TL;DR
Uji linearitas ngecek apakah hubungan antara variabel bebas dan variabel terikat berbentuk garis lurus. Di SPSS caranya lewat Analyze > Compare Means > Means, lalu centang Test for linearity di kotak Options. Hasilnya dibaca dari tabel ANOVA: kalau nilai Sig. baris Deviation from Linearity lebih besar dari 0,05, hubungan kedua variabel dinyatakan linear dan analisis regresi boleh dilanjutkan.
Uji linearitas ngecek satu hal: apakah hubungan antara variabel bebas dan variabel terikatmu memang berbentuk garis lurus.
Ini penting karena regresi linear dan korelasi Pearson dua-duanya nganggep hubungannya lurus. Kalau bentuknya melengkung, angka yang keluar tetap ada, cuma artinya jadi ngaco.
Di SPSS ujinya ada di tempat yang agak nyempil: menu Compare Means, bukan menu Regression.
Di bawah ini aku jalanin langkahnya, jelasin baris output mana yang dibaca, dan tunjukin apa yang dilakukan kalau hasilnya nggak lolos.
Uji linearitas adalah pemeriksaan buat mastiin perubahan variabel bebas diikuti perubahan variabel terikat dengan laju yang tetap. Kalau setiap tambahan satu juta belanja iklan selalu naikin omzet dengan besaran yang mirip, hubungannya linear. Kalau tambahan pertama naikin banyak lalu tambahan berikutnya makin nggak ngaruh, hubungannya melengkung.
Konsekuensinya nyata. Regresi linear yang dipaksain ke data melengkung bakal ngasih koefisien yang keliatan kecil, dan kamu bisa nyimpulin "nggak berpengaruh" padahal pengaruhnya kuat cuma bentuknya beda.
Uji ini biasanya dijalanin setelah uji normalitas dan sebelum uji asumsi klasik yang lain.
Uji linearitas di SPSS ada di Analyze > Compare Means > Means, bukan di menu Regression. Kamu masukin variabel terikat ke Dependent List dan variabel bebas ke Independent List, lalu centang Test for linearity di kotak Options. Hasilnya keluar sebagai tabel ANOVA.
Kalau variabel bebasmu lebih dari satu, masukin semuanya sekaligus ke Independent List. SPSS bakal ngeluarin satu tabel ANOVA per pasangan.
Detail tiap pilihan di kotak Options bisa kamu cek di dokumentasi resmi IBM SPSS Statistics.
Baca baris Deviation from Linearity di kolom Sig. Nilai di atas 0,05 berarti penyimpangan dari garis lurus nggak nyata secara statistik, jadi hubungannya dianggap linear. Baris Linearity di atasnya punya aturan kebalikan: dia justru diharapkan di bawah 0,05.
Ini isi tabelnya dan arti tiap baris.
| Baris | Isinya apa | Yang diharapkan |
|---|---|---|
| Between Groups (Combined) | Total perbedaan rata-rata antar kelompok X | Nggak dipakai buat kesimpulan |
| Linearity | Bagian hubungan yang bisa dijelasin garis lurus | Sig. di bawah 0,05 |
| Deviation from Linearity | Sisa hubungan yang nggak muat di garis lurus | Sig. di atas 0,05 |
| Within Groups | Variasi di dalam kelompok X yang sama | Cuma pembanding |
Dua baris tengah itu yang paling sering ketuker. Gampangnya begini: Linearity nanya "ada garis lurusnya nggak", Deviation nanya "ada sisa pola yang nggak muat di garis itu nggak".
Kamu pengen jawabannya ada dan nggak ada. Jadi Linearity signifikan, Deviation nggak signifikan.
Contoh kalimat kesimpulan buat skripsi: "Nilai signifikansi Deviation from Linearity sebesar 0,214 lebih besar dari 0,05, sehingga hubungan antara belanja promosi dan omzet dinyatakan linear."
SPSS juga ngeluarin tabel kedua namanya Measures of Association yang isinya R, R Squared, Eta, dan Eta Squared. Selisih besar antara Eta Squared dan R Squared itu petunjuk tambahan bahwa hubungannya nggak lurus.
Penyebabnya hampir selalu sama: variabel bebasmu punya terlalu banyak nilai unik. SPSS butuh minimal dua responden yang punya nilai X sama buat ngitung variasi dalam kelompok. Kalau tiap responden nilainya beda semua, baris Within Groups jadi kosong dan Deviation nggak bisa dihitung.
Ini sering kejadian di data rupiah. Belanja iklan 1.450.000 dan 1.455.000 dianggap dua kelompok berbeda oleh SPSS.
Solusinya kelompokkan dulu variabel bebasnya.
iklan_grup.Jumlah kelompok ngaruh ke hasil. Terlalu sedikit bikin lengkungan halus nggak kedeteksi, terlalu banyak bikin tiap kelompok isinya cuma satu dua orang. Lima sampai delapan kelompok jadi titik tengah yang aman buat sampel 50 sampai 200 responden.
Aku pakai dataset toko_berkah, data 60 warung kelontong di Jawa Barat. Variabel terikatnya omzet bulanan, dengan dua variabel bebas: jumlah SKU dan belanja iklan.
Belanja iklan aku kelompokkan dulu jadi 6 interval lewat Visual Binning, karena nilainya beda-beda di tiap warung.
Ini hasil uji linearitasnya.
| Pasangan variabel | Sig. Linearity | Sig. Deviation | Kesimpulan |
|---|---|---|---|
| Jumlah SKU dan omzet | 0,000 | 0,214 | Linear |
| Belanja iklan dan omzet | 0,000 | 0,003 | Nggak linear |
Pasangan kedua gagal. Waktu aku lihat rata-rata omzet per kelompok belanja iklan, bentuknya langsung kelihatan.
| Kelompok belanja iklan | Rata-rata omzet | Kenaikan dari kelompok sebelumnya |
|---|---|---|
| 0 sampai 200 ribu | Rp 14,2 juta | - |
| 200 sampai 400 ribu | Rp 23,8 juta | Rp 9,6 juta |
| 400 sampai 700 ribu | Rp 31,1 juta | Rp 7,3 juta |
| 700 ribu sampai 1 juta | Rp 35,4 juta | Rp 4,3 juta |
| 1 sampai 1,5 juta | Rp 37,9 juta | Rp 2,5 juta |
| di atas 1,5 juta | Rp 39,0 juta | Rp 1,1 juta |
Kenaikannya makin lama makin kecil. Dua ratus ribu pertama nambah omzet 9,6 juta, sementara lima ratus ribu terakhir cuma nambah 1,1 juta.
Ini efek jenuh yang biasa muncul di belanja promosi. Warung yang belanja iklannya udah gede udah kena semua pelanggan di sekitarnya, jadi tambahan uang nggak nambah pembeli baru.
Perbaikannya: aku ubah belanja iklan jadi LN(iklan + 1) lewat Transform > Compute Variable, lalu jalanin ulang ujinya.
Hasil setelah transformasi, Sig. Deviation from Linearity naik jadi 0,318. Lolos. R square modelnya juga naik dari 0,61 ke 0,74, jadi transformasinya bukan cuma bikin lolos uji, tapi beneran lebih cocok sama datanya.
Ini angka original dari dataset ngulikdata. Efek jenuh kayak gini muncul di hampir semua variabel biaya promosi, dan log biasanya beresin dalam satu langkah.
Empat pilihan ini urut dari yang paling sering berhasil.
X * X dan masukin bareng X ke model regresi.Sebelum masuk SPSS, kamu bisa ngintip bentuk hubungannya di Excel. Bikin scatter chart, lalu hitung koefisien korelasinya pakai fungsi CORREL. Korelasi yang kecil padahal grafiknya jelas berpola itu tanda hubungannya melengkung.
Cara lain yang lebih cepat: kelompokkan X jadi beberapa interval, lalu hitung rata-rata Y tiap kelompok pakai AVERAGE. Kalau selisih antar kelompok makin mengecil, bentuknya melengkung.
Lanjutan pemeriksaannya ada di uji heteroskedastisitas SPSS, yang ngecek sebaran residual setelah bentuk hubungannya beres.
Baris Deviation from Linearity di tabel ANOVA, kolom Sig. Angka di atas 0,05 berarti hubungannya linear. Baris Linearity di atasnya punya aturan kebalikan, dia diharapkan signifikan alias di bawah 0,05. Dua baris itu paling sering ketuker, dan salah baca bikin kesimpulanmu terbalik.
Biasanya karena variabel bebasmu punya terlalu banyak nilai unik, misalnya angka rupiah yang beda di tiap responden. SPSS butuh beberapa responden dalam satu nilai X yang sama. Solusinya kelompokkan variabel bebasmu jadi interval lewat Transform > Visual Binning, misalnya 5 sampai 8 kelompok, lalu ulangi ujinya.
Coba tiga hal berurutan. Lihat scatterplot buat tau bentuk lengkungannya. Transformasi variabel yang melengkung pakai logaritma atau akar, dan ini paling sering berhasil buat hubungan yang efeknya makin menipis. Tambahin bentuk kuadrat kalau polanya kayak parabola. Regresi non-linear jadi pilihan terakhir.
Urutan yang lazim: normalitas dulu, baru linearitas, lalu multikolinearitas dan heteroskedastisitas. Alasannya praktis, karena sebaran yang jauh dari normal sering bikin hubungan keliatan melengkung padahal masalahnya di sebaran. Nggak ada aturan kaku, yang penting semua uji asumsi jalan sebelum kamu nafsirin hasil regresi.
Uji korelasi ngukur seberapa kuat dua variabel bergerak bareng dalam bentuk garis lurus. Uji linearitas ngecek apakah bentuk lurus itu memang cocok buat datamu. Dua variabel bisa punya hubungan kuat berbentuk lengkung, dan di situ korelasi Pearson bakal kecil padahal hubungannya nyata.
Kunci uji linearitas cuma dua: tau menunya ada di Compare Means, dan tau baris yang dibaca adalah Deviation from Linearity. Sisanya soal binning yang masuk akal dan transformasi kalau bentuknya melengkung.
Kalau hasilnya gagal, jangan buru-buru ganti metode. Lihat scatterplot-nya dulu, lalu coba log transform.
Habis ini lanjut ke uji multikolinearitas SPSS, dan kalau kamu mau ngerapiin cara nampilin datanya di bab 4, mampir ke panduan visualisasi data.
Mau praktek langsung? Mulai latihan SQL gratis
Latihan interaktif, langsung di browser.
Kolom datetime nyimpen tanggal, jam, hari, semuanya nempel jadi satu. Accessor .dt di pandas ngeluarin tiap bagian jadi kolom sendiri buat dianalisa.
Nama toko ketik campur huruf besar-kecil, spasi nyasar di ujung, atau kode produk nempel jadi satu. Accessor .str di pandas ngerapiin semua itu tanpa loop.
Model machine learning cuma ngerti angka, bukan teks kayak merah atau biru. get_dummies ngubah kolom kategori jadi kolom 0/1 dalam satu baris kode.