histogram data dapat diuji dengan metode - metode statistik. Uji normalitas ini perlu dilakukan baik untuk normalitas terhadap data
tunggal maupun normalitas multivariant diiklan beberapa variabel digunakan sekaligus dalam analisis akhir uji linearitas dapat dilakukan
dengan mengamati scatterplots dari data yaitu dengan memilih pasangan data dan dilihat pola penyebarannya untuk menduga ada
tidaknya linearitas. Ferdinand, 2002 : 52.
a. Evaluasi Atas Outliers
Outliers adalah observasi yang muncul dengan nilai - nilai
ekstrem baik secara invariant maupun multivariant yaitu yang muncul karena kombinasi kharakteristik unik yang dimilikinya dan terlihat
sangat jauh berbeda dari observasi - observasi lainnya. Outliers pada dasarnya dapat muncul dalam 4 kategori :
1. Outliers muncul karena kesalahan prosedur.
2. Outliers muncul karena keadaan yang benar-benar khusus yang memungkinkan profil aktanya lain daripada yang lain.
3. Outliers muncul karena adanya sesuatu alasan tetapi peneliti tidak dapat mengetahui apa penyebabnya.
4. Outliers dapat muncul dalam mengenali yang ada, tetapi bila dikombinasi dengan variabel lainnya. Kombinasinya menjadi tidak
lazim atau sangat ekstrim atau yang biasa disebut multivariate outlier.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
Perlakuan terhadap outliers dilakukan bergantung pada bagaimana outlier itu muncul. Dalam analisis ini outliers dapat
dievaluasi dengan dua cara yaitu analisis terhadap univuriate outliers dan analisis terhadap multivariate outliers.
b. Univariate Outlier
Deteksi terhadap adanya outlier univariate dapat dilakukan dengan menentukan nilai ambang batas yang akan dikategorikan
sebagai outliers dengan cara mengkonversi nilai data penelitian ke dalam standart score atau yang biasa disebut Z-score yang mempunyai
rata - rata nol dengan standar deviasi sebesar satu. Oleh karena itu kasus atau observasi yang mempunyai Z-score 30 akan dikategorikan
sebagai outliers. Ferdinand, 2002 : 98.
c. Multivariate Outlier
Evaluasi terhadap multivariate outliers 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 Alfahalanobis the Mahalanobis
distance untuk tiap observasi dapat dihitung dan akan menunjukkan
jarak sebuah observasi dari rata - rata semua variabel dalam sebuah pang ruang multidimensional Hair dkk, 1995. Uji terhadap outhers
multivariate dilakukan dengan menggunakan kriteria jarak Mahalanobis pada tingkat P 0,001. jarak Mahalanobis itu dievaluasi dengan
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
menggunakan X` pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian itu. Ferdinand, 2002 : 102
d. Multicolinearity dan Singularity