Uji Linearitas SPSS: Test for Linearity dan Cara Menyimpulkannya

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.

Apa itu uji linearitas dan kenapa perlu?

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.

Gimana cara uji linearitas di SPSS?

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.

1. Buka Analyze > Compare Means > Means.
2. Pindahin variabel terikat (misalnya omzet) ke kotak Dependent List.
3. Pindahin variabel bebas (misalnya belanja iklan) ke kotak Independent List.
4. Klik tombol Options di kanan atas.
5. Di bagian bawah, centang Test for linearity.
6. Klik Continue, lalu OK.

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.

Baris mana yang dibaca di tabel ANOVA?

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.

Kenapa baris Deviation from Linearity kadang nggak muncul?

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.

1. Buka Transform > Visual Binning.
2. Pindahin variabel bebasmu ke kotak Variables to Bin, klik Continue.
3. Kasih nama variabel baru, misalnya iklan_grup.
4. Klik Make Cutpoints, pilih pembagian yang kamu mau (5 sampai 8 kelompok biasanya cukup), lalu Apply.
5. Klik OK, lalu jalanin ulang uji linearitas pakai variabel baru itu.

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.

Contoh kasus: 60 warung di dataset toko_berkah

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.

Kalau nggak lolos uji linearitas, apa yang bisa dilakukan?

Empat pilihan ini urut dari yang paling sering berhasil.

1. Lihat scatterplot-nya dulu. Sebelum ngubah apa pun, kamu perlu tau bentuk lengkungannya. Buka Graphs > Chart Builder, pilih Scatter/Dot, lalu tarik dua variabelmu ke sumbu.
2. Transformasi logaritma atau akar. Cocok buat hubungan yang efeknya makin menipis, kayak contoh belanja iklan di atas.
3. Tambahin bentuk kuadrat. Kalau scatterplot-nya kayak parabola (naik lalu turun), bikin variabel baru X * X dan masukin bareng X ke model regresi.
4. Ganti ke regresi non-linear. Pilihan terakhir kalau tiga cara di atas gagal, dan ini butuh dasar teori yang jelas soal bentuk hubungannya.

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.

Kesalahan umum waktu uji linearitas di SPSS

• Baca baris Linearity padahal maksudnya Deviation. Ini kesalahan nomor satu, dan hasilnya kesimpulanmu terbalik total.
• Nyari uji ini di menu Regression. Test for linearity adanya di Compare Means, bukan di Linear Regression.
• Maksa jalan tanpa binning. Kalau baris Deviation kosong, hasilnya nggak bisa disimpulin. Kelompokkan dulu variabel bebasnya.
• Bikin kelompok kebanyakan. Dua puluh kelompok buat 60 responden bikin tiap kelompok isinya 3 orang, dan ujinya jadi nggak sensitif.
• Langsung ganti metode begitu gagal. Transformasi log itu satu langkah dan sering langsung beres. Regresi non-linear jauh lebih repot dan jarang perlu.

Lanjutan pemeriksaannya ada di uji heteroskedastisitas SPSS, yang ngecek sebaran residual setelah bentuk hubungannya beres.

FAQ

Baris mana yang dibaca di output uji linearitas SPSS?

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.

Kenapa baris Deviation from Linearity nggak muncul di outputku?

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.

Kalau uji linearitas nggak lolos, harus gimana?

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.

Uji linearitas dilakukan sebelum atau sesudah uji normalitas?

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.

Apa bedanya uji linearitas sama uji korelasi?

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.

Lanjut ke mana habis ini?

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.