Uji statistik

Oleh:
Putu Dian Prima Kusuma Dewi
Tujuan

 Mampu mengkaji Uji Statistik yang tepat

berdasarkan tujuan, hipotesis dan skala
variabel yang digunakan pada Penelitian
KUANTITATIF.
 UJI STATISTIK
• Diperlukan untuk penelitian kuantitatif yang
memerlukan analisa lebih lanjut dnegna
statitik.
• Secara garis besar cara ada 3 yaitu
1. Statistik Univariat atau Deskriptif
2. Statistik Bivariat
3. Statistik Multivariat
 Statistik Univariat atau Deskriptif
Statistik Deskriptif untuk Data Kategorikal
• Data kategorikal: berskala data nominal dan ordinal
• (jenis kelamin, pekerjaan, status gizi, dll)

 Dapat disajikan dalam bentuk tabel distribusi frekuensi

tunggal dan silang
 Dapat disajikan dalam bentuk grafik balok (bar chart)
atau grafik lingkaran (pie chart)
 Distribusi frekuensi tunggal

Tabel 1 Cara persalinan dari 600 kelahiran di RS Maria

Cara persalinan Jml. Kelahiran Persentase

Normal 478 79,7
Forcep 65 10,8
Seksio 57 9,5
Total 600
Sumber: Betty R. Kirwood; Medical Statistics
100,0
Distribusi silang

• Membuat tabel antara dua variabel dengan dua

kategori (ya dan tidak) untuk masing-masing
variabel
• Misal: hubungan antara merokok dengan
penyakit jantung koroner (PJK)
• Row: kebiasaan merokok (merokok & tidak)
Column: PJK (ya & tidak)
Tabel 2 Kebiasaan merokok dengan kejadian PJK

PJK Total
Kebiasaan Merokok Ya Tidak
Merokok 30 (15%) 170 (85%) 200 (100%)

Tidak 20 ( 5%) 380 (95%) 400 (100%)

Total 50 (8,3%) 550 (91,7%) 600 (100%)

Pie Chart
• Merupakan salah satu grafik untuk menyajikan
data dari satu variabel kategorikal
• Ketentuan penyajian pie chart:
a. judul grafik di letakkan di bagian bawah grafik
b. setiap potongan diberikan label
c. setiap potongan dari grafik dilengkapi dengan
frekuensi dalam bentuk absolut atau persen
Simple bar chart

• Simple Bar Chart juga disebut grafik balok

dipakai untuk menyajikan distribusi data dari satu
variabel kategorikal
• Agar grafik balok jelas:
a. judul grafik umumnya ditempatkan di bagian
bawah
b. sumbu X dan Y diberi nama dan skala, dan
c. setiap balok diberi label
Grafik 2. Distribusi Kasus Persalinan Menurut
Jenis Persalinan
Cluster bar chart

• menyajikan distribusi silang dalam bentuk grafik

balok
• kluster adalah kejadian PJK, sedangkan
kebiasaan merokok menjadi kelompok yang
dibandingkan yang ditempatkan pada sumbu X
dari grafik
 Grafik 3. Distribusi Kasus PJK antara Perokok dan Non
Perokok

400 380
350
300
250
200 170 PJK
150 Tidak PJK
100
50 30 20
0
Merokok Tidak merokok

Kebiasaan merokok
B. Statistik Deskriptif untuk Data Kontinu

• Data kontinue dapat disajikan dalam bentuk

distribusi frekuensi tunggal atau berkelompok dan
dalam bentuk grafik histogram atau Box-plot
(mean, median atau modus serta sebarannya)
• Berikut akan dibahas distribusi frekuensi tunggal,
berkelompok, histogram, ukuran tendensi sentral
dan sebaran.
Distribusi frekuensi tunggal
• Tabel distribusi tunggal adalah distribusi data menurut
variasi data dari satu variabel.
• Distribusi tunggal dipakai bila variasi data dari satu
variabel < 15, misalnya paritas yang memiliki variasi data
dari 0 – 5
Tabel 3 Paritas Ibu Bersalian di Rumah Sakit Maria

Paritas Frekuensi Persentase

0 200 24,8
1 250 31,1
2 225 28,0
3 100 12,4
4 25 3,1
5 4 0,5
6 atau lebih 1 0,1
Total 805 100,0
Distribusi frekuensi berkelompok
• distribusi data dalam kelompok tertentu:
rentangan nilai tertentu dijadikan sebuah
kelompok
• Data disajikan di dalam sebuah distribusi
berkelompok bila range suatu data > 15,
misalnya umur dengan variasi data dari 0 – 89
tahun
• Dibuat dalam bentuk kelas: klp umur
• Tiap kelas memiliki interval, batas bawah dan
atas kelas serta mempunyai nilai tengah
Tabel 4 Umur Pasien Rawat Jalan Rumah Sakit Maria Tahun 2010

Kelompok Umur (th) Frekuensi Persentase

0-1 185 37,3
1-4 109 22,0
5-9 38 7,7
10-14 31 6,3
15-19 15 3,0
20-24 6 1,2
25-29 5 1,0
30-34 3 0,6
35-39 7 1,4
40-44 21 4,2
45-49 25 5,0
50-54 30 6,0
55- 21 4,2
Total 496 100,0
Histogram
• grafik balok dimana setiap balok
menyatakan frekuensi dari setiap nilai
data atau kelas untuk distribusi
berkelompok
• balok yang satu berimpit dengan balok
berikutnya
 Grafik 3. Paritas Ibu Bersalin di Rumah Sakit Maria 2010

250

200
F re q u e n c y

150

100

50

0
0.00 2.00 4.00 6.00

paritas
TENDENSI SENTRAL
• Ada tiga ukuran nilai tendensi sentral : rata-
rata (Mean), nilai tengah (Median), dan nilai
tersering (Modus)
• Ketiga nilai tendensi sentral tersebut sama
besarnya bila data tersebut mempunyai
distribusi normal
• Nilai ketiga di atas bisa beda bila distribusi
data tersebut tidak normal atau menceng
• Ukuran tendensi sentral yang dipakai adalah nilai
rata-rata. Sebaliknya, bila distribusi data
menceng (menceng ke kanan atau ke kiri),
sebaiknya nilai tengah (Median) yg dipakai

NILAI RATA-RATA (MEAN)

• Sering disebut average
• Simbul: x untuk sampel dan µ untuk populasi
• Nilai rata-rata dari suatu observasi: dengan
membagi jumlah semua nilai observasi dengan
banyaknya observasi
• Misalnya data suatu pengukuran:
x1 x2 x3 x4 .... ... xn
maka nilai rata-rata (mean):
n

x
x1  x 2  x3  x 4  .....  x n i 1 i
x 
n n
Contoh:
Jumlah anak dari 5 sampel
adalah: 0 1 2 3 4, maka nilai rerata sampel
menjadi = (0 + 1 + 2 + 3 + 4)/5 = 2.
NILAI TENGAH (MEDIAN)
• Nilai tengah merupakan nilai yang di tengah-tengah dari
seluruh nilai observasi setelah diurut dari yang terkecil ke
yang terbesar atau sebaliknya.
• Contoh jumlah observasi ganjil:
Ada 7 observasi dan setelah diurut adalah sebagai
berikut:
X1 X2 X3 X4 X5 X6 X7
3 5 6 9 11 30 50
maka, nilai tengahnya (Md) = 9
• Contoh dengan jumlah observasi genap:
X1 X2 X3 X4 X5 X6
3 5 6 9 11 30
maka nilai tengahnya (Md) = (6 + 9)/2
= 7,5

NILAI MODUS
• modus dari suatu observasi adalah nilai dimana hasil
observasi paling memusat
• Misalnya dari observasi 5 keluarga didapatkan jumlah
anak sebagai berikut: 1, 2, 2, 2, 3. Jadi modus jumlah
anak dari ke 5 keluarga tersebut adalah 2 anak.
• Kadangkala suatu observasi mempunyai nilai modus lebih
dr satu: dua modus (bimodal), tiga modus (tripelmodal),
dsb
• suatu observasi dimana distribusinya asimetris, modus
dapat dihitung dengan hubungan empiris sebagai berikut:

Modus = 3 x Median – 2 x Mean,

UKURAN SEBARAN
• Selain mengetahui arah nilai memusat, perlu diketahui
variasi nilai observasi satu dengan yg lain
• Misalnya, dua kelompok anak sekolah:
10 anak SD di kota dan 10 anak SD di desa. Kedua
kelompok anak SD tersebut mempunyai rata-rata tinggi
badan sama yaitu 100 cm.
• Variasi tinggi pada kedua kelompok tersebut sama atau
beda: belum bisa dijawab sebelum kita mengukur
sebarannya atau variasinya.
 Ukuran sebaran:

RANGE
• Range adalah jarak antara hasil observasi yang paling
kecil sampai yang paling besar
• Besarnya range ditentukan oleh dua nilai yang ekstrim,
yaitu yang paling kecil dan yang paling besar.
• Misalnya suatu observasi terhadap tekanan darah distole
didapatkan data tekanan darah diastole sebagai berikut:
50, 70, 74, 75, 75, 75, 80, 80, 80, 80, 85, 85, 90, 140
 • Data tekanan diastole dari 14 sampel di atas mempunyai
range antara 50 sampai 140 mmHg.

VARIAN (GALAT) DAN STANDAR DEVIASI

(SIMPANG BAKU)
• Standar deviasi adalah akar dari jumlah kuadrat beda nilai
observasi dengan nilai rata-rata dibagi dengan derajat
bebas (jumlah observasi – 1).

 Xi  X   Xi   Xi  / n
2 2
2

SD = atau SD =
n 1 n  1
• Sedangkan varian (S) dari hasil suatu observasi adalah
kuadrat dari SD hasil observasi tersebut, maka dari itu
varian dapat dihitung : S = SD2

PERSENTIL
• Persentil: nilai individu yang ke sekian persen dari sampel
setelah nilainya diurut dari kecil ke besar
• Misalnya persentil 10 artinya nilai sample yang ke 10%,
persentil 25: sampel yang ke 25%, persentil 50 artinya
nila sampel yang ke 50%, persentil 75 artinya nilai sampel
yang ke 75%, dan seterusnya
 QUARTIL DAN INTER QUARTIL

• Quartil 1 menyatakan nilai sampel yang ke 25% atau

sama dengan nilai persetil 25
• quartil 2 menyatakan nilai sampel yang ke 50% atau
sama dengan persentil 50, dan
• quatil 3 menyatakan nilai sampel yang ke 75% atau sama
dengan nilai persentil 75

Contoh:
• Ada data sebagai berikut: 1,2,5,6,7,9,12,15,18,19,27
• didapatkan nilai quartil 1 (Q1) = 5 dan quartil 3 (Q3) = 18,
maka interquartile range  Q3 – Q1 = 18 – 5 = 13
 Boxplot
*3 ................................................ outlier
*21

......... batas atas (mean + 3 SD)

........ batas atas BOX (Q2)

............... Median
Garfik 2.5.4 Box-
Plot Intake Protein
penduduk di Kota
dan Pedesaan ............ batas bawah BOX (Q1)

Kota ........ batas bawah(mean–3 SD)

DESA
 DEFINISI HIPOTESIS
• Berdasarkan kamus besar Bahasa Indonesia
• hipotesis adalah “sesuatu yang dianggap benar
untuk alasan atau pengutaraan pendapat (teori,
proposisi, dan sebagainya) meskipun kebenarannya
masih harus dibuktikan.”
• Dalam statistika,
• Hipotesis adalah suatu pernyataan mengenai
karakteristik dari satu atau lebih populasi. Karena
biasanya sangat sulit atau bahkan tidak mungkin
untuk menggali informasi mengenai karakteristik
populasi secara langsung, maka kita bisa
menggunakan data sampel dan melakukan uji
hipotesis.
Ciri-ciri Hipotesis yang baik :

• 1.Hipotesis harus menyatakan hubungan

• 2.Hipotesis harus sesuai dengan fakta
• 3.Hipotesis harus sesuai dengan ilmu
• 4.Hipotesis harus dapat diuji
• 5.Hipotesis harus sederhana
• 6.Hipotesis harus dapat menerangkan fakta
Jenis Hipotesis
• Jenis Hipotesis terbagi dua yaitu
1. Hipotesis
penelitian(reseachhypothesis) dan
2. Hipotesis statistik(Statistical
hypithesis).
 1. Hipotesis nol (Ho)
• Hipotesis nol = hipotesis yg bersifat
status quo yi/: hipotesis yg menyatakan
tdk ada hubungan antara satu variable
dengan variabel lain.
• Atau
hipotesis yg menyatakan tdk ada
perbedaan suatu kejadian
(mean,proporsi) atar 2 kel atau lebih.
3
7
 1. Hipotesis nol (Ho)
• Contoh;
– Tidak ada hubungan antara .... Dengan ...
– Tidak ada perbedaan antara ... Dengan...

• Tdk ada hub antara frequensi merokok dengan

BBL
• Tdk ada perbedaan bbl antara ibu merokok dng
ibu tdk merokok.

3
8
 2. Hipotesis Alternatif
(Ha)
• Hipotesis alternatif = hipotesis penelitian
= hipotesis kerja
• Pola deskriptifnya
– Ada hub antara...dengan...
– Ada perbedaan antara...dengan...
– Jika ... Maka ...
– Semakin...maka...akan semakin....

3
9
 1. Hipotesis alternatif (Ha)
• Contoh :
– Ada hub antara kadar Hb siswa SD dengan
kemampuan akademik
– Ada perbedaan kadar Hb ibu hamil antara yg
tinggal di perkotaan dan yg tinggal di pedesaan
– Jika pendapatan naik maka status gizi akan naik
pula
– Semakin tinggi IP maka akan semakin banyak
matakuliah yg di ambil
4
0
 Bentuk Hipotesis
1. Hipotesis one tail/satu sisi/satu arah :
hipotesis yg dinyatakan dengan jelas arah
hubungan atau perbedaan nilai/tingkat
Contoh :
- Semakin tinggi perbedaan keluarga
maka akan semakin rendah proporsi pengeluaran
untuk pangan
- BBL bayi ibu merokok lebih kecil dari BBL ibu tidak
merokok

4
1
 Bentuk Hipotesis
Hipotesis two tail/dua sisi/dua arah : hipotesis
yg dinyatakan dengan tidak ada arah
hubungan atau tidak ada perbedaan nilai atau
tingkat
Contoh:
-Ada hubungan antara umur dengan aktifitas
fisik
-Ada perbedaan status gizi antara siswa laki2
dengan siswa perempuan
4
2
 Uji statistik
• Yg di uji adalah Ho
• Keputusan uji statistik :
–Menolak hipotesis nol
 kesimpulan = Ha
–Gagal menolak hipotesis nol
kesimpulan = Ho  menyatakan bahwa
tdk ada perbedaan antara parameter dan
populasi
• Uji statistik dilakukan u/ melihat apabila H0 benar,
beberapa probabilitas kita u/ memperoleh hasil
seperti pada penelitian yg dilakukan
• Probabilitas (p) kecil, maka kesimpulan yg diambil
bahwa H0 tdk sesuai dgn hasil penelitian.
• Seberapa besar nilai p dianggap “cukup kecil”
untuk menolak H0 bergantung pada seberapa
besar peneliti mau “menanggung
risiko” untuk salah menanggung resiko
 KEMUNGKINAN KESALAHAN PADA
PENGUJIAN HIPOTESIS
KEPUTUSAN KEADAAN SEBENARNYA
PENGUJIAN

Ho BENAR Ho SALAH

Menerima H0 Keputusan Benar Kesalahan Tipe II (β)

Menolak H0 Kesalahan Tipe I () Keputusan Benar

 Kesalahan pengambilan keputusan
(Kesalahan Tipe I)

• Alpha ()
 Kesalahan Menolak Hipotesis Nol padahal
sesungguhnya hipotesis nol benar
• Berarti menyimpulkan ada perbedaan padahal
tdk ada perbedaan.
• Peluang kesalahanAlpha () disebut juga :
• Tingkat signifikansi
• Tingkat kemaknaan
• Significance level
4
6
Tingkat signifikansi/kepercayaan
• Taraf signifikansi atau tanpa kesalahan
derajat kepercayaan/ besarnya toleransi dalam
menerima kesalahan hasil hipotesis terhadap
nilai parameter populasinya.
• Dng kata lain nilai  merupakan nilai batas
toleransi peluang salah dalam menolak H0 
batas max kesalahan menolak H0  batas max
salah menyatakan adanya perbedaan.
• Penentuan besarnya nilai  tergantung dari
tujuan dan substansi penelitian.
Taraf nyata dalam bentuk % umumnya sebesar
1%, 5% dan 10% ditulis 0,01; 0,05 ; 0,1. (paling
sering di gunakan)
4
7
 dapat disebut taraf kepercayaan 95 % artinya  =
0,05 ialah kira2, 5 dari 100
kesimpulan/pengujian ak/ menolak hipotesis yg
seharusnya di terima.
Atau dng kata lain kira2, 95% percaya bahwa
kesimpulan yg di buat benar.
• Bila terjadi lebih dari 5 kali maka dianggap terlalu
banyak untuk menolak Ho
• Besarnya kesalahan disebut sbg daerah kritis
pengujian (critical region of a test) atau daerah
penolakan (region of rejection)

4
8
 Daerah penerimaan Ho

Ho : =
o
Daerah penolakan Ho 1- Daerah penolakan Ho
H1 : ≠
 o


Daerah penerimaan Ho Ho :  = o
H1 :  < o
Daerah penolakan Ho Atau
Ho :  ≥ o
1- H1 :  ≤ o


Daerah penerimaan Ho

Daerah penolakan Ho

1-

49
• Besarnya nilai  tergantung tujuan dan
kondisi penelitian
• =0,1 (derajat kepercayaan 90 %)
• =0,05 (derajat kepercayaan 95%)
penelitian kesehatan masy.
• =0,01 (derajat kepercayaan 99%)
penelitian yg mengandung risiko

5
0
 PENGUJIAN HIPOTESIS MEMPUNYAI SIFAT

• Ada hubungan antara kesalahan jenis I &II

memperkecil probabilitas melakukan kesalahan jenis
I akan memperbesar probabilitas melakukan
kesalahan jenis II
• Probabilitas melakukan kesalahan jenis I dapat
diperkecil dengan menyesuaikan nilai kritis
• Makin besar ukuran sampel maka nilai  dan  akan
makin kecil
• Bila hipotesis nol salah maka nilai  akan mencapai
nilai parameter yang sesungguhnya dekat dengan
nilai yang dihipotesis. Makin besar jarak antara nilai
sesungguhnya dengan nilai yang dihipotesiskan,
makin kecil nilai 
 Prosedur uji hipotesis
1. Menetapkan hipotesis
Ho : ......?
Ha : ......? Arahnya??
2. Menentukan uji statistik yg sesuai
3. Menentukan tingkat kemaknaan ()
4. Perhitungan uji statistik
5. Kesimpulan uji statistik

5
2
 Cara mengambil Keputusan
• Kesimpulan :  Cara Klasik (menggunakan
tabel )
Ho ditolak bila
- statistik Hitung ≥ statistik tabel Ho gagal di
tolak bila
- statistik hitung < statistik tabel

5
3
Contoh : untuk uji Z (two tail) dng
=0,05 Z 95 %= 1,96
Z tabel= (1- )/2 (Luas daerah yg di
blokhitam pd kurva normal standar)
Daerah penerimaan Ho

Daerah penolakan Ho 1- Daerah penolakan Ho




Berdasarkan Z tabel dgn Z = 1,96 = 0,475

54
 Kesimpulan Cara Probabilitas
• Ho ditolak bila P ≤ 
• Ho gagal ditolak bila P
• Untuk uji Z (two tail)
p = (0,5 – luas daerah yg di blok pada kurva
normal standar) x 2
Misalnya Z hitung = 2,5 P=(0.5-0,4938)x2
=0,0062 x 2
=0,012 bandingkan dengan misal  0,05

55
Bila
Ho : tidak ada perbedaan kadar kolesterol
antara org dewasa normal dengan
penderita hipertensi
Keputusan :
Klasik :
Z tabel = (1-0.05)/2
= 0,475
 Z= 1,96 (tabel) Z
hitung > Z tabel
=Ho di tolak

Artinya:
Ada perbedaan kadar kolesterol antara orang dewasa
normal dengan penderita hipertensi 24
Keputusan : Probabilitas : Z =
2,5
P = (0,5 -0,4938) x 2 = 0,012

P <  , Ho di tolak

Ada perbedaan kadar kolesterol antara org dewasa normal

dengan penderita hipertensi

25
Uji Hipotesis
• Uji hipotesis adalah suatu prosedur yang
didasarkan pada bukti sampel dan peluang
untuk menguji pernyataan mengenai
karakteristik dari satu atau lebih populasi.
• Komponen dalam uji hipotesis, seperti
hipotesis nol, hipotesis alternatif, statistik
uji, nilai-P, nilai-nilai kritis, dan daerah-
daerah kritis
Komponen Hipotesis
Hipotesis nol,
dinotasikan dengan H0, adalah hipotesis yang
akan diuji.
Istilah nol di sini menyatakan
tidak ada perubahan,
 tidak ada pengaruh,
 atau tidak ada perbedaan.
Hipotesis nol akan diasumsikan benar sampai
bukti sampel berkata sebaliknya.
Komponen Hipotesis
• Hipotesis alternatif,
dinotasikan dengan H1, adalah
hipotesis yang berbeda dengan
hipotesis nol.
Hipotesis alternatif merupakan
hipotesis yang kita cari bukti untuk
mendukungnya.
Tanda dalam Hipotesis Nol.
• Meskipun ada beberapa peneliti yang
menggunakan simbol ≤ dan ≥ dalam hipotesis
nol, ada juga hanya akan digunakan tanda sama
dengan =.
• Dengan kata lain, kita mengasumsikan
karakteristik dari populasi, yaitu proporsi, mean,
variansi, atau simpangan baku populasi tersebut,
sama dengan suatu nilai tertentu.
• Hal ini dimaksudkan agar kita bisa menggunakan
• distribusi tunggal dalam uji hipotesis yang kita
lakukan.
Ketika kita akan melakukan uji hipotesis, maka kita harus
mengidentifikasi hipotesis nol dan hipotesis alternatifnya.
Kedua hipotesis tersebut bisa ditentukan melalui langkah-langkah
berikut.
1. Identifikasi klaim atau hipotesis yang akan diuji, dan nyatakan
klaim atau hipotesis tersebut ke dalam bentuk simbol matematis.
2. Nyatakan bentuk matematis yang harus benar ketika klaim awal
salah.
3. Dengan menggunakan dua bentuk matematis sebelumnya, H0
4. dan H1 bisa diidentifikasi sebagai berikut:
• (a) H1 adalah bentuk matematis yang tidak memuat tanda sama
dengan. Dengan demikian, H1 memuat tanda-tanda <, >, atau ≠.
• (b) H0 adalah bentuk matematis yang menyatakan bahwa
parameter populasi sama dengan nilai tertentu.
• Klaim awal bisa menjadi salah satu dari H0 dan H1, tetapi mungkin
juga tidak menjadi salah satu dari kedua hipotesis tersebut.
CONTOH —Mengidentifikasi H0 dan H1

• Seorang peneliti memiliki klaim bahwa sedikitnya 13,5%

wisatawan mancanegara yang datang ke Indonesia pada
tahun 2016 berasal dari Cina.

Identifikasilah hipotesis nol dan alternatif dari

permasalahan ini.
 PEMBAHASAN
• Langkah 1: Klaim awal menyatakan bahwa proporsi wisatawan dari
• negara Cina yang datang ke Indonesia adalah sedikitnya 13,5% atau
• 0,135. Klaim ini bisa dinyatakan menjadi p ≥ 0,135.

• Langkah 2: Jika p ≥ 0,135 salah, maka p < 0,135 benar.

• Langkah 3: Dari dua bentuk p ≥ 0,135 dan p < 0,135 yang tidak
• memuat sama dengan adalah p < 0,135, sehingga yang menjadi
• hipotesis alternatif adalah p < 0,135. Selanjutnya hipotesis nol haruslah
pernyataan yang menyatakan bahwa proporsinya sama dengan 0,135,
• yaitu p = 0,135.
• H0: p = 0,135
• H1: p < 0,135
• Jika kita perhatikan baik hipotesis nol ataupun hipotesis alternatif tidak
menyatakan klaim awal peneliti.
• Akan tetapi, pada akhirnya uji hipotesis tetap bisa digunakan untuk
menguji klaim peneliti tersebut.
 Latihan menetukan Ho dan Ha
• Pada tahun 2003, persentase penduduk Indonesia
berumur 19 tahun sampai 24 tahun yang masih sekolah
hanya 11,71%. Apakah persentasenya sekarang sudah
berubah?
Referensi
• Arikunto suharsini. 2010. Prosedur Penelitian Seuatu
Pendekatan Praktik :Jakarta : Rineka Cipta
• Dahlan, Sopiyudin. 2010. Statistik untuk kedokteran dan
kesehatan.:Jakarat: Salemba Medika
• Sugiyono.2012. Metode penelitian kombinasi:Jakarat :
Rineka Cipta
• Lapua, Buchari.2013. Metode penelitian kesehatan:
Jakarta : Buku Obor
TERIMA KASIH