PENGOLAHAN DATA DENGAN

SPSS 22
H. HARIADJI SUGITO, SKM, MM

STIKES BANYUWANGI
PENGOLAHAN DATA DENGAN SPSS VERSI 22
ONE SAMPLE t TEST

INDEPENDENT SAMPLE t TEST

UJI t DENGAN CUT POINT (TITIK POTONG)

PAIRED SAMPLE t TEST

KORELASI BIVARIATE

KORELASI SPEARMAN DAN KENDALS TAU

KORELASI PARSIAL
 FUNGSI

ONE SAMPLE t TEST

Menguji nilai tertentu (sebagai parameter)
apakah berbeda secara nyata dengan nilai rata
rata sebuah sampel.
 PENGOLAHAN DATA DG SPSS 22
1. Buka lembar file uji_t_paired
2. Menu Analyze Compare Means One Sample t Test
3. Pengisian :
a. Test variables (variabel yang akan diuji)
Masukkan variabel sebelum
b. Test value (nilai yang akan diuji)
Misal hipotesisnya 90 kg, maka ketik 90
Kemudian tekan ok untuk proses data
 OUT PUT SPSS & ANALISIS
1. Out Put bagian pertama (Groups statistics)
Muncul ringkasan statistik dari variabel SEBELUM.
Meliputi : N; Mean; Std Reviation; Std Error Mean
2. Out Put bagian kedua (One Sample Test)
Meliputi : t; df; Sig (2 tailed); Mean Difference; 95% Confidence
Interval of the Difference (Lower-Upper)
3. Hipotesis :
Misal :
Ho = BB kelompok tidak berbeda dg rata-rata BB populasi
H1 = BB kelompok berbeda dg rata-rata BB populasi
 OUT PUT SPSS & ANALISIS
4. Pengambilan Keputusan
a. Berdasarkan pertimbangan t hitung dg t tabel
1) Jika t hitung > t tabel Ho ditolak
2) Jika t hitung < t tabel Ho diterima
Bila dilakukan uji 2 sisi, maka menggunakan tingkat
signifikansi () = 50/2/2 = 2,5 % dengan df = n 1
Dilakukan uji 2 sisi karena apakah rata-rata sebelum
(populasi) sama dengan BB kelompok ataukah tidak
Jadi bisa > atau :<
b. Berdasarkan nilai probabilitas untuk uji DUA SISI
1) Jika nilai probabilitas / 2 > 0,025 Ho diterima
2) Jika nilai probabilitas / 2 < 0,025 Ho ditolak
5. Simpan Out put di atas dengan nama uji_t_one
 FUNGSI

INDEPENDENT SAMPLE t TEST

Menguji perbedaan rata rata (mean) dua
populasi dengan melihat Mean 2 sampel.
 PENGOLAHAN DATA DG SPSS 22
1. Pemasukan Data
a) File New Data Variable View
b) Pengisian variabel tiap variabel diisi :
Name; Width; Decimals
2. Mengisi Data
Input data ke dalam SPSS Data Editor
Simpan dara dg nama uji_t_1
 PENGOLAHAN DATA DG SPSS 22
3. Pengolahan Data
a) Buka lembar file uji_t_1
b) Menu Anlyze Compare Means Independent
Samples t Test
1) Test variables masukkan variabel (misal TB dan BB)
2) Grouping variable (misal pada variabel gender laki-laki
dan perempuan
Group I isi dg 1 (1 adalah kode utk laki laki)
Group II isi dg 2 (2 adalah kode utk perempuan)
Tekan continue
Simpan out put dg nama uji_t_independent
 ANALISIS
1. Out put bagian pertama (Group Statistics)
Menampilkan : N; Mean; Std Deviation; Std Error Mean.
2. Out put bagian kedua (Independent Sample Test)
Menampilkan :
a. Uji kesamaan varians populasi (I....)
Meliputi : F dan Sig
b. Uji t kesamaam Mean populasi
Meliputi : t; df; Sig (2 tailed); Mean difference; Std Error
Difference; 95% Confidence Interval of the Difference
(Lower_Upper)
 HIPOTESIS
1. Hipotesis pengujian variance
Ho = kedua varians populasi adalah identik
Contoh : varians populasi TB laki laki & perempuan sama
Hi = kedua varians populasi adalah tidak identik
Contoh : varians populasi TB laki laki & perempuan tidak sama

PENGAMBILAN KEPUTUSAN :
Dasar : Uji varians gunakan uji statistik satu sisi
Jika probabilitas > 0,05 Ho diterima
Jika probabilitas < 0,05 Ho ditolak
 HIPOTESIS
2. Hipotesis pengujian mean
Ho = kedua mean populasi adalah identik
Hi = kedua varians populasi adalah tidak identik
Contoh : karena tidak ada istilah lebih tinggi atau kurang tinggi
maka gunakan uji dua sisi
Jika probabilitas/2 > 0,05/2 Ho diterima
Jika probabilitas/2 < 0,05/2 Ho ditolak
 CATATAN
1. Uji F (Leverence test) : menguji kesamaan varians 2 populasi
2. Jika varians 2 populasi secara signifikan berbeda untuk
membandingkan Means gunakan asumsi varians tidak sama
(Equal varians not assumed)
3. Jika varians 2 populasi secara signifikan sama gunakan Equal
varians assumed (pooled variance t test)
 TUJUAN

UJI t dg CUT POINT

Menguji perbedaan rata rata (mean) dua
populasi dengan melihat Mean 2 sampel.
 PENGOLAHAN DATA
1. Buka file uji_t_1
2. Menu : Analyze compare Means Independent Samples t
Test
3. Pengisian variabel (contoh masukkan variabel TB)
4. Grouping variable masukkan (contoh : BB) klik : Define
Group Cut Point ketik 50 (utk ketahui 50 % ke atas dan ke
bawah) Continue Ok
 OUT PUT SPSS & ANALISIS
1. Out Put bagian pertama (Groups Statistics)
Menampilkan BB (contoh); N; Mean; Std Deviation; Std Error
Mean (BB: di atas 50 & di bawah 50)
2. Out Put bagian kedua (One Sample Test)
Menampilkan :
Levenes test for Equality of Variance
t test for Equality of means
 HIPOTESIS
1. Hipotesis pengujian variance
Ho = varians populasi TB yang punya BB di atas 50 kg sama
dengan yang punya BB di bawah 50 kg
Hi = varians populasi TB yang punya BB di atas 50 kg berbdeda
secara nyata dengan yang punya BB di bawah 50 kg

PENGAMBILAN KEPUTUSAN :
Gunakan uji statistik satu sisi
 HIPOTESIS
2. Hipotesis pengujian mean
Ho = Rata rata TB yang BB di atas 50kg dan di bawah 50 kg
sama
Hi = Rata rata TB yang BB di atas 50kg dan di bawah 50 kg
berbeda

PENGAMBILAN KEPUTUSAN :
Gunakan uji statistik dua sisi
 TUJUAN

PAIRED SAMPLE t TEST

Menguji perbedaan sampel yang berpasangan
dengan perlakuan yang berbeda.
PEMASUKAN DATA KE SPSS
Menu File Near Data Variable View

PENGISIAN VARIABEL
Pada kotak Name ketik sebelum
Pada kotak Name ketik sesudah

MENGISI DATA
Variable View Ctrl T Data View tampak dua nama variabel
isi data
Simpan dengan nama uji_t_paired
 PENGOLAHAN DATA
1. Buka file uji_t_paired
2. Menu Analyze compare Means Paired Samples t Test
Paired variables (variabel yg akan diuji)
Klik variabel sebelum & variabel sesudah tekan tombol
(utk masukkan variabel ke kotak PAIRED VARIABLE Options
CI 95% Continue Ok
Simpan dg nama uji_t_paired
 OUT PUT SPSS
1. Out Put bagian pertama (Groups Statistics)
Meliputi : variabel sebelum & sesudah; Mean; N; Std Deviation;
Std Error Mean

2. Out Put bagian kedua (Paired Samples Correlations)

Meliputi : variabel sebelum & sesudah; N; Correlation; Sig

3. Out Put bagian ketiga (Paired Samples Test)

Meliputi : variabel sebelum & sesudah; t; df; Sig (2 tailed)
 HIPOTESIS
Ho = Rata rata populasi sebelum & sesudah identik
Hi = Rata rata populasi sebelum & sesudah tidak identik

PENGAMBILAN KEPUTUSAN :
Angka probabilitas/2 > 0,025 Ho diterima
Angka probabilitas/2 < 0,025 Ho ditolak
 TUJUAN

KORELASI BIVARIATE
Menguji hubungan beberapa variabel.
Tidak ditentukan variabel dependen &
independen
 PENYELESAIAN
1. Buka file korelasi yg telah selesai input data
2. Menu Analyze Correlate Bivariate
Tampak dalam layar, lanjut dg pengisian
a. Variabel masukkan semua variabel
Contoh : mobil, motor, tilang, polisi
b. Correlation Coefficients (kuantitatif & rasio) pilih Pearson
c. Test of Significance Two failed
d. Flag Significant Correlations pilih (*) : 5%
e. Klik Options
f. Statistics abaikan
g. Missing Values pilih Exclude Cases Pairwise
3. Continue Ok
 HIPOTESIS
Ho = Ada hubungan antara 2 variabel
Nilai probabilitas > 0,05/2
Hi = Tidak ada hubungan antara 2 variabel
Nilai probabilitas < 0,05/2

Simpan Out put dengan nama korelasi_2

Contoh kasus :
Daerah tilang mobil motor Polisi
 TUJUAN

KORELASI SPEARMAN DAN KENDALS TAU

Menguji variable skala ordinal atau ratio yang
diordinalkan
 PENYELESAIAN
1. Buat file korelasi_spearman
2. Buka lembar file korelasi_spearman
3. Menu : Analyze correlate Bivariate
a. Masukkan variable prestasi; IQ; motivasi
b. Correlation Coefficients pilih Kendals Tau_b dan
Spearman
c. Test of Significance Two tailed
d. Flag Significant Correlations abaikan
e. Klik Options
f. Statistics abaikan
g. Missing Values pilih Exclude Cases Pairwise
3. Continue Ok
 HIPOTESIS
Ho = Nilai probabilitas > 0,05/2
Hi = Nilai probabilitas < 0,05/2

Simpan Out put dengan nama korelasi_spearman

Catatan :
Korelasi Kendal Tau lebih cepat mendekati distribusi normal
 TUJUAN

KORELASI PARSIAL
Menguji hubungan 2 variable (contoh antara motivasi
dengan prestasi)
 PENYELESAIAN
1. Buka lembar file korelasi
2. Menu : Analyze correlate Partial
3. Pengisian :
a. Variabel : Masukkan motivasi dan prestasi
b. Kolom Controlling For, masukkan IQ
c. Test of Significance Two tailed
d. Klik Options :
1) Pada statistic pilih Zero Order Correlation
2) Pada missing value pilih Exclude Cases Pairwise
3. Continue Ok
 HIPOTESIS
Ho = Ada hubungan antara 2 variabel
Nilai probabilitas > 0,05/2
Hi = Tidak ada hubungan antara 2 variabel
Nilai probabilitas < 0,05/2

Simpan Out put dengan nama korelasi_parsial

 KETERANGAN
a. Pada hitungan IQ sebagai control hubungan
motivasi dengan prestasi signifikan
b. Pada hitungan IQ dikeluarkan dari control (tempat
control) hubungan motivasi dengan prestasi
menjadi tidak signifikan
c. Kesimpulan : IQ berperan menjelaskan hubungan
motivasi dengan prestasi
 TUJUAN

REGRESI SEDERHANA
Estimasi hubungan variable independen terhadap
variable dependen
 INPUT DATA
Buat data (contoh) sales dan promosi, daerah
disimpan dengan nama regresi_sederhana
 PENYELESAIAN
1. Buka file regresi_sederhana
2. Menu Analyze Regression Linear
3. Pengisian kotak dialog :
a. Dependent masukkan (contoh) variable sales
b. Independent masukkan variable promosi
c. Case Labels (keterangan kasus) masukkan variable daerah
d. Method Enter
4. Pilih kolom options :
a. Stepping method criteria uji F entry 0,05
b. Include constant in eqation tetap aktif
c. Missing value : Exclude Cases Listwise
5. Continue
 PENYELESAIAN
6. Statistic
a. Regression Coefficient estimate
b. Klik Model Fit
c. Residuals Casewise Diagnostic All Cases (untuk melihat
pengaruh regresi terhadap semua daerah)
7. Continue
8. Pilih kolom Plots (gambar grafik)
a. Pilih SDRESID masukkan pilihan Y
b. Pilihan ZPRED masukkan pilihan X
c. Next pilihan ZPRED masukkan pilihan Y Dependent
masukkan pilihan X Next
d. Standarized Residual plots Normal Probability Plot
9. Continue OK
 OUT PUT SPSS
1. Simpan output dengan nama regresi_sederhana
2. Bagian pertama dan kedua
Contoh :
Meliputi rata-rata sales, rata-rata biaya promosi, besar hubungan
antara 2 variable (koef korelasi) dan tingkat signifikansi korelasi
satu sisi
2. Bagian ketiga dan keempat
a. Contoh pada table pertama yang dimasukkan adalah variable
promosi, sedang yang dikeluarkan (removed) tidak ada
b. Angka R Square adalah koefisien determinasi. (contoh) = bila
sebesar 0,839 artinya 83,9% sales disebabkan oleh biaya
promosi, sedangkan sebesar 16,1% dijelaskan oleh sebab lain
c. Standard Error of Estimate (dependent)
Bila di bawah Standard Deviasi model regresi lebih bagus
3. Bagian kelima dan keenam
a. Uji Andra
 OUT PUT SPSS
3. Bagian kelima dan keenam
a. Uji Anova (F Test)
F test (contoh) di dapat F hitung 67,673 dengan tingkat
signifikansi 0,0000 maka model regresi dapat dipakai untuk
memprediksi sales
b. Coefficients
Persaman regresi : y = a + bx
Dimana : y = sales; x = biaya promosi
a = konstanta (contoh : 111,523)
b = koefisien regresi (contoh : 3,891)
Maka y = 111,523 + 3,891x
 ANALISIS
1. Konstanta sebesar 111,523 menyatakan bahwa bila
tidak ada biaya promosi maka sales adalah Rp 111,523
juta
2. Koefisien regresi sebesar 3,891 menyatakan bahwa
setiap peningkatan biaya promosi Rp 1 akan
meningkatkan penjualan Rp 3,891 (karena tanda plus)
3. Uji t untuk menguji signifikansi konstanta dan variable
dependent (promosi) serta menguji validitas prediksi
variable dependen
 HIPOTESIS
Ho = koefisien regresi tidak signifikan
Nilai probabilitas > 0,05/2
Hi = koefisien regresi signifikan
Nilai probabilitas < 0,05/2
 TUJUAN

REGRESI BERGANDA
Menguji pengaruh beberapa variabel
independent terhadap variabel dependent
 INPUT DATA
Contoh : Daerah; sales; promosi; outlet (m2)
Disimpan dengan nama regresi_berganda
 PENYELESAIAN
1. Buka file regresi_berganda
2. Menu Analyze Regression Linear
3. Pengisian
a. Dependent sales
b. Independent promosi dan outlet
c. Case Labels daerah
d. Method : enter
4. Statistics :
a. Regression coefficient ESTIMATE
b. Klik Desciptive
c. Residnals, kosongkan
d. Continue
5. Pilih Plots untuk gambar grafik
6. OK
7. Simpan out put dengan nama regresi_berganda
 OUT PUT SPSS DAN ANALISIS
1. Bagian pertama dan kedua
a. Tampil Descriptive Statistic (Mean; . Deviation)
b. Person Correlation dan Sig (1 tailed)
2. Bagian ketiga dan keempat
a. Variabels Entered outlet dan promosi
b. Angka R Square (contoh) = 0,952 artinya 95,2% dari variable
sales disebabkan oleh variabel biaya promosi dan luas outlet
sedangkan yang 4,8% disebabkan oleh variable lain.
3. Bagian kelima dan keenam
a. Uji Andra
F test (contoh) di dapat F hitung 118, 294 dengan probabilitas
sebesar 0,0000 maka promosi dan luas outlet secara bersama
sama berpengaruh terhadap sales
 OUT PUT SPSS DAN ANALISIS
b. Coefficients
1) Contoh : persamaan regresi y = 64,639 + 2,342x + 0,535x2
Dimana : y = sales; x1 = siaga promosi; x2 = luas outlet
2) Konstata bila tidak ada promosi dan outlet
maka sales sebesar 64,639
3) Koefisien regresi x1 sebesar 2,243 (biaya promosi)
menambah sales
4) Koefisien regresi x2 sebesar 0,535 (luas outlet) menambah
sales
 TUJUAN

WILCOXON SIGNED RANKS TEST

Menguji perbedaan sebelum dan sesudah
data ordinal
 PEMASUKAN DATA
Contoh : BB sebelum dan sesudah minum obat
Menu File New Data Variabel view
1. Pengisian variabel sebelum
Name ketik sebelum
2. Pengisian variabel sesudah
Name ketik sesudah
3. Isi variabel sebelum dan sesudah
 PENGOLAHAN DATA
1. Buka file Wilcoxon
Menu Analyze Non parametric test Legacy Dialogs
2 related samples
a.Test Pairs List (variabel yang akan di uji)
1) Klik variabel sebelum dan sesudah
2) Klik untuk memasukkan ke dalam kotak TEST
PAIR LIST
3) Klik WILCOXON OK
 OUT PUT SPSS DAN ANALISIS
MELIPUTI RANKS DAN TEST STATISTICS
 ANALISIS
1. Hipotesis
a. H0 : median populasi 0
b. H1 : median populasi < 0
2. Berdasarkan uji z
a. H0 : z output < z table
b. H1 : z output > z table
Contoh : z output = -1,970 dengan = 0,05
Maka z table dengan luas 50% - 5% = 45%
-1,645 (menyesuaikan dengan z output bertanda negative)
3. Berdasarkan probabilitas (uji satu sisi)
a. P > 0,05 H0 diterima
b. P < 0,05 H1 diterima
SIMPAN SAVE AS DENGAN NAMA WILCOXON
 TUJUAN

MANN - WHITNEY
Membandingkan 2 variabel yang tidak
berhubungan
 PEMASUKAN DATA KE SPSS
1. Menu File New Data Variabel view
Pengisian variable SALES
a. Name ketik sales
b. Name ketik kelompok
c. Buka kotak values = kode 1 : tanpa training
kode 2 : training
2. Ketik OK mengisi data
Simpan dengan nama Mann Whitney
 PENGOLAHAN DATA
1. Buka file Mann Whitney
2. Menu : Analyze Non parametric Test Legacy
Dialogs 2 independent samples
a. Test variable list (contoh) variabel sales
b. Grouping variable (contoh) variable kelompok
1. Klik Define Group
2. Group 1 diisi 1
3. Group 2 diisi 2
4. Continue
 OUT PUT SPSS DAN ANALISIS
MUNCUL RANKS DAN TEST STATISTICS
 HIPOTESIS
Ho = Kedua populasi identik
Hi = Kedua populasi tidak identik (berbeda)
 KEPUTUSAN
1. Jika P > 0,05/2 Ho diterima
2. Jika P < 0,05/2 Hi diterima
Simpan output pada menu SAVE AS dengan nama
Mann - Whitney
 TUJUAN

UJI COCHRAN
Menguji perbedaan 3 sampel atau lebih
pada skala data nominal yang
berhubungan
 PEMASUKAN DATA KE SPSS
1. Menu File New Data Variabel View
Contoh : pengisian
Name diisi mesin a; mesin b; mesin c
2. Mengisi data pada masing masing mesin a,
b, dan c
dengan angka = 0 bila mesin tidak memuaskan
dengan angka = 1 bila mesin memuaskan
3. Data disimpan dengan nama Cochran
 PENGOLAHAN
1. Buka file Cochran
2. Menu : Analyze Non Parametric Test
Legacy Dialogs related samples
a. Test variable list masukkan mesin_a;
mesin_b; dan mesin_c
b. Test type Cochran
 HIPOTESIS
Ho = Ketiga populasi identik
Hi = Minimal salah satu dari ketiga populasi
tidak identik
 PROBABILITAS
P > 0,05 Ho diterima
P < 0,05 Hi diterima
 TUJUAN

UJI KRUSKAL WALIS

Menguji perbedaan lebih dari 2 sampel
yang independent berdistribusi bebas
berskal rasio
 PEMASUKAN DATA KE SPSS
1. Menu File New Data Variabel View
Contoh : Pengisian variable
a. Masa : Name, ketik masa
b. Merk : Name, ketik merk
c. Value : Buka kotak dialog VALUES, buat
kode
Angka 1 untuk label Merk_a
Angka 2 untuk label Merk_b
Angka 3 untuk laber Merk_c
Tekan OK
 PENGISIAN DATA
1. Kolom Masa
2. Kolom Merk value label

Simpan dengan nama kruskal_walis

 PENGOLAHAN DATA
1. Buka file kruskal_walis
2. Menu : Analyze Non Parametric Test Legacy
Dialogs k independent samples
a. Test variable list masukkan variable Masa
b. Grouping variable masukkan variable Merk
Buka Define Group
Untuk minimum isi dengan 1
Untuk maksimum isi dengan 3
Test type, pilih kruskal_walis H
c. OK
 OUT PUT SPSS DAN ANALISIS
MELIPUTI RANKS DAN TEST STATISTICS
 PROBABILITAS
Jika P > 0,05 Ho diterima
Jika P < 0,05 Hi diterima

Simpan output dengan nama Kruskal_Walis

 TUJUAN

CROSS TAB TEST OF INDEPENDENCE

Menguji hubungan 2 variable atau lebih
data berskala nominal/ordinal

CONTOH AKAN DIHUBUNGKAN VARIABEL
PEKERJAAN, PENDIDIKAN DAN GENDER
SIMPAN DENGAN NAMA crosstab_1
 LANGKAH PENYELESAIAN
1. Buka file crosstab_1
2. Menu : Analyze Descriptive Statistics Crosstabs
a. Row masukkan variable gender
b. Columns masukkan variable kerja
c. Pilih Statistics Chi Square Continue
d. Klik Cells
e. Pilih count observed dan expected
f. Continue klik format
Row order Ascending Continue
g. OK
 OUT PUT SPSS
1. Bagian pertama case processing summary
2. Bagian kedua cross tabs
3. Bagian ketiga uji chi square
 HIPOTESIS
Ho = Tidak hubungan antara baris dan kolom
Hi = Ada hubungan antara baris dan kolom
 PROBABILITAS
Jika P > 0,05 Ho diterima
Jika P < 0,05 Hi diterima

Output disimpan dengan nama deskriptif_crosstab

 TUJUAN

CHI SQUARE MULTI TABEL

Menguji hubungan lebih dari 2 variable
dengan variable kontrol
 LANGKAH LANGKAH
1. Buka file crosstab_1
Contoh : akan diteliti variable gender (sebagai control apakah
mempengaruhi hubungan antara pendidikan dan
pekerjaan)
2. Menu Analyze Descriptive Statistic Crosstabs
Pengisian kotak dialog Crosstabs :
a. Row klik pada variable didik
b. Columns klik pada variable kerja
c. Layer 1 of 1, klik variable control (gender). Kebagian layer 1
of 1 (karena hanya ada 1 variable sisa)
d. Klik Statistic Chi Square Continue
e. Klik Cells
1) Pilihan Count observed dan expected
2) Percentage row
3) Kolom Residual Standarized dan Adjusted
Standarized Continue
 LANGKAH LANGKAH
4) Format : Row order Ascending Continue
5) Display Clustered Bar Charts OK
 OUT PUT SPSS
1. Bagian pertama : case processing summary
2. Bagian kedua : cross tabs antara pekerjaan dengan
pendidikan dengan variable control gender pria dan
wanita
3. Bagian ketiga chi square
 HIPOTESIS
Ho = Dengan variable control tidak ada
hubungan antara baris dan kolom
Hi = Dengan variable control ada hubungan
antara baris dan kolom (gender
berpengaruh pada hubungan pekerjaan
dan pendidikan)
 PROBABILITAS
Jika P > 0,05 Ho diterima
Jika P < 0,05 Hi diterima

Simpan pada file dengan nama deskriptif_crosstab 3

 TUJUAN

CHI SQUARE UNTUK KASUS KOMPLEKS

Menguji hubungan lebih dari 3 variable
dengan 2 variable kontrol
 LANGKAH LANGKAH
Data diambil dari file data karyawan meliputi gender
dan status pernikahan sebagai control, tingkat
pendidikan dan bidang kerja
1. Buka file data karyawan
2. Menu Analyze Descriptive Statistic Crosstabs
Pengisian kotak dialog Crosstabs :
a. Row klik variable tingkat_pendidikan
b. Columns klik variable bidang_kerja
c. Layer 1 of 1 masukkan variable gender next
d. Layer 2 of 2 masukkan variable
status_pernikahan
e. Statistics Chi Square Continue OK
 OUT PUT SPSS
1. Bagian pertama : case processing summary
2. Bagian kedua : cross tabs antara tingkat pendidikan
dengan bidang kerja dengan variable control status
pernikahan dan gender
3. Bagian ketiga chi square test
 ANALISIS
Ho = 1) Ada hubungan antara baris dan kolom
dengan variable status pernikahan
2) Ada hubungan antara baris (tingkat
pendidikan) dengan kolom (bidang
kerja) dengan variable gender
Hi = 1) Ada hubungan dengan variable
pendidikan
2) Ada hubungan dengan variable status
pendidikan
 PROBABILITAS
Jika P > 0,05 Ho diterima
Jika P < 0,05 Hi diterima

Menyimpan file data output dengan nama

deskriptif_crosstab4
Add your company slogan

www.themegallery.com