PRAKTIKUM

STATISTIK INDUSTRI

DISUSUN OLEH:

NAMA : ASTRI SASMITA HARAHAP

NIM : 2203020

JUDUL BAB : UJI LINIERITAS

TANGGAL : 21 JULI 2023

POLITEKNIK TEKNOLOGI KIMIA INDUSTRI MEDAN

BADAN PENGEMBANGAN SUMBER DAYA MANUSIA
INDUSTRI KEMENTERIAN PERINDUSTRIAN
2023
 BAB 1
PENDAHULUAN

Tujuan Praktikum:
1. Untuk mengetahui Hubungan linear antara kelas A dan kelas B
2. Untuk mengetahui Hubungan linear antara kelas A dan C
3. Untuk mengetahui Perbandingan antara Variabel kelas A dan B atau
variabel kelas A dan C
 BAB II
TINJAUAN PUSTAKA
UJI LINIERITAS
Uji linearitas adalah suatu metode statistik yang digunakan untuk memeriksa
apakah hubungan antara dua atau lebih variabel bersifat linier atau tidak. Jika
hubungan tersebut linier, artinya pola hubungan antara variabel-variabel tersebut
dapat dijelaskan dengan menggunakan persamaan garis lurus.
Uji linearitas umumnya digunakan dalam analisis regresi, terutama regresi linier.
Tujuannya adalah untuk memastikan bahwa asumsi dasar regresi linier terpenuhi,
yaitu adanya hubungan linier antara variabel independen (variabel prediktor) dan
variabel dependen (variabel respons). (Hidayah,2015).
Ada beberapa cara untuk melakukan uji linearitas, tergantung pada jumlah variabel
yang terlibat dan tujuan analisis. Beberapa di antaranya adalah:
1. Uji Grafik: Dalam metode ini, Anda dapat membuat scatter plot (diagram
pencar) dari data yang ingin dianalisis. Jika titik-titik data pada scatter plot
membentuk pola yang hampir garis lurus, ini menunjukkan indikasi bahwa
hubungan antara variabel-variabel tersebut cenderung linier.
2. Uji Regresi Linier: Anda dapat melakukan analisis regresi linier antara
variabel independen dan dependen. Kemudian, periksa nilai R-squared
(koefisien determinasi). Jika R-squared mendekati 1, artinya variabel
independen dengan baik menjelaskan variabilitas variabel dependen,
menunjukkan hubungan linier yang kuat.
3. Uji Transformasi Variabel: Jika hubungan antara variabel tidak terlihat
linier dalam scatter plot, Anda dapat mencoba melakukan transformasi pada
salah satu atau kedua variabel untuk mencari transformasi yang
menghasilkan hubungan yang lebih linier.
4. Uji Residual Plot: Setelah melakukan analisis regresi, Anda dapat
memeriksa plot residual. Jika plot residual menunjukkan pola yang
sistematis atau tidak acak, ini menunjukkan bahwa hubungan antara
variabel tidak linier. (Sawal,2009).
Jika uji linearitas menunjukkan bahwa hubungan antara variabel bersifat non-linier,
Anda mungkin harus mempertimbangkan metode analisis yang lebih sesuai untuk
data Anda, seperti regresi non-linier atau menggunakan model statistik lainnya yang
lebih cocok.
Langkah-langkah untuk melakukan uji linearitas:
1. Buat scatter plot:
Gambarlah sebuah scatter plot dengan sumbu X mewakili pengeluaran iklan dan
sumbu Y mewakili penjualan produk. Titik-titik data pada scatter plot akan
menunjukkan pola hubungan antara kedua variabel.
2. Gambar Scatter Plot
Dalam contoh ini, titik-titik data pada scatter plot tampak membentuk pola yang
hampir membentuk garis lurus, yang menunjukkan adanya indikasi hubungan linier
antara pengeluaran iklan dan penjualan produk.
3. Interpretasi scatter plot:
Melihat scatter plot, kita dapat mengamati bahwa semakin tinggi pengeluaran iklan
(X), semakin tinggi pula penjualan produk (Y). Hal ini menunjukkan adanya
hubungan positif antara kedua variabel, yang sesuai dengan asumsi dalam regresi
linier.
4. Kesimpulan uji linearitas:
Berdasarkan scatter plot dan interpretasi, kita dapat menyimpulkan bahwa dalam
contoh ini, terdapat indikasi kuat bahwa hubungan antara pengeluaran iklan dan
penjualan produk bersifat linier. (Sri,2017).
Selain metode grafik, Anda juga dapat melakukan uji linearitas menggunakan
metode regresi linier atau uji statistik lainnya seperti uji residual plot. Namun,
dalam contoh sederhana ini, penggunaan scatter plot sudah cukup untuk
mengidentifikasi hubungan linier antara kedua variabel.
Penggunaan uji linearitas dalam kehidupan sehari-hari mungkin tidak serutin dalam
dunia statistik atau analisis data, tetapi konsepnya dapat membantu dalam beberapa
aspek kehidupan. Berikut beberapa contoh penggunaan uji linearitas secara
sederhana:

1. Keuangan Pribadi: Anda dapat menggunakan uji linearitas untuk

menganalisis hubungan antara pengeluaran bulanan Anda dengan tabungan
atau penghasilan. Dengan demikian, Anda dapat memahami apakah pola
 pengeluaran Anda bersifat linier terhadap pendapatan atau mungkin ada
faktor lain yang mempengaruhi pola pengeluaran Anda.
2. Kesehatan dan Olahraga: Dalam olahraga, misalnya, Anda dapat
menggunakan uji linearitas untuk mengevaluasi hubungan antara latihan
fisik (misalnya, jumlah jam berolahraga) dengan peningkatan kinerja fisik
atau kesehatan. Ini dapat membantu Anda memahami sejauh mana
konsistensi dan tingkat perubahan yang dapat dicapai dengan meningkatkan
aktivitas fisik.
3. Hubungan Sosial: Anda bisa mencoba menggambarkan hubungan antara
waktu yang dihabiskan bersama teman atau keluarga dengan tingkat
kebahagiaan atau kepuasan hidup Anda. Dengan uji linearitas, Anda dapat
memeriksa apakah semakin banyak waktu yang dihabiskan bersama orang-
orang terdekat berarti semakin tinggi tingkat kebahagiaan.
4. Pertumbuhan Bisnis: Dalam bisnis, Anda dapat menggunakannya untuk
mengevaluasi hubungan antara anggaran pemasaran dengan peningkatan
penjualan atau pendapatan. Ini dapat membantu Anda menentukan strategi
pemasaran yang efektif dan menilai potensi pertumbuhan bisnis
berdasarkan anggaran pemasaran yang dialokasikan.
5. Ingatlah bahwa contoh-contoh di atas sederhana dan seringkali tidak
selengkap atau rumit seperti dalam analisis statistik formal. Namun,
pemahaman dasar tentang uji linearitas dapat membantu Anda memahami
dan menerapkan konsep tersebut dalam konteks sehari-hari untuk membuat
keputusan yang lebih baik dan menyelidiki pola hubungan antara variabel-
variabel tertentu. (Gamelil,2020).
Saat melakukan uji linearitas, ada beberapa hal penting yang perlu diingat agar
analisis Anda akurat dan dapat diandalkan. Berikut adalah beberapa hal yang harus
diperhatikan Asumsi Regresi Linier: Uji linearitas merupakan salah satu dari
beberapa asumsi dasar dalam analisis regresi linier. Pastikan bahwa data Anda
memenuhi asumsi lainnya, seperti independensi residual, homoskedastisitas
(varians residual konstan), dan normalitas residual.J enis Data: Pastikan bahwa data
yang Anda gunakan sesuai untuk analisis regresi linier atau uji linearitas. Data yang
kontinu atau interval biasanya cocok untuk regresi linier. (Nadia,2006).
 BAB 3

PROSEDUR PRAKTIKUM

Uji lineritas

Latihan 1
1. Masuk ke aplikasi SPSS

2. Buatlah data pada variable view menggunakan data A dan B

3. Input data yang telah tersedia ke dalam data view sesuai dengan variable
masing-masing

4. kemudian untuk menganalisis klik Analyze >> Compare Means >> Means
5. Maka akan muncul tampilan

6. Setelah itu, masukkan Kelas a ke kotak Independent List, dan kelas b ke

Kotak dependent List
7. kemudian klik Option sehingga muncul tampilan
8. Setelah itu centang Test of linierity, dan klik Continue >> OK,
9. maka akan muncul output:
A dan C

1. Masuk ke aplikasi SPSS

2. Buatlah data pada variable view menggunakan data A,dan C

3. Input data yang telah tersedia ke dalam data view sesuai dengan variable
masing-masing

4. kemudian untuk menganalisis klik Analyze >> Compare Means >> Means
5. Maka akan muncul tampilan

6. Setelah itu, masukkan Kelas a ke kotak Independent List, dan kelas c ke

Kotak dependent List
7. kemudian klik Option sehingga muncul tampilan

8. Setelah itu centang Test of linierity, dan klik Continue >> OK,
9. maka akan muncul output:
A, B dan C
1. Masuk ke aplikasi SPSS

2. Buatlah data pada variable view menggunakan data A,B dan C

3. Input data yang telah tersedia ke dalam data view sesuai dengan variable
masing-masing
4. kemudian untuk menganalisis klik Analyze >> Compare Means >> Means

5. Maka akan muncul tampilan

6. Setelah itu, masukkan Kelas b ke kotak Independent List, dan kelas c ke
Kotak dependent List

7. kemudian klik Option sehingga muncul tampilan

8. Setelah itu centang Test of linierity, dan klik Continue >> OK,
9. maka akan muncul output:
 BAB 4

PEMBAHASAN

dari file informasi pada latihan 1 dapat diketahui bahwa:

Berdasarkan output dari latihan 1 output pertama case processing summary
menjelaskan tentang variabel masing-masing kelas A dan B dimana jumlah data
kedua variabel adalah 20 dengan data yang terinput adalah 20 dimana persentase
nya 100%, dan pada encluded data yang tidak terinput 0 dengan persentase 0%
deangan total datanya adalah 20 dan persentase nya 100%

Kemudian output kedua (report) terdiri dari rata-rata(mean),dengan jumlah data

dimana kelas A dan B dengan std deviation dan memiliki nilai minimum dan
maximum untuk kelas A dan B dan memiliki data median dan memiliki std.error of
mean

Pada output ketiga(anova table) kita hanya perlu membaca data dari deviation from
linearity dimana sum of squares nya memiliki nilai 883.097 dengan df 16 dan nilai
mean squarenya 55.194. Pada F hitung yang kita dapat 11.199 dimana kita akan
membandingkan nilai F hitung nya dengan F tabel, terlebih dahulu kita harus
mencari f tabel nya dengan cara melihat f tabel dimana dengan cara nilai dari within
groups sebagai vertical dan deviation from linearity, dari keterangan tersebut maka
kita dapat nilai f tabelnya di ambil dari pertemuan angka 2 dan 16 dimana f tabelnya
adalah 19,4 dan akan kita bandingkan dengan f hitung. 19,4>11.199 maka dapat
disimpulkan tidak ada hubungan linear antara kelas b dan kelas a. kemudian kita
dapat taraf signifikannya adalah 0.085 dimana taraf signifikan yang kita pakai
adalah 0.05 maka akan kita bandingkan 0.05<0.085 maka dapat disimpulkan bahwa
ada hubungan yang liniar di antara variabel kelas a dan kelas b

Pada output ke empat meassure of assiciation dapat kita lihat r yang kita dapat
adalah 0.250 denfan r square 0.063 dan akan kita uji dimana 0.063 bernilai sangat
rendah karena berada pada antara 0.00-0.199 .
pada file informasi A dan C dapat disimpulkan bahwa:
Berdasarkan output dari latihan 1 output pertama case processing summary
menjelaskan tentang variabel masing-masing kelas A dan C dimana jumlah data
kedua variabel adalah 20 dengan data yang terinput adalah 20 dimana persentase
nya 100%, dan pada encluded data yang tidak terinput 0 dengan persentase 0%
deangan total datanya adalah 20 dan persentase nya 100%

Kemudian output kedua (report) terdiri dari rata-rata(mean),dengan jumlah data

dimana kelas A dan C dengan std deviation dan memiliki nilai minimum dan
maximum untuk kelas A dan C dan memiliki data median dan memiliki std.error of
mean

Pada output ketiga(anova table) kita hanya perlu membaca data dari deviation from
linearity dimana sum of squares nya memiliki nilai 495.559 dengan df 16 dan nilai
mean squarenya 30.972. Pada F hitung yang kita dapat 0.306 dimana kita akan
membandingkan nilai F hitung nya dengan f tabel, terlebih dahulu kita harus
mencari f tabel nya dengan cara melihat f tabel dimana dengan cara nilai dari within
groups sebagai vertical dan deviation from linearity, dari keterangan tersebut maka
kita dapat nilai f tabelnya di ambil dari pertemuan angka 2 dan 16 dimana f tabelnya
adalah 19,4 dan akan kita bandingkan dengan f hitung. 19,4>0.306 maka dapat
disimpulkan tidak ada hubungan linear antara kelas A dan kelas C . kemudian kita
dapat taraf signifikannya adalah 0.935 dimana taraf signifikan yang kita pakai
adalah 0.05 maka akan kita bandingkan 0.05<0.935 maka dapat disimpulkan bahwa
ada hubungan yang liniar di antara variabel kelas a dan kelas c

Pada output ke empat meassure of assiciation dapat kita lihat r yang kita dapat
adalah 0.406 denfan r square 0.165 dan akan kita uji dimana 0.165 bernilai sangat
rendah karena berada pada antara 0.00-0.199 .
Berdasarkan file informasi dari variabel A,B, dan C dapat disimpulkan bahwa:

Berdasarkan output dari latihan 1 output pertama case processing summary

menjelaskan tentang variabel masing-masing kelas A B dan C dimana jumlah data
kedua variabel adalah 20 dengan data yang terinput adalah 20 dimana persentase
nya 100%, dan pada encluded data yang tidak terinput 0 dengan persentase 0%
deangan total datanya adalah 20 dan persentase nya 100%

Dan pada output kedua anova table dapat kita bandingkan dimana nilai f tabel a
dan b dengan a dan c lebih besar f tabel dari a dan b dan jika kita bandingkan kedua
nilai f tabel tersebut nilainya masih lebih besar f tabel sehingga tida ada hubungan
linear antara variabel A dan B atau A dan C

Pada output ketiga measure of associatioan dapat kita bandingkan nilai r kedua nya
dimana r yang paling besar adalah pada nilai pada variabel A dan C dan pada R
squarednya dapat kita lihat dimana kedua data pada variabel a dan b atau a dan c
berada pada nilai sangat rendah berada pada nilai 0.00-0.199 akan tetapi jika kita
bandingkan kedua data tersebut variabel A dan C memiliki nilai r squared lebih
tinggi atau tingkatnya lebih tinggi.
 BAB 5
KESIMPULAN
1. Berdasarkan hasil output yang di dapat pada latihan 1 Pada F hitung yang
kita dapat 11.199 dimana kita akan membandingkan nilai F hitung nya
dengan F tabel, F tabelnya adalah 19,4 dan akan kita bandingkan dengan F
hitung. 19,4>11.199 maka dapat disimpulkan tidak ada hubungan linear
antara kelas A dan kelas B.
2. Berdasarkan hasil output pada latihan 1 Pada F hitung yang kita dapat 0.306
dimana kita akan membandingkan nilai F hitung nya dengan f tabel, dimana
f tabelnya adalah 19,4 dan akan kita bandingkan dengan f hitung.
19,4>0.306 maka dapat disimpulkan tidak ada hubungan linear antara kelas
A dan kelas C
3. Berdasarkan hasil output pada latihan 1 dapat kita bandingkan nilai r kedua
nya dimana r yang paling besar adalah pada nilai pada variabel A dan C dan
pada R squarednya dapat kita lihat dimana kedua data pada variabel a dan b
atau a dan c berada pada nilai sangat rendah berada pada nilai 0.00-0.199
akan tetapi jika kita bandingkan kedua data tersebut variabel A dan C
memiliki nilai r squared lebih tinggi atau tingkatnya lebih tinggi.
 DAFTAR PUSTAKA
Gamelil.2020. Uji Linieritas Pada Penggunaan SPSS. Yogyakarta: Universitas
Gadjah Mada
Hidayah.2015. Pengertian Uji Linieritas . Jakarta: Penerbit Salemba 4
Nadia.2006. Pengantar Ilmu Statistik Dan Cara Menganalisa Statistika Pada SPSS.
Jakarta: Penerbit Erlangga
Sawal.2009. Metode Pembelajaran SPSS Dan Cara Pengelolaannya. Bandung:
Universitas Pendidikan Indonesia
Sri.2017. Pengertian Linieritas pada SPSS. Bali: Universitas Udayana