b. Outliers dapat muncul karena keadaan yang benar-benar khusu yang
memungkinkan profil datanya lain daripada yang lain, tetapi peneliti mempunyai penjelasan mengenai penyebab munclnya nilai ekstrim tersebut.
c. Outliers dapat muncul karena adanya sesuatu alasan peneliti tidak dapat
mengetahui apa penyebanya atau tidak ada penjelasan mengenai nilai ekstrim tersebut.
d. Outliers dapat muncul dalam range nilai yang ada, tetapi bila dikombinasi
dengan variabel lainnya, kombinasinya menjadi tidak lazim atau sangat ekstrim. Inilah yang disebut multivariate outlier.
3.4.3 Evaluasi atas outliers
Mengamati atas z-score variabel : ketentuan diantara ± 3,0 outlier Multivariate Outlier diukur dengan kinerja jarak mahalanobis pada tingkat p 0,001.
Jarak diuji degnan 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 tentanng isi sebenarnya yang diukur. Analisi validitas item bertujuan untuk menguji apakah
tiapbuutir petanyaan 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
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
cara mengkorelasikan antar skor item dengan skor total item. Dalam hal ini koefisien korelasi yang nilai signifikasinya lebih kecil dari 5 level of significance
menunjukan bahwa item-item tersebut sudah sahih sebagai pembentukan indicator.
3.4.5 Uji Reabilitas
Yang dimaksud dengan reabilitas ukuran mengenai konsistensi internal dari indikator-indikator sebuah konstruk yan menunjukkan derajat sampai dimana masing-
masing indikator itu menghasilkan 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 statistic. Uji yang paling mudah adalah dengan
mengamati skewness value dari data yang digunakan, yang biasnaya disajikan dalam statsistik 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 dar nilai kritis, maka dapat diduga bahwa distribusi
data adalah tidak normal. Nili kritis dapat ditentukan berdasarkan tingkat signifikansi yang 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 signifikansi 0,05 5.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
3.4.7 Multicollienarity dan Singularity
