46 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.
3.6.2 Outliers
Ouitliers 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 :
3.6.2.1 Outliers
muncul karena kesalahan prosedur. 3.6.2.2
Outliers muncul karena keadaan yang benar-benar khusus yang
memungkinkan profil aktanya lain daripada yang lain. 3.6.2.3
Outliers muncul karena adanya sesuatu alasan tetapi peneliti
tidak dapat mengetahui apa penyebabnya. 3.6.2.4
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. Perlakuan terhadap outliers dilakukan bergantung pada bagaimana
outlier itu muncul. Dalam analisis ini outliers dapat dievaluasi dengan dua
47 cara yaitu analisis terhadap univariate outliers dan analisis terhadap
multivariate outliers .
• 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. • 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 Mahalanobis the Mahalanobis
distance untuk tiap observasi dapat dihitung dan akan menunjukkan
jarak sebuah observasi dari rata-rata semua variabel dalam sebuah ruang multidimensional. Uji terhadap outliers multivariate dilakukan
dengan menggunakan kriteria jarak Mahalanobis pada tingkat P 0,001. jarak Mahalanobis itu dievaluasi dengan menggunakan X
2
pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian itu. Ferdinand, 2002 : 102.
48
3.6.3 Multicolinearity dan Singularity
