65
4.3. Deskripsi Hasil Teknik Analisis Data
4.3.1. Asumsi Model
4.3.1.1. Uji Normalitas Sebaran dan Linieritas
Uji normalitas sebaran dilakukan dengan Kurtosis Value dari data yang digunakan yang biasanya disajikan dalam statistik deskriptif. Nilai
statistik untuk menguji normalitas itu disebut Z-value. Bila nilai-Z lebih besar dari nilai kritis maka dapat diduga bahwa distribusi data adalah tidak
normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikansi 0,01 [1] yaitu sebesar ± 2,58.
Hasil pengujian Normalitas pada penelitian ini akan ditampilkan pada tabel berikut :
Tabel 4.9. Hasil Pengujian Normalitas
Variable min
max kurtosis
c.r. X11
3 7
-0,696 -1,555
X12 4
7 -0,876
-1,959 X13
3 7
-0,396 -0,886
X14 4
7 -0,519
-1,160 X15
4 7
-0,559 -1,251
X16 3
7 -0,418
-0,934 X17
4 7
-0,309 -0,691
X18 4
7 -0,722
-1,614 X21
3 7
-0,830 -1,855
X22 3
7 -0,381
-0,852 X23
3 7
-0,741 -1,657
X24 3
7 -0,573
-1,280 X31
4 7
-0,563 -1,258
X32 4
7 -0,380
-0,849 X33
4 7
-0,356 -0,796
X34 3
7 -0,233
-0,521 X35
3 7
-0,431 -0,964
X41 3
7 -0,602
-1,347 X42
4 7
-0,537 -1,202
Y1 3
7 0,059
0,132 Y2
4 7
-0,503 -1,124
Y3 4
7 -0,434
-0,971 Y4
4 7
-0,923 -2,064
Y5 3
7 -0,937
-2,095
Multivariate -5,824
-0,903 Batas Normal
± 2,58
Sumber : Lampiran 3
66
Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di antara
± 2,58 yaitu sebesar -0,903 itu berarti asumsi normalitas terpenuhi.
4.3.1.2.Evaluasi atas Outlier
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 [Hair,1998].
Multivariate outlier diuji dengan kriteria jarak Mahalanobis pada tingkat p 0,001. Jarak diuji dengan Chi-Square [
χ2] pada df sebesar jumlah variabel bebasnya df = 24. Ketentuan : bila Mahalanobis dari
nilai χ2 adalah multivariate outlier. Pada penelitian ini terdapat outlier
apabila nilai Mahalanobis distancenya 51,179. Untuk lebih memperjelas uraian mengenai evaluasi outlier
multivariate berikut ini akan disajikan tabel Uji Outlier Multivariate :
Tabel 4.10. Hasil Pengujian Outlier Multivariate
Minimum Maximum Mean
Std. Deviation
N Predicted Value
26,672 105,061 60,500
16,739 120
Std. Predicted Value -2,021
2,662 0,000
1,000 120
Standard Error of Predicted Value 11,309
22,074 15,483 1,716
120 Adjusted Predicted Value
17,774 121,571 60,489
18,368 120
Residual -73,569
76,307 0,000
30,493 120
Std. Residual -2,156
2,236 0,000
0,893 120
Stud. Residual -2,382
2,440 0,000
0,999 120
Deleted Residual -89,832
96,226 0,011
38,137 120
Stud. Deleted Residual -2,444
2,507 0,000
1,008 120
Mahalanobis Distance [MD] 12,075
48,793 23,800 5,621
120 Cooks Distance
0,000 0,080
0,010 0,013
120 Centered Leverage Value
0,101 0,410
0,200 0,047
120
Sumber : Lampiran 4
67
Berdasarkan tabel diatas, setelah dilakukan pengujian ditemukan nilai MD maksimum adalah 48,793 lebih kecil dari 51,179. Oleh karena
itu diputuskan dalam penelitian tidak terdapat outlier multivariate antar
variabel.
4.3.1.3. Deteksi Multicollinierity dan Singularity
Kategori