LEMBAR KERJA MAHASISWA

STATISTIKA NON PARAMETRIK

PERTEMUAN 2

NAMA KELOMPOK : 1. RIADIL JANNAH SIHOMBING

2. VIRA MIRANDA
3. VIVI LATHIFAH ARDI
4. YOAN OLIVIA SIRAIT
NAMA MAHASISWA : RIADIL JANNAH SIHOMBING
TANGGAL : 18 SEPTEMBER 2020
Kegiatan 1
 Setelah mengamati video dan membaca berbagai sumber referensi, diskusikan
dengan teman kelompokmu topik berikut :
a. Ukuran-ukuran dalam Statistika Deskriptip
Penyelesaian:
 Ukuran gejala pusat atau tendensi sentral
 Ukuran penyimpangan atau variabilitas
b. Pengujian Hipotesis dan istilah-istilah yang menyertainya
Penyelesaian:
1. Hipotesis sederhana (simple hypothesis)
2. Hipotesis majemuk (composite hypothesis)
Dalam struktur pengujian hipotesis, terdapat dua hipotesis:
1. Hipotesis nol (null hypothesis/ H 0 )
2. Hipotesis alternatif (alternative hypothesis/ H1 )

Definisi Istilah
Definisi berikut diambil dari buku karangan Lehmann dan Romano
 Hipotesis statistik
 Statistik
 Hipotesis nol (H0)
 Hipotesis alternatif (H1)
 Tes Statistik
 Daerah penerimaan
 Daerah penolakan
 Kekuatan Statistik (1 – β)
 Tingkat signifikan test (α)
 Nilai P (P-value)
 c. Penaksiran (Perkiraan)
Penyelesaian:

 Penaksiran Titik
 Penaksiran Interval

d. Metode-metode Parametrik
Penyelesaian:
 Uji t one sample
 Uji t two sample independent
 Uji t two paired sample
 Uji anova one way
 Uji anova two ways
 Uji korelasi sederhana
 Uji korelasi ganda
 Regresi liniear berganda
 Regresi linier sederhana
 Uji manova
 Uji goodnesof fit

 Diskusi berpandu pada pertanyaan :

1. Apa pengertian dari istilah tersebut? jelaskan bagian-bagiannya!
Penyelesaian:

Bagian a)
 Ukuran gejala pusat atau tendensi sentral:
Disebut ukuran gejala pusat atau tendensi sentral (central tendency), karena
nilai atau harga ukuran gejala pusat mampu memberi gambaran tentang posisi
atau letak pusat data atau nilainilai pengamatan, baik dalam bentuk data terserak,
maupun yang sudah dikelompokkan dalam bentuk tabel distribusi frekuensi.
Data yang disajikan dengan ukuran-ukuran gejala pusat lebih mudah dibaca
dibandingkan dengan data yang masih dalam keadaan terserak.
 Ukuran penyimpangan atau variabilitas:
 Ukuran penyimpangan atau ukuran variabilitas disebut pula ukuran
dispersi, karena merupakan ukuran yang mampu memberi gambaran tentang
besar kecilnya data terhadap rata-ratanya. Ukuran penyimpangan juga
menunjukkan keberagaman harga data atau nilai pengamatan. Semakin besar
ukuran penyimpangannya berarti semakin besar tingkat keberagaman harga
data atau nilai pengamatan. Semakin besar ukuran peyimpangannya berarti
semakin besar tingkat keberagaman harga data yang kita miliki. Oleh karena
itu, dengan diberikannya ukuran gejala pusat beserta ukuran penyimpangan
atau ukuran variabilitas/ dispersinya, akan dapat diperoleh gambaran yang
lengkap tentang keadaan data tersebut. Untuk lebih mudah memperoleh
gambarannya, dapat dilihat dari ilustrasi seb

Bagian-bagian ukuran gejala pusat atau tendensi sentral:

1. Rata-rata (Mean)
 Rata-rata hitung (arithmetic mean):
 Rata-rata data terserak
 Rata-rata hitung data yang dikelompokkan
 Rata-rata ukur (geometric mean)
 Rata-rata data ukur terserak
 Rata-rata ukur data yang dikelompokkan
 Rata-rata harmonis (harmonic mean)
 Rata-rata tertimbang (weighted mean)
2. Modus
Modus adalah data yang memiliki frekuensi pemunculan terbanyak. Oleh
karena itu, cara mencari modus dapat dilihat dari berapa kali suatu data muncul
di antara seluruh data yang ada.
3. Median
Median adalah suatu nilai yang membagi data yang telah diurutkan besarnya
dari yang terbesar sampai yang terkecil atau sebaliknya), menjadi dua kelompok
data, yakni dara kelompok atas dan data kelompok bawah dengan anggota yang
sama banyaknya.
4. Kuartil
Kuartil adalah tiga buah nilai yang membagi data yang telah diurutkan
besarnya, menjadi empat kelompok data dengan anggota yang sama banyaknya.
Karena kuartil membagi menjadi 4 kelompok sama banyak, maka harga kuartil
kedua akan sama dengan harga median
5. Desil
Desil adalah sembilan buah nilai yang membagi data yang telah diurutkan
besarnya, menjadi sepuluh kelompok data dengan anggota yang sama
banyaknya. Oleh karena itu, harga desil kelima Dv  akan sama dengan harga
mediannya. Agar dapat dikelompokkan menjadi 10 kelompok, maka banyaknya
data juga harus berkelipatan 10
6. Persentil
Persentil adalah 99 buah nilai yang membagi data yang telah diurutkan
besarnya, menjadi 100 kelompok data dengan anggota yang sama banyaknya.
Dengan demikian, harga persentil ke 50 akan sama dengan harga mediannya.
Agar dikelompokkan menjadi 100 kelompok tentunya data harus cukup banyak,
yakni merupakan kelipatan 100.
Bagian-bagian ukuran penyimpangan atau variabilitas
1. Rentang atau kisaran (range)
Rentang atau kisaran (range) adalah selisih antara nilai pengamatan terkecil
dengan nilai pengamatan terbesar dari suatu data.
2. Simpangan rata-rata atau deviasi rata-rata (mean deviation)
Simpangan atau deviasi adalah jumlah dari harga mutlak selisih antara setiap
data dengan reratanya. Jika simpangan atau deviasi tersebut dibagi dengan
banyaknya data (N untuk populasi atau n untuk sampel), maka akan diperoleh
rerata simpangan (simpangan rata-rata) atau deviasi rata-rata. Untuk simpangan
rata-rata tidak ada notasi khusus.
3. Simpangan baku atau deviasi standar (standard deviation)
Disebut simpangan baku atau deviasi standar karena ukuran ini menunjukkan
standar penyimpangan dari rata-ratanya. Dalam menyajikan gambaran
penyimpangan yang terjadi, lebih umum disajikan harga simpangan baku atau
standar deviasinya daripada ukuran simpangan rata-ratanya.
4. Variasi atau ragam (variance)
Varians(i) atau ragam (variance) adalah kuadrat dari simpangan baku.
5. Koefisien variasi /koefisien variabilitas atau angka baku (coeffisien of
variability/coeffisien of variation)
Koefisien variansi atau koefisien variabilitas (koefisien keragaman, KK)
adalah simpangan baku dibagi dengan rata-ratanya dikalikan 100%. Koefisien
variasi diberi simbol CV.
6. Galat baku rata-rata atau simpangan baku rata-rata (simpangan baku rerata;
standard error)
Galat baku rata-rata (rerata) atau simpangan baku rata-rata (standard error)
adalah simpangan baku dibagi dengan akar banyaknya data, atau akar (varians
dibagi banyaknya data).
7. CI (Confindent Interval) /selang kepercayaan rerata

Bagian b)
Hipotesis adalah suatu pernyataan mengenai satu atau lebih populasi
yang belum tentu benar atau salah dan perlu diuji kebenarannya. Pengujian
hipotesis adalah suatu proses inferensi dari suatu contoh untuk menereima
atau tidak menerima pernyataan tertentu yang berkenaan dengan
populasinya. Macam-macam Hipotesis:
1. Hipotesis sederhana (simple hypothesis), yakni semua bentuk hipotesis
yang menyatakan spesifik parameter distribusi populasi secara lengkap.
2. Hipotesis majemuk (composite hypothesis), yakni semua bentuk
hipotesis yang tidak menyatakan spesifik parameter distribusi populasi
secara lengkap.
Dalam struktur pengujian hipotesis, terdapat dua hipotesis:
1. Hipotesis nol (null hypothesis/ H 0 ), yakni hipotesis sederhana yang
(umumnya) berlawanan dengan suatu teori yang ingin dibuktikan
kebenarannya.
2. Hipotesis alternatif (alternative hypothesis/ H1 ), yakni hipotesis
(seringkali majemuk) yang sejalan dengan suatu teori yang ingin
dibuktikan kebenarannya.

Definisi Istilah
Definisi berikut diambil dari buku karangan Lehmann dan Romano
 Hipotesis statistik
Sebuah pernyataan tentang parameter yang menjelaskan sebuah populasi
(bukan sampel).
 Statistik
Angka yang dihitung dari sekumpulan sampel.
 Hipotesis nol (H0)
Sebuah hipotesis yang berlawanan dengan teori yang akan dibuktikan.
 Hipotesis alternatif (H1)
Sebuah hipotesis (kadang gabungan) yang berhubungan dengan teori
yang akan dibuktikan.
 Tes Statistik
Sebuah prosedur dimana masukannya adalah sampel dan hasilnya adalah
hipotesis.
 Daerah penerimaan
Nilai dari tes statistik yang menggagalkan untuk penolakan hipotesis nol.
 Daerah penolakan
Nilai dari tes statistik untuk penolakan hipotesis nol.
  Kekuatan Statistik (1 – β)
Probabilitas kebenaran pada saat menolak hipotesis nol.
 Tingkat signifikan test (α)
Probabilitas kesalahan pada saat menolak hipotesis nol.
 Nilai P (P-value)
Probabilitas, mengasumsikan hipotesis nol benar.

Jenis hipotesis terbagi 2 yaitu :

1. Komparatif, adalah statistic yang berupaya membangkitkan
membandingkan antara dua data
2. Korelatif, merupakan statistic yang berhubungan dengan hubungan/sebab
Ada juga yang disebut data berpasangan dan tidak berpasangan, ini
menentukan jinis uji statistic yang digunakan.
1. Data tidak berpasangan itu sampelnya memiliki 2 sampel atau seperti
meguji sesuatu dengan metode a dan metode b
2. Sedangkan data berpasangan seperti membandingan sesuatu itu sebelum
dan sesudahnya artinya pada sampel-sampel itu juga yang secara umum
terbagi 2 yaitu komparatif dan korelatif.

Bagian c)

 Penaksiran titik

Sebuah penaksiran titik dari parameter populasi adalah sebuah nilai

tunggal dari statistik. Sebagai contoh, rata-rata (mean) sampel x adalah sebuah
penaksiran titik dari nilai rata-rata (mean) pupulasi M. Begitu juga dengan
proporsi sample  p  adalah nilai estimasi titik untuk proporsi populasi P.

 Penaksiran interval

Sebuah penaksiran interval didefinisikan sebagai penaksiran yang

dibatasi oleh dua nilai dimana penaksiran interval terbentang. Sebagai contoh,
a  x  b adalah sebuah penaksiran interval untuk nilai rata-rata (mean) untuk
populasi M. contoh tersebut menyatakan bahwa rata-rata (mean) populasi (M)
berada pada rentang lebih dari a tetapi kurang dari b .

Inteval Kepercayaan

Para ahli statistik biasanya menggunakan interval kepercayaan untuk

menggambarkan tingkat presisi dan ketidakpastian yang berhubungan dengan
metode penarikan sample tertentu. sebuah interval kepercayaan terdiri dari tiga
bagian.

- Sebuah tingkat kepercayaan

- Sebuah nilai statistik
- Sebuah derajat penyimpangan (margin error)

Tingkat kepercayaan menggambarkan tingkat ketidakpastian yang

diakibatkan oleh metode penarikan sampel. Nilai statistik dan margin error
mendefinisikan tingkat keakuratan (presisi) dari metode yang digunakan.
penaksiran interval dari interval kepercayaan didefinisikan sebagai berikut: nilai
statistik +- margin of error .

Tingkat Kepercayaan

Peluang dari sebuah interval kepercayaan disebut sebagai tingkat

kepercayaan (confidence level). Sebuah tingkat kepercayaan menggambarkan
kemungkinan dimana sebuah metode penarikan sampel akan menghasilkan
sebuah interval kepercayaan dimana parameter populasi yang sesungguhnya
berada di dalamnya.

Berikut merupakan cara menerjemahkan tingkat kepercayaan. Misalkan

kita mengumpulkan semua sampel yang mungkin dari populasi yang tertentu,
dan menghitung interval kepercayaan dari masing-masing sampel tersebut.
Mungkin beberapa interval kepercayaan dapat mencakup parameter populasi
yang sesungguhnya, dan mungkin juga beberapa interval kepercayaan lainnya
tidak. tingkat kepercayaan 95% dapat diartikan bahwa 95% interval tersebut
memuat parameter populasi yang sesungguhnya. tingkat kepercayaan 90%
diartikan bahwa 90% dari interval tersebut memuat parameter populasi yang
sebenarnya.

Margin of Error

Dalam interval kepercayaan, rentang nilai yang berada di atas dan di

bawah statistik sampel disebut margin error. Sebagai contoh, misalkan sebuah
koran lokal melakukan sebuah survei pemilihan dan melaporkan bahwa calon
independen akan menerima 30% dari seluruh pemilih. survei tersebut
menyatakan bahwa survei tersebut menggunakan margin error 5% dan tingkat
kepercayaan 95%. Hasil survei ini dapat dinyatakan dalam interval kepercayaan
sebagai berikut: kita percaya 95% bahwa canlon independen akan mendapatkan
suara antara 25% sampai dengan 35% suara.

Bagian d)
a. Uji t one sample

Pengujian satu sampel yang pada prinsipnya ingin menguji apakah suatu
nilai tertentu (yang diberikan sebagai pembanding) berbeda secara nyata
ataukah tidak dengan rata-rata sebuah sampel. Nilai tertentu di sini pada
umumnya adalah sebuah nilai parameter untuk mengukur suatu populasi

b. Uji t two sample independent

Digunakan untuk membandingkan dua kelompok mean dari dua sampel

yang berbeda (independent). Prinsipnya ingin mengetahui apakah ada
perbedaan mean antara dua populasi melalui mean dua sampelnya

c. Uji t two paired sample

Uji ini dilakukan terhadap dua sampel yang berpasangan (paired). Sampel
yang berpasangan diartikan sebagai sebuah sampel dengan subjek yang sama,
namun mengalami dua perlakuan atau pengukuran yang berbeda, seperti subjek
A akan mendapat perlakukan I kemudian perlakuan II

d. Uji anova one way

 Jenis uji Statistika Parametrik yang bertujuan untuk mengetahui apakah
terdapat perbedaan rata-rata antara lebih dari dua group sampel. Yang dimaksud
satu arah adalah sumber keragaman yang dianalisis hanya berlangsung satu arah
yaitu antar perlakuan (Between Group).

e. Uji anova two ways

Jenis Uji Statistika Parametrik yang bertujuan untuk mengetahui apakah

terdapat perbedaan rata-rata antara lebih dari dua group sampel. Berbeda
dengan Uji One Way ANOVA yang analisisnya hanya berlangsung satu arah
yaitu antar perlakuan, maka pada uji Two Way ANOVA arah analisisnya
berlangsung dua arah, yaitu antar perlakuan dan antar blok (group).

f. Uji korelasi sederhana

Suatu teknik statistik yang dipergunakan untuk mengukur kekuatan

hubungan antara 2 variabel dan juga untuk dapat mengetahui bentuk hubungan
keduanya dengan hasil yang bersifat kuantitatif. Kekuatan hubungan antara 2
variabel yang dimaksud adalah apakah hubungan tersebut erat, lemah, ataupun
tidak erat. Sedangkan bentuk hubungannya adalah apakah bentuk korelasinya
linear positifataupun linear negatif.

Di antara sekian banyak teknik-teknik pengukuran asosiasi, terdapat dua

teknik korelasi yang sangat populer sampai sekarang, yaitu Korelasi Pearson
Product Moment dan Korelasi Rank Spearman.

- Korelasi Pearson Product Moment adalah korelasi yang digunakan untuk

data kontinu dan data diskrit. Korelasi pearson cocok digunakan untuk
statistik parametrik. Ketika data berjumlah besar dan memiliki ukuran
parameter seperti mean dan standar deviasi populasi.
- Korelasi Pearson menghitung korelasi dengan menggunakan variasi data.
Keragaman data tersebut dapat menunjukkan korelasinya. Korelasi ini
menghitung data apa adanya, tidak membuat ranking atas data yang
digunakan seperti pada korelasi Rank Spearman. Ketika kita memiliki
data numerik seperti nilai tukar rupiah, data rasio keuangan, tingkat
 pertumbuhan ekonomi, data berat badan dan contoh data numerik
lainnya, maka Korelasi Pearson Product Moment cocok digunakan.
g. Uji korelasi ganda

Bentuk korelasi yang digunakan untuk melihat hubungan antara tiga atau
lebih variabel (dua atau lebih variabel independen dan satu variabel
dependent. Korelasi ganda berkaitan dengan interkorelasi variabel-variabel
independen sebagaimana korelasi mereka dengan variabel dependen.

h. Regresi liniear berganda

Hubungan secara linear antara dua atau lebih variabel

independen  X 1 , X 2 ,..., X n  dengan variabel dependen Y  . Analisis ini
digunakan untuk mengetahui arah hubungan antara variabel independen
dengan variabel dependen apakah masing-masing variabel independen
berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel
dependen apabila nilai variabel independen mengalami kenaikan atau
penurunan. Data yang digunakan biasanya berskala interval atau rasio.

i. Regresi linier sederhana

Hubungan secara linear antara satu variabel independen  X  dengan

variabel dependen Y  . Analisis ini digunakan untuk mengetahui arah
hubungan antara variabel independen dengan variabel dependen apakah
positif atau negatif serta untuk memprediksi nilai dari variabel dependen
apabila nilai variabel independen mengalami kenaikan atau penurunan nilai.
Data yang digunakan biasanya berskala interval atau rasio.

j. Uji manova

Uji Manova adalah Uji Multivariat Analisis Jalur atau disebut juga
Multivariat Analysis Of Variance. Manova hampir sama dengan One Way
Anova, letak perbedaannya adalah pada jumlah variabel dependen atau
variabel terikat yang diuji di dalam model.

k. Uji goodnesof fit

 Goodness of fit (pengujian hipotesis kompatibilitas) merupakan
pengujian hipotesis untuk menentukan apakah suatu himpunan frekuensi
yang diharapkan sama dengan frekuensi yang diperoleh dari suatu distribusi
(binomial, poisson, normal dan sebagainya).

2. Apa saja contoh-contoh yang mungkin dari topik tersebut ?

Bagian a)
 Contoh rentang atau kisaran (range)

Perhatikan data hasil sensus terhadap 30 ekor biri-biri usia 1 tahun hasil cloning
(kembaran) yang menunjukkan berat badan sebagai berikut (dalam kg):
78 89 87 69 69 60 62 72 72 72 60 97 66 66 66
78 81 78 88 68 82 84 91 82 98 89 96 82 83 86
Nilai atau harga data terkecil 60 dan data terbesar 98, maka rentang/kisaran data
(R) = 98 – 60 = 28.
 Contoh modus

Hasil pengukuran berat 30 ekor biri-biri yang diambil secara acak dari populasi
biri-biri hasil cloning sebanyak 100 ekor, adalah sebagai berikut (dalam kg):
78 89 87 69 69 60 62 72 72 72 60 97 66 66 66
78 81 78 88 68 82 84 91 82 98 89 96 82 83 86

Agar dapat dicari modusnya, data tersebut harus diurutkan dari yang terbesar ke
yang terkecil. Hasilnya adalah sebagai berikut:
98 97 96 91 89 89 88 87 86 84 83 82 82 82 81
78 78 78 72 72 72 69 69 68 66 66 66 62 60 60

Data sebesar 82, 78, 72 dan 66 muncul tiga kali. Dengan demikian, sebaran data
di atas memiliki empat modus yakni 82, 78, 72 dan 66.

Bagian b)
Contoh 1:
Pengujian hipotesis bahwa suatu jenis vaksin baru lebih efektif mencegah
penyakit AIDS. Maka rumusan hipotesisnya adalah:
Hipotesis nol, H 0 : vaksin baru = vaksin lama
Hipotesis alternatif, H1 : vaksin baru lebih efektif daripada vaksin lama
Contoh 2:
Seorang dokter mengatakan bahwa lebih 60% pasien kanker adalah karena
merokok
Hipotesis nol, H 0 : p  0.6
Hipotesis alternatif, H1 : p  0.6

Bagian c)
 Contoh Penaksiran titik: seorang ahli social ekonomi ingin mengestimasi rata-
rata penghasilan buruh di sebuat kota. Sebuah sampel dikumpulkan
menghasilkan rata-rata Rp. 2.000.000,-
Dalam hal ini telah dilakukan penaksiran titik, dengan menggunakan estimator
berupa statistic mean untuk mengestimasi parameter mean. Nilai sampel Rp.
2.000.000,- sebagai nilai estimasi dari mean

 Contoh Penaksiran interval:

Dari seluruh siswa 4 kelas diambil sebagai 40 siswa dan didapatkan nilai
Matematika dari 40 siswa tersebut sebagai
58 48 56 43
58 57 48 35
43 47 49 41
64 58 46 44
47 55 42 48
54 29 46 47
59 47 52 43
47 49 40 58
60 50 50 50
64 36 43 44

Maka estimasi rata-rata nilai Matematika sesungguhnya dengan tingkat

kepercayaan 90% yaitu: dengan tingkat kepercayaan 90% maka nilai z adalah
1,645 jadi estimasi interval dari rata-rata sesungguhnya adalah:
   
48,88  1,645 7,8 / 40    48,88  1,645 7,8 / 40
46,85    50,90
Bagian d)
1. Uji-z (1 atau 2 sampel)
2. Uji-t (1 atau 2 sampel)
3. Korelasi pearson

3. Apa saja kegunaannya ?

Bagian a)

Kegunaan Statistika deskriptif adalah: untuk menggambarkan, menjelaskan data

dan peristiwa, yang dikumpulkan melalui proses penelitian dan investigasi yang
belum menggeneralisasi atau menarik kesimpulan tentang populasi yang diteliti.

Bagian b)

Kegunaan pengujian hipotesis adalah:

- Untuk menguji apakah data yang kita gunakan cukup untuk menggambarkan
populasi
- Metode empiris untuk membuktikan hipotesis yang kita percaya

Bagian c)
Kegunaan penaksiran adalah: Menyimpulkan nilai parameter yang tidak
diketahui nilainya dalam model statistic

Bagian d)
Kegunaan metode parametric adalah: menganalisis data interval dan rasio
a. Ukuran-ukuran dalam Statistika Deskriptip Simpangan Range
Baku

Simpangan
Variansi/ Rata-rata
Kuartil
Ragam

Median
Koefisien Galat baku
variasi rata-rata
Modus

Desil
1. Arithmatic mean
2. Geometric mean
Persentil
MeM Mean 3. Harmonic mean
(rata-
rata)

Ukuran Gejala Ukuran

Pusat/Tendensi Sentral Penyimpangan/variabilitas

STATISTIK DESKRIPTIF

(Pengumpulan, pengolahan, penyajian)

sebagian/seluruh data tanpa pengambilan
kesimpulan
b. Pengujian Hipotesis dan istilah-istilah yang menyertainya
Hipotesis nol ( H 0 )

hipotesis sederhana yang (umumnya)

Hipotesis lawan ( H1 )
berlawanan dengan suatu teori yang
hipotesis (seringkali ingin dibuktikan kebenarannya.
majemuk) yang sejalan
dengan suatu teori yang ingin
dibuktikan kebenarannya.
Pengujian hipotesis : Proses
inferensi dari contoh untuk
menerima/menolak pernyataan yang
berkenaan dengan populasinya

Prosedur pengujian hipotesis :

Beberapa istilah dalam pengujian
hipotesis 1. Menentukan formulasi hipotesis
2. Menentukan taraf nyata
1. Hipotesis statistik
3. Menentukan kriteria pengujian
2. Statistik
4. Menentukan nilai uji statistik
3. H 0 dan H1
5. Membuat kesimpulan
4. Tes statistik
5. Daerah penerimaan dan
penolakan
6. Tingkat signifikansi
c. Penaksiran(perkiraaan)

Penaksiran Titik : Penaksiran interval :

Penaksiran titik dari Penaksiran yang dibatasi oleh
parameter populasi adalah dua nilai dimana penaksiran
sebuah nilai tunggal dari interval terbentang.
statistik

Pernaksiran(perkiraan)
d. Metode-metode parametrik
Uji goodnes
Metode-metode parametrik of fit
Uji t

Uji manova
Uji anova Regresi
Uji perbandingan Uji korelasi liniear
ganda

Uji validitas dan

reliabilitas

1. Uji korelasi 1. Regresi liniear

1. Uji anova one way sederhana berganda
2. Uji anova two ways 2. Uji korelasi 2. Regresi linier
ganda sederhana

1. Uji t one sample

2. Uji t two sample
independent
3. Uji t two paired
sample
LAMPIRAN