Uji Korelasi

1. Memasukkan data

2. Klik Analyze, pilih Correlate, pilih dan klik Bivariate.

3. Memasukkan variabel kategori dan status_kesakitan pada kolom variables. Pilih

koefisien korelasi yang akan digunakan, yaitu Kendall dan Spearman. Lalu klik OK.
4. Hasil Correlations
Correlations
Kategori status_kesakitan
Kategori Pearson Correlation 1 .146
Sig. (2-tailed) .441
N 30 30
status_kesakitan Pearson Correlation .146 1
Sig. (2-tailed) .441
N 30 30
5. Nonparametric Correlations

Correlations
status_kesakit
Kategori an
Kendall's tau_b Kategori Correlation
1.000 .146
Coefficient
Sig. (2-tailed) . .432
N 30 30
status_kesakitan Correlation
.146 1.000
Coefficient
Sig. (2-tailed) .432 .
N 30 30
Spearman's rho Kategori Correlation
1.000 .146
Coefficient
Sig. (2-tailed) . .441
N 30 30
status_kesakitan Correlation
.146 1.000
Coefficient
Sig. (2-tailed) .441 .
N 30 30
 Ho: tidak ada hubungan antara kategori pengetahuan dengan kasus campak
Hi: ada hubungan antara kategori pengetahuan dengan kasus campak
α: 0.05
daerah tolak Ho jika P < α
Kesimpulan:
 Korelasi
P = 0.441yang berarti P > α maka Ho diterima yang berarti tidak ada
hubungan antara kategori pengetahuan dengan kasus Campak.
 Kendall’s Tau b
P = 0.432 yang berarti P > α maka Ho diterima yang berarti tidak ada
hubungan antara kategori pengetahuan dengan kasus Campak.
 Spearman’s rho
P = 0.441 yang berarti P > α maka Ho diterima yang berarti tidak ada
hubungan antara kategori pengetahuan dengan kasus Campak.

Uji Regresi Linier

1. Uji Normalitas
a. Memasukkan data

b. Klik Analyze, pilih Descriptive Statistics, pilih dan klik Explore.

c. Memasukkan variabel Tinggi_Badan dan Berat_Badan pada kolom Dependent
List, lalu klik Plots.

d. Centak kotak Normality plots with test. Klik Continue.

e. Lalu klik OK.

f. Hasil uji normalitas

Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

Berat_Badan .244 37 .000 .823 37 .000

Tinggi_Badan .132 37 .104 .929 37 .022

a. Lilliefors Significance Correction

Ho: tidak ada perbedaan antara distribusi sampel dengan distribusi normal
Hi: ada perbedaan antara distribusi sampel dengan distribusi normal
 α: 0.05
Daerah tolak Ho jika P < α
Kesimpulan:
 Berat Badan
Karena P = 0.000 < α maka Ho ditolak yang artinya ada perbedaan antara
distribusi sampel dengan distribusi normal
 Tinggi Badan
Karena P = 0.104 > α maka Ho diterima yang artinya tidak ada perbedaan
antara distribusi sampel dengan distribusi normal, sampel berdistribusi normal.

2. Uji Regresi Linier

a. Klik Analyze, pilih Regression, pilih dan klik Linier.

b. Memasukkan variabel yang berdistribusi normal pada kolom Dependent, dan

variabel yang tidak berdistribusi normal pada kolom Independent. Dengan tetap
menggunakan metode enter, lalu klik OK.
 c.
Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 147.179 6.395 23.015 .000

Berat_Badan .154 .125 .204 1.231 .227

a. Dependent Variable: Tinggi_Badan

Dari tabel diatas diketahui bahwa B pada constant sebesar 147.179 dan B pada
Berat_Badan yaitu 0.154 yang artinya persamaan garis regresi yang didapatkan yaitu:
Y= βo + βi x
= 147.179 + 0.154 x
 KESIMPULAN

1. Hasil uji korelasi menggunakan Kendall’s Tau b dan Spearman’s rho menunjukkan
tidak adanya hubungan antara kategori pengetahuan masyarakat dengan tingginya
kasus campak.
2. Dari uji normalitas yang telah dilakukan dapat diketahui bahwa variabel berat badan
tidak berdistribusi normal, sedangkan untuk variabel tinggi badan berdistribusi normal.
3. Persamaan yang didapatkan dari uji regresi linier yaitu y= 147.179 + 0.154 x , dengan
sumbu x adalah berat badan dan sumbu y adalah tinggi badan.