Skip to main content

Ujian Kelinearan (Linearity Test)

Tujuan ujian kelinearan data adalah untuk menguji hubungan di antara pembolehubah bebas dan pembolehubah bersandar mempunyai hubungan kelinearan atau tidak. Ujian kelinearan adalah keperluan sebelum menguji korelasi dan regresi linear. Dalam sebuah model regresi sepatutnya wujud hubungan kelinearan di antara pembolehubah bebas dan pemboleh bersandar.

Terdapat beberapa kaedah untuk menguji kelinearan antaranya melalui gambarajah taburan plot (scatter plot) dan Test for linearity yang di sediakan di dalam SPSS.

  • Jika keputusan daripada sig. Deviation from Linearity > 0.05, maka wujudnya hubungan kelinearan di antara pembembolehubah bebas dan pembolehubah bersandar.
  • Jika keputusan daripada sig. Deviation from Linearity < 0.05, maka tidak wujudnya hubungan kelinearan di antara pembembolehubah bebas dan pembolehubah bersandar.

Contoh analisa menggunakan SPSS.

Data adalah berkaitan untuk menguji kesan makanan tambahan ke atas skor geografi pelajar. Pembolehubah kawalan adalah prarawatan skor. Manakala pembolehubah bebas atau pembolehubah yang di manipulasi, adalah kumpulan atau jenis makanan tambahan yang diterima (Kumpulan 1 = makanan tambahan A, Kumpulan 2 = makanan tambahan B). Pembolehubah bersandar pula adalah pascarawatan skor iaitu markah geografi selepas menerima atau makan makanan-makanan tambahan untuk beberapa tempoh.

Jika pembolehubah bebas terbahagi kepada beberapa kumpulan, maka split file proses di syorkan untuk di lakukan. Supaya keputusan (output) daripada SPSS akan mudah dibaca kerana keputusan akan di asingkan mengikut kumpulan-kumpulan yang terdapat dalam pembolehubah bersandar.

Klik pada Data dan klik pada Split File seperti gambarajah di atas.


Klik pada Organize output by groups. 


Kemudian masukkan Kumpulan (pembolehubah bebas (skala nominal atau ordinal)) ke dalam kotak seperti gambar rajah di atas. Setelah itu, klik pada OK. Maka dengan ini, setiap analisa berkenaan pembolehubah bebas yang di bahagikan mengikut kumpulan atau kategori, akan sentiasa memberi keputusan atau output masing-masing mengikut kategorinya.


Jika tiada pembolehubah bebas dalam skala nominal atau ordinal yang mahu dilihat sebarang analisa mengikut kumpulan-kumpulan tertentu, maka boleh terus kepada klik pada Analyze dan Compare Means serta klik pada Means seperti di atas.


Sila masukkan pembolehubah kawalan ke dalam kotak Independent List dan pembolehubah bersandar ke dalam Dependent List seperti di atas. Seterusnya, tekan pada butang Options.


Kemudian, klik pada Test for linearity untuk mendapat analisa berkait dengan kelinearan yang menjadi objektif kepada ujian kelinearan.


Pada jadual di atas, sig. Deviation from Linearity adalah 0.011 iaitu kurang daripada 0.05. Maka tidak wujud hubungan kelinearan di antara prarawatan dan prerawatan di dalam Kumpulan 1 (makanan tambahan A).

Pada jadual di atas, sig. Deviation from Linearity adalah 0.181 iaitu lebih daripada 0.05. Maka tidak wujud hubungan kelinearan di antara prarawatan dan prerawatan di dalam Kumpulan 2 (makanan tambahan B).







Labels:

Popular posts from this blog

Krejcie & Morgan sample size calculator

Krejcie & Morgan Sample Size Calculator Enter Population Size (N): Calculate Sample Size Recommended Sample Size (n): 📘 About This Calculator This calculator uses the Krejcie & Morgan (1970) formula to estimate the minimum sample size required when the total population size is known. It is commonly used in social sciences, education, and health research. The formula is: n = (X² × N × P × (1 − P)) / (d² × (N − 1) + X² × P × (1 − P)) X² = 3.841 (for 95% confidence level) P = 0.5 (maximum variability) d = 0.05 (±5% precision) 📚 Citation Krejcie, R.V., & Morgan, D.W. (1970). Determining Sample Size for Research Activities . Educational and Psychological Measurement, 30 (3), 607–610. https://doi.org/10.1177/001316447003000308
Post a Comment
Read more

G*Power Perisian Bagi Pengiraan Sampel Saiz.

Penggunaan Gpower kerap menekan kepada tiga langkah berikut: Memilih ujian statistik yang sesuai atau padan dengan masalah yang di kaji. Memilih di antara lima jenis analisis kuasa (power analysis) yang di sediakan. Sediakan parameter input yang di perlukan analasis dan klik pada “calculate” Pada Langkah 1, pendekatan yang digunakan untuk memilih ujian statistic (statistical test) adalah melalui dua pendekatan, iaitu distribution based atau design-based approach . Distribution-based approach to the test selection Melalui pendekatan distribution-based , pendekatan pertama adalah melihat pada kumpulan umum ujian statistik menggunakan '' Test family'' menu yang terdapat di window atau tingkap utama.   Ujian statitik ( Statistical test ) menu akan berubah mengikut pilihan di dalam '' Test family'' . Ujian-ujian yang ada akan selaras mengikut pada '' test family'' yang di pilih sahaja. Design-based approach to the test se...
Read more

Ujian ANOVA sehala (one-way ANOVA)

Ujian-T (t-test) di gunakan untuk mengenali perbezaan min di antara dua kumpulan. Bagaimana pula jika kumpulan yang ingin di bandingkan mempunyai lebih daripada dua kumpulan? Jawapannya adalah menggunakan ANOVA. Jika kumpulan pembolehubah dua kumpulan, maka keputusan daripada ANOVA sehala ( one-way ANOVA ) dan ujian-t (independent t-test) adalah sama. Pengkaji boleh memastikan keputusan di dapati daripada senario di atas dengan menggunakan formula t 2 = F . Terdapat dua jenis ujian ANOVA sehala, iaitu ujian ANOVA sehala untuk pengukuran berulang (masa berlainan ( longitudinal data ) atau keadaan berbeza-beza) dan ujian ANOVA sehala untuk sampel-sampel bebas (data di kumpul daripada beberapa sampel yang bebas antara satu sama lain). Syarat-syarat sebelum menggunakan ANOVA sehala. Sebelum menggunakan ujian ANOVA sehala beberapa syarat perlu di penuhi. Antaranya adalah, pembolehubah bersandar dalam skala selang atau skala nisbah. Kedua, pembolehubah tidak bersandar dalam bentuk kate...
Read more