Analisis Problem Identifikasi Univariateb Outlier Analisis Uji Normalitas Data Analisis Kriteria Goodness Of Fit

6.1.2. Analisis Problem Identifikasi Univariateb Outlier

Analisis Univariateb Outlier merupakan merupakan hasil yang menunjukkan nilai Mahalonabis distance X 2 . Setelah data di uj9 sebaran data apakah ada data yang outlier atau tidak dengan menguji chi-square yang dirumuskan dengan program excel dengan rumus : Chiinvprob, df = chiiinv0,005, 122 = 165,97 Keteragan : - probabilitas tingkat signifikan = 0,005 - degree of freedom derajat kebebasan = 122 Setelah diuji maka nilai Mahalonabis distance X 2 adalah 165,97. Dengan demikian semua data dikatakan multivariate outlier karena tidak ada data yang melebihi 165,97.

6.1.3. Analisis Uji Normalitas Data

Uji normalitas data menunjukkan apakah data tersebut berdistribusi normal atau tidak dengan nilai 2,58. Dari tabel 5.36 menunjukkan uji normalitas multivariate memberikan nilai 2,937 yang berarti secara multivariat menandakan bahwa data tidak berdistribusi normal.

6.1.4. Analisis Kriteria Goodness Of Fit

Merupakan tujuan utama dalam persamaan struktural, yaitu ingin mengetahui sampai sejauh mana mode “fit” atau cocok dengan data. Hal ini terlihat dari : Universitas Sumatera Utara 1. Uji kelayakan Parameter Esrtimasi Tabel 5.37. Kovarian Antar Variabel Full Model Estimate S.E. C.R. P Label Restrukturisasi_Kerja -- Sistem_Imbalan .010 .008 1.228 .219 par_20 Restrukturisasi_Kerja -- Lingkungan_Kerja .020 .008 2.615 .009 par_21 Restrukturisasi_Kerja -- Partisipasi_Kerja .014 .010 1.391 .164 par_22 Sistem_Imbalan -- Lingkungan_Kerja -.001 .006 -.152 .879 par_23 Sistem_Imbalan -- Partisipasi_Kerja .007 .006 1.156 .248 par_24 Lingkungan_Kerja -- Partisipasi_Kerja .011 .008 1.356 .175 par_25 Dari tabel diatas menunjukkan bahwa nilai estimasi parameter memberikan tanda dan besaran yang sesuai dengan teori. Jika nilai estimasi sangat jauh berbeda dengan yang diharapkan, maka merupakan indikasi adanya kesalahan model input matriks cukup memberikan informasi. Hal ini terlihat dari adanya nilai estimasi atau kovarian 1. Maka model dapat dikatakan fit berdasarkan uji kelayakan parameter estimasi.

6.2. Evaluasi