4.3. Analisis Data
4.3.1. Evaluasi 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 atau mutivariat Hair, 1998. Evaluasi terhadap outlier
multivariate antar variabel 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 antara Mahalanobis untuk tiap-tiap observasi dapat dihitung dan akan
menunjukkan sebuah observasi dari rata-rata semua variabel dalam sebuah ruang multidimensional Hair.dkk, 1998; Tabachnick Fidel, 1996. Uji
terhadap outliers multivariate dilakukan dengan menggunakan jarak Mahalanobis pada tingkat p 1. Jarak Mahalanobis itu dievaluasi dengan
menggunakan χ² chi kuadrat pada derajat bebas sebesar jumlah variabel
yang digunakan dalam penelitian ini. Hasil uji outlier tampak pada tabel berikut :
Tabel 12. Outlier Data Residuals Statistics a
Minimum Maximum
Mean Std.
Deviation N
Predicted Value 31,002
82,591 60,500
10,528 120
Std. Predicted Value -2,802
2,098 0,000
1,000 120
Standard Error of Predicted Value
6,543 16,787
11,299 2,194 120
Adjusted Predicted Value 21,656
82,893 60,198
11,312 120
Residual -65,921
63,167 0,000
33,154 120
Std. Residual -1,885
1,807 0,000
0,948 120
Stud. Residual -1,996
1,948 0,004
1,000 120
Deleted Residual -73,893
73,437 0,302
36,934 120
Stud. Deleted Residual -2,025
1,974 0,003
1,005 120
Mahalanobis Distance [MD]
3,175 26,440
11,900 4,942 120
Cooks Distance 0,000
0,047 0,009
0,010 120
Centered Leverage Value 0,027
0,222 0,100
0,042 120
a Dependent Variable : NO. RESP
Sumber : Lampiran Deteksi terhadap multivariat outliers dilakukan dengan
menggunakan kriteria Jarak Mahalanobis pada tingkat p 0,001. Jarak Mahalanobis itu dievaluasi dengan menggunakan
2
pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian. Bila kasus yang
mempunyai Jarak Mahalanobis lebih besar dari nilai chi-square pada tingkat signifikansi 0,001 maka terjadi multivariate outliers. Nilai
2 0.001
dengan jumlah indikator 12 adalah sebesar 32,909. Hasil analisis Mahalanobis
diperoleh nilai 26,440 yang kurang dari
2
tabel 32,909 tersebut. Dengan demikian, tidak terjadi multivariate outliers.
4.3.2. Evaluasi Reliabilitas