Apa itu Asumsi Linearitas?
Ada beberapa teknik statistik yang didasarkan pada asumsi linearitas, lengkapnya linearitas hubungan. Teknik statistik yang dimaksud adalah teknik yang terkait dengan korelasi, khususnya korelasi product momen, termasuk di dalamnya teknik regresi. Jadi tentunya tidak semua teknik statistik didasarkan pada asumsi ini.
Jadi apa itu asumsi linearitas hubungan? Kurang lebih asumsi ini menyatakan bahwa hubungan antar variabel yang hendak dianalisis itu mengikuti garis lurus. Jadi peningkatan atau penurunan kuantitas di satu variabel, akan diikuti secara linear oleh peningkatan atau penurunan kuantitas di variabel lainnya. Gambarannya kurang lebih begini:
Memangnya ada yang nggak mengikuti garis lurus? Ya banyak sekali model hubungan yang nggak mengikuti garis lurus. Misalnya seperti di gambar ini:
Dalam gambar ini, hubungan antar variabelnya bersifat kurvilinear, khususnya hubungan kuadratik. Masih banyak pola hubungan yang lain selain ini, seperti eksponensial, logistik, dll.Mengapa harus Linear?
Korelasi produk momen dan turunannya, mengasumsikan hubungan antar variabelnya bersifat linear. Jika ternyata pola hubungannya tidak linear, maka teknik korelasi produk momen akan cenderung melakukan underestimasi kekuatan hubungan antara dua variabel. Jadi sangat mungkin sebenarnya kedua variabel memiliki hubungan yang kuat tetapi diestimasi oleh produk momen sebagai tidak ada hubungan atau memiliki hubungan yang lemah, hanya karena pola hubungannya tidak linear.
Bagaimana Mengecek Asumsi Linearitas ini?
Ada beberapa cara untuk mengecek asumsi linearitas ini dalam program SPSS:
1. Menggunakan test for linearity dalam SPSS
Cara ini termasuk cara yang sangat lazim dilakukan selama ini ketika berurusan dengan pengecekan asumsi linearitas. Saya sendiri tidak terlalu yakin dengan cara ini, hanya saja sampai hari ini saya tidak memiliki bukti untuk menolak penggunaan cara ini.
Kita akan memulai dengan mengklik Analyze->Compare Means->Means, lalu muncullah sebuah dialog box berikut ini.
Pilihlah variabel dependen dari daftar variabel di sebelah kiri, lalu pindahkan ke kolom Dependent Variable, begitu juga variabel independen dipindah ke kolom Independent Variable.Kemudian klik Option, lalu muncul lagi satu dialog box seperti ini:
Kita klik kotak di sebelah kiri Test for linearity, untuk memilihnya. Kita dapat membersihkan kotak Cell Statistics jika tidak ingin ada hasil output lain karena memang tidak dibutuhkan. Klik Continue, dan kita kembali ke dialog box sebelumnya, lalu klik OK.
Output analisis yang akan kita baca hanya bagian seperti gambar di bawah ini:
Nah pada bagian ini dapat kita lihat tabel yang sangat mirip dengan Anova, karena memang sebenarnya ini analisis varians. Pada bagian paling atas kita dapat melihat baris Between (Subject). Ini sebenarnya sama dengan JK Antar dalam analisis varians sederhana seperti yang pernah saya bahas di Anava Identity. Dalam analisis ini, JK Antar dipartisi lagi menjadi dua bagian. Yaitu bagian yang mengikuti garis linier, dan bagian yang tidak mengikuti garis linier.Bagian yang mengikuti garis linier itu yang diwakili oleh baris Linearity sementara bagian yang tidak mengikuti garis linier diwakili oleh baris Deviation from Linearity. Bagian ini sebenarnya merupakan ‘sisa’ dari bagian dari JK Antar setelah dikurangi bagian yang mengikuti garis linear. Mungkin dapat digambarkan seperti ini:
Bagian yang berwarna biru merupakan bagian dari variasi variabel dependen yang mengikuti variasi variabel independen, diberi lambang A. Ini adalah bagian yang sering diwakili oleh JK Antar. Bagian yang tidak berwarna, diberi lambang e, merupakan bagian dari variabel dependen yang tidak mengikuti variabel independen. Nah ternyata oh ternyata… bagian berwarna ini, JK Antar, masih dapat dipartisi lagi menjadi dua bagian yaitu yang mengikuti garis linear, diwakili oleh baris linearity, dan yang tidak mengikuti garis linear, diwakili oleh deviation from linearity.Nah lalu bagaimana memutuskan apakah asumsi linearitas ini terpenuhi atau tidak?
Ada beberapa pendapat yang beredar saat ini. Pendapat pertama menyatakan keputusan diambil dengan melihat baris linearity, karena baris ini dianggap merupakan bagian JK Antar yang mengikuti trend linear. Jika F untuk baris linearity ini signifikan, kita bisa bilang bahwa bagian dari JK Antar yang mengikuti garis linear cukup besar, sehingga dapat disimpulkan trend antara variabel independen dan dependen itu linear. Atau dapat juga dikatakan bahwa garis linear dapat memberikan penjelasan yang baik mengenai hubungan antara kedua variabel, dengan kata lain fit.
Ada juga pendapat yang mengatakan keputusan diambil dengan melihat baris deviation from linearity. Deviation from linearity merupakan bagian dari A yang tidak mengikuti garis linear. Jika baris ini tidak signifikan, maka dapat dikatakan bahwa hubungan antar variabel dependen dan independen linear. Pemikirannya kurang lebih begini, sangat mungkin hubungan antar variabel itu fit dengan garis linear, tapi tidak seluruh variasi dari hubungan antar variabel ini dapat dijelaskan dengan garis linear ini. Ada sebagian lain yang mengikuti pola hubungan yang tidak linear. Dalam hal ini, jika deviation from linearity signifikan, ini menunjukkan bahwa sebagian lain variasi hubungan antar variabel ini tidak mengikuti garis linear. Jadi disamping model linear kita perlu juga melihat model non-linear. Nah, jika deviation from linearity ini tidak signifikan, ini berarti variasi hubungan antar variabel hampir sepenuhnya mengikuti pola hubungan linear.
Jadi gimana nih?
Kalo menurut saya begini: patokan pertama yang bisa dipakai adalah linearity, karena baris ini menggambarkan apakah model linear dapat menjelaskan dengan baik hubungan antar variabel. Jika linearity signifikan, maka itu berarti hubungan antar variabel dapat dijelaskan menggunakan model linear, dalam hal ini korelasi produk momen atau regresi linear. Deviation from linearity merupakan informasi tambahan mengenai pola hubungan yang tidak dapat dijelaskan oleh garis linear. Jika ternyata baris ini signifikan. Ini berarti, hanya memberikan penjelasan linear mengenai hubungan antar variabel akan memberikan informasi yang kurang lengkap mengenai hubungan antar variabel. Sehingga perlu kiranya menguji juga model hubungan antar variabel dengan model non-linear pada data yang sama. Ini dilakukan untuk melihat manakah model yang terbaik menjelaskan pola hubungan ini.
Masalah
Saya pribadi kurang merasa ‘sreg’ dengan pendekatan ini, apalagi jika digunakan sebagai satu-satunya sumber informasi untuk mengecek asumsi linearitas data.
Keberatan saya yang pertama, sebenarnya analisis ini merupakan analisis trend, jadi bukan analisis yang memang dirancang untuk melihat linearitas hubungan antara dua variabel dengan data kontinum. Apa bedanya? Analisis trend sebenarnya menganalisis mean dari beberapa kelompok dari sampel penelitian. Kelompok-kelompok ini dibentuk menurut kuantitas dari variabel independent. Misalnya variabel independennya obat A, maka kelompok pertama misalnya diberi obat A sebanyak 10 gram, kelompok berikutnya 20 gram, dan seterusnya. Yang ingin dilihat apakah pemberian obat dengan kuantitas tertentu ini akan memiliki efek yang linier terhadap variabel dependen, misalnya kecepatan sembuh. Terkait dengan ini akan ada dua masalah yaitu:
a. Jika tiap nilai variabel independen hanya memiliki satu nilai unik untuk variabel dependennya (misalnya setiap subjek yang memiliki skor IQ 100 memiliki nilai raport 10), analisis trend di SPSS ini tidak akan dapat dijalankan, karena SPSS tidak dapat menghitung varians errornya.
b. Jika range dari variabel independent sangat besar, misalnya 100 point, maka derajat kebebasan (df) untuk baris deviation from linearity akan cenderung besar. Ini mengakibatkan Rerata Kuadratnya (MS deviation from linearity) akan cenderung kecil, sehingga nilai F nya akan cenderung kecil juga. Hal ini mengakibatkan makin besar kemungkinan untuk mendapatkan F yang tidak signifikan terlepas dari apakah kondisi datanya linear atau tidak.
Kedua, terkait dengan ketergantungan teknik ini terhadap jumlah subjek. Semakin besar subjek, makin kecil Rerata Kuadrat untuk error (MS error), yang mengakibatkan makin besar kemungkinan untuk menolak hipotesis nol. Dalam baris linearity ini berarti makin besar kecenderungan untuk mengatakan hubungan antar variabel itu linear padahal tidak demikian. Dalam baris deviation from linearity ini berarti makin besar kecenderungan untuk mengatakan hubungan antar variabel dapat dijelaskan dengan model non linear.
Alasan ketiga terkait dengan ‘sense of data’…cieileh…keren betul bahasanya. Maksud saya begini, mengenali dan melihat data itu penting bagi peneliti. Peneliti perlu mendapat ‘sense’ atas datanya sendiri. Nah, mengandalkan uji asumsi saja hanya akan membatasi pandangan kita mengenai data kita sendiri. Kita perlu melihatnya secara langsung baik dalam arti memandangi datanya (ini serius nggak guyon…) atau membuat grafik yang bisa menggambarkan data kita. Nah terkait dengan ini kita masuk ke pendekatan kedua.
2. Menggunakan Grafik Scatter Plot antar Variabel
Saya menganggap penting sekali mengecek data secara visual. Ini dapat dilakukan dengan melihat datanya secara langsung atau melihatnya dalam bentuk grafik. Ada cukup banyak informasi yang bisa kita peroleh dengan melihat data dengan grafik dibandingkan hanya melihat hasil output berupa tabel.
Scatter plot termasuk grafik yang menurut saya cukup berguna untuk mengecek linearitas hubungan antar variabel. Beberapa manfaat yang dapat diperoleh antara lain, dapat melihat secara langsung bentuk hubungan antar variabel. Seandainya hubungan antar variabel tidak linear, dengan scatter plot kita dapat memperkirakan seperti apa bentuk hubungannya; kuadratik, kubik, logaritmik, atau yang lain. Manfaat lainnya adalah dapat mengecek outlier dalam data kita, keberadaannya dan pada variabel mana data tersebut menjadi outlier.
Lalu bagaimana melakukannya dengan SPSS?
Kita dapat menggunakan menu Graph->Interactive->Scatterplot, yang akan memunculkan dialog box seperti ini:
Dalam dialog box tersebut kita bisa memasukkan variabel independen dalam kotak pada garis horizontal dan variabel dependen dalam kotak pada garis vertikal. Kemudian klik OK, yang akan memunculkan grafik seperti berikut:
Nah dari grafik ini bisa dilihat bahwa hubungan kedua variabel dapat dikatakan linear. Jika kita menarik garis lurus seperti di atas, kita dapat melihat titik-titik tersebut memiliki jarak yang relatif dekat dengan garis. Dalam grafik ini juga dapat dilihat beberapa outlier sekaligus kemungkinan heterogenitas varians.Masalah utama terkait dengan grafik adalah subjektivitas penilaian seperti apa grafik yang dapat dikatakan linear dan seperti apa yang dikatakan non linear. Dalam gambar di atas, kita dapat melihat dengan cukup jelas bahwa hubungan keduanya linear, tetapi dalam grafik lain sangat mungkin ada perbedaan pendapat mengenai linearitas hubungan antara dua variabel. Oleh karena itu meminta penilaian orang lain mengenai bentuk hubungan dalam hal ini cukup penting.
Saat ini saya sedang menggali kemungkinan-kemungkinan lain untuk menguji linearitas hubungan ini. Saya belum menemukan sampai saya menyelesaikan tulisan ini. Jika suatu hari nanti saya memperolehnya tentu saja akan saya upload artikel baru di blog ini. Salam!
70 komentar :
saya mempunyai model regresi y = a + b + b^2 + c +c^2 + d +e
apakah ini termasuk model kuadratik?
Bagaimana cara menguji model kuadratik secara lengkap dalam penelitian karena model ini masih jarang digunakan ?
Wah sayang anda tidak menyebut nama.
Mungkin yang dimaksud modelnya seperti ini ya :
Y=a +b1X1+b1X1^2+b2X2+b2X2^2+b3X3+e
Ada beberapa hal yang perlu dipastikan dulu sebenarnya.
Pertama apakah memang ini model yang dianjurkan teori atau hanya didasarkan pada kecenderungan data.
Kedua mungkinkah data yang diambil dibuat linier dengan menggunakan transformasi.Jika memang dapat dibuat linier dengan transformasi, maka sebaiknya digunakan model linier, khususnya jika teori mendukung model yang linier bukan model yang non-linier.
Jika memang model non-linier ini yang dianjurkan oleh teori, maka memang model ini yang sebaiknya digunakan. MOdel ini dapat dikatakan sebagai model kuadratik.
Saya kurang jelas apa maksudnya menguji... secara lengkap. Pengujian model ini tentunya tidak dapat menggunakan Ordinary Least Square (OLS). Mungkin teknik estimasi yang paling pas menggunakan Maximum Likelihood (ML).
Saya kurang tahu banyak mengenai pengoperasian ini di SPSS. Setahu saya di SPSS ada feature non linear juga(curve estimation), tapi saya kurang tahu apakah feature ini memang disediakan untuk menguji model non linear ini.
Thx erat bwat postingnya Mas (Pa'?) Agung....
Dulu pernah baca cara menguji linieritas dengan SPSS di buku tapi lupa...untung aja ada Mas Agung..:)
pa agung...
saya mau tanya...
bagaimana cara melinearkan data dengan menggunakan teknik transformasi?soalnya data saya tidak linear...
bagaimana cara menentukkan sebuah data mssuk ke dalam kategori kuadratik, cubic atau lainnya.., trimakasih sebelumnya....
Untuk mas Oon,
Saya jawab dulu bagaimana memperkirakan bentuk hubungannya ya.
Pertama bisa dengan melihat grafik scatter plot nya. Lalu coba dilihat bentuknya kira2 seperti apa. Banyak kasus yang saya temui, ketika menggunakan prosedur compare mean->lilnearity, asumsi linearitas seolah tidak terpenuhi bukan karena memang hubungannya tidak linear tetepi hubungan antara kedua variabel sangat lemah, dalam hal ini jika dilihat di scatter plot tidak akan terlihat suatu pola apapun. Sehingga penting menurut saya untuk mengecek grafik ini dulu memastikan pola hubungannya. Jika terlihat memang ada pola hubungan tertentu tapi tidak yakin apa, baru melakukan proses kedua di bawah ini.
Kedua menggunakan Analyze->Regression->lalu Curve Estimation. Dari dialog box ini, bisa dicoba memilih salah satu bentuk hubungan yang memungkinkan, lalu diuji apakah benar. Cobalah beberapa alternatif dan cari bentuk hubungan yang memiliki F paling besar. Inilah bentuk hubungan yang mungkin dapat menjelaskan data paling baik.
Nah, jika sudah ketemu bentuk hubungannya seperti apa, kita bisa menerapkan transformasi yang berupa inverse dari bentuk hubungan tadi. Misalnya jika ternyata kuadratik, maka transformasi yang kita terapkan adalah akar kuadrat, jika bentuk hubungannya eksponensial, kita menggunakan log, dst.
Semoga bisa membantu ya.
makasih skali pa agung...
oh ya untuk transformasinya dilakukan dengan cara manual atau ada aplikasi pada SPSSnya?karena setelah saya lihat lewat scater plot dan curve estimation seperti kata pa agung sepertinya lebih mendekati k bentuk kuadratik...
| *
| *
| *
| *
| **
| **
| **
| ***
| *****
| ***
| **
| *
|
|_____________________________
tapi setelah kita mentransformasi data kita... berarti kesimpulan yang kita punya tidak lagi "ada hubungan positif dan signifikan antara xi dan y...., tapi jadi ada hubungan ositif adn signifikan antara (x1)^2 dan y...?
|--------------------*
|-------------------*
|-------------------*
|------------------*
|-----------------**
|-----------------**
|----------------**
|--------------***
|----------*****
|-------***
|------**
|-----*
|
|_____________________________
oh ya skli lagi mo nanya...,:)
klo d SPSS olah data yang g linier caranya bagaimana?trimakasih sebelumnya..
Untuk mas oon,
Apakah sudah dicek menggunaakan Curve Estimation? Kalo datanya persis seperti yang digambarkan, sepertinya kok dapat dijelaskan dengan model lain selain kuadratik ya?
Untuk transformasinya bisa menggunakan menu Transform-Compute. Lalu bisa menggunakan fungsi SQRT atau X^.5
Untuk pertanyaan terakhir saya kurang bisa menangkap maksudnya. Bukankah yang dibahas ini adalah cara mengolah data yang non linear?
Di SPSS sendiri ada menu regression-non linear. Tapi saya tidak begitu tahu mengenai fungsinya.
maaf pak saya oon lgi...,:)eh ya salah...ternyata setelah saya liat di scaterplotnya spss 16.1 masuknya ke cubic bukan kuadratik...soale pas kmaren saya pke spss 11, curve estimationnya cma brupa garis...,klo di 16 pke scater plot,jdi lebih jlas...,:)...oh ya tanya lgi bleh kan?klo box cox tu spti yang kya pertanyaan punya mas "anonim" y pak?caranya gmana?dari kmren saya tu bgug bgt...,sry klo pertanyaannya mter2 trus bnyak bget...,:)
smoga pak agung sdi menjelaskan pda saya...,trima kasih (oon)
Wah mas oon,
Maaf nih, saya sendiri tidak banyak tahu mengenai uji menggunakan teknik Box-Cox. Jadi saya tidak bisa menjelaskan di sini. Sepertinya SPSS menyediakan teknik analisis ini juga. Tapi sekali lagi maaf nih, saya tidak banyak tahu soalnya.
saya memiliki grafik kuadratik yang memiliki titik puncak berada dibawah garis/titik nol..bagaimana cara membahas grafik tersebut??gambar dan persamaannya akan saya posting kemudian..terima kasih mas..
Hai, terima kasih untuk pertanyaannya.
Sebelumnya saya perlu tahu terlebih dulu grafik itu dihasilkan dari mana. Misalnya seperti apa penelitiannya, variabel yang dilibatkan apa, jenis data yang dianalisis apa dst.
Kemudian tentu saja saya perlu mengetahui persamaan yang dihasilkan agar saya memiliki informasi yang memadai untuk menjawab pertanyaan anda.
Saya tunggu ya .
assalamualaikum,maaf pak mau tanya jika data n cuma 5 bisa dihitung linearitasnya g?trus bisa dihitung regresinya g?ajeh.makasih atas jawabannya
walaikumsalam
untuk Anonim,
Data n sebanyak 5, menurut saya agak riskan untuk dilakukan analisis regresi karena beberapa hal:
1. jika jumlah variabel yang terlibat banyak, analisis tidak dapat dilakukan dengan regresi biasa.
2. jumlah n sebesar 5, menurut saya kurang representatif.
3. ada kecenderungan standard error yang besar, mengakibatkan estimasi menjadi tidak stabil.
4. kekuatan analisis nya menjadi berkurang banyak.
Oleh karena itu jika memungkinkan, perlu ditambah n-nya.
Pak agung, saya mo tanya bagaimana cara mentransform data yang tidak linear di spss. Maklum msh awam soal SPSS. Setelah saya lihat curve estimationnya lebih mendekati bentuk logarithmic...
Makasih...:)
Jane,
Untuk mentransformasi data, kita bisa menggunakan menu transform-->compute. lalu di bagian kanan kita isikan formula yang hendak digunakan untuk mengubah. Pada bagian bawah kanan tersedia beberapa pilihan fungsi matematik untuk melakukan transformasi. Jadi kita bisa mengambil dari sana juga. OK sukses selalu!
mas agung salam kenal
sy mau nanya mengenai skripsi sy
sy ingin meramal biaya pemeliharaan jln dengan regresi: x=tahun, y=biaya pemeliharaan jalan.
tahun itu kan skalanya interval,apakah dalam regresi diperlakukan sama dengan skala rasio?
atau dalam kolom saya ganti tahun 2004,2005,dst.....menjadi tahun ke 1,2,dst...?
lalu jika dicoba dengan regresi linear hasilnya tidak lo2s uji,namun dengan regresi kuadratik signifikansi dan r-square nya bagus.
maaf y mas kalo tidak terkait dgn psikologi,ini mungkin lebih ke ekonometri...tapi mudah2an saja mas agung bs membantu..
Halo Christine,
Hmm... Menurut saya kasusmu tidak bisa dipecahkan dengan regresi biasa. Saya menduga analisis yang seharusnya kamu pakai itu regresi yang time series. Saya sendiri tidak tahu bagaimananya. Dalam hal ini sangat kuat dugaan adanya autokorelasi.
mas, nanya lagi
di SPSS tidak ada pilihan utk skala interval y? artinya dianggap sama dengan skala rasio?
sy sudah coba dengan analiis time series tapi modelnya tidak bagus krn data historisnya kurang panjang
Ya benar Christine. Dalam SPSS skala interval dan rasio disamakan sebagai jenis data scale.
mau tanya nih mas...
begini penelitian saya adalah peneltian korelasi dengan melibatkan 1 variabel kriterium dan 3 variabel prediktor.
setelah dilakukan uji asumsi dasar hasilnya menunjukkan untuk uji normalitas terpenuhi, tapi uji linieritas 2 bisa terpenuhi dan 1 tidak terpenuhi.
kalau kasusnya seperti itu apakah masih bisa lanjut menggunakan teknik analisis parametrik atau ada alternatif analisis yang lain??
terima kasih
Untuk daisy88,
mohon maaf balasan saya lama sekali. Pertama perlu dipastikan dulu cara uji linearitas yang dilakukan spt apa. Jika menggunakan test for linarity dari SPSS maka ada baiknya mengecek linearitasnya dengan scatter plot. Karena bisa jadi data terlihat tidak linear melalui tes for linearity ini karena sebenarnya tidak ada korelasi.
apabila hasil uji linearitas mengatakan bahwa tidak signifikan,kemudian korelasi bersifat negatif, apakah itu berarti hipotesis kita diterima?
Tentu saja ini tergantung dari bunyi hipotesisnya, dan tidak terkait secara langsung dengan pemenuhan asumsi linearitasnya.
Jika hipotesisnya menyatakan ada hubungan negatif, maka hipotesis diterima. Tetapi jika bunyi hipotesisnya ada hubungan positif, maka hipotesis akan ditolak.
assalamu alaikum..
Pak Agung,
apakah data dikatakan Linear jika Deviation From Linearity dan LInearity signifikan? bagaimana jika hanya Deviation From Linearity nya saja yang signifikan dan Linearity nya tidak signifikan?
Terima Kasih Pak Agung
halo pak agung salam kenal, saya ika mau tanya tentang analisis data statistik korelasional.
jika variabel y memiliki aspek y1 dan y2, dan y1 punya indiktor y1.1, y1.2, dan y2 punya indikator y2.1, y2.1. apakah tepat jika menggunakan uji kolmogorov dan linearitas, sedangkan uji hipotesisnya menggunakan pearson? sebaiknya menggunakan metode apa ya pak? terima kasih sebelumnya.
Sebelumnya mohon maaf karena lama sekali tidak membalas komentar teman-teman karena kesibukan akhir-akhir ini.
Semoga jawaban yang saya berikan tidak terlalu terlambat:
Untuk yang pertama, penentuan hipotesis nol ditolak tidak berdasarkan uji linearitas melainkan dengan melihat besarnya nilai p yang kita dapatkan. Jika p<0.05 maka hipotesis nol ditolak, jika p>0.05 berarti hipotesis nol gagal ditolak.
Untuk Nurul, ada sedikit kekeliruan. Begini: Deviation from linearity berarti menggambarkan seberapa jauh data kita itu tidak linear. Nah kalau signifikan, ini berarti justru data kita tidak linear. Kalau tidak signifikan menandakan data kita tidak 'deviate from linearity'. Semoga menjawab pertanyaanmu ya.
Untuk pertanyaan terakhir: mungkin bisa disharekan kegelisahannya dulu? Karena pertanyaan yang diberikan menurut saya kurang jelas. Mungkin diceritakan konteksnya atau mungkin ada pertanyaan-pertanyaan lainnya? supaya saya bisa menangkap konteksnya.
slamat sore pak, saya mau tanya untuk melinearkan variabel bagimana saya sudah mencoba dari menu transform-->compute selanjutnya bagiman pak. trimakasih jacqueline
Untuk Jacqueline,
Yang pertama perlu dilakukan adalah mengetahui dulu bentuk hubungan nonlinearnya. Karena ini akan mempengaruhi bagaimana kita akan me-'linear'-kan data.
Kalau sudah diketahui, misalnya bentuknya kuadratik, sekarang kita bisa mengaplikasikan akar pangkat dua dari data. Setelah compute --> transform, kita masukkan variabel ke dalam kotak di bagian atas. kemudian kita berikan operasi yang diharapkan (misal untuk akar pangkat dua = ^0.5) atau menggunakan fungsi yang disediakan (sqrt). Lalu kita tentukan hasil transformasi ini dimasukkan ke mana. Ini diketikkan di bagian kiri atas. Ini yang akan jadi variabel yang diisi hasil transformasi.
Semoga membantu,
malam gan, mau tanya bagaimana jika hasil uji linearitas saya malah keluar hasil (too few cases statisic for tobins*roa cannot be computed) untuk 33 jumlah peengamatan dengan 4 variabel.
kira2 bagaimana solusinya ??
apakah metode lain?
Untuk Yopie,
Yopie bisa baca di artikel saya di atas tentang asumsi linearitas untuk lebih detilnya. Tapi pada dasarnya menurut saya, pengecekan linearitas menggunakan compare means->linearity itu bukan cara yang tepat, karena memang sebenarnya tujuan fungsi itu bukan untuk itu.
Dalam banyak buku, pengecekan linearitas bisa dilihat cukup dengan scatter plot (caranya ada di atas). Berdasarkan scatter plot itu kita bisa melihat apakah cukup beralasan kalau kita berasumsi hubungan kedua variabel itu linier.
setelah uji linearitas nilai deviation from linearity maupun nilai linearitynya sama2 tidak signifikan...
saya coba test curve estimation dan melihat nilai F yang paling besar itu di cubic...
pertanyaan saya setelah ini diapakan?
dan mksdnya melihat nilai F yg paling besar itu apa?
terimakasih sebelumnya.. :)
Hai Dieva,
Jika kedua sumber (deviation dan linearity) menunjukkan nilai F yang tidak signifikan, maka dugaan saya korelasi kedua variabel tersebut memang kecil.
Apakah nilai F dari curve estimationnya signifikan untuk bentuk cubic? Jika tidak maka dugaan saya benar. Jika curve estimation untuk cubic nya signifikan, maka bisa dikatakan korelasi antara kedua variabel mengikuti bentuk cubic (Y=B0+B1X1+B1X1^2+B1X1^3).
iya pak... yang bentuk cubic signifikan.
jadi kesimpulannya regresinya bukan linear tapi cubic gitu pak maksudnya?
penelitian saya tentang manajemen apa tidak apa2 disimpulkan sebagai regresi non-linear? karena kemarin saya baca2 sedikit tentang regresi non-linear kebanyakan kasusnya tentang pertanian gitu pak...
Hi Dieva,
Ya sepertinya akan disimpulkan demikian dalam penelitian ini paling tidak. Nah kalau apakah ini 'boleh' di Manajemen, saya tidak bisa menjawabnya karena saya tidak banyak membaca riset di Manajemen. Mungkin lebih baik jika mendiskusikannya dengan dosen pembimbing.
Selain itu sudahkah Dieva melihat scatter plotnya? Mungkin akan ada informasi lain yang dapat menjelaskan hasil ini.
pak bagaimana cara pelakukan uji linieritas pada 4 variabel? x nya 3, dan y nya 1. saya sudah masukkan, dan hasilnya "too few cases statisic". saya lihat ada juga komen di atas yg mengalami nasib sama. lalu bapak menjawab dengan "pengecekan linearitas bisa dilihat cukup dengan scatter plot (caranya ada di atas). Berdasarkan scatter plot itu kita bisa melihat apakah cukup beralasan kalau kita berasumsi hubungan kedua variabel itu linier." nah masalahnya, kalau variabelnya 4 bagaimana pak? bukan hanya 2 variabel yg di uji. mohon penjelasannya...
Untuk jawaban pertanyaan dari Pahlawan Ilmu:
Ada dua cara yang bisa dilakukan:
1. membuat scatter plot dari tiap dua variabel (satu x dan satu y). Ini berarti akan ada 4 scatter plot yang dapat diamati. Kemudian mengecek satu-satu apakah ada kecenderungan non-linear.
2. melakukan regresi linear lalu menghitung nilai prediksi dan residu dari tiap subjek / kasus. Kedua nilai ini kemudian dibuat scatter plotnya. Di SPSS ini bisa dilakukan dengan cara seperti di artikel ini: http://psikologistatistik.blogspot.com/2007/09/uji-asumsi-1-uji-normalitas-regresi.html. Hanya saja perlu diklik juga unstandardized di kolom predicted values. Kemudian buatlah scatter plot terhadap residu dan predicted values tersebut (predicted values di sumbu x, residu di sumbu y).
mas agung saya mau bertanya, saya sedang meneliti mengenai pengaruh antara Self - Esteem dengan Verbal bullying, ketika saya menguji linearitas ternyata hasil yang saya temui adalah kedua variabel tersebut tidak linearitas, apa yang bisa saya lakukan di kondisi tersebut? terima kasih
Untuk mas Rio suryawan,
Mohon maaf balasan komentar anda sangat lama karena kesibukan saya akhir-akhir ini.
Jika hubungan X dan Y tidak linear, maka perlu dicek terlebih dulu bentuk hubungan keduanya. Jika telah diketahui (misalnya hubungannya bersifat kuadratik), maka regresi bisa dijalankan dengan memasukkan unsur kuadratik ini dalam persamaan regresinya. Bisa juga menggunakan fungsi curve estimation di SPSS.
maaf mas mau tanya, apabila data tidak linear tetapi hipotesis diterima, kira-kira penyebab secara statistik hal tersebut bisa terjadi apa ya mas? mohon penjelasannya. teria kasih ^^
Untuk Farah,
Mungkin bisa diberikan informasi lebih detilnya? Misalnya cara menguji linearitasnya bagaimana dan hipotesis mana yang diterima. Analisis apa yang dijalankan?
selamat siang pak saya ingin bertanya , jika data saya pada kolom F dan sig. nilainya lebih dari 0,05 apakah data saya dikatakan linier??
F sig,
LINIER 3.241 .214
DF linierity 2.119 .274
Untuk mas Muliyanto erdi,
Menurut saya lebih baik melihat scatter plot saja. Saya menduga hubungan antara kedua variabel lemah sehingga baik bagian yang linear dan deviation from linearity tidak signifikan.
Mlm pak, saya mau bertanya dan pertanyaan saya kurang lebih sama dengan teman2 yang lain. Data saya antara (y) kepuasan orangtua murid dengan (x1) kualitas pelayanan tidak linear. Kira2 sperti ini pak:
ANOVA Table
Sum of Squares df Mean Square F Sig.
Kepuasan orangtua murid * Kualitas Pelayanan Between Groups (Combined) 958.501 21 45.643 2.095 .034
Linearity 55.390 1 55.390 2.543 .122
Deviation from Linearity 903.112 20 45.156 2.073 .037
Within Groups 609.979 28 21.785
Total 1568.480 49
Dosen saya bertanya, mengapa tetap dilanjutkan pada uji regresi dsb setelah tahu bahwa hub. kedua variabel tsb tidak linear. Saya bingung dengan jawabannya sebab saya blm terlalu paham.
Terima kasih pak sblmnya
Halo Mas Antok,
Sebelumnya mohon maaf saya baru bisa membalas komentar anda sekarang.
Kalau boleh tahu apa pertimbangan / alasan anda sebenarnya untuk tetap melakukan analisis regresi meskipun mengetahui hubungan antara dua variabel tersebut tidak linear?
Maaf mau nanya mungkin ga kalo hasil Fhitung dari uji linearitas itu negatif? Atau saya ga bisa ngitung soal ny saya pake manual pak ..
Halo Mbak Maulida,
Sejauh yang saya pahami, nilai F tidak mungkin negatif karena F dihasilkan dari hasil bagi dua nilai kuadrat (dalam hal ini varian). Oleh karena itu saya kira hasil paling kecilnya akan sama dengan 0 (itupun akan jarang sekali terjadi). Jika menghitung secara manual, ada baiknya dibandingkan dengan hasil analisis menggunakan perangkat lunak tertentu.
Kalau boleh bertanya, mengapa harus dihitung manual?
Halo pak saya Riska, saya mau tanya kenapa waktu saya uji linearitas hasil linearity nya lebih dri 0,05 yg artinya tdk linear dan untuk deviation from linearity hasilnya lebih dri 0,05 yang artinya linear..mohon penjelasanya pak :)
Pak, saya mau tanya. Jadi saya mau uji linieritas menggunakan curve fit tapi saya belum menemukan apa hipotesisnya, H0 dan H1. Hipotesisnya apa ya? Mohon bantuannya...
Untuk Riska,
Pertama penggunaan 'test for linearity' dalam SPSS bukan prosedur yang idealnya dijalankan untuk mengecek linearitas hubungan. Jauh lebih baik kalau Riska melihat langsung scatter plotnya saja.
Output SPSS menunjukkan hasil seperti itu karena korelasi antara kedua variabel yang dianalisis cenderung lemah. Lemahnya hubungan ini membuat kedua 'uji' yang dihasilkan semuanya tidak signifikan. Saya menduga, kalau Riska melihat menggunakan scatter plot, plot dalam grafik tersebut akan cenderung menyebar tanpa pola linear.
Untuk Anonim yang menanyakan H0 dan H1,
Saya kurang memahami pertanyaan yang disampaikan. H0 dan H1 dari penelitian anda atau dari uji linearitas dengan menggunakan curve fit? Sebenarnya, penggunaan curve fit juga tidak dapat digolongkan sebagai uji linearitas. Curve fit adalah regresi yang menyertakan kondisi non-linear dari hubungan antara variabel independen dan dependen. H0 dan H1-nya tergantung dari apa yang mau dilihat dari analisis tersebut. Misalnya jika saya hendak menguji apakah hubungan antara VI dan VD bersifat kuadratik, maka H0 akan menyatakan tidak ada hubungan kuadratik antara VI dan VD, sementara H1 nya menyatakan ada hubungan kuadratik.
Semoga membantu,
permisi pak, saya farah saya mau tanya pak kasus saya hampir sama dengan mba riska diatas, jd linearnya lbh besar dr 0,05 dan deviasi linearitynya lbh besar juga dr 0,05, saya sudah coba pake scatter di versi 22 spss.. nah yang saya bingung, apa yang dpt saya jelaskan dr kurva trsebut pak ? seperti dugaan bapak pd data mba riska, plot dlm grafik saya jg cenderung menyebar namun ada juga yang mendekati garis linear pak, mohon penjelasannya pak terima kasih
Mbak Farah,
Sayangnya saya tidak secara langsung dapat melihat scatter plot yang dihasilkan jadi mungkin respon saya kurang akurat. Berdasarkan apa yang dikatakan mbah Farah, jika grafik cenderung menyebar ini berarti hubungan antara kedua variabel cenderung lemah. Ini yang membuat baik nilai F untuk Linearity dan Deviation from Linearity jadi tidak signifikan semua.
Dengan kata lain, berdasarkan pengamatan pada kurva tersebut, maka dapat disimpulkan hubungan kedua variabel memang lemah karena tidak ada pola khusus yang dapat dicermati.
mau tanya tp saya menggunakan eviews, bisa bantu tidak tdk?
jadi hasil saya tidak memenuhi asumsi linieritas. jadi permasalahannya gmn ya?
Pak maaf saya mau nanya. Sebelumnya ada pertanyaan mengenai pengujian linear dgn 4 variabel bebas. Apakah ada sumber yg kuat mengenai jawaban dr bapak yg menyatakan pengujian dilakukan dgn masing masing variabel sehingga ada 4 scatterplot nantinya? Terimakasih
Halo, Pak/Mas Agung. Saya ingin bertanya, saya menggunakan 4 variabel independen, namun salah satu variabelnya tidak linier, kemudian variabel tsb saya coba uji lg dg hasil transformasi SQRT dan berhasil linier. Pertanyaannya, apakah tidak apa2 jika satu variabel cara pengujiannya berbeda dg yg lain?
Pertanyaan selanjutnya, apakah masih bisa tetap menggunakan analisis linier berganda?? Karena penelitian saya mengenai ekonomi.
Bapak sayan ingin bertanya.
Penelitian saya regresi ganda.
Pada uji prasyarat semua terpenuhi, cm satu yaitu variabel X2 thdp Y tidak linier, sedangkan X1 thdp Y linier. Saya melihatnya dr deviation from linearity nya. Kalo dikihat de linearity nya semua linier...knp ya pak bisa bgtuh. Setelah zaya uji lanjut yaitu uji hipotesis hasilnya signifikan.
Nah untuk penjelasan nya bagaimana pak..terutama menjelasjan di bab 4. Tentang hal tersebut.
Terima kasih.
Pa agung saya mau tanya, kenapa di spss saya ga muncul tabel anova nya ya, tulisannya 'no variance within groups - statistic for SHU * modalkerja cannot be computed'
Itu gimana ya pa? Mohon bantuannya
Olah Data SPSS, AMOS, LISREL
EVIEWS, SMARTPLS, GRETL, STATA, MINITAB dan DEAP 2.1
WhatsApp : +6285227746673
IG : @olahdatasemarang
pak saya mau bertanya.
untuk data yang hanya satu variabel, bagaimana cara mengetahui data tersebeut nonlinier atau tidak? apakah bisa dilihat dari plot nya? bentuk plot data seperti apa yang disebut plot data non linier? terima kasih pak
maaf pak agung. saya pernah baca sumber di internet kalau disebut linier bila tidak membentuk pola. jdi dia acak. yg benar yg mana ya? terimakasih
Bagaimana kalau tidak linear ? Harus pakai uji apa ya
Pak jika data tidak linear, apakah tetap bisa melakukan uji hipotesis menggunakan korelasi product moment?
Dan apa yang menyebabkan data tersebut tidak linear? N saya 30
kalo tabel anova nya gak muncul itu gimana ya?
Siang pak, mau tanya bagaimana jika hasil uji linearitas saya malah keluar hasil (too few cases statisic for tobins*roa cannot be computed) untuk 32 jumlah pengamatan 1 variabel bebas dan 1 variabel terikat. Itu kenapa ya? Terus kira2 gimana solusinya ??
Mohon maaf sebelumnya mas, entah saya yang kurang paham atau memang belum d jelaskan saya ingin bertanya apa penyebab data tidak linier ? Terimakasih
Hae kak, apakah sudah menemukan solusinya. Kalau sudah saya mau tanya, soalnya saya juga mengalami kasus serupa
selamat malam, pak. penjelasannya sangat bagus, pak tapi saya butuh literatur yang bisa saya masukkan di daftar putaka. ada gak yah?
Posting Komentar