56
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. Hasil Pengujian Normalitas
Variable min max
skew c.r. kurtosis c.r.
y2 2,000 5,000 -,218 -,900
-,851 -1,755 y1
2,000 5,000 -,114 -,470 -,681 -1,405
x41 2,000 5,000 -,461 -1,899
-,138 -,285 x42
2,000 5,000
-,135 -,557 -,416 -,858 x43
2,000 5,000
-,027 -,112 -,290 -,597 x34 2,000
5,000 ,121
,498 -,285
-,587 x31 2,000
5,000 ,383
1,580 -,361
-,745 x32
2,000 5,000
-,040 -,166 -,393 -,810 x33 2,000
5,000 ,153
,629 -,322
-,664 x25
2,000 5,000 -,603 -2,488 ,930 1,918
x24 3,000 5,000
-,016 -,065
,289 ,595
x21 3,000 5,000 -,146 -,604
-,825 -1,701 x22
2,000 5,000 -,306 -1,261 -,550 -1,134
x23 2,000 5,000
-,240 -,991
,474 ,978
x11 2,000 5,000 -,072 -,296
-,486 -1,002 x12
2,000 5,000
-,185 -,762 -,148 -,304 x13
2,000 5,000 ,270 1,114 -,697 -1,437
Multivariate -13,734
-2,729 Sumber : lampiran 3
57
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 [
2] pada df sebesar jumlah variabel bebasnya df = 17. Ketentuan : bila Mahalanobis dari
nilai 2 adalah multivariate outlier. Pada penelitian ini terdapat outlier
apabila nilai Mahalanobis distancenya 40,790. Untuk lebih memperjelas uraian mengenai evaluasi outlier
multivariate berikut ini akan disajikan tabel Uji Outlier Multivariate :
Tabel 4.9. Hasil Pengujian
Outlier Multivariate
Residuals Statistics
a
15,04 93,16
51,50 17,839
102 -2,044
2,335 ,000
1,000 102
7,617 14,014
10,816 1,130
102 18,51
92,95 51,63
18,546 102
-50,658 49,691
,000 23,607
102 -1,957
1,920 ,000
,912 102
-2,117 2,121
-,002 1,004
102 -59,261
62,248 -,132
28,658 102
-2,162 2,167
-,002 1,012
102 7,755
28,612 16,833
3,722 102
,000 ,071
,012 ,014
102 ,077
,283 ,167
,037 102
Predicted Value Std. Predicted Value
Standard Error of Predicted Value
Adjusted Predicted Value Residual
Std. Residual Stud. Residual
Deleted Residual Stud. Deleted Residual
Mahal. Distance Cooks Distance
Centered Leverage Value Minimum
Maximum Mean
Std. Deviation N
Dependent Variable: no a.
Sumber : lampiran 4
58
Berdasarkan tabel di atas, setelah dilakukan pengujian diketahui nilai MD maksimum adalah 28,612 lebih kecil dari 40,790. 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 11,669 mengindikasikan tidak terjadi multikolinieritas dan
singularitas dalam data ini sehingga asumsi terpenuhi.
4.3.4. Uji Validitas dan Reliabilitas
Kategori