A.

Pengertian Korelasi
Kata “korelasi” berasal dari bahasa Inggris correlation. Dalam bahasa Indonesia
sering diterjemahkan dengan “hubungan”, atau “saling hubungan”, atau hubungan
timbal balik”. Dalam ilmu statistik istilah “korelasi” diberi pengertian sebagai
“hubungan antar dua variable atau lebih”. Hubungan antar dua variabel dikenal dengan
istilah bivariate correlation, sedangkan hubungan antar lebih dari dua variabel disebut
multivariate correlation.
Hubungan antar dua variabel misalnya hubungan atau korelasi antara prestasi studi
(variabel X) dan kerajinan kuliah (variabel Y). Artinya yaitu prestasi studi ada
hubungannya dengan kerajinan kuliah. Hubungan antar lebih dari dua variabel,
misalnya hubungan antara prestasi studi (variabel X1) dengan kerajinan kuliah
(variabel X2), keaktifan mengunjungi perpustakaan (variabel X3) dan keaktifan
berdiskusi (variabel X4).
Dalam contoh diatas variabel prestasi studi disebut dependent variabel, yaitu
variabel yang dipengaruhi. Sedangkan variabel kerajinan kuliah, keaktifan
mengunjungi perpustakaan, dan keaktifan berdiskusi disebut independent variabel,
yaitu variabel bebas yang berarti bermacam-macam variabel yang dapat memberikan
pengaruh terhadap prestasi studi.

B. Arah Korelasi
Hubungan antarvariabel itu jika dilihat dari segi arahnya dapat dibedakan menjadi
dua macam yaitu hubungan yang sifatnya satu arah dan hubungan yang sifatnya
berlawanan arah. Hubungan yang bersifat searah diberi nama korelasi positif,
sedangkan hubungan yang sifatnya berlawanan arah disebut korelasi negatif.
Disebut korelasi positif, jika dua variabel atau lebih yang berkorelasi, berjalan
paralel artinya bahwa hubungan antar dua variabel atau lebih itu menunjukan arah yang
sama. Jadi apabila variabel X mengalami kenaikan atau pertambahan, akan diikuti pula
dengan kenaikan atau pertambahan pada variabel Y atau sebaliknya penurunan atau
pengurangan pada variabel X akan diikuti pula dengan penurunan atau pengurangan
 pada variabel Y. Sebagai contoh yaitu kenaikan harga Bahan Bakar Minyak (BBM)
diikuti dengan kenaikan ongkos angkutan, sebaliknya jika harga BBM rendah maka
ongkos angkutan pun murah (rendah). Selain itu ada pun contoh dalam dunia
pendidikan misalnya yaitu terdapat korelasi positif antara nilai hasil belajar matematika
dan nilai hasil belajar fisika, kimia, biologi, dan sebagainya.
Disebut Korelasi Negatif jika dua variabel atau lebih yang berkorelasi itu berjalan
dengan arah yang berlawanan, bertentangan, atau berkebalikan. Ini berarti bahwa
kenaikan atau pertambahan pada variabel X misalnya, akan diikuti dengan penurunan
atau pengurangan pada variabel Y. Sebagai contoh yaitu makin meningkatnya
kesadaran hukum dikalangan masyarakat diikuti dengan makin menurunnya angka
kejahatan atau angka pelanggaran, makin giat berlatih makin sedikit kesalahan yang
diperbuat oleh seseorang, makin meningkatnya jumlah aseptor Keluarga Berencana
(KB) diikuti dengan makin menurunnya angka kelahiran atau sebaliknya. dalam dunia
pendidikan misalnya makin kurang dihayati dan diamalkannya ajaran agama oleh para
remaja akan diikuti oleh makin meningkatnya frekuensi kenakalan remaja atau begitu
juga sebaliknya.

C. Peta Korelasi
Arah hubungan variabel yang kita cari korelasinya, dapat diamati melalui
sebuah peta atau diagram, yang dikenal dengan nama Peta Korelasi. Dalam peta
korelasi itu dapat dilihat pencaran titik atau momen dari variabel yang sedang kita cari
korelasinya, karena itu peta korelasi juga disebut Satter Diagram (Diagram Pencaran
Titik).
Ciri yang terkandung dalam peta korelasi itu adalah :
 Jika korelasi antara variabel X dan variabel Y merupakan Korelasi Positif
Maksimal, atau Korelasi Positif Tertinggi, atau Korelasi Positif Sempurna, maka
pencaran titik yang terdapat pada Peta Korelasi apabila dihubungkan antara satu
dengan yang lain, akan membentuk satu buah garis lurus yang condong kearah
kanan.
 Gambar 1. Diagram Korelasi Positif Maksimal
 Jika korelasi diantara variabel X dan variabel Y merupakan Korelasi Negatif
Maksimal, atau Korelasi Negatif Tertinggi, atau Korelasi Negatif Sempurna, maka
pencaran titik yang terdapat pada Peta Korelasi apabila dihubungkan antara satu
dengan yang lain, akan membentuk satu buah garis lurus yang condong ke arah
kiri.

Gambar 2.Diagram Korelasi Negatif Maksimal

 Jika korelasi antara variabel X dan variabel Y termasuk Korelasi Positif yang tinggi
atau kuat, maka pada Peta Korelasi pencaran titiknya sedikit mulai menjauhi garis
linear (garis lurus seperti telah disebutkan diatas), yaitu titik tersebut terpencar atau
berada di sekitar garis lurus tersebut dengan kecondongan ke arah kanan.

Gambar 3.Diagram Korelasi Positif Tinggi

 Jika korelasi antara variabel X dan variabel Y termasuk Korelasi Negatif yang
tinggi atau kuat, maka pencaran titik yang terdapat pada Peta Korelasi itu juga
sedikit mulai menjauhi garis linear, dengan kecondongan ke arah kiri.

Gambar 4.Diagram Korelasi Negatif Tinggi

 Baik Korelasi Positif maupun Korelasi Negatif dikatakan sebagai Korelasi yang
cukup atau sedang dan Korelasi Rendah atau lemah, apabila pencaran titik pada
Peta Korelasi itu semakin jauh tersebar/menjauhi garis linear.

Gambar 5. Diagram Korelasi Positif Lemah

D. Angka Korelasi
1) Pengertiannya
Tinggi rendah, kuat lemah atau besar kecilnya suatu korelasi dapat diketahui
dengan melihat besar kecilnya suatu angka (koefisien) yang disebut Angka Indeks
Korelasi atau Coefficient Of Correlation.
Jadi Angka Indeks Korelasi adalah sebuah angka yang dapat dijadikan
petunjuk untuk mengetahui seberapa besar kekuatan korelasi diantara variabel yang
sedang diselidiki korelasinya.
2) Lambangnya
Angka korelasi biasa diberi lambang dengan huruf tertentu, misalnya rxy
sebagai lambang koefisien korelasi pada teknik korelasi product moment,  (Rho)
sebagai lambang koefisien korelasi pada teknik korelasi tata jenjang ,  (Phi)
sebagai lambang koefisien korelasi pada teknik korelasi Phi C atau KK sebagai
lambang koefisien korelasi pada teknik korelasi kontingensi dan lain-lain.
3) Besarnya
Angka korelasi itu besarnya berkisar antara 0 (nol) sampai dengan ±1,00.
Artinya bahwa angka korelasi itu paling tinggi adalah ±1,00 dan paling rendah
adalah 0. Jika dalam perhitungan diperoleh angka korelasi lebih dari 1,00 hal itu
merupakan petunjuk bahwa dalam perhitungan tersebut telah terjadi kesalahan.
4) Tandanya
Korelasi antara variabel X dan variabel Y disebut korelasi positif apabila
angka indeks korelasinya bertanda “plus” (+), misalnya rxy=+0,235; rxy=+0,751 dan
sebagainya. Sebaliknya, apabila angka indeks korelasi antara variabel X dan
variabel Y bertanda “minus” (-), maka korelasi yang demikian itu disebut korelasi
negatif, misalnya : rxy=-0,115; rxy=-0,587.
Antara variabel X dan Variabel Y dikatakan tidak ada korelasinya jika angka
indeks korelasinya = 0. Tanda plus dan minus yang terdapat di depan angka indeks
korelasi itu bukanlah tanda aljabar. Tanda plus yang terdapat di depan angka indeks
korelasi memberikan petunjuk bahwa korelasi itu adalah korelasi positif (korelasi
searah). Sedangkan tanda minus yang terdapat di depan angka indeks korelasi
memberikan petunjuk bahwa korelasi itu adalah korelasi negatif (korelasi
berlawanan arah). Dengan tanda minus yang terdapat di depan angka indeks
korelasi tidak dapat diartikan bahwa korelasi antarvariabel itu besarnya kurang dari
nol, sebab angka korelasi yang paling kecil adalah nol.
5) Sifatnya
 Angka indeks korelasi yang diperoleh dari proses perhitungan itu sifatnya
relatif, yaitu angka yang fungsinya melambangkan indeks hubungan antar variabel
yang dicari korelasinya. Jadi angka indeks korelasi itu bukanlah angka yang
bersifat eksak atau angka yang merupakan ukuran pada skala linear yang memiliki
unit-unit yang sama besar, sebagaimana yang terdapat pada mistar pengukur
panjang (penggaris).
Sebagai contoh misalnya angka korelasi antara variabel X dan variabel
Y=0,75 (rxy=0,75), sedangkan angka korelasi antara variabel Y dan variabel Z=0,25
(rxy=0,25). Hal ini tidak dapat dinyatakan bahwa rxy = 3 kali lipatnya ryz atau
menyatakan bahwa ryz = 1/3 nya rxy.

E. Pengujian Korelasi Product Moment

Teknik korelasi ini digunakan untuk mencari hubungan dan membuktikan
hipotesis hubungan dua variabel bila data kedua variabel berbentuk interval atau ratio,
dan sumber data dari dua data variabel atau lebih tersebut adalah sama.
Berikut ini dikemukakan rumus yang paling sederhana yang dapat digunakan
untuk menghitung koefisien korelasi, yaitu rumus 1 dan rumus 2. Rumus 2 digunakan
bila sekaligus akan menghitung persamaan regresi. Koefisien korelasi untuk populasi
diberi simbol rho (  ) dan untuk sampel diberi simbol r, sedangkan untuk korelasi
ganda diberi simbol R.

xy
rxy  ………………………………………. (1)
x 2 y 2

Keterangan :
rxy  korelasi antara variabel x dengan y

 
x  xi  x

y  y  y 
i
 nxi y i  xi y i 
rxy  ……………………………..(2)
nx 2
i
2

  xi  ny i2   y i 
2

Contoh :
Dilakukan penelitian untuk mengetahui ada tidaknya hubungan antara
pendapatan dan pengeluaran. Untuk keperluan tersebut maka telah dilakukan
pengumpulan data terhadap 10 responden yang diambil secara random. Berdasarkan
10 responden tersebut diperoleh data tentang pendapatan (x) dan pengeluaran (y),
sebagai berikut.

Pendapatan Pengeluaran
per bulan per bulan
(X) (Y)

800 300

900 300

700 200

600 200

700 200

800 200

900 300

600 100

500 100

500 100
  Korelasi Product Moment Dengan SPSS
Berikut adalah langkah analisis data Product Moment dengan menggunakan
SPSS
1. Pada tampilan variable view, pada kolom Name ditulis nama variabel yang akan
diuji, yakni variabel Pendapatan/bulan dan Pengeluaran/bulan.

2. Setelah pengisian selesai, klik data view.

3. Input data Pendapatan/bulan dan Pengeluaran/bulan dengan mengcopy ke
dalam program SPSS
4. Untuk mengolah data, klik AnalyzeCorrelateBivariate

5. Pada kotak dialog Bivariate Correlations, klik variabel Pendapatan/bulan dan

Pengeluaran/bulan ke kotak Variables. Pada kotak correlation coefficients klik
Pearson sehingga terdapat tanda centang (√). Pada kotak Test of Significance klik
Two-tailed hingga muncul tanda titik (●). Klik Flag significant correlations
hingga tercentang.
6. Klik ok, sehingga diperoleh hasil sebagai berikut,

Pada tabel Correlation, diperoleh harga koefisien korelasi sebesar 0,913

dengan signifikansi 0,000. Ho ditolak karena signifikansi < 0,05. Jadi
kesimpulannya ada hubungan positif dan nilai koefisien korelasi antara
pendapatan dan pengeluaran sebesar 0,913.

F. Pengujian Korelasi Ganda

Korelasi ganda (multiple correlation) merupakan angka yang menunjukkan arah dan
kuatnya hubungan antara dua variabel independen secara bersama-sama atau lebih
 dengan satu variabel dependen. Pemahaman tentang korelasi ganda dapat dilihat
melalui gambar xx. Simbol korelasi ganda adalah R.

r1

X1
R
r3 Y

X2

r2
Gambar 6. Korelasi Ganda Dua Variabel Indepeden dan Satu Dependen
X1 = Kepemimpinan
X2= Tata ruang kantor
Y = Kepuasan kerja
R = Korelasi ganda

Gambar 7. Korelasi Ganda Tiga Variabel Independen dan Satu Dependen

X1 = Kesejahteraan pegawai
X2= Hubungan dengan pimpinan
X3 = Pengawasan
Y = Efektivitas kerja`
 Dari contoh diatas terlihat bahwa korelasi ganda R, bukan merupakan penjumlahan
dari korelasi sederhana yang ada pada setiap variabel r1  r2  r3  . 1hubungan secara
bersama-sama antara variabel kepemimpinan, dan tata ruang kantor dengan kepuasan
kerja pegawai.
Pada bagian ini dikemukakan korelasi ganda (R) untuk dua variabel independen
dan satu variabel dependen. Untuk variabel independen lebih dari dua, dapat dilihat
pada bab analisis regresi Ganda. Pada bagian itu persamaan-persamaan yang ada pada
regresi ganda dapat dimanfaatkan untuk menghitung korelasi ganda lebih dari dua
variabel secara bersama-sama. Rumus korelasi ganda dua variabel ditunjukkan oleh
persamaan berikut :

ryx1  ryx2  2ryx1 ryx 2 rx1. x 2

2 2

R y , x1, x 2  .......................................................... (4)

1  rx1. x 2
2

Keterangan :
R y , x1, x 2 = Korelasi antara variabel X1 dengan X2 secara bersama-sama dengan variabel

Y.
ryx1 = Korelasi Product Moment antara X1 dengan Y

ryx2 = Korelasi Product Moment antara X2 dengan Y

rx1. x 2 = Korelasi Product Moment antara X1 dengan X2

Jadi untuk dapat menghitung korelasi ganda, maka harus dihitung terlebih dahulu
korelasi sederhananya dulu melalui korelasi Product Moment dari Pearson.
Pada suatu hari di daerah dataran tinggi Dieng akan dilakukan penelitian oleh
mahasiswa fisika. Akan tetapi sebelum dilakukannya penelitian, para mahasiswa
melakukans penelitian sederhana untuk mengetahui kuat lemahnya pengaruh hubungan
antara minat belajar yang diberikan dan tingkat IQ dalam pendidikan.

Pada penelitian ini pendidikan yang digunakan adalah minat belajar (6 : 6 : 13) dan
para mahasiswa menggunakan 33 tipe belajar. Kemudian dilakukannya pengukuran
hasil belajar dengan tiga kali pengulangan pengukuran dan diambil rata-rata
pengukuran sebagai data yang diperoleh sehingga didapatkan sebanyak 11 data sebagai
berikut :
Tabel 1. Tabel Data

No. X1 X2 Y
1 4 3 40
2 7 3 60
3 10 3 70
4 13 3 90
5 4 4 80
6 7 4 50
7 10 4 60
8 13 4 80
9 4 5 60
10 7 5 0,432
11 10 5 0,454
12
13
14
15
16
17
18
19
20
Keterangan :

X1 : minat belajar

X2 : Tingkat IQ

Y : Prestasi Belajar
  Pengujian Korelasi Ganda dengan SPSS
Berikut adalah langkah untuk pengujian korelasi ganda menggunakan SPSS.
1. Pada tampilan variable view, pada kolom Name ditulis nama variabel yang
akan diuji, yakni variabel minat belajar, tingkat IQ dan Prestasi Belajar.

2. Aktifkan Data View, kemudian masukan data

3. Untuk mengolah data, klik AnalyzeCorrelateBivariate

4. Pindahkan variable-variabel kedalam kolom variable, kemudian Pada kotak
correlation coefficients klik Pearson sehingga terdapat tanda centang (√). Pada
kotak Test of Significance klik Two-tailed hingga muncul tanda titik (●). Klik
Flag significant correlations hingga tercentang, lalu klik options dan tandai
pada Mean and Standart Deviation, klik continou, sehingga kembali ke kotak
dialog’
5. Klik Ok, sehingga diperoleh data hasil sebagai berikut,
6. Kembali ke menu analyse, pilih regresi, dan pilih linier
7. Kemudian akan muncul seperti dibawah, masukkan variable

8. Klik statistic, beri tanda centang pada estimates, model fit, model fit, R Squre
Change, klik continou.

9. Klik Ok, sehingga muncul hasil seperti berikut,

Kesimpulannya :
1. Hubungan X1 dan Y : 0.331, jadi Ha diterima karena signifikansi
0.000<0.005
2. Hubungan X2 dan Y : 0.848, jadi Ha diterima karena signifikansi
0.000<0.005
3. Hubungan X1 dan X2 : -0,176
G. Pengujian Korelasi Parsial
Korelasi parsial digunakan untuk menganalisis bila peneliti bermaksud
mengetahui pengaruh atau mengetahui hubungan atara variabel independen dan
dependen, dimana salah satu variabel independennya dibuat tetap/dikendalikan. Jadi
korelasi parsial merupakan angka yang menunjukkan arah dan kuatnya hubungan
antara dua variabel atau lebih, setelah satu variabel yang diduga dapat mempengaruhi
hubungan variabel tersebut tetap/dikendalikan.
Koefisien korerasi parsial adalah indeks atau angka yang digunakan untuk
mengukur keeratan hubungan antara 2 variabel, jika variabel lainnya konstanta, pada
hubungan yang melibatkan lebih dari dua variabel. Korelasi parsial digunakan untuk
menganalisis bila peneliti bermaksud mengetahui pengaruh atau mengetahui hubungan
atara variabel independen dan dependen, dimana salah satu variabel independennya
dibuat tetap/dikendalikan. Jadi korelasi parsial merupakan angka yang menunjukkan
arah dan kuatnya hubungan antara dua variabel atau lebih, setelah satu variabel yang
diduga dapat mempengaruhi hubungan variabel tersebut tetap/dikendalikan.

Menghitung langsung korelasi parsial

Mengontrol suatu variabel sangat berguna karena itu sebaiknya kita dapat
mengerjakannya degan cepat. Rumus sederhana untuk menhitung korelasi parsial :

Fungsi

Korelasi parsial digunkan untuk mencari arah dan kuat lemahnya hubungan antara 2
atau lebih variabel independen ( x1, x2,...,xn) terhadap variabel dependen (Y) secara
bersamaan dengan mengendalikan salah satunya variabel independennya

Analisis korelasi parsial

 Jika x1 tetap maka:

Hipotesa :
Ha : ada pengaruh yang signifikan antara x2 dan Y jika x1 tetap
Ho : tidak ada pengaruh yang signifikan antara x2 dan Y jika x1 tetap

 Jika x2 tetap maka:

Hipotesa :
Ha : ada pengaruh yang signifikan antara x1 dan Y jika x2 tetap
Ho : tidak ada pengaruh yang signifikan antara x1 dan Y jika x2 tetap

Ubtuk uji signifikansinya menggunakan rumus

Koefisien determinasi

Koefisien korelasi r hanya menyediakan ukuran kekuatan dan arah hubungan linier
antara 2 variabel. Tetapi tidak memberikan informasi mengenai beberapa proporsi
keragaman (variasi) variabel dipenden (Y) yang dapat diterangkan atau diakibatkan
oleh hubungan linier dengan nilai variabel independen (x) . koefisien determinasi bisa
didefenisikan sebagai nilai yang menyatakan proporsi keragaman Y yang dapat
diterangkan/dijelaskan oleh hubungan linier antara variabel X dan Y .untuk menetukan
besar kecilnya sumbangan variabel X terhadap Y dapat ditentukan dengan rumus
koefisien determinan sebagai berikut:

KP = r2 x 100%

Dimana :

KP adalah besarnya koefisien penentu

R adalah koefesien korelasi

Contoh

Kita mengambil contoh pada kasus korelasi sederhana di atas dengan

menambahkan satu variabel kontrol. Seorang mahasiswa bernama Andi melakukan
penelitian dengan menggunakan alat ukur skala. Andi ingin meneliti tentang hubungan
antara kecerdasan dengan prestasi belajar jika terdapat faktor tingkat stress pada siswa
yang diduga mempengaruhi akan dikendalikan. Dengan ini Andi membuat 2 variabel
yaitu kecerdasan dan prestasi belajar dan 1 variabel kontrol yaitu tingkat stress. Tiap-
tiap variabel dibuat beberapa butir pertanyaan dengan menggunakan skala Likert, yaitu
angka 1 = Sangat tidak setuju, 2 = Tidak setuju, 3 = Setuju dan 4 = Sangat Setuju.
Setelah membagikan skala kepada 12 responden didapatlah skor total item-item yaitu
sebagai berikut:
Tabel 3. Nilai untuk X1,X2dan Y
X1 X2 Y
5 26 1,20
5 97 1,24
5 47 1,30
10 88 1,33
10 97 1,42
10 75 1,50
20 88 1,57
20 75 1,61
20 20 1,74
40 88 1,81
40 53 1,89
40 75 1,96

Keterangan:

X1 : Kecerdasan

X2 : Prestasi belajar

Y : tingkat strees

 Pengujian Korelasi Parsial dengan SPSS

Berikut adalah langkah pengujian korelasi parsial menggunakan SPSS :
1. Pada tampilan variable view, pada kolom Name ditulis nama variabel yang
akan diuji, yakni Kecerdasan, Prestasi belajar, Tingkat stres
2. Aktifkan Data View, kemudian masukan data

3. Dari menubar Pilih Analyze – Correlate – Partial

4. Setelah muncul kotak dialog Partial Correlation, masukkan variabel yang akan
dikorelasikan ke dalam kotak variables, dan variabel yang dikontrol ke dalam
kotak controlling for, lalu pilih option.
5. Setelah muncul kotak dialog option, checklist zero order correlation seperti
berikut, lalu klik continue.

6. Klik ok. Setelah itu akan muncul output berikut ini:

Kesimpulannya :
Harga signifikansi yang diperoleh yaitu 0.266, dimana 0.266 > 0.005, H0
ditolak.
H. Simpulan
Berdasarkan pembahasan diatas, maka dapat disimpulkan bahwa. Korelasi
diberi pengertian sebagai hubungan antar dua variable atau lebih. Hubungan
antarvariabel itu jika dilihat dari segi arahnya dapat dibedakan menjadi dua macam
yaitu hubungan yang sifatnya satu arah dan hubungan yang sifatnya berlawanan arah.
Hubungan yang bersifat searah diberi nama korelasi positif, sedangkan hubungan yang
sifatnya berlawanan arah disebut korelasi negatif. Arah hubungan variabel yang kita
cari korelasinya, dapat diamati melalui sebuah peta atau diagram, yang dikenal dengan
nama Peta Korelasi. Tinggi rendah, kuat lemah atau besar kecilnya suatu korelasi dapat
diketahui dengan melihat besar kecilnya suatu angka (koefisien) yang disebut Angka
Indeks Korelasi atau Coefficient Of Correlation.
Teknik korelasi Product Moment digunakan untuk mencari hubungan dan
membuktikan hipotesis hubungan dua variabel bila data kedua variabel berbentuk
interval atau ratio, dan sumber data dari dua data variabel atau lebih tersebut adalah
sama. Pengujian korelasi Product Moment menggunakan SPSS menggunakan
beberapa langkah,hasil akhirnya ia akan sama menunjukkan kesimpulan dengan
pengujian secara manual.

Korelasi ganda (multiple correlation) merupakan angka yang

menunjukkan arah dan kuatnya hubungan antara dua variabel independen secara
bersama-sama atau lebih dengan satu variabel dependen. Pengujian korelasi ganda
menggunakan SPSS menggunakan beberapa langkah,hasil akhirnya ia akan sama
menunjukkan kesimpulan dengan pengujian secara manual.

Korelasi parsial digunakan untuk menganalisis bila peneliti bermaksud

mengetahui pengaruh atau mengetahui hubungan atara variabel independen dan
dependen, dimana salah satu variabel independennya dibuat tetap/dikendalikan.
Pengujian korelasi parsial menggunakan SPSS menggunakan beberapa langkah,hasil
akhirnya ia akan sama menunjukkan kesimpulan dengan pengujian secara manual.
 DAFTAR PUSTAKA

Sujarweni,Wiratna V dan Poly Endrayanto.2011.Statistika untuk

Penelitian.Yogyakarta:Graha Ilmu.
Supranto.2008.Statistik Teori dan Aplikasi.Jakarta:Erlangga.
Sudijono,Anas. 2012.Pengantar Statistik Pendidikan.Jakarta: PT Raja Grafindo
Persada.
Sugiyono.2011. Statistika untuk Penelitian.Jakarta:Alfabeta.