Manajemen Data Penelitian

dengan SPSS
Misrawatie Goi, SKM, MKM

1
Tujuan Pembelajaran
1. Peserta memahami Statistik Deskriptif
2. Peserta mampu memahami alur berfikir yang benar untuk
menentukan uji hipotesis yang sesuai secara teoritis untuk
analisis bivariat
a. Hipotesis komparatif skala pengukuran numerik, dua kelompok
b. Hipotesis komparatif skala pengukuran numerik >2 kelompok data
c. Hipotesis komparatif skala pengukuran kategorik kelompok data
berpasangan
d. Hipotesis komparatif, skala pengukuran kategorik, kelompok data
berpasangan
A. Statistik Deskriptif (Know your data)
• Variabel Kategorik
A. Statistik Deskriptif (Know your data)
• Variabel Numerik  Parameter:
Rerata, SD, varians, range,
min-max
• Data berdistribusi normal 
Mean-SD
• Data tidak berdistribusi normal
 median – minimum -
maksimum
B. Statistik Analitis Bivariat
• ??? “Uji Hipotesis apa yang
Anda pakai untuk menguji
set data yang Anda
miliki???”
• ==Gunakan uji hipotesis yang
sesuai ==

• ??? “Pertimbangan apa

saja yang harus kita
pikirkan untk menentukan
uji hipotesis???”
Tabel Uji Hipotesis
Langkah penggunaan tabel uji hipotesis
1. Tentukan variabel yang dihubungkan
2. Tentukan jenis hipotesis
3. Tentukan skala pengukuran
4. Tentukan berpasangan/ tidak berpasangan
- Bila jenis hipotesis komparatif numerik, tentukan banyaknya
kelompok
- Bila jenis hipotesis komparatif kategorik tidak berpasangan, tentukan
jenis tabel B x K
- Bila jenis hipotesis komparatif kategorik berpasangan, tantukan jenis
“prinsip PxK”.
Hal-hal yang harus dipahami

1. Skala pengukuran: kategorik atau numerik

2. Jenis hipotesis: komparatif atau numerik
3. Masalah skala pengukuran: numerik atau kategorik
4. Pasangan: berpasangan atau tidak berpasangan
5. Jumlah kelompok: 2 kelompok atau >2 kelompok
6. Syarat uji parametrik dan nonparametrik
7. Prinsip tabel BxK dan PxK
1. Skala Pengukuran Variabel
2. Jenis Hipotesis
• Bedakan “Hipotesis komparatif” dan “Hipotesis korelatif”
• Komparatif= Hubungan atau Perbandingan
• Korelatif= korelasi
• Perbedaan mendasar terletak pada output yang ingin
diperoleh.
3. Masalah Skala Pengukuran

Jenis Hipotesis Variabel yang dicari asosiasinya Istilah

Variabel 1 Variabel 2
Hipotesis komparatif Kategorik Kategorik Komparatif kategorik
Kategorik Numerik Komparatif numerik

Hipotesis korelatif Kategorik Kategorik Korelatif kategorik

Kategorik Numerik Korelatif kategorik
Numerik Numerik Korelatif numerik
4.5 Pasangan dan Jumlah kelompok
• Dua atau lebih kelompok data dikatakan berpasangan
apabila data tersebut dari individu yang sama baik karena
pengukuran berulang, proses matching atau karena desain
crossover
• Dua atau lebih kelompok data dikatakan tidak berpasangan
apabila data berasal dari subjek yang berbeda tanpa
prosedur matching
6. Syarat Uji Parametrik dan Nonparametrik
6. Syarat Uji Parametrik dan Nonparametrik
7. Tabel BxK dan PxK
Tingkat
Rendah Sedang Tinggi
Tingkat Rendah a b c a+b+c
pendidikan Sedang d e f d+e+f
Tinggi g h i g+h+i
Total a+d+g b+e+h c+f+i N

Pengetahuan sesudah
penyuluhan
Baik Buruk
Pengetahuan Baik a b a+b
sebelum Buruk c d c+d
penyuluhan
a+c b+d N
Tujuan Pembelajaran
1. Peserta mampu memasukkan data dengan benar
2. Peserta mampu melakukan perubahan data dari skala
pengukuran numerik ke skala kategorik
3. Peserta mampu membuat dan mendeskripsikan tabel frekuensi
dan grafik untuk variabel kategorik
4. Peserta mampu membuat dan mendeskripsikan ukuran
penyebaran dan ukuran pemusatan untuk variabel numerik
5. Peserta mampu melakukan uji normalitas Kolmogorov-Smirnov
dan Shapiro-Wilk
6. Peserta mampu melakukan transformasi data
Memasukkan Data
Mengisi Variabel View
 Buka program SPSS
 Aktifkan Variable View
 Isi field: Name, Type, Width, Decimals, Labels, Values, Column Width,
Alignment dan Measures dengan isian sesuai variabel.
Melakukan perubahan data
1. Buka file latihan entri
2. Aktifkan “Data View”
3. Lakukan langkah-langkah berikut:
 Transform  Recode  Recode into Different Variables
 Masukkan variabel “umur” ke dalam Input Variabel
 Ketik umur_1 ke dalam Output Variable
 Ketik ‘klasifikasi umur’ ke dalam label
 Klik kotak change.
 Klik Old and New Value
 Isilah kotak Old Value dan kotak New Value (Selanjutnya ikuti logika berfikir)
Melakukan perubahan data
Logikanya adalah:
 Semua data <20 tahun diubah menjadi kode 1
 Semua data 20-22 diubah menjadi kode 2
 Semua data >22 tahun diubah menjadi kode 3
Dengan logika tersebut, isilah Old Value dan New Value sebagai
berikut:
Old Value: range lowest through 19, New Value: 1, klik Add
Old Value: range 20 through 22, New Value: 2, klik Add
Old Value: 23 through highest, New Value: 3, klik Add.
Proses selesai
Klik OK
Memasukkan Deskripsi Variabel Kategorik
1. Buka file frequency
2. Lakukan proses sebagai berikut
 Analyze  Descriptive statistics  Frequencies
 Masukkan variabel sex (jenis kelamin responden) ke dalam kotak
variabel(s)
 Aktifkan Display Frequency Tables
 Klik kotak Charts
 Pilih bar pada Chart Type
 Pilih Percentages pada Chart Values
 Klik Continue. Proses selesai, klik OK.
Membuat Deskripsi Variabel Numerik
1. Buka file deskripsi
2. Lakukan proses sebagai berikut:
 Analyze Descriptive Statistics  Frequencies
 Masukkan BMI ke dalam kotak Variables
 Pilihan Display Frequency Tables dinonaktifkan
 Klik kotak Statistic. Pilih Mean, Median, Modus pada Central Tendency
(sebagai ukuran pemusatan), pilih Std deviation, Variance, Minimum,
Maksimum pada Distribution (sebagai ukuran penyebaran)
 Klik Continue, lalu aktifkan pilihan Chart pilih Histogram pada Chart
Type dan aktifkan kotak With normal curve.
 Proses selesai, klik Continue, klik OK.
 Mengetahui distribusi data:
Normal atau Tidak
 Buka file: normalitas

 Lihat Variabel View. Bacalah keterangan variabel yang ada pada file tersebut.

 Lihat Data View

 Analyze  Descriptive Statistics Explore. Masukkan variabel umur ke dalam

Dependent List.
 Pilih Both pada Display

 Biarkan kotak Statistics sesuai default SPSS.

 Aktifkan kotak Plots, aktifkan Factor levels together pada Boxplots, aktifkan
Histogram pada Descriptive dan Normality plots with test
 Proses selesai, klik Contonue, klik OK.
Transformasi Data untuk Menormalkan
Data yang Distribusinya Tidak Normal
1. Buka file normalitas
2. Lakukan prosedur berikut ini
 Transform  Compute
 Ketik tran_age ke dalam kotak Target Variable
Cari pilihan LG10 pada pilihan Functions, kalau sudah ditemukan
pindahkan ke kotak Numeric Expression dengan mengklik tanda panah.
Terlihat ada spasi setelah kata lg10 (nampak log10 [?]
 Pindahkan variabel umur ke spasi tersebut dengan mengklik tanda
panah. Terlihat variabel umur mengisi spasi kosong tadi
 Proses selesai, klik OK
Tujuan
1. Peserta mampu mengaplikasikan alur pemikiran uji hipotesis
untuk variabel numerik 2 kelompok
2. Peserta mampu melakukan dan menginterpretasikan hasil uji t
berpasangan
3. Peserta mampu melakukan dan menginterpretasikan hasil uji t
tidak berpasangan
4. Peserta mampu melakukan dan menginterpretasikan hasil uji
Wilcoxon
5. Peserta mampu melakukan dan menginterpretasikan hasil uji
Mann-Whitney
Uji t tidak berpasangan
Langkah pengujian
1. Memeriksa syarat uji t tidak berpasangan
a. Data harus berdistribusi normal (wajib)
b. Varians data boleh sama, boleh juga tidak

2. Jika memenuhi syarat, maka dipilih uji t tidak berpasangan

3. Jika tidak memenuhi syarat data (data tidak berdistribusi normal,
dilakukan terlebih dahulu transformasi data
4. Jika variabel baru hasil transformasi berdistribusi normal, maka dipakai
uji t tidak berpasangan
5. Jika variabel baru hasil transformasi tidak berdistribusi normal, maka
dipilih uji Mann-Whitney
Uji t tidak berpasangan
Menguji distribusi Data
 Bukalah file: unpaired_t_test
 Lakukanlah uji normalitas untuk data skor ansietas
kelompok ibu yang proses melahirkannya ditemani suami
dan skor ansietas kelompok ibu yang proses melahirkannya
tidak didampingi suami
Karena syarat distribusi data normal terpenuhi, maka uji
hipotesis yang digunakan adalah uji t tidak berpasangan.
Uji t tidak berpasangan
• Buka file unpaired_t_test.
• Lakukan prosedur sbb:
 Analyze  Compare means  Independent-Sample t
 Masukkan Score ke dalam kotak Test Variable
 Masukkan suami ke dalam Grouping Variable
 Aktifkan kotak Define Group
 Masukkan angka 1 untuk kotak group 1 (sebagai kode tidak didampingi
suami)
 Masukkan angka 2 untuk kotak group 2 (sebagai kode didampingi suami)
 Prosedur selesai, klik Continue, klik OK
Uji t tidak berpasangan
Interpretasi
Hasil
Uji t tidak berpasangan
Uji t bepasangan
Langkah pengujian

1. Memeriksa syarat uji t untuk kelompok berpasangan

a. Distribusi data harus normal (wajib)
b. Varians data tidak perlu diuji karena kelompok data berpasangan

2. Jika memenuhi syarat,  pilih uji t berpasangan

3. Jika tidak memenuhi syarat  lakukan transformasi data

4. Jika hasil transformasi berdistribusi normal  Uji t berpasangan

5. Hasil transformasi tidak berdistribusi normal  Uji Wilcoxon.

Uji t bepasangan
Menguji Distribusi Data
 Bukalah file: paired_t_test
 Lakukan uji normalitas untuk skor bmi sebelum dan skor
bmi setelah satu bulan penyuntikan testosteron
Karena data berdistribusi normal  Uji t berpasangan
Uji t bepasangan
File tetap file paired_t_test
Lakukan langkah-langkah berikut:
 Analyze  compare means  paired sample t
 Masukkan bmipre dan bmipost ke dalam kotak paired
variables.
 Proses telah selesai. Klik Continue. Klik OK
Uji t bepasangan
Interpretasi
hasil
Uji t bepasangan
Menyajikan hasil
Uji Mann-Whitney
• Merupakan uji alternatif jika syarat uji t untuk kelompok berpasangan tidak
terpenuhi

• Bukalah file: mann-whitney

• Analyze  Nonparametrics test  2 independent samples

• Masukkan bmi ke dalam Test Variable

• Masukkan class ke dalam Grouping Variable.

• Aktifkan uji Mann Whitney

• Klik kotak Define Group

• Masukkan angka 1 pada kotak group 1 (1 merupakan kode tingkat ekonomi tinggi)

• Masukkan angka 2 pada kotak group 2 (2 merupakan kode tingkat ekonomi rendah)

• Proses selesai, klik Continue. Klik OK

Uji Mann-Whitney
• Interpretasi hasil:
Uji Mann-Whitney
• Penyajian hasil
Uji Wilcoxon
• Alternatif uji jika syarat uji t untuk kelompok berpasangan
• Buka file: wilcoxon
• Analyze  Nonparametrik test  2 related samples
• Masukkan prepeng dan postpeng ke dalam kotak Test pairs
List
• Aktifkan uji Wilcoxon
• Proses telah selesai. Klik Continue, kemudian klik OK
Uji Wilcoxon
Interpretasi
hasil
Uji Wilcoxon
Melaporkan hasil
Tujuan
1. Peserta mampu mengaplikasikan alur pemikiran uji hipotesis variabel
numerik >2 kelompok
2. Peserta mampu melakukan dan menginterpretasikan hasil uji one way
ANOVA
3. Peserta mampu melakukan dan menginterpretasikan hasil uji repeated
ANOVA
4. Peserta mampu melakukan dan menginterpretasikan hasil uji Krukal-
Wallis
5. Peserta mampu melakukan dan menginterpretasikan hasil Uji Friedman
6. Peserta mampu melakukan dan menginterpretasikan hasil analisis Post
Hoc
One Way Anova
Langkah pengujian
1. Memeriksa syarat ANOVA untuk >2 kelompok tidak berpasangan
a. Distribusi data harus normal (wajib)
b. Varians data harus sama (wajib)

2. Jika memenuhi syarat (distribusi data normal, varians sama) 

Uji One Way ANOVA
3. Jika tidak memenuhi syarat  Transformasi
4. Hasil transformasi tidak memenuhi syarat  Uji Kruskal Wallis
5. Uji ANOVA atau Kruskall-wallis menghasilkan nilai p<0,05, 
Analisis Post Hoc
One Way Anova
Uji Normalitas
1. Bukalah file: ANOVA. Lihat terlebih dahulu bagian Variable
View
2. Lakukan uji normalitas untuk data gula darah kelompok
ekonomi rendah, sedang, dan tinggi. Jangan lupa untuk
memasukkan variabel tingkat ekonomi ke dalam kotak
Factor List
3. Nilai p>0,05  normal
One Way Anova
Uji Varians
 Analyze Compare means One-way ANOVA
 Masukkan variabel gula ke dalam Dependent List
 Masukkan variabel obat ke dalam Factor List
 Aktifkan kotak Options
 Pilih Homogenity of Variance (untuk menguji varians data)
 Klik Continue. Klik OK.
One Way Anova
Interpretasi Uji
Varians

Oleh karena varians

data tidak sama 
lakukan transformasi
One Way Anova
Mencari bentuk transformasi
 Analyze  Descriptives statistics  Explore
 Masukkan variabel gula ke dalam Dependent List
 Masukkan variabel class ke dalam Factor List
 Pilih Plots pada kotak Display List
 Aktifkan kotak Plots
 Pilih Power Estimation (untuk mencari bentuk trnasformasi
terbaik)
 Klik Continue, klik OK
One Way Anova
• Interpretasi
bentuk
transformasi 
nilai slope dan
nilai power
One Way Anova
Melakukan transformasi data

 Transform  Compute
 Ketik trn_gula pada Target Variable (sebagai nama variabel baru).

 Pindahkan sqrt dari kotak function ke kotak Numeric Expression dengan mengklik
tanda panah.

 Tampak ada kolom berkedip

 Masukkan variabel gula ke dalam kolom berkedip dengan mengklik tanda panah
sehingga tampil ekspresi sebagai berikut: sqrt(gula).

 Lalu ketik 1/sebelum sqrt(gula) sehingga tertulis 1/SQRT(gula) yang berarti 1/square
root.
 Proses selesai. Klik OK.
One Way Anova
Melakukan uji varians untuk variabel hasil transformasi.
 Analyze  Compare means  One-way ANOVA
 Masukkan variabel tran_gula ke dalam Dependent List.
 Masukkan variabel class ke dalam factor List
 Aktifkan kotak Optionsce
 Pilih Homogeneity of Variance
 Klik Continue. Klik OK  untuk uji varians data
One Way Anova

• Interpretasi
nilai varians
One Way Anova
• Interpretasi hasil
uji ANOVA
One way anova
Melakukan analisis Post Hoc
 Analyze  compare means  One-way ANOVA
 Masukkan variabel tran_gula ke dalam Dependent List
 Masukkan variabel class ke dalam Factor List
 Aktifkan kotak Post Hoc
 Pilih LSD pada kotak Equal Variances Assumed
 Klik Continue, klik OK
One Way Anova- Post Hoc Test
One Way Anova- Post Hoc Test
One Way Anova – Melaporkan Hasil
Uji Kruskall-Wallis
Alternatif jika syarat ANOVA untuk >2 kelompok tidak berpasangan tidak
memenuhi syarat.
 Buka file: Kruskal-Wallis
 Analyze nonparametric test  k-independent samples
 Masukkan rokok ke dalam kotak Test Variabel List
 Aktifkan uji Kruskal-Wallis
 Masukkan motil ke dalam Grouping Variabel
 Aktifkan Define Range
 Masukkan angka 1 (sebagai kode untuk motilitas buruk) pada kotak
Minimum
 Masukkan angka 3 (sebagai kode untuk motilitas baik) pada kotak
Maksimum
 Proses telah selesai. Klik Continue, klik OK.
Interpretasi Uji Kruskal-Wallis
Uji Kruskal-Wallis
Analisis Post Hoc dilakukan dengan uji Mann-Whitney antara
group 1 dan 2, 1 dan 3 serta 2 dan 3
 Hasil uji Mann-Whitney:
Kelompok buruk dan sedang, p=0,061  tidak bermakna
Kelompok buruk dan baik, p=0,000  bermakna
Kelompok sedang dan baik, p=0,000  bermakna
Uji Kruskal-Wallis
Uji Repeated Anova
Langkah pengujian
1. Memeriksa syarat uji repeated ANOVA  Distribusi data
harus normal
2. Jika Distribusi data normal  Uji Repeated ANOVA
3. Jika distribusi data tidak normal  Transformasi data 
Normal  Uji Repeated ANOVA
4. Setelah transformasi data  Tidak normal  Uji Friedman
5. Hasil Uji Repeated Anova atau Friedman p<0,05  Analisis
Post Hoc.
Uji Repeated Anova
 Buka file Repeated ANOVA

 AnalyzeGeneral linier modelRepeated Measure

 Masukkan kata waktu pada kolom Within Subject Factor Name (bisa juga pada kolom
ini dibiarkan default SPSS dengan kata factor1)

 Ketik angka “3” ke dalam Number of Levels (untuk menunjukkan bahwa pengukuran
dilakukan tiga kali)

 Klik kotak Add.

 Klik kotak Define

 Masukkan variabel dtk_sct1, dtk_sct4, dan dtk_sct6 ke dalam Within-Subject Variable.

 Klik kotak Option. Pindahkan variabel waktu ke dalam Display Means for

 Proses selesai. Klik Continue. Klik OK.

Uji Repeated Anova
• Interpretasi
Uji Repeated Anova
• Interpretasi
Uji Repeated Anova
• Penyajian Data
Uji Friedman
Merupakan alternatif jika syarat Uji Repeated Anova tidak
terpenuhi
Bukalah file: Friedman
AnalyzeNonparametrics testk-related sample
Masukkan test1, test2, dan test3 ke dalam Test Variables
Aktifkan Uji Friedman.
Uji Friedman
• Interpretasi 
• Uji Post Hoc
dilakukan
menggunakan uji
Wilcoxon
Uji Friedman
Tujuan
1. Peserta mampu mengaplikasikan alur pemikiran uji untuk
tabel B x K
2. Peserta mampu melakukan dan menginterpretasikan hasil
uji Chi-Square
3. Peserta mampu melakukan dan menginterpretasikan hasil
uji Fisher
4. Peserta mampu melakukan dan menginterpretasikan hasil
uji Kolmogorov- Smirnov
Uji Chi Square 2 x 2
Uji Chi Square 2 x 2
Buka file Chi-square_2_2
 Analyze  Descriptives statistics  Crosstabs
 Masukkan variabel rokok ke dalam Rows (karena bertindak sebagai
variabel bebas)
 Masukkan variabel subur ke dalam Columns (karena bertindak
sebagai variabel terikat)
 Klik kotak Statistics, lalu pilih Chi-Square pada kiri atas kotak lalu
klik Continue
 Aktifkan kotak Cell, lalu pilih Observed dan Expected
 Proses selesai. Klik Continue. Klik OK
Uji Chi Square 2 x 2
Uji Chi Square 2 x 2
Uji Fisher
 Alternatif Uji Chi-Square tabel 2x2
• Buka file
Chi_square_fisher
• Langkah pengujian,
interpretasi dan
penyajian hasil sama
seperti Uji Chi
Square
Uji Kolmogorov-Smirnov
(Alternatif Uji Chi-Square tabel 2xk)
• Buka file chi_square_2_k
• AnalyzeNonparametrics test2-independent sample
• Masukkan sex ke dalam Grouping Variable
• Aktifkan pilihan Kosmogorov-Smirnov pada Test Type dan
nonaktifkan pilihan lainnya
• Aktifkan Define Group
• Masukkan angka 1 (sebagai kode faktor genetik positif) ke dalam
Group 1, angka 2 (sebagai kode faktor genetik negatif) ke dalam
Group 2.
• Proses selesai, klik Continue, lalu klik OK.
Uji Kolmogorov-Smirnov
(Alternatif Uji Chi-Square tabel 2xk)
• Interpretasi 
Uji Kolmogorov-Smirnov
(Alternatif Uji Chi-Square tabel 2xk)
• Penyajian Hasil
Tujuan
1. Peserta mampu mengaplikasikan alur pemikiran uji untuk
prinsip P x K
2. Peserta mampu melakukan dan mengiinterpetasikan hasil
uji McNemar
3. Peserta mampu melakukan dan menginterpretasikan hasil
uji Marginal Homogeneity dan Wilcoxon
4. Peserta mampu melakukan dan menginterpretasikan hasil
uji Cochran
Uji Mc. Nemar
• Buka file McNemar
• Analyze Descriptives Statistics Crosstabs
• Masukkan variabel pre ke dalam Rows
• Masukkan variabel pos_1 ke dalam Columns
• Aktifkan kotak Statistics, lalu pilih McNemar pada kanan
bawah kotak, lalu klik Continue
• Proses selesai, klik Continue, lalu klik OK
Uji Mc. Nemar
• Interpretasi 
Uji Mc. Nemar
• Penyajian Hasil
Uji Marginal Homogeneity
(Prinsip 2x (>2)
• Buka file homogeneity
• Analyze Nonparametric test 2 related sample
• Tandai variabel pos dan pre, pindahkan ke dalam kotak Test
Pair List
• Aktifkan Marginal Homogeneity Test
• Proses selesai, klik OK.
Uji Marginal Homogeneity
(Prinsip 2x (>2)
• Interpretasi 
Uji Marginal Homogeneity
(Prinsip 2x (>2)
• Penyajian
Hasil
Uji Cochran
(Prinsip (>2) x 2
• Buka file Cochran
• AnalyzeNonparametric testk-related sample
• Tandai variabel pre, post_1 dan post_2
• Pindahkan ke dalam kotak Test Variables
• Aktifkan Cochran’s
• Proses selesai, klik OK.
Uji Cochran
(Prinsip (>2) x 2
• Interpretasi
Uji Cochran
(Prinsip (>2) x 2
• Interpretasi
Tujuan
1. Peserta mampu mengaplikasikan alur pemikiran uji korelasi
2. Peserta mampu melakukan dan menginterpetasikan hasil uji korelasi
pearson
3. Peserta mampu melakukan dan menginterpetasikan hasil uji korelasi
Spearman
4. Peserta mampu melakukan dan menginterpetasikan hasil uji korelasi
gamma
5. Peserta mampu melakukan dan menginterpetasikan hasil uji korelasi
Somers’d
6. Peserta mampu melakukan dan menginterpetasikan hasil uji korelasi
koefisien kontingensi
7. Peserta mampu melakukan dan menginterpetasikan hasil uji korelasi
lambda
Pemilihan uji hipotesis korelatif

Variabel 1 Variabel 2 Uji Korelasi

Nominal Nominal Koefisien kontingensi, lambda

Nominal Ordinal Koefisien kontingensi, lambda

Ordinal Ordinal Spearman, Gamma, Sommers’d

Ordinal Numerik Spearman

Numerik Numerik Pearson

Uji Korelasi Pearson
• Buka file pearson  Uji normalitas data  normal  uji
pearson
• Analyze Correlate  Bivariate
• Masukkan depresi dan ansietas ke dalam kotak variables
• Pilih uji pearson pada kotak Correlation Coefficients
• Pilih Two tailed pada Test of Significance
• Proses selesai, klik OK.
Uji Korelasi Spearman
• Buka file: spearman  uji normalitas  tidak normal  Uji
korelasi spearman
• AnalyzeCorrelateBivariate
• Masukkan somatic dan social ke dalam kotak variables
• Pilih uji Spearman pada kotak Correlation Coefficients
• Pilih Two tailed pada Test of Significance
• Proses selesai, klik OK
Uji Korelasi Gamma dan Somers’d
• Buka file Gamma
• Analyze  Descriptives Statistics  Crosstabs
• Masukkan variabel p3 ke dalam rows
• Masukkan variabel p4 ke dalam Columns
• Aktifkan kotak Statistics
• Pilih Gamma dan Somers’d
Uji Korelasi Koefisien Kontingensi
dan Lambda
• Buka file Lambda
• Analyze  Deskriptives statistics  Crosstabs
• Masukkan variabel status fertilitas ke dalam Column
• Klik kotak Statistics
• Pilih Lambda pada kotak Nominal
• Continue  OK
101