MAKALAH
MANAJEMEN DATA
“UJI KORELASI PARAMETRIK DAN NON PARAMTERIK”
Oleh :
KELOMPOK I
DAFTAR ISI
Halaman
HALAMAN JUDUL .................................................................................... i
DAFTAR ISI ................................................................................................ ii
DAFTAR TABEL ........................................................................................ iii
BAB I PENDAHULUAN ............................................................................. 1
A. Latar Belakang ................................................................................ 1
B. Rumusan Masalah ........................................................................... 1
C. Tujuan Penulisan ............................................................................. 2
D. Manfaat Penulisan ........................................................................... 2
BAB II PEMBAHASAN .............................................................................. 3
A. Pengertian ....................................................................................... 3
B. Syarat .............................................................................................. 4
C. Perhitungan ..................................................................................... 7
D. Interpretasi ...................................................................................... 25
BAB III PENUTUP ...................................................................................... 30
A. Simpulan ......................................................................................... 30
B. Saran ............................................................................................... 30
DAFTAR PUSTAKA
ii
DAFTAR TABEL
Halaman
Tabel 2.3 Panduan Interpretasi Uji Korelasi Uji Kendall’s tau-b ................. 28
iii
BAB I
PENDAHULUAN
A. Latar Belakang
Teknik statistik untuk menganalisis data sampel yang kemudian hasilnya
digeneralisasikan untuk populasi disebut dengan statistik inferensial. Ada dua kategori
statistik inferensial, yaitu statistik parametrik dan statistik non-parametrik. Statistik
parametrik digunakan untuk data dengan skala interval dan rasio, dengan asumsi
distribusi data populasi yang digunakan untuk memilih sampel adalah normal. Ukuran
uji statistik parametrik antara lain t-test, anova, korelasi, regresi sederhana, pearson,
dan regresi berganda. Sementara itu, statistik non-parametrik digunakan ketika skala
data penelitian adalah skala nominal dan ordinal sehingga tidak memerlukan asumsi
data populasi berdistribusi normal. Ada beberapa ukuran uji dalam statistik non-
parametrik, yaitu test binomial, chi kuadrat, runtest, mc nemar test, signtest, korelasi
spearmanrank, korelasi kendalltau, dll (1).
Uji korelasi parametrik menggunakan uji pearson dan regresi. Uji korelasi
pearson digunakan untuk mengukur kekuatan dan arah asosiasi dua variabel dengan
skala interval, sedangkan uji regresi digunakan untuk memperkirakan besarnya
hubungan sebab-akibat antara variabel bebas dan variabel terikat. Sementara itu, uji
korelasi non-parametrik menggunakan uji spearman. Uji ini digunakan untuk
mengetahui hubungan apabila masing-masing variabel yang dihubungkan berbentuk
ordinal, dan sumber data antar variabel tidak harus sama (1, 2).
B. Rumusan Masalah
Berdasarkan latar belakang, rumusan masalah pada makalah ini adalah sebagai
berikut:
1. Apa yang dimaksud dengan uji korelasi parametrik dan non parametrik?
2. Apa saja syarat uji korelasi parametrik dan non parametrik?
3. Bagaimana perhitungan uji korelasi parametrik dan non parametrik?
C. Tujuan Penulisan
1. Tujuan Umum
Tujuan umum penulisan makalah ini adalah untuk menambah pengetahuan
tentang uji korelasi parametrik dan non parametrik.
2. Tujuan Khusus
Ada pun tujuan khusus dari penulisan makalah ini antara lain:
1. Mengetahui pengertian uji korelasi parametrik dan non parametrik
2. Mengetahui syarat uji korelasi parametrik dan non parametrik
3. Mengetahui perhitungan uji korelasi parametrik dan non parametrik
4. Mengetahui interpretasi uji korelasi parametrik dan non parametrik
D. Manfaat Penulisan
1. Manfaat bagi Mahasiswa
Manfaat penulisan makalah ini bagi mahasiswa, yaitu:
a. Untuk dapat mengetahui pengertian uji korelasi parametrik dan non parametrik
b. Untuk dapat mengetahui syarat uji korelasi parametrik dan non parametrik
c. Untuk dapat mengetahui perhitungan uji korelasi parametrik dan non parametrik
d. Untuk dapat mengetahui interpretasi uji korelasi parametrik dan non parametrik
2. Manfaat bagi Institusi
Manfaat penulisan makalah ini bagi institusi adalah dapat dijadikan sebagai
media pembelajaran di program studi.
BAB II
PEMBAHASAN
A. Pengertian
1. Statisik Parametrik
Jenis data yang dianalisis dalam statistik parametrik terutama adalah mempunyai
skala interval atau rasio. Dalam analisis menggunakan statistik parametrik,
pertimbangan jenis sebaran atau distribusi data yang menyebar secara normal adalah
mutlak. 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 non parametrik. Sebagai jalan tengah, dapat
dilakukan transformasi lebih dahulu agar data menjadi normal. 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. 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 (3).
2. Stastik Non-parametrik
Statistik non-parametrik adalah statistik yang tidak mendasarkan pada parameter-
parameter populasi. Dalam pengumpulan data tentu akan melakukan pengukuran,
kemudian dihitung mean, median, modus dan standar deviasi. ukuran-ukuran tersebut
B. Syarat
1. Uji Parametrik
Untuk melakukan analisis statistika parametrik dengan teknik analisis komparatif
mensyaratkan beberapa asumsi salah satunya data terdistribusi normal.Apabila hasil
uji menunjukkan data berdistribusi normal maka digunakan uji statistik parametrik
yang menggunakan teknik paired sample t-test/ a two-tailed test (4). Selain melihat
Apabila data terdistribusi normal maka uji statistik yang dilakukan adalah uji
parametrik sedangkan apabila data tidak terdistrubusi normal, maka dilakukan uji non-
parametrik (5).
Uji non parametrik tidak memiliki syarat seperti uji parametrik sehingga asumsi
yang dibuat lebih lemah dan kurang teliti karena pengamatannya bebas dan variable
yang diamati kontinu, tetapi populasi tidak perlu berdistribusi normal, serta variannya
tidak perlu homogen. Selain itu, data yang digunakan tidak harus berdistribusi normal
sehingga bisa dilakukan pada level binomial atau ordinal dan prosesnya lebih
sederhana dan mudah dimengerti. Tipe uji non paramterik adalah skala kategorik dan
bisa menjadi pilihan untuk penelitian kuantitatif apabila syarat uji parametrik tidak
memenuhi (6).
C. Perhitungan
Statistik parametrik berhubungaan dengan inferens statistik (pengambilan
keputusan atas masalah tertentu) yang membahas parameter-paremeter populasi,
seperti rata-rata, proporsi dan sebagainya. Sedangkan statistik nonparametrik
berhubungan dengan inferensi statistik yang tidak membahas parameter-parameter
populasi. Salah satu cara untuk menentukan uji parametrik dan non-parametrik adalah
dengan melakukan uji normalitas. Apabila data terdistribusi normal maka uji yang
dilakukan adalah uji parametrik sedangkan apabila data tidak terdistribusi normal maka
dilakukan uji non-parametrik. Penentuan normalitas data dapat dilakukan dengan (8):
1. Membuat kurva/grafik distribusi data, seperti histogram, boxplot, kurva Q-Q plot,
2. Menghitung nilai kemiringan/skewwness, apabila nilai skeweness dibagi standar
error ≤ 2, maka data terdistribusi normal.
3. Uji normalitas dapat dilakukan dengan uji Spahiro-wilk, kolmogorov-Smirnov,
chi-square, lonilless fit.
a. Uji Kolmogorov-Smirnov Secara Manual
Statistik uji kolmogorov-smirnov merupakan selisih absolut terbesar antara S(x)
dan Fo(x), yang disebut deviasi maksimum D.
D = |S(x) – Fo(x)| maks.
Apabila nilai D hitung lebih kecil dengan nilai D pada tabel, maka Ho diterima.
Sehingga dapat disimpulkan bahwa data tersebut berasal dari populasi dengan
distribusi yang normal.
Contoh:
Dilakukan sebuah survei kepada 18 wanita, mengenai umur pertama saat haid,
didapatakn hasil seperti yang terlihat pada tabel. Tentukan apakah data tersebut
berasal dari populasi yang berdistirbusi normal! (α = 5%)
Umur haid pertama Frekuensi (f)
10 3
11 4
12 6
13 2
14 1
15 1
16 1
10
2) Untuk melakukan uji normalitas maka pilih analyze > descriptive statisic >
explore.
3) Pilih “statistic” untuk memastikan tingkat kepercayaan yang digunakan sesuai
dengan asumsi yang kita gunakan
4) Pilih “plot” untuk mengaktifkan test normalitas (normality plot with test)
5) Klik OK
6) Pada window output akan muncul tabel sebagai berikut
7) Membandingkan nilai P-value pada tabel dengan nilai α (0,05), serta membuat
kesimpulan
Ho gagal ditolak jika P-value > α
Ho ditolak, jika P-value ≤ α
Pada contoh ini terlihatada 2 jenis tes normalitas yaitu kolomogrov-smirnov dan
shapiro-wilk. Apabila jumlah sampel lebih dari 50, maka uji normalitas yang
digunakan adalah kolmogorov-smirnov, sedangkan apabila sampel kurang dari 50
maka digunakan uji spahiro-wilk.
Apabila data telah diketahui normalitas dari distribusi data, maka langkah
selanjutnya adalah menentukan uji statistik yang tepat. Pada data yang terdistribusi
normal, dapat dilakukan uji statistik parametrik. Sedangkan pada data yang tidak
terdistribusi normal, perlu dilakukan modifikasi data hingga data terdistribusi normal.
Jika tidak melakukan modifikasi data, maka uji statistik yang dilakukan adalah uji
statistik non-parametrik. Pemilihan jenis uji dilakukan dengan memperhatikan jenis
data yang digunakan, jumlah sampel maupun hubungan antar variabel (9).
Untuk perhitungan uji statistik parametrik dapat menggunakan uji-t dan uji
anova. Sedangkan untuk perhitungan non-parametrik dapat menggunakan uji mann
whitney, the wilcoxon test, dan kruskal-wallis test.
11
1. Perhitungan Paramterik
a. Uji-T dengan SPSS
Contoh soal: Pada kasus ini, data dianggap berdistribusi normal sehingga uji
statistik yang dilakukan adalah uji-t. Ditetapkan pula arah uji adalah two-tail
dengan nilai signifikasi 5%. Tentukan apakah rata-rata produktivitas padi
varietas baru sama dengan produktivitas padi varietas lama.
Proses pengolahan data selalu diawali dengan uji normalitas. Namun, pada
pembahasan ini sudah diasumsikan bahwa seluruh data telah dilakukan uji
normalitas dan telah memenuhi asumsi yang dibutuhkan untuk melakukan uji
parametrik (uji-t 1 sampel) (10).
1) Sesuai dengan soal sebelumnya mengenai rata-rata produktivitas padi
varietas baru, maka kita masukkan data ke dalam program SPSS. Pada
window variabel view buatlah variabel berikut:
Name : rata_berat_padi
Measure : scale
2) Kemudian masukan setiap data pada window data view, sehingga seperti yang
terlihat pada gambar
12
4) Pindahkan variabel yang akan dianalisis ke kolom test variabel (s), lalu klik
“OK”
5) Hasil analisis akan muncul pada window output
Kesimpulan:
Berdasarkan tabel pertama dapat dilihat rata-rata produktivitas padi varietas baru
adalah 6,98 ton/ha dan pada tabel kedua diketahui nilai sig(2-tailed) adalah
0,0001 sehingga dapat disimpulkan bahwa nilai signifikansi lebih kecil dari α
(0.05) berarti Ho ditolak yang bearti rata-rata produktivitas padi varietas baru
berbeda signifikan dengan rata-rata produktivitas padi varietas lama.
b. Uji ANOVA one-way dengan SPSS
Pada program SPSS kita akan memasukkan data berdasarkan variabelnya, yaitu
variabel dependent dan variabel independent sebagai berikut (9).
13
14
“bonferreni”.
6) Akan terlihat hasil pada windows output, terlihat 3 macam tabel yaitu tabel
homogenitas, tabel Anova dan tabel post hoc. Pada masing-masing tabel dapat
diambil kesimpulan sebagai berikut:
Berdasarkan tabel didapatkan nilai sig (0,39) lebih besar dari α (0,05),
sehingga Ho diterima dan disimpulkan bahwa variasi antar kelompok sama
atau homogen.
Berdasarkan uji ANOVA, didapatkan nilai sig (0,0001) lebih kecil dari α (0,05),
sehingga Ho ditolak dan dapat disimpulkan bahwa terdapat perbedaan rata-rata
produktivitas susu sapi pada kelompok pemberian pakan yang berbeda (9).
15
Pada penelitian ni, kelompok pemberian pakan terbagi menjadi lebih dari 2, maka
perlu diketahui kelompok manakah yang dinyatakan berbeda signifikan. Hal
tersebut dapat diketahui melalui tabel post hoc di bawah ini
Pada hasil uji post-hoc bonforrenni kita akan mendapati kelompok yang berbeda
nyata, melalui nilai sig < α (0,05), atau dengan memperhatikan tanda (*) (9).
2. Perhitungan Uji Non-Paramterik
a. Uji Wilcoxon dengan SPSS
Bangun data dalam SPSS seperti gambar dibawah. Pada variabel view, bentuk
variabel sebelum dan sesudah. Kemudian atur tipe data (type) dengan numeric.
Pada Data View, isi data berat badan sebelum mengkonsumsi obat penambah
berat badan merek XYZ selama satu minggu (10).
16
17
Tabel diatas, yakni tabel Ranks merupakan hasil berdasarkan SPSS. Berdasarkan
tabel tersebut diketahui selisih dari pasangan nilai data yang bernilai negatif atau
pengamatan ranking yang negatif (Negative Ranks) sebanyak 2, selisih dari
pasangan nilai data yang bernilai positif atau pengamatan ranking yang positif
(Positive Ranks) sebanyak 12, dan selisih dari pasangan nilai data yang bernilai
nol (Ties) sebanyak 1. Jumlah responden dalam sampel (Total) sebanyak 15.
Diketahui jumlah ranking untuk kelompok tanda positif (+) adalah 102,
sedangkan jumlah ranking untuk kelompok tanda negatif (-) adalah 3. Hasil pada
Tabel Ranks tersebut sesuai dengan hasil dengan perhitungan secara manual (10).
Ranks
N Mean Rank Sum of Ranks
Sesudah - Negative Ranks 2𝑎 1.50 3.00
Sebelum
Positive Ranks 12𝑏 8.50 102.00
Ties 1𝑐
Total 15
a. Sesudah < Sebelum
18
Test Statistics
Sesudah – Sebelum
Z −3.113𝑎
Asymp. Sig (2-tailed) .002
a. Based on negative ranks
b. Wilcoxon Signed Ranks Test
Tabel diatas, yakni tabel test statistics merupakan hasil berdasarkan SPSS.
Berdasarkan tabel tersebut, diketahui nilai normal Z terstandarisasi adalah -
3,113, sedangkan nilai probabilitas kumulatif dari Z (Asymp. Sig (2-tailed))
adalah 0,0002. Karena nilai probabilitas 0,002 < α = 0,05, maka hipotesis nol
ditolak dan hipotesis alternatif diteirma. Ini berarti pernyataan “terdapat
perbedaan yang signifikan secara statistika mengenai berat badan, sebelum dan
sesudah mengkonsumsi obat penambah berat badan merek XYZ” dapat diterima
pada tingkat signifikansi 5%. Perhatikan bahwa (2-tailed) berarti pengujian
dilalkukan secara dua arah (10).
19
20
Tabel dibawah yakni Tabel Rank merupakan hasil berdasarkan SPSS. Padakolom
Sum of Ranks, diketahui jumlah ranking nilai ujian matakuliah kalkulus
mahasiswa jurusan matematika adalah 72,5 dan jumlah ranking nilai ujian
matakuliah kalkulus mahasiswa jurusan statistika adalah 137,5. Pada kolom
Mean Rankmerupakan nilai rata-rata dari ranking nilai ujian matakuliah kalkulus
berdasarkan masing-masing jurusan (10).
Ranks
Jurusan N Mean Rank Sum of Ranks
Nilai Matematika 10 7.25 72.50
Statistika 10 13.75 137.50
Total 20
Pada (Tabel Test Statistics) diketahui nilai statistik uji Mann-Whitney adalah
17,5. Nilai kritis Mann-Whitney adalah 23. Karena nilai dari statistik dari uji
21
Mann-Whitney, yakni 17,5 lebih kecil dari nilai kritis Mann-Whitney, yakni 23,
maka hipotesis nol ditolak dan hipotesis alternatif diterima. Ini berarti pernyataan
mengenai “terdapat perbedaan yang signifikan secara statistika mengenai nilai
ujian matakuliah kalkulus antara mahasiswa jurusan matematika dan mahasiswa
jurusan statistika” dapat diterima pada tingkat signifikansi 5%. Perhatikan juga
bahwa diketahui nilai Asymp. Sig. (2-tailed)adalah 0,013. Nilai tersebut
merupakan:
2× (nilai probabilitas kumulatif dari nilai normal 𝑍=−2,497) = 2× 0,0062 = 0,013.
Karena nilai probabilitas kumulatif 0,013<𝛼=0,05, maka hipotesis nol ditolak
dan hipotesis alternatif diterima. Ini berarti pernyataan mengenai “nilai ujian
matakuliah kalkulus mahasiswa jurusan statistika berbeda signifikan secara
statistika dengan nilai ujian matakuliah kalkulus mahasiswa jurusan matematika”
dapat diterima pada tingkat signifikansi 5%. Perhatikan bahwa “(2-tailed)”
berarti pengujian dilakukan secara dua arah (10).
22
23
24
25
Ranks
Bimbel N Mean Rank
Bimbingan belajar A 6 6.33
Bimbingan belajar B 6 6.75
Bmbingan belajar C 6 15.42
Total 18
Test Statistics
Sesudah – Sebelum
Chi-Square 11.165
Df 2
Asymp. Sig. .004
a. Kruskal Wallis Test
b. Grouping Variable: Bimbel
D. Interpretasi
1. Uji Korelasi Parametik
Uji korelasi parametik menggunakan teknik korelasi yang banyak digunakan
orang-orang hingga saat ini. Uji korelasi parametik menggunakan teknik uji korelasi
pearson product momen. Korelasi Pearson merupakan metode statistika yang
membantu peneliti menemukan suatu besaran tentang kuat tidaknya hubungan
variabel-variabel dengan hanya melibatkan satu variabel bebas dan satu variabel
terikat. Uji korelasi Pearson dilambangkan dengan (R). Syarat-syarat data yang
digunakan dalam uji Korelasi Pearson adalah (11):
a) Berskala interval/rasio
b) Variabel X dan Y harus bersifat independen satu dengan lainnya
c) Variabel harus kuantitatif simetris.
26
Koefisian korelasi yang dihasilkan dari Uji Korelasi Pearson berguna untuk
melihat seberapa kuat hubungan linier antar variabel. Artinya jika koefisien korelasi
Pearson menghasilkan variabel yang tidak linier maka variabel tersebut tidak memiliki
hubungan yang kuat. Karena nilai koefisien korelasi berada antara -1<0<1, maka
interpretasi dari uji korelasi yang bisa diperoleh yaitu (11):
1) Jika r = -1, korelasi negative sempurna sehingga taraf signifikansi dari pengaruh
variabel X terhadap variabel Y sangat lemah.
2) Jika r = 1 artinya korelasi positif sempurna sehingga dapat diartikan taraf
signifikan dari pengaruh variabel X terhadap variabel Y sangat kuat.
3) Jika r = 0 maka artinya tidak terdapat hubungan antara dua variabel tersebut.
Selain itu untuk menerjemahkan hasil akhir dari uji korelasi juga perlu
memperhatika signifikansi dimana jika Sig. (2-tailed) < 0,05, maka hubungan yang
terdapat pada r dianggap signifikan. Sedangkan jika nilai Sig >0,05 maka hubungan
ditolak. Berikut interpretasi dari hasil uji statistiknya (11, 12):
27
28
29
BAB III
PENUTUP
A. Simpulan
Dalam melakukan analisis statistika parametrik dengan teknik analisis komparatif
mensyaratkan beberapa asumsi salah satunya data terdistribusi normal. Apabila hasil
uji menunjukkan data berdistribusi normal maka digunakan uji statistik. Pada data yang
terdistribusi normal, uji statistik parametrik yang dilakukan adalah uji-t. Uji non
parametrik digunakan jika data tidak memenuhi syarat uji paramterik, yaitu data
terdistribusi tidak normal. Dalam melakukan uji beda rata-rata, apabila data tidak
berdistribusi normal maka digunakan uji statistik nonparametrik yang dapat
menggunakan teknik Wilcoxon signed ranks test Uji non parametrik tidak memiliki
syarat seperti uji parametrik sehingga asumsi yang dibuat lebih lemah dan kurang teliti
karena pengamatannya bebas dan variable yang diamati kontinu, tetapi populasi tidak
perlu berdistribusi normal, serta variannya tidak perlu homogen.
B. Saran
Makalah ini diharapkan mahasiswa mampu mempelajari dan memahami
mengenai uji korelasi parametrik dan non-parametrik ini untuk membantu
mempermudahkan dalam menganalisis data dengan menggunakan uji korelasi
parametrik dan non-parametrik.
30
DAFTAR PUSTAKA
2. Harmon M, Skow B, Simonson P, Peck J, Craig RT, Jackson JP, et al. Metode
Penelitian Kuantitatif [Internet]. Vol. 4, Philosophy of Science. 2016. 1–10 p.
6. Adiputra IMS, Dkk. Statistika kesehatan: Teori dan aplikasi. Medan: Yayasan Kita
Menulis; 2021. 1–124 p.
8. Sawego Gati Putro, febriadi. dony A. Perbandingan kebugaran jasmani pada siswa
perokok dan non perokok di sma negeri 1 porong. J Pendidik olahraga dan Kesehat.
2021;9(1):229–32.
10. Suyatno. Statistika nonparametrik dengan SPSS, Minitab, dan R. Medan: USU Press;
2017. 1–131 .
11. Safitri WR. Analisis korelasi pearson dalam menentukan hubungan antara kejadian
Demam Berdarah Dengue dengan kepadatan penduduk di Kota Surabaya pada tahun
2012-2014. J Ilmu Keperawatan. 2016;2(2):1–9.
12. Mulyana UR, Fitrianna AY. Hubungan Motivasi Belajar Terhadap Kemampuan
Pemecahan Masalah Matematik Siswa Smp Pada Materi Segitiga Segiempat. JPMI
(Jurnal Pembelajaran Mat Inov. 2019;2(6):415.
13. Yanti CA, Akhri IJ. Perbedaan Uji Korelasi Pearson, Spearman dan Kendall Tau dalam
Menganalisis Kejadian Diare. J Endur Kaji Ilm Probl Kesehat [Internet]. 2021;6(1):51–
8. Available from: http://doi.org/10.22216/jen.v6i1.5256
14. Fitri A. Hubungan motivasi dengan lamanya masa tunggu kerja pada lulusan Fakultas
Keperawatan Univesitas Sumatera Utara periode 2008 dan 2009. J Keperawatan
Abdurrab [Internet]. 2016;1(1):1–15. Available from:
https://www.usu.ac.id/id/fakultas.html
15. Nurbiantoro DA, Septimar zahrah M, Winarni LM. Hubungan Pengetahuan Dengan
Keterampilan Perawat Dalam Pelaksanaan Triase Di Rsud Kota Tangerang. J Heal
Sains [Internet]. 2020;1(6):414–26. Available from:
http://jurnal.healthsains.co.id/index.php/jhs/article/view/75/126
16. Salehudin M. Literasi Digital Media Sosial Youtube Anak Usia Dini. J Ilm Potensia.
2020;5(2):106–15.