Evaluasi Normalitas Data. Evaluasi Outlier.
80
Maka kriteria yang dipakai untuk deteksi multivariate outlier pada penelitian ini adalah nilai Chi-Squares dengan 16 indikator pada tingkat
signifikansi P 0,001 yaitu 16, 0.001 = 39,252. Hal ini berarti nilai mahalonobis distance lebih besar dari nilai 39,252 adalah multivariate outlier.
Berikut Tabel 4.9 yang digunakan untuk mendeteksi multivariate outlier dalam penelitian ini:
Tabel 4.9 Mahalanobis Distance
Observation number Mahalanobis d-squared
p1 p2
119 34,332
,005 ,549
161 31,982
,010 ,485
136 30,801
,014 ,408
112 30,747
,014 ,209
57 29,987
,018 ,171
37 29,827
,019 ,089
117 27,416
,037 ,395
80 25,947
,055 ,668
87 25,021
,069 ,799
147 24,221
,085 ,888
60 24,068
,088 ,853
35 23,955
,090 ,804
31 23,779
,094 ,769
20 22,926
,116 ,906
22 22,922
,116 ,854
81 Observation number
Mahalanobis d-squared p1
p2 102
22,822 ,119
,815 146
22,479 ,128
,844 66
22,193 ,137
,860 33
22,029 ,142
,847 118
21,899 ,146
,826 95
21,851 ,148
,776 106
21,803 ,150
,722 131
21,664 ,154
,701 158
21,593 ,157
,652 61
21,211 ,171
,739 123
21,145 ,173
,694 142
20,882 ,183
,735 21
20,326 ,206
,874 58
20,185 ,212
,871 17
20,166 ,213
,830 24
20,046 ,218
,821 96
19,957 ,222
,801 38
19,729 ,233
,833 160
19,705 ,234
,790 84
19,550 ,241
,798 110
19,502 ,244
,763 138
19,411 ,248
,745 11
19,331 ,252
,722
82 Observation number
Mahalanobis d-squared p1
p2 114
19,271 ,255
,689 69
19,188 ,259
,666 125
19,159 ,260
,614 82
18,964 ,271
,655 92
18,931 ,272
,606 135
18,905 ,274
,553 99
18,841 ,277
,521 124
18,701 ,284
,536 162
18,600 ,290
,528 155
18,449 ,298
,552 50
18,430 ,299
,495 25
18,375 ,302
,461 101
18,188 ,313
,510 51
18,167 ,314
,455 78
18,161 ,315
,393 159
18,031 ,322
,409 107
17,981 ,325
,375 115
17,971 ,326
,319 28
17,806 ,335
,356 133
17,715 ,341
,350 151
17,714 ,341
,291 134
17,654 ,345
,270 72
17,622 ,346
,234
83 Observation number
Mahalanobis d-squared p1
p2 43
17,331 ,364
,342 48
17,281 ,368
,314 55
17,232 ,371
,286 88
17,106 ,379
,304 139
17,055 ,382
,279 47
17,002 ,385
,255 148
16,941 ,389
,238 145
16,870 ,394
,226 15
16,757 ,401
,236 71
16,753 ,402
,193 83
16,660 ,408
,193 116
16,633 ,410
,164 63
16,530 ,417
,169 41
16,507 ,418
,141 100
16,227 ,437
,230 153
16,185 ,440
,205 77
16,170 ,441
,170 143
16,118 ,445
,154 126
16,086 ,447
,131 56
16,055 ,449
,111 54
16,041 ,450
,088 23
15,982 ,454
,080 45
15,907 ,459
,077
84 Observation number
Mahalanobis d-squared p1
p2 140
15,823 ,465
,076 19
15,719 ,473
,080 152
15,543 ,485
,108 10
15,422 ,494
,120 91
15,384 ,497
,103 68
15,310 ,502
,099 26
15,220 ,509
,101 130
15,185 ,511
,086 9
15,163 ,513
,069 150
14,761 ,542
,186 108
14,549 ,558
,258 1
14,481 ,563
,248 103
14,391 ,570
,252 29
14,357 ,572
,223 137
14,336 ,574
,189 120
14,259 ,579
,185
Sumber: output amos 18 Dari tabel 4.8 dapat disimpulkan bahwa evaluasi secara univariate terdapat
outlier dalam data penelitian yaitu pada indikator KP1 -3,35, KP3 -3,113, CM2 -3,240, dan CM4 -3,327. Namun, Ghazali 2007: 38 menyatakan bahwa
data outlier secara filosifi harus dipertahankan bila data outlier itu memang
85
representasi dari populasi yang diteliti. Atas dasar ini peneliti memutuskan untuk tidak membuang data outlier, dengan pertimbangan bahwa jumlah sampel dalam
penelitian ini telah terpenuhi dan nilai Chi-Square dalam kriteria Goodness of Fit menunjukkan nilai 117,343 yang mengindikasikan model yang diusulkan cocok
atau fit dengan data observasi. Maka, data dalam penelitian ini dapat dikatakan telah merepresentasikan populasi.
Sedangkan pada tabel 4.9 secara multivariate menunjukkan bahwa tidak terdapat nilai mahalanobis distance yang melebihi 39,252. Hal ini
mengindikasikan bahwa data dalam penelitian ini terbebas dari multivariate outlier.