83
yang terlihat dalam proses eksplorasi. Dan variance extracted direkomendasikan pada tingkat 0,50.
4.3.3. Uji Normalitas
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.
Tabel 4.15. Assesment of normality
Var iable m in
m ax k ur t osis
c.r . X11
1 7
1,591 4,042
X12 1
7 0,495
1,258 X13
2 7
- 0,700 - 1,779
X21 2
7 - 0,588
- 1,493 X22
2 7
- 0,055 - 0,140
X23 1
7 - 0,927
- 2,356 X31
1 7
- 0,575 - 1,461
X32 2
7 - 0,373
- 0,947 X33
1 7
0,071 0,180
X41 1
7 - 0,326
- 0,829 X42
1 7
- 0,196 - 0,499
X43 1
7 0,486
1,234 X51
1 7
- 0,864 - 2,196
X52 2
7 - 0,166
- 0,422 X53
2 7
- 0,992 - 2,522
Y14 2
7 - 0,431
- 1,095 Y17
2 7
- 1,287 - 3,272
Y22 2
7 - 0,716
- 1,819 Y24
2 7
- 1,124 - 2,857
Y31 2
7 - 0,867
- 2,203 Y32
1 7
- 0,836 - 2,124
Y33 2
7 - 1,038
- 2,639 Y34
1 7
- 1,140 - 2,896
Y35 2
7 - 1,132
- 2,877
M u lt iv a ria t e 8,712
1 ,5 3 5 Ba t a s N orm a l
± 2 ,5 8
Sumber : data diolah
84
Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di antara ± 2,58 itu berarti asumsi normalitas terpenuhi. Fenomena ini tidak
menjadi masalah serius seperti dikatakan oleh Bentler Chou 1987 bahwa jika teknik estimasi dalam model SEM menggunakan maximum
likelihood estimation MLE walau ditribusi datanya tidak normal masih
dapat menghasilkan good estimate, sehingga data layak untuk digunakan dalam estimasi selanjutnya
4.3.4. Uji Multicollinierity dan Singularity
Pengujian terhadap gejala multikolinieritas antar variabel bebas memperlihatkan tidak adanya gejala multikolonieritas yang merusak
model terlihat dari determinant of sample covariance matrix 770.343.165 dan angka ini jauh dari nol. Karena itu dapat disimpulkan bahwa tidak
terjadi multikolinieritas atau singularitas dalam data ini sehingga asumsi
terpenuhi.
4.3.5. Uji Outlier
Uji univariat outliers dilakukan dengan mengamati nilai Zscore, semua kasus yang memiliki nilai Zscore
≥ ± 3,0 berarti outlier. Bila kasus yang mempunyai Jarak Mahalanobis lebih besar dari nilai chi-square pada
tingkat signifikansi 0,001 maka terjadi multivariate outliers.
85
Tabel 4.16. Uji Outlier Multivariate
Minim um Max im um
Mean St d.
Dev iat ion N
Pr edict ed Value - 24,130
155,970 78,000
34,303 155
St d. Predict ed Value - 2,977
2,273 0,000
1,000 155
St andar d Err or of Predict ed Value 10,790
19,250 14,626
1,664 155
Adj ust ed Predict ed Value - 36,420
160,020 77,850
35,282 155
Residual - 67,923
90,304 0,000
28,953 155
St d. Residual - 2,097
2,787 0,000
0,894 155
St ud. Residual - 2,261
3,263 0,002
1,003 155
Delet ed Residual - 79,009
123,721 0,147
36,547 155
St ud. Delet ed Residual - 2,300
3,400 0,003
1,012 155
Mahalanobis Dist ance [ MD] 16,088
5 3 ,3 8 0 30,800
7,249 155
Cook s Dist ance 0,000
0,123 0,008
0,013 155
Cent er ed Lev er age Value 0,104
0,347 0,200
0,047 155
Sumber : data diolah Diketahui nilai
χ
2
4.3.6. Structural Equation Modeling SEM dan Pengujian Hipotesis