BIOSTATISTIK

METODE DISKRIFTIF (Distribusi Frekuensi ,Tendensi Sentral )

UJI NORMALITAS DATA (KOLMOGROF)

Oleh
Kelompok 2

1. Ni Luh Putu Komala Padmawati (16.321.2464)

2. I Putu Budiatmika (18.321.2837)
3. Ni Made Juni Anggareni (18.321.2846)
4. Ni Putu Lia Widya Suryani (18.321.2855)
5. Ni Putu Tasya Dikayani (18.321.2856)

PROGRAM STUDY KEPERAWATAN PROGRAM SARJANA

SEKOLAH TINGGI ILMU KESEHATAN
WIRA MEDIKA BALI
DENPASAR
2021

1
 KATA PENGANTAR

Puja dan puji syukur yang tiada terhingga kami haturkan kehadapan Ida Sang Hyang
Widhi Wasa karena atas rahmat dan karunia-Nya makalah ini dapat diselesaikan tepat waktu.

Makalah ini disusun untuk memenuhi tugas mata kuliah BIOSTATISTIK dalam
menempuh Pendidikan Program Studi Keperawatan Program Sarjana Sekolah Tinggi Ilmu
Kesehatan Wira Medika Bali pada Semester Genap tahun 2021

kami menyadari bahwa Makalah ini masih jauh dari kata sempurna. Oleh Karena itu,
segala kritik dan saran perbaikan sangat diharapkan demi makalah kami lebih baik
kedepannya berikutnya. Semoga makalah ini ada manfaatnya.

Denpasar,20 September 2021

Tim Penyusun

i
 DAFTAR ISI

KATA PENGANTAR.......................................................................................................i
DAFTAR ISI......................................................................................................................ii
BAB I PENDAHULUAN
1.1 Latar Belakang............................................................................................................ 1
1.2 Rumusan Masalah....................................................................................................... 2
1.3 Tujuan ......................................................................................................................... 2
BAB II PEMBAHASAN
2.1 Distribusi frekuensi .................................................................................................... 3
2.2 Tendensi Sentral ......................................................................................................... 3
2.3 Uji Normalitas Data (Kolmogorof)............................................................................. 9
BAB III PENUTUP
3.1 Kesimpulan..................................................................................................................16
DAFTAR PUSTAKA

ii
 BAB I
PENDAHULUAN
1.1 Latar Belakang
Statistik kesehatan ialah data atau informasi yang berkaitan dengan masalah
kesehatan.Statistik kesehatan sangat bermanfaat untuk kepentingan administratif,
seperti merencanakan program pelayanan kesehatan, menentukan alternatif
penyelesaian masalah kesehatan, dan melakukan analisis tentang berbagai penyakit
selama periode waktu tertentu(time series analysis). Selain itu, statistik kesehatan juga
berguna untuk mentukan penyebab timbulnya penyakit baru yang belum diketahui
atau untuk menguji manfaat obat bagi penyembuhan penyakit tertentu setelah hasil
ujian klinik dinyatakan berhasil.
Pada mulanya statistik hanya menyangkut urusan negara. Namun,sekarang
statistik telah diprlukan oleh seluruh aspek kehidupan. Dalam pengembanganya, ilmu
statistik telah menemukan padanya dengan perkembangan computer sehingga metode
statistik berkembang cepat sekali.
Tendensi sentral digunakan untuk menggambarkan suatu nilai yang mewakili nilai
pusat atau nilai sentral dari suatu gugus data (himpunan pengamatan). Tendensi
sentral sering sekali digunakan untuk mengetahui rata-rata data (mean), nilai yang
berada ditengah data (median), nilai yang sering muncul dalam data (mode) dan
masih banyak lagi yang dapat dihitung dalam tendensi sentral.
Dengan tendensi sentral, analisis data dalam penelitian dapat dilakukan dengan
tepat. Pemahaman dan pengetahuan mengenai tendensi sentral sangat penting
sehingga pengetahuan terhadap tendensi sentral sangat penting bagi mahasiswa.
Uji normalitas adalah sebuah uji yang dilakukan dengan tujuan menilai
sebaran data pada sebuah kelompok data atau variabel, apakah sebaran data
tersebut berdistribusi normal ataukah tidak.
Uji normalitas berguna untuk menentukan data yang telah
dikumpulkan berdistribusi normal atau diambil dari populasi normal.
Metode klasik dalam pengujian normalitas suatu data tidak begitu rumit.
Berdasarkan pengalaman empiris beberapa pakar statistik, data yang
banyaknya lebih dari 30 angka (n > 30), maka sudah dapat diasumsikan
normal, atau dalam kata lain sudah dikatakan sebagai sampel besar.

1
1.2 Rumusan Masalah
a. Apa yang dimaskud Distribusi Frekuensi ?
b. Apa yang dimaskud Tendensi Sentral ?
c. Apa yang dimaksud Uji Normalitas data (kolmogorof) ?
1.3 Tujuan
1 Untuk mengetahui pengertian Distribusi Frekuensi
2 Untuk mengetahui yang dimaskud Tendensi Sentral
3 Untuk mengetahui yang dimaksud Uji Normalitas data (kolmogorof)

2
 BAB II
PEMBAHASAN
2.1 Metode Deskriftif
2.1.1 Distribusi frekuensi / Distribusi Data
Proses Menyusun, meringkas dan membuat table akan sangat membantu
dalam penyajian jumlah data besar . Nilai data bisa saja berbeda dari daftar yang ada
di dalam table beserta frekuensinya (data tunggal atau berkelompok ) termasuk nilai
frekuensi. Nilai frekuensi mendeskripsikan banyaknya kejadian atau kemunculan nilai
suatu data dengan kategori tertentu dikenal dengan distribusi frekuensi. Distribusi
frekuensi merupakan table yang berisi data yang diringkas yang menunjukan seberapa
banyak objek dalam suatu kelas yang bertujuan untuk mendapatkan informasi
mendalam dan tepat terhadap data yang dimiliki (Maiti and Bidinger, 1981)
Penyajian data distribusi frekuensi dapat dilakukan dengan penyajian table
atau grafik dan dapat disajikan dengan nilai persentase. Dengan menggunakan grafik,
akan membantu memudahkan penyajian karakteristik serta kecendrungan tertentu dari
sekelompok data .selain itu pola dapat kita lihat dengan mudah dengan distribusi
frekuensi namun informasi dari nilai individunya akan hilang

2.1.2 Tendensi Sentral

a. Definisi Tendensi Sentral

Setiap pengukuran aritmatika yang ditujukan untuk menggambarkan suatu

nilai yang mewakili nilai pusat atau nilai sentral dari suatu gugus data (himpunan
pengamatan) dikenal sebagai ukuran tendensi sentral.

Nilai sentral atau tendensi sentral adalah nilai dalam rangkaian data yang
mewakili rangkaian data tersebut. Tendensi sentral merupakan suatu ukuran yang
digunakan untuk mengetahui kumpulan data mengenai sampel atau populasi yang
disajikan dalam tabel atau diagram, yang dapat mewakili sampel atau populasi. Bila
ukuran tersebut diambil dari sampel disebut statistik dan jika ukuran itu diambil dari
populasi disebut parameter. Tendensi sentral digunakan untuk menggambarkan sifat
sekumpulan data dari suatu pengamatan. Sentral Tendensial juga bisa disebut nilai
yang representatif dalam suatu kelompok observasi atau studi. Syarat-syaratnya
adalah sebagai berikut:

1. Harus dapat mewakili rangkaian data

2. Perhitungannya harus didasarkan pada seluruh data
3. Perhitungannya harus objektif

3
4. Perhitungannya harus mudah
5. Dalam suatu rangkaian hanya ada 1 nilai sentral
Terdapat tiga ukuran tendensi sentral yang sering digunakan, yaitu mean (rata-
rata hitung/rata-rata aritmetika), median, modus, kuartil, desi dan presentil.

B. Ukuran Tendensi Sentral

1. Mean

Arti dari mean tidak lain adalah “angka rata-rata”. Istilah Mean akan tetap
dipakai disini oleh karena sudah lazim digunakan dalam statistik. Dari segi aritmetik
Mean adalah “Jumlah nilai-nilai dibagi dengan jumlah individu”. Istilah mean saja
merupakan metode yang paling banyak digunakan untuk menggambarkan ukuran
tendensi sentral. Mean (rata-rata) merupakan jumlah seluruh nilai data dibagi dengan
seluruh kejadian atau nilai rata-rata dari beberapa buah data.

Untuk keperluan ini, dalam perhitungan ukuran-ukuran statistik akan

digunakan simbol-simbol. Nilai-nilai data kuantitatif akan dinyatakan dengan x1, x2,
…, xn, apabila dalam kumpulan data itu terdapat n buah nilai. Simbol n juga
digunakan untuk menyatakan ukuran sampel, yakni banyaknya objek atau data yang
diteliti dalam sampel. Rata-rata untuk data kuantitatif yang terdapat dalam sebuah
sampel dihitung dengan jalan membagi jumlah nilai data oleh banyaknya data.

Perhitungan Mean Data Yang Tidak Dikelompokkan (Ungrouped Data)

Penggunaan data tidak dikelompokkan maupun data yang dikelompokkan data

yang dikelompokkan umumnya berkaitan dengan jumlah data yang digunakan. Jika
jumlah data yang digunakan relatif sedikit, rata-rata data yang tidak dikelompokkan
(ungrouped data) menjadi pilihan untuk digunakan. Sebaliknya, jika jumlah data yang
digunakan relatif banyak maka penggunaan data kelompok (grouped data) banyak
dipilih.

Mean Data Tunggal

Dirumuskan dengan

ΣXi
Mean= atau lebih sederhananya ditulis;
n

Keterangan :

X1: data ke 1

X2: data ke 2

4
 Xn: data ke-n

n: jumlah data Simbol ∑ adalah huruf Yunani yang disebut “Sigma” dan
mempunyai arti jumlah.

Mean Data Kelompok

Untuk data berkelompok rumus rata-ratanya adalah jumlah hasil kali antara
frekuensi dengan nilai data dibagi jumlah frekuensi; dimana menyatakan frekuensi
untuk nilai yang bersesuaian.

Dirumuskan dengan;

Σ( f i. x i)
Mean=
Σf i

Atau:

Keterangan :

X1: data ke 1

X2: data ke 2

Xn: data ke n

f1: frekuensi data ke 1

f2: frekuensi data ke 2

fn: frekuensi data ke n

n: jumlah data

xi: nilai tengah

Kelebihan mean:

1. Nilai rata-rata punyai sifat objektif

2. Nilai rata-rata mudah dimengerti
3. Nilai rata-rata mudah dihitung
4. Perhitungan rata-rata didasarkan pada data keseluruhan sehingga nilai rata-rata
dapat mewakili suatu rangakaian data.
5. Nilai rata-rata mempunyai stabilitas sampel
6. Nilai rata-rata digunakan untuk perhitungan lebih lanjut
Kelemahan mean:

1. Nilai rata-rata mudah dipengaruhi oleh nilai ekstrem, baik kecil maupun besar
2. Pada distribusi yang condong, nilai rata-rata kurang mewakili

5
2. Median

Median (nilai tengah), adalah suatu nilai yang membatasi 50% dari frekuensi
distribusi sebelah atas dan 50% frekuensi distribusi sebelah bawah atau merupakan
nilai tengah dari rangkaian data yang telah tersusun secara teratur. Atau sebagai
ukuran letak, karena median membagi distribusi menjadi 2 bagian yang sama. Median
menentukan letak data setelah data itu disusun menurut urutan nilainya.

Perhitungan Median Data Yang Tidak Dikelompokkan (Ungrouped Data)

Langkah-langkahnya antara lain:

 Urutkan data dari terkecil ke terbesar atau dari terbesar ke terkecil. Dalam
pembahasan ini, urutan data selalu dimulai dari terkecil ke terbesar.
(n+1)
 Tentukan letak median dengan formulasi
2
 Untuk kasus jumlah data ganjil, nilai tengah dari observasi yang sudah di urutkan
merupakan nilai median sementara untuk kasus jumlah data genap, nilai median
merupakan rata-rata dari dua data yang berada pada letak median untuk data yang
sudah diurutkan.

Median Data Tunggal

Jika banyak data ganjil maka median setelah data disusun menurut nilainya
merupakan data paling tengah.

(n+ 1)
Posisi Median=
2

Keterangan :

n= Jumlah data

Median Data Kelompok

Keterangan :

Lm= true lower limit atau batas bawah sesungguhnya dari kelas dengan frekuensi paling
tinggi (tepi bawah kelas median)

6
 n= Jumlah Frekuensi

∑f= Frekuensi kumulatif diatas kelas median

fm= Frekuensi kelas median (frekuensi tertinggi dari kelas interval)

c= interval kelas median

Kelebihan:

1. Cocok untuk data heterogen

2. Median digunakan bila terdapat data yang ekstrim dalam sekelompok data
Kekurangan:

1. Tidak mempertimbangkan semua nilai

2. Kurang dapat menggambarkan mean populasi

3. Modus
Modus, merupakan nilai data yang memiliki frekuensi terbesar atau dengan
kata lain, nilai data yang paling sering terjadi. Ukuran ini juga dalam keadaan tidak
disadari sering dipakai untuk menentukan rata-rata data kualitatif. Misalnya banyak
kematian di Indonesia disebakan oleh penyakit malaria, pada umumnya kecelakaan
lalulintas karena kecerobohan pengemudi, maka tidak lain masing-masing merupakan
modus penyebab kematian dan kecelakaan lalu lintas. Cara menentukan modus amat
sangat mudah hanya dengan mengamati data yang paling sering muncul. Dalam satu
rangkaian data, kadang dijumpai adanya 1 modus, 2 modus atau tidak ada modus.
Perhitungan Modus Data Yang Tidak Dikelompokkan (Ungrouped Data)
Langkah-langkahnya sebagai berikut:
 Urutkan data dari terkecil ke terbesar atau dari terbesar ke terkecil
 Cari modus dengan cara mencari nilai observasi yang paling banyak muncul. Bisa
terjadi dalam satu kumpulan data tidak terdapat modus atau bahkan memiliki modus lebih
dari satu. Untuk kasus dimana ada 2 modus dikenal dengan sebutan bimodus atau untuk
yang lebih dari 3 modus dikenal dengan multimodus.

Modus Data Tunggal

Dalam data tunggal, modus dapat dibatasi sebagai nilai variabel yang mempunyai
frekuensi tertinggi dalam distribusi. Cara menentukan modus data tunggal yakni dengan
mengamati data yang paling sering muncul.
Contoh modus data tunggal:
Berapakah modus dari data berikut : 1, 2, 2, 4, 4, 4, 5, 6, 7, 8, 9.
Jawab:
Modus= 4 , karena angka 4 muncul paling banyak yaitu 3 kali.
Modus Data Kelompok

7
 Untuk data  kualitatif yang telah disusun dalam tabel distribusi frekuensi (data
berkelompok), modusnya dapat ditentukan dengan rumus:
d1
Modus=Lmo + .c
(d 1+ d 2)

dengan:
Lmo = Tepi bawah kelas modus
d1 = selisih antara frekuensi kelas modus dengan frekuensi kelas sebelum modus
d2 = selisih antara frekuensi kelas modus dengan frekuensi kelas sesudah modus
c = interval kelas modus

Contoh menghitung  Modus data kelompok:

Nilai Fmo F
1 -5 3 3
6 -10 7 10
11 – 15 4 14
16 – 20 3 17
21 – 25 7 24
26 – 30 9 33
31 – 35 6 39
36 – 40 7 46
41 – 45 8 54
46 - 50 6 60
60

Jawab:

Diketahui: Kelas modus 26–30 (karena memiliki frekuensi terbanyak = 9)

Lmo = 26 – 0,5 = 25,5

d1 =9–7=2

d2 = 9 – 6 = 3

c =5

Ditanyakan: nilai Modus 

Jawab:

Mo    = Lmo +      d1       . c

                           d1 + d2

            = 25,5 +       2       .  5

                           2 +  3

            = 25,5 + 0,4 . 5

8
            = 25,5 + 2    = 27,5

2.2 Uji Normalitas Data ( Kolmogorof )

Uji Kolmogorov Smirnov merupakan pengujian normalitas

yang banyak dipakai, terutama setelah adanya banyak program
statistik yang beredar. Kelebihan dari uji ini adalah sederhana
dan tidak menimbulkan perbedaan persepsi di antara satu
pengamat dengan pengamat yang lain, yang sering terjadi  pada uji
normalitas dengan menggunakan grafik. Konsep dasar dari uji
normalitas Kolmogorov Smirnov adalah dengan membandingkan
distribusi data (yang akan diuji normalitasnya) dengan distribusi
normal baku. Distribusi normal baku adalah data yang telah
ditransformasikan ke dalam bentuk Z-Score dan diasumsikan
normal. Jadi sebenarnya uji Kolmogorov Smirnov adalah uji beda
antara data yang diuji normalitasnya dengan data normal baku.

Seperti pada uji beda biasa, jika signifikansi di bawah 0,05

berarti terdapat perbedaan yang signifikan, dan jika signifikansi di
atas 0,05 maka tidak terjadi perbedaan yang signifikan. Penerapan
pada uji Kolmogorov Smirnov adalah bahwa jika signifikansi di
bawah 0,05 berarti data yang akan diuji mempunyaiperbedaan yang
signifikan dengan data normal baku, berarti data tersebut tidak
normal.

 p < 0,05 distribusi data tidak normal

 p ≥ 0,05 distribusi data normal

Kelemahan dari Uji Kolmogorov Smirnov, yaitu bahwa jika

kesimpulan kita memberikan hasil yang tidak normal, maka kita
tidak bisa menentukan transformasi seperti apa yang harus kita
gunakan untuk normalisasi.

9
 Persyaratan dan Signifikasi Uji Normalitas Data
Kolmogorov Smirnov.

Untuk uji normalitas data menggunakan metode Kolmogorov

Smirnov, maka beberapa syarat berikut harus dipenuhi:

•  Data berskala interval atau ratio (kuantitatif)

• Data tunggal atau belum dikelompokkan pada tabel distribusi
frekuensi
2. Dapat untuk n besar maupun n kecil.

Untuk hipotesis uji, H0 adalah data populasi berdistribusi normal

dan H1 adalah data populasi berdistribusi tidak normal. Untuk
signifikansi uji, nilai |Ft - Fs| terbesar dibandingkan dengan nilai tabel
Kolmogorov Smirnov. Berikut adalah tabel nilai kritis Uji Kolmogorov
Smirnov:

10
n  = 0,20
   = 0,10   = 0,05   = 0,02   = 0,01

11
 1 0,900 0,950 0,975 0,990 0,995
2 0,684 0,776 0,842 0,900 0,929
3 0,565 0,636 0,708 0,785 0,829
4 0,493 0,565 0,624 0,689 0,734
5 0,447 0,509 0,563 0,627 0,669

6 0,410 0,468 0,519 0,577 0,617

7 0,381 0,436 0,483 0,538 0,576
8 0,359 0,410 0,454 0,507 0,542
9 0,339 0,387 0,430 0,480 0,513
10 0,323 0,369 0,409 0,457 0,486
25 11 0,208 0,308
0,238 0,352
0,264 0,391
0,295 0,317 0,468
0,437
26 12 0,204 0,296
0,233 0,338
0,259 0,375
0,290 0,311 0,449
0,419
27 13 0,200 0,285
0,229 0,325
0,254 0,361
0,284 0,305 0,432
0,404

28 14 0,197 0,275
0,225 0,314
0,250 0,349
0,279 0,390
0,300 0,418
29 0,193 0,221 0,246 0,275 0,295
15 0,266 0,304 0,338 0,377 0,404
30 16 0,190 0,258
0,218 0,242
0,295 0,270
0,327 0,290
0,366 0,392
35 17 0,177 0,250
0,202 0,224
0,286 0,251
0,318 0,269 0,381
0,355
40 18 0,165 0,244
0,189 0,279
0,210 0,309
0,235 0,346
0,252 0,371
45 19 0,156 0,237
0,179 0,271
0,198 0,301
0,222 0,337
0,238 0,361
50 20 0,148 0,232
0,170 0,265
0,188 0,294
0,211 0,329
0,226 0,352
55 21 0,142 0,226
0,162 0,259
0,180 0,287
0,201 0,321
0,216 0,344
60 22 0,136 0,221
0,155 0,253
0,172 0,281
0,193 0,314
0,207 0,337

65 23 0,131 0,216
0,149 0,247
0,166 0,275
0,185 0,307
0,199 0,330
70 0,126 0,144 0,160 0,179 0,192
24 0,212 0,242 0,269 0,301 0,323
75 0,122 0,139 0,154 0,173 0,185
80 0,118 0,135 0,150 0,167 0,179
85 0,114 0,131 0,145 0,162 0,174
90 0,111 0,127
12 0,141 0,158 0,169
95 0,108 0,124 0,137 0,154 0,165
100 0,106 0,121 0,134 0,150 0,161
 Jika nilai |Ft - Fs| terbesar kurang dari nilai tabel Kolmogorov Smirnov, maka
H0 diterima ; H1 ditolak. Namun, jika nilai |Ft - Fs| terbesar lebih dari nilai
tabel Kolmogorov Smirnov, maka H0 ditolak ; H1 diterima.

Pendekatan 1,07/√n1,22/√n1,36/√n1,52/√n1,63/√n 
A. Langkah-langkah dan Cara Penyelesaian Uji Normalitas data dengan
Komolgorov Smirnov
Langkah-langkah pengujian:

Suatu penelitian tentang jumlah hasil panen kedelai di 15 kecamatan di Kabupaten

Gresik tercatat dalam kwintal 10, 13, 15, 11, 8, 16, 10, 11, 12, 9 ,11,14, 9, 18 dan 12
kwintal. Selidikilah dengan α =5%  atau 0.05 , apakah data tersebut diambil dari
populasi yang berdistribusi normal?
Hipotesis Uji:

H0 = Sampel berasal dari populasi yang berdistribusi normal.

H1 = Sampel berasal dari populasi yang berdistribusi tidak normal.

Urutkan data dari yang terkecil ke yang terbesar lalu cari rata-rata,
simpangan baku (standar deviasi) dari sampel data.

13
 Keterangan:

Xi = Data ke-i
fi = Frekuensi ke-i

2.Mencari (Ztabel ) pada tabel distribusi normal

14
 3. Menentukan Dhitung

Keterangan :

Xi = Angka pada data

Z = Transformasi dari angka ke notasi pada distribusi normal

FT = Probabilitas komulatif normal FS = Probabilitas

komulatif empiris

1.   Mencari nilai D(α,n) dan Dmax dengan α = 0,05 dan n = 15, maka di peroleh:
 D (0.05, 15), maka Dtabel = 0.338
 
 Dhitung atau Dmaks = 0.161
 Daerah Kritis: Dhitung < Dtabel

Dengan Dhitung yang lebih kecil daripada Dtabel (0.161 < 0.338) maka H0 diterima.
Kesimpulannya, jumlah hasil panen kedelai di 15 kecamatan di Kabupaten Gresik
memiliki data yang normal.

15
 BAB III

PENUTUP

3.1 Kesimpulan

Proses Menyusun, meringkas dan membuat table akan sangat membantu

dalam penyajian jumlah data besar . Nilai data bisa saja berbeda dari daftar yang
ada di dalam table beserta frekuensinya (data tunggal atau berkelompok ) termasuk
nilai frekuensi. Nilai frekuensi mendeskripsikan banyaknya kejadian atau
kemunculan nilai suatu data dengan kategori tertentu dikenal dengan distribusi
frekuensi

Nilai sentral atau tendensi sentral adalah nilai dalam rangkaian data
yang mewakili rangkaian data tersebut. Disebut juga sebagai ukuran letak/lokasi
karena menunjukkan letak dari pusat atau sekumpulan data. Terdapat tiga ukuran
tendensi sentral yang sering digunakan, yaitu mean (rata-rata hitung/rata-rata
aritmetika), median, modus, kuartil, desi dan presentil.

Uji Kolmogorov Smirnov merupakan pengujian normalitas yang

banyak dipakai, terutama setelah adanya banyak program statistik yang
16
 beredar. Kelebihan dari uji ini adalah sederhana dan tidak menimbulkan
perbedaan persepsi di antara satu pengamat dengan pengamat yang lain,
yang sering terjadi pada uji normalitas dengan menggunakan grafik.
Konsep dasar dari uji normalitas Kolmogorov Smirnov adalah dengan
membandingkan distribusi data (yang akan diuji normalitasnya) dengan
distribusi normal baku.

DAFTAR PUSTAKA

Sudjana. 2014. Metode Statistika. Bandung: Tarsito

Setyawan, F.E.B. (2017). Pengantar Metodologi Penelitian (Statistika

Praktis ) Sidoarjo: Zifatama Jawara

Setiawan, K. (2019) Buku Ajar Metodologi Penelitian (Anova Satu Arah)

Bandar Lampung: Universitas Lampung

Sunjoyo et al, (2013) Statistika Parametrik & Non Parametrik_Aplikasi

SPSS Untuk Smart Riset,pdf.Bandung: Alfabet

17