67
4.3 Uji Outliers Multivariate
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 :
68
Tabel 4.12. : Outlier Data
Minimum Maximum Mean
Std. Deviation
N Predicted Value
17,082 107,947 60,500
18,300 120 Std. Predicted Value
-2,373 2,593
0,000 1,000 120
Standard Error of Predicted Value
10,630 23,296 14,923
2,391 120 Adjusted Predicted Value
14,758 112,939 60,904
20,095 120 Residual -56,305
73,603 0,000
29,582 120 Std. Residual
-1,701 2,223
0,000 0,893 120
Stud. Residual -2,009
2,347 -0,005
0,996 120 Deleted Residual
-80,090 82,063
-0,404 36,874 120
Stud. Deleted Residual -2,042
2,406 -0,004
1,004 120 Mahalanobis Distance
[MD] 11,276
57,926 23,800
8,238 120 Cooks Distance
0,000 0,074
0,010 0,013 120
Centered Leverage Value 0,095
0,487 0,200
0,069 120 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 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 24 adalah sebesar 51.179. Hasil analisis Mahalanobis
diperoleh nilai 57.926 lebih dari χ
2
tabel 51.179 tersebut. Dengan demikian, terjadi multivariate outliers sebanyak 2 case.
4.4 Uji Reliabillitas Consistency Internal
Kategori