Uji Evaluasi Asumsi Normalitas Data Uji Evaluasi Asumsi Multivariate Outliers Uji Evaluasi Asumsi Multikolinieritas

77 Resti Elfia Shanti, 2016 PENGARUH SIKAP PERSONAL, NORMA SUBYEKTIF DAN PERSEPSI KONTROL PERILAKU TERHADAP INTENSI KEWIRAUSAHAAN SISWA SMK DI UPTD WILAYAH 1 KABUPATEN BANDUNG, JAWA BARAT Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

4.3.1 Uji Evaluasi Asumsi Normalitas Data

Uji asumsi normalitas data dalam format AMOS dapat dilakukan dengan membandingkan nilai kriteria critical ratio skewness sebesar ± 2,58. Apabila data memiliki nilai critical ratio skewness di bawah harga mutlak ± 2,58, maka dapat disimpulkan bahwa data memiliki distribusi normal. Berdasarkan hasil pengujian asumsi normalitas data diperoleh nilai critical ratio skewness sebesar 17,6. Nilai tersebut menunjukkan bahwa terdapat problem atau masalah normalitas pada data Lampiran 5.

4.3.2 Uji Evaluasi Asumsi Multivariate Outliers

Kasus multivariate outliers dapat menimbulkan bias terhadap analisis selanjutnya apabila tetap dibiarkan maka tingkat kepercayaan penelitian menjadi berkurang. Kusnendi, 2008:51. Untuk mengetahui apakah terjadi multivariate outliers dalam data yaitu dengan memperhatikan nilai mahalanobis distance yang terdapat dalam hasil keluaran AMOS. selain itu, penulis menggunakan bantuan program Microsoft Excel untuk menghitung nilai mahalanobis distance pada tingkat kesalahan 0,001 dan derajat kebebasan degree of freedom sebesar 20 jumlah variabel yang diobservasi. Nilai yang diperoleh dari perhitungan tersebut yaitu sebesar 45,31475. Apabila koefisien d 2 mahalanobis distance pada nomor responden lebih besar dari 45,31475, maka nomor tersebut diduga merupakan multivariate outliers. Berdasarkan hasil keluaran text output AMOS, diperoleh 8 delapan nomor responden yaitu nomor 24, 83, 89, 91, 93, 187, 251, dan 275 yang merupakan multivariate outliers maka penulis mengeluarkan nomor tersebut dari data sampel. Setelah nomor responden tersebut di drop dari data sampel, maka hasil output seluruhnya menunjukkan nomor responden terbebas dari multivariate outliers. Adapun data selengkapnya dapat dilihat pada Lampiran 6 dan Lampiran 7.

4.3.3 Uji Evaluasi Asumsi Multikolinieritas

Asumsi multikolinieritas menunjukkan kondisi di mana antarvariabel penyebab terdapat hubungan linier yang sempurna Hair, dkk., 2006: 170 dalam 78 Resti Elfia Shanti, 2016 PENGARUH SIKAP PERSONAL, NORMA SUBYEKTIF DAN PERSEPSI KONTROL PERILAKU TERHADAP INTENSI KEWIRAUSAHAAN SISWA SMK DI UPTD WILAYAH 1 KABUPATEN BANDUNG, JAWA BARAT Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu Kusnendi, 2008: 51. Untuk menguji apakah terdapat multikolinieritas dapat dilihat dari koefisien determinan matriks kovariansi. Apabila koefisien determinan matriks kovariansi dan atau matriks korelasi sangat kecil mendekati nol mengindikasikan terdapat problem multikolinieritas Kusnendi, 2008: 52. Berdasarkan hasil keluaran AMOS menunjukkan nilai koefisien determinan matriks kovariansi pada data sampel penelitian yaitu 0,00 atau dapat dikatakan terdapat masalah multikolinieritas dalam data. Namun, dalam keterangan yang terdapat dalam hasil keluaran AMOS menunjukkan bahwa, “the sample covariance matrix is positive definite ”. Artinya, sampel matriks kovariansi menunjukkan hasil yang positif. Dengan demikian, data sampel layak digunakan dalam analisis data selanjutnya.

4.4 Uji Model Pengukuran Intensi Kewirausahaan