BIOSTATISTIK

METODE ANALITIK PARAMETRIK

UJI HUBUNGAN

OLEH :
KELOMPOK 2
KELAS A12-B

1. Ni Kadek Ayu Dewi Cahyani (183212877)

2. Ni Komang Suryantini (183212890)
3. Ni Luh Erina (183212892)
4. Putu Suci Kristina Dewi (183212898)
5. Wisnu (183212900)

PROGRAM STUDI KEPERAWATAN PROGRAM SARJANA

SEKOLAH TINGGI ILMU KESEHATAN
WIRA MEDIKA BALI
DENPASAR
2021
 KATA PENGANTAR

Puja dan puji syukur yang tiada terhingga penulis haturkan kehadapan Ida
Sang Hyang Widhi Wasa (Tuhan Yang Maha Esa), karena atas rahmat dan
karunia-Nya, karya tulis yang berjudul “Metode Analitik Parametrik Uji
Hubungan” ini dapat diselesaikan tepat pada waktunya.
Karya tulis ini disusun untuk memenuhi tugas mata kuliah Manajemen
Keperawatan II dalam menempuh Pendidikan Program Studi Keperawatan
Program Sarjana, Sekolah Tinggi Ilmu Kesehatan Wira Medika Bali pada
semester genap tahun 2021, yang diampu oleh ibu Ns. Diah Prihatiningsih,
S.Si.,M.Si
Dalam keberhasilan penyusunan karya tulis ini, tentunya tidak luput dari
bantuan beberapa pihak. Untuk itu, penulis menyampaikan terima kasih yang
setulus-tulusnya kepada pihak yang telah membantu dalam menyelesaikan karya
tulis ini.
Penulis menyadari bahwa, karya tulis ini masih jauh dari yang sempurna.
Oleh kerena itu, segala kritik dan saran perbaikan sangat diharapkan demi karya-
karya penulis berikutnya. Semoga karya tulis ini ada manfaatnya.

Denpasar, 23 September 2021

Penulis,

i
 DAFTAR ISI

KATA PENGANTAR......................................................................................i
DAFTAR ISI....................................................................................................ii
BAB I PENDAHULUAN
1.1 Latar Belakang............................................................................................1
1.2 Rumusan Masalah.......................................................................................1
1.3 Tujuan.........................................................................................................2
1.4 Manfaat.......................................................................................................2
BAB II PEMBAHASAN
2.1 Metode Uji Parametrik...............................................................................3
2.2 Uji Hubungan..............................................................................................7
BAB III PENUTUP
3.1 Kesimpulan.................................................................................................15
3.2 Saran...........................................................................................................15
DAFTAR PUSTAKA

ii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Metode statistika adalah prosedur-prosedur yang digunakan dalam
pengumpulan, penyajian, analisis dan penafsiran data. Metode-metode tersebut
dikelompokkan ke dalam dua kelompok, yaitu statistika deskriptif dan statistika
dan statistik inferensia. Statistik deskriptif adalah metode yang berkaitan dengan
pengumpulan dan penyajian suatu gugus nilai pengamatan (data) diantaranya
mempelajari ukuran nilai pengamatan (data), diantaranya mempelajari ukuran
nilai sentral meliputi mean, median, modus, standar deviasi dan kuartil. Sehingga
memberikan informasi yang berguna. Statistika inferensia mencakup semua
metode yang berhubungan dengan analisis sebagian data (sampel) untuk
kemudian sampai pada kesimpulan mengenai keseluruhan data induknya
(populasi). Dalam statistika inferensia sering dipakai istilah parameter dan
statistik. Parameter yaitu ringkasan data yang dapat menggambarkan secara
keseluruhan populasi, sedangkan statisti merupakan ringkasan data yang berasal
dari sampel.
Metode statistika parametrik berlandaskan pada anggapan-anggapan tertentu
yang telah disusun terlebih dahulu, jika anggapan-anggapan tersebut tidak sesuai
dengan keadaan sebenarnya, apalagi jika menyimpang jauh maka keampuhan
metode ini tidak dapat dijamin atau bahkan dapat menyesatkan. Pengolongan
Statistika Parametrik antara lain: Regresi, Path (Jalur), SEM, Korelasi Kanonik,
Faktor, deskriminan, claster, regresi logistik, probit & tobit, multivariat.

1.2 Rumusan Masalah

Adapun rumusan masalah yang didapat berdasarkan latar belakang di atas sebagai
berikut:
1. Bagaimana Metode Uji Parametrik ?
2. Bagaimana Uji Hubungan ?

1
1.3 Tujuan
Adapun tujuan yang didapat berdasarkan rumusan masalah di atas sebagai berikut:
1. Untuk Mengetahui Bagaimana Metode Uji Parametrik
2. Untuk Mengetahui Bagaimana Uji Hubungan

1.4 Manfaat
Adapun tujuan yang didapat berdasarkan rumusan masalah di atas sebagai berikut:
1. Agar Dapat Memahami Bagaimana Metode Uji Parametrik
2. Agar Dapat Memahami Bagaimana Uji Hubungan

2
 BAB II
PEMBAHASAN

2.1 Metode Uji Parametrik

2.1.1 Pengertian Dari Statistik Parametrik
Statistika Parametrik (Metode Kuantitatif) adalah metode statistika yang
menyangkut pendugaan parameter, pengujian hipotesis, pembentukan selang
kepercayaan, dan hubungan antara dua sifat (peubah) atau lebih bagi parameter-
parameter yang mempunyai sebaran (distribusi normal) tertentu yang diketahui.
Statistika parametik lebih banyak digunakan untuk menganalisis data yang
berskalainterval dan rasio dengan dilandasi asumsi tertentu seperti normalitas.
Statistika nonparametik dapat digunakan untuk menganalisis data yang berskala
nominal dan ordinal.
Sugiyono (2013:79) mengemukakan statistik parametris itu bekerja
berdasarkan asumsi bahwa data setiap variabel yang akan dianalisis berdasarkan
berdistribusi normal. Untuk itu sebelum peneliti menggunkan teknik statistik
parametris, maka kenormalan data harus diuji terlebih dahulu. Bila data tidak
normal, maka statitik parametris tidak dapat digunakan, untuk itu perlu digunakan
statistik nonparametris. Tetapi perlu diingat bahwa yang menyebabkan tidak
normal itu apanya. Misalnya ada kesalahan instrumen dan pengumpulan data,
maka dapat mengakibatkan data diperoleh menjadi tidak akan normal.
Supardi (2013:8) mengatakan statistik parametrik adalah bagian statistik yang
parameter populasinya harus memnuhi syarat-syarat tertentu seperti syarat data
berkala intervak/rasio, styarat penagambilan sampel harus random, berdisribusi
normal atau normalitas dan syarat memiliki varian yang homogen ata
homogenitas, model regsi lineier, dan sebagainya. Dalam statistika parametrik,
inidikator-indikator yang dianalisis adalah parameter-parameter dari ukuran objek
yang digunakan.
Jenis data yang dianalisis dalam statistik parametrik terutama adalah
mempunyai skala interval atau rasio. Dalam analisis menggunakan statistik

3
parametrik, pertimbangan jenis sebaran atau distribusi data yang menyebar secara
normal adalah mutlak. Adapun syarat penggunaan statistik parametrik yaitu:
1. Asumsi utama dalam statistik parametrik adalah data yang akan dianalisis
harus memenuhi normalitas. Jika distribusi data tidak normal, maka analisis
harus dikerjakan dengan teknik statistik nonparametrik. Sebagai jalan tengah,
dapat dilakukan transformasi lebih dahulu agar data menjadi normal.
2. Asumsi berikutnya yang yang harus dipenuhi dalam analisis menggunakan
statistik parametrik adalah dua data kelompok atau lebih yang akan diuji harus
homogen. Sehingga persyaratan homogenitas data-data harus diperhatikan.
3. Asumsi yang harus terpenuhi lainnya adalah data harus linier. Menganalisis
hubungan antara dua variabel interal digunakan analisis korelasi product
moment dari Pearson. Tetapi dalam teknik non-parametrik analisis korelasi
lebih dikenal dengan korelasi tata jenjang (rank order correlation) Spearman.

Cara dan langkah-langkah melakukan penghitungan dua teknik korelasi

tersebut berbeda. Dalam analisis korelasi tata jenjang, lebih dahulu membuat
urutan (ranking) dari data yang akan dikorelasikan, sedangkan dalam product
moment dari Pearson tidak perlu dilakukan penyusunan ranking. Dalam teknik
analisis statistik parametrik, untuk melakukan uji perbedaan mean antara dua
kelompok data dapat digunakan teknik statistik uji t. Teknik statistik uji t
dibedakan menjadi uji t untuk sampel yang berkorelasi, dan uji t untuk sampel
yang tidak berkorelasi. Uji beda mean antara lebih dari dua kelompok data dapat
digunakan teknik analisis varian (Budiwanto: 2014).
Menurut Santoso(2010:10) Metode statistik parametrik digunakan untuk:
1. Data dalam jumlah besar, biasanya diatas 30.
2. Distribusi data adalah normal atau dapat dianggap normal
3. Data bertipe interval atau rasio.
Jika salah satu asumsi diatas tidak terpenuhi, seperti jika data cukup banyak,
namun tidak berdistribusi normal, atau tipe data adalah nominal atau ordinal,
maka metode statistik nonparametrik dapat digunakan.

4
 Dengan demikian, metode parametrik secara natur lebih kuat (powerful)
dibanding nonparametrik, jika pada data yang sama dilakukan pengolahan data
dengan metode parametrik kemudian nonparametrik, dan keduanya mengahsilkan
kesimpulan yang berbeda, maka hasil dari metode parametrik dapat jadi patokan.
Pada umumnya, penggunaan metode parametrik dijadikan alternatif awal untuk
mengolah data; jika data memang tidak dapat diolah dengan parametrik, maka
barulah digunakan metode nonparametrik.
Namun dalam praktik banyak data atau kasus yang justru tidak bisa
memenuhi kritera pengguna metode paramerik. Karena itu berkembanglah
sejumlah besar metode statistik nonparametrik untuk inferensi pada data yang
tidak memenuhi syarat parametrik. Walaupun tidak powerful seperti metode
parametrik, namun pengguna metode nonparametrik dalam praktik sangat
membantu banyak pengambilan keputusan secara statistik.
Metode statistika parametrik berlandaskan pada anggapan-anggapan tertentu
yang telah disusun terlebih dahulu, jika anggapan-anggapan tersebut tidak sesuai
dengan keadaan sebenarnya, apalagi jika menyimpang jauh maka keampuhan
metode ini tidak dapat dijamin atau bahkan dapat menyesatkan. Pengolongan
Statistika Parametrik antara lain: Regresi, Path (Jalur), SEM, Korelasi Kanonik,
Faktor, deskriminan, claster, regresi logistik, probit & tobit, multivariat.
Prosedur penggunaan statistika parametrik harus mempertimbankan:
1. Penentuan Hipotesis
2. Pemilihan uji statistika (alat analisis)
3. Penentuan
4. Taraf Nyataα dan ukuran cuplikan (n)
5. Menentukan sebaran cuplikan (Sampling distribution)
6. Penentukan daerah penolakan Ho
7. Pengambilan keputusan dan penarikan kesimpulan.

5
2.1.2 Kelebihan Dan Kekurangan Statistik Parametrik
Dalam kenyataan, penggunaan metode satatistik tidak terlepas dari berbagai
kelebihan dan kekurangan. Adapun kelebihan dan kekurangan statistika
parametrik sebagai berikut:
1. Kelebihan statistika parametrik adalah:
1) Dapat digunakan untuk menduga atau meramal.
2) Hasil analisis dapat diperoleh dengan pasti dan akurat apabila digunakan
sesuaiaturan-aturan yang telah ditetapkan.
3) Dapat digunakan untuk mengukur interaksi hudungan antara dua atau
lebihvariabel (peubah).
4) Dapat menyederhanakan realitas permasalahan yang kompleks & rumit
dalamsebuah model sederhana.
2. Kekurangan statistika parametrik adalah:
1 ) Berdasarkan pada anggapan-anggapan (Asumsi).
2 ) Asumsi tidak sesuai dengan realitas yang terjadi atau menyimpang jauh
makakemampuannya tidak dapat dijamin bahkan menyesatkan.
3 ) Data harus berdistribusi normal dengan skala pengukuran data yang
harusdigunakan adalah interval & rasio.
4 ) Dapat digunakan untuk menganalisis data yang populasi/sampelnya sama.
5 ) Tidak dapat dipergunakan untuk menganalisis dengan cuplikan (Sampel)
yangjumlahnya sedikit (> 30).

2.1.3 Pemodelan Statistika Parametrik

Model adalah suatu konsep yang digunakan untuk menyatakan sesuatu
keadaan (permasalahan) ke dalam bentuk simbolik, ikonik atau analog. Pada
hakekatnya model adalah perwakil realitas, oleh karena itu wujudnya harus lebih
sederhana. Pemodelan statistika adalah upaya memodelkan permasalahan ke
dalam konsep statistika dengan prosedur:
1. Ubah pernyataan ke dalam lambang statistika.
2. Pemilihan metode analisis yang tepat.
3. Aplikasi metode secara benar

6
2.2 Uji Hubungan
2.2.1 Korelasi
1. Pengertian Korelasi
Menurut Faenkel dan Wallen, penelitian korelasi atau korelasional adalah
suatu penelitian untuk mengetahui hubungan dan tingkat hubungan antara dua
variabel atau lebih tanpa ada upaya untuk mempengaruhi variabel tersebut
sehingga tidak terdapat manipulasi variable.
Menurut Mc Millan dan Schumacher, adanya hubungan dan tingkat
variabel ini penting karena dengan mengetahui tingkat hubungan yang ada,
peneliti akan dapat mengembangkannya sesuai dengan tujuan penelitian. Jenis
penelitian ini biasanya melibatkan ukuran statistik/tingkat hubungan yang
disebut dengan korelasi. (Ahmad Wira, 2014).
Secara umum korelasi adalah metode untuk mengetahui tingkat keeratan
hubungan antara dua peubah atau lebih yang digambarkan oleh besarnya
korelasi. Koefisien korelasi adalah koefisien yang menggambarkan tingkat
keeratan hubungan antar dua peubah atau lebih. Besaran dari koefisien
korelasi tidak menggambarkan hubungan sebab akibat antara dua peubah
(lebih) tapi semata-mata menggambarkan keterlibatan linier antar peubah.
Nilai koefisien korelasi berkisar antara (-1) sampai 1.
1) Nilai -1 berarti terdapat hubungan negatif (berkebalikan) yang sempurna.
2) Nilai 0 berarti tidak terdapat hubungan sama sekali.
3) Nilai 1 berarti terdapat hubungan positif yang sempurna (Ahmad Wira,
2014).
2. Jenis – Jenis Korelasi
1) Korelasi bivariate
Korelasi sederhana digunakan untuk mengetahui hubungan di antara
dua variabel, dan jika ada hubungan, bagaimana arah hubungan tersebut.
Keeratan hubungan antara satu variabel dengan variabel yang lain biasa
disebut dengan Koefisien Korelasi yang ditandai dengan “r“. Adapun
rumus “r” adalah:

7
Dimana:
r = nilai koefisien korelasi
x = nilai variabel pertama
y = nilai variabel kedua
N = jumlah data (Suparto, 2014).
Contoh kasus:
PT. Cemerlang dalam beberapa bulan yang lalu sangat gencar
mempromosikan sejumlah peralatan elektronik dengan membuka outlet-
oulet (toko) di berbagai daerah. Berikut ini data mengenai biaya promosi
(X) dan penjualan (Y) (dalam jutaan Rp) di 15 daerah di Indonesia.

8
2) Korelasi parsial
Korelasi parsial (Partial Correlation) digunakan untuk mengetahui
hubungan antara dua variabel dimana variabel lainnya yang dianggap
berpengaruh dikendalikan atau dibuat tetap (sebagai variabel kontrol).
Nilai korelasi (r) berkisar antara 1 sampai -1, nilai semakin mendekati 1
atau -1 berarti hubungan antara dua variabel semakin kuat, sebaliknya nilai
mendekati 0 berarti hubungan antara dua variabel semakin lemah. Nilai
positif menunjukkan hubungan searah (X naik maka Y naik) dan nilai
negatif menunjukkan hubungan terbalik (X naik maka Y turun). Data yang
digunakan biasanya berskala interval atau rasio (Adhika, 2015). Untuk
memberikan interpretasi koefisien korelasi sebagai berikut:
0,00 - 0,199 = sangat rendah
0,20 - 0,399 = rendah
0,40 - 0,599 = sedang
0,60 - 0,799 = kuat
0,80 - 1,000 = sangat kuat
Rumus sederhana untuk menghitung korelasi parsial:

9
 Keterangan:
rX2Y : koefisien korelasi
N : jumlah responden
X : skor variabel x
Y : skor variabel y
Notasi : rX2Y.X1 : korelasi parsial X2 dengan Y sedangkan X1
dikontrol dengan:

rX2Y-(rX2X1)(rYX1)..............................................................(2.29)

Menggabungkan korelasi korelasi sederhana, dimulai dengan r untuk X2

dan Y, korelasi sebelum X1 dikontrol; kemudian dikeluarkan (dikurangi)
korelasi X1 dengan Y dan X2 (rX2X1 dan rYX1).
Contoh kasus:
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
1variabel 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:

2.2.2 Regresi
1. Pengertian Regresi
Menurut Danang Sugiyono (2013:47) tujuan dari analisis regresi
adalah untuk mengetahui besarnya pengaruh variabel bebas (X) terhadap
variabel terikat (Y).
Menurut Fancis Galton, analisis regresi berkenaan dengan studi
ketergantungan dari suatu variabel yang disebut variabel tak bebas

10
 (dependent variable), pada satu atau variabel yang menerangkan dengan
tujuan untuk memperkirakan ataupun meramalkan nilai-nilai dari variabel
tak bebas apabila nilai variabel yang menerangkan sudah diketahui.
Menurut Gujarati, analisis regresi pada dasarnya adalah studi
mengenai ketergantungan variabel dependen (terikat) dengan satu atau
lebih variabel independen (variabel penjelas/bebas), dengan tujuan untuk
mengestimasi dan/atau memprediksi rata-rata populasi atau nilai rata-rata
variabel dependen berdasarkan nilai variabel independen yang diketahui.
(Ahmad Wira, 2014).
Secara Umum istilah regresi pertama kali dalam konsep statistik
digunakan oleh Sir Francis Galton dimana yang bersangkutan melakukan
kajian yang menunjukkan bahwa tinggi badan anak-anak yang dilahirkan
dari para orang tua yang tinggi cenderung bergerak (regress) kearah
ketinggian rata-rata populasi secara keseluruhan. Galton memperkenalkan
kata regresi (regression) sebagai nama proses umum untuk memprediksi
satu variabel, yaitu tinggi badan anak dengan menggunakan variabel lain,
yaitu tinggi badan orang tua. Pada perkembangan berikutnya hukum
Galton mengenai regresi ini ditegaskan lagi oleh Karl Pearson dengan
menggunakan data lebih dari seribu. Pada perkembangan berikutnya, para
ahli statistik menambahkan isitilah regresi berganda (multiple regression)
untuk menggambarkan proses dimana beberapa variabel digunakan untuk
memprediksi satu variabel lainnya. Analisis regresi adalah suatu metode
analisis data yang menggambarkan hubungan fungsional antara variabel
respon dengan satu atau beberapa variabel prediktor (Universitas
Lampung, 2012).
2. Jenis – Jenis Regresi
1) Regresi sederhana
Analisis regresi linier sederhana digunakan untuk mendapatkan
hubungan matematis dalam bentuk suatu persamaan antara variable
tak bebas dengan variabel bebas tunggal.Regresi linier sederhana
hanya memiliki satu perubahan regresi linier untuk populasi yaitu:

11
 Y= a + bx………………………………………………..(2.1)

Dengan :
Y = Subyek dalam variabel dependen yang diprediksikan
X = Subyek pada variabel independen yang mempunyai nilai tertentu.
a = Parameter intercept
b = Parameter koefisien regresi variabel bebas
Contoh kasus:
Seorang engineer ingin mempelajari hubungan antara suhu ruangan
dengan jumlah cacat yang diakibatkannya, sehingga dapat
memprediksi atau meramalkan jumlah cacat produksi jika suhu
ruangan tersebut tidak terkendali. Engineer tersebut kemudian
mengambil data selama 30 hari terhadap rata-rata (mean) suhu
ruangan dan jumlah cacat produksi (Sugiyono, 2006).
2) Regresi berganda
Analisis regresi linier berganda ini digunakan untuk memprediksi
berubahnya nilai variabel tertentu bila variabel lain berubah. Dikatakan
regresi berganda, karena jumlah variabel bebas (independent) sebagai
prediktor lebih dari satu, maka digunakan persamaan regresi linier
berganda dengan rumus, sebagai berikut:

Ŷ =α0 + α1x1 + … + αkxk………………………………….(2.2)

Dimana
Ŷ = variabel tidak bebas (dependen)
α0, … , αk = koefisien regresi
x1, … , xk = variabel bebas (independen)
Contoh kasus:
Menurut kajian literatur permintaan suatu produk ditentukan oleh
harga barang dan pendapatan seseorang. Hasil pengamatan terhadap
12 sampel atas permintaan suatu barang dalam hal ini gula diperoleh
data harga minyak goreng dan pendapatan konsumen:

12
Variabel Bebas:
X1 = Harga minyak goreng dan X2 = Pendapatan konsumen
Variabel Tak Bebas:
Y = Permintaan minyak goring
Persamaan regresi linear berganda:
Y' = a + b1X1 + b2X2
Menentukan nilai konstanta dan koefisien regresi

13
Khusus untuk parameter b1 data adalah dalam ribuan, sehingga hasil
tersebut harus dibagi dengan 1000, diperoleh b1 = -0,000582 = -0,001.
Jadi persamaan Regresi Linear Berganda dengan dua variabel bebas
adalah: Y' = 12,7753 - 0,001 X1 - 0,488 X2

14
 BAB III
PENUTUP

3.1 Kesimpulan
Statistika Parametrik (Metode Kuantitatif) adalah metode statistika yang
menyangkut pendugaan parameter, pengujian hipotesis, pembentukan selang
kepercayaan, dan hubungan antara dua sifat (peubah) atau lebih bagi parameter-
parameter yang mempunyai sebaran (distribusi normal) tertentu yang diketahui.
Statistika parametik lebih banyak digunakan untuk menganalisis data yang
berskala interval dan rasio dengan dilandasi asumsi tertentu seperti normalitas.
Dalam melakukan uji hubungan dengan statistic parametric ada 2 jenis uji
yang dapat digunakan yaitu uji kolerasi dan regresi. Secara umum korelasi adalah
metode untuk mengetahui tingkat keeratan hubungan antara dua peubah atau lebih
yang digambarkan oleh besarnya korelasi. Koefisien korelasi adalah koefisien
yang menggambarkan tingkat keeratan hubungan antar dua peubah atau lebih.
Sedangkan Analisis regresi adalah suatu metode analisis data yang
menggambarkan hubungan fungsional antara variabel respon dengan satu atau
beberapa variabel predictor.

3.2 Saran
Jika dalam penulisan makalah ni terdapat kekurangan dan kesalahan, kami mohon
maaf. Untuk itu kami mengharapkan kritik dan saran yang sifatnya membangun
agar kami dapat membuat membuat makalah lebih baik di kemudian hari

15
 DAFTAR PUSTAKA

Adhika, Athina. 2015. Regresi Linear Berganda dan Korelasi Parsial.

Yogyakarta: Universitas Islam Indonesia.

Budiwanto, S., 2014. Metode Statistika untuk Analisis Data Bidang

Keolahragaan. Malang: Universitas Negeri Malang.

Indrawan, Ahmad Wira. 2014. Teori Regresi dan Korelasi. Diperoleh pada 23
September 2021.

Santoso,S.2010. Statistik Parametrik Konsep dan Aplikasi dengan SPSS. Jakarta:

PT Elex Media Komputindo.

Sugiyono. (2013). Statistika untuk Penelitian. Bandung: CV Alfabeta.

Supardi, 2013. Aplikasi Statitiska dalam Penelitian Edisi revisi, Konsep Statitiska
yang lebih Komprehensif. Jakarta: CHANGE PUBICATION.

Suparto. 2014. Analisis Korelasi Variabel-Variabel yang Mempengaruhi Siswa

dalam Memilih Perguruan Tinggi. Surabaya: Institut Teknologi Adhi
Tama Surabaya.

Universitas Lampung, 2012. Tinjauan Pustaka. Diperoleh pada 23 September

2021.