Evaluasi Outlier Deskripsi Hasil Analisis Dan Uji Hipotesis

sebanyak 65 responden atau sebanyak 46,4 dan terbanyak kedua ada pada skor 6 dengan jumlah responden sebanyak 47 responden atau 33,6. Artinya sebagian besar responden yang menjawab sangat ingin adalah sebanyak 65 responden atau 46,4 dan responden yang menjawab ingin adalah sebanyak 47 responden atau 33,6. 3. Indikator ketiga dari minat beli, yaitu keinginan preferensial, mendapat respon terbanyak pada skor 5 dengan jumlah responden sebanyak 63 responden atau 45,0 dan terbanyak kedua terdapat pada skor 6 dengan jumlah responden 54 responden atau 38,6. Artinya sebagian besar responden yang menjawab sangat memilih adalah sebanyak 63 responden atau 45,0 dan yang menjawab memilih adalah sebanyak 54 responden atau 38,6.

4.3 Deskripsi Hasil Analisis Dan Uji Hipotesis

4.3.1 Evaluasi 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 multivariate Hair, 1998. Evaliasi terhadap outlier multivariate antar variabel perlu dilakukan sebab walaupun data yang dianalisis menunjukan tidak ada outliers pada tingkat unvariate, tetapi observasi itu dapat menjadi ouliers bila sudah saling dikombinasikan. Jarak antara Mahalanobis untuk tiap- tiap observasi dapat dihitung dan akan menunjukan sebuah observasi dari rata-rata semua variabel dalam sebuah ruang multidimensional Hair.dkk, 1998; Tabachnick Fidel, 1996. Uji terhadap outliers multivariate dilakukan dengan menggunakan jarak Mahalanobis pada tingkat p 1. Jarak Mahalanobis itu dievaluasi dengan menggunakan χ² chi kuadrat pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian ini. Hasil uji outliers tampak pada tabel berikut : Tabel 4.8 Outlier Data Re sidu als Sta tistics a 17,17 124,90 70,50 22,139 140 -2, 409 2,457 ,000 1,000 140 8,916 15,744 11,653 1,345 140 14,06 131,42 70,45 22,500 140 -77,841 100,897 ,000 33,983 140 -2, 172 2,816 ,000 ,948 140 -2, 286 2,931 ,001 1,005 140 -86,281 109,325 ,052 38,202 140 -2, 326 3,025 ,001 1,013 140 7,611 25,835 13,900 3,465 140 ,000 ,051 ,008 ,011 140 ,055 ,186 ,100 ,025 140 Predic ted V alue St d. P redic ted Value St andard E rror of Predic ted V alue Adjust ed P redicted Value Residual St d. Residual St ud. Residual Deleted Residual St ud. Deleted Residual Mahal. Dis tanc e Cooks Dis tanc e Centered Leverage Value Minimum Maximum Mean St d. Deviat ion N Dependent Variable: no a. Deteksi terhadap jarak multivariate outliers dilakukan dengan menggunakan Jarak Mahalanobis pada tingkat p 0,001. Jarak Mahalanobis itu dievaluasi dengan menggunakann χ² pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian. Bila kasus yang mempunyai jarak Mahalanobis lebih besar dari chi-square pada tingkat signifikansi 0,001 maka terjadi multivariate outliers. Nilai χ² 0,001 dengan jumlah indikator 14 adalah sebesar 36,123. hasil analisis Mahalanobis diperoleh sebesar 25,835 yang kurang dari 36,123 tersebut dengan, demikian tidak terjadi multivariate outliers.

4.3.2 Evaluasi Reliabilitas