Evaluasi Outlier Analisis Data

c. Indikator ketiga dari Customer Loyalty, yaitu Meskipun ada banyak jasa angkutan barang lainnya akan tetap memilih perusahaan ini, mendapat respon terbanyak pada skor 5 dengan jumlah responden sebanyak 55 atau 45,8, kemudian terbanyak kedua pada skor 6 dengan jumlah responden 36 atau 30. Artinya, sebagian besar responden yang menjawab setuju sebanyak 55 responden atau 45,8, kemudian yang menjawab sangat setuju sebanyak 36 responden atau sebanyak 30.

4.2. Analisis Data

4.2.1. 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 atau mutivariat Hair, 1998. Evaluasi terhadap outlier multivariate antar variabel perlu dilakukan sebab walaupun data yang dianalisis menunjukkan tidak ada outliers pada tingkat univariate, tetapi observasi itu dapat menjadi outliers bila sudah saling dikombinasikan. Jarak antara Mahalanobis untuk tiap-tiap observasi dapat dihitung dan akan menunjukkan 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 outlier tampak pada tabel berikut : Tabel 4.8. : Outlier Data Minimum Maximum Mean Std. Deviation N Predicted Value 4,426 117,965 60,500 21,017 120 Std. Predicted Value -2,668 2,734 0,000 1,000 120 Standard Error of Predicted Value 8,041 13,838 10,753 1,267 120 Adjusted Predicted Value 4,221 117,452 60,646 21,337 120 Residual -53,065 80,968 0,000 27,718 120 Std. Residual -1,790 2,731 0,000 0,935 120 Stud. Residual -1,902 2,874 -0,002 0,998 120 Deleted Residual -59,900 89,658 -0,146 31,630 120 Stud. Deleted Residual -1,926 2,981 0,001 1,008 120 Mahalanobis Distance [MD] 7,760 24,928 14,875 3,713 120 Cooks Distance 0,000 0,057 0,009 0,012 120 Centered Leverage Value 0,065 0,209 0,125 0,031 120 a Dependent Variable : NO. RESP Sumber : Lampiran Deteksi terhadap multivariat outliers dilakukan dengan menggunakan kriteria Jarak Mahalanobis pada tingkat p 0,001. Jarak Mahalanobis itu dievaluasi dengan menggunakan  2 pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian. Bila kasus yang mempunyai Jarak Mahalanobis lebih besar dari nilai chi-square pada tingkat signifikansi 0,001 maka terjadi multivariate outliers. Nilai  2 0.001 dengan jumlah indikator 15 adalah sebesar 24,928. Hasil analisis Mahalanobis diperoleh nilai 24,928 lebih kecil dari  2 tabel 37,697 tersebut. Dengan demikian tidak terjadi multivariate outliers.

4.2.2. Evaluasi Reliabilitas