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
mengg unakan χ² chi kuadrat pada derajat bebas sebesar jumlah variabel
yang digunakan dalam penelitian ini. Hasil uji outlier tampak pada tabel berikut :
Tabel 4.9. Outlier Data
Minimum Maximum Mean
Std. Deviation
N Predicted Value
3,296 94,164
55,193 17,719
109 Std. Predicted Value
-2,929 2,199
0,000 1,000
109 Standard Error of Predicted
Value 4,192
15,025 8,131
2,057 109
Adjusted Predicted Value -0,011
95,210 55,373
18,043 109
Residual -58,982
63,488 0,000
26,504 109
Std. Residual -2,131
2,293 0,000
0,957 109
Stud. Residual -2,226
2,429 -0,003
1,004 109
Deleted Residual -64,405
71,217 -0,180
29,217 109
Stud. Deleted Residual -2,273
2,492 -0,002
1,013 109
Mahal. Distance 1,486
30,824 8,917
5,173 109
Cooks Distance 0,000
0,080 0,010
0,015 109
Centered Leverage Value 0,014
0,285 0,083
0,048 109
Sumber: lampiran Deteksi terhadap multivariat outliers
dilakukan dengan menggunakan kriteria Jarak Mahalanobis pada tingkat p 0,001. Jarak
Mahalanobis itu dievaluasi dengan menggunakan χ
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
χ
2 0.001
dengan jumlah indikator 9 adalah sebesar 27,877 Hasil analisis Mahalanobis
diperoleh nilai 30,824 yang kurang dari χ
2
Seperti telah dijelaskan pada bab sebelumnya bahwa Cronbach’s Alpha
ini digunakan untuk mengestimasi reliabiltas setiap skala variabel tabel 27,877 tersebut. Dengan
demikian, tidak terjadi multivariate outliers.
4.3.2. Evaluasi Reliabilitas
Kategori