Kata Pengantar

Segala puji bagi Allah SWT yang masih melimpahkan rahmat-Nya sehingga makalah

ini dapat terselesaikan tepat pada waktunya. Makalah ini dibuat guna menunjukkan

partisipasi kami dalam menyelesaikan tugas pembuatan makalah sebagai salah satu

penunjang nilai. Tak lupa pula kami mengucapkan terima kasih kepada pihak yang telah

membantu dalam penyelesaian makalah ini.

Namun, sepenuhnya kami menyadari bahwa makalah ini masih terdapat banyak

kekurangan baik dari segi penulisan maupun kata. Untuk itu, kritik dan saran dari berbagai

pihak yang bersifat membimbing kami harapkan guna menyempurnakan makalah

selanjutnya.

Akhir kata, semoga makalah ini dapat bermanfaat bagi penulis dan khususnya bagi

pembaca umunya.

Penulis

Azimah Mardyatun Nisa Rosadi

i
 Daftar Isi

Kata Pengantar .................................................................................................... i

Daftar Isi ............................................................................................................ ii
BAB I ................................................................................................................ 1
PENDAHULUAN ............................................................................................. 1
A. Latar Belakang ............................................................................................ 1
B. Rumusan Masalah ...................................................................................... 5
C. Tujuan Pembahasan.................................................................................... 6
BAB II ............................................................................................................... 8
PEMBAHASAN ................................................................................................ 8
A. TEKNIK SAMPLING ...................................................................................... 8
B. HIPOTESIS ................................................................................................. 15
C. CHI-SQUARE .............................................................................................. 19
D. REGRESI DAN KOLERASI ............................................................................ 29
BAB III ............................................................................................................ 34
PENUTUP ....................................................................................................... 34
A. Kesimpulan ............................................................................................... 34
B. Saran......................................................................................................... 34
DAFTAR PUSTAKA ...................................................................................... 35

ii
 BAB I

PENDAHULUAN

A. Latar Belakang

Kemajuan teknologi di bidang kesehatan pada beberapa dekade terakhir ini

menuntut mahasiswa khususnya mahasiswa kesehatan untuk mempelajari prinsip-prinsip

dasar metode statistika karena metode statistika merupakan alat bantu dalam menelaah

laporan-laporan ilmiah, mengadakan analisis data yang diperoleh dari catatan medik di

rumah sakit, mengadakan penelitian dalam bidang kedokteran, kesehatan masyarakat, dan

lain-lain.

1.1 Sejarah statistik

Penggunaan istilah statistika berakar dari istilah istilah dalam bahasa latin modern

Statistikum Collegium (“Dewan Negara”) dan bahasa Italia Statista (“Negarawan” atau

“Politikus”).

Gottfried Achenwall (1749) menggunakan Statistik dalam bahasa Jerman untuk

pertama kalinya sebagai nama bagi kegiatan analisis data kenegaraan, dengan

mengartikannya sebagai “ilmu tentang negara (state)”. Pada awal abad ke-19 telah terjadi

pergeseran arti menjadi “ilmu mengenai pengumpulan dan klasifikasi data”. Sir John

Sinclair memperkenalkan nama (Statistiks) dan pengertian ini ke dalam bahasa Inggris.

Jadi, statistika secara prinsip mula-mula hanya mengurus data yang dipakai lembaga-

lembaga administratif dan pemerintahan. Pengumpulan data terus berlanjut, khususnya

melalui sensus yang dilakukan secara teratur untuk memberi informasi kependudukan

yang berubah setiap saat.

1
 Pada abad ke-19 dan awal abad ke-20 statistika mulai banyak menggunakan bidang-

bidang dalam matematika, terutama probabilitas. Cabang statistika yang pada saat ini

sangat luas digunakan untuk mendukung metode ilmiah, statistika inferensi,

dikembangkan pada paruh kedua abad ke-19 dan awal abad ke-20 oleh Ronald Fisher

(peletak dasar statistika inferensi), Karl Pearson (metode regresi linear), dan William

Sealey Gosset (meneliti problem sampel berukuran kecil). Penggunaan statistika pada

masa sekarang dapat dikatakan telah menyentuh semua bidang ilmu pengetahuan, mulai

dari astronomi hingga linguistika. Bidang-bidang ekonomi, biologi dan cabang-cabang

terapannya, serta psikologi banyak dipengaruhi oleh statistika dalam metodologinya.

Akibatnya lahirlah ilmu-ilmu gabungan seperti ekonometrika, biometrika (atau

biostatistika), dan psikometrika.

Meskipun ada pihak yang menganggap statistika sebagai cabang dari matematika,

tetapi sebagian pihak lainnya menganggap statistika sebagai bidang yang banyak terkait

dengan matematika melihat dari sejarah dan aplikasinya. Di Indonesia, kajian statistika

sebagian besar masuk dalam fakultas matematika dan ilmu pengetahuan alam, baik di

dalam departemen tersendiri maupun tergabung dengan matematika.

1.2 Definisi

Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan,

menganalisis, menginterpretasi, dan mempresentasikan data. Singkatnya, statistika adalah

ilmu yang berkenaan dengan data. Istilah ‘statistika’ (bahasa Inggris: statistiks) berbeda

dengan ‘statistik’ (statistik). Statistika merupakan ilmu yang berkenaan dengan data,

sedang statistik adalah data, informasi, atau hasil penerapan algoritma statistika pada suatu

data. Dari kumpulan data, statistika dapat digunakan untuk menyimpulkan atau

mendeskripsikan data; ini dinamakan statistika deskriptif. Sebagian besar konsep dasar

2
statistika mengasumsikan teori probabilitas. Beberapa istilah statistika antara lain:

populasi, sampel, unit sampel, dan probabilitas.

Statistika banyak diterapkan dalam berbagai disiplin ilmu, baik ilmu-ilmu alam

(misalnya astronomi dan biologi maupun ilmu-ilmu sosial (termasuk sosiologi dan

psikologi), maupun di bidang bisnis, ekonomi, dan industri). Statistika juga digunakan

dalam pemerintahan untuk berbagai macam tujuan; sensus penduduk merupakan salah

satu prosedur yang paling dikenal. Aplikasi statistika lainnya yang sekarang popular

adalah prosedur jajak pendapat atau polling (misalnya dilakukan sebelum pemilihan

umum), serta jajak cepat (perhitungan cepat hasil pemilu) atau quick count. Di bidang

komputasi, statistika dapat pula diterapkan dalam pengenalan pola maupun kecerdasan

buatan.

1.3 Konsep Dasar

Dalam mengaplikasikan statistika terhadap permasalahan sains, industri, atau sosial,

pertama-tama dimulai dari mempelajari populasi. Makna populasi dalam statistika dapat

berarti populasi benda hidup, benda mati, ataupun benda abstrak. Populasi juga dapat

berupa pengukuran sebuah proses dalam waktu yang berbeda-beda, yakni dikenal dengan

istilah deret waktu.

Melakukan pendataan (pengumpulan data) seluruh populasi dinamakan sensus.

Sebuah sensus tentu memerlukan waktu dan biaya yang tinggi. Untuk itu, dalam statistika

seringkali dilakukan pengambilan sampel (sampling), yakni sebagian kecil dari populasi,

yang dapat mewakili seluruh populasi. Analisis data dari sampel nantinya digunakan untuk

menggeneralisasi seluruh populasi.

3
 Jika sampel yang diambil cukup representatif, inferensial (pengambilan keputusan)

dan simpulan yang dibuat dari sampel dapat digunakan untuk menggambarkan populasi

secara keseluruhan. Metode statistika tentang bagaimana cara mengambil sampel yang

tepat dinamakan teknik sampling.

Analisis statistik banyak menggunakan probabilitas sebagai konsep dasarnya.

Sedangkan matematika statistika merupakan cabang dari matematika terapan yang

menggunakan teori probabilitas dan analisis matematis untuk mendapatkan dasar-dasar

teori statistika.

Ada dua macam statistika, yaitu statistika deskriptif dan statistika inferensial.

Statistika deskriptif berkenaan dengan deskripsi data, misalnya dari menghitung rata-rata

dan varians dari data mentah; mendeksripsikan menggunakan tabel-tabel atau grafik

sehingga data mentah lebih mudah “dibaca” dan lebih bermakna. Sedangkan statistika

inferensial lebih dari itu, misalnya melakukan pengujian hipotesis, melakukan prediksi

observasi masa depan, atau membuat model regresi.

 Statistika deskriptif berkenaan dengan bagaimana data dapat digambarkan

dideskripsikan) atau disimpulkan, baik secara numerik (misalnya menghitung

rata-rata dan deviasi standar) atau secara grafis (dalam bentuk tabel atau grafik),

untuk mendapatkan gambaran sekilas mengenai data tersebut, sehingga lebih

mudah dibaca dan bermakna.

 Statistika inferensial berkenaan dengan permodelan data dan melakukan

pengambilan keputusan berdasarkan analisis data, misalnya melakukan pengujian

hipotesis, melakukan estimasi pengamatan masa mendatang (estimasi atau

prediksi), membuat permodelan hubungan (korelasi, regresi, ANOVA, deret

waktu), dan sebagainya

4
 1.4 Tipe pengukuran

Ada empat tipe pengukuran atau skala pengukuran yang digunakan di dalam

statistika, yakni: nominal, ordinal, interval, dan rasio. Keempat skala pengukuran tersebut

memiliki tingkat penggunaan yang berbeda dalam riset statistik.

 Skala nominal hanya bisa membedakan sesuatu yang bersifat kualitatif (misalnya:

jenis kelamin, agama, warna kulit).

 Skala ordinal selain membedakan juga menunjukkan tingkatan (misalnya:

pendidikan, tingkat kepuasan).

 Skala interval berupa angka kuantitatif namun tidak memiliki nilai nol mutlak

(misalnya: tahun, suhu dalam Celcius).

 Skala rasio berupa angka kuantitatif yang memiliki nilai nol mutlak.

B. Rumusan Masalah

Adapun rumusan masalah berdasarkan latar belakang di atas yakni :

1. Teknik Sampling

a. Apa pengertian sampling ?

b. Bagaimana teknik sampling ?

2. Hipotesis

a. Apa pengertian hipotesis ?

b. Apa macam-macam hipotesis ?

c. Bagaimana pengambilan keputusan

d. Bagaimana kesalahan pengambilan keputusan ?

e. Bagaimana prosedur dasar pengujian hipotesis ?

3. Chi-Square

5
 a. Apa yang dimaksud dengan uji chi square ?

b. Bagaimana rumus chi square ?

c. Bagaimana analisis uji chi square ?

d. Bagaimana table chi square ?

e. Bagaimana menguji independensi antara 2 faktor ?

f. Bagaimana cara menguji proporsi ?

4. Regresi dan Kolerasi

a. Apa pengertian regresi dan kolerasi ?

b. Bagaimana bentuk hubungannya ?

C. Tujuan Pembahasan

Adapun tujuan pembahasan yaitu :

1. Teknik Sampling

a. Untuk mengetahui pengertian sampling

b. Untuk mengetahui teknik sampling

2. Hipotesis

a. Untuk mengetahui pengertian hipotesis

b. Untuk mengetahui macam-macam hipotesis

c. Untuk mengetahui pengambilan keputusan

d. Untuk mengetahui kesalahan pengambilan keputusan

e. Untuk mengetahui prosedur dasar pengujian hipotesis

3. Chi-Square

a. Untuk mengetahui uji chi square

b. Untuk mengetahui rumus chi square

6
 c. Untuk mengetahui analisis uji chi square

d. Untuk mengetahui table chi square

e. Untuk mengetahui bagaimana menguji independensi antara 2 faktor

f. Untuk mengetahui cara menguji proporsi

4. Regresi dan Kolerasi

a. Untuk mengetahui pengertian regresi dan kolerasi

b. Untuk mengetahui bentuk hubungannya

7
 BAB II

PEMBAHASAN

A. TEKNIK SAMPLING

1. Pengertian Sampling

Sampling adalah proses dan cara mengambil sampel atau contoh untuk menduga

keadaan suatu populasi. Penarikan contoh diperlukan karena tidak mungkin

pengamatan terhadap keseluruhan populasi dilakukan.

2. Teknik sampling

Cara-cara pengambilan sampel ini disebut dengan teknik sampling. Dengan

demikian teknik sampling adalah teknik atau metode untuk memilih dan mengambil

unsur-unsur atau anggota-anggota dari populasi untuk digunakan sebagai sampel

secara representatif.

Teknik sampling banyak menggunakan teori probabilitas sehingga berdasarkan

tekniknya dikategorikan menjadi dua disebut probability sampling dan non-

probability sampling.

A. Probablity Sampling

Probability Sampling ialah teknik untuk memberikan peluang yang sama

pada setiap anggota populasi untuk dipilih menjadi anggota sampel. Dengan kata

lain cara pengambilan sampel yang memberikan kesempatan yang sama untuk

diambil kepada setiap elemen populasi. Probability sampling terbagi menjadi

beberapa cara yaitu :

1. Simple Random Sampling ( Sampel Random Sederhana )

8
 Simple random sampling ialah cara pengambilan sampel dari anggota

populasi dengan menggunakan acak tanpa memperhatikan strata (tingkatan)

dalam anggota populasi tersebut. Hal ini dilakukan apabila anggota populasi

dianggap homogen (sejenis). Cara pengambilan sampel melalui beberapa cara

yaitu undian, kalkulator, table angka acak, computer. Kelebihan dari

tekhnik ini yaitu cara pengambilan sampel mudah, dan Kelemahan dari tekhnik

ini yaitu Hanya cocok untuk populasi yang relatif homogeny, sampel mungkin

tersebar pada daerah yang luas sehingga biaya transformasi besar, dan

memerlukan sampling frame.

Misal ada “pembiayaan pembangunan pendidikan Dasar di Jawa Barat”,

sampelnya adalah seluruh SD dan SMP yang ada di Jawa Barat. Terhadap seluruh

SD dan SMP itu dilakukan pemilihan secara random tanpa pengelompokan

terlebih dahulu, dengan demikian peluang SD maupun SMP untuk terpilih

sebagai sampel sama.

2. Sample Random Systematic ( Sampel Random Sistematik )

Metode pengambilan sampel secara sistematis dengan interval (jarak)

tertentu antar sampel yang terpilih. Cara ini menuntut kepada peneliti untuk

memilih unsur populasi secara sistematis, yaitu unsur populasi yang bisa

dijadikan sampel adalah yang “keberapa”. Tahapan pemilihan sampel :

 Cari sampling frame, beri nomor unit sampel dari 1 sampai N

 Tentukan ukuran sampel (n) yang diinginkan

 Tentukan interval (K) : K = N/n

 Pilih secara acak (gunakan cara undian, kalkulator atau tabel angka acak)

bilangan bulat antara 1 sampai K sebagai sampel pertama

 Ambil sampel berikutnya dengan interval K tersebut

9
 Contoh : Misalkan ada populasi mahasiswa yang terdiri atas 60 orang

(N=60). Akan diambil sampel sebanyak 10 orang (n-10) secara sistematis. Untuk

itu, Jadi, sampel terpilih adalah No. Absensi : 2, 8, 14, 20, 26, 32, 28, 44, 50, 56

3. Sampel Random Berstrata (Stratified Random Sampling)

Metode pengambilan sampel dengan cara membagi populasi ke dalam

kelompok-kelompok yang homogen (disebut strata), dan dari tiap stratum tersebut

diambil sampel secara acak.pengambilan sampel dari anggota populasi secara

acak dan berstrata tetapi sebagian ada yang kurang proporsional pembagiannya.

Dilakukan sampling ini apabila anggota populasinya heterogen (tidak sejenis).

Kelebihan :

 Secara teoritis hasil pendugaan parameter populasi lebih baik/teliti

dibanding simple random sampling, terutama untuk populasi yang kurang

homogen.

 Sampel yang terambil mampu mempresentasikan variasi dalam populasi,

karena perbedaan kelompok diperhatikan.

 Dalam pelaksanaannya relatif mudah dibanding acak sederhana

Kelemahan :

 Kadangkala sulit (tidak) diperoleh informasi awal sebagai dasar

pengelompokan (stratifikasi).

 Harus dibuat kerangka sampel yang terpisah dan berbeda untuk setiap

stratum (kelompok).

Contoh : Ada suatu manajer yang ingin mengetahui sikap manajer terhadap

suatu kebajikan. Dia menduga bahwa manajer tingkat atas memiliki sikap yang

positif terhadap kebajikan perusahaan. Agar dapat menguji dugaan teresebut

maka sampelnya harus terdiri dari manajer tingkat atas, menengah, dan bawah.

10
Kemudian dari masing-masing strata dipilih manajer dengan teknik simple

random sampling.

4. Sample Random Berkelompok ( Cluster Sampling )

Pengambilan sampel dilakukan terhadap sampling unit, dimana sampling

unitnya terdiri dari satu kelompok (cluster). Tiap item (individu) di dalam

kelompok yang terpilih akan diambil sebagai sampel. Contoh : Misalkan suatu

penelitian ingin mengetahui rata-rata pendapatan masyarakat dari setiap desa di

suatu kabupaten. Di kabupaten tersebut terdapat 100 desa, tetapi hanya ingin

diambil 50 desa saja. Secara administratif, seluruh desa dapat dikelompokkan ke

dalam 15 kecamatan yang berbeda (dianggap sebagai kelompok/kluster/blok)

dengan jumlah desa tiap kecamatan mungkin berbeda pula. Maka dalam Sample

random berkelompok :

 Peneliti cukup mengambil dari 15 kecamatan (N = 15) tersebut hanya 5

kecamatan saja (sebagai kluster sampel), jadi n = 5.

 Pada kelima kluster sampel tersebut, dilakukan pengukuran dari seluruh

desa sehingga diperoleh total 50 desa sampel.

Jika digunakan Simple Random Sampling :

 Peneliti tersebut harus memilih secara acak 50 desa (n = 50) dari

total 100 desa (N = 100) di kabupaten tersebut. Oleh karena itu,

harus ada data lengkap dari 100 desa tersebut.

 Kurang efisien dalam hal biaya pengumpulan data.

 Keuntungan Cluster Sampling :

1. Tidak perlu dibuat kerangka sampling dari seluruh populasi yang

diteliti.

11
 2. Biaya akan lebih murah karena sampel yang terambil pada akhirnya

secara fisik akan terletak berdekatan.

3. Cocok diterapkan apabila biaya pengukuran semakin meningkat

seiring dengan semakin tersebarnya elemen dalam populasi.

 Kelemahan Cluster Sampling

Terdapat kecendrungan adanya kesamaan kondisi diantara dua sampel

yang berdekatan. Hal ini dapat menyebabkan semakin besarnya

kesalahan sampling (sampling error).

5. Sample Random Bertingkat ( Multi Stage Sampling )

Metode pengambilan sampel yang proses pengambilan sampelnya

dilakukan dalam dua tahap (two-stage sampling) atau lebih. Proses pengambilan

sampel dilakukan bertingkat, baik bertingkat dua maupun lebih. Contoh :

provinsi kabupaten Kecamatan desa Lingkungan KK. Misalnya kita ingin

meneliti Berat badan dan Tinggi badan murid SMA. Sesuai kondisi dan

perhitungan, maka jumlah sampel yang akan diambil ± 2000. Keuntungan

menggunakan cara ini Biaya transportasi relatif sedikit, namun Kerugianya pada

Prosedur estimasi yang sulit, Prosedur pengambilan sampel memerlukan

perencanaan yang lebih cermat.

6. Probability Proportionate to Size (PPS)

Probabilitas pengambilan sampel sebanding dengan ukuran sampling bahwa

sampel dipilih secara proporsional dengan ukuran total populasi. Ini adalah

bentuk multistage sampling di tahap pertama dan kemudian random sampling di

tahap kedua, tapi jumlah sampel sebanding dengan ukuran populasi.

B. Non-Probability Sampling

12
 Non-Probability Sampling merupakan teknik pengambilan sampel tidak

dipilih secara acak. Unsur populasi yang terpilih menjadi sampel bisa disebabkan

karena kebetulan atau karena faktor lain yang sebelumnya sudah direncanakan

oleh peneliti. Macam-macam Non-Probability Sampling sebagai berikut:

1. Purposive Sampling (Sampel Pertimbangan)

Purposive Sampling merupakan Satuan sampling yang dipilih berdasarkan

pertimbangan tertentu dengan tujuan untuk memperoleh satuan sampling yang

memiliki karakteristik yang dikehendaki. Teknik ini digunakan terutama apabila

hanya ada sedikit orang yang mempunyai keahlian (expertise) di bidang yang

sedang diteliti.

Misalnya, peneliti ingin meneliti permasalahan seputar daya tahan mesin

tertentu. Maka sampel ditentukan adalah para teknisi atau ahli mesin yang

mengetahui dengan jelas permasalahan ini. Atau penelitian tentang pola

pembinaan olahraga renang. Maka sampel yang diambil adalah pelatih-pelatih

renang yang dianggap memiliki kompetensi di bidang ini. Teknik ini biasanya

dilakukan pada penelitian kualitatif.

Kelebihannya :

unit-unit yang terakhir dipilih dapat dipilih sehingga mereka mempunyai

banyak kemiripan.

Kelemahannya :

Memunculkan keanekaragaman dan bias estimasi terhadap populasi dan

sampel yang dipilihnya.

2. Accidental Sampling (Sampel tanpa sengaja)

Accidental sampling adalah teknik penentuan sampel berdasarkan faktor

sponantanitas, artinya siapa saja yang tidak sengaja bertemu dengan peneliti dan

13
sesuai dnegan karakteistik maka orang tersebut dapat digunakan sebagai sampel

(responden).

Contoh: Seorang ilmu ahli Bahasa Inggris ingin mengetahui sejauh mana

pengaruh buku yang dikarangnya. Cara pengambilan sampel, yaitu: dibatasi

jumlah sampelnya misalnya 30 orang, setiap orang yang datang ke lembaganya

(para siswa diberi informasi dan apabila berminat sesuai dengan kemampuannya

dijadikan responden), setelah dipelajari buku selama satu minggu, responden

segera memberi kabar atau saran tentang buku yang dipelajarinya.

Kelebihannya Mudah dan cepat digunakan. Kelemahannya Jumlah sampel

mungkin tidak representative karena tergantung hanya pada anggota sampel yang

ada pada saat itu.

3. Quota Sampling (Sampel Kuota)

Pengambilan sampel hanya berdasarkan pertimbangan peneliti saja, hanya

disini besar dan kriteria sampel telah ditentukan lebih dahulu. Misalnya Sampel

yang akan di ambil berjumlah 100 orang dengan perincian 50 laki dan 50

perempuan yang berumur 15-40 tahun. Cara ini dipergunakan kalau peneliti

mengenal betul daerah dan situasi daerah dimana penelitian akan dilakukan.

Kelebihannya : Memerlukan waktu yang cepat dan Membutuhkan biaya yang

murah. Kelemahannya “ada unsur” convenience sampling.

4. Saturation Sampling (Sampel Jenuh)

Teknik pengambilan sampel bila semua anggota populasi digunakan

sebagai sampel, ini syaratnya populasi tidak banyak, atau peneliti ingin membuat

generalisasi dengan kesalahan sangat kecil. Kelebihannya yaitu Memerlukan

waktu untuk pengumpulan data sampel. Sedangkan Kelemahannya yaitu Tidak

cocok untuk populasi dengan anggotanya yang besar. Misalnya akan dilakukan

14
 penelitian tentang kinerja guru di SMA XXX Jakarta. Karena jumlah guru hanya

35, maka seluruh guru dijadikan sampel penelitian.

5. Snowball Sampling (Sampel Bola Salju)

Sampel diambil secara berantai, mulai dari ukuran sampel yang kecil

semakin menjadi besar. Cara ini banyak dipakai ketika peneliti tidak banyak tahu

tentang populasi hanya tahu satu atau dua orang berdasarkan penilaian biasa

dijadikan sebagai sampel.

Misalnya akan dilakukan penelitian tentang pola peredaran narkoba di

wilayah A. Sampel mula-mula adalah 5 orang Napi, kemudian terus berkembang

pada pihak-pihak lain sehingga sampel atau responden terus berkembang sampai

ditemukannya informasi yang menyeluruh atas permasalahan yang diteliti.

Kelebihannya : Bisa digunakan dalam situasi tertentu sedangkan kelemahannya

yaitu perwakilan dari karakteristik langka dapat tidak terlihat di sampel yang

sudah dipilih.

B. HIPOTESIS

1. Pengertian Hipotesis

Hipotesis adalah asumsi atau dugaan mengenai sesuatu hal yang dibuat untuk

menjelaskan hal itu yang sering dituntut untuk melakukan pengecekan. Jika asumsi atau

dugaan itu dikhususkan mengenai populasi. Umumnya mengenai nilai-nilai parameter

populasi,maka hipotesis itu disebut hipotesis statistik.

2. Macam-Macam Hipotesis

1. Hipotesis Nol (Ho)

15
 Hipotesis Nol yaitu hipotesis yang menyatakan tidak ada perbedaaan suatu

kejadian antara kedua kelompok dan tidak ada hubungan antara variabel yang satu

dengan yang lain.

2. Hipotesis Alternatif (Ha)

Hipotesis Alternatif yaitu hipotesis yang menyatakan ada perbedaan kejadian

antara kedua kelompok dan ada hubungan antara variabel yang satu dengan yang lain.

3. Pengambilan Keputusan

1. Setiap Uji Statistik akan memperoleh nilai probabilitas(p).

2. Nilai p: Probabilitas hipotesis nol sesuai dengan hasil penelitian.

3. Jika p besar maka hipotesis nol (Ho) diterima,jika p kecil maka Ho ditolak.

4. Besar kecilnya probabilitas (p) ditentukan oleh alfa.

4. Kesalahan Pengambilan Keputusan

Untuk pengujian hipotesis, penelitian dilakukan, sample acak diambil, nilai-nilai

statistik yang perlu dihitung kemudian dibandingkan menggunakan kriteria tertentu

dengan hipotesis. Jika hasil yang didapat dari penelitian itu, dalam pengertian peluang

jauh berbeda dari hasil yang diharapkan terjadi berdasarkan hipotesis, maka hipotesis

ditolak. Jika terjadi sebaliknya, hipotesis diterima. Ada dua macam kesalahan yang

dapat terjadi, yaitu:

a. Kesalahan tipe I atau alfa (α)

1. Peneliti menolak Ho,padahal sesungguhnya Ho benar.

16
 2. Dalam penggunaannya, α disebut pula taraf signifikan atau taraf arti atau sering

disebut taraf nyata.

3. Peluang untuk tidak melakukan kesalahan tipe ini adalah sebesar 1 – α

(convidence level/tingkat kepercayaan).

b. Kesalahan tipe II atau beta (β)

1. Peneliti tidak menolak Ho,padahal sesungguhnya Ho salah.

2. Peluang untuk tidak melakukan kesalahan tipe ini adalah sebesar 1-ß dan dikenal

dengan tingkat kekuatan uji (power of the test)

5. Prosedur Dasar Pengujian Hipotesis

Pengujian hipotesis statistik memiliki prosedur yang harus diikuti tergantung

pada hipotesisnya yang distribusi populasi. Prosedur umum yang harus diikuti

tergantung pada hipotesisnya dan distribusi populasi. Prosedur umum yang harus

diikuti dapat dibagi dalam beberapa langkah :

a) Rumuskan dengan baik hipotesis penelitian agar dapat dihitung statistik sampelnya,

seperti rata-rata, seperti :

Pengujian hipotesis dapat dilakukan terhadap satu populasi untuk pengujian

hipotesis rata-rata dua populasi. Misalnya, rata-rata tekanan darah sapi Ongole sama

dengan tekanan darah sapi Brahman.

H0 : =

= rata-rata tekanan darah sapi Ongole

= rata-rata tekanan darah sapi Brahman

Rata-rata tekanan darah sampel sapi Ongole dan sapi Brahman adalah x1 dan x2.

17
b) Tentukan derajat kemaknaan α atau kesalahan tipe 1 yang akan digunakan.

Penentuan ini harus dilakukan pada saat perencanaan.

c) Tentukan kesalahan tipe 2 atau β. Biasanya penentuan ini dilakukan pada saat

menghitung besarnya sampel.

d) Tentukan distribusi yang akan digunakan dalam perhitungan. Tentukan metode

statistik yang akan digunakan untuk menghitung statistik sampel.

e) Tentukan kriteria menerima atau menolak hipotesis nol pada derajat kemaknaan

yang telah ditentukan.

f) Buatlah kesimpulan yang tepat pada populasi yang bersangkuta

Keputusan:

18
 1. a. p ‹ α à Ho ditolak à simpulkan Ha

2. b. P ≥ α àHo diterima àsimpulkan Ho

Arah Uji Hipotesis :

1) One tail (satu pihak)

Bila Ha menyatakan arah tidak sama,hal yang satu lebih tinggi atau lebih rendah

dari yang lain.

1. Pihak kanan

Apabila Ha lebih besar,maka dalam distribusi yang digunakan didapat sebuah

daerah kritis yang letaknya diujung sebelah kanan.

2. Pihak kiri

Apabila Ha lebih kecil,maka dalam distribusi yang digunakan didapat sebuah

daerah kritis yang letaknya diujung sebelah kiri.

2) two tail (dua pihak)

Bila Ha tidak sama dengan Ho berarti terdapat nilai yang lebih besar dan lebih

kecil dari suatu batas kritis. Ini berarti terdapat dua daerah penolakan hipotesis nol.

Secara statistic,pengujian tersebut dinamakan pengujian dua arah atau dua pihak.

C. CHI-SQUARE

Pengertian Uji Chi Square

Chi-Square disebut juga dengan Kai Kuadrat. Chi Square adalah salah satu jenis

uji komparatif non parametris yang dilakukan pada dua variabel, di mana skala data

19
kedua variabel adalah nominal. (Apabila dari 2 variabel, ada 1 variabel dengan skala

nominal maka dilakukan uji chi square dengan merujuk bahwa harus digunakan uji

pada derajat yang terendah).

Uji chi-square merupakan uji non parametris yang paling banyak digunakan.

Namun perlu diketahui syarat-syarat uji ini adalah: frekuensi responden atau sampel

yang digunakan besar, sebab ada beberapa syarat di mana chi square dapat digunakan

yaitu:

1. Tidak ada cell dengan nilai frekuensi kenyataan atau disebut juga Actual Count

(F0) sebesar 0 (Nol).

2. Apabila bentuk tabel kontingensi 2 X 2, maka tidak boleh ada 1 cell saja yang

memiliki frekuensi harapan atau disebut juga expected count (“Fh”) kurang dari 5.

3. Apabila bentuk tabel lebih dari 2 x 2, misak 2 x 3, maka jumlah cell

dengan frekuensi harapan yang kurang dari 5 tidak boleh lebih dari 20%.

Rumus chi-square sebenarnya tidak hanya ada satu. Apabila tabel kontingensi

bentuk 2 x 2, maka rumus yang digunakan adalah “koreksi yates”.

Apabila tabel kontingensi 2 x 2 seperti di atas, tetapi tidak memenuhi syarat

seperti di atas, yaitu ada cell dengan frekuensi harapan kurang dari 5, maka rumus

harus diganti dengan rumus “Fisher Exact Test”.

Rumus Tersebut adalah:

Uji kai kuadrat (dilambangkan dengan “χ2” dari huruf Yunani “Chi” dilafalkan

“Kai”) digunakan untuk menguji dua kelompok data baik variabel independen maupun

dependennya berbentuk kategorik atau dapat juga dikatakan sebagai uji proporsi untuk

20
 dua peristiwa atau lebih, sehingga datanya bersifat diskrit. Misalnya ingin mengetahui

hubungan antara status gizi ibu (baik atau kurang) dengan kejadian BBLR (ya atau

tidak).

Dasar uji kai kuadrat itu sendiri adalah membandingkan perbedaan frekuensi hasil

observasi (O) dengan frekuensi yang diharapkan (E). Perbedaan tersebut meyakinkan

jika harga dari Kai Kuadrat sama atau lebih besar dari suatu harga yang ditetapkan pada

taraf signifikan tertentu (dari tabel χ2).

Uji Kai Kuadrat dapat digunakan untuk menguji :

1. Uji χ2 untuk ada tidaknya hubungan antara dua variabel (Independency test).

2. Uji χ2 untuk homogenitas antar- sub kelompok (Homogenity test).

3. Uji χ2 untuk Bentuk Distribusi (Goodness of Fit)

Sebagai rumus dasar dari uji Kai Kuadrat adalah :

Keterangan :

O = frekuensi hasil observasi

E = frekuensi yang diharapkan.

Nilai E = (Jumlah sebaris x Jumlah Sekolom) / Jumlah data

df = (b-1) (k-1)

Dalam melakukan uji kai kuadrat, harus memenuhi syarat:

1. Sampel dipilih secara acak

2. Semua pengamatan dilakukan dengan independen

21
 3. Setiap sel paling sedikit berisi frekuensi harapan sebesar 1 (satu). Sel-sel dengdan

frekuensi harapan kurang dari 5 tidak melebihi 20% dari total sel

4. Besar sampel sebaiknya > 40 (Cochran, 1954)

Keterbatasan penggunaan uji Kai Kuadrat adalah tehnik uji kai kuadarat memakai data yang

diskrit dengan pendekatan distribusi kontinu.Dekatnya pendekatan yang dihasilkan

tergantung pada ukuran pada berbagai sel dari tabel kontingensi. Untuk menjamin pendekatan

yang memadai digunakan aturan dasar “frekuensi harapan tidak boleh terlalu kecil” secara

umum dengan ketentuan:

1. Tidak boleh ada sel yang mempunyai nilai harapan lebih kecil dari 1 (satu)

2. Tidak lebih dari 20% sel mempunyai nilai harapan lebih kecil dari 5 (lima)

Bila hal ini ditemukan dalam suatu tabel kontingensi, cara untuk menanggulanginyanya

adalah dengan menggabungkan nilai dari sel yang kecil ke se lainnya (mengcollaps), artinya

kategori dari variabel dikurangi sehingga kategori yang nilai harapannya kecil dapat

digabung ke kategori lain. Khusus untuk tabel 2×2 hal ini tidak dapat dilakukan, maka

solusinya adalah melakukan uji

“Fisher Exact atau Koreksi Yates”

Analisis Chi Square, Contoh kasus

Perusahaan penyalur alat elektronik AC ingin mengetahui apakah ada hubungan

antara gender dengan sikap mereka terhadap kualitas produk AC. Untuk itu mereka meminta

25 responden mengisi identitas mereka dan sikap atau persepsi mereka terhadap produknya.

Permasalahan : Apakah ada hubungan antara gender dengan sikap terhadap kualitas AC?

22
Hipotesis :

 H0 = Tidak ada hubungan antara gender dengan sikap terhadap kualitas AC

 H1 = Ada hubungan antara gender dengan sikap terhadap kualitas AC

Tolak hipotesis nol (H0) apabila nilai signifikansi chi-square < 0.05 atau nilai chi-square

hitung lebih besar (>) dari nilai chi-square tabel.

Menguji Independensi antara 2 faktor (independensi)

Independensi (keterkaitan) antara 2 faktor dapat diuji dengan uji chi square. Masalah

independensi ini banyak mendapat perhatian hampir di semua bidang, baik eksakta maupun

sosial ekonomi. Kita ambil contoh di bidang ekonomi dan pendidikan. Kita bisa menduga

bahwa keadaan ekonomi seseorang tidak ada kaitannya dengan tingkat pendidikannya, atau

justru sebaliknya bahwa keadaan ekonomi seseorang terkait erat dengan tingkat

pendidikannya. Untuk menjawab dugaan-dugaan ini, kita bisa menggunakan uji chi square.

Langkah-langkahnya sebagai berikut.

1. Buatlah hipotesis

H0: tidak ada kaitan antara keadaan ekonomi seseorang dengan pendidikannya

HA: ada kaitan antara keadaan ekonomi seseorang dengan pendidikannya

2. Lakukan penelitian dan kumpulkan data

Hasil penelitian adalah sebagai berikut (tentatif).

Di bawah Di atas garis

Kategori Total
garis kemiskinan

23
 kemiskinan

Tidak tamat SD 8 4 12

SD 20 17 37

SMP 15 16 31

SMA 3 23 26

Perguruan
2 22 24
Tinggi

Total 48 82 130

3. Lakukan analisis

Di bawah
Di atas garis
Kategori garis Total
kemiskinan
kemiskinan

Tidak tamat SD

O 8 4
12
E 4,43 7,57

SD

O 20 17
37
E 13,66 23,34

SMP

24
 15 16 31
O

11,45 19,55
E

SMA

O 3 23
26
E 9,60 16,40

Perguruan

Tinggi

2 22
O
24
8,86 15,14
E

Total 48 82 130

Nilai O (Observasi) adalah nilai pengamatan di lapangan

Nilai E (expected) adalah nilai yang diharapkan, dihitung sbb:

1. Nilai E untuk kategori tidak tamat SD di bawah garis kemiskinan= (12 x 48)/130 = 4,43

2. Nilai E untuk kategori tidak tamat SD di atas garis kemiskinan = (12 x 82)/130 = 7,57

3. Nilai E untuk kategori SD di bawah garis kemiskinan = (37 x 48)/130 = 13,66

4. Nilai E untuk kategori SD di atas garis kemiskinan = (37 x 82)/130 = 23,34

5. Nilai E untuk kategori SMP di bawah garis kemiskinan = (31 x 48)/130 = 11,45

6. Nilai E untuk kategori SMP di atas garis kemiskinan = (31 x 82)/130 = 19,55

7. Nilai E untuk kategori SMA di bawah garis kemiskinan = (26 x 48)/130 = 9,60

8. Nilai E untuk kategori SMA di atas garis kemiskinan = (26 x 82)/130 = 16,40

25
9. Nilai E untuk kategori Perguruan Tinggi di bawah garis kemiskinan = (24 x 48)/130 = 8,86

10. Nilai E untuk kategori Perguruan Tinggi di atas garis kemiskinan = (24 x 82)/130 = 15,14

Hitung nilai Chi square (𝑋 2 )

TABEL CHI-SQUARE

Kriteria Pengambilan Kesimpulan

1. Kesimpulan

Hasil analisis menunjukkan bahwa nilai x^2 hitung = 26,586, yaitu lebih besar darinilai x^2

tabel yaitu 9,488, sehingga kita harus menerima HA. Dengan demikian, kita simpulkan

bahwa ada kaitan yang signifikan antara keadaan ekonomi seseorang dengan tingkat

pendidikannya (lihat lagi hipotesis di atas, khususnya bunyi hipotesis HA).

Catatan: kata signifikan berasal dari α = 0,05.

2. Menguji proporsi

Contoh kasus (1):

Menurut teori genetika (Hukum Mendel I) persilangan antara kacang kapri berbunga merah

dengan yang berbunga putih akan menghasilkan tanaman dengan proporsi sebagai berikut:

25% berbunga merah, 50% berbunga merah jambu, dan 25% berbunga putih. Kemudian,

dari suatu penelitian dengan kondisi yang sama, seorang peneliti memperoleh hasil sebagai

berikut, 30 batang berbunga merah, 78 batang berbunga merah jambu, dan 40 batang

berbunga putih. Pertanyaannya adalah apakah hasil penelitian si peneliti tersebut sesuai

dengan Hukum Mendel atau tidak?

Untuk menjawab pertanyaan tersebut, kita bisa menggunakan uji chi-square, sebagai berikut:

26
 1. Buatlah hipotesis

H0: rasio penelitian adalah 1:2:1 atau 25%:50%:25%

HA: rasio penelitian adalah rasio lainnya

2. Lakukan analisis

Kategori Merah Merah Jambu Putih Jumlah

Pengamatan (O) 30 78 40 148

Diharapkan (E) 37 74 37 148

Proporsi diharapkan (E) dicari berdasarkan rasio 1:2:1, sebagai berikut:

Merah = 1/4 x 148 = 37

Merah Jambu = 2/4 x 148 = 74

Putih = 1/4 x 148 = 37

Df = (kolom -1)(baris -1) = (3-1)(2-1) = 2

Kriteria Pengambilan Kesimpulan

Terima H0 jika 𝑥 2 hitung< 𝑥 2 tabel

Tolak H0 jika 𝑥 2 hitung≥ 𝑥 2 tabel

Kesimpulan

Dari hasil analisis data, diperoleh 𝑥 2 hitung < 𝑥 2 tabel, maka H0 diterima.

Artinya, rasio hasil penelitian si peneliti tersebut sesuai dengan rasio menurut Hukum

Mendel (lihat bunyi hipotesis pada H0).

27
Contoh Kasus (2):

Suatu survey ingin mengetahui apakah ada hubungan Asupan Lauk dengan kejadian Anemia

pada penduduk desa X. Kemudian diambil sampel sebanyak 120 orang yang terdiri dari 50

orang asupan lauknya baik dan 70 orang asupan lauknya kurang. Setelah dilakukan

pengukuran kadar Hb ternyata dari 50 orang yang asupan lauknya baik, ada 10 orang yang

dinyatakan anemia. Sedangkan dari 70 orang yang asupan lauknya kurang ada 20 orang yang

anemia.Ujilah apakah ada perbedaan proporsi anemia pada kedua kelompok tersebut.

Jawab :

HIPOTESIS :

Ho : P1 = P2 (Tidak ada perbedaan proporsi anemia pada kedua kelompok tersebut)

Ho : P1 ≠ P2 (Ada perbedaan proporsi anemia pada kedua kelompok tersebut)

PERHITUNGAN :

Untuk membantu dalam perhitungannya kita membuat tabel silangnya seperti ini :

Kemudian tentukan nilai observasi (O) dan nilai ekspektasi (E) :

Selanjutnya masukan dalam rumus :

sekarang kita menentukan nilai tabel pada taraf nyata/alfa = 0.05. Sebelumnya kita harus

menentukan nilai df-nya. Karena tabel kita 2×2, maka nilai df = (2-1)*(2-1)=1.

Dari tabeli kai kudrat di atas pada df=1 dan alfa=0.05 diperoleh nilai tabel = 3.841.

KEPUTUSAN STATISTIK

Bila nilai hitung lebih kecil dari nilai tabel, maka Ho gagal ditolak, sebaliknya bila nilai

hitung lebih besar atau sama dengan nilai tabel, maka Ho ditolak.

28
Dari perhitungan di atas menunjukan bahwa χ2 hitung < χ2 tabel, sehingga Ho gagal

ditolak.

D. REGRESI DAN KOLERASI

Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan

kuatnya atau derajat hubungan linier antara dua variabel atau lebih. Semakin nyata

hubungan linier (garis lurus), maka semakin kuat atau tinggi derajat hubungan garis lurus

antara kedua variabel atau lebih. Ukuran untuk derajat hubungan garis lurus ini dinamakan

koefisien korelasi.

Analisis Regresi adalah metode statistika yang digunakan untuk menentukan

kemungkinan bentuk hubungan / pengaruh antara dua atau lebih variabel bebas (X)

dengan variabel terikat (Y). Tujuan pokok penentuan metode ini adalah untuk meramalkan

atau memperkirakan nilai dari satu variabel (Y) dalam hubungannya dengan variabel yang

lain (X).

 REGRESI

Teknik analisis regresi berhubungan dengan teknik korelasi. Analisis regresi

merupakan teknik statistik yang digunakan sebagai dasar untuk mengadakan prediksi

terhadap variabel-variabel penelitian. Variabel penelitian yang diprediksikan disebut

sebagai variabel terikat atau kriterium, sedangkan variabel yang digunakan untuk

memprediksi disebut variabel bebas atau prediktor. Apabila terdapat korelasi yang

signifikan antar variabel, maka suatu variabel dapat diprediksikan dari variabel lainnya.

Dengan kata lain, untuk memutuskan variabel terikat apakah naik dan menurunkannya

dapat dilakukan dengan menaikkan atau menurunkan variabel bebasnya.

Persamaan umum analisis regresi dapat dinyatakan dengan rumus berikut.

29
Rumus Analisis Regresi

 KOLERASI

1. Teknik Korelasi dengan Product Moment Correlation

Teknik korelasi merupakan teknik statistik inferensial yang digunakan untuk

mencari hubungan/korelasi antara dua atau lebih variabel. Pada dasarnya kofisien

korelasi tidak menujukkan adanya hubungan sebab akhibat, melainkan hanya gejala

hubungan arah baik positip atau negatif.

Teknik korelasi yang sering digunakan dalam penelitian adalah korelasi

product moment dari Pearson. Teknik ini sangat cocok digunakan untuk menganalisis

data berbentuk interval dan rasio. Dalam menggunakan teknik korelasi ini, ada

beberapa persyaratan yang harus dipenuhi yaitu:

 Pemilihan sampel dari populasi yang ada harus secara random (acak).

 Data harus berskala interval atau rasio.

 Skor kedua variabel harus memiliki variasi homogen.

 Skor kedua variabel harus berdistribusi normal.

 Hubungan antara variabel bebas (x) dan terikat (y) hendaknya linier.

Berikut adalah rumus korelasi Product Moment, yaitu:

a. Korelasi Product Moment dengan simpangan

30
 Rumus yang digunakan adalah:

Rumus Korelasi Product Moment dengan simpangan

b. Korelasi Product Moment dengan Angka Kasar

Rumus yang digunakan adalah:

Rumus Korelasi Product Moment dengan Angka Kasar

Sebagaimana telah dijelaskan di awal bahwa kofisien korelasi tidak menujukkan

adanya hubungan sebab akhibat, melainkan hanya gejala hubungan arah baik positip atau

negatif, maka sebagai pedoman untuk memberikan interpretasi koefisien korelasi product

moment dapat dilihat pada tabel berikut.

Tabel 1

Pedoman Interpretasi Koefisien Korelasi

Product Moment

31
 Interval Koefisien Tingkat Hubungan

0,00 – 0,199 Sangat rendah

0,20 – 0,399 Rendah

0,40 – 0,599 Sedang

0,60 – 0,799 Kuat

0,80 – 1,000 Sangat kuat

(Sumber: Sugiyono, 2008:184)

Selanjutnya, untuk menguji signifikansi korelasi product moment dapat dilakukan dengan

2 cara, yaitu:

1) Membandingkan nilai rhitung dengan nilai rtabel product moment dengan n adalah

jumlah responden dan taraf signifikansi 1% atau 5%. Kriteria uji signifikansinya

adalah terima H0 dan tolak H1 jika rhitung ≤ rtabel, sebaliknya tolak H0 dan terima H1

jika rhitung > rtabel.

2) Menggunakan rumus uji signifikansi korelasi product moment dengan dk = n – 2

dan taraf signifikansi 1% atau 5%. Kriteria uji signifikansinya adalah terima H0 dan

tolak H1 jika thitung ≤ ttabel, sebaliknya tolak H0 dan terima H1 jika thitung > ttabel.

Rumus uji signifikansi korelasi product moment ditunjukkan sebagai berikut.

Rumus uji signifikansi korelasi product moment

Selanjutnya, untuk mengetahui kontribusi variabel bebas (x) terhadap variabel terikat

(y) dapat dihitung menggunakan koefisien determinasi dengan cara mengkuadratkan

koefisien korelasi yang telah didapat kemudian dikalikan dengan 100%. Koefisien

determinasi menunjukkan bahwa seberapa besar prosentase pengaruh variabel bebas (x)

terhadap variabel terikat (y), sedangkan sisanya dipengaruhi oleh faktor lain. Koefisien

determinasi dapat dirumuskan sebagai berikut:

32
Rumus Koefisien Determinasi

33
 BAB III

PENUTUP

A. Kesimpulan

Penggunaan statistika pada masa sekarang dapat dikatakan telah menyentuh semua

bidang ilmu pengetahuan, mulai dari astronomi hingga linguistika. Bidang-bidang

ekonomi, biologi dan cabang-cabang terapannya, serta psikologi banyak dipengaruhi oleh

statistika dalam metodologinya. Oleh karena itu menuntut mahasiswa khususnya

mahasiswa kesehatan untuk mempelajari prinsip-prinsip dasar metode statistika karena

metode statistika merupakan alat bantu dalam menelaah laporan-laporan ilmiah,

mengadakan analisis data yang diperoleh dari catatan medik di rumah sakit, mengadakan

penelitian dalam bidang kedokteran, kesehatan masyarakat, dan lain-lain.

B. Saran

Penulis telah berusaha semaksimal mungkin untuk menyempurnakan penulisan

makalah ini. Namun apabila terjadi kesalahan dari penulis mohon dimaafkan, dan penulis

senantiasa menerima kritik dan saran dari pembaca sebagai perbaikan makalah

kedepannya, saran penulis kepada pembaca adalah agar kita tetap selalu memahami,

mempelajari dari ilmu komunikasi.

34
 DAFTAR PUSTAKA

https://lovelyyydee.wordpress.com/2014/04/09/contoh-makalah-statistika-regresi-dan-
korelasi/

http://sekilasbe.blogspot.co.id/2014/09/makalah-regresi-dan-korelasi-statistik.html

http://mynameyunus.blogspot.co.id/2012/06/makalah-uji-hipotesis-statistika.html

http://rujukanskripsi.blogspot.co.id/2015/03/beberapa-teknik-dalam-statistik.html

https://mariamhartini.wordpress.com/2010/03/01/statistik-inference-statistik-kesehatan-
masyarakat/

http://nisyara.blogspot.co.id/2012/09/makalah-uji-chisquare.html

http://widipaker.blogspot.co.id/2012/12/korelasi-dan-regresi.html

http://repository.usu.ac.id/bitstream/123456789/28163/3/Chapter%20II.pdf

35