16 0 6 MB
Modul I Penyajian data Tujuan praktikum adalah menyajikan data dalam bentuk table dan diagram. 1. Penyajian data dalam bentuk table berdasar distribusi frekuensi, meliputi : distribusi frekuensi kumulatif dan relative. Contoh : Sajikan data berikut ini dalam table distrbusi frekuensi 40 41 42 42 42 45 45 45 45 50 52 52 52 55 56 56 57 57 20 22 23 25 27 28 45 70 72 31 33 33 35 37 38 35 37 38 40 41 42 42 42 45 45 45 45 50 52 52 52 55 56 56 57 57 60 62 62 63 63 63 68 69 69 40 41 42 42 42 45 45 45 45 50 52 52 52 55 56 56 57 57 60 62 62 63 63 63 68 69 69 60 62 62 63 63 63 68 69 69 69 69 95 97 57 57 73 74 74 70 72 73 73 74 74 78 78 79 80 84 84 85 85 87 89 86 87 50 52 52 52 55 56 56 57 57
Penyajian data 1. buka program spss dengan langkah klik SPSS beri tick pada type in data
1
45 58 73 20 45 58 69 45 58 69 69 78 79 86 58
Maka akan muncul lembar kerja spss
Kemudian klik pada variable view, kemudian tuliskan nama variabel : nilai_statistik, abaikan yang lainnya.
2
Masuk kembali ke data view kemudian dientri data yang akan diolah
Langkah selanjutnya adalah membuat table distibusi frekuensi dengan memperhatikan beberapa hal : 1. jumlah kelas : 8 2. interval kelas, 20-29, 30-39, 40-49,50-59,60-69,70-79,80-89, 90-99 langkahnya klik transform klik recode into different variabel 3
Kemudian pindahkan nilai statistikl ke kotak numeric variabel kemudian isi output variabel dengan nama kategori
Kemudian klik old and new value, terus isilah range masing masing kelas, isilah di new value dengan nomor kelas masing masing, misalnya range 20-29 valuenya 1 dst setelah itu add, jika telah lengkap kemudian continue 4
Hasilnya akan terlihat di data view.
Agar tampilan dioutput view terlihat jelas bentuk tabelnya maka nilai dari kategori dapat diisikan sebagai berikut, klik variabel view kemudian di kolom value isikan 20-29 dengan value 1, 30 – 39 dengan value 2 dst. Kemudian ok
5
Hasilnya sebagai berikut
Langkah berikutnya membuat table distribusi frekuensi. Langkahnya : klik analize Klik descriptive statistic Klik frecuency Masukkan kategori ke kotak variabel Klik ok Maka akan diperoleh output view sebagai berikut
6
kategori Cumulative Frequency Valid
Percent
Valid Percent
Percent
20-29
7
4.7
4.7
4.7
30-39
9
6.0
6.0
10.7
40-49
31
20.7
20.7
31.3
50-59
42
28.0
28.0
59.3
60-69
32
21.3
21.3
80.7
70-79
17
11.3
11.3
92.0
80-89
10
6.7
6.7
98.7
90-99
2
1.3
1.3
100.0
150
100.0
100.0
Total
Keterangan ; kolom 1: menunjukkan kelas dengan intervalnya Kolom 2: banyaknya frekuensi di tiap tiap kelas Kolom 3: menunjukkan frekuensi relative Kolom 4 : menunjukkan frekuensi valid psesent dari frekuensi relative Kolom 5 : menunjukkan frekuensi kumulatif Lalu bagaimana menyajikan data dalam bentuk diagram batang, diagram lingkaran, dan kurva normal. Langkahnya adalah sebagai berikut Klik analize Klik descriptive statistic Klik frekuencies Klik chart Pilih : bar, pie, atau histogram Kemudian continue dan ok, bila dipilih bar maka hasilnya akan ditayangkan sebagai berikut
7
Bila di pilih pie maka hasilnya adalah
Bila di pilih histogram with curve normal maka hasilnya
8
Modul II UKURAN TENDESI PUSAT DAN PENYEBARAN DATA
Tujuan praktikum aalah untuk mencari nilai ukuran tendensi pusat, mean, median, modus dan ukuran penyebaran data seperti range, variansi dan standar deviasi a. Ukuran Tendensi Pusat Langkah Buka file data terkait dengan nilai statistic mahasiswa pada modul I
9
Untuk mencari mean median dan modus untuk data tunggal maka langkahnya Klik analize Klik frekuencies Masukkan nilai statistic ke kotak variabel Klik statistic Beri tick pada mean, median dan mode Klik continue dan ok, maka hasilnya sebagai berikut
Output viewnya adalah
10
Statistics nilai_statistik N
Valid Missing
150 0
Mean
56.72
Median
56.50
Mode
45
Ada perbedaan nilai modus untuk data tunggal dan data berkelompok, dari hal ini dapat disimpulkan bahwa pengelompokan data kadang kadang menghiilangkan infromasi informasi tertentu, walaupun di sisi lain membantu orang untuk membaca secara cepat data yang telah disajikan dalam bentuk table distribusi frekuensi.
b. Mencari Ukuran Dispersi Data Langkah Buka file data terkait dengan nilai statistic mahasiswa
Untuk mencari range, variansi dan standar deviasipada langkahnya Klik analize Klik frekuencies 11
data tunggal maka
Masukkan nilai statistic ke kotak variabel Klik statistic Beri tick pada standar dev, variansi dan range Klik continue dan ok,
maka hasilnya sebagai berikut
Statistics nilai_statistik N
Valid Missing
Std. Deviation Variance Range
150 0 15.862 251.612 77
MODUL III 12
TEKNIK ANALISIS KORELASIONAL Tujuan praktikum adalah untuk mencari nilai uji statistic pada analiis korelasional sebagaimana matrik berikut
DEPENDENT NOMINAL Independen t
Nominal Ordinal Interval/Rasio
ORDINAL
Phi Coefficient
INTERVAL/RASI O Point biserial
Spearmen Point biserial
Pearson Product Moment
A. Mencari Nilai Phi Coeffiient Sebuah penelitian ingin mengetahui apakah ada hubungan yang signifikan antara bimbingan belajar dengan kesuksesan SNMPTN Variabel Ikut Bimbel Lulus SNMPTN 20 Tidak Lulus 25
Tidak ikut BImbel 20 35
Jumlah 40 60
SNMPTN Jumlah
55
100
45
Langkah 1. buka file baru, klik file-new-data
13
2. masukkan ke data variabel view name dan value variabel variabel berikut name bimbel Tidak ikut bimbel Ikut bimbel SNMPTN Tidak lolos SNMPTN lolos SNMPTN
value 0 1 0 1
3. Kemudian isilah data viewnya, sehingga tampak di data view sebagai berikut
14
4. Lakukan tekni korelasi untu mencari phi koeffisien dengan langkah sebagai berikut : drescriptive statistic-crosstab-masukkan bimbel ke row dan SNMPTN ke column, centang phi and cramer’s v.
5. kemudian continue dan ok. maka akan diperoleh hasil sebagai berikut
Symmetric Measures Value Nominal by Nominal
Approx. Sig.
Phi
.903
.000
Cramer's V
.903
.000
N of Valid Cases
100
Langkah analisis a. Hipotesis Ho = tidak ada hubungan yang signifikan antara bimbingan belajar dan kesuksesan SNPTM H1 = ada hubungan yang signifikan antara bimbingan belajar dan kesuksesan SNPTM b. Nilai table
15
Table yang digunakan adalah table r product momen karena Phi coefficient correlation adalah termasuk korelasi product moment untuk tipe nominal diskrit1. Df = N-nr= banyaknya responden – banyaknya variable Karena korelasi ada dua variable maka df = 100-2 = 98 Bila peneliti menggunakan α =5 maka nilai table =0.195 Jadi r table = 0,195 c. Titik kritis Ho ditolak bila φ hitung>r tabel d. kesimpulan φ =0,0,903 dan r table = 0,195, dengan demikian karena nilai φ hitung>r tabel
maka Ho ditolak dengan demikian harus menerima H1.
Jadi kesimpulannya ada hubungan yang signifikan antara bimbingan belajar dan kesuksesan SNMPTN.
B. Mencari nilai korelasi r spearmen Langkah 1. buka file baru, klik file-new-data
2. masukkan ke data variabel view name variabel berikut : keaktifan kunjungan ke perpustakaan dan prestasi fiqih 1 Riwidikdo, 2013, statistic kesehatan, Rohima press : Yoyakarta, dan Sudjiono, A, 2004, Pengantar Statistik Pendidikan, RajaGrafindo Persada :Jakarta p. 245
16
3. isilah data viewnya
4. untuk mencari nilai r spearman maka langkahnya : analize, correlate, bivariate, masukkan kedua variable ke kotak variable, kemudian beri tandang centang pada spearmen
17
5. kemudian klik ok, maka akanditayangkan hasilnya sebagai berikut :
Correlations keaktifan_kunjun gan_keperpustk aan Spearman's rho
keaktifan_kunjungan_keperp Correlation Coefficient ustkaan
prestasi_fiqih 1.000
.921**
.
.000
10
10
.921**
1.000
.000
.
10
10
Sig. (2-tailed) N
prestasi_fiqih
Correlation Coefficient Sig. (2-tailed) N
**. Correlation is significant at the 0.01 level (2-tailed).
Dari output view di atas diperoleh nilai r spearman sebesar 0,921 Langkah Analisis : a. Hipotesis H0= tidak ada
hubungan
antara
keaktifan
keperpustakaan dengan prestasi mata kuliah fiqih
18
kunjungan
H1 = ada hubungan antara keaktifan kunjungan keperpustakaan dengan prestasi mata kuliah fiqih b. Tabel Statistik Bila N=10, dan α =5 mempunyai nilai ρ tabel=0,648 c. Titik kritis Ho ditolak bia ρ hitung > ρ tabel d. Kesimpulan ρ hitung = 0,921 ρ tabel=0,648 Karena ρ hitung> ρ tabel , maka Ho ditolak, jadi menerima H1. Kesimpulan
ada
hubungan
antara
keaktifan
kunjungan
keperpustakaan dengan prestasi mata kuliah fiqih.
C. Mencari nilai r person product moment Langkah 1. buka file baru, klik file-new-data
2. masukkan ke data variabel view nilai mateatika dan nilai fisika
19
3. isikan data viewnya
Untuk mencari nilai r person product moment maka langkahnya : analize, correlate, bivariate, masukkan kedua variabel ke kotak variabel, beri tanda centang pada person
20
Kemudian klik ok, maka akan terlihat hasilnya sebaga berikut
Correlations nilai_matematika nilai_matematika
Pearson Correlation
NIai_fisika
1
Sig. (2-tailed)
.000
N NIai_fisika
.928**
Pearson Correlation Sig. (2-tailed)
11
11
.928**
1
.000
N
11
11
**. Correlation is significant at the 0.01 level (2-tailed).
Nilai r person product moment adalah 0,928 (sama dengan perhitungan secara manual) Langkah analisis : a. Hipotesis H0 : tidak ada hubungan antara nilai matematika dengan nilai fisika H1 : ada hubungan antara nilai matematika dengan nilai fisika b. Table statistic df=n-nr= jumlah sampel-banyaknya responden= 11-2=9. Bila df=9, dan peneliti menggunakan
α =5
maka nilai t table = 0,602 21
c. Titik kritis H0 ditolak bila r hitung > r tabel d. kesimpulan r hitung= 0,93 r table = 0,602 karena r hitung> r table maka H0 ditolak, berarti menerima H1. Jadii kesimpulannya ada hubungan antara nilai matematika dengan nilai fisika
MODUL IV TEKNIK ANALISIS KOMPARASIONAL Tujuan praktikum ini adalah untuk melakukan analisis uji komparasional dengan uji t dan Chi Square A. independent sample t-test Contoh : Apakah ada perbedaan prestasi fiqih antara siswa yang berlatar belakang SD dengan siswa yang berlatar belakang MI. data sebagai berikut : SD
MI
(x1) 78 77 67 75 80 79 67 78
(x2) 80 82 79 77 75 65 70
Langkah buka file baru, klik file-new-data
22
masukkan ke data variabel view nama dan value berikut Name Background pendidikan
value 1 2
SD MI
Prestasi Fiqih
Masukkan data melalui data view
23
Untuk mencari nilai independent sample t-test, maka langkahnya : analize, compare means, independent sample t-test, masukan variabel prestasi ke kotak test variabel, dan background pendidikan ke grup variabel.
Isilah define grup dengan angka 1 dan 2, sesuai nilai value pada background pendidikan.
24
kemudian klik continue dan ok , maka akan terlihat hasilnya sebagai berikut
Independent Samples Test Levene's Test for Equality of Variances
t-test for Equality of Means 95% Confidence Interval of the Sig. (2-
F
Sig.
t
df
tailed)
Mean
Difference Difference
prestasi Equal _fiqih
variances
Std. Error
Difference Lower
Upper -
.123
.731 -.105
13
.918
-.30357
2.90151 6.5718
assumed
9
Equal
-
variances not
-.104
12.027
assumed
.919
-.30357
2.93124 6.6885 8
Nilai t hitung = -0,105 Langkah analisis : a. hipotesis
25
5.96475
6.08144
H0 : tidak ada perbedaan prestasi fiqih antara siswa berlatar belakang SD dengan siswa berlatar belakang MI H1 : ada perbedaan prestasi fiqih antara siswa berlatar belakang SD dengan siswa berlatar belakang MI b. table statistic df = n1+n2-nr(banyaknya variabel) df= 8+7-2 df=13 bila peneliti menggunakan α =5 maka nilai t table adalah 2,16 c. titik kritis H0 di tolak bila t hitung > t table. d. Kesimpulan T hitung = 0,105 T table = 2,16 Karena t hitung < t table maka H0 diterima, kesimpulannya tidak ada perbedaan prestasi fiqih antara siswa berlatar belakang SD dengan siswa berlatar belakang MI. B. Mencari nilai paired sampel t test Contoh Apakah ada perbedaan kinerja guru antara sebelum pelatihan dengan sesudah pelatihan Sebelum pelatihan 67 72 69 70 70 68 73 70 71 69 72
Sesudah pelatihan 73 74 75 70 71 72 74 74 73 75 78
Langkah buka file baru, klik file-new-data
26
masukkan variabel view name berikut : Kinerja sebelum pelatihan dan Kinerja sesudah pelatihan.
Untuk mencari nilai paired sampel t test, langkahnya : analize-compare means-masukkan secara bersama-sama nilai kinerja ke kotak paired variabel
27
Kemudian klik ok, maka hasilnya sebaga berikut
Paired Samples Test Paired Differences 95% Confidence Interval of the
Mean Pair 1
Std.
Std. Error
Deviation
Mean
Kinerja_sebelu m_pelatihan Kinerja_sesuda
Difference Lower
Upper
Sig. (2t
df
tailed)
-3.45455
2.33939
.70535 5.0261 -1.88292
-4.898
10
.001
7
h_pelatihan
Diperoleh nilai t hitung = -4,9 (sama dengan perhitungan secara manual) Langkah analisis : a. Hipotesis H0 : tidak ada perbedaan nilai kinerja guru sebelum dan sesudah pelatihan H1 : ada perbedaan nilai kinerja guru sebelum dan sesudah pelatihan b. Table statistic Df = n- nr= banyaknya responden-banyaknya variabel Df= 11-1= 10 bila peneliti menggunakan α =5 maka nilai t table adalah 2,23 28
c. Titik kritis H0 ditolak bila t hitung > t table, atau t hitung < - t tabel d. Kesimpulan T hitung = -4,90 T table= 2,26 Karena t hitung (-4,90)< - t table (-2,26), maka H0 ditolak berarti menerima H1. Kesimpulan perbedaan nilai kinerja guru sebelum dan sesudah pelatihan.
C. chi square Contoh : Apakah ada perbedaan motivasi kuliah di jurusan PAI antara mahasiswa yang berlatar belakang SMA dengan mahasiswa yang berlatar belakang SMK. Data sebagai berikut MOTIVASI KULIAH DI JURUSAN
SMA SMK JUMLAH
TINGGI 35 25 60
PAI SEDANG 15 10 25
RENDAH 10 5 15
Langkah buka file baru, klik file-new-data
29
JUMLAH
60 40 100
masukkan variabel view, name berikut :
pendidikan motivasi
Name SMA SMK Rendah Sedang tinggi
Isilah data viewnya 30
value 1 2 1 2 3
Untuk mencari nilai chi square maka langkahnya : analize, crosstab, masukkan pendidikan ke kotak row dan motivasi ke kotak column, kemudian beri tanda centang pada kata chi square
Kemudian klik continue dan ok, maka akan diperoleh output view sebagai berikut
31
Chi-Square Tests Asymp. Sig. (2Value
df
sided)
44.444a
2
.000
Likelihood Ratio
58.221
2
.000
Linear-by-Linear Association
36.466
1
.000
Pearson Chi-Square
N of Valid Cases
100
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 6.00.
Nilai chi square hitungnya adalah 44,44 Langkah analisis : a. Hipotesis H0 : tidak ada perbedaan motivasi kuliah di jurusan PAI antara mahasiswa yang berlatar belakang SMA dengan yang berlatar belakang SMK H1 : ada perbedaan motivasi kuliah di jurusan PAI antara mahasiswa yang berlatar belakang SMA dengan yang berlatar belakang SMK b. Table statistic Df = n-1 Df= 100-1= 99 bila peneliti menggunakan α =5 maka nilai χ 2 table adalah 123,32 c. Titik kritis H0 ditolak bila nilai χ 2 hitung > χ 2 tabel d. Kesimpulan 2 χ hitung = 0,35 2 χ tabel = 123,3 Karena χ 2 hitung < χ 2 tabel maka H0 diterima, jadi kesimpulannya tidak ada perbedaan motivasi kuliah di jurusan PAI antara mahasiswa yang berlatar belakang SMA dengan yang berlatar belakang SMK.
2 Table chi square dapat dibuat menggunakan program spss dengan formula IDF.chisq(0.95,df) bila taraf signifikansinya 5% atau tingkat kepercayaan 95%.
32
Modul V REGRESI LINIER SEDERHANA
Tujuan praktikum adalah untuk mencari nilai koefisien regresi. Contoh : Diperoleh data motivasi dan prestasi mata pelajaran fiqih siswa seagai berikut Subyek
MOTIVASI
PRESTASI
SISWA (X)
MAPEL
A 64 B 78 C 80 D 77 E 74 F 65 G 63 H 78 I 77 J 75 Dari data di atas tentukan :
FIQIH
(Y) 7 8 9 8 8 7 7 8 8 6
a. Bentuk persamaan regresi b. Besar kontribusi motivasi terhadap prestasi c. Bila siswa ingin mendapatkan prestasi dengan nilai 9 berapa mtivasi yang harus dimiliki siswa. Praktek dengan program SPSS 33
Langkah buka file baru, klik file-new-data
masukkan variabel view, dengan name : motivasi dan prestasi
Isilah data viewnya
34
Untuk mencari koeffisien regresi langkahnya adalah analize, regression, masukkan variabel motivasi ke kotak independt, dan variabel prestasi ke kotak dependent
35
Kemudian klik ok, maka akan diperoleh hasil sebagai berikut
Coefficientsa Standardized Unstandardized Coefficients Model 1
B (Constant) motivasi
Std. Error
Coefficients Beta
1.766
2.649
.080
.036
t
.616
Sig. .667
.524
2.210
.058
a. Dependent Variable: prestasi
Dengan demikian : a. Bentuk persamaan regresi Y= 1,75 +0.08 X b. Besar kontribusi motivasi terhadap prestasi adalah 0,08, artinya setiap pertambahan motivasi satu maka nilai prestasinya bertambah 0,08 c. Bila siswa ingin mendapatkan prestasi dengan nilai 9 berapa m0tivasi yang harus dimiliki siswa adalah X=Y= 1,75 +0.08 X 9=1,75 +0,08 X 9-1,75 = 0,08 X 36
7,25=0,08 X X=7,25/0,08 X= 90.63 ≈ 91 Jadi apabila ingin mendapat prestasi dengan nilai 9 maka motivasinya harus sebesar 91
Modul VI VALIDITAS DAN RELIABILITAS Tujuan praktikum adalah untuk mencari nilai validitas dan reliabilitas.
1 2 3 4 5 6 7 8 9 10
Skor Total
No Butir Soal
Subyek 1 1 0 0 2 2 0 1 0 2 1
2 1 0 0 2 2 0 0 0 2 1
3 2 2 2 2 2 2 1 0 2 1
4 2 1 2 2 2 2 1 0 2 1
5 1 0 0 1 1 2 2 1 2 1
6 0 0 0 0 2 2 2 1 2 1
7 1 2 1 0 2 1 0 1 2 1
8 1 2 0 2 2 1 1 1 1 0
9 2 1 2 2 1 1 0 1 2 0
10 2 2 2 2 1 1 0 0 2 0
11 12 2 2 0 1 0 0 1 0 0 0 2 1 0 0 0 0 2 2 0 0
Dari 12 butir pertanyaan angket di atas apakah butir 1 dan butir 5 valid? A. Mencari validitas Contoh kasus 1 Langkah buka file baru, klik file-new-data
37
17 11 9 16 17 15 8 5 23 7
Isikan variabel view, dengan name : butir 1, butir 2 dst
Masukan data ke data view
38
Untukmenacri nilai validitas langkahnya : analize, correlate, bivariate, masukkan butir 1 sampai butir 12 ke kotak variabel
Kemudian centang person, kemudian klik ok, maka akandiperoleh hasil sebagai berikut
39
Correlations
butir_1 butir_1
Pearson Correlation
butir_2
butir_2
Pearson Correlation Sig. (2-tailed) N
Butir_3
.290
.449
.644*
.000
.416
.193
.044
10
10
10
10
10
.939**
1
.380
.513
.716*
.278
.129
.020
10
10
10
Pearson Correlation
.290
.380
1
.899**
.734*
Sig. (2-tailed)
.416
.278
.000
.016
10
10
10
10
10
Pearson Correlation
.449
.513
.899**
1
.776**
Sig. (2-tailed)
.193
.129
.000
10
10
10
10
10
Pearson Correlation
.361
.197
-.129
.106
.350
Sig. (2-tailed)
.305
.586
.722
.770
.321
10
10
10
10
10
Pearson Correlation
.269
.128
-.169
.000
.208
Sig. (2-tailed)
.452
.724
.642
1.000
.565
10
10
10
10
10
Pearson Correlation
.017
.197
.302
.106
.377
Sig. (2-tailed)
.962
.586
.397
.770
.283
10
10
10
10
10
Pearson Correlation
.361
.361
.302
.106
.404
Sig. (2-tailed)
.305
.306
.397
.770
.248
10
10
10
10
10
Pearson Correlation
.193
.368
.564
.598
.606
Sig. (2-tailed)
.593
.296
.089
.068
.063
10
10
10
10
10
Pearson Correlation
.166
.316
.830**
.684*
.648*
Sig. (2-tailed)
.647
.374
.003
.029
.043
10
10
10
10
10
.227
.306
.469
.580
.752*
N Butir_6
N Butir_7
N Butir_8
N Butir_9
N Butir_10
N Butir_11
.000 10
N Butir_5
total
10
N Butir_4
Butir_4
.939**
1
Sig. (2-tailed) N
Butir_3
Pearson Correlation
40
.008
Dari outputview SPSS di atas terlihat bahwa nilai r butir 1=0,644, r butir 2= 0,716 dst (yang dibaca matrik korelasi antara butir dengan total skor). Dari tampilan di atas ada beberapa butir yag tidak ditayangkan secara kolom namun secara baris di tayangkan secara utuh. B. Mencari nilai koefisien reliabilitas Langkahnya Analize, scala, reliability analisis
Kemudian masukkan butir 1, butir 2 ke kotak items
41
Pastikan model yang digunakan alpha, kemudian klik ok, maka akan terlihat hasil sebagai berikut
Reliability Statistics Cronbach's Alpha
N of Items .743
13
Jadi nilai koefisien reliabilitas alpha = 0,743 , karena di atas 0,7 maka angket dikatakan reliable.
DAFTAR PUSTAKA Anas Sudijono, 2004, Pengantar Statistik Pendidikan, PT RajaGrafindo Persada: Jakarta Danang Sunyoto, 2012, Analisis Validitas Dan Asumsi Klasik , Gava Media : Yogyakarta -----, 2012, Statistik untuk Paramedis, Alfabeta : Bandung Eriyanto, 2007, Teknik sampling Analisis opini Publik, LKiS : Yogyakarta Hog and tanis, probability and statistical inference, Prentice Hall International Inc : New Jersey Pangestu Subagyo, 2004, Statistik Terapan, BPFE: Yogayakarta Riwidikdo H, 2013, Statistik Kesehatan, Rohima Press : Yogyakarta Saefudin Azwar, 2015, Reliabilitas dan Validitas, Pustaka pelajar : Yogyakarta Singgih santosa, 2000, Buku Latihan SPSS Statistik parametric , Elek Media Komputindo : Jakarta 42
Walpole RE, 1997, introduction to statistic 3rd edition (terjemahan), Gramedia Pustaka Uatama : Jakarta
Biodata Penulis Joko Subando, Klaten 4 Januari 1975. Alumni dari S1 Fakultas MIPA Matematika UNS, S2 Manajemen Pendidikan UMS Surakarta dan saat ini sedang melanjutkan Program Doctoral di Program Studi Penelitian Dan Evaluasi Pendidikan Universitas Negeri Yogyakarta. Mengajar statistic di STAI Mambaul ‘ulum Surakarta, serta Metodologi Penelitian Dan Statistic dasar di Akademi Kebidanan Mambaul ‘Ulum Surakarta
43