1

MAKALAH STATISTIK

Dosen pengampu :
Prof. Anni Faridah,M.Si
Indra Saputra, M.Pd

Disusun oleh :

UNIVERSITAS NEGERI PADANG

2023

1
 2

DAFTAR ISI

PENDAHULUAN……………………………………………………………….. 3

PEMBAHASAN…………………………………………………………………..4
A. Konsep Perkawinan………………………………………………..…...4

1. Pengertian perkawinan……………………………………………4
2. Hukum Pernikahan………………………………………………..5
3. Prosedur Pernikahan………………………………………………6
4. Hikmah Pernikahan……………………………………………….7

B. Hak dan Kewajiban Suami Istri……………………………………….7

C. Putusnya Hubungan Pernikahan………………………………………9
D. Membina keluarga Sakinah…………………………………………….12

KESIMPULAN…………………………………………………………………. 14

DAFTAR PUSTAKA…………………………………………………………… 15

2
3

I. Pendahuluan
A. Latar belakang
Statistika adalah pengetahuan yang berhubungan dengan car – cara pengumpulan
data, pengolahan atau penganalisisannya dan penarikan kesimpulanberdasarkan
pengumpulan data dan penganalisisan yang dilakukan. Sering kali kitaMendengar bahwa
dalam uji statistik, data yang kita miliki harus di uji normalitasnyadan linieritasnya
terlebih dahulu untuk menentukan alat uji yang dapat kita gunakan.Pada tulisan ini akan
dibahasa lebih lanjut tentang uji normalitas dan linieritas.Ada banyak jenis uji statistik
yang dapat digunakan dab beberapa software komputerseperti SPSS, Minitab, Simtat,
Microstat, dan sebagainya. Masing – masing jenistersebut memiliki kelebihan dan
kekurangan dalam penggunaanya.

B. Rumusan Masalah
1. Apa pengertian dan bagaimana langkah kerja uji normalitas?
2. Apa pengertian dan bagaimana langkah kerja uji linieritas?

C. Manfaat Penulisan
1. Untuk mengetahui apa pengertian dan langkah kerja uji normalitas
2. Untuk mengetahui apa pengertian dan langkah kerja uji linieritas

II. Pembahasan

1. Uji normalitas
A. Pengertian ujij normalitas

Uji Normalitas adalah sebuah uji yang dilakukan dengan tujuan untuk menilai sebaran dat
a pada sebuah kelompok data atau variabel, apakah sebaran data tersebut berdistribusi nor
mal ataukah tidak. Yaitu sebuah uji untuk menilai sebaran data pada variabel atau kelomp

3
4

ok data, apakah berdistribusi normal ataukah tidak. Jika data berdistribusi normal dapat di
asumsikan bahwa data diambil secara acak dari populasi normal.

Data dikatakan berdistribusi normal apabila tidak mempunyai perbedaan yang signifikan
atau yang baku dibandingkan dengan normal baku. Jika menggunakan uji statistik, misaln
ya menggunakan uji kolmogorov smirnov, variabel dikatakan berdistribusi normal jika ni
lai signifikansinya lebih dari atau sama dengan 0,05. Sebaliknya jika signifikansi kurang
dari 0,05 maka variabel atau data dinyatakan tidak berdistribusi normal.

Uji Normalitas berguna untuk menentukan data yang telah dikumpulkan berdistribusi nor
mal atau diambil dari populasi normal. Metode klasik dalam pengujian normalitas suatu d
ata tidak begitu rumit. Berdasarkan pengalaman empiris beberapa pakar statistik, data yan
g banyaknya lebih dari 30 angka (n > 30), maka sudah dapat diasumsikan berdistribusi no
rmal. Biasa dikatakan sebagai sampel besar.

Namun untuk memberikan kepastian, data yang dimiliki berdistribusi normal atau tidak, s
ebaiknya digunakan uji normalitas. Karena belum tentu data yang lebih dari 30 bisa dipas
tikan berdistribusi normal, demikian sebaliknya data yang banyaknya kurang dari 30 belu
m tentu tidak berdistribusi normal, untuk itu perlu suatu pembuktian. uji statistik yang da
pat digunakan diantaranya adalah: Uji Chi-Square, Kolmogorov Smirnov, Lilliefors, Sha
piro Wilk, Jarque Bera.

B. Jenis uji normalitas

a. Metode Chi Square Dalam Uji Normalitas

Metode Chi-Square atau X2 untuk Uji Goodness of fit Distribusi Normal menggunakan p
endekatan penjumlahan penyimpangan data observasi tiap kelas dengan nilai yang dihara
pkan. Uji Chi-square seringkali digunakan oleh para peneliti sebagai alat uji normalitas.

Keterangan :
X2 = Nilai X2
Oi = Nilai observasi
Ei = Nilai expected / harapan, luasan interval kelas berdasarkan tabel normal dikalikan N
(total frekuensi) (pi x N)
N = Banyaknya angka pada data (total frekuensi)

Komponen penyusun rumus tersebut di atas didapatkan berdasarkan pada hasil transform
asi data distribusi frekuensi yang akan diuji normalitasnya, sebagai berikut:

4
5

Tabel Pembantu Uji Normalitas.

Keterangan :
Xi = Batas tidak nyata interval kelas
Z = Transformasi dari angka batas interval kelas ke notasi pada distribusi normal
pi = Luas proporsi kurva normal tiap interval kelas berdasar tabel normal
Oi = Nilai observasi
Ei = Nilai expected / harapan, luasan interval kelas berdasarkan tabel normal dikalikan N
(total frekuensi) (pi x N)

b. Syarat Uji Chi-Square dalam Uji Normalitas

Persyaratan Metode Chi Square (Uji Goodness of fit Distribusi Normal)

a. Data tersusun berkelompok atau dikelompokkan dalam tabel distribusi frekuensi.
b. Cocok untuk data dengan banyaknya angka besar ( n > 30 )
c. Setiap sel harus terisi, yang kurang dari 5 digabungkan.

Signifikansi:
Signifikansi uji, nilai X2 hitung dibandingkan dengan X2 tabel (Chi-Square).
Jika nilai X2 hitung < nilai X2 tabel, maka Ho diterima ; Ha ditolak.
Jika nilai X2 hitung > nilai X2 tabel, maka maka Ho ditolak ; Ha diterima.

Contoh Uji Chi-Square dalam Analisis Normalitas

Contoh:
Diambil Tinggi Badan Mahasiswa Di Suatu Perguruan Tinggi Tahun 2010

5
6

Selidikilah dengan α = 5%, apakah data tersebut di atas berdistribusi normal ? (Mean = 1
57.8; Standar deviasi = 8.09)
Penyelesaian :
1. Hipotesis :

 Ho : Populasi tinggi badan mahasiswa berdistribusi normal

 H1 : Populasi tinggi badan mahasiswa tidak berdistribusi normal

2. Nilai α

 Nilai α = level signifikansi = 5% = 0,05

3. Rumus Statistik penguji

Luasan pi dihitung dari batasan proporsi hasil tranformasi Z yang dikonfirmasikan

dengan tabel distribusi normal atau tabel z.

6
7

4. Derajat Bebas

 Df = ( k – 3 ) = ( 5 – 3 ) = 2

5. Nilai tabel

 Nilai tabel X2 ; α = 0,05 ; df = 2 ; = 5,991. Baca selengkapnya tentang Tabel Chi-

Square.

6. Daerah penolakan

 Menggunakan gambar

 Menggunakan rumus: |0,427

| < |5,991| ; Keputusan hipotesis: berarti Ho diterima, Ha ditolak

7. Kesimpulan:  Populasi tinggi badan mahasiswa berdistribusi normal α = 0,05.

1. Uji Homogenitas
Uji homogenitas digunakan untuk mengetahui apakah beberapa varian populasi adalah
sama atau tidak. Uji ini dilakukan sebagai prasyarat dalam analisis independent sample t
test dan Anova. Asumsi yang mendasari dalam analisis varian (Anova) adalah bahwa
varian dari populasi adalah sama. Uji kesamaan dua varians digunakan untuk menguji
apakah sebaran data tersebut homogen atau tidak, yaitu dengan membandingkan kedua
variansnya. Jika dua kelompok data atau lebih mempunyai varians yang sama besarnya,
maka uji homogenitas tidak perlu dilakukan lagi karena datanya sudah dianggap
homogen. Uji homogenitas dapat dilakukan apabila kelompok data tersebut dalam
distribusi normal. Uji homogenitas dilakukan untuk menunjukkan bahwa perbedaan yang
terjadi pada uji statistik parametrik (misalnya uji t, Anava, Anacova ) benar-benar terjadi
akibat adanya perbedaan antar kelompok, bukan sebagai akibat perbeda1. Uji
Homogenitas. Uji homogenitas digunakan untuk mengetahui apakah beberapa varian
populasi adalah sama atau tidak. Uji ini dilakukan sebagai prasyarat dalam analisis
independent sample t test dan Anova. Asumsi yang mendasari dalam analisis varian
(Anova) adalah bahwa varian dari populasi adalah sama. Uji kesamaan dua varians
digunakan untuk menguji apakah sebaran data tersebut homogen atau tidak, yaitu dengan
membandingkan kedua variansnya. Jika dua kelompok data atau lebih mempunyai
varians yang sama besarnya, maka uji homogenitas tidak perlu dilakukan lagi karena

7
8

datanya sudah dianggap homogen. Uji homogenitas dapat dilakukan apabila kelompok
data tersebut dalam distribusi normal. Uji homogenitas dilakukan untuk menunjukkan
bahwa perbedaan yang terjadi pada uji statistik parametrik (misalnya uji t, Anava,
Anacova ) benar-benar terjadi akibat adanya perbedaan antar kelompok, bukan sebagai
akibat perbedaan dalam kelompok. Uji homogenitas variansi sangat diperlukan sebelum
membandingkan dua kelompok atau lebih, agar perbedaan yang ada bukan disebabkan
oleh adanya perbedaan data dasar (ketidakhomogenan kelompok yang dibandingkan).
Ada beberapa rumus yang bisa digunakan untuk uji homogenistas variansi di antaranya:
uji Harley, uji Cohran, Uji Levene, dan uji Bartlett.an dalam kelompok. Uji homogenitas
variansi sangat diperlukan sebelum membandingkan dua kelompok atau lebih, agar
perbedaan yang ada bukan disebabkan oleh adanya perbedaan data dasar
(ketidakhomogenan kelompok yang dibandingkan). Ada beberapa rumus yang bisa
digunakan untuk uji homogenistas variansi di antaranya: uji Harley, uji Cohran, Uji
Levene, dan uji Bartlett.

Jenis uji homogen

1. Uji homogenitas variansi

Langkah-langkah menghitung uji homogenitas :

1. Mencari Varians/Standar deviasi Variabel X dan Y, dengan rumus :

Rumus Uji
Homogenitas

2. Mencari F hitung deng

an dari varians X dan Y, dengan rumus :

Catatan:

Pembilang: S besar artinya Variance dari kelompok dengan variance terbesar (lebih bany
ak)

Penyebut: S kecil artinya Variance dari kelompok dengan variance terkecil (lebih sedikit)

Jika variance sama pada kedua kelompok, maka bebas tentukan pembilang dan penyebut.

3. Membandingkan F hitung dengan Tabel F: F Tabel dalam Excel pada tabel distribusi F,
dengan:

8
9

 U
nt
uk

varians dari kelompok dengan variance terbesar adalah dk pembilang n-1

 Untuk varians dari kelompok dengan  variance terkecil adalah dk penyebut n-1
 Jika F hitung < Tabel F: F Tabel dalam Excel, berarti homogen
 Jika F hitung > Tabel F: F Tabel dalam Excel, berarti tidak homogen

Contoh :

Data tentang hubungan antara Penguasaan kosakata(X) dan kemampuan membaca (Y):

Kemudian dilakukan penghitungan, dengan rumus yang ada:

Kemudian dicari F hitung :

Dari penghitungan diatas dip eroleh F hitung 2.81 dan

dari grafik daftar distribusi F dengan dk pembilang = 10-1 = 9. Dk penyebut = 10-1 = 9.
Dan α = 0.05 dan F tabel = 3.18. Tampak bahwa F hitung < Tabel F: F Tabel dalam Excel.
Hal ini berarti data variabel X dan Y homogen.

Uji Bartlett

9
10

Misalkan samoel berukuran n1,n2,…,nk dengan data Yij = (I = 1,2,…,k dan j = 1,2,…,n
k) dan hasil pengamatan telah disusun seperti dalam Tabel dibawah ini. Selanjutnya samp
el-sampel dhitung variansnya masing-masing yaitu:

Untuk mempermudah perhitungan, satuan-satuan yang diperlukan uji bartlett lebih baik d
isusun dalam sebuah tabel sebagai berikut :

Dari tabel diatas hitung nilai-nilai yang dibutuhkan :

1. Varians gabungan dari semua sampel:

2. Harga satuan B d engan rumus:

10
11

Uji bartlett digunakan statistik chi-kuadrat yaitu :

Dengan ln 10 = 2.3026.

Signifikansi:

11
12

Contoh :
Diambil data pertumbuhan berat badan anak sapi karena 4 jenis makanan:

Dengan varian setiap adalah sebagai berikut :

1. Hipotesis:

2. Nilai α:

 Nilai α = level signifikansi = 5% = 0,05

3. Rumus statistik penguji:

 Untuk mempermudah perhitungan, satuan-satuan yang diperlukan uji bartlett

lebih baik disusun dalam sebuah tabel sebagai berikut:

12
13

5. Nilai tabel: Jika α = 5% dari tabel distribusi chi kuadrat dengan dk = 3 didapat X20.95
(3) = 7.81.

6. Daerah penolakan:

 Menggunakan rumus 0,063 < 7.81 ; berarti Ho diterima, H1 ditolak

7. Kesimpulan:

Uji lenearitas
Uji Linearitas dilakukan bertujuan untuk mengetahui hubungan antara variabel
bebas dan tak bebas apakahlinear atau tidak. Linear diartikan hubungan seperti garis
lurus. Uji linearitas umumnya digunakan sebagai persyaratan analisis bila data penelitian
akan analisis menggunakan regresi linear sederhana atau regresi linear berganda.
Pengujian ini dimaksudkan untuk mengetahui apakah hubungan antara variabel-variabel
bebas dan tak bebas penelitian tersebut terletak pada suatu garis lurus atau tidak. Konsep
linearitas mengacu pada pengertian apakah variabel-variabel bebas dapat digunakan
untuk memprediksi variabel tak bebas dalamsuatu hubungan tertentu. Verifikasi
hubungan
linear dapat dilakukan dengan metode bivariate plot, linearity test dan curve estimation
atau analisis residual. Linearitas data biasanya akan membangun korelasi maupun regresi
linear dengan asumsi variabel-variabel penelitian yang akan dianalisis terverifikasi linear.

Untuk melakukan uji linearitas, terdapat dua cara yang dapat kamu gunakan. Pertama, me
lalui penilaian secara visual melalui scatter plot. Cara yang kedua adalah melakukan uji li
nearitas secara kuantitatif, yakni menggunakan statistical test yang bernama lack-of-fit te
st.

Scatter Plot
Secara visual, uji linearitas dapat dilakukan melalui penggunaan scatter plot yang mengg
ambarkan hubungan antara variabel dependen dengan independen (Casson & Farmer, 20

13
14

14). Istilah scatter plot sama dengan penerapan grafik biasa, yakni variabel independen di
letakkan pada sumbu X, sedangkan variabel dependen berada pada sumbu Y. Namun yan
g membedakan adalah scatter plot hanya berupa sebaran titik-titik observasi, bukan berup
a garis yang dihubungkan pada setiap titik observasi.

Sumber: mathbootcamps.com

Hubungan linear antara variabel dependen dengan independen dapat dikategorikan menja
di dua jenis, yakni positif dan negatif. Hubungan linier yang positif berarti bahwa semaki
n besar nilai variabel independen, semakin besar pula nilai variabel dependen. Hal sebalik
nya berlaku pula untuk hubungan linear yang negatif.

Namun penggunaan scatter plot antara variabel dependen vs independen tidaklah efektif
apabila terdapat banyak variabel independen yang digunakan dalam regresi linear karena
perlu memperhatikan banyak scatter plot secara satu-per-satu. Terdapat cara visual lain y
ang dapat digunakan untuk melakukan uji linearitas, yakni melalui scatter plot antara stu
dentized residual model regresi linear dengan nilai prediksi variabel dependen (Yfitted) (S
tevens, 2009).

14
15

Sumber: Osborne & Waters, 2002

Kedua gambar di atas mengilustrasikan scatter plot antara studentized residual dengan Yf

itted. Pada gambar di bagian kiri, ilustrasi tersebut mengindikasikan bahwa asumsi linear
itas telah terpenuhi karena titik-titik observasi tersebar merata di sekitar garis horizontal d
an tidak membentuk pola tertentu. Sedangkan ilustrasi gambar pada bagian kanan menan
dakan tidak terpenuhinya asumsi linearitas. Hal tersebut disebabkan titik-titik observasi
membentuk pola tertentu dan persebarannya tidak berada di sekitar garis horizontal.

Namun bagaimana cara membuat scatter plot antara studentized residual dengan Yfitted s
ecara manual? Untuk membuat scatter plot tersebut, kamu dapat mengikuti langkah-lang
kah di bawah ini:

1. Melakukan pemodelan regresi linear antara variabel dependen dengan

independen. Misalkan terdapat data mengenai banyaknya HP yang
diservis (variabel independen = X) dan lamanya waktu servis HP (variabel
dependen = Y) yang ditampilkan pada tabel di bawah ini.

2. Sumber:
Dokumentasi Penulis
3. Menghitung Yfitted berdasarkan persamaan regresi linear pada langkah 1
dengan cara melakukan substitusi nilai variabel independen ke dalam
persamaan tersebut. Diketahui hasil persamaan regresi pada contoh soal di
atas adalah: Y = -2,3221 + 14,7383 X. Setelah diperoleh hasil Yfitted,

15
16

selanjutnya kamu dapat menghitung residual dengan cara melakukan

operasi pengurangan antara nilai aktual Y dengan Yfitted. Hasilnya adalah
sebagai berikut.
4.

Sumber: Dokumentasi Penulis

1. Menghitung studentized residual menggunakan rumus:

Sumber:
Dokumentasi Penulis

Perhitungan unsur penyebut pada rumus di atas cukup rumit apabila dilakukan sec
ara manual. Sehingga untuk mempermudahnya, studentized residual dihitung den
gan memanfaatkan software statistik, yaitu SPSS dan akan dibahas pada pembaha
san selanjutnya. Di bawah ini merupakan hasil dari studentized residual untuk con
toh soal di atas.

2.

16
17

3. Sumber: Dokumentasi Penulis

4. Membuat scatter plot antara studentized residual (sumbu Y) dengan
Yfitted (sumbu X), serta garis horizontal pada Y = 0.

Sumber: Dokumentasi Penulis

Melalui scatter plot di atas, kamu dapat melakukannya untuk menilai apakah asu
msi linearitas pada persoalan sebelumnya telah terpenuhi. Secara visual, persebara
n titik-titik observasi telah cukup tersebar di sekitar garis horizontal dan juga tidak

17
18

membentuk pola tertentu. Sehingga dapat dikatakan bahwa secara visual, asumsi l
inearitas telah terpenuhi.

5.

Baca juga: Uji Validitas SPSS

Lack-of-fit Test
Pengujian linearitas dengan menggunakan scatter plot masih memungkinkan timbulnya h
asil yang rancu karena adanya subjektivitas ketika menilai persebaran dan pola dari titik-t
itik observasi. Untuk mengantisipasi permasalahan tersebut, terdapat metode kuantitatif y
ang dapat digunakan untuk uji linearitas, yakni lack-of-fit test. Langkah-langkah dan rum
us uji linearitas dengan menggunakan lack-of-fit test terhadap contoh soal sebelumnya ad
alah sebagai berikut:

 Hipotesis:
H0: Terdapat hubungan linear antara variabel dependen dengan independen
H1: Tidak terdapat hubungan linear antara variabel dependen dengan independen
 Statistik uji:
Rumus lack-of-fit test untuk uji linearitas
adalah,

 Sumber:
Dokumentasi Penulis

Simbol c merupakan banyaknya nilai unik (distinct value) pada variabel independ
en, p adalah banyaknya parameter dalam model regresi linier, sedangkan n adalah
banyaknya observasi. Dalam contoh soal sebelumnya, banyaknya variabel indepe
nden adalah 1, sehingga p = banyaknya variabel independen + 1 = 2. Di bawah ini
merupakan simulasi perhitungan nilai F untuk lack-of-fit-test.
1. Melakukan pemodelan regresi linear antara variabel dependen (lamanya waktu
servis HP) dengan independen (banyaknya HP yang diservis). Diketahui hasil per
samaan regresinya adalah: Y = -2,3221 + 14,7383 X. Kemudian lakukan operasi s
ubstitusi antara variabel independen ke dalam persamaan tersebut, sehingga diper
oleh nilai estimasi lamanya waktu servis HP (Yfitted).

18
19

 Sumber:
Dokumentasi Penulis

2. Mengurutkan nilai variabel independen dari yang terendah hingga tertinggi. Sel
anjutnya kelompokkan nilai-nilai variabel independen (X) yang sama, kemudian h
itung rata-rata dari nilai variabel dependen (Y) dan nilai Yfitted berdasarkan kelo
mpok-kelompok nilai variabel dependen.

19
20

Sumber: Dokumentasi Penulis

Nilai c dapat ditandai dari banyaknya warna yang berbeda pada variabel dependen
(X), sehingga c = 8. Dengan mensubstitusikan simulasi perhitungan di atas pada r
umus lack-of-fit test, maka nantinya diperoleh nilai F.

 S
umber: Dokumentasi Penulis
 Daerah penolakan:
Tolak H0 jika,

 Sumber: Dokumentasi Penulis

Nilai alpha (taraf signifikan) yang digunakan dalam pembahasan ini adalah 5%. U
ntuk membandingkan nilai Fhitung dengan Fstatistik, kamu perlu mengetahui nila
i Fstatistik melalui Tabel Distribusi F. Di bawah ini merupakan Tabel Distribusi F
untuk alpha = 5%.

20
21

 Su
mber: Regression Analysis by Example 5th ed. – Samprit
Chatterjee & Ali S. Hadi

Untuk mendapatkan nilai Fstatistik, kamu perlu menentukan nilai n1 dan n2. Pada
lack-of-fit test ini, n1 = c – p = 6. Adapun n2 = n – c = 18 – 8 = 10. Dengan demik
ian nilai Fstatistik yang kamu dapatkan adalah 3,22.


 Keputusan:
Oleh karena nilai Fhitung < Fstatistik, maka keputusan yang diambil adalah gagal
tolak H0.
 Kesimpulan:
Berdasarkan hasil uji linearitas menggunakan lack-of-fit test, dapat disimpulkan
bahwa terdapat hubungan linear antara banyaknya HP yang diservis dengan
lamanya waktu servis HP. Hasil dari lack-of-fit test ini memperkuat hasil uji
linearitas ketika menggunakan scatter plot yang ada pada pembahasan
sebelumnya.

Baca juga: Cara Melakukan Uji Reliabilitas

Uji Linearitas SPSS

SPSS merupakan software yang sering digunakan untuk kepentingan analisis statistik. Ba
nyak hal yang dapat kamu lakukan pada software ini, salah satunya adalah uji linearitas.
Pada pembahasan kali ini, uji linearitas pada regresi linier akan menggunakan SPSS versi

21
22

22 terhadap data mengenai 25 nilai ujian akhir siswa (Y) yang diduga dipengaruhi oleh ti
ga nilai kuis terdahulu (X1, X2, dan X3).

Sumber: Dokumentasi Penulis

Sebelum memulai uji linearitas dengan SPSS, terlebih dahulu kamu perlu mendefinisikan
nama dan format variabel pada “Variable View” yang terletak di bagian bawah SPSS. Se
hingga selanjutnya kamu dapat meng-input data tersebut pada “Data View”.

Sumber: Dokumentasi
Penulis

Setelah data ter-input, kamu dapat mulai melakukan uji linearitas terhadap persoalan terse
but pada SPSS. Teknik pertama yang akan digunakan adalah secara visual, yakni membu

22
23

at scatter plot antara Yfitted vs studentized residual. Kemudian teknik kedua adalah secar
a statistical test, yakni dengan menggunakan lack-of-fit test.

Scatter Plot

Langkah-langkah membuat scatter plot antara Yfitted vs studentized residual untuk uji lin
earitas pada SPSS 22 adalah sebagai berikut:

1. Dapatkan nilai Yfitted dan studentized residual dengan cara memilih menu
Analyze > Regression > Linear.

2. Sumber:
Dokumentasi Penulis
3. Pada kolom “Dependent”, isi variabel Y. Adapun kolom “Independent(s)”
diisi oleh variabel X1, X2, dan X3. Kemudian klik “Save”.

23
24

4. Sumb
er: Dokumentasi Penulis
5. Pada window baru yang muncul, centanglah “Unstandardized” pada
Predicted Values dan “Studentized” pada Residuals. Selanjutnya klik
“Continue” dan diakhiri dengan klik “OK”.

6. Sumber:
Dokumentasi Penulis

24
25

7. Hasil dari langkah nomor 3 adalah munculnya variabel baru pada Data
View bernama “PRE_1”, yakni Yfitted, dan “SRE_1” yang tidak lain
adalah studentized residual.

8. S
umber: Dokumentasi Penulis
9. Membuat scatter plot antara PRE_1 vs SRE_1 dengan memilih menu
Graphs > Legacy Dialogs > Scatter/Dot, kemudian pilih Simple Scatter
dan klik “Define”.

25
26

10.
Sumber: Dokumentasi Penulis
11. Masukkan Studentized Residual (SRE_1) pada kolom “Y Axis”,
Unstandardized Predicted Value (PRE_1) pada kolom “X Axis”, lalu klik
“OK” untuk mengakhiri.

12. Sumber: Dokumentasi

Penulis

26
27

13. Selanjutnya akan muncul output berupa gambar scatter plot seperti di
bawah ini.

14. Sumber
: Dokumentasi Penulis
15. Pada langkah nomor 7, belum terdapat garis horizontal pada Y = 0 yang
dapat digunakan untuk mempermudah dalam penentuan persebaran dan
pola titik-titik observasi. Untuk menambahkan garis horizontal tersebut,
kamu perlu melakukan klik sebanyak 2 kali tepat pada gambar scatter
plot, sehingga nantinya akan muncul window baru. Isi angka 0 pada
“Position” yang berarti bahwa akan dibuat garis horizontal pada Y = 0,
kemudian akhiri dengan klik “Apply”.

27
28

16.

Sumber: Dokumentasi Penulis

17. Hasil akhir dari modifikasi scatter plot tersebut adalah munculnya garis
horizontal pada Y = 0.

Su
mber: Dokumentasi Penulis

28
29

Melalui scatter plot di atas, secara visual terlihat bahwa terdapat beberapa titik ya
ng berada jauh dari garis horizontal dan juga titik observasi lainnya. Hal ini menja
di indikasi bahwa tidak terpenuhinya asumsi linearitas pada kasus yang dianalisis.

18.

Lack-of-fit Test
Setelah menggunakan metode visual, selanjutnya adalah melakukan uji linearitas dengan
metode lack-of-fit test untuk menghasilkan kesimpulan yang lebih pasti, yakni tanpa adan
ya unsur subjetivitas. Berikut ini langkah-langkah menggunakan lack-of-fit test pada SPS
S 22:

1. Untuk memulai uji linearitas, pilih menu Analyze > Compare Means >
Means. Nantinya akan muncul sebuah window baru.

2. S
umber: Dokumentasi Penulis
3. Isi kolom “Dependent List” dengan variabel Y, kemudian kolom
“Independent List” dengan variabel X1, X2, dan X3. Selanjutnya klik
“Options”.

29
30

4.

S
umber: Dokumentasi Penulis
5. Beri tanda centang pada “Test for linearity” ketika muncul window baru.
Klik “Continue”, selanjutnya klik pula “OK”.
6.

Sumber: Dokumentasi Penulis

7. Setelah seluruh langkah-langkah tersebut dilakukan,
nantinya akan muncul beberapa output pada SPSS
Statistics Viewer. Hasil dari pengujian linearitas ini
berada pada tabel yang terpisah, yakni antara Y*X1,

30
31

Y*X2, dan Y*X3. Output tabel yang perlu kamu

perhatikan hanyalah ANOVA Table.

Sumber: Dokumentasi Penulis

Untuk menguji linearitas antara setiap variabel independen terhadap variabel depe
nden, kamu cukup memperhatikan nilai Sig (p-value) pada bagian Deviation fro
m Linearity. Nilai F pada Deviation from Linearity ini dapat kamu peroleh denga
n cara menerapkan rumus pada lack-oft-test.

8.

Dengan menggunakan hipotesis H0: Terdapat hubungan linear antara variabe

l dependen dengan independen vs H1: Tidak terdapat hubungan linear antar
a variabel dependen dengan independen dan taraf signifikan (alpha) sebesar 5
%, daerah penolakannya adalah tolak H0 jika p-value < alpha.

9.

Ketiga nilai p-value pada Anova Table di atas lebih tinggi dibandingkan alpha, se
hingga keputusannya adalah gagal tolak H0. Oleh karena itu dapat disimpulkan ba
hwa setiap nilai kuis pada 25 siswa memiliki hubungan yang linear terhadap nilai
ujian akhir. Dengan kata lain, uji linearitas pada persoalan ini telah terpenuhi.

10.

Adanya perbedaan hasil antara pengujian linearitas ketika menggunakan scatter p

lot dan lack-of-fit test, sebaiknya kamu memilih hasil uji linearitas pada lack-of-fit
31
32

test. Hal ini dikarenakan metode lack-of-fit test berdasarkan pada perhitungan kua
ntitatif dan terhindar dari unsur subjetivitas.

11.

III. Daftar Pustaka

Anwar Hidayat. 2012. Uji normalitas dan metode perhitungan. Statistikian.

Dr. I Wayan Widana, S.Pd., M.Pd.Putu Lia Muliani. 2020. Uji persyaratan analisis.

32
33

33