel 5.1. Observations farthest from the centroid Mahalanobis distance Lanjutan
Observation number Mahalanobis d-squared
p1 p2
42 26.387
.497 .849
13 26.324
.501 .828
135 25.852
.527 .919
50 25.675
.537 .928
31 25.584
.542 .921
67 25.547
.544 .902
5 25.458
.549 .893
104 25.308
.557 .899
82 25.234
.561 .886
110 25.058
.571 .899
36 24.110
.624 .992
44 23.990
.631 .992
86 23.906
.636 .990
37 23.711
.646 .993
18 23.313
.668 .998
46 23.090
.680 .998
34 22.867
.692 .999
60 22.648
.704 .999
22 21.812
.747 1.000
45 21.629
.756 1.000
70 21.571
.759 1.000
108 21.571
.759 1.000
28 21.271
.773 1.000
134 21.224
.776 1.000
47 21.162
.779 1.000
Universitas Sumatera Utara
Tabel 5.1. Observations farthest from the centroid Mahalanobis distance Lanjutan
Observation number Mahalanobis d-squared
p1 p2
99 20.965
.788 1.000
63 20.673
.801 1.000
68 20.464
.811 1.000
72 20.382
.814 1.000
91 20.339
.816 1.000
10 19.987
.831 1.000
139 19.944
.833 1.000
95 19.699
.843 1.000
131 19.623
.846 1.000
101 19.523
.850 1.000
35 19.236
.861 1.000
4 19.193
.863 1.000
Angka-angka pada tabel di atas menunjukkkan seberapa jauh jarak sebuah data dari titik pusat tertentu, jarak tersebut diukur dengan metode Mahalanobis.
Semakin jauh jarak sebuah data dengan titik pusat centroid, semakin ada kemungkinan data masuk dalam kategori outlier, atau data yang sangat berbeda
dengan data lainnya. Perhatikan data pada tabel yang menunjukkan urutan besar Mahalanobis Distance, dari yang terbesar sampai terkecil.
Sebuah data termasuk outlier jika mempunyai angka p1 dan p2 yang kurang dari 0,001. Pada data di atas, angka diurutkan mulai dari nomor data yang
mempunyai jarak terbesar. Dari 140 data, data nomor 49, 52, 54, 121 dapat dianggap data outlier, karena pada kolom p1 dan p2 mempunyai nilai yang kurang
Universitas Sumatera Utara
dari 0,001. Jika data mempunyai angka yang sudah di atas 0,001, maka dapat dianggap bukan outlier. Pada uji normalitas yang pertama sudah tidak didapatkan
lagi data outlier. Dan data observasi pada uji yang pertama dapat dilihat pada
tabel 5.10. observations farthest from the centroid Mahalanobis distance. Tabel 5.10. Observations farthest from the centroid Mahalanobis distance
Observation number Mahalanobis d-squared
p1 p2
62 52.184
.003 .291
21 51.068
.003 .079
109 50.526
.004 .017
129 50.162
.004 .003
100 49.815
.005 .001
85 49.634
.005 .000
99 48.318
.007 .000
50 46.955
.010 .000
113 46.814
.010 .000
136 46.248
.012 .000
120 45.951
.013 .000
91 45.651
.014 .000
2 45.577
.014 .000
119 42.969
.026 .000
2 45.577
.014 .000
119 42.969
.026 .000
110 42.068
.032 .000
26 40.719
.044 .000
66 39.820
.053 .001
1 39.322
.059 .001
104 38.978
.064 .001
Universitas Sumatera Utara
Tabel 5.2. Observations farthest from the centroid Mahalanobis distance Lanjutan
Observation number Mahalanobis d-squared
p1 p2
53 38.821
.066 .001
38 38.621
.069 .000
43 38.247
.074 .000
11 38.091
.076 .000
61 37.974
.078 .000
124 36.944
.096 .001
125 36.584
.103 .001
15 36.568
.103 .001
51 36.091
.113 .001
12 35.633
.124 .002
122 35.246
.133 .003
7 35.158
.135 .002
39 35.102
.136 .001
52 34.588
.150 .003
74 34.304
.157 .004
29 34.206
.160 .002
14 33.992
.166 .002
111 33.759
.173 .003
59 33.590
.178 .002
71 33.342
.186 .003
90 33.255
.189 .002
102 33.072
.195 .002
25 32.013
.232 .024
89 31.901
.236 .020
32 31.514
.251 .034
Universitas Sumatera Utara
Tabel 5.2. Observations farthest from the centroid Mahalanobis distance Lanjutan
Observation number Mahalanobis d-
squared p1
p2 112
31.424 .254
.027 72
31.161 .265
.035 49
31.044 .269
.030 121
30.660 .285
.051 19
30.520 .291
.049 63
30.493 .292
.035 73
30.327 .300
.036 30
29.838 .321
.078 41
29.525 .336
.109 133
29.185 .352
.156 3
29.148 .354
.126 68
28.875 .367
.160 79
28.632 .379
.190 42
28.593 .381
.157 108
28.244 .399
.225 118
28.131 .404
.214 13
28.094 .406
.179 64
27.933 .414
.186 77
27.064 .460
.507 131
26.984 .465
.478 5
26.872 .471
.467 116
26.616 .485
.528 31
26.325 .501
.607 101
25.671 .537
.829
Universitas Sumatera Utara
Tabel 5.2. Observations farthest from the centroid Mahalanobis distance Lanjutan
Observation number Mahalanobis d-squared
p1 p2
107 25.599
.541 .809
47 25.110
.568 .911
36 25.041
.572 .897
37 24.685
.592 .942
88 24.500
.602 .950
44 23.971
.632 .986
83 23.743
.645 .990
18 22.907
.690 1.000
34 22.850
.693 .999
4 22.805
.695 .999
45 22.780
.697 .998
46 22.696
.701 .998
57 22.415
.716 .999
96 22.381
.718 .999
98 21.999
.737 1.000
17 21.849
.745 1.000
22 21.566
.759 1.000
65 21.518
.761 1.000
67 21.500
.762 1.000
105 21.500
.762 .999
130 21.366
.769 .999
28 21.202
.777 .999
135 21.038
.784 .999
6 20.985
.787 .999
60 20.809
.795 .999
Universitas Sumatera Utara
Tabel 5.2. Observations farthest from the centroid Mahalanobis distance Lanjutan
Observation number Mahalanobis d-squared
p1 p2
127 20.743
.798 .999
10 20.603
.805 .999
69 20.130
.825 1.000
23 19.957
.833 1.000
75 19.549
.849 1.000
92 19.382
.856 1.000
54 19.211
.862 1.000
Dari tabel di atas, dapat diperhatikan nilai p1 dan p2 berada di atas 0,001 sehingga tidak perlu dilakukan penghapusan data outlier lagi, dan data sudah
dianggap berdistribusi normal, dan dapat melangkah ke tahap selanjutnya.
5.2.6. Mengevaluasi Model dengan Kriteria Goodness of Fit