Uji Linieritas [PDF]

Citation preview

UJI LINIERITAS 15.43



Duwi Consultant



Uji linearitas bertujuan untuk mengetahui apakah dua variabel mempunyai hubungan yang linear atau tidak secara signifikan. Uji ini biasanya digunakan sebagai prasyarat dalam analisis korelasi atau regresi linear. Pengujian pada SPSS dengan menggunakan Test for Linearity dengan pada taraf signifikansi 0,05. Dua variabel dikatakan mempunyai hubungan yang linear bila signifikansi (Linearity) kurang dari 0,05. Contoh kasus: Seorang mahasiswa bernama Joko melakukan penelitian untuk mengetahui hubungan antara kecemasan dengan optimisme pada remaja. Data-data skor total yang di dapat ditabulasikan sebagai berikut: Tabel. Tabulasi Data (Data Fiktif) Subjek 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20



Kecemasan 90 88 96 95 96 94 91 96 95 90 85 91 87 90 85 83 86 91 86 83



Optimisme 124 137 120 128 124 133 138 126 132 140 143 124 131 119 135 141 137 134 138 141



Langkah-langkah pada program SPSS  Masuk program SPSS



 Klik variable view pada SPSS data editor  Pada kolom Name ketik x, untuk kolom Name baris kedua ketik y  Pada kolom Decimals angka ganti menjadi 0 untuk variabel x dan y  Untuk kolom Label ketik Kecemasan, untuk kolom Label pada baris kedua ketik Optimisme.  Kolom lainnya boleh dihiraukan (isian default)  Buka data view pada SPSS data editor  Terlihat kolom x dan y, x adalah variabel kecemasan dan y adalah variabel optimisme, ketikkan data sesuai dengan variabelnya.  Klik Analyze - Compare Means - Means  Klik variabel Optimisme dan masukkan ke kotak Dependent List, kemudian klik variabel Kecemasan dan masukkan ke Independent List.  Klik Options, pada Statistics for First Layer klik Test for Linearity, kemudian klik Continue  Klik OK, maka hasil output yang didapat pada kolom Anova Table adalah sebagai berikut: Tabel. Hasil Test for Linearity



Dari output di atas dapat diketahui bahwa nilai signifikansi pada Linearity sebesar 0,006. Karena signifikansi kurang dari 0,05 maka dapat disimpulkan bahwa antara variabel kecemasan dan optimisme terdapat hubungan yang linear.



SUMBER 2



Cara Menghitung Uji Linearitas Pada Instrumen Skripsi Kuantitatif Cara Menghitung Uji Linearitas Pada Instrumen Skripsi Kuantitatif – Setelah di lakukan UJI Normalitas, maka langkah selanjutnya dalam mengolah data skripsi kita adalah dengan Uji linearitas. Dari uji uji sebelumnya, jika sudah memenuhi syarat maka kita harus melakukan uji ini agar mengetahui kelinearan variabel variabel yang kita teliti. Berikut adalah Cara Menghitung Uji Linearitas Pada Instrumen Skripsi Kuantitatif saya yang berjudul Hubungan Antara Fasilitas Belajar dan Komunitas Teman Sebaya Dengan Minat Melanjutkan Studi Perguruan Tinggi Pada Siswa Kelas XII SMK Muhammadiyah 3 Kulon Progo Tahun Ajaran 2011/2012.



Cara Menghitung Uji Linearitas Pada Instrumen Skripsi Kuantitatif Pengujian hipotesis hubungan antar variabel dilakukan dengan menentukan persamaan garis regresinya terlebih dahulu, untuk mengetahui bentuk hubungan antara variabel bebas dengan variabel terikat. Linieritas dilakukan terhadap variabel-variabel independen yang terdiri dari fasilitasbelajar, Komunitas teman sebaya, danminat melanjutkan perguruan tinggi. variabel dependennya (prestasibelajar). Uji yang digunakan untuk mengetahui linier atau tidaknya adalah menggunakan uji F yang rumusnya adalah:



Setelah didapat harga F, kemudian dikorelasikan dengan harga F pada tabel dengan taraf signifikansi 5%. Jika harga F hasil analisis (Fa) lebih kecil dari Ftabel (Ft) maka hubungan kriterium dengan prediktor adalah hubungan linier. Jika F hasil analisis (Fa) lebih besar dari Ftabel (Ft) maka hubungan kriterium dengan prediktor adalah hubungan non linier. UJI LINEARITAS : 1. copy yang di blog kuning ( bisa lihat pada postingan uji normalitas UJI Normalitas ) ke dalam spss satu persatu , lalu berilah label dengan klik variable view pada bagian kiri bawah. Lalu ganti dengan nama yang anda paham,misal untuk saya FASILITAS BELAJAR pada VAR0001 saya ganti nama dengan FASBEL, Komuitas teman sebaya / VAR002 saya beri nama KTS dan Minat melanjutkan studi/ VAR003 saya beri nama MINAT. maka akan menjadi seperi gambar di bawah :



2. Lalu lakukan analisis dengan spss dengan klik ANALYZE —————–> Compare Means ——> Means



Lalu OPTION – check pada bagian anova tabel dan check juga pada test for linearity yang ada di kiri bawah. KLIK Continue,lalu OK. 3. Maka akan keluar output dari SPSS untuk uji linearitas ini, maka yang di baca adalah pada bagian ANOVA TABLE. karena saya menggunakan 2 variabel bebas x1 dan x2, maka di output akan nampak 2 anova table yang nilainya berbeda. Lalu apa yang akan kita baca? perhatikan gambar :



Nah yang kita baca adalah DEVIATION FROM LINEARity seperti yang saya bundari warna orange. begitu juga untuk anova tabel satunya , sehingga kita bisa membuat sebauh analisis : Uji linieritas dilakukan untuk mengetahui hubungan antara variabel dependen dengan variabel independen. Hasil uji linieritas menunjukkan bahwa semua variabel dalam penelitian ini memiliki hubungan yang linier. Uji linieritas dalam penelitian ini menggunakan uji linieritas dengan bantuan program SPSS 17.00. “Jika Sig. Deviation from Liniarity lebih besar atau sama dengan taraf signifikansi yang dipakai (0,05) berarti berkorelasi linier”.



Rangkuman Hasil Pengujian Linieritas



No Variabel



Sig. TarafSignifik Kesimpula Deviation ansi n from Linierity



1. Fasilitas Belajar dengan Minat Melanjutkan Studi



0,339



0,05



Linier



2. Komunitas TemanSebaya dengan Minat Melanjutkan Studi



0,922



0,05



Linier



Cara Menghitung Uji Linearitas Pada Instrumen Skripsi Kuantitatif



Uji linieritas antara Variabel bebas ( Fasilitas Belajar, dan Komunitas Teman Sebaya) dengan Variabel terikatnya (Minat Melanjutkan Studi) dilihat dari deviation from liniarity, Menurut hasil perhitungan didapatkan nilai deviation from liniarity sebesar 0.339 antara Fasilitas Belajar dan Minat Melanjutkan Studi, dan sebesar 0,922 antara Komunitas Teman Sebaya dan Minat Melanjutkan Studi. Menurut kriterianya adalah jika harga deviation from liniarity lebih besar dari



taraf signifikansi yang diambil (5%) berarti berhubungan linier. Dalam penelitian ini terbukti bahwa deviation from liniarity antara variabel bebas dengan variabel terikatnya adalah lebih besar terhadap taraf signifikansinya (0.05), maka dapat disimpulkan bahwa Fasilitas Belajar Siswa, dan Komunitas Teman Sebaya dengan Minat Melanjutkan Studi bersifat linier. Artinya hubungan atau korelasi tersebut dapat dinyatakan dengan sebuah garis lurus. Apabila mempunyai hubungan atau korelasi yang linier positif maka jika variabel satu meningkat, variabel yang lain akan meningkat, demikian sebaliknya. Akan tetapi apabila korelasi atau hubungan itu linier negatif jika variabel satu naik maka variabel yang lain akan turun dan demikian sebaliknya. Jika sudah dilakukan uji linearitas, uji prasyarat yang terakhir adalah UJI MULTIKOLINEARITAS



SUMBER 3



UJI INSTRUMEN DAN UJI ASUMSI KLASIK UJI INSTRUMEN dilakukan untuk menguji validitas dan reliabilitas instrument (dalam pengumpulan data) yang digunakan dalam penelitian. Instrumen dikatakan Valid (sah) jika pertanyaan tersebut mampu mengungkapkan sesuatu yang akan diukur oleh instrumen (kuesioner). Instrumen dikatakan Reliabel (andal) jika jawaban responden terhadap pertanyaan adalah konsisten atau stabil dari waktu ke waktu LANGKAH-LANGKAH UJI VALIDITAS DAN RELIABILITAS, YAITU : 



Mempersiapkan butir-butir pertanyaan berdasarkan konstruk, konsep dan indikator dari variabel yang akan diteliti.







Instrumen (pertanyaan) diberikan kepada responden untuk diujicobakan







Setelah instrumen diujicobakan kepada responden, kemudian ditabulasikan untuk mempermudah penghitungan dan analisis ujicoba tersebut







Responden target ujicoba instrumen, tidak dapat dijadikan responden penelitian



1. VALIDITAS Menunjukkan sejauhmana suatu alat (instrumen) mengukur apa yang seharusnya diukur (Ghiselli, 1981). Sementara itu Azwar (2000) mengartikan validitas sebagai sejauh mana ketepatan dan kecermatan suatu alat ukur dalam melakukan fungsi ukurnya. Isaac dan Michael (1981) menjelaskan bahwa informasi validitas menunjukkan tingkat dari kemampuan test untuk mencapai sasarannya. Dengan demikian validitas mengukur ketepatan (akurasi). CONTOH VALIDITAS • Dalam mengukur motivasi • Tentunya seorang peneliti yg membuat instrumen motivasi ini berharap agar instrumen penelitiannya bisa berfungsi dgn benar untuk mengukur motivasi • Syaratnya instrumen itu harus memiliki validitas yg tinggi • Mengukur validitas salah satunya bisa memakai korelasi PRODUCT MOMENT: korelasi antar item dengan skor total dalam satu variabel



2. RELIABILITAS Seberapa besar variasi tidak sistematik dari penjelasan kuantitatif dari karakteristik individu jika individu yang sama diukur berkali kali (Ghiseli, 1981). Ukuran yang menunjukkan stabilitas dan konsistensi suatu instrumen yang mengukur suatu konsep dan berguna untuk mengukur kebaikan (goodness) dari suatu pengukur (Sekaran, 2003). Dengan demikian reliabilitas pada dasarnya adalah sejauh mana hasil suatu pengukuran dapat dipercaya. Kepercayaan itu dalam bentuk keandalan instrumen yaitu konsistensi hasil dari waktu kewaktu jika suatu instrumen digunakan pada subjek. Tinggi/rendahnya reliabilitas secara empirik ditunjukkan oleh suatu angka yang disebut nilai koefisien reliabilitas • Reliabilitas yang sangat tinggi ditunjukkan dgn nilai 1.00. • Reliabilitas yg dianggap sudah cukup memuaskan atau tinggi adalah > 0.70 • Ada beberapa teknik yg dipakai untuk menghitung reliabilitas salah satu diantaranya adalah alpha cronbach Model regresi linier berganda (multiple regression) dapat disebut sebagai model yang baik jika model tersebut memenuhi beberapa asumsi yang kemudian disebut dengan asumsi klasik. Proses pengujian asumsi klasik dilakukan bersama dengan proses uji regresi sehingga langkah-langkah yang dilakukan dalam pengujian asumsi klasik menggunakan langkah kerja yang sama dengan uji regresi. Ada lima uji asumsi yang harus dilakukan terhadap suatu model regresi tersebut yaitu uji normalitas, Autokorelasi, uji linieritas, uji multikolinieritas, dan uji heteroskedastisitas. Pengujian asumsi klasik diperlukan untuk mengetahui apakah hasil estimasi regresi yang dilakukan benar-benar bebas dari adanya gejala heteroskedastisitas, gejala multikolinearitas, dan gejala autokorelasi. Model regresi akan dapat dijadikan alat estimasi yang tidak bias jika telah memenuhi persyaratan BLUE (best linear unbiased estimator) yakni tidak terdapat heteroskedastistas, tidak terdapat multikolinearitas, dan tidak terdapat autokorelasi ( Sudrajat 1988 : 164). Jika terdapat heteroskedastisitas, maka varian tidak konstan sehingga dapat menyebabkan biasnya standar error. Jika terdapat multikolinearitas, maka akan sulit untuk mengisolasi pengaruh-pengaruh individual dari variabel, sehingga tingkat signifikansi koefisien regresi menjadi rendah. Dengan adanya autokorelasi mengakibatkan penaksir masih tetap bias dan masih tetap konsisten hanya saja menjadi tidak efisien. UJI ASUMSI KLASIK UJI NORMALITAS Menguji apakah dalam sebuah model regresi, variabel dependent, variabel independent atau keduanya mempunyai distribusi normal ataukah tidak. Model regresi yang baik adalah distribusi data normal atau mendekati normal.



Sebagai dasar bahwa uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Jika asumsi ini dilanggar maka model regresi dianggap tidak valid dengan jumlah sampel yang ada. Ada dua cara yang biasa digunakan untuk menguji normalitas model regresi tersebut yaitu dengan analisis grafik (normal P-P plot) dan analisis statistik (analisis Z skor skewness dan kurtosis) one sample Kolmogorov-Smirnov Test. Pengertian normal secara sederhana dapat dianalogikan dengan sebuah kelas. Dalam kelas siswa yang bodoh sekali dan pandai sekali jumlahnya hanya sedikit dan sebagian besar berada pada kategori sedang atau rata-rata. Jika kelas tersebut bodoh semua maka tidak normal, atau sekolah luar biasa. Dan sebaliknya jika suatu kelas banyak yang pandai maka kelas tersebut tidak normal atau merupakan kelas unggulan. Pengamatan data yang normal akan memberikan nilai ekstrim rendah dan ekstrim tinggi yang sedikit dan kebanyakan mengumpul di tengah. Demikian juga nilai rata-rata, modus dan median relatif dekat. Uji normalitas dapat dilakukan dengan uji histogram, uji normal P Plot, uji Chi Square, Skewness dan Kurtosis atau uji Kolmogorov Smirnov. Tidak ada metode yang paling baik atau paling tepat. Tipsnya adalah bahwa pengujian dengan metode grafik sering menimbulkan perbedaan persepsi di antara beberapa pengamat, sehingga penggunaan uji normalitas dengan uji statistik bebas dari keragu-raguan, meskipun tidak ada jaminan bahwa pengujian dengan uji statistik lebih baik dari pada pengujian dengan metode grafik. Jika residual tidak normal tetapi dekat dengan nilai kritis (misalnya signifikansi Kolmogorov Smirnov sebesar 0,049) maka dapat dicoba dengan metode lain yang mungkin memberikan justifikasi normal. Tetapi jika jauh dari nilai normal, maka dapat dilakukan beberapa langkah yaitu: melakukan transformasi data, melakukan trimming data outliers atau menambah data observasi. Transformasi dapat dilakukan ke dalam bentuk Logaritma natural, akar kuadrat, inverse, atau bentuk yang lain tergantung dari bentuk kurva normalnya, apakah condong ke kiri, ke kanan, mengumpul di tengah atau menyebar ke samping kanan dan kiri. UJI AUTOKORELASI Uji autokorelasi adalah untuk melihat apakah terjadi korelasi antara suatu periode t dengan periode sebelumnya (t -1). Secara sederhana adalah bahwa analisis regresi adalah untuk melihat pengaruh antara variabel bebas terhadap variabel terikat, jadi tidak boleh ada korelasi antara observasi dengan data observasi sebelumnya. Sebagai contoh adalah pengaruh antara tingkat inflasi bulanan terhadap nilai tukar rupiah terhadap dollar. Data tingkat inflasi pada bulan tertentu, katakanlah bulan Februari, akan dipengaruhi oleh tingkat inflasi bulan Januari. Berarti terdapat gangguan autokorelasi pada model tersebut. Contoh lain, pengeluaran rutin dalam suatu rumah tangga. Ketika pada bulan Januari suatu keluarga mengeluarkan belanja bulanan yang relatif tinggi, maka tanpa ada pengaruh dari apapun, pengeluaran pada bulan Februari akan rendah.. Jika terjadi korelasi maka dinamakan ada problem autokorelasi. Ada beberapa cara untuk mendeteksi gejala autokorelasi yaitu uji Durbin Watson (DW test), uji Langrage Multiplier (LM test), uji statistik Q, dan Run Test. Uji autokorelasi hanya dilakukan pada data time series (runtut waktu) dan tidak perlu dilakukan pada data cross section seperti pada kuesioner di mana pengukuran semua variabel dilakukan



secara serempak pada saat yang bersamaan. Model regresi pada penelitian di Bursa Efek Indonesia di mana periodenya lebih dari satu tahun biasanya memerlukan uji autokorelasi. Beberapa uji statistik yang sering dipergunakan adalah uji Durbin-Watson, uji dengan Run Test dan jika data observasi di atas 100 data sebaiknya menggunakan uji Lagrange Multiplier. Beberapa cara untuk menanggulangi masalah autokorelasi adalah dengan mentransformasikan data UJI LINEARITAS Uji ini digunakan untuk melihat apakah spesifikasi model yang digunakan yaitu studi empiris linier, kuadrat, atau kubik. Ada tiga uji yang bisa dilakukan untuk mendeteksi yaitu uji Durbin Watson, uji Ramsey, dan uji Langrange Multiplier. Uji linearitas dipergunakan untuk melihat apakah model yang dibangun mempunyai hubungan linear atau tidak. Uji ini jarang digunakan pada berbagai penelitian, karena biasanya model dibentuk berdasarkan telaah teoretis bahwa hubungan antara variabel bebas dengan variabel terikatnya adalah linear. Hubungan antar variabel yang secara teori bukan merupakan hubungan linear sebenarnya sudah tidak dapat dianalisis dengan regresi linear, misalnya masalah elastisitas. Jika ada hubungan antara dua variabel yang belum diketahui apakah linear atau tidak, uji linearitas tidak dapat digunakan untuk memberikan adjustment bahwa hubungan tersebut bersifat linear atau tidak. Uji linearitas digunakan untuk mengkonfirmasikan apakah sifat linear antara dua variabel yang diidentifikasikan secara teori sesuai atau tidak dengan hasil observasi yang ada. Uji linearitas dapat menggunakan uji Durbin-Watson UJI MULTIKOLINEARITAS Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independent variable). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebas, karena jika hal tersebut terjadi maka variabel-variabel tersebut tidak ortogonal atau terjadi kemiripan. Variabel ortogonal adalah variabel bebas yang nilai korelasi antar sesama variabel bebas bernilai nol. Uji ini untuk menghindari kebiasan dalam proses pengambilan keputusan mengenai pengaruh parsial masing-masing variabel independen terhadap variabel dependen. Untuk mendeteksi apakah terjadi problem multikol dapat melihat nilai tolerance dan lawannya variace inflation factor (VIF). Uji Multikolinearitas dilakukan dengan melihat nilai tolerance dan variance inflation factor (VIF) dari hasil analisis dengan menggunakan SPSS. Apabila nilai tolerance value lebih tinggi daripada 0,10 atau VIF lebih kecil daripada 10 maka dapat disimpulkan tidak terjadi multikolinearitas (Santoso. 2002 : 206). Uji multikolinearitas adalah untuk melihat ada atau tidaknya korelasi yang tinggi antara variabelvariabel bebas dalam suatu model regresi linear berganda. Jika ada korelasi yang tinggi di antara variabel-variabel bebasnya, maka hubungan antara variabel bebas terhadap variabel terikatnya menjadi terganggu. Sebagai ilustrasi, adalah model regresi dengan variabel bebasnya motivasi, kepemimpinan dan kepuasan kerja dengan variabel terikatnya adalah kinerja. Logika sederhananya adalah bahwa model tersebut untuk mencari pengaruh antara motivasi,



kepemimpinan dan kepuasan kerja terhadap kinerja. Jadi tidak boleh ada korelasi yang tinggi antara motivasi dengan kepemimpinan, motivasi dengan kepuasan kerja atau antara kepemimpinan dengan kepuasan kerja. Beberapa alternatif cara untuk mengatasi masalah multikolinearitas adalah sebagai berikut: 



Mengganti atau mengeluarkan variabel yang mempunyai korelasi yang tinggi.







Menambah jumlah observasi.







Mentransformasikan data ke dalam bentuk lain, misalnya logaritma natural, akar kuadrat atau bentuk first difference delta.







Dalam tingkat lanjut dapat digunakan metode regresi bayessian yang masih jarang sekali digunakan.



UJI HETEROSKEDASTISITAS Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan veriance dari residual satu pengamatan ke pengamatan yang lain. Jika variance tetap maka disebut homoskedastisitas dan jika berbeda maka terjadi problem heteroskedastisitas. Model regresi yang baik yaitu homoskesdatisitas atau tidak terjadi heteroskedastisitas. Ada beberapa cara untuk mendeteksi ada tidaknya heteroskedastisitas yaitu melihat scatter plot (nilai prediksi dependen ZPRED dengan residual SRESID), uji Gletjer, uji Park, dan uji White. Beberapa alternatif solusi jika model menyalahi asumsi heteroskedastisitas adalah dengan mentransformasikan ke dalam bentuk logaritma, yang hanya dapat dilakukan jika semua data bernilai positif. Atau dapat juga dilakukan dengan membagi semua variabel dengan variabel yang mengalami gangguan heteroskedastisitas.