Makalah Teknik Analisis Data Kuantitatif [PDF]

Citation preview

MAKALAH METODE PENELITIAN “TEKNIK ANALISIS DATA KUANTITATIF”



Disusun Oleh : CINDY C. DOODOH FELIA H. MAILANGKAY JONATHAN E. POLANDOS



17 502 039 17 502 019 17 502 029



UNIVERSITAS NEGERI MANADO FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM JURUSAN BIOLOGI 2020



KATA PENGANTAR



Puji syukur penulis panjatkan kepada Tuhan YME yang telah melimpahkan hidayah dan karunia-Nya sehingga makalah yang berjudul “ Analisis Data Kuantitatif” ini dapat terselesaikan. Makalah ini disusun sebagai salah satu tugas mata kuliah Metodologi Penelitian. Materi yang disajikan dalam makalah ini disusun secara sederhana dan sistematis agar mudah dipahami dan dimengerti oleh para pembaca. Dengan dibuatnya makalah ini, diharapkan pembaca dapat memahami serta mengerti secara mendalam tentang analisis data kuantitatif. Saran dan kritik dari pembaca sangat penulis harapkan untuk perbaikan makalah ini karena penulis menyadari bahwa makalah ini masih banyak kekurangan. Semoga makalah ini memberi manfaat bagi pembacanya.



Tondano, April 2020



Penyusun



i



BAB I PENDAHULUAN A. Latar Belakang Salah satu tahap dalam proses penelitian adalah tahap analisis data. Menurut Ali Muhson, analisis data merupakan salah satu proses penelitian yang dilakukan setelah semua data yang diperlukan guna memecahkan permasalahan yang diteliti sudah diperoleh secara lengkap. 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. . Teknik analisis dibagi menjadi dua yaitu teknik analisis kuantitatif dan kualitatif. Perbedaan kedua teknik yaitu terletak pada jenis datanya. Data yang dikuantifikasikan dapat dianalisis secara kuantitatif dan kualitatif tetapi data yang bersifat kualitatif maka analisis digunakan hanya analisis kualitatif. Pada makalah ini penulis akan membahas teknik analisis kuantitatif yang terbagi menjadi dua statistik yaitu statistik deskriptif dan statistik inferensial. B. Rumusan Masalah Berdasarkan latar belakang di atas, maka dapat dirumuskan beberapa rumusan masalah sebagai berikut: 1. Bagaimanakah analisis data kuantitatif? 2. Apakah perbedaan statistik deskriptif dan inferensial? C. Tujuan Penulisan Tujuan penulisan makalah ini adalah sebagai berikut: 1. Mendeskrisikan analisis data kuantitatif 2. Mendeskripsikan perbedaan statistik deskriptif dan inferensial D. Manfaat Penulisan Manfaat dari penulisan makalah ini adalah: Sebagai referensi/literature bagi pembaca untuk menambah pengetahuan khususnya mengenai analisis data kuantitatif.



1



BAB II PEMBAHASAN Analisis kuantitatif yang biasa digunakan adalah analisis statistik. Biasanya analisis ini terbagi ke dalam dua kelompok yaitu statistik deskriptif dan inferensial. A. Statistik Deskriptif Analisis statistik deskriptif adalah statistik yang digunakan untuk menganalisis data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi. Analisis ini hanya berupa akumulasi data dasar dalam bentuk deskripsi semata dalam arti tidak mencari atau menerangkan saling hubungan, menguji hipotesis, membuat ramalan, atau melakukan penarikan kesimpulan. Teknik analisis statistik deskriptif yang dapat digunakan antara lain: a. Penyajian data dalam bentuk tabel atau distribusi frekuensi dan tabulasi silang (crosstab). Tabel adalah model penyajian yang disusun dalam baris dan kolom. Tabel data berupa kumpulan angka-angka berdasarkan kategori tertentu. Suatu tabel minimal memuat judul tabel, judul kolom, judul baris, nilai pada setiap baris dan kolom, serta sumber yang menunjukkan dari mana data tersebut diperoleh. Berdasarkan pengaturan baris dan kolom, suatu tabel dapat dibedakan dalam beberapa bentuk misalnya tabel klasisfikasi saru arah, tabel klasifikasi dua arah atau lebih (tabel silang), serta tabel distribusi frekuensi. Berikut disajikan contoh-contoh bentuk tabel yang biasa digunakan dalam penyajian data penelitian kuantitatif. 1. Tabel Klasifikasi Satu Arah Tabel ini digunakan untuk mengelompokkan data berdasarkan satu kriteria Tertentu. Berikut ini contoh tabel klasifikasi satu arah. Tabel 1: Contoh Tabel Satu Arah Komposisi Responden Berdasarkan Jenis Kelamin No Jenis Kelamin Jumlah Responden Laki-laki 24 Perempuan 16 Total 40 Berdasarkan tabel di atas dapat dijelaskan bahwa jumlah responden yang berjenis kelamin laki-laki sebanyak 24 orang dan jumlah responden yang berjenis kelamin perempuan sebanyak 16 orang. 2. Tabel Distribusi Frekuensi Tabel distribusi frekuensi disusun apabila jumlah data yang akan disajikan cukup banyak sehingga kalau disajikan dalam tabel biasa menjadi tidak efisien dan kurang komunikatif. Selain itu, tabel ini dapat pula digunakan untuk pengujian normalitas data. Tabel distribusi frekuensi disusun melalui tahapan sebagai berikut: 1) Mengurutkan data dari yang terkecil sampai yang terbesar 2) Menghitung rentang skor = Skor tertinggi – Skor terendah 2



3)



Menetapkan jumlah kelas dengan menggunakan aturan Strugess Jumlah kelas = 1 + 3,3 log n n = banyaknya data 4) Menetapkan panjang kelas interval Rentang Interval Kelas = Jumla h Kelas 5) Menentukan batas bawah kelas interval pertama (diambil data terkecil) 6) Menetapkan panjang batas setial kelas setiap 7) Menghitung frekuensi relatif yaitu jumlah anggota dari masing-masing kelompok kelas interval 8) Menghitung prosentase frekuensi relatif yaitu prosentase frekuensi untuk masing-masing kelas interval 9) Menghitung frekuensi kumulatif dan prosentasenya untuk masing-masing batas bawah kelas interval. Tabel 2: Tabel Distribusi Frekuensi Skor Kompetensi Profesional Guru Nomo Kelas Frekuensi Relatif Komulatif r Interval f (%) f (%) Kelas 1 10-16 2 5,00 2 5,00 2 17-23 5 12,50 7 17,50 3 24-30 12 30,00 19 47,50 4 31-37 9 22,50 28 70,00 5 38-44 7 17,50 35 87,50 6 45-51 5 12,50 40 100,00 Total 40 100,00 Berdasarkan tabel di atas dapat dijelaskan bahwa responden yang memperoleh skor kompetensi profesional antara 10 sampai 16 sebanyak 2 orang atau sekitar 5%; responden yang memperoleh skor kompetensi profesional antara 17 sampai 23 sebanyak 5 orang atau sekitar 12,5%; dan seterusnya. Dalam tabel tersebut dapat pula dilihat responden yang mendapat skor di bawah 17 yaitu 2 orang atau sekitar 5%, di bawah 24 yaitu 7 orang atau sekitar 17,5%, dan seterusnya. 3. Tabel Silang Tabel silang biasanya digunakan untuk mengelompokkan data berdasarkan dua atau lebih kriteria. Berikut ini contoh tabel silang. Tabel 3. Contoh Tabel Silang Komposisi Responden Berdasarkan Kelamin dan Tingkat Pendidikan Tingkat Pendidikan Diploma Sarjana Magister Jenis Laki-laki 7 11 6 perempua 1 13 2 kelamin n Total 8 24 8 3



Jenis Total 24 16 40



Berdasarkan tabel di atas dapat dijelaskan bahwa responden yang berjenis kelamin laki-laki dan berpendidikan Diploma sebanyak 7 orang; jumlah responden yang berjenis kelamin laki-laki dan berpendidikan Sarjana sebanyak 11 orang; jumlah responden yang berjenis kelamin laki-laki dan berpendidikan magister sebanyak 6 orang; dan seterusnya b. Penyajian data dalam bentuk visual seperti diagram lingkaran, diagram batang, diagram garis dan grafik histrogram Selain menggunakan tabel, bentuk lain penyajian data adalah grafik atau diagran. Grafik atau diagram biasanya dibuat berdasarkan tabel. Grafik merupakan visualisasi data pada tabel yang bersangkutan. 1. Diagram Lingkaran (Pie Chart) Digram lingkaran atau pie chart biasanya digunakan untuk melihat komposisi data dalam berbagai kelompok. Dengan menggunakan data pada tabel 1 dapat dibuat diagram lingkaran yang memperlihatkan komposisi responden penelitian berdasarkan jenis kelamin yaitu sebagai berikut:



Gambar 1. Diagram Lingkaran Komposisi Responden Berdasarkan jenis Kelamin 2. Diagram Batang Diagram batang biasanya digunakan untuk melihat perbandingan data berdasarkan panjang batang dalam suatu diagram. Dengan menggunakan data pada tabel 3 dapat dibuat diagram batang yang memperlihatkan perbandingan jumlah responden berdasarkan tingkat pendidikan yaitu sebagai berikut:



4



Gambar 2. Diagram Batang Komposisi Responden Berdasarkan Tingkat Pendidikan 3. Diagram garis Digram garis biasanya digunakan untuk melihat perkembangan suatu kondisi. Perkembangan tersebut bisa naik dan bisa juga turun. Hal ni akan nampak secara visual dalam bentuk garis. Sebagai contoh, berikut disajikan tabel dan grafik garis yang memperlihatkan perkembangan jumlah siswa baru pada satu sekolah dalam kurun waktu 7 tahun.



Gambar 3. Contoh Grafik Garis Perkembangan Jumlah Siswa Baru pada Sekolah XXX Tahun 1997-2006 4. Grafik Histogram Frekuensi Histogram adalah penyajian tabel distribusi frekuensi yang dubah dalam bentuk diagram batang. Untuk Membuatnya digunakan sumbu mendatar sebagai batas kelas dan sumbu vertikal sebagai frekuensi. Dengan menggunakan data pada tabel 2, grafik histogram frekuensi skor kompetensi profesional guru sebagi berikut:



Gambar 4: Contoh Grafik Histogram Frekuensi Skor Kompetensi Profesional Guru c. Penghitungan ukuran tendensi sentral (mean, median dan modus). Cara lain menggambarkan statistik deskriptif ialah dengan menggunakan tendensi sentral. Contoh bilangan tendensi sentral ialah mean (rata-rata), median dan mode. 5



Tendensi sentral berguna untuk menggambarakan bilangan yang dapat mewakili suatu kelompok bilangan tertentu. 1. Mean Dapat dicari dengan menjumlahkan semua nilai kemudian dibagi dengan banyaknya individu. Individu Penghasilan dalam ribuan (Rp.) A B C D E N=5



100 125 140 150 175  X = 690



2. Mode Mode merupakan nilai yang jumlah frekuensinya paling besar. Untuk mencari nilai mode dapat dilihat pada jumlah frekuensi yang paling besar. Contoh : Nilai 60 65 66 70 72 75 80 85



Frekuensi 5 6 7 15 2 6 8 10



3. Median merupakan nilai tengahyang membatasi setengah frekuensi bagian bawah dan setengah frekuensi bagian atas. Nomor Nilai 1 60 2 65 3 70 4 75 5 85 6



6 80 7 81 8 79 9 77 85 adalah median yang membagi empat nilai diatasnya dan empat nilai di bawahnya. d. Penghitungan ukuran penyebaran Penjelasan keadaan sekelompok data dapat pula didasarkan pada ukuran penyebarannya atau variasinya. Sebaran data menunjukkan variasi data secara keseluruhan dilihat dari nilai tengahnya (rata-ratanya). Ukuran penyebaran data biasanya dilakukan dengan melihat rentang skor (kisaran data), varians, dan simpangan baku (standard deviation). 1. Rentang Rentang diperoleh dengan cara mengurangi data terbesar dengan data terkecil dalam satu kelompok data. 2. Varians (s2) Varians yang diberi simbol (s 2) dapat menjelaskan homogenistas suatu kelompok. Semakin kecil varians maka semakin homogen data dalam kelompok tersebut. Sebaliknya, semakin besar varians maka maka makin heterogen data dalam kelompok tersebut. Varians dari sekelompok data sampel dapat dihitung dengan menggunakan rumus: 2



n ∑ X 2−( ∑ X) s= n (n−1) 3. Simpangan Baku Simpangan baku atau standar deviasi yang diberi simbol (s) adalah akar Varians (s2). Simpangan baku memiliki fungsi yang sama dengan varians dalam menjelaskan sekelompok data. 2



B. Statistik Inferensial Statistik inferensial adalah teknik analisis data yang digunakan untuk menentukan sejauh mana kesamaan antara hasil yang diperoleh dari suatu sampel dengan hasil yang akan didapat pada populasi secara keseluruhan. Jadi statistik inferensial membantu peneliti untuk mencari tahu apakah hasil yang diperoleh dari suatu sampel dapat digeneralisasi pada populasi (John, 2008:326). Sejalan dengan pengertian statistik inferensial menurut Creswell, Muhammad Nisfiannoor berpendapat bahwa statistik inferensial adalah metode yang berhubungan dengan analisis data pada sampel untuk digunakan untuk penggeneralisasian pada populasi. Penggunaan statistic inferensial didasarkan pada peluang (probability) dan sampel yang dipilih secara acak (random) (Nisfianoor, 2009:4). Konsep statistik inferensial yaitu; 1. Standard Error Peluang setiap sampel sangat identik dengan populasinya sangat kecil (nill) meskipun inferensi populasi didapat dari informasi sampel. Penerapan random sampling 7



tidak menjamin karakteristik sampel sama persis dengan populasi. Variasi prediksi antara mean disebut sampling error. Sampling error ini tidak bisa dihindari dan ini bukan kesalahan peneliti. Yang menjadi persoalah adalah apakah error tersebut semata-mata hasil sampling error atau merupakan perbedaan yang bermakna yang akan pula ditemukan pada papulasi yang lebih besar. Ciri standard error adalah bahwa error yang terjadi bisaanya berdistribusi normal yang besarnya berbeda-bedadan error tersebut cenderung membentuk kurva normal yang menyerupai lonceng. Faktor utama yang mempengaruhi standard error adalah jumlah sampel. Semakin banyak sampelnya, semakin kecil standard errornya. Ini menunjukkan bahwasampel penelitian semakin akurat bila banyak sampelnya. Faktor utama yang mempengaruhi standard error adalah jumlah sampel. Semakin banyak sampelnya, semakin kecil standard error meannya yang berarti bahwa semakin kecil standard error-nya, semakin akurat mean sampel untuk dijadikan estimator untuk mean populasinya (Cresswell, 2008) 1. Pengujian Hipotesis Pengujian hipotesis adalah proses pengambilan keputusan dimana peneliti mengevaluasi hasil penelitian terhadap apa yang ingin dicapai sebelumnya. Misalnya, kita ingin menerapkan program baru dalam pelajaran membaca. Pada rencana penelitian dikemukanan hipotesis penelitian yang memprediksi perbedaan skor siswa yang menjalni program baru tadi dengan proglam lama, dan hipotesis nol (0), yang memprediksikan skor kedua kelompok tidak akan berbeda. Setelah data dihitung mean dan standar deviasinya dan hasilnya menunjukkan skor siswa dengan program baru lebih tinggi (berbeda secara signifikan) daripada siswa yang mengikuti program lama, maka hipotesis penelitian diterima dan hipotesis nol ditolak. Yang berarti bahwa program baru tersebut efektif untuk diterapkan pada program membaca. Intinya, pengujian hipotesis adalah proses evaluasi hipotesis nol, apakah diterima tau ditolak, (Cresswell, 2008:328). 2. Uji Signifikansi Uji signifikasi adalah cara mengetahui adanya perbedaan antara dua skor. Signifikansi merujuk pada tingkat statistik dari probabilitas dimana dengannya kita bisa menolak hipotesis nol. Uji signifikansi dilakukan dengan menentukan tingkat probabilitas praseleksi yang dikenal dengan tingkat signifikansi (α). Tingkat probailitas ini dijadikan dasar untuk menolak atau tidak menolak hipotesis nol. Standar yang digunakan umumnya 0,05 kesempatan (5 dari 100). Adapula yang menggunakan 0.01. Semakin kecil nilai probabilitasnya, semakin kecil pula kemungkinan temuan tersebut diperoleh karena disebabkan oleh peluang, (Cresswell, 2008:329). B. Jenis-jenis Statistik Inferensial Terdapat dua jenis statistik inferensial: 1. Statistik Parametrik; yaitu teknik yang didasarkan pada asumsi bahwa data yang diambil mempunyai distribusi normal dan menggunakan data interval dan rasio, (Nisfianoor, 2009:4). 8



a. Uji-t Uji-t digunakan untuk menentukan apakah 2 kelompok skor memiliki perbedaan yang signifikan di tingkat probabilitas pilihan. Contohnya, Uji-t dapat digunakan untuk membandingkan skor membaca pada laki-laki dan skor membaca pada perempuan di sekolah A. Strategi dasar Uji-t adalah membandingkan perbedaan nyata antara mean kelompok (X1-X2) menentukan apakah ada perbedaan yang diharapkan berdasarkan peluang. Uji-t terdiridari: Uji-t untuk sampel independen digunakan untuk menentukan apakah ada perbedaan yang signifikan antara dua sampel independen. Sampel independen ditentukan tanpa adanya pemadanan jenis apapun. Software SPSS dapat digunakan untuk uji-t. Uji-t untuk sampel non-independen digunakan untuk membandingkan dua kelompok terpilih berdasarkan beberapa kesamaan. Uji ini juga digunakan untuk membandingkan performansi kelompok tunggal dengan pretest dan posttest atau dengan dua perlakuan berbeda, Cresswell, 2008:335). b. Analisis Varians (ANOVA) Dalam Educational Research (2008), Cresswell mengartikan ANOVA sebagai teknik statistik yang digunakan untuk perbedaan yang ada pada lebih dari dua kelompok data. Adapun jenis analisis varians, yakni: 1. ANOVA sederhana (satu arah) digunakan untuk menentukan apakah skor dari dua kelompok atau lebih memiliki perbedaan secara signifikan pada tingkat probabilitasnya. Misalnya, pengukuran prestasi siswa berdasarkan tingkat ekonominya (tinggi, sedang, dan rendah), dimana tingkat ekonomi sebagai variabel kelompok dan tingkat ekonomi sebagai variabel dependennya. 2. Multi comparison adalah pengujian yang melibatkan perhitungan bentuk istimewa dari uji-t. Setiap kali uji signifikansi dilakukan, tingkat probabilitasnya kita terima. Misalnya, kita setuju kalau hasil yang akan didapatakan muncul hanya 5 kali kesempatan pada setiap 100 sampel. Hasil tersebut dikatakan bermakna dan bukan sekedar karena peluang semata. 3. Analysis of Covariance (ANCOVA) Analisis ini model ANOVA yang digunakan dengan cara berbeda dimana variabel bebas dihitung dengan memperhatikan rancangan penelitian. Bila penelitian memiliki 2 variabel bebas atau lebih, maka uji jenis inilah yang cocok digunakan melalui dua cara yakni: (1) sebagai teknik pengendalian variabel luar (extraneous variable) serta sebagai alat untuk meningkatkan kekuatan uji statistik. ANCOVA bisa digunakan pada penelitian kausal komparatif maupun penelitian ekperimental yang melibatkan kelompok yang sudah ada dan kelompok yang dibentuk secara acak, dan (2) ANCOVA digunakan untuk memperkuat uji statistic dengan memperkecil varians dalam kelompok (error). Kekuatan yang dimaksudkan adalah kemampuan uji signifikansi untuk mengenali temuan riset sebenarnya, yang memungkinkan penguji menolak hipotesis 0 (nol) yang salah, (Cresswell, 2008:341). 9



c. Regresi Jamak Regresi jamak digunakan pada data berbentuk rasio dan interval. Regresi jamak menggabungkan variabel yang diketahui secara terpisah untuk memprediksi (misalnya, hubungan antara) criteria dalam persamaan (rumus) prediksi atau dikenal dengan Multiple Regression Equation. Regresi jamak merupakan prosedur analisis untuk penelitian eksperimental, kausal komparatif, dan korelasional karena teknik ini tidak hanya untuk menentukan apakah ada hubungan antar variable tetapi juga untuk mengetahui besar (kuatnya) hubungan tersebut. Salah satu jenis regresi jamak adalah step-wise analysis yang memungkinakn kita memasukkan atau mengeluarkan variabel utama (predicator) ke dalam persamaan regresi tahap demi tahap. Regresi jamak juda menjadi dasar analisis jalur yang bertujuan untuk mengidentifikasi tingkat interaksi variabel utama satu sama lain dan berkontribusi pada variabel terikat, (Cresswell, 2008:345). Sementara dalam Emzir (2011) dikatakan bahwa regresi jamak merupakan perluasan dari regresi dan prediksi sederhana dengan penambahan beberapa variabel. Kekuatan prediksi akan semakin terdukung dengan penambahan variabel, (Emir, 2011:49). d. Korelasi Menurut Cohen, dkk., Teknik korelasi digunakan untuk mengetahui tiga hal pada dua variabel atau dua set data. Pertama, “Apakah ada hubungan antara dua variabel atau set data”. Bila jawabannya “ya”, maka dua hal berikutnya perlu kita cari yakni; “Bagaimana arah hubugan tersebut”; dan “Apa yang menjadi ukurannya?” Hubungan yang dimaksudkan adalah kencenderungan dua variabel atau set data berbeda secara konsisten, (Cohen, 2007: 530). Dalam Solusi Mudah dan Cepat Menguasai SPSS 17.0 unruk Pengolahan Data Statistik (Wahana Komputer, 2009) dikatakan analisis korelasi dilakukan untuk menunjukkan keeratan hubungan kausal antara variabelvariabel. Jenis-jenis analisis korelasi, yaitu: Korelasi sederhana, yaitu , korelasi parsial, dan uji distance, (Wahana, 2009:155). 2. Statistik Non-parametrik Statistik nonparametrik adalah jenis statistic inferensial yang tidak mengharuskan data berdistribusi normal dan jenis data yang digunakan adalah data nominal dan ordinal, (Nisfiannoor, 2009:4). a. Chi Square Chi Square adalah suatu ukuran menyangkut perbedaan yang terdapat di antara frekwensi pengamatan dengan frekwensi teoritis/frekwensi harapan yang dinyatakan dengan simbol x 2, (Spiegel & Stephen, 2007:213). Statistik nomparametrik yang digunakan untuk menanalisis data yang berupa frekwensi atau persentase serta yang berbentu prporsi yang bisa dikonversi menjadi persentase. Chi square digunakan untuk membandingkan frekwensi yang muncul pada kategori atau kelompok berbeda. Dikenal dua kategori, yaitu; true category adalah apabila orang atau objek bersifat bebas pada setiap penelitian (laki-laki dan perempuan), dan artificial category yakni kategori yang secara operasional diartikan sebagai peneliti itu sendiri. Contohnya, mencari hubungan antara gender 10



dengan keterampilan membaca pada sekolah A. Karena adanya variabel nominal (gender dan keterampilan membaca), maka data tersebut dianalisis dengan statistik nonparametrik dengan menggunakan teknik chi square, (Cresswell, 2008:348).



11



BAB III PENUTUP KESIMPULAN Analisis statistik deskriptif adalah statistik yang digunakan untuk menganalisis data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi. Analisis ini hanya berupa akumulasi data dasar dalam bentuk deskripsi semata dalam arti tidak mencari atau menerangkan saling hubungan, menguji hipotesis, membuat ramalan, atau melakukan penarikan kesimpulan. SARAN Hendaknya para peneliti memperhatikan cara-cara mereka dalam mengambil metode yang akan digunakan dalam penelitian mereka karena pemilihan metode yang tepat dalam penelitian akan menentukan hasil dari penelitian tersebut.



12



DAFTAR PUSTAKA Aedi, Nur. 2010. Bahan Belajar Mandiri Metode Penelitian Pendidikan (Online). Universitas Pendidikan Indonesia. Diakses di http://file.upi.edu/Direktori/DUALMODES/METODE_PENELITIAN/BBM_1-2-3.pdf tanggal 10 Oktober 2015. Cohen, Luis dkk. Research Method in Education. Sixth Edition. Routledge, New York. 2007. Cresswell, John W. Educational Research. Third Edition. New Jersey: Pearson Education, Inc. 2008. Emzir, Prof. DR., M.Pd. Metode Penelitian Pendidikan Kuantitatif dan Kualitatif. Rajawali Press. Jakarta. 2011 Spiegel, Murray R. dan Larry J. Stephens. Statistik. Edisi Ketiga. (Terjemahan oleh Wiwit Kastawan ST, MT, M.Sc dan Irzam Harmein, ST). Erlangga. Jakarta. 2007 Nisfiannoor, Muhammad. Pendekatan Statistika Modern untuk Ilmu Sosial. Salemba Humatika. Jakarta. 2009. Wahana Komputer. Solusi Mudah dan Cepat Menguasai SPSS 17.0 unruk Pengolahan Data Statistik. PT. Elex Media Komputindo. Jakarta. 2009.



13