Keempat, outlier dapat muncul dalam range nilai yang ada, tetapi bila dikombinasi dengan varibel lainnya, kombinasinya menjadi tidak lazim atau
sangat ekstrim. Inilah yang disebut multivariate outlier.
3.4.3. Evaluasi atas outliers
Menagamati atas z-score variabel: ketentuan diantara +_ 3,0 non outlier Multivariate outlier diukur dengan kriteria jarak mahalanobis pada tingkat p
0,001.Jarak diuji dengan Chi-Square X
2
pada df degrees of Freedom sebesar jumlah variabel bebasnya. Ketentuan : Mahalanobis dari nilai X
2
adalah multivariate outlier.
3.4.4. Uji Validitas
Uji validitas adalah suatu derajat ketepatan alat ukur penelitian tentang isi sebenarnya yang diukur. Analisis validitas item bertujuan untuk menguji apakah
tiap butir pertanyaan benar-benar sudah sahih, paling tidak kita dapat menetapkan derajat yang tinggi dari kedekatan data yang diperoleh dengan apa yang diyakini
dalam pengukuran. Sebagai alat ukur yang digunakan, analisis ini dilakukan dengan cara mengkorelasiakn antar skor item denga skor total item. Dalam hal ini
koefisien korelasi yang nilai signifikasinya lebih kecil dari 5 level of significance menunjukkan bahwa item-item tersebut sudah sahih sebagai
pembentukan indikator.
3.4.5. Uji Reliabilitas
Yang dimaksud dengan reabilitas ukuran mengenai konsistensi internal dari indikator-indikator sebuah konstruk yang menunjukan derajat sampai dimana
masing-masing indicator itu menghasilakan sebuah konstrukfaktor laten yang
umum. Secara umum, nilai construct reliability yang dapat diterima adalah ≥ 0,70
dan variance extracted ≥ 0,5 Hair et. al., 1998.
3.4.6. Uji Normalitas
Untuk menguji normalitas distribusi data-data yang digunakan dalam analisis, peneliti dapat menggunakan uji-uji statistik. Uji yang paling mudah
adalah dengan mengamati skewness value dari data yang digunakan, yang biasanya disajikan dalam statistik diskriptif dari hampir semua program statistik.
Nilai statistik untuk menguji normalitas itu disebut z-value yang dihasilkan melalui rumus berikut ini :
Bila nilai z lebih besar dari nilai kritis, maka dapat diduga bahwa distribusi data adalah tidak normal. Nilai kritis dapat ditentukan berdasarkan tingkat
signifiukasi yag dikehendaki. Misalnya, bila nilai yang dihitung lebih besar dari 2,58 berarti kita dapat menolak asumsi mengenai normalitas dari distribusi pada
tingkat 0,01 1. Nilai kritis lainnya yang umum digunakan adalah nilai kritis sebesar
1,96 yang berarti bahwa asumsi normalitas ditolak pada tingkat signifikasi 0.05 5. Augusty 2002: 95
3.4.7. Multicollinearity dan Singularity
Untuk melihat apakah pada data penelitian terdapat multikolinieritas dan singularitas dalam kombinasi-komninasi variabel, maka perlu mengamati
determinan dari variable kovarian sampelnya. Determinan yang benar-benar kecil mengindikasikan adanya multikolinieritas dan singularitas, sehingga data tidak
dapat digunakan untuk analisis yang sedang dilakukan. Augusty 2002: 108.
3.4.8. Pengujian Hipotesis dan Hubungan Kausal
Pengaruh langsung [koefisien jalur] diamati dari bobot regresi terstandar, dengan pengujian signifikansi pembanding nilai CR [Critical Ratio] atau p
[probability] yang sama dengan nilai t hitung. Apabila t hitung lebih besar daripada t table berarti pengujian hipotesis kausal berarti signifikan.
3.4.9. Evaluasi Model
