Chi Kuadrat Dan Rank Spearman PDF
Chi Kuadrat Dan Rank Spearman PDF
STATISTIK NON
PAREMETRIK
STANDAR KOMPETENSI
Mampu menerapkan konsep statistik dalam aplikasi bisnis.
KOMPETENSI DASAR
Memahami statistik non parametrik, uji chi kuadrat dan koefisien spearman rank.
INDIKATOR
Kognitif
a. Mahasiswa dapat menjelaskan statistik non parametrik.
b. Mahasiswa dapat menghitung uji chi kuadrat.
c. Mahasiswa dapat menghitung koefisien Spearman Rank.
d. Mahasiswa dapat menganalisa statistik non parametrik.
e. Mahasiswa dapat menganalisa uji chi kuadrat.
f. Mahasiswa dapat menganalisa koefisien Spearman Rank.
Psikomotor
a. Mahasiswa dapat menjelaskan statistik non parametrik secara lisan di depan
kelas.
b. Mahasiswa dapat menghitung uji chi kuadrat secara tertulis di depan kelas.
c. Mahasiswa dapat menghitung koefisien Spearman Rank secara tertulis di
depan kelas.
d. Mahasiswa dapat menganalisa statistik non parametrik secara tertulis di
depan kelas.
e. Mahasiswa dapat menganalisa uji chi kuadrat secara tertulis di depan kelas.
f. Mahasiswa dapat menganalisa koefisien Spearman Rank secara tertulis di
depan kelas.
Afektif
a. Mengembangkan perilaku karakter, meliputi: jujur, peduli, dan tanggung-
jawab.
b. Mengembangkan keterampilan sosial, meliputi: menjadi pendengar yang
baik, berpendapat, dan bertanya.
Materi Pembelajaran
statistik non parametrik, uji chi kuadrat, koefisien Spearman Rank
Alokasi Waktu
2 x tatap muka perkuliahan (@ 3 x 50 menit)
Model Pembelajaran
Model: Pembelajaran langsung
Metode
Presentasi/ceramah, diskusi, dan kuis.
URAIAN MATERI
1.1. Pengujian Statistik NonParametrik
S tatistik terbagi menjadi dua bagian yaitu statistik deskriptif dan statistik
Inferensia/ Induktif. Inferensia/ Induktif terbagi menjadi du bagian yaitu
Statistik Parametri dan statistik nonparametrik. Pada bahasan ini kita akan
membahas tentang statistik nonparametrik.
Agus Sukoco
80 Santirianingrum Soebandhi
MODUL 6: Statistik Non Parametik
Start
DATA NOMINAL/ORDINAL
Tipe Data
INTERVAL / RASIO
NORMAL
BESAR , DATA>30
Bisa pakai uji t jika distribusi
populasi pasti normal
STATISTIK
PARAMETRIK
Deskriptif
NonParametrik
Statistik
Inferensia
Parametrik
Soal Latihan :
1. Dalam Statistik inferensial dikenal dengan statistik Non Parametrik, jelaskan
dengan singkat apakah yang dimaksud dengan statistik non parametrik dan
berikan penjelasan mengapa seseorang menggunakan metode statistik non
parametrik?
2. Dalam sebuah penelitian di dalam sebuah perusahaan, seorang peneliti
mengambil berbagai data untuk bahan penelitiannya. diantara data yang diambil
adalah sebagai berikut:
a. Data hasil Test Masuk f. Data Prestasi Kerja
b. Data Pendidikan terakhir g. Data Kehadiran
c. Data Umur h. Data Pendapatan Perusahaan
d. Data status Pernikahan i. Data Beban Pengeluaran
e. Data Motivasi Kerja Perusahaan
Tugas:
Membuat kelompok dengan jumlah antara 5 s/d 10 mahasiswa, dan indentifikasikan
bersama sekelompokmu 10 data yang dapat dipergunakan untuk uji nonparametrik?
dan berikan penjelasan megapa data tersebut dipergunakan?
Agus Sukoco
82 Santirianingrum Soebandhi
MODUL 6: Statistik Non Parametik
Chi kuadrat (X2; baca "kai kuadrat") atau sering disebut dengan goodness of fit
test. Merupakan alat uji statistik yang digunakan untuk menguji hipotesis bila dalam
populasi terdiri atas dua atau lebih kelas bila data berbentuk nominal dan sampelnya
besar.
Chi Square adalah analisis untuk mengetahui apakah distribusi data seragam
atau tidak, Uji ini juga disebut uji keselarasan atau goodness of fit test. Chi kuadrat
merupakan salah satu teknik statistik yang memudahkan peneliti menilai
kemungkinan memperoleh perbedaan frekuensi yang nyata (yang diobservasi)
dengan frekuensi yang diharapkan dalam kategori-kategori tertentu akibat dari
kesalahan sampling.
dimana,
X2 = Chi Kuadrat
fo = Frekuensi sampel (frekuensi yang diperoleh dari hasil observasi sampel
fh = Frekuensi harapan (frekuensi yang diharapkan dalam sampel sebagai
pencerminan frekuensi yang diharapkan dalam populasi).
Chi Kuadrat dapat digunakan untuk menguji hipotesis deskriptif satu sampel atau
satu variabel, yang terdiri atas dua kategori atau lebih. selain itu dapat digunakan
untuk menguji hipotesis komparatif 2 sampel atau 2 variabel yang berskala nominal.
Pada modul ini pembahasan dan perhitungan menggunakan tiga metode yaitu,
1. Metode menghitung nilai chi square dengan persamaan chi square
2. Metode perhitungan SPSS dengan tabel Frekuensi
3. Metode peritungan SPSS dengan tabel data
Penyelesaian :
1. Persamaan :
maka fh = 56.25
Agus Sukoco
84 Santirianingrum Soebandhi
MODUL 6: Statistik Non Parametik
dengan tabel penolong diatas maka didapatkan nilai untuk chi kuadrat (x2)
adalah sebesar 28,78
dk 5% 10%
1 3.8415 2.71
2 5.9915 4.61
3 7.8147 6.25
4 9.4877 7.78
5 11.0705 9.24
6 12.5916 10.64
7 14.0671 12.02
8 15.5073 13.36
9 16.919 14.68
10 18.307 15.99
11 19.6751 17.28
12 21.0261 18.55
13 22.362 19.81
14 23.6848 21.06
15 24.9958 22.31
16 26.2962 23.54
17 27.5871 24.77
18 28.8693 25.99
19 30.1435 27.2
20 31.4104 28.41
5. Pengambilan Keputusan
Cara pengambilan keputusan adalah
1. Jika X2 hitung > X2 tabel, maka terjadi perbedaan perolehan suara
2. Jika X2 hitung < X2 tabel, maka tidak ada perbedaan perolehan suara
3. berdasarkan hasil diatas maka Jika X2 hitung > X2 tabel, yaitu 28,78 >
7.8147, maka dapat diambil kesimpulan bahwa terdapat perbedaan
yang signifikan dalam perolehan suara kelima calo tersebut diatas
Agus Sukoco
86 Santirianingrum Soebandhi
MODUL 6: Statistik Non Parametik
Test Statistics
NamaCalon
a
Chi-square 28.778
df 3
Asymp. Sig. .000
berdasarkan hasil di atas, dapat diketahui bahwa hasil kedua perhitungan adalah
mendekati sama, yaitu 28,78 dan 28,778.
Calon
Calon
a
Chi-square 28.778
zZ 3
mmmzmM<>
0020zzxsdcyd
dsyfgf fddff df
Asymp. Sig. .000
Dari hasil diatas data diketahui bahwa hasil metode pertama dan metode yang kedua
adalah sama.
Agus Sukoco
88 Santirianingrum Soebandhi
MODUL 6: Statistik Non Parametik
Kesimpulan:
1. Perhitungan nilai Chi square dengan tiga metode yaitu Metode menghitung
nilai chi square dengan persamaan chi square, Metode perhitungan SPSS
dengan tabel Frekuensi dan Metode peritungan SPSS dengan tabel data
mendapatakan hasil yang sama yaitu 28, 778, atau 28,78.
2. Nila chi tabel pada alfa 5% atau 0,05 adalah sebesar 7.8147, yang berarti
bahwa perolehan suara calon Gubernur BEM Universitas Narotama adalah
berbeda secara signifikan untuk 4 calon
2. Seseorang yang akan melukakan uji Chi Square, melakukan beberapa tahapan
yaitu :
a. Mengumpulkan data
b. Membuat Tabel Data
c. Membuat Tabel Frekuensi
d. Menghitung Frekuensi Harapan
e. Menghitung Chi Kuadrat
f. Menghitung Chi Tabel
g. Membuat Analisa Keputusan
Dari uraian diatas, jika seseorang akan menghitung dengan menggunakan
persamaan, langkah apakah yang belum disebutkan? dan uraiakanlah langkah
untuk mencari Chi tabel?
Referensi :
1. Nanang Martono, 2010, Statistik Sosial Teori dan aplikasi Program SPSS,
Yogyakarta, Gava Media
2. Singgih Santoso, 2004, Buku Latihan SPSS Statistik non Parametrik. Jakata: PT
Gramedia
Agus Sukoco
90 Santirianingrum Soebandhi
MODUL 6: Statistik Non Parametik
Lampiran
Tabel Data untuk SPSS
Responden Calon
1 1
2 1
3 1
4 1
5 2
6 2
7 1
8 3
9 3
10 2
11 4
12 4
dst .....
225 4
dimana pada kolom data calon, nilai 1,2,3,4 adalah nilai kode untuk masing-masing
calon yaitu,
1= david
2 = Setyo
3 = Eko
4 = Venda
Data tersebut dimasukan dalam data view spss
Agus Sukoco
92 Santirianingrum Soebandhi
MODUL 6: Statistik Non Parametik
Test Statistics
Calon
a
Chi-square 28.778
df 3
Asymp. Sig. .000
Agus Sukoco
94 Santirianingrum Soebandhi
MODUL 6: Statistik Non Parametik
eori Korelasi ini dikemukakan oleh Carl Spearman. Nilai korelasi ini disimbolkan
dengan " " (dibaca: rho) atau dengan simbul rs. Korelasi Spearman digunakan pada
data yang berskala ordinal semuanya atau sebagian data adalah ordinal. untuk itu
sebelum dilakukan pengolahan data, data yang akan dianalisis perlu disusun dalam
Tbentuk ranking. Sehingga Korelasi Spearman merupakan alat uji statistik yang
digunakan untuk menguji hipotesis asosiatif dua variabel bila datanya berskala
ordinal (ranking).
Pada pengukuran korelasi untuk dua data yang nominal, bisa dengan
metode Cramer, Lambda dan sebagainya. Namun jika data yang yang diteliti tidak
semuanya nominal, maka penggunaan metode-metode tersebut tidaklah tepat.
Untuk data dengan tipe Ordinal yaitu data mempunyai urutan atau rangking,
seperti sikap suka, Cukup Suka. Tidak Suka, peringkat 1,2,3 dst), ukuran korelasi yang
digunakan bisa berupa Korelasi Spearman, Kendall, Somers, Gamma dan sebagainya.
Pada suatu kasus, jika salah satu satu variabel mempunyai tipe ordinal dan
yan lainnya data Rasio, maka diambil penggunaan metode dengan data yang lebih
rendah derajatnya, pada kasus ini maka yang digunakan adalah korelasi Spearman.
Hal ini sama jika akan dilakukan uji korelasi antara variabel bertipe nominal dengan
ordinal, maka akan dipakai ukuran korelasi nominal, yaitu menggunakan uji korelasi
Cramer, Lambda dan lainnya.
Nilai Korelasi Spearman berada di antara -1 < < 1. Bila nilai = 0, berarti tidak
ada korelasi atau tidak ada hubungan antara variabel independen dan dependen.
Nilai = +1 berarti terdapat hubungan yang positif antara variabel independen dan
dependen. Nilai = -1 berarti terdapat hubungan yang negatif antara variabel
independen dan dependen. Dengan kata lain, tanda "+" dan "-" menunjukkan arah
hubungan di antara variabel yang sedang dioperasionalkan.
Nilai Makna
0,00-0,19 Sangat rendah / sangat lemah
0,20-0,39 Rendah / lemah
0,40-0,59 Sedang
0,60-0,79 Tinggi / kuat
0,80-1,00 Sangat tinggi/sangat kuat
∑ ∑
∑ ∑
∑ ∑
dimana:
Agus Sukoco
96 Santirianingrum Soebandhi
MODUL 6: Statistik Non Parametik
(√ ⁄ )
Mengambil kesimpulan:
Bila Z hitung > Z tabel, maka hubungan x dan y adalah signifikan.
Bila Z hitung < Z tabel, maka hubungan x dan y adalah tidak signifikan.
Contoh:
Pada contoh kasus berikut ini mengg unakan kombinasi antara data ordinal dan
data rasio. Diadakan penelitian hubungan antara skor Test, Prestasi Kerja, dan
absensi pegawai sebuah perusahaan. digunakan metode rank spearman untuk
mengukur hubungan antara variabel tersebut: Data hasil penelitian sebagaimana
berikut ini:
Tabel Data
Penyelesaian:
1. Uraian Data
Pada kasus ini jenis data yang dipergunakan adalah kombinasi antara data ordinal
dan data rasio yaitu :
Variabel Jenis Data
Test Ordinal
Prestasi Kerja Ordinal
Absensi Rasio
Variabel Test, Prestasi dan Motivasi adalah data ordinal, dengan penilaian skor
100, skor 0 , sangat jelek dan skor 100 sangat bagus. Dalam data ordinal
perbedaan skor adalah perbedaan peringkat, bukan suatu penambahan atau
kelipatan jumlah. Sebagai contoh, jika prestasi kerja pekerja ke 1 mempunyai skor
30 dan prestasi pekerja ke 2 mempunyai skor 60, maka tidak bisa dikatakan
pekerja 2 berprestasi dua kali lebih bagus dari pekerja ke 1, tetapi dapat dikatakan
bahwa pekerja 2 lebih bagus prestasinya dibandingkan pekerja 1. Data variabel
Absen adalah data rasio, yang berarti bahwa angka 4 berarti seorang pekerja
benar-benar 4 kali tidak masuk bekerja dalam sebulan.
Agus Sukoco
98 Santirianingrum Soebandhi
MODUL 6: Statistik Non Parametik
dimana :
rs : Korelasi rank spearman
di : selisih ranking data ke i
n : jumlah data
3. Hubungan antara Test dan Prestasi Kerja Pegawai
Tabel Pembantu
berdasrkan persamaan diatas, maka untuk memudahkan perhitungan maka
dibuatkan tabel pembantu sebagai berikut:
Tabel Pembantu:
Rangking Data untuk Test mempunyai mulai dari 1 s/d 11, dan tidak ada skor yang
nilainya sama.
Rangking Data untuk Prestasi mempunyai mulai dari 1 s/d 11, tetapi ada skor yang
nilainya sama yaitu skor 75 ada 2 buah, maka rangking yang diberikan adalah (4+5)/2
= 4,5.
Penyelesaian persamaan :
dari persamaan diatas,
∑
jadi korelasi antara test pegawai dan prestasi kerja pegawai adalah sebesar
Prestasi
Test Kerja
**
Spearman's rho Test Correlation 1.000 .954
Coefficient
N 15 15
**
Prestasi Correlation .954 1.000
Kerja Coefficient
N 15 15
Agus Sukoco
100 Santirianingrum Soebandhi
MODUL 6: Statistik Non Parametik
coba perhatikan bahwa hasil perhitungan point 3 hasilnya sama dengan hasil Uji
SPSS, rs = 0,954
√
dengan r = 0,954 dan n = 15. didapat z hitung:
√ √
Luas kurva tabel Z adalah luasan Komulatif, maka luas kurva 50% -2,5%=
47.5%. Didalam tabel luasan adalah 47,5% + 50% = 97,5% atau 0,975 , maka
Dari tabel z untuk luasan 0,975 didapat z tabel 1.96. (sisi sebelah kiri 1,9 dan
kolom atas 0,06 maka menjadi 1,96
Kesimpulan:
Dari uraian dan perhitungan diatas didapatkan hasil sebagai berikut:
1. Koefisien korelasi rs = 0.954 , bahwa korelasi dua variabel adalah sangat
kuat
2. Nilai Zhitung = > dari Zi tabel 1,96, maka H0 ditolak, bahwa
terdapat hubungan yang nyata antara test pegawai dan prestasi kerja
pegawai, artinya bahwa jika test pegawai baik maka prestasi kerja
pegawai tersebut cenderung baik, dan juga sebaliknya.
∑ ∑
∑ ∑
∑ ∑
Agus Sukoco
102 Santirianingrum Soebandhi
MODUL 6: Statistik Non Parametik
Tabel Pembantu :
Penyelesaian:
Menghitung Tx/Ty
dalam menghitung TX/Ty yang perlu dilakukan adalah mencari rangking yang sama
pada masing-masing variabel:
Variabel Prestasi : tidak ada rangking yang sama Tx=0
Variabel Absen : terdapat beberapa data yang rangking nya sama
ranking 4 ada 5 , maka t =5
ranking 5 ada 3 , maka t =3
ranking 6 ada 3 , maka t =3
ranking 7 ada 3 , maka t =3
Menghitung Ty
Menghitung ∑ dan ∑
∑ ∑
∑ = 280
Menghitung ∑
∑ ∑
√∑
Agus Sukoco
104 Santirianingrum Soebandhi
MODUL 6: Statistik Non Parametik
N 15 15
N 15 15
dari kedua cara perhitungan tersebut didapatkan bahwa korelasi yang diperoleh
adalah sama.
Mencari z hitung:
√
dengan r = 0,954 dan n = 15. didapat z hitung:
√ √
Mencari z tabel:
Dengan tingkat kepercayaan 95% dan tingkat signifikansi 5% (ini adalah
standar dari SPSS),
Uji dua sisi, Oleh karena dua sisi. maka tingkat signifikansi 5% juga dibagi 2.
menghasilkan 2,5%.
Luas kurva tabel Z adalah luasan Komulatif, maka luas kurva 50% -2,5%=
47.5%. Didalam tabel luasan adalah 47,5% + 50% = 97,5% atau 0,975 , maka
Dari tabel z untuk luasan 0,975 didapat z tabel 1.96. (sisi sebelah kiri 1,9 dan
kolom atas 0,06 maka menjadi 1,96, Z tabel adalah = 1,96
Kesimpulan:
Dari uraian dan perhitungan diatas didapatkan hasil sebagai berikut:
1. Koefisien korelasi rs = -.283, bahwa korelasi dua variabel adalah sangat
lemah
2. Nilai Zhitung = dari Z tabel 1,96, maka H0 diterima bahwa tidak
terdapat hubungan yang nyata antara Prestasi pegawai dan absen pegawai,
artinya bahwa jika prestasi kerja pegawai tersebut tidak cenderung absennya
buruk, dan juga sebaliknya.
Agus Sukoco
106 Santirianingrum Soebandhi
MODUL 6: Statistik Non Parametik
DAFTAR PUSTAKA
Dajan, Anto. 2000. Pengantar Metode Statistik. Cetakan Ke-16, Jakarta: LP3ES.
Levin, dkk. 1991. Statistics for Managemen. New Jersey: Prentice Hall, 1991
Singgih Santoso, 2004, Buku Latihan SPSS Statistik non Parametrik. Jakata: PT
Gramedia
Nama Mahasiswa :
NIM :
LP: Kognitif
Nama Mahasiswa :
NIM :
Jawablah pertanyaan-pertanyaan berikut ini dengan singkat dan benar!
1. Jelaskan konsep statistik non parametrik!
2. Berdasarkan data di handout/buku modul 5
a. Hitunglah dan analisa data tersebut dengan uji chi kuadrat!
b. Hitunglah dan analisa koefisien spearman rank dari data tersebut!
Agus Sukoco
108 Santirianingrum Soebandhi
MODUL 6: Statistik Non Parametik
LP: Psikomotorik
Lembar Penilaian
Nama Mahasiswa :
NIM :
Skor
No. Aspek yang dinilai
4 3 2 1
1. Kebenaran uraian
2. Kejelasan bahasa
3. Keseriusan
4. Improvisasi
Total skor
Catatan:
Skor 4: sangat baik; Skor 3: baik; Skor 2: cukup; Skor 1: kurang.
Petunjuk:
Amati untuk setiap perilaku berkarakter berikut ini selama perkuliahan
berlangsung.
Nama Mahasiswa :
NIM :
Penilaian
No. Rincian Tugas Kinerja (RTK)
4 3 2 1
1. Jujur
2. Peduli
3. Tanggungjawab
Catatan:
Skor 4: sangat baik;
Skor 3: baik;
Skor 2: cukup;
Skor 1: kurang.
Agus Sukoco
110 Santirianingrum Soebandhi
MODUL 6: Statistik Non Parametik
Petunjuk:
Amati untuk setiap keterampilan sosial yang dilakukan mahasiswa selama
perkuliahan berlangsung.
Nama Mahasiswa :
NIM :
Penilaian
No. Rincian Tugas Kinerja (RTK)
4 3 2 1
1. Menjadi pendengar yang baik
2. Berpendapat
3. Bertanya
Catatan:
Skor 4: sangat baik;
Skor 3: baik;
Skor 2: cukup;
Skor 1: kurang.
LAMPIRAN: Tabel Z
Z Z_0.0 Z_0.01 Z_0.02 Z_0.03 Z_0.04 Z_0.05 Z_0.06 Z_0.07 Z_0.08 Z_0.09
0,0 0.5 0.504 0.508 0.512 0.516 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.591 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.648 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.67 0.6736 0.6772 0.6808 0.6844 0.6879
0.5 0.6915 0.695 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.719 0.7224
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7 0.758 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794 0.7823 0.7852
0.8 0.7881 0.791 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.834 0.8365 0.8389
1 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.877 0.879 0.881 0.883
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.898 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319
1.5 0.9332 0.9345 0.9357 0.937 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
Agus Sukoco
112 Santirianingrum Soebandhi
MODUL 6: Statistik Non Parametik
Z Z_0.0 Z_0.01 Z_0.02 Z_0.03 Z_0.04 Z_0.05 Z_0.06 Z_0.07 Z_0.08 Z_0.09
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.975 0.9756 0.9761 0.9767
2 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
2.1 0.9821 0.9826 0.983 0.9834 0.9838 0.9842 0.9846 0.985 0.9854 0.9857
2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884 0.9887 0.989
2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
2.4 0.9918 0.992 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936
2.5 0.9938 0.994 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.996 0.9961 0.9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.997 0.9971 0.9972 0.9973 0.9974
Agus Sukoco
114 Santirianingrum Soebandhi
MODUL 6: Statistik Non Parametik
Agus Sukoco
116 Santirianingrum Soebandhi
MODUL 6: Statistik Non Parametik
Agus Sukoco
118 Santirianingrum Soebandhi
MODUL 6: Statistik Non Parametik
Agus Sukoco
120 Santirianingrum Soebandhi