4.1.6.1 Evaluasi Univariate Outlier
Deteksi terhadap ada tidaknya univariate outlier dapat dilakukan dengan menentukan nilai ambang batas yang akan dikategorikan sebagai outliers dengan
cara mengkonversi nilai data penelitian ke dalam standard score atau z-score yang mempunyai nilai rata-rata nol dengan standar deviasi sebesar 1,00 Hair, et.al,
1995, dalam Ferdinand, 2006:98. Observasi data yang memiliki nilai z-score ≥ ±
3,0 akan dikategorikan sebagai univariate outlier. Hasil pengolahan data untuk pengujian ada tidaknya univariate outlier yang tersaji pada Tabel 4.8. Hal ini
menunjukkan tidak adanya univariate outliers karena nilai z-score maksimum terbesar 2,21762 dan nilai minimum terendah adalah – 2,98409 atau nilai tidak
ada yang ≥ ± 3,0.
Tabel 4.8 Statistik Deskriptif
Sumber : data primer yang diolah, 2011
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation Zscorex1
102 -2.82018
1.58838 .0000000
1.00000000 Zscorex2
102 -2.75372
1.62647 .0000000
1.00000000 Zscorex3
102 -2.84063
1.62461 .0000000
1.00000000 Zscorex4
102 -2.73790
1.87806 .0000000
1.00000000 ZscoreX5
102 -2.98409
2.08886 .0000000
1.00000000 ZscoreX6
102 -2.36544
2.06743 .0000000
1.00000000 ZscoreX7
102 -2.37706
1.84488 .0000000
1.00000000 ZscoreX8
102 -2.59197
1.98889 .0000000
1.00000000 ZscoreX9
102 -2.64526
1.83302 .0000000
1.00000000 ZscoreX10
102 -2.73242
2.06253 .0000000
1.00000000 ZscoreX11
102 -2.24213
1.75009 .0000000
1.00000000 ZscoreX12
102 -2.54167
2.11901 .0000000
1.00000000 ZscoreX13
102 -2.78429
2.21762 .0000000
1.00000000 ZscoreX14
102 -2.54564
2.15400 .0000000
1.00000000 Valid N listwise
102
93
4.1.6.2 Evaluasi Multivariate Outlier
Evaluasi terhadap multivariate outlier perlu dilakukan karena walaupun data yang dianalisis menunjukkan tidak ada outlier pada tingkat univariate,
namun observasi-observasi tersebut dapat menjadi outliers bila sudah dikombinasikan. Jarak mahalanobis The Mahalanobis Distance untuk tiap-tiap
observasi dapat dihitung dan akan menunjukkan jarak sebuah observasi dari rata- rata semua variabel dalam sebuah ruang multidimensional Hair, et.al, 1995;
dalam Ferdinand, 2006:101. Jarak mahalanobis mahalanobis distance dihitung berdasarkan nilai chi-square pada derajat bebas sebesar 14 jumlah variabel
bebas pada tingkat 0,01 adalah χ
2
14 ; 0,01 = 29,141 berdasarkan tabel distribusi
χ
2
. Jadi data yang memiliki jarak mahalonobis lebih besar dari 29,141 adalah multivariate outliers. Berdasarkan hasil perhitungan menunjukkan bahwa
jarak mahalonobis terendah adalah 5,573 dan tertinggi adalah 26,205 Ferdinand, 2006:101. Sehingga dapat disimpulkan bahwa model tidak terdapat Outlier pada
pengolahan data. Data mahalanobis distance dapat dilihat dalam Tabel 4.9 di bawah ini
Tabel 4.9 Evaluasi
Multivariate Outlier
Observation number Mahalanobis d-squared p1
p2 56
26.205 .024 .919 21
26.029 .026 .740 46
23.184 .057 .936 27
23.129 .058 .851 …
… …
29 6.565 .950 .422
70 6.167 .962 .457
68 5.573 .976 .559
Sumber : data primer yang diolah, 2011
94
Apabila terjadi atau muncul outlier data tidak perlu dihilangkan dari analisis karena data tersebut menggambarkan keadaan yang sesungguhnya dan
tidak ada alasan khusus dari profil responden yang menyebabkan harus dikeluarkan dari analisis tersebut Ferdinand, 2006:105.
4.1.6.3 Uji Normalitas Data
Kategori