Makalah Metode
Penelitian
Analisis Data
Kuantitatif
Statistik
Deskriptif dan Statistik Inferensial
Disusun Oleh:
Leroy Holman
Siahaan (7316130267)
Melinda Putri
(7316130269)
PROGRAM STUDY
PENDIDIKAN BAHASA
PROGRAM
PASCASARJANA (S2)
UNIVERSITAS
NEGERI JAKARTA
2013
BAB I
PENDAHULUAN
1.
Pengertian
Analisis Data
Analisis data merupakan salah satu proses penelitian
yang dilakukan setelah semua data yang diperlukan dikumpulkan secara lengkap guna
memecahkan permasalahan yang diteliti. Analisis data merupukan langkah keempat
dalam penelitian ilmiah. Data yang sudah dikumpulkan kemudian diolah dan
dianalisis baik menggunakan teknik statistic maupun tidak[1].
Tujuan dari analisis data adalah untuk menguji hipotesis serta menjawab
pertanyaan penelitan. Analisis data
sebagai proses yang merinci usaha secara formal untuk menemukan tema dan
membangun hipotesis (ide) seperti yang disarankan oleh data dan sebagai upaya
untuk menunjukan dukungan pada tema dan hipotesis[2].
Ketajaman
dan ketepatan dalam penggunaan alat analisis sangat menentukan keakuratan
pengambilan kesimpulan, karena itu kegiatan analisis data merupakan kegiatan
yang tidak dapat diabaikan begitu saja dalam proses penelitian. Kesalahan dalam
menentukan alat analisis dapat berakibat fatal terhadap kesimpulan yang
dihasilkan dan hal ini akan berdampak lebih buruk lagi terhadap penggunaan dan
penerapan hasil penelitian tersebut. Dengan demikian, pengetahuan dan pemahaman
tentang berbagai teknik analisis mutlak diperlukan bagi seorang peneliti agar
hasil penelitiannya mampu memberikan kontribusi yang berarti bagi pemecahan
masalah sekaligus hasil tersebut dapat dipertanggungjawabkan secara ilmiah.
Secara garis besarnya, teknik analisis data terbagi
ke dalam dua bagian, yakni analisis data kuantitatif dan kualitatif. Yang
membedakan kedua teknik tersebut hanya terletak pada jenis datanya. Untuk data
yang bersifat kualitatif (tidak dapat diangkakan) maka analisis yang digunakan
adalah analisis kualitatif, sedangkan terhadap data yang dapat
dikuantifikasikan dapat dianalisis secara kuantitatif, bahkan dapat pula
dianalisis secara kualitatif.
Makalah
ini secara spesifik akan membahas mengenai analisis data kuantitatif. Analisis data kuantitatif menggunakan pendekatan
statistik.tingkat pekerjaannya (tahap yang ada dalam kegiatan statistik),
statistik sebagai ilmu pengetahuan dapat dibedakan menjadi 2 golongan, yaitu:
(1) Statistik Deskriptif dan (2) Statistik Inferensial[3].
1.2. Rumusan Masalah
-
Apa
itu statistik deskriptif?
-
Apa
itu statistik inferensial?
1.3. Tujuan
-
Mengetahui
apa itu statistik deskriptif
-
Mengetahui
apa itu statistik inferensial
BAB
II
PEMBAHASAN
2.1.
Landasan Teori
Penjabaran hasil penelitian dalam statistik terdapat dua
langkah yaitu dengan menjabarkan hasil-hasil penelitian berupa
fenomena–fenomena yang telah diteliti secara deskriptif (Statistik Deskriptif),
dan dari hasil penjabaran data-data tersebut secara deskriptif diolah untuk
menguji hipotesis, kemudian diambil keputusan (Statistik Inferensial).
Dari pengertian kedua jenis statistik tersebut dapat
ditemukan 6 (enam) fungsi statistik[4] :
a.
Pengumpulan data (data collection atau collection of data).
b.
Penyusunan, pengolahan atau pengorganisasian data
(summarizing).
c.
Tabulasi dan penyajian atau penggambaran data (tabulation and
report).
d.
Analisis data (data analyzing atau analyzing of data).
e.
Penarikan kesimpulan (conclusion), pembuatan perkiraan
(estimation), atau penyususan ramalan (prediction).
f.
Melakukan generalisasi penelitian terhadap sampel, kepada
populasi.
Dari uraian diatas tampak jelas
bahwa statistik deskriptif memiliki (4) empat fungsi , yaitu fungsi a sampai
dengan fungsi d . Sedangkan statistik inferensial memiliki 6 (enam) fungsi, yaitu fungsi a
sampai dengan fungsi f.
Sebelum mempelajari statistik inferensial seorang peneliti harus mempelajari statistik deskriptif
terlebih dahulu agar terjadi pemahaman yang komprehensif dari awal hingga
kesimpulan hasil dari data yang dianalisa.
2.2. Statistik deskriptif
Statistik adalah
sebuah susunan prosedur untuk mendeskripsikan, mensintesiskan, menganalisa, dan
menginterpretasikan data kuantitatif[5].
Deskreptif adalah statistik yang digunakan untuk menganalisis data dengan cara
mendeskripsikan atau menggambarkan data yang telah terkumpul. Tahap pertama
menganalisi data adalah mempersiapkan data itu sendiri. Lalu, tahapan dalam
mempersiapkan data itu dimulai dengan menilai data, membuat codebook, menentukan tipe skor yang
digunakan, memilih program komputer, memasukan data kedalam program untuk
dianalisis dan membersihkan data[6].
2.2.1.
Menilai data.
Ketika mengumpulkan
data pada sebuah instrumen atau checklist, dibutuhkan beberapa sistem untuk
menilaidata. Menilai data itu sendiri diartikan bahwa peneliti memberikan skor
berupa angka ke masing-masing respon kategori untuk masing-masing pertanyaan
pada instrumen yang digunakan untuk mengumpulkan data. Contohnya: orang tua
merespon pertanyaan survey berikut. ”para siswa diberikan kesempatan untuk
memilih sekolahnya sendiri”. Maka orang tua akan memilih jawaban
.......................... (Sangat setuju) (5)
...........................(Setuju) (4)
............................(Ragu-ragu) (3)
............................(Tidak setuju) (2)
............................(Sangat tidak setuju) (1)
Angka-angkat pada
masing-masing respon jawaban itu adalah nilai/skor data. Setelah memberikan
nilai pada data, selanjutnya adalah membuat codebook.
Codebook adalah daftar variabel atau pertanyaan yang mengindikasikan
bagaimana peneliti akan memberikan skor pada respon dari instrumen atau
checklist[7].
Contohnya:
variable 1. Gender--- (1) male, (2) female.
variable 2.
Parents--- (1) married, (2) divorced, (3) separated.
2.2.2.
Menentukan tipe-tipe data untuk dianalisis
Peneliti menentukan
apa tipe skor yang digunakan dari instrumen sebelum menyusun suatu analisis
skor. Hal ini penting karena tipe dari skor akan mempengaruhi bagaimana cara memasukan data ke dalam file komputer
untuk dianalisis. Sebagai contoh ada 3 jenis skor, yaitu; single item scores, summed scores on a scale, dan net or differece
score.
-
Single
item scores adalah skor masing-masing individu untuk masing-masing pertanyaan.
-
Summed
scores adalah jumlah skor individu pada keseluruhan pertanyaan pada variabel
yang sama . peneliti menjumlahkan semua skor individu untuk menghitung skor
keseluruhan sebuah variabel.
-
Difference
Score adalah skor pada studi kuantitatif yang mempresentasikan suatu perbedaan
atau perubahan pada masing-masing individu.
2.2.3.
Memilih Program statistik.
Peneliti memilih
program statistik untuk menganalisis data mereka setelah mereka memberikan nilai
pada data tersebut. Beberapa petunjuk yang bisa diikuti untuk memilih program
statistik[8].
-
Mencari
program dengan dokumentasi tentang bagaimana menggunakan program (tutorial).
-
Kemudahan
dalam penggunaan adalah salah satu faktor penting dalam memilih sebuah program.
-
Mencari
program yang memiliki tipe statistik yang akan menjawab pertanyaan penelitian
dan hipotesis.
-
Pastikan
bahwa program bisa menganalisis jumlah data dalam database.
-
Pilih
program dengan kemampuan menampilkan grafik dan tabel yang bisa digunakan dalam
laporan penelitian.
-
Pilih
program yang digunakan dikampus, maka akan mudah untuk berkonsultasi ketika
muncul pertanyaan.
2.2.4.
Memasukan data
Memasukan data
dilakukan ketika peneliti mentransfer data dari respon-respon pada instrumen ke
suatu file komputer untuk kemudian dianalisis.
2.2.5.
merapikan dan menyikapi data yang hilang
Merapikan data adalah proses memeriksa data untuk skor yang diluar barisan
yang diterima. Satu cara untuk melakukan hal ini adalah memeriksa dengan
melihat langsung data.
Data yang hilang adalah data yang hilang pada database karena peserta tidak
memberikan data. Ada beberapa cara untuk menyikapi data yang hilang, pertama
adalah memiliki instrumen yang bagus yang membuat semua peserta bersedia
melengkapi dan bisa menjawab semua pertanyaan jadi, data hilang tidak akan
terjadi. Kedua, eliminasi peserta dengan skor yang hilang dari data analisis
dan hanya memasukan peserta dengan data yang komplit. Atau bisa dengan
memasukan angka untuk data yang hilang pada database. Ketika variabelnya adalah
variabel kategori, bisa memasukan nilai ”-9” untuk semua data yang hilang.
Namun ketika variabelnya kontinue, prosesnya mejadi lebih kompleks[9].
2.3. Statistik Deskriptif
Terdapat 3 ide dalam deskriptif statistik yang membantu merangkum
keseluruhan kecendrungan hasil atau tendensi pada data. 3 ide tersebut adalah
Tendensi Pokok, Variabilitas, dan Relative Standing[10].
Figure 1. Contoh kerangka statistik dalam penelitian
pendidikan
|
Statistik
Deskriptif
|
Tendensi
Pokok
Mean
Median
Mode
|
Variabilitas
Variance
Standard deviation
Range
|
Relative
Standing
z Score
Percentile ranks
|
2.3.1.Tendensi Pokok
Tendensi pokok adalah rangkuman angka yang mepresentasikan satu nilai dalam
satu distribusi skor. Tendesi Pokok terdiri atas skor rata-rata (mean),
skor tengah (median), dan skor yang paling sering muncul (mode)[11].
Dibawah ini adalah gambaran perhitungan tendensi pokok.
Tabel 1. Satistik Deskriptif skor siswa
Score (X)
|
z Score
|
Rank
|
|
60
|
-1.57
|
10.0
|
|
64
|
-1.28
|
20.0
|
|
75
|
-49
|
30.0
|
|
76
|
-.42
|
50.0
|
|
76
|
-.42
|
50.0
|
|
83
|
+.09
|
60.0
|
|
93
|
+.81
|
70.0
|
|
94
|
+.92
|
80.0
|
|
98
|
+1.22
|
90.0
|
|
99
|
+1.24
|
100
|
|
Sum = 818 Variance= 173.96
Mode = (76) Standard Deviation= 13.18
Median = (79.5) Z Score= raw score - mean/SD
Mean = (81.8) Range; minimum= 60; maksimum= 99
Variance
(SD2) =
Mean
adalah statistic deskriptif yang paling popular digunakan untuk mendeskripsikan
respon dari semua peserta terhadap item-item dalam instrumen. Untuk menghitung
jumlah mean, total skor dibagi oleh jumlah peserta. Pada table 1 diatas, nilai
mean adalah 81.8. Sedangkan Median adalah nilai tengah dari
semua skor. Cara penghitungannya adalah skor dibagi menjadi dua bagian, 50%
pada bagian atas dan 50% pada bagian bawah. Seperti pada table 1 diatas;
raw
score: 60, 63, 75, 76, 76, 83, 93, 94,
98, 99
Median
Median pada skor diatas adalah antara 76
dan 83. Selisih antara kedua nilai tersebut adalah 79.5, maka nilai median pada
table 1 tersebut adalah 79.5. Setelah nilai mean dan median ditentukan, dapat
pula ditentukan nilai mode.
Mode
adalah nilai yang paling sering muncul pada baris skor. Pada table 1 diatas,
nilai mode adalah 76, karena skor 76 frekuensinya adalah 2 dari total jumlah 10
skor. Sedangkan pada table 2 dibawah ini, nilai mode digunakan untuk mengetahui
skor paling umum dalam berbagai nilai pada suatu variable[12].
Table 2. Statistik Deskriptif untuk
variabel kategori, “Peer Group Affiliation”
Valid
|
|
Frequency
|
Percent
|
Valid
Percent
|
Cumulative
Percent
|
Athletes
|
12
|
24.0
|
24.0
|
24.0
|
|
Singers
|
14
|
28.0
|
28.0
|
52.0
|
|
Punkers
|
13
|
26.0
|
26.0
|
78.0
|
|
Other
|
11
|
22.0
|
22.0
|
100.0
|
|
Total
|
50
|
100.0
|
100.0
|
|
Grafik
1. Peer Group Affiliation
Pada grafik diatas, terlihat bahwa
kategori “Singers” frekuensinya lebih banyak dibandingkan kategori lainnya. penggunaan
mode sangat berarti pada informasi variabel kategori seperti pada grafik 1
diatas.
2.3.2. Variabilitas
Variabilitas
mengindikasikan penyebaran skor dalam satu distribusi. Ada 3 hal pada
variabilitas yang perlu dipahami, yaitu: (1) Range, (2) Variance, (3) Standar
Deviation. 3 hal tersebut mengindikasikan jumlah dari variabilitas dalam satu
distribusi skor. Range adalah perbedaan antara skor tertinggi dan terendah pada
item dalam satu instrument. Seperti pada table 1. Nilai terendah adalah 60 dan
nilai tertinggi adalah 99, maka nilai range pada skor tersebut adalah 39 poin.
Variance
mengindikasikan penyebaran skor disekitar nilai mean. Cara menghitung variance
adalah sebagai berikut[13]:
-
Hitung selisih antara nilai mean dan
baris skor untuk masing-masing individu
-
Kuadratkan hasil selisih nilai tersebut
untuk masing-masing individu
-
Jumlahkan nilai hasil kuadrat skor untuk
semua individu
-
Lalu, hasilnya dibagi dengan total
jumlah individu
Contoh
dari varian dapat dilihat pada table 1 Statistik Deskriptif skor siswa. Nilai
variance berguna untuk menghitung Standard Deviation. Standard deviation
menyediakan informasi yang berguna dan sebagai indicator dari penyebaran skor. Standar
Deviation adalah kuadrat dari variance dan arti dari Standard deviation
menjadi jelas ketika digambarkan pada grafik distribusi teoritis skor.
2.3.3.
Relative Standing
Relative
Standing adalah statistik yang menggambarkan
satu skor berhubungan ke satu kelompok skor. Pada Relative standing terdapat Percentile
Rank dan z Score. Percentile
Rank adalah persentase peserta dalam distribusi skor tertentu atau
dibawah skor tertentu. Sedangkan z Score adalah bentuk popular dari
skor standar. Skor standar adalah perhitungan skor yang menghubungkan peneliti
untuk membandingkan skor dari skala yang berbeda-beda. Nilai mean dan standard
deviation pada z Score adalah 0 dan 1. Nilai z Score memberikan keuntungan
kepada peniliti untuk bisa membandingkan skor dari satu instrumen ke skor dari
instrumen yang lain. Menggunakan skor yang standar juga penting untuk
menghitung statistic. Prosedurnya adalah skor standar tersebut dikurangi dengan
nilai mean, lalu dibagi dengan standard deviation.
2.4. Statistik
Inferensial
Tugas utama statistika inferensial adalah melakukan
estimasi, menguji hipotesis, dan mengambil keputusan.
Inference is the process of drawing conclusions about a
population on the basis of measurements or observations made on a sample of
individuals from the population[14]
(Statistik Inferensial adalah proses
penarikan kesimpulan terhadap populasi berdasarkan ukuran atau observasi yang
ditarik dari sampel).
Bagian-bagian yang termasuk kategori dalam statistik
inferensial adalah statistik Parametris dan statistic nonparametis. Secara
hirarki letak statistic inferensial (Inferential Statistic) tertuang dalam
figure 2 sebagai berikut
Figure 2. Examples of the Family of
Statistics in Educational Research.
Dari bagan diatas diketahui bahwa turunan statististik
inferensial adalah parametik dan non paremetris[15].
Penggunaan statistik parametris dan
nonparametris tergantung pada asumsi dan jenis data yang akan dianalisis.
“Statistik parametris memerlukan terpenuhi banyak asumsi. Asumsi yang utama
adalah data yang dianalisis harus berdistribusi normal. Statistik nonparametris
tidak menuntut terpenuhi banyak asumsi, misalnya data yang akan dianalisis
tidak harus berdistribusi normal”[16].
2.4.1.
Statistik Parametrik
Parametrik berarti
parameter. Parameter adalah indicator dari suatu distribusi hasil pengukuran.
Indikator dari distribusi pengukuran berdasarkan statistik parametrik digunakan
untuk parameter dari distribusi normal. Apa yang dimaksud dengan distribusi
normal? Bagaimana mengetahui sebuah data berdistribusi normal atau tidak? Hal
ini penting sekali untuk diketahui karena berdasarkan normal atau tidaknya
distribusi ini baru dapat ditentukan apakah uji statistik parametrik atau nonparametrik yang digunakan.
Distribusi normal, disebut
pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak digunakan dalam berbagai analisis statistika[17]. Distribusi normal baku adalah distribusi normal yang
memiliki rata-rata nol dan simpangan baku satu. Distribusi ini
juga dijuluki kurva lonceng (bell curve) karena grafik fungsi kepekatan
probabilitasnya mirip dengan
bentuk lonceng.
Grafik 2. Contoh gambar
yang menunjukkan data berdistribusi normal
Contoh metode statistik parametris
diantaranya adalah uji-t (1 atau 2 sampel), perancang percobaan (One-Way
Anova),(2-way ANOVA)[18].
2.4.2.
Statistik Nonparametrik
Istilah nonparametrik pertama kali
digunakan oleh Wolfowitz, pada tahun 1942.[19]
Metode statistik non-parametric merupakan metode statistik yang dapat digunakan
dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode statistik
parametrik, terutama yang berkaitan dengan distribusi normal. Istilah lain yang
sering digunakan untuk statistic nonparametrik adalah statistik bebas
distribusi (distribution-free statistics) dan uji bebas asumsi (assumption-free
test). Statistik nonparametrik banyak digunakan pada penelitian-penelitian
sosial. Data yang diperoleh dalam penelitian sosial pada umunya berbentuk
kategori atau berbentuk rangking. Uji statistik nonparametrik ialah suatu uji
statistik yang tidak memerlukan adanya asumsi-asumsi mengenai sebaran
datapopulasi. Uji statistik ini disebut juga sebagai statistik bebas
sebaran (distribution free).
BAB
III
KESIMPULAN
Analisis data
kuantitatif merupakan tahapan yang dilakukan dalam proses penelitian
kuantitatif setelah semua data terkumpul. Namun dalam prosesnya, peneliti tidak
hanya menghitung statistik, tetapi juga terlibat didalamnya adalah
mempersiapkan data-data yang akan dianalisis, proses analisis data itu sendiri,
kemudian melaporkan hasil analisisnya, dan terkahir adalah mendiskusikannya.
Dengan kata lain, analisis data kuantitatif ini terdiri dari beberapa tahap.
Sebelum menganalisis
data kuantitatif, ada beberapa pertanyaan yang akan mengarahkan kita kepada
tahap-tahap analisis data tersebut. Pertama, bagaimana merencanakan mengatur
data sebelum menganalisisnya?. Kedua, pertanyaan apa yang diharapkan terjawab
dengan analisis data?. Ketiga, bagaimana mempresentasikan hasilnya?. Keempat,
bagaimana menyusun interpretasi dari hasil analisis data?.
Statistik Deskriptif
adalah tahap analisis data yang hanya sampai pada penyajian data. Lalu data
tersebut diolah dalam statistik inferensial. Pada statistic inferensial,
kemudian diuji normalitas data. Jika data tersebut berdistribusi normal maka
menggunakan statistik parametris , jika tidak nonparametris. Tahap terakhir dari
hasil uji parametik atau non parametik adalah untuk menentukan uji hipotesis.
DAFTAR
PUSTAKA
1.
Anas Sudijono, Pengantar Statistik Pendidikan. Jakarta:
Rajawali Pers, 2011.
2.
Anderson , D.W., Vault, V.D. & Dickson, C.E.
Problems and Prospects for the Decades Ahead: Competency Based Teacher
Education . Berkeley: McCutchan Publishing Co. 1999.
3.
Creswell, J.W. Educational Research: Planning, Conducting,
and Evaluating Quantitative and Qualitative Reesearch. New Jersey: Pearson
Education, Inc, 2008.
4.
Emzir, Metodology Penelitian Pendidikan.
Jakarta: Rajawali Pers, 2013.
5.
Gay.
L.r., Mills. G. E., Airasian. P., Educational
Research: Competencies for Analysis and Applications. Ninth Edition. New
Jersey: Pearson Education, 2009. p. 303.
6.
Mundir H. Statistik Pendidikan. Yogyakarta:
Pustaka Pelajar, 2013.
7.
Sugiyono. Metode Penelitian Pendidikan Alfabeta:
Bandung, 2010.
8.
StatSoft, “StatSoft, Inc” Statistica Product
Line: http://www.statsoft.com/textbook/nonparametric-statistics/ (diakses 28 September 2013).
9.
Wikipedia, “Wikimedia
Foundation, Inc,” Wikipedia Online. http://id.wikipedia.org/wiki/Distribusi_normal. (diakses 27 September 2013).
10. Robert Bogdan and Steven J. Taylor, Introduction to Qualitative Research Method – A Phenomenological
Approach to the Social Sciences. New York: John Wiley & Sons, 1975.
[1] Emzir, Metodology Penelitian Pendidikan
(Jakarta: Rajawali Pers, 2013)
[2] Robert Bogdan and Steven J. Taylor, Introduction to Qualitative Research Method – A Phenomenological Approach to the Social Sciences (New York: John Wiley & Sons, 1975)
[3] Anas Sudijono, Pengantar Statistik Pendidikan (Jakarta: Rajawali Pers, 2011)
[4] Dr. H. Mundir, Statistik Pendidikan (Yogyakarta:
Pustaka Pelajar, 2013), h. 5.
[5] Gay. L.r.,
Mills. G. E., Airasian. P., Educational
Research: Competencies for Analysis and Applications. Ninth Edition. New
Jersey: Pearson Education, 2009. p. 303.
[6] Creswell, J.W.. Educational Research: Planning, Conducting, and Evaluating Quantitative
and Qualitative Reesearch. New Jersey: Pearson Education, Inc, 2008. p.
183.
[7] Creswell, J.W.. Educational Research: Planning, Conducting,
and Evaluating Quantitative and Qualitative Reesearch. New Jersey: Pearson
Education, Inc, 2008. p. 184
[8] Creswell, J.W.. Educational Research: Planning, Conducting,
and Evaluating Quantitative and Qualitative Reesearch. New Jersey: Pearson
Education, Inc, 2008. p. 186
[9]
Creswell,
J.W.. Educational Research: Planning,
Conducting, and Evaluating Quantitative and Qualitative Reesearch. New
Jersey: Pearson Education, Inc, 2008. p. 190
[10] Creswell, J.W..
Educational Research: Planning,
Conducting, and Evaluating Quantitative and Qualitative Reesearch. New
Jersey: Pearson Education, Inc, 2008. p. 191.
[11] Creswell, J.W.. Educational Research: Planning, Conducting,
and Evaluating Quantitative and Qualitative Reesearch. New Jersey: Pearson
Education, Inc, 2008. p. 191
[12] Creswell, J.W..
Educational Research: Planning,
Conducting, and Evaluating Quantitative and Qualitative Reesearch. New
Jersey: Pearson Education, Inc, 2008. p. 193
[13] Creswell, J.W..
Educational Research: Planning,
Conducting, and Evaluating Quantitative and Qualitative Reesearch. New
Jersey: Pearson Education, Inc, 2008. p. 194.
[14]. B. S. Everitt,
The Cambridge Dictionary Of Statistics
New York: Cambridge University Press, 2002,
h. 18.
[15]. B. S. Everitt, The Cambridge Dictionary Of Statistics
(New York: Cambridge University Press, 2002),
h. 18.
[16] Prof. Dr.
Sugiyono, Metode Penelitian Pendidikan
( Alfabeta: Bandung, 2010), h. 210.
[17]Wikipedia,
“Wikimedia Foundation, Inc,” Wikipedia
Online; http://id.wikipedia.org/wiki/Distribusi_normal
(diakses 27 September 2013).
[18]
Sugiyono, op. cit., h.213
[19]StatSoft,
“StatSoft, Inc” Statistica
Product Line: http://www.statsoft.com/textbook/nonparametric-statistics/
(diakses 28 September
2013).
Tidak ada komentar:
Posting Komentar