LAPORAN PRAKTIKUM

BIOMETRIKA DAN INVENTARISASI SUMBER DAYA HUTAN

ACARA III
REGRESIS KARAKTERISTIK TEGAKAN

Disusun oleh :

Nama : Khonsa’ Hanifah

NIM : 21/477835/KT/09551
Co-Ass : Kenya Malika Najla

LABORATORIUM KOMPUTASI DAN BIOMETRIKA HUTAN

DEPARTEMEN MANAJEMEN HUTAN
FAKULTAS KEHUTANAN
UNIVERSITAS GADJAH MADA
2022
 ACARA III
REGRESIS KARAKTERISTIK TEGAKAN

I. TUJUAN
Tujuan dilaksanakannya praktikum acara 3 ini adalah :
1. Mencari hubungan beberapa karakteristik pohon (umur dengan
peninggi dan umur dengan basal area).
2. Menentukan daur tegakan berdasarkan perhitungan MAI dan CAI

II. DASAR TEORI

Metode sederhana untuk melakukan investigasi mengenai
hubungan fungsional diantara beberapa variabel dikenal dengan istilah
analisis regresi. Hubungan tersebut dinyatakan dalam model matematika.
Analisis regresi tersebut mencakup model regresi yang dapat dibedakan
menjadi dua, yaitu variabel respons dan variabel explanory. Variabel
respons ini biasa disebut dengan variabel bergantung atau terikat
(dependent variable). Sedangkan variabel explanory biasa disbeut dengan
variabel penduga atau variabel bebas (independent variable) (Nawari,
2010).
Variabel dependen dan variabel independent saling berhubungan.
Nilai dari variabel dependen merupakan hasil pengaruh oleh nilai variabel
independennya. Hal ini dikarenakan variabel independent pada diagram
hubungan antarvariabel berdasarkan urutan temporal merupakan variabel
yang mendahului atau berada pada satu waktu. Sedangkan variabel yang
selanjutnya merupakan variabel dependen. Maka dari itu, pengurutan
berdasarkan waktu juga dapt dikatakan bahwa satu variabel mempengaruhi
variabel lain. Hal seperti ini terjadi pada sebuah hubungan yang kasual
(Ismayani, 2015).
Dalam suatu tegakan, terdapat istilah riap yang merupakan
pertumbuhan dimensi pohon berupa tinggi, diameter, bidang dasar, atau
volume) yang berhubungan dengan periode waktu tertentu per satuan luas
(Ngatiman, 2018). Pembentukan riap pohon terjadi karena pohon
mengalami pertumbuhan atau proses fisiologis yang berlangsung hingga
pohon tersebut mati secara alami (tidak sengaja seperti sakit, tua, dan
terkena bencana) maupun disengaja (seperti ditebang atau dipanen). Riap
tersebut jika ditinjau dari segi waktu yang dipergunakan untuk penentuan
besarnya riap dibagi menjadi 3 macam, yaitu CAI, MAI, dan PAI.
CAI merupakan perhitungan riap rata-rata di tahun berjalan,
artinya pertambahan dimensi pohon dalam waktu satu tahun. Cara untuk
mendapatkan CAI dapat dilakukan membagi besarnya pertambahan
dimensi (selisih) antara dua periode pengukuran dengan waktu yang
 diperlukan untuk mencapai dimensi terakhir tersebut. Sedangkan MAI
merupakan riap volume rata-rata tahunan, artinya rata-rata pertambahan
tumbuh dimensi pohon atau tegakan tiap tahunnya. Untuk mendapatkan
MAI dapat dilakukan dengan cara membagi besarnya dimensi terakhir
yang dicapai dengan waktu yang diperlukan untuk mencapai pertumbuhan
tersebut (Fadhlullah, dkk., 2020).
Kemudian terdapat uji anova yang merupakan bentuk khusus dari
analisis statistic yang sering digunnakan dalam oenelitian eksperimen. Uji
ini merupakan bentuk uji hipotesis statistic dengan mengambil kesimpulan
berdasarkan data. Data dengan ekspektasi mean dan varians yang sama
disebut dengan hipotesis nol. Landasan konseptual yang digunakan dalam
uji anova seperti halnya pada uji T. Di dalam uji anova, menguji untuk
membandingkan adanya kesamaan atau tidak dapat dilakukan perhitungan
statistic uji (Septiadi dan Ramadhani, 2020).
Pola hubungan pada karakteristik pohon dan menyeleksi karakter-
karakter yang berkorelasi dengan karakter hasil dapat dipahami dalam
pendugaan analisis korelasi. Nilai korelasi (R) berada antara -1 sampai +1,
nilai nol menunjukkan tidak ada hubungan antara keduanya. Hubungan
signifikansi menerangkan tentang kesahihan hubungan antara dua variabel
berdasarkan pada taraf kepercayaan yang diambil. Nilai korelasi yang
nyata berarti adanya hubungan yang kuat, bukan karena adanya peluang
tetapi benar-benar hubungan yang nyata antara dua variabel tersebut
(Lelang, 2017).

III. ALAT DAN BAHAN

Alat yang digunakan pada praktikum ini adalah :
1. Alat tulis
2. Kalkulator
3. Perangkat lunak pengolah data (Ms. Excel)

Bahan yang digunakan pada praktikum ini adalah :

1. Tabel tegakan Vandermicum

IV. CARA KERJA

Perhatikan karakteristik pohon berupa umur, peninggi, dan basal area

Buat tabel hubungan umur dengan peninggi serta hubungan umur

dengan basal area lalu dibuat grafik

Lakukan pembuatan tabel anova satu arah

 Hitung derajat bebas, jumlah kuadrat, kuadrat bebas, F hitung, dan F
tabel

Simpulkan apakah F hitung > F hasil atau tidak, jika yam aka Ho
ditolak dan sebaliknya

Lakukan analisis regresi menggunakan cara manual dan cara otomatis

menggunakan data analysis

Lakukan perhitungan CAI, MAI, dan PAI

Buat grafik CAI dan MAI

Dalam praktikum acara 3 dimulai dengan mengolah data bonita

yang sudah diberikan coass. Hitung XY, X2, dan Y2 dari tabel umur
peninggi dan umur basal area lalu dicari persamaan regresinya yaitu
dengan rumus y = a + bx. Dilanjut membuat grafik hubungan antara umur
dengan peninggi serta hubungan umur dengan basal area. Fungsi grafik ini
untuk mencocokan hasil. Nilai F hitung dan F tabel didapatkan
menggunakan anova satu arah untuk menguji apakah F hitung > F tabel
atau sebaliknya. Lalu buatlah analisis regresi secara manual dan dengan
menggunakan data analysis. Data yang didapat berguna untuk menghitung
R dan R2. Terkahir, menghitung MAI, CAI, dan PAI dengan rumus
MAI(volume tegakan dibagi umur), CAI(vn-(vn-1)/selisih umur), dan PAI
((v2-v1)/periode). Untuk PAI periode yang digunakan adalah 3 tahun. Lalu
buat grafik hubungan MAI dan CAI.
V. DATA DAN HASIL PERHITUNGAN
a. Data
Tabel 3.1.1 Data Awal Bonita 3 Pinus merkusii
Bonita Umur Oh N/ha Ba Vol
3 5 6.1 1170 4 20
3 10 13 605 18.7 74
3 15 19.1 410 22.9 147
3 20 25 310 25.5 203
3 25 29.4 240 27.4 237
3 30 32.6 200 28.7 260
3 35 34.8 180 29.6 276
Tabel 3.1.2 Hasil Perhitungan untuk Penyusunan Persamaan dari Data
Bonita 3
No. Umur (X) Oh (Y) XY X^2 Y^2
1 5 6.1 30.5 25 37.21
2 10 13 130 100 169
3 15 19.1 286.5 225 364.81
4 20 25 500 400 625
5 25 29.4 735 625 864.36
6 30 32.6 978 900 1062.76
7 35 34.8 1218 1225 1211.04
Jumlah 140 160 3878 3500 4334.18
p q r s t
Rata-rata 20 22.85714286
u v

Tabel 3.1.3 Anova Hubungan Umur dengan Peninggi

Tabel 3.1.3 Anova hubungan Umur dengan Peninggi
Db Jk Kt F hitung F tabel
regresi 1 656.69 656.69 161.38 6.61
error 5 20.35 4.07
total 6 677.0371429
Kesimpulan:
F hitung > F tabel, maka Ho ditolak

R2 0.9699 b 0.9686
R 0.9849 a 3.4857
Persamaan regresi
y=a+bx
y= 3.4857x + 0.9686

Grafik Hubungan Umur dengan Peninggi

SUMMARY OUTPUT

Regression Statistics
Multiple R 0.98486
R Square 0.969949
Adjusted R 0.963939
Square
Standard Error
2.017212
Observations 7

ANOVA
df SS MS F Significance F
Regression 1 656.6914 656.6914 161.3832 5.37E-05
Residual 5 20.34571 4.069143
Total 6 677.0371

Coefficients
Standard Error t Stat P-value Lower 95%Upper 95%Lower 95.0%
Upper 95.0%
Intercept 3.485714 1.704855 2.044581 0.096305 -0.89676 7.868184 -0.89676 7.868184
X Variable 10.968571 0.076243 12.70367 5.37E-05 0.772581 1.164561 0.772581 1.164561
Tabel 3.2.1 Data Awal Bonita 3 Pinus merkusii
Bonita Umur Oh N/ha Ba Vol
3 5 6.1 1170 4 20
3 10 13 605 18.7 74
3 15 19.1 410 22.9 147
3 20 25 310 25.5 203
3 25 29.4 240 27.4 237
3 30 32.6 200 28.7 260
3 35 34.8 180 29.6 276

Tabel 3.2.2 Hasil Perhitungan untuk Penyusunan Persamaan dari Data

Bonita 3
No. Umur (X) Ba (Y) XY X^2 Y^2
1 5 4 20 25 16
2 10 18.7 187 100 349.69
3 15 22.9 343.5 225 524.41
4 20 25.5 510 400 650.25
5 25 27.4 685 625 750.76
6 30 28.7 861 900 823.69
7 35 29.6 1036 1225 876.16
Jumlah 140 156.8 3642.5 3500 3990.96
p q r s t
Rata-rata 20 22.4
u v

Tabel 3.3.3 Anova Hubungan Umur dengan Basal Area

Db Jk Kt F hitung F tabel
regresi 1 366.49 366.49 16.34 6.61
error 5 112.15 22.43
total 6 478.64
Kesimpulan:
F hitung > F tabel, maka Ho ditolak
R2 0.7657 b 0.7236
R 0.8750 a 7.9286
Persamaan regresi
y=ax+b
y= 7.9286X + 0.7236

Grafik Hubungan Umur dengan Basal Area

 SUMMARY OUTPUT

Regression Statistics
Multiple R 0.875036
R Square 0.765688
Adjusted R 0.718826
Square
Standard Error
4.736055
Observations 7

ANOVA
df SS MS F Significance F
Regression 1 366.4889 366.4889 16.33907 0.009902
Residual 5 112.1511 22.43021
Total 6 478.64

Coefficients
Standard Error t Stat P-value Lower 95%Upper 95%Lower 95.0%
Upper 95.0%
Intercept 7.928571 4.002697 1.980807 0.10447 -2.36069 18.21783 -2.36069 18.21783
X Variable 10.723571 0.179006 4.042162 0.009902 0.263422 1.183721 0.263422 1.183721

Tabel 3.3 CAI dan MAI

No Bonita Umur Oh N/ha Ba Vol MAI CAI PAI
1 3 5 6.1 1170 4 20 4
2 3 10 13 605 18.7 74 7.4 10.8
3 3 15 19.1 410 22.9 147 9.8 14.6
4 3 20 25 310 25.5 203 10.15 11.2 12.2
5 3 25 29.4 240 27.4 237 9.48 6.8
6 3 30 32.6 200 28.7 260 8.666667 4.6
7 3 35 34.8 180 29.6 276 7.885714 3.2 4.866667

Grafik CAI dan MAI

b. Hasil Perhitungan
(Hubungan Umur dengan Peninggi)
a. XY
- Nomor 1 = 5 x 6.1 = 30.5
- Nomor 2 = 10 x 13 = 130
- Nomor 3 = 15 x 19.1 = 286.5
X2
- Nomor 1 = 52 = 25
- Nomor 2 = 102 = 100
- Nomor 3 = 152 = 225
Y2
- Nomor 1 = 6.12 = 37.21
- Nomor 2 = 132 =169
- Nomor 3 = 19.12 = 364.81
b. ∑X = 5+10+15+20+25+30+35 = 140 (p)
∑Y = 6.1+13+19.1+25+29.4+32.6+34.8= 160 (q)
∑XY = 30.5+130+286.5+500+735+978+1218=3878 (r)
∑X2 = 25+100+255+400+625+900+1225= 3500 (s)
∑Y2 =
37.21+169+364.81+625+864.36+1062.76+1211.04=4334.18 (t)
c. Rerata X = 140/7 = 20 (u)
Rerata Y = 160/7 = 22.86 (v)
d. Persamaan regresi
- b = (r-(pq/n))/(s-(p2/n)) = (3878-(140x160/7))/(3500-(1402/7))
= 0.9686
- a = v-bu = 22.86-160 x 20 = 3.4857
- Persamaan : y = 3.4857 + 0.9686x
e. Anova satu arah
- Db regresi = 1 ; Db total = 7-1 = 6 ; Db error = 6-1 = 5
- JK regresi = (r-(pq/n))2/(s-(p2/n)) = (3878-(140x160/7))2/(3500-
(1402/7)) = 656.69
- JK total = t-(q2/n) = 4334.18-(1602/7) = 677.04
- JK error = 677.04 – 656-69 = 20.35
- KT regresi = 656.69/1 = 656.69
- KT error = 20.35/5 = 4.07
- F hitung = 656.69/4.07 = 161.38
- F tabel = FINV(0.05,1,5) = 6.61
f. Nilai R
- R2 = 656.69/677.04 = 0.9699
- R = SQRT(0.9699) = 0.9849
g. Perhitungan MAI, CAI, dan PAI
- MAI
Nomor 1 = volume/umur = 20/5 = 4
 Nomor 2 = volume/umur = 74/10 = 7.4
Nomor 3 = volume/umur = 9.8/15 = 14.6
- CAI
Nomor 2 = (v2-v1)/(u2-u1) = (74-20)/(10-5) = 10.8
Nomor 3 = (v2-v1)/(u2-u1) = (147-74)/(15-10) = 14.6
Nomor 4 = (v2-v1)/(u2-u1) = (203-147)/(20-15) = 11.2
- PAI
Nomor 4 = (v4-v1)/(u4-u1) = (203-20)/(20-5) = 12.2
Nomor 7 = (v7-v4)/(u7-u4) = (276-203)/(35-20) = 4.87

VI. PEMBAHASAN
Pada praktikum acara 3 ini, salah satu tujuan nya yaitu untuk
mencari hubungan karakteristik suatu pohon. Hubungan tersebut
dinyatakan dalam model matematika dengan analisis regresi yang
mencakup model regresi yang dapat dibedakan menjadi dua, yaitu variabel
dependen(terikat) dan variabel independent(bebas). Variabel dependen
merupakan variabel terikat yang nilainya dipengaruhi oleh adanya variabel
bebas. Pada praktikum ini, yang menjadi variabel dependen adalah
Oh(peninggi) dan basal area. Sedangkan variabel independent merupakan
variabel yang tidak dipengaruhi oleh variabel lain dan yang menjadi
variabel independent pada praktikum ini yaitu umur.
Analisis regresi merupakan salah satu analis yang bertujuan untuk
mengetahui pengaruh suatu variabel dengan variabel lainnya
(Yitnosumartom 1994) dengan menggunakan model regresi yang paling
sederhana yaitu model regresi linear sederhana (Tampil, dkk., 2017).
Metode analisis regresi sederhana dan metode korelasi dapat digunakan
untuk mengukur derajat hubungan antar variabel. Namun, perbedaannya
regresi digunakan sebagai pengukur bentuk hubungan dan korelasi
digunakan sebgaai pengukur keeratan hubungan antarvariabel (Kurniawan
dan Yuniarto, 2016). Fungsi dan manfaat dari dilakukannya analisis
regresi di bidang kehutanan adalah membuat estimasi rata-rata variabel
dependen dengan didasarkan pada variabel independent, meramalkan nilai
rata-rata variabel independent, serta menguji hipotesis karakteristik
dependen.
Dalam pengujian hipotesis digunakan koefisien determinasi (R 2)
yang ditujukan untuk mengetahui tingkat ketepatan paling baik dalam
Analisa regresi, dimana hal yang ditunjukkan oleh besarnya R2 antara 0
dan 1. R2 nol variabel independent tidak berpengaruh terhadap variabel
dependen. Apabila R2 mendekati satu maka dapat dikatakan bahwa
variabel independent berpengaruh terhadap variabel dependen. Selain itu,
koefisien determinasi ini dapat digunakan juga untuk mengetahui
persentase perubahan variabel independent yang disebabkan oleh variabel
dependen (Latief, A., & Rosalina, D., 2019). Nilai R2 yang didapatkan
pada hubungan umur dengan peninggi sebesar 0,9699 dan 0,7657 untuk
hubungan umur dengan basal area. Yang mana hubungan keduanya sangat
berpengaruh antara satu dengan lainnya.
Dari hasil perhitungan pada priktikum acara 3 ini, didapatkan hasil
F hitung sebesar 161,38 dan F tabel 6,61 pada hubungan antara umur
dengan peninggi. Sedangkan pada hubungan antara umur dengan basal
area, F hitung sebesar 16,34 dan F tabel sebesar 6,61. Pada hubungan
umur dengan peninggi, F hitung > F tabel, maka Ho ditolak, yang mana
ada korelasi yang signifikan antara umur degan peninggi. Dan pada
hubungan umur dengan basal area, F hitung > F tabel, maka Ho juga
ditolak, yang mana ada korelasi yang signifikan antara umur dengan basal
area.
Riap volume tegakan selama satu daur dapat dibedakan antara riap
rata-rata tahunan (Mean Annual Increment/MAI), riap rata-rata periodic
(Periodict Annual Incremenr/PAI), dan tipe rata-rata berjalan (Current
Annual Increment/CAI) (Simon, 2007). PAI berfungsi untuk mengetahui
rata-rata pertambahan tumbuh dimensi pohon atau tegakan da;am satu
periode. CAI merupakan perhitungan riap rata-rata di tahun berjalan,
artinya pertambahan dimensi pohon dalam waktu satu tahun yang
fungsinya guna mengetahui pertambahan dimensi suatu tegakan dalam
satu tahun. Sedangkan MAI merupakan riap volume rata-rata tahunan,
artinya rata-rata pertambahan tumbuh dimensi pohon atau tegakan tiap
tahunnya yang fungsinya guna memperkirakan dimensi pohon selama
jangka waktu tertentu.
Mindawati et al. (2010) menyebut pertemuan kurva CAI dan MAI
merupakan daur volume optimal suatu pohon untuk ditebang. Daur
optimal tegakan dilihat dari riap pertumbuhan maksimal yang ditentukan
berdasarkan telah adanya titik potong antara kurva riap tahunan berjalan.
Menurut Suhartati (1993) dalam Suhartati (2021), jika telah tercapai daur
volume optimal tetapi pohon belum ditebang, maka tambahan hasil
volume yang akan diperoleh sangat kecil dibanding waktu yang diperlukan
untuk tumbuh. Sebaliknya jika menebang pohon sebelum umur daur, hasil
kayu maksimum juga kurang tepat karena pohon masih dalam masa
pertumbuhan relatif cepat. Dalam praktikum kali ini, kurva CAI yang
memotong MAI adalah pada umur sekitar Pinus merkusii bonita 3 terdapat
di umur antara 15 sampai 20 tahun.
Pada praktikum ini dibuat analisis regresi pada data yang telah
diberikan pada Bonita 3 Pinus merkusii. Pada praktikum ini dihasilkan
data berupa hubungan antara umur dengan peninggi dan hubungan umur
dengan basal area. Pada tabel penyusunan persamaan untuk hubungan
 umur dan peninggi didapatkan data jumlah umur yakni 140 tahun, jumlah
Oh 160, jumlah hasil perkalian umur dan Oh 3878, hasil pengkuadratan
umur jumlahnya yaitu 3500, jumlah hasil pengkuadratan Oh adalah
4334.18, rerata umurnya adalah 20 dan rerata peninggi 22,86. Dalam
perhitungan b (slope) dan a (intersect) akan didapatkan bahwasanya hasil a
adalah 3,49 dan b adalah 0,97 . Sehingga melalui data yang dihasilkan
tersebut dapat diketahui bahwasanya Y = 3,49 + 0,97x.
Pada tabel penyusunan persamaan untuk hubungan umur dan basal
area didapatkan data jumlah umur yakni 140 tahun, jumlah basal area
156.8, jumlah hasil perkalian umur dan basal area 3642.5, hasil
pengkuadratan umur jumlahnya yaitu 3500, jumlah hasil pengkuadratan
basal area adalah 3990.96, rerata umurnya adalah 20 dan rerata peninggi
22,4. Dalam perhitungan b (slope) dan a (intersect) akan didapatkan
bahwasanya hasil a adalah 7,93 dan b adalah 0,72. Sehingga melalui data
yang dihasilkan tersebut dapat diketahui bahwasanya Y = 7,93 + 0,72x.
Berdasarkan pegamatan hubungan umur dengan peninggi serta
umur dengan basal area yang didapatkan bahwasanya grafik cenderung
naik drastis pada kedua grafik pada umur yang cenderung masih muda
hingga pada umur tertentu grafik mengalami kenaikan yang tidak
signifikan/konstan, berbeda dengna yang ada di tabel dimana nilai Oh dan
basal area cenderung selalu naik dan linear, sedangkan pada grafik
cenderung melegkung.

VII. KESIMPULAN
Berdasarkan praktikum acara 3, dapat disimpulkan bahwa :
1. Hubungan antara umur dengan peninggi (Oh) dan hubungan umur
dengan Basal area (Ba) memiliki keterkaitan yang kuat. Hal tersebut
ditunjukkan dengan hasil perhitungan R (koefisien korelasi) yang
keduanya mendekati nilai 1 (satu). Hubungan antara variable bebas
dengan variable terikat pada data umur dengan peninggi dinyatakan
dalam persamaan y = 3,49 + 0,97x. dan pada data umur dengan basar
area didapatkan persamaan y = 7,93 + 0,72x.
2. Daur tegakan berdasarkan perhitungan CAI dan MAI didapatkan dari
daur volume maksimal yang merupakan perpotongan grafik antar
keduanya, dalam praktikum kali ini pada umur tegakan Pinus merkusii
bonita 3 terdapat di umur antara 15 hingga 20 tahun.

VIII. DAFTAR PUSTAKA

Fadhlullah, F., Asy'ari, M., & Ilham, W. (2020). Tingkat pertumbuhan trubusan
ulin (Eusideroxylon zwageri T. & B.) dalam menjaga kelestarian pada
 IUPHHK PT. Aya Yayang Indonesia. Jurnal Sylva Scienteae, 3(1), 112-
120.
Ismayani. (2015). Metodologi Penelitian. Aceh : Syiah Kuala University Press.
Kurniawan, R. dan Yuniarto, B. 2016. Analisis Regresi : Dasar dan Penerapan
dengan R. Kencana. Jakarta.
Latief, A., & Rosalina, D. (2019). Analisis Hubungan Antar Manusia terhadap
Kinerja Karyawan. Journal of Education, Humaniora and Social
Sciences (JEHSS), 1(3).
Lelang, M. A. (2017). Uji Korelasi dan Analisis Lintas terhadap Karakter
Komponen Pertumbuhan dan Karakter Hasil Tanaman Tomat
(Lycopersicum esculentum Mill). Savana Cendana, 2(02), 33-35
Nawari. (2010). Analisis Regresi dengan MS Excel 2007 dan SPSS 17.n Jakarta :
PT. Elex Media Komputindo.
Septiadi, A., & Ramadhani, W. K. (2020). Penerapan Metode Anova untuk
Analisis Rata-rata Produksi Donat, Burger, dan Croissant pada Toko
Roti Animo Bakery. Bulletin of Applied Industrial Engineering Theory,
2(1)
Simon, H. (2007). Statistik untuk Kehutanan. Yogyakarta : Pustaka Pelajar.
Suhartati, T. (2021). DAUR VOLUME OPTIMAL JATI DI HUTAN RAKYAT
(STUDI KASUS DI DESA GIRIKARTO, KECAMATAN
PANGGANG, KABUPATEN GUNUNG KIDUL. Jurnal Wana
Tropika, 11(2), 16-25.
Tampil, Y., Komaliq, H., & Langi, Y. 2017. Analisis Regresi Logistik Untuk
Menentukan Faktor-Faktor Yang Mempengaruhi Indeks Prestasi
Kumulatif (IPK) Mahasiswa FMIPA Universitas Sam Ratulangi
Manado. d'CARTESIAN : Jurnal Matematika dan Aplikasi, 6(2), 56-62
Yitnosumarto, S. (1994). Dasar-dasar Statistika. Jakarta: Rajawali Perss