107
Variable min
max skew
c.r. kurtosis
c.r. t4
1,000 5,000
-1,069 -4,780
2,501 5,592
t3 1,000
5,000 -1,417
-6,336 4,992
11,163 t2
1,000 5,000
-1,379 -6,168
5,097 11,397
t1 1,000
5,000 -1,191
-5,326 4,472
9,999 i1
1,000 5,000
-1,000 -4,472
3,940 8,810
i2 1,000
5,000 -,821
-3,674 1,769
3,956 i3
1,000 5,000
-1,266 -5,663
4,594 10,273
i4 1,000
5,000 -1,615
-7,223 6,282
14,048 i5
1,000 5,000
-,959 -4,287
1,561 3,491
b1 1,000
5,000 -1,650
-7,377 4,777
10,682 b2
1,000 5,000
-1,334 -5,967
3,413 7,632
b3 1,000
5,000 -1,666
-7,453 5,399
12,073 b4
1,000 5,000
-,728 -3,254
1,169 2,614
a6 1,000
5,000 -,574
-2,565 ,506
1,132 a5
1,000 5,000
-1,242 -5,555
2,646 5,916
a4 1,000
5,000 -,859
-3,841 2,303
5,150 a3
1,000 5,000
-1,266 -5,660
3,715 8,307
a2 1,000
5,000 -1,274
-5,697 3,525
7,883 a1
1,000 5,000
-1,562 -6,987
5,329 11,915
Multivariate 216,661
33,592
108
Berdasarkan tabel 4.26 di atas dapat dilihat bahwa rata-rata nilai skewness value
dan kurtosis value yang ada yang lebih besar dari + 2,58, oleh karena itu dapat dikatakan rata-rata distribusi data dalam
penelitian ini tidak normal.
3. Evaluasi atas outliers
Outliers adalah observasi atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya
dan muncul dalam bentuk nilai ekstrim baik untuk sebuah variabel tunggal atau variabel kombinasi
Perlakuan terhadap outliers dilakukan bergantung pada bagaimana outliers itu muncul. Analisis outliers dapat dievaluasi
dengan dua cara yaitu analisis terhadap univariate outliers dan analisis terhadap multivariate outliers. Dalam penelitian ini analisis terhadap
outliers dilakukan dengan menggunakan evaluasi terhadap multivariate outliers karena walaupun data yang dianalisis menunjukkan tidak ada
outliers pada tingkat univariate, tetapi observasi-observasi itu dapat menjadi outliers bila sudah saling dikombinasikan.
Uji terhadap
outliers multivariate
dilakukan dengan
menggunakan kriteria jarak Mahalanobis pada tingkat p 0,01. Jarak Mahalanobis itu dievaluasi dengan menggunakan
2
pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian. Dalam
penelitian ini digunakan 5 variabel, oleh karena itu semua kasus yang
109
mempunyai Mahalanobis Distance yang lebih besar dari
2
= 0.001,245 319,1382 adalah outlier multivariate. Adapun berdasarkan
hasil perhitungan yang dilakukan dengan menggunakan bantuan program komputer Amos 18 diperoleh hasil sebagai berikut:
Tabel 4.27 Hasil Evaluasi Outliers
Observation Number
Mahalanobis d-squared
Maksimum 55
69,177 Minimum
105 9,691
Hasil perhitungan sesuai dengan tabel 4.27 di atas terlihat bahwa nilai Mahalanobis yang paling rendah adalah 9,691 dan yang paling
tinggi adalah 69,177. Sementara itu perhitungan tabel Chi Square seperti yang disajikan di atas menunjukkan bahwa Mahalanobis
distance yang lebih besar dari
2
= 0.001,245 319,1382 adalah sampel data yang dapat dipandang sebagai outliers multivariate, oleh karena
itu tampilan data yang dianalisis ini dapat menyimpulkan bahwa tidak terdapat outlier multivariate.
F. Uji Kesesuaian dan Uji Statistik
Dalam analisis SEM tidak ada alat uji statistik tunggal untuk mengukur atau menguji hipotesis mengenai model Hair et al., 1995;
Joreskog Sorbom, 1989; Long, 1983; Tabachnick Fidell, 1996.
