Dalam analisis regresi linier, terdapat empat asumsi yang harus dipenuhi untuk memastikan hasil yang akurat. Asumsi pertama adalah asumsi linearity, yaitu data harus memiliki hubungan linear antara variabel dependen dan independen.

Untuk memeriksa asumsi linearity, dapat digunakan scatter plot antara variabel dependen dan independen. Dalam contoh di atas, scatter plot menunjukkan bahwa data memiliki hubungan linear yang jelas, sehingga asumsi linearity terpenuhi.

Apa Sama Asumsi Linearity?

Asumsi linearity adalah salah satu dari empat asumsi yang harus dipenuhi dalam analisis regresi linier. Keempat asumsi tersebut adalah:

1. Linearity of residuals: Data harus memiliki hubungan linear antara variabel dependen dan independen.
2. Independence of residuals: Residuals tidak boleh terpengaruh oleh nilai lainnya.
3. Normal distribution of residuals: Residuals harus berdistribusi secara normal.
4. Equal variance of residuals: Varian residual harus sama untuk semua nilai variabel independen.

Cara Menjelaskan Asumsi Linearity dengan SPSS

Dalam SPSS, dapat digunakan opsi "Plot" dalam analisis regresi linier untuk menjelaskan asumsi linearity. Caranya adalah sebagai berikut:

1. Klik pada menu "Analyze" > "Regression" > "Linear Regression".
2. Klik pada opsi "Plot" dan pilih "Histogram", kemudian tentukan variabel dependen sebagai y-axis dan residuals (ZRESID) sebagai x-axis.

Cara Menjelaskan Asumsi Linearity dengan Minitab

Dalam Minitab, dapat digunakan fit regression model untuk menjelaskan asumsi linearity. Caranya adalah sebagai berikut:

1. Klik pada menu "Stat" > "Regression" > "Regression" > "Fit Regression Model".
2. Tentukan variabel dependen sebagai response dan variabel independen sebagai continuous predictor.
3. Klik pada opsi "Graphs" dan pilih "Four in one", kemudian tentukan Normal Probability Plot dan Versus Fits graphs untuk menjelaskan asumsi 2-4.

Contoh Asumsi Linearity yang Terpenuhi

Dalam contoh di atas, scatter plot menunjukkan bahwa hubungan antara height dan weight adalah linear. Juga, residuals versus fits plot tidak menunjukkan adanya relasi antara residual dan weight. Dengan demikian, asumsi linearity terpenuhi.

Contoh Asumsi Linearity yang Tidak Terpenuhi

Dalam contoh lainnya, scatter plot menunjukkan bahwa hubungan antara height dan weight tidak linear. Juga, residuals versus fits plot menunjukkan adanya relasi antara residual dan weight. Dengan demikian, asumsi linearity tidak terpenuhi.

Dalam konklusi, asumsi linearity sangat penting dalam analisis regresi linier. Dengan memahami cara menjelaskan asumsi linearity dengan SPSS dan Minitab, kita dapat mengetahui apakah data memiliki hubungan linear atau tidak.