Semester : II
Dosen : Dr. NGASBUN EGAR, S.Pd., M.Pd
Nama Mahasiswa : NUR TISA ARTITISARI, S.S
Kelas :2F
NPM : 19510343
1. Uji Homogenitas
1. Kegunaan Homogenitas
Uji Homogenitas adalah pengujian mengenai varian dan digunakan untuk
mengetahui apakah kedua kelompok sampel mempunyai varian yang sama atau tidak.
Dalam statistik Uji Homogenitas digunakan untuk mengetahui varian dan beberapa
populasi sama atau tidak. Uji ini biasanya dilakukan sebagai prasyarat dalam analisis
Independent. Uji Homogenitas digunakan sebagai bahan acuan untuk menentukan
keputusan uji statistik (Hamdi, et al., 2014). Dasar penganbilan keputusan dalam uji
homogenitas adalah jika nilai signifikasi kurang dari 0,05 maka dikatakan bahwa varian
dari dua atau lebih kelompok populasi data adalah tidak sama. Sedangkan jika nilai
sinifikasi lebih dari 0,05 maka dikatakan bahwa varian dari dua atau lebih kelompok
populasi data adalah sama.
2. Langkah-langkah
Uji homogenitas dimaksudkan untuk memperlihatkan bahwa dua atau lebih
kelompok data sampel berasal dari populasi yang memiliki variansi yang sama. Pada
analisis regresi, persyaratan analisis yang dibutuhkan adalah bahwa galat regresi untuk
setiappengelompokan berdasarkan variabel terikatnya memiliki variansi yang sama.
Hipotesis yang diuji adalah sebagai berikut :
1 S-01 4 6
2 S-02 9 4
3 S-03 11 6
4 S-04 13 12
5 S-05 5 7
6 S-06 11 14
7 S-07 4 13
8 S-08 5 10
9 S-09 9 10
10 S-10 11 13
11 S-11 4 8
12 S-12 7 5
13 S-13 13 12
14 S-14 16 10
15 S-15 10 4
16 S-16 4 5
17 S-17 2 4
18 S-18 19 15
19 S-19 15 11
20 S-20 8 10
Berikut adalah Langkah-langkahnya:
Buka SPSS
Copy data tersebut ke dalam lembar kerja SPSS letakan dalam satu kolom dan perlu
diingat no urutnya 1-20 adalah kelas eksperimen dan 21-40 kelas kontrol, kemudian pada
kolom kedua isi dengan “1” untuk kelas Eksperimen dan “2” untuk kelas kontrol
Buatlah nama variabel dengan cara Variabel View, kemudian pada kolom Label beri
nama “Kemampuan Pemahaman Matematis” pada VAR000001 dan “Faktor” pada
VAR000002
Kerena p-value = 0,351 > 0,05 maka data siambil dari sampel yang homogen.
2. UJI NORMALITAS
1. Kegunaan
Uji normalitas merupakan salah satu bagian dari uji persyaratan analisis data atau uji
asumsi klasik. Artinya sebelum melakukan analisis yang sesungguhnya, data penelitian
tersebut harus diuji kenormalan distribusinya. Data yang baik adalah data yang normal
dalam pendistribusiannya. Jadi tujuan uji normalitas adalah untuk menguji apakah data
penelitian yang dilakukan memiliki distribusi yang normal atau tidak. Dasar pengambilan
keputusan dalam uji normalitas yakni jika nilai signifikasi lebih besar dati 0,05, maka data
tersebut berdistribusi normal. Sebaliknya, jika nilai signifikasi lebih besar dai 0,05 maka
data tersebut tidak berdistribusi normal (Hamdi, et al., 2014).
2. Langkah-langkah
Uji normalitas data dimaksudkan untuk memperlihatkan bahwa data sampel berasal dari
populasi yang berdistribusi normal. Ada beberapa teknik yang dapat digunakan untuk menguji
normalitas data, antara lain: Dengan kertas peluang normal, uji chi-kuadrat, uji Liliefors,
dengan Teknik Kolmogorov-Smirnov, dengan SPSS. Berikut ini diuraikan contoh Uji
normalitas dengan program SPSS for Windows.Dibawah ini terdapat data Skor Tes
Kemampuan Pemahaman Matematis Siswa
Kode
No. Eksperimen Kontrol
Siswa
1 S-01 4 6
2 S-02 9 4
3 S-03 11 6
4 S-04 13 12
5 S-05 5 7
6 S-06 11 14
7 S-07 4 13
8 S-08 5 10
9 S-09 9 10
10 S-10 11 13
11 S-11 4 8
12 S-12 7 5
13 S-13 13 12
14 S-14 16 10
15 S-15 10 4
16 S-16 4 5
17 S-17 2 4
18 S-18 19 15
19 S-19 15 11
20 S-20 8 10
Setelah muncul kotak dialog uji normalitas, selanjutnya pilih “Kemampuan Pemahaman
Matematis” sebagaidependent list; pilih “Faktor” sebagai factor list, kemudian,
klik Plots; pilih Normality test with plots; dan klik Continue, lalu OK
Uji normalitas dengan menggunakan bantuan program SPSS, menghasilkan 3 (tiga)
jenis keluaran, yaituProcessing Summary, Descriptives, Tes of Normality, dan Q-Q plots.
Untuk keperluan penelitian umumnya hanya diperlukan keluaran berupa Test of Normality,
yaitu keluaran yang berbentuk seperti tabel di bawah ini. Keluaran lainnya dapat dihapus,
dengan cara klik sekali pada objek yang akan dihapus lalu tekan Delete. Pengujian
denganSPSS berdasarkan pada uji Kolmogorov-Smirnov dan Shapiro-Wilk. Pilih salah satu
saja, misalnya Kolmogorov-Smirnov.
Dari Hasil tabel di atas menunjukkan uji normalitas data y, yang sudah diuji
sebelumnya secara manual dengan uji Liliefors dan Kolmogorov-Smirnov. Pengujian
dengan SPSS berdasarkan pada uji Kolmogorov-Smirnov dan Shapiro-Wilk. Pilih salah
satu saja misalnya Kolmogorov-Smirnov. Hipotesis yang diuji adalah:
Ho : Sampel berasal dari populasi yang berdistribusi normal
H1 : Sampel tidak berasal dari populasi yang berdistribusi normal
Dengan demikian, normalitas dipenuhi jika hasil uji tidak signifikan untuk suatu taraf
signifikansi (α) tertentu (biasanya α=0,05 atau α=0,01). Sebaliknya, jika hasil uji signifikan
maka normalitas data tidak terpenuhi. Cara mengetahui signifikan atau tidak signifikan hasil
uji normalitas adalah dengan memperhatikan bilangan pada kolom signifikansi (Sig.) untuk
menetapkan kenormalan, kriteria yang berlaku adalah sebagai berikut:
Tetapkan taraf signifikansi uji misalnya α=0,05
Bandingkan p dengan taraf signifikansi yang diperoleh
Jika signifikansi yang diperoleh > α, maka sampel berasal dari populasi yang
berdistribusi normal.
Jika signifikansi yang diperoleh < α, maka sampel bukan berasal dari populasi yang
berdistribusi normal.
Pada hasil di atas diperoleh untuk kelas eksperimen nilai signifikansi p = 0,387,
sehingga p > α dan untuk kelas kontrol nilai signifikansi p = 0,127, sehingga p > α. Dengan
demikian sampel berasal dari populasi yang berdistribusi normal.
3. UJI LINIERITAS
1. Kegunaan
Uji linearitas bertujuan untuk mengetahui apakah dua variabel mempunyai hubungan
yang linear atau tidak secara signifikan. Uji ini biasanya digunakan sebagai prasyarat
dalam analisis korelasi atau regresi linear. Linearitas adalah keadaan dimana hubungan
antara variabel dependen dan variabel independen bersifat linear (garis lurus)dalam range
variabel independen tertentu. Sebagai contoh hubungan antara kecepatan lari seseorang
(variabel dependen) yang tergantung pada usia orang tersebut (variabel bebas atau
independen). Maka secara umum dikatakan bahwa makin tinggi usia seseorang maka lari
orang tersebut cenderung semakin cepat, yang jika dipresentasikan pada grafik, maka
terdapat garis ke kanan atas. Namun sebenarnya hal itu benar hanya pada range usia
tertentu, misal antara 17 tahun sampai 40 tahun. Di atas 40 tahun mungkin kecepatan lari
seseorang berbanding terbalik dengan usianya, yakni semakin tinggi usia orang tersebut,
makin lambat larinya. Linearitas bisa diuji dengan scatter plot (diagram pencar) seperti
yang digunakan untuk data outlier, dengan memberi tambahan garis regresi. Karena scatter
plot hanya menampilkan hubungan dua variabel saja, maka jika terdapat lebih dari dua
data, maka pengujian dilakukan dengan berpasangan tipa dua data (Santoso, 2010). Jadi uji
lenearitas bertujuan atau berguna untuk mengetahui apakah dua variabel mempunyai
hubungan yang linear atau tidak secara signifikan.
2. Langkah-langkah
Contoh kasus:
Seorang mahasiswa bernama Akbar melakukan penelitian untuk mengetahui
hubungan antara kecemasan dengan optimisme pada remaja. Data-data skor total yang di
dapat ditabulasikan sebagai berikut:
Akan dilakukan uji apakah data yang didapatkan berbeda dengan data sebelumnya,
menurut informasi rata-rata kunjungan pasien tahun lalu sebanyak 20 orang.
Pada menu di SPSS pilih Analyze --> Compare Means --> One-Sample T Test
seperti ini :
Setelah itu akan muncul jendela seperti ini :
Pilih variabel "kunjungan pasien", lalu klik tanda 'segitiga' untuk memindahkan
variabel tersebut ke kotak 'Test Variables'.
Isi kotak 'Test Value' dengan angka "20"(angka 20 merupakan rata-rata kunjungan
pasien tahun lalu), kemudian klik OK. Hasilnya :
Kesimpulan
Dari tabel "One-Sample Statistics" terlihat bahwa rata-rata kunjungan sebanyak 23
orang, dengan standar deviasi 3,387. Bila melihat dari rata-rata kunjungan saat ini memang
ada perbedaan, namun perbedaan ini apakah bermakna secara statistik ? pada tabel "One-
Sample Test" pada kolom "Sig.(2-tiled)" diperoleh nilai P = 0,001, maka nilai P < α,
sehingga Ho ditolak. Dengan demikian dapat kita simpulkan bahwa ternyata pada uji
statistik dua sisi (2-tailed) pada taraf nyata α = 0,05, menunjukan ada perbedaan yang
bermakna antara kunjungan pasien tahun lalu dengan tahun ini(Gaib, 2013).
Setelah diberi label kembalikan posisi pada Data View untuk melakukan Uji-t dengan
cara Pilih menu berikut:Analyze–> Compare Mean –> Independet-Samples T Test –> OK
Karena nilai p-value = 0,970 > 0,05 berarti Terima H0 yang artinya tidak ada
perbedaan ratat-rata antara dua sampel tersebut.
- Independent sample t-test
Judul penelitian misalnya “Perbedaan Skor Pengetahuan tentang HIV/AIDS pada
siswa yang pernah dan yang belum mendapat penyuluhan tentang HIV-AIDS”. Data yang
diperoleh
No Kelompok siswa A Kelompok siswa B
1 80 68
2 90 57
Data 3 70 46 diperoleh dari
dua kelompok 4 86 57 siswa yaitu
5 82 44
siswa A (yang pernah
6 88 51
mendapat 7 91 62 penyuluhan
tentang 8 93 54 HIV/AIDS) dan
9 80 49
siswa B 10 79 48 (belum pernah
mendapat 11 89 64 penyuluhan
tentang 12 88 48 HIV/AIDS).
13 85 58
Analisis Data: 14 79 55
Langkah 15 91 52 pertama:
Melihat apakah data yang diperoleh berdistribusi normal. Ada beberapa cara untuk melihat
apakah data tersebut berdistribusi normal. Bisa menggunakan program SPSS.
Setelah masuk program SPSS dan telah menginput data pada data view dan variable
view dengan nama skor_pengetahuan dan Group_kelas dengan value 1 = siswa_A dan 2 =
siswa_B
Selanjutnya klik Analyze – Descriptive Statistics –Explore - test Klik
variabel skor_pengetahuanmasukkan ke kotak Dependent List dan group_kelas pada
kotak faktor list
Pada Plots, centang Normality plots with test, Continue
Klik OK, maka hasil output yang didapat adalah sebagai berikut:
OUTPUT SPSS
Descriptives
Statistic Std.
Error
Siswa_A Mean 84.73 1.620
95% Confidence Lower 81.26
Interval for Mean Bound
Upper 88.21
Bound
5% Trimmed Mean 85.09
Median 86.00
Variance 39.352
Std. Deviation 6.273
Minimum 70
Maximum 93
Range 23
Interquartile Range 10
Skewness -.820 .580
Kurtosis .448 1.121
Siswa_B Mean 54.20 1.784
95% Confidence Lower 50.37
Interval for Mean Bound
Upper 58.03
Bound
5% Trimmed Mean 54.00
Median 54.00
Variance 47.743
Std. Deviation 6.910
Minimum 44
Maximum 68
Range 24
Interquartile Range 10
Skewness .467 .580
Kurtosis -.458 1.121
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic Df Sig. Statistic Df Sig.
Siswa_A .165 15 .200* .924 15 .220
*
Siswa_B .107 15 .200 .967 15 .812
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
Dari hasil di atas kita lihat pada kolom Shapiro-Wilk dan dapat diketahui bahwa nilai
signifikansi untuk Siswa_A adalah 0.220 dan untuk Siswa_B sebesar 0.812 maka dapat
disimpulkan bahwa data pada variabel Siswa_A; dan untuk Siswa_B berdistribusi normal.
Langkah Kedua: Cara SPSS untuk melihat hasil uji T sampel bebas (independen):
Selanjutnya klik Analyze – Compare means – Independent-samples T test Klik
variabel skor_pengetahuan masukkan ke kotak Dependent List
dan group_kelas pada Grouping Variabels
Klik Define groups : klik angka satu pada group 1 dan angka 2 pada group 2, lalu
continue
Klik OK, maka hasil output yang didapat adalah sebagai berikut:
OUTPUT SPSS
Group Statistics
Kritera N Mean Std. Std. Error
Deviation Mean
Scor_Pengeahuan Siswa-A 15 84.73 6.273 1.620
Siswa_B 15 54.20 6.910 1.784
Salah satu tahap dalam proses penelitian adalah tahap analisis data. Menurut Ali
Muhson, analisis data merupakan salah satu proses penelitian yang dilakukan setelah
semua data yang diperlukan guna memecahkan permasalahan yang diteliti sudah
diperoleh secara lengkap. Ketajaman dan ketepatan dalam penggunaan alat analisis
sangat menentukan keakuratan pengambilan kesimpulan, karena itu kegiatan analisis data
merupakan kegiatan yang tidak dapat diabaikan begitu saja dalam proses penelitian.
Teknik analisis dibagi menjadi dua yaitu teknik analisis kuantitatif dan kualitatif.
Perbedaan kedua teknik yaitu terletak pada jenis datanya. Data yang dikuantifikasikan
dapat dianalisis secara kuantitatif dan kualitatif tetapi data yang bersifat kualitatif maka
analisis digunakan hanya analisis kualitatif.
Analisis kuantitatif yang biasa digunakan adalah analisis statistik. Biasanya analisis ini
terbagi ke dalam dua kelompok yaitu statistik deskriptif dan inferensial.
Analisis statistik deskriptif adalah statistik yang digunakan untuk menganalisis data
dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul
sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk
umum atau generalisasi. Analisis ini hanya berupa akumulasi data dasar dalam bentuk
deskripsi semata dalam arti tidak mencari atau menerangkan saling hubungan, menguji
hipotesis, membuat ramalan, atau melakukan penarikan kesimpulan.
Teknik analisis statistik deskriptif yang dapat digunakan antara lain:
a. Penyajian data dalam bentuk tabel atau distribusi frekuensi dan tabulasi
silang (crosstab).
Tabel adalah model penyajian yang disusun dalam baris dan kolom. Tabel data
berupa kumpulan angka-angka berdasarkan kategori tertentu. Suatu tabel
minimal memuat judul tabel, judul kolom, judul baris, nilai pada setiap baris dan
kolom, serta sumber yang menunjukkan dari mana data tersebut diperoleh.
Berdasarkan pengaturan baris dan kolom, suatu tabel dapat dibedakan dalam
beberapa bentuk misalnya tabel klasisfikasi saru arah, tabel klasifikasi dua arah
atau lebih (tabel silang), serta tabel distribusi frekuensi. Berikut disajikan
contoh-contoh bentuk tabel yang biasa digunakan dalam penyajian data penelitian
kuantitatif.
1. Tabel Klasifikasi Satu Arah
Tabel ini digunakan untuk mengelompokkan data berdasarkan satu kriteria
Tertentu. Berikut ini contoh tabel klasifikasi satu arah.
Tabel 1: Contoh Tabel Satu Arah Komposisi Responden Berdasarkan Jenis
Kelamin
1 Laki-laki 24
2 Perempuan 16
Total 40
Interval Kelas =
f (%) f (%)
Total 40 100,00
1. Tabel Silang
Tabel silang biasanya digunakan untuk mengelompokkan data berdasarkan
dua atau lebih kriteria. Berikut ini contoh tabel silang.
Tabel 3. Contoh Tabel Silang Komposisi Responden Berdasarkan Jenis Kelamin
dan Tingkat Pendidikan
Jenis Laki-laki 7 11 6 24
kelamin perempuan 1 13 2 16
Total 8 24 8 40
1. Mean
Dapat dicari dengan menjumlahkan semua nilai kemudian dibagi
denganbanyaknya individu.
A 100
B 125
C 140
D 150
E 175
N=5 X = 690
2. Mode
Mode merupakan nilai yang jumlah frekuensinya paling besar. Untuk
mencari nilai mode dapat dilihat pada jumlah frekuensi yang paling besar.
Contoh :
Nilai Frekuensi
60 5
65 6
66 7
70 15
72 2
75 6
80 8
85 10
3. Median
merupakan nilai tengahyang membatasi setengah frekuensi bagian
bawah dan setengah frekuensi bagian atas.
Nomor Nilai
1 60
2 65
3 70
4 75
5 85
6 80
7 81
8 79
9 77
85 adalah median yang membagi empat nilai diatasnya dan empat nilai
di bawahnya.
3. Simpangan Baku
Simpangan baku atau standar deviasi yang diberi simbol (s) adalah
akar
varians (s2). Simpangan baku memiliki fungsi yang sama dengan
varians
dalam menjelaskan sekelompok data.
Statistik inferensial adalah teknik analisis data yang digunakan untuk menentukan
sejauh mana kesamaan antara hasil yang diperoleh dari suatu sampel dengan hasil
yang akan didapat pada populasi secara keseluruhan. Jadi statistik inferensial
membantu peneliti untuk mencari tahu apakah hasil yang diperoleh dari suatu sampel
dapat digeneralisasi pada populasi (John, 2008:326).Sejalan dengan pengertian
statistik inferensial menurut Creswell, Muhammad Nisfiannoor berpendapat bahwa
statistik inferensial adalah metode yang berhubungan dengan analisis data pada
sampel untuk digunakan untuk penggeneralisasian pada populasi. Penggunaan statistic
inferensial didasarkan pada peluang (probability) dan sampel yang dipilih secara acak
(random) (Nisfianoor, 2009:4).
Konsep statistik inferensial yaitu;
1. Standard Error
Peluang setiap sampel sangat identik dengan populasinya sangat kecil (nill)
meskipun inferensi populasi didapat dari informasi sampel.Penerapan random
sampling tidak menjamin karakteristik sampel sama persis dengan populasi. Variasi
prediksi antara mean disebut sampling error. Sampling error ini tidak bisa dihindari
dan ini bukan kesalahan peneliti. Yang menjadi persoalah adalah apakah error tersebut
semata-mata hasil sampling error atau merupakan perbedaan yang bermakna yang
akan pula ditemukan pada papulasi yang lebih besar.
Ciri standard error adalah bahwa error yang terjadi bisaanya berdistribusi
normal yang besarnya berbeda-bedadan error tersebut cenderung membentuk kurva
normal yang menyerupai lonceng.
1. Pengujian Hipotesis
Pengujian hipotesis adalah proses pengambilan keputusan dimana peneliti
mengevaluasi hasil penelitian terhadap apa yang ingin dicapai sebelumnya.
Misalnya, kita ingin menerapkan program baru dalam pelajaran membaca. Pada
rencana penelitian dikemukanan hipotesis penelitian yang memprediksi perbedaan
skor siswa yang menjalni program baru tadi dengan proglam lama, dan hipotesis
nol (0), yang memprediksikan skor kedua kelompok tidak akan berbeda. Setelah
data dihitung mean dan standar deviasinya dan hasilnya menunjukkan skor siswa
dengan program baru lebih tinggi (berbeda secara signifikan) daripada siswa yang
mengikuti program lama, maka hipotesis penelitian diterima dan hipotesis nol
ditolak. Yang berarti bahwa program baru tersebut efektif untuk diterapkan pada
program membaca. Intinya, pengujian hipotesis adalah proses evaluasi hipotesis
nol, apakah diterima tau ditolak, (Cresswell, 2008:328).
2. Uji Signifikansi
Uji signifikasi adalah cara mengetahui adanya perbedaan antara dua skor.
Signifikansi merujuk pada tingkat statistik dari probabilitas dimana dengannya
kita bisa menolak hipotesis nol. Uji signifikansi dilakukan dengan menentukan
tingkat probabilitas praseleksi yang dikenal dengan tingkat signifikansi (α).
Tingkat probailitas ini dijadikan dasar untuk menolak atau tidak menolak hipotesis
nol. Standar yang digunakan umumnya 0,05 kesempatan (5 dari 100). Adapula
yang menggunakan 0.01. Semakin kecil nilai probabilitasnya, semakin kecil pula
kemungkinan temuan tersebut diperoleh karena disebabkan oleh peluang,
(Cresswell, 2008:329).
d. Korelasi
Menurut Cohen, dkk., Teknik korelasi digunakan untuk mengetahui tiga hal pada
dua variabel atau dua set data. Pertama, “Apakah ada hubungan antara dua
variabel atau set data”. Bila jawabannya “ya”, maka dua hal berikutnya perlu kita
cari yakni; “Bagaimana arah hubugan tersebut”; dan “Apa yang menjadi
ukurannya?” Hubungan yang dimaksudkan adalah kencenderungan dua variabel
atau set data berbeda secara konsisten, (Cohen, 2007: 530).Dalam Solusi Mudah
dan Cepat Menguasai SPSS 17.0 unruk Pengolahan Data Statistik (Wahana
Komputer, 2009) dikatakan analisis korelasi dilakukan untuk menunjukkan
keeratan hubungan kausal antara variabel-variabel. Jenis-jenis analisis korelasi,
yaitu: Korelasi sederhana, yaitu , korelasi parsial, dan uji distance, (Wahana,
2009:155).
2. Statistik Non-parametrik
Statistik nonparametrik adalah jenis statistic inferensial yang tidak mengharuskan
data berdistribusi normal dan jenis data yang digunakan adalah data nominal dan
ordinal, (Nisfiannoor, 2009:4).
a. Chi Square
Chi Square adalah suatu ukuran menyangkut perbedaan yang terdapat di antara
frekwensi pengamatan dengan frekwensi teoritis/frekwensi harapan yang
2
dinyatakan dengan simbol , (Spiegel & Stephen, 2007:213). Statistik
Daftar Pustaka
Aedi, Nur. 2010. Bahan Belajar Mandiri Metode Penelitian Pendidikan (Online). Universitas
Pendidikan Indonesia. Diakses di http://file.upi.edu/Direktori/DUAL-
MODES/METODE_PENELITIAN/BBM_1-2-3.pdf tanggal 10 Oktober 2015.
Cohen, Luis dkk. Research Method in Education. Sixth Edition. Routledge, New York. 2007.
Cresswell, John W. Educational Research. Third Edition. New Jersey: Pearson Education, Inc.
2008.
Emzir, Prof. DR., M.Pd. Metode Penelitian Pendidikan Kuantitatif dan Kualitatif. Rajawali
Press. Jakarta. 2011
Gaib, M. (2013). uji satu sampel dengan spss. Dipetik November 21, 2016, dari statistik-
kesehatan.blogspot.co.id:http://statistik-kesehatan.blogspot.co.id/2011/03/uji-t-satu-
sampel-dengan-spss.html
Hamdi, A. S., & Bahruddin, E. (2014). Metode Penelitian Kuantitatif Aplikasi Dalam
Pendidikan. Yogyakarta: deepublish.
Spiegel, Murray R. dan Larry J. Stephens. Statistik. Edisi Ketiga. (Terjemahan oleh Wiwit
Kastawan ST, MT, M.Sc dan Irzam Harmein, ST). Erlangga. Jakarta. 2007
Wahana Komputer. Solusi Mudah dan Cepat Menguasai SPSS 17.0 unruk Pengolahan Data
Statistik. PT. Elex Media Komputindo. Jakarta. 2009.