4.3. Deskripsi Hasil Analisis Dan Uji Hipotesis
4.3.1. Uji Normalitas Sebaran dan Linieritas
Uji normalitas sebaran dilakukan dengan Kurtosis Value dari data yang digunakan yang biasanya disajikan dalam statistik deskriptif. Nilai
statistik untuk menguji normalitas itu disebut Z-value. Bila nilai-Z lebih besar dari nilai kritis maka dapat diduga bahwa distribusi data adalah tidak
normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikansi 0,01 [1] yaitu sebesar ± 2,58.
Hasil pengujian Normalitas pada penelitian ini akan ditampilkan pada tabel berikut :
Tabel 4.8.
Assessment of normality
Variable min
max kurtosis
c.r. X11
2 5
-0,295 -0,602
X12 2
5 -0,261
-0,532 X13
2 5
-0,269 -0,549
X14 2
5 -0,118
-0,241 X21
2 5
-0,231 -0,471
X22 2
5 -0,254
-0,519 X23
2 5
-0,078 -0,159
X24 2
5 -0,233
-0,476 Y1
2 5
-0,261 -0,533
Y2 2
5 -0,295
-0,602 Y3
2 5
-0,422 -0,861
Y4 2
5 -0,331
-0,676 Y5
2 5
-0,265 -0,541
Z11 2
5 -0,423
-0,863 Z12
2 5
-0,322 -0,656
Z13 2
5 -0,332
-0,678 Z14
2 5
-0,336 -0,686
Z21 2
5 -0,134
-0,275 Z22
2 5
-0,576 -1,175
Z23 2
5 -0,095
-0,193
Multivariate -11,583
-1,952 Batas Normal
± 2,58
Sumber : lampiran 3 Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di antara
± 2,58 itu berarti asumsi normalitas terpenuhi.
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 [
χ2] pada df sebesar jumlah variabel bebasnya df = 20. Ketentuan : bila Mahalanobis dari
nilai χ2 adalah multivariate outlier. Pada penelitian ini terdapat outlier
apabila nilai Mahalanobis distancenya 45,315. Untuk lebih memperjelas uraian mengenai evaluasi outlier
multivariate berikut ini akan disajikan tabel Uji Outlier Multivariate :
Tabel 4.9. Hasil Pengujian Outlier Multivariate
Residuals St at ist ics a
Minimum Maximum
Mean Std.
Deviation N
Predicted Value 12,55
86,28 50,50
16,056 100
Std. Predicted Value -2,363
2,228 0,000
1,000 100
Standard Error of Predicted Value 9,195
16,292 12,327
1,310 100
Adjusted Predicted Value 14,02
100,34 50,02
17,425 100
Residual -52,763
56,521 0,000
24,163 100
Std. Residual -1,951
2,090 0,000
0,893 100
Stud. Residual -2,282
2,369 0,008
1,006 100
Deleted Residual -72,195
72,649 0,480
30,681 100
Stud. Deleted Residual -2,346
2,442 0,008
1,017 100
Mahalanobis Distance [MD] 10,450
34,923 19,800
4,417 100
Cooks Distance 0,000
0,091 0,013
0,019 100
Centered Leverage Value 0,106
0,353 0,200
0,045 100
Sumber : lampiran 4 Berdasarkan tabel di atas, setelah dilakukan pengujian diketahui
nilai MD maksimum adalah 34,923 lebih kecil dari 45,315. 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 19,763 mengindikasikan tidak terjadi multikolinieritas dan singularitas dalam data ini sehingga asumsi terpenuhi.
4.3.4. Uji Validitas dan Reliabilitas