Analisis korelasi atau koefisien korelasi:

Ukuran yang menyatakan keeratan hubungan antar variable.

Bila hanya dua buah variable yang terlibat dalam satu analisis korelasi disebut korelasi bivariabel
(bivariate correlation).
Korelasi pearson atau korelasi sederhana (simple correlation):
- Mengukur tingkat keeratan hubungan linier antara 2 buah variable.
- Skala pengukuran atau skala data: keduanya berbentuk numerik.
Korelasi spearman:
- Skala pengukuran atau skala data: keduanya berbentuk ordinal.

KASUS 1:
Adakah korelasi skor depresi dengan skor ansietas?
Tahap 1:
1) Tentukan variable yang dihubungkan (depresi  numerik dan ansietas  numerik).
2) Tentukan jenis hipotesis (korelatif)
3) Tentukan skala data atau pengukuran (numerik atau nominal).

Tahap 2:
Hipotesis korelatif:
- Jika sebaran data berdistribusi NORMAL  uji parametric (PEARSON).
- Jika sebaran data berdistribusi TIDAK NORMAL  uji non-parametrik (SPEARMAN).

Tahap 3:
Prosedur uji normalitas data:
1) Uji normalitas data terlebih dahulu.
Menu: analyze  descriptive statistic  explore  ke-2 variabel di-drag kedependent
list  plots  pilih normality plots with test  continue  OK.
2) Lihat hasil: table test of normality  Kolmogorov smirnov
3) Interpretasi uji normalitas:
 Pada uji Kolmogorov smirnov (skor ansietas maupun skor depresi) mempunyai nilai
p=0,078. Karena p>0,05, maka disimpulkan kedua kelompok data mempunyai sebaran
data berdistribusi NORMAL.
4) Berarti memenuhi syarat uji PEARSON.

Tahap 4:
Uji PEARSON:
1) Menu: analyze  correlate  bivariate  ke-2 variabel di-drag ke variables  pada
kolom correlation coeffisients pilih PEARSON  OK.
2) Lihat hasil: table correlations.
3) Interpretasi uji pearson:
a. Pada Sig. (2-tailed) diperoleh nilai p=0,000 yang menunjukkan bahwa korelasi antara
skor depresi dan skor ansietas adalah bermakna.
b. Pada Pearson Correlations diperoleh nilai 0,888 yang menunjukkan KORELASI
POSITIF dengan kekuatan korelasi SANGAT KUAT.
4) Melaporkan hasil:
terdiri atas: koefisien korelasi (r), nilai p, dan jumlah subjek (n).

Skor ansietas
Skor depresi r 0,888
p 0,000
n 30

Catatan:
Keeratan hubungan (korelasi) antara kedua variabel:
1. nilai 0,00 - 0,20: korelasi keeratan sangat lemah.
2. nilai 0,21 - 0,40: korelasi keeratan lemah.
3. nilai 0,41 - 0,70: korelasi keeratan kuat.
4. nilai 0,71 - 0,90: korelasi keeratan sangat kuat.
5. nilai 0,91 - 0,99: korelasi keeratan sangat kuat sekali.
6. nilai 1: korelasi keeratan sempurna.
KASUS 2:
Adakah korelasi antara skor gangguan somatic dengan skor gangguan social?
Tahap 1:
1) Tentukan variable yang dihubungkan (gangguan somatic  numerik dan gangguan social
 numerik).
2) Tentukan jenis hipotesis (korelatif)
3) Tentukan skala data atau pengukuran (numerik atau nominal).

Tahap 2:
Hipotesis korelatif:
- Jika sebaran data berdistribusi NORMAL  uji parametric (PEARSON).
- Jika sebaran data berdistribusi TIDAK NORMAL  uji non-parametrik (SPEARMAN).

Tahap 3:
Prosedur uji normalitas data:
1) Uji normalitas data terlebih dahulu.
Menu: analyze  descriptive statistic  explore  ke-2 variabel di-drag kedependent
list  plots  pilih normality plots with test  continue  OK.
2) Lihat hasil: table test of normality  Kolmogorov smirnov
3) Interpretasi uji normalitas:
Pada uji Kolmogorov smirnov (skor gangguan somatic maupun skor gangguan social)
mempunyai nilai p=0,000. Karena p<0,05, maka disimpulkan kedua kelompok data
mempunyai sebaran data berdistribusi TIDAK NORMAL.
4) Berarti memenuhi syarat uji SPEARMAN.

Tahap 4:
Karena data berdistribusi TIDAK NORMAL, maka langkah selanjutnya adalah
MENORMALKAN data dengan cara TRANFORMASI DATA.
1) Menu: transform  compute  isi target variable: “tran_ gangguan somatic”.
2) Pilih functions  LG 10 [numexpr].
 3) Pilih Type & label: gangguan somatic  drag ke numeric expression.
4) OK.

Tahap 5:
Ulangi tahap 3 (prosedur uji normalitas data) terhadap hasil dari TRANFORMASI DATA.
Jika data tetap berdistribusi TIDAK NORMAL, maka langkah selanjutnya diuji SPEARMAN.

Tahap 6:
Uji SPEARMAN:
1) Menu: analyze  correlate  bivariate  ke-2 variabel di-drag ke variables  pada
kolom  pilih SPEARMAN  OK.
2) Lihat hasil: table correlations
3) Interpretasi uji SPEARMAN:
Pada Sig. (2-tailed) diperoleh nilai p=0,000 yang menunjukkan bahwa korelasi antara
gangguan somatik dengan gangguan sosial adalah bermakna.
Pada Pearson Correlations diperoleh nilai 0,351 yang menunjukkan KORELASI
POSITIF dengan kekuatan korelasi LEMAH.
4) Melaporkan hasil:
terdiri atas: koefisien korelasi (r), nilai p, dan jumlah subjek (n).

Gangguan sosial
Gangguan somatik r 0,351
p 0,000
n 30

Analisis regresi:
Teknik analisis untuk menganalisis hubungan antara sebuah variable dependen dengan satu atau
lebih variable independen.
Bila hanya satu variable independen disebut regresi sederhana (simple regression).
Bila lebih dari satu variable independen disebut regresi berganda (multiple regression).