estimation [MLE] walau ditribusi datanya tidak normal masih dapat menghasilkan good estimate, sehingga data layak untuk digunakan dalam
estimasi selanjutnya.
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 = 10. Ketentuan : bila Mahalanobis dari
nilai 2 adalah multivariate outlier. Pada penelitian ini terdapat outlier
apabila nilai Mahalanobis distancenya 39,252. Untuk lebih memperjelas uraian mengenai evaluasi outlier
multivariate berikut ini akan disajikan tabel Uji Outlier Multivariate :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Tabel 4.9. Hasil Pengujian Outlier Multivariate
Residuals Statistics a Minimum
Maximum Mean
Std. Deviation
N Predicted Value
15.092 118.525
64.500 18.462
128 Std. Predicted Value
-2.676 2.926
0.000 1.000
128 Standard Error of Predicted Value
7.753 18.002
12.362 2.124
128 Adjusted Predicted Value
17.418 126.978
64.630 19.623
128 Residual -64.272
67.517 0.000
32.174 128
Std. Residual -1.868
1.962 0.000
0.935 128
Stud. Residual -1.939
2.200 -0.002
1.002 128
Deleted Residual -69.276
84.939 -0.130
36.982 128
Stud. Deleted Residual -1.964
2.240 -0.001
1.007 128
Mahalanobis Distance [MD] 5.454
33.760 15.875 5.852
128 Cooks Distance
0.000 0.073
0.009 0.011
128 Centered Leverage Value
0.043 0.266
0.125 0.046
128 a Dependent Variable : NO. RESP
Sumber : Lampiran Berdasarkan tabel di atas, setelah dilakukan pengujian diketahui
nilai MD maksimum adalah 33,760 lebih kecil dari 39,252. 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 4.01` diperoleh hasil Determinant of Sample Covariance Matrix
adalah 0 yaitu sebesar 331,60 mengindikasikan tidak terjadi multikolinieritas dan singularitas dalam data ini sehingga asumsi
terpenuhi.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4.3.4. Uji Validitas dan Reliabilitas
