4.3 Analisis Data
4.3.1 Evaluasi Outlier
Outlier adalah observasi atau data yang memiliki karakteristik unik yang terlihat berbedajauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim untuk
sebuah variabel tunggal atau variabel kombinasi atau multivariate Hair, 1998. Evaluasi terhadap outlier multivariate antar variabel perlu dilakukan sebab walaupun data yang
dianalisis menunjukan tidak ada outliers pada tingkat univariate, tetapi observasi itu dapat menjadi outliers bila sudah saling dikombinasikan. Jarak antara Mahalonobis untuk tiap-tiap
observasi dapat dihitung dan akan menunjukan sebuah observasi dari rata-rata semua variabel dalam sebuah ruang multidimensional Hair. Dkk, 1998; Tabanick Fidel, 1996.
Uji terhadap outliers multivariate dilakukan dengan menggunakan jarak mahalanobis pada tingkat p 1. Jarak Mahalonobis 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 7: Outlier Data
Re sidu a ls St a t ist ics a M in im u m
M a x im u m M e a n
St d. D e v ia t ion
N Pr e dict e d V a lu e
5 .9 1 8 8 2 .8 0 5
5 5 .5 0 0 1 2 .7 7 1 1 1 0
St d. Pr e d ict e d V a lu e - 3 .8 8 2
2 .1 3 8 0 .0 0 0
1 .0 0 0 1 1 0 St a n da r d Er r or of Pr e dict e d
V a lu e
4 .9 0 5 2 2 .6 9 5
9 .6 7 5 3 .1 8 6 1 1 0
Adj u st e d Pr e dict e d V a lu e - 0 .0 0 9
1 0 9 .4 1 8 5 5 .6 8 3
1 4 .5 5 0 1 1 0 Re sidu a l
- 6 6 .0 8 2 6 7 .8 3 0
0 .0 0 0 2 9 .2 3 0 1 1 0
St d. Re sidu a l - 2 .1 4 4
2 .2 0 0 0 .0 0 0
0 .9 4 8 1 1 0 St u d. Re sidu a l
- 2 .4 2 3 2 .3 2 7
- 0 .0 0 2 1 .0 0 4 1 1 0
D e le t e d Re sidu a l - 8 4 .4 3 7
7 5 .8 8 7 - 0 .1 8 3
3 3 .0 5 0 1 1 0 St u d. D e le t e d Re sidu a l
- 2 .4 8 6 2 .3 8 2
- 0 .0 0 2 1 .0 1 1 1 1 0
M a h a la n obis D ist a n ce [ M D ] 1 .7 6 9
5 8 .0 8 7 1 0 .9 0 0
8 .5 6 0 1 1 0 Cook s D ist a n ce
0 .0 0 0 0 .2 3 6
0 .0 1 2 0 .0 2 7 1 1 0
Ce n t e r e d Le v e r a g e V a lu e 0 .0 1 6
0 .5 3 3 0 .1 0 0
0 .0 7 9 1 1 0 a D e p e n de n t V a r ia b le : N O.
RESP
Sumber : Lampiran
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Deteksi terhadap
multivariate outliers dilakukan dengan menggunakan kriteria jarak Mahalonobis pada tingkat p 0,001. Jarak Mahalonobis itu dievaluasi dengan menggunakan
χ² pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian. Bila kasus
yang mempunyai Jarak Mahalonobis lebih kecil dari dari nilai chi-square pada tingkat signifikasi 0,001 maka tidak terjadi multivariate outliers. Nilai
χ² о,ооı dengan jumlah
indikator 11 adalah sebesar 31,264. Dan hasil Mahalonobis diperoleh nilai 58,087 yang lebih dari
χ² tabel 31,264 tersebut. Dengan demikian terdapat Multivariate Outliers 58,087 ≥ 31,264
4.3.2 Evaluasi Reliabilitas