4.3.2. Evaluasi atas
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 Hair,1998.
Multivariate outlier diuji dengan kriteria jarak Mahalanobis pada tingkat p 0,001. Jarak diuji dengan Chi-Square [
2] pada df sebesar jumlah variabel bebasnya df = 32. Ketentuan : bila Mahalanobis dari nilai
2 adalah multivariate outlier. Pada penelitian ini terdapat outlier apabila nilai Mahalanobis
distancenya 62,487. Untuk lebih memperjelas uraian mengenai evaluasi outlier multivariate
berikut ini akan disajikan tabel Uji Outlier Multivariate : Tabel 4.16.
Hasil Pengujian Outlier Multivariate
Residuals Statistics a Minimum
Maximum Mean
Std. Deviation
N Predicted Value
-10,253 101,548
50,500 19,810
100 Std. Predicted Value
-3,067 2,577
0,000 1,000
100 Standard Error of Predicted Value
11,488 18,478
14,722 1,532
100 Adjusted Predicted Value
-26,247 110,305
51,016 22,365
100 Residual
-45,189 45,337
0,000 21,195
100 Std. Residual
-1,754 1,760
0,000 0,823
100 Stud. Residual
-2,024 2,047
-0,008 1,009
100 Deleted Residual
-66,980 68,781 -0,516
32,079 100
Stud. Deleted Residual -2,073 2,098
-0,008 1,018
100 Mahalanobis Distance [MD]
18,691 49,933
31,680 6,759 100
Cooks Distance 0,000
0,096 0,016
0,019 100
Centered Leverage Value 0,189
0,504 0,320
0,068 100
a Dependent Variable : NO. RESP
Sumber : Lampiran 4
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Berdasarkan tabel di atas, setelah dilakukan pengujian diketahui nilai MD maksimum adalah 49,933 lebih kecil dari 62,487. Oleh karena itu diputuskan
dalam penelitian tidak terdapat outlier multivariate antar variabel. 4.3.3.
Deteksi Multicollinierity dan Singularity
Dengan mengamati Determinant matriks covarians. Dengan ketentuan apabila determinant sample matrix mendekati angka 0 kecil, maka terjadi
multikolinieritas dan singularitas Tabachnick Fidell, 1998. Berdasarkan hasil pengujian dengan menggunakan program AMOS 4.0
diperoleh hasil Determinant of Sample Covariance Matrix adalah 0 yaitu sebesar 39,864 mengindikasikan tidak terjadi multikolinieritas dan singularitas
dalam data ini sehingga asumsi terpenuhi.
4.3.4. Uji Validitas dan Reliabilitas
Kategori