TUGAS MATA KULIAH STATISTIK DAN PROBABILITAS

NON PARAMETRIK

HERMAN JOSEF EMERALD (21090113130098)

ANGGIT ANDILALA (21090113130092)

ELVIRA DWI GUSTIARINI (21090113140090)

YOSAFAT NUGRAHA PUTRA (21090113140107)

DIDIK HARYADI (21090113130104)

RONY PRASETYO (21090113130109)

PROGRAM STUDI S1 TEKNIK PERKAPALAN

UNIVERSITAS DIPONEGORO

FAKULTAS TEKNIK

2014

2

BAB I

PENDAHULUAN

1.1 Definisi Statistik

Ada 2 pendekatan untuk menganalisis informasi berdasarkan jenis informasi yang

diperoleh, yaitu analisis kuantitatif dan analisis kualitatif. Analisis kuantitatif/analisis data

kuantitatif adalah analisis yang berbasis pada kerja hitung menghitung angka. Angka yang

diolah disebut input dan hasilnya disebut output juga berupa angka. Analisis

kualitatif/analisis data kualitatif adalah analisis yang berbasis pada kerja pengelompokan

simbol-simbol selain angka. Simbol itu berupa kata, frase, atau kalimat yang menunjukkan

beberapa kategori. Input maupun output analisis data kualitatif berupa simbol, dimana

outputnya disebut deskripsi verbal. Statistik adalah sebagai alat pengolah data angka.

Stasistik dapat juga diartikan sebagai metode/asas-asas guna mengerjakan/memanipulasi data

kuantitatif agar angka berbicara. Pendekatan dengan statistik sering digunakan metode

statistic yaitu metode guna mengumpulkan, mengolah, menyajikan, menganalisis &

menginterpretasikan data statistik. Statistika dapat pula diartikan pengetahuan yang

berhubungan dengan pengumpulan data, pengolahan data, penganalisisan dan penarikan

kesimpulan berdasarkan data dan analisis. Jadi statistik adalah produk dari kerja statistika.

Ada dua konsep dalam bahasa Inggris.Statistic: nilai yang dihitung dari sebuah sampel

(mean, median, modus, dsb). Statistics: metode ilmiah untuk pengumpulan data atau

kumpulan angka. Dalam bahasa Indonesia, statistik memiliki 3 pengertian dimuka.

Kumpulan data = data

Nilai yang dihitung dari dari sebuah sampel = statistik sampel

Metode ilmiah guna mengumpulkan, mengolah, menyajikan, dan analisis data =

statistik

1.2 Skala pengukuran

Pengukuran adalah proses hal mana suatu angka atau simbol dilekatkan pada

karakteristik atau properti suatu stimuli sesuai dengan aturan/prosedur yang telah ditetapkan

(Imam Ghozali, 2005). Misal, orang dapat diganbarkan dari beberapa karakteristik: umur,

tingkat pendidikan, jenis kelamin, tingkat pendapatan dan lain-lain. Ada 4 skala pengukuran.

3

a. Skala nominal

Skala nominal merupakan skala yang merupakan kategori atau kelompok dari suatu

subyek. Misal, variabel jenis kelamin responden dikelompokkan menjadi dua, L/P,

masing-masing diberi kode 1 dan 2. Angka ini hanya berfungsi sebagai label kategori,

tanpa memiliki nilai instrinsik dan tidak memiliki arti apa pun. Lambang-lambang

tersebut tidak memiliki sifat sebagaimana bilangan pada umumnya, sehingga pada

variabel dengan skala nominal tidak dapat diterapkan operasi matematika standar:

pengurangan, penjumlahan, perkalian, dll. Uji statistik yang sesuai dengan skala

nominal adalah uji yang mendasarkan pada jumlah seperti modus dan distribusi

frekuensi

b. Skala ordinal

Skala ordinal, lambang-lambang bilangan hasil pengukuran menunjukkan urutan atau

tingkatan obyek yang diukur menurut karakteristik yang dipelajari. Misal, kita ingin

mengetahui preferensi responden terhadap merek indomie goreng: merek Sarimi,

Indomie, Mie Sedap, Gaga Mie kemudian responden diminta untuk melakukan

ranking terhadap merek mie goreng dengan memberi angka 1 untuk merek yang

paling disukai, angka 2 untuk rangking kedua dan seterusnya. Rangkuman hasil

sebagai berikut.

Merek mie

goreng

Rangking

Indomie 1

Mie Sedap 2

Sarimi 3

Gaga Mie 4

Tabel ini menunjukkan bahwa merek Indomie lebih disukai daripada Mie Sedap,

merek Mie Sedap lebih disukai daripada Sarimi, dsb. Walaupun perbedaan angka

antara preferensi satu dengan lainnya sama, namun kita tidak dapat menentukan

besarnya nilai preferensi dari suatu merek terhadap merek lainnya. Uji statistik yang

4

sesuai adalah modus, median, distribusi frekuensi dan statistik non-parametrik seperti

rank order correlation.

c. Skala Interval

Skala pengukuran mempunyai sifat seperti skala ordinal (memiliki urutan tertentu),

ditambah satu sifat khas, yaitu adanya satuan skala (scale unit). Artinya, perbedaan

karakteristik antara obyek yang berpasangan dengan lambang bilangan satu dengan

lambang bilangan berikutnya selalu tetap. Jika dalam pengukuran preferensi

responden terhadap merek indomie goreng tersebut diasumsikan bahwa urutan

kategori menunjukkan preferensi yang sama, maka kita dapat mengatakan bahwa

perbedaan indomie goreng merek urutan ke 1 dengan 2 adalah sama dengan

perbedaan merek 2 dengan lainnya. Namun demikian, kita tidak bisa mengatakan 3

bahwa merek yang mendapat ranking 5 nilainya lima kali preferensi daripada merek

1. Uji statistik yang sesuai adalah semua uji statistik kecuali uji yang mendasarkan

pada rasio seperti koefisien variasi.

d. Skala rasio

Skala rasio adalah skala yang menghasilkan data dengan mutu yang paling tinggi.

Perbedaan skala rasio dengan skala interval terletak pada keberadaan nilai nol (based

value). Pada skala rasio, nilai nol bersifat mutlak, tidak seperti pada skala interval.

Data yang dihasilkan oleh skala rasio adalah data rasio. Tidak ada pembatasan

terhadap alat uji statistik yag sesuai.

1.3 Statistika parametrik dan statistika non-parametrik

Ilmu statistika secara garis besar dibagi menjadi 2:

Statistika parametrik -> ilmu statistika yang mempertimbangkan jenis sebaran/distribusi data,

yaitu apakah data menyebar normal atau tidak. Pada umumnya, Jika data tidak

menyebar normal, maka data harus dikerjakan dengan metode Statistika non-

parametrik, atau setidak-tidaknya dilakukan transformasi agar data mengikuti

sebaran normal, sehingga bisa dikerjakan dg statistika parametrik. Statistika

parametrik adalah suatu uji yang modelnya menetapkan adanya syarat-syarat

tertentu (asumsi-asumsi) tentang variabel random atau populasi yang merupakan

5

sumber sampel penelitian. Statistika parametik lebih banyak digunakan untuk

menganalisis data yang berskala interval dan rasio dengan dilandasi asumsi

tertentu seperti normalitas. Contoh metode statistika parametrik: uji-z (1 atau 2

sampel), uji-t (1 atau 2 sampel), korelasi pearson, Perancangan Percobaan (1 or 2-

way ANOVA parametrik), dll.

Statistika non-parametrik -> statistika bebas sebaran (tdk mensyaratkan bentuk sebaran

parameter populasi, baik normal atau tidak). Statistika non-parametrik biasanya

digunakan untuk melakukan analisis pada data berjenis Nominal atau Ordinal.

Data berjenis Nominal dan Ordinal tidak menyebar normal. Statistika

nonparametik dapat digunakan untuk menganalisis data yang berskala nominal

dan ordinal. Contoh metode Statistika non-parametrik:Binomial test, Chi-square

test, Median test, Friedman Test, dll.

Berdasarkan kesepakatan, dua tipe utama prosedur statistik yang dianggap non parametrik

adalah:

1. Prosedur-prosedur non parametrik murni

2. Prosedur-prosedur bebas distribusi.

Atau secara ringkas dapat dikatakan bahwa prosedur-prosedur non parametrik tidak

berkepentingan dengan parameter populasi.

1.4 Keunggulan dan kelebihan statistika non parametrik

Karena kebanyakan prosedur non parametrik memerlukan asumsi dalam jumlah

yang minimum, maka kemungkinan untuk digunakan secara salah pun kecil. Untuk beberapa

prosedur non parametrik, perhitungan – perhitungan dapat dilaksanakan dengan cepat dan

mudah, terutama bila kita ingin menyelesaikan secara manual. Jadi, penggunaan prosedur-

prosedur ini menghemat waktu yang diperlukan untuk perhitungan. Ini bisa dijadikan bahan

pertimbangan yang penting bila hasil pengkajian harus segera tersaji atau bila mesin hitung

berkemampuan tinggi tidak tersedia. Prosedur-prosedur non parametrik boleh diterapkan bila

data telah diukur menggunakan skala pengukuran yang lemah, sebagaimana bila hanya data

hitung atau data peringkat yang tersedia untuk analisis.

6

1.5 Kekurangan dan kelemahan statistika non parametrik

Karena perhitungan – perhitungan yang dibutuhkan untuk kebanyakan prosedur non

parametrik cepat dan sederhana, prosedur-prosedur ini kadang-kadang digunakan untuk

kasus-kasus yang lebih tepat bila ditangani dengan prosedur-prosedur parametrik. Cara

seperti ini sering menyebabkan pemborosan informasi. Kendatipun prosedur non parametrik

terkena prinsip perhitungannya yang sederhana, pekerjaan hitung menghitung sendiri acap

kali membutuhkan banyak tenaga serta menjemukan.

1.6 Syarat-syarat pengujian statistika non parametrik :

1.  Data nominal ( ada/tidak, mati/hidup, sembuh/sakit, dll )

2.  Data ordinal ( agak sakit/sakit/sembuh, sangat setuju/setuju/tidak setuju,dll

 

1.7 Pembagian dalam pengujian statistika non parametrik

 

1. Pengujian Data Tidak Berpasangan / Bebas

Uji Khi-Kuadrat

syarat no.1

Uji Wilcoxon Tidak Berpasangan

syarat no.2

perlakuan = 2

Uji Mann-Whitney

idem dengan uji wilcoxon tidak berpasangan

Uji Kruskall-Wallis

syarat no.2

RAL

 

7

2. Pengujian Data Berpasangan

Uji Tanda

syarat no.1

perlakuan = 2

Uji Cochran

syarat no.1

perlakuan lebih dari 2

RAK

Uji Wilcoxon Berpasangan

syarat no.2

perlakuan = 2

Uji Friedman

syarat no.2

perlakuan lebih dari 2

RAK

8

BAB 2

PERMASALAHAN dan PEMBAHASAN

2.1 CONTOH 1

2.1.1 Penerapan dalam Bidang Pertanian

SUMBER :

Data yang tersaji dan yang dianalisis dalam tugas ini diambil dari tugas akhir dengan

judul Dampak Sekolah Lapang Pengendalian Hama Terpadu (SLPHT) Jeruk dalam

Pengembangan Agribisnis pada Petani Jeruk terhadap Perilaku dan Pendapatan

(Kasus di dusun Krajan, Desa Selorejo, Kecamatan Dau, Kabupaten Malang), oleh Dewi

Suli Arroh, Fakultas Pertanian Jurusan Sosial Ekonomi, 2006.

TUJUAN :

Berikut adalah tujuan Tugas Akhir ini dibuat :

1. Untuk mendeskripsikan pelaksanaan SLPHT jeruk dalam pengembangan

agribisnis pada petani jeruk di Desa Selorejo, Kecamatan Dau, Kabupaten

Malang.

2. Menganalisis perbedaan perilaku dan pendapatan pada petani jeruk di Desa

Selorejo, Kecamatan Dau, Kabupaten Malang untuk petani peserta SLPHT

dan petani non peserta sekolah.

3. Mendeskripsikan dampak perilaku dan pendapatan pada petani jeruk di Desa

Selorejo, Kecamatan Dau, Kabupaten Malang untuk petani peserta dan petani

non peserta SLPHT.

DATA :

Table skor pengetahuan peserta dan non peserta SLPHT (diperoleh dari penilaian jawaban kuisioner)

9

10

skor peserta rank skor non peserta rank

69 42.5 57 31.5

47 22 45 16

47 22 37 1

67 40 43 9

43 9 57 31.5

61 36.5 59 34

45 16 43 9

55 29.5 41 4.5

67 40 59 34

47 22 43 9

59 34 45 16

45 16 41 4.5

55 29.5 51 26

71 44 39 2

47 22 43 9

45 16 63 38

53 27.5 41 4.5

69 42.5 45 16

49 25 43 9

47 22 61 36.5

45 16 43 9

67 40 53 27.5

R1 = 614 R2 = 377.5

DASAR TEORI :

Untuk menganalisis data diatas penulis tugas akhir menggunakan Uji U

Mann-Whitney, yaitu uji yang membandingkan 2 kelompok yang tersebar kelanjutan.

Hipotesis nol-nya diujikan dari dua sample secara bebas yang ditarik dari populasi yang

mempunyai mean sama. Ujinya tersebut dapat dengan 1 ujung maupun 2 ujung. Namun

kita juga bisa memakai Uji Mann-Whitney yang lebih sederhana, dengan data yang

diperoleh bersifat non parametric kontinu dengan skala pengukuran yang sekurang-

kurangnya ordinal, dan fungsi kedua lokasi berbeda dalam hal lokasi.

PEMBAHASAN :

Uji U Mann-WhitneyHo : Dampak SLPHT jeruk tidak berbeda antara petani peserta dan bukan peserta

Hi : Dampak SLPHT jeruk berbeda antara petani peserta dan bukan peserta

Statistik Uji :

α = 0.05

Ket : n1 : jumlah data sample 1

n2 : jumlah data sample 2

Ri : total skor yang terendah diantara 2 sample

U = 22 x 22 + - 377,5

= 484 + 253 -377.5

= 359.5

11

Z = = = 2.76

Keputusan : Z table (1.64) ≤ 2.76 , P_value = 0.0029 < α (0.05), maka tolak Ho

Uji Mann-Whitney Ho : Dampak SLPHT jeruk tidak berbeda antara petani peserta dan bukan peserta

Hi : Dampak SLPHT jeruk berbeda antara petani peserta dan bukan peserta

Statistik Uji:

α = 0.05

Ket : S : total skor yang tertinggi diantara 2 sample

n1 : jumlah data sample 1

n2 : jumlah data sample 2

Wα/2 didapat dari table

Berikut adalah hasil output analisis menggunakan Minitab :

Mann-Whitney Test and CI: x1, x2

x1 N = 22 Median = 51.00

x2 N = 22 Median = 44.00

Point estimate for ETA1-ETA2 is 6.00

95.0 Percent CI for ETA1-ETA2 is (2.00,12.00)

W = 614.0

Test of ETA1 = ETA2 vs ETA1 not = ETA2 is significant at 0.0054

The test is significant at 0.0052 (adjusted for ties)

Keputusan : dari output tersebut kita dapatkan P-value sebesar 0.0054 yang berarti < α

(0.05), dengan demikian tolak Ho

12

KESIMPULAN :

Secara umum dari dua pengujian diatas didapatkan keputusan yang sama yaitu tolak

Ho. Dengan demikian dapat disimpulkan bahwa dampak SLPHT jeruk dalam

pengembangan agribisnis mengenai pengetahuan jeruk berbeda antara petani peserta

dengan petani bukan peserta. Jadi, kita bisa menggunakan uji non parametric untuk

menganalisis data pada kasus ini.

CONTOH 2

2.2.1 Penerapan dalam Bidang Kedokteran

Krisis moneter yang terjadi pada pertengahan tahun 1997 yang berimbas pada

krisis ekonomi yang berkepanjangan menimbulkan daya beli masyarakat menurun,

sehingga gizi pun tidak terlalu diperhatikan. Penelitian bertujuan untuk mengetahui

faktor-faktor yang berhubungan dengan kekurangan energi protein pada BALITA telah

dilakukan penelitian lapangan dengan metode survei atau wawancara terhadap 99

responden ibu-ibu pada periode Juli – Agustus 2006 di PUSKESMAS Karang Tengah

Kabupaten Cianjur, Jawa Barat

1. Faktor predisposisi terdiri dari :

a. Tingkat pendidikan ibu, mulai dari tidak pernah sekolah hingga tamat SLTA

(X1).

b. Pengetahuan ibu terhadap bahan makanan berprotein dan ciri-ciri kekurangan

protein pada balita (X2)

c. Perilaku ibu yaitu tindakan ibu terhadap perubahan fisik pada balita baik dari

segi pertumbuhan maupun kesehatan (X3)

2. Faktor pendukung yaitu mengenai pengetahuan tentang penyakit infeksi (X4),

3. Faktor penguat yang terdiri dari parameter :

a. Pendapatan keluarga per bulan (X5)

b. Jumlah anggota keluarga (X6)

PEMBAHASAN

13

Hipotesis:

H0 : pi = p2 vs

H1 : pi ≠ p2

Untuk pengujian hipotesis digunakan distribusi khi kuadrat dengan derajat

kebebasan sama dengan satu (df=1) perlu adanya koreksi kontinuitas (continuity

correction) dengan nama koreksi Yate seperti tertera di bawah ini :

ANALISIS DATA

Penyelesaian analisa data dilakukan dengan mengaplikasikan crosstab analysis

(uji ketergantungan) atau tabel silang dengan uji khi kuadrat (X2 ) sebagai uji

statistik guna mengetahui Ho diterima atau ditolak, dengan mempergunakan

perangkat lunak SPSS ver. 11.5 for Windows. Hasilnya dapat diuraikan sebagai

berikut :

1. Pendidikan (X1) * Kekurangan Energi Protein (KEP) yaitu :

14

2. Pengetahuan (X2) * Kekurangan Energi Protein (KEP) yaitu

3. Perilaku Ibu (X3) * Kekurangan Energi Protein (KEP) yaitu :

15

4. Penyakit Infeksi (X 4) * Kekurangan Energi Protein (KEP) yaitu :

5. Pendapatan Keluarga (X5) * Kekurangan Energi Protein (KEP) yaitu :

16

6. Jumlah Anggota Keluarga (X6) * Kekurangan Energi Protein (KEP) yaitu

Hubungan antara pendidikan, pengetahuan, penyakit infeksi, perilaku ibu, tingkat

pendapatan dan jumlah anggota keluarga merupakan faktor-faktor yang

mempengaruhi terhadap kekurangan energi protein pada Balita, di mana hubungan

antara :

1. Pendidikan (X1) dan Kekurangan energi protein (KEP) sebagai peubah Y ,

diperoleh X2 = 8,55

2. Pengetahuan (X2) dan Kekurangan energi protein (KEP) sebagai peubah Y ,

diperoleh X2 = 49,1

3. Perilaku ibu (X3) dan Kekurangan energi protein (KEP) sebagai peubah Y ,

diperoleh X2 = 35,24

4. Penyakit infeksi (X4) dan Kekurangan energi protein (KEP)sebagai peubah Y ,

diperoleh X2 = 23,44

17

5. Pendapatan keluarga (X5) dan Kekurangan energi protein (KEP) sebagai peubah

Y , diperoleh X2 = 22,31

6. Jumlah anggota keluarga (X6) dan Kekurangan energi protein (KEP) sebagai

peubah Y , diperoleh X 2 = 70,71

Dari hasil pengujian diatas ternyata nilai X2 dari perhitungan untuk batas 1

sampai dengan 6 diisyaratkan Ho ditolak, pada tingkat konfiden interval 95% (a=5%).

Sebagai gambaran, berdasarkan hasil analisa data salah satu faktor yaitu hubungan

antara pendidikan dan kekurangan energi protein diperoleh hasil X2 sebesar 8,55

pada tingkat konfiden interval 95% (a=5%) menunjukkan berbeda nyata (P<0.05).

Berdasarkan probabilitas dimana pada kolom asymptotic Significan sebesar 0.003,

atau probabilitas lebih kecil dari 0.05 (0.003 < 0.05). Dengan demikian uji kuadrat

(X2 ) dapat diaplikasikan antara dua peubah yaitu peubah bebas (X) dan peubah tidak

bebas (Y).

KESIMPULAN

Dari hasil khi kuadrat (X2 ) menunjukkan bahwa kekurangan energi protein pada anak

Balita amat dipengaruhi oleh tingkat pendidikan yang rendah, kurangnya pengetahuan

tentang sumber bahan makanan, perilaku ibu dalam bertindak atas perubahan fisik

dan kesehatan anak. Disamping itu, cara mengolah makanan dan pengetahuan tentang

penyakit infeksi dan tindakan yang harus dilakukan, serta rendahnya pendapatan

keluarga yang diperoleh untuk kebutuhan hidup, menjad penyebab kekurangan energi

protein pada anak balita. Pendekatan uji statistik sangat penting ketepatannya untuk

mengetahui faktor-faktor yang berhubungan dengan kekurangan energi protein pada

Balita. Pada data bersifat kualitatif, metoda crosstab analysis dan uji khi kuadrat (X2)

dapat diaplikasikan dan dapat dijadikan rekomendasi didalam membuat kebijakan.

18

2.3 CONTOH 3

2.3.1 Penerapan dalam Bidang Kedokteran Hewan

Pengaruh pemberian ekstrak daun api-api (Avicennia marina) terhadap resorpsi

embrio, berat badan dan panjang badan janin mencit (Mus musculus). Penelitian ini

bertujuan untuk menghindarkan terulangnya bencana thalidomide, dengan memberikan

tingkatan dosis ekstrak daun api-api (Avicennia marina) yang diuji cobakan pada hewan

coba mencit (Mus musculus) untuk mengetahui pengaruhnya terhadap resorpsi embrio,

berat badan dan panjang badan janin mencit. Manfaat yang dicapai bagi dunia peternakan

dan kedokteran hewan adalah untuk menghindarkan kerugian akibat penurunan

reproduksi hewan ternak. Bagi masyarakat, bahaya kecacatan janin akibat mengkonsumsi

obat-obatan tradisional selama kehamilan dapat dihindarkan. Data resorpsi embrio

diperoleh dengan membandingkan embrio yang teresorpsi dengan jumlah embrio

keseluruhan. Resorpsi embrio dilihat dari pembesaran korpus luteum atau adanya sisa

yang berwarna merah kehitaman atau kekuningan pada uterusnya sehingga embrio

dihitung sebagai unit percobaan

Analisis data non-parametrik menggunakan metode Kruskal-Wallis dengan SPSS

menunjukkan bahwa pemberian tingkatan dosis ekstrak daun api-api (Avicenniamarina)

per oral mempunyai taraf signifikasi lebih dari 0,05 (P>0,05) sehingga dapat dinyatakan

bahwa terdapat perbedaan yang tidak bermakna terhadap resorpsi embrio mencit.

Hasil penelitian membuktikan perbedaan yang tidak bermakna diantara dosis

perlakuan terhadap jumlah resorpsi embrio mencit. Hal ini kemungkinan disebabkan oleh

keadaan mencit yang kurang sehat yang tidak diketahui dengan pasti, karena penilaian

19

kesehatan hanya didasarkan pada penurunan berat badan dan aktifitas mencit. Penyakit-

penyakit infeksi, gangguan metabolik, keadaan genetis mencit dan keadaan uterus yang

kurang baik juga dapat meningkatkan jumlah resorpsi embrio.

Berdasarkan hasil penelitian ini maka adanya pendapat bahwa pemberian tingkatan dosis

ekstrak daun api-api (Avicennia marina) dapat meningkatkan resorpsi embrio mencit

ditolak. Data berat badan janin diperoleh dari penimbangan pada saat janin dalam keadaan

segar dan bebas dari selaput embrional. Dari hasil penimbangan terhadap berat badan janin

diperoleh data yang disajikan pada Tabel 2

Dari Tabel 2 setelah dianalisis dengan menggunakan uji statistik non-parametrik Kruskal-

Wallis dengan SPSS diperoleh taraf signifikasi lebih dari 0,05 (P>0,05) sehingga dapat

dinyatakan bahwa terdapat perbedaan yang tidak bermakna antara pembrian tingkatan dosis

ekstrak daun api-api (Avicennia marina) per oral terhadap berat badan janin mencit.

20

BAB III

KESIMPULAN

1. Statistika non parametrik memiliki kriteria dan metode syarat-syarat yang berbeda dengan statistika parametrik.

2. Statistika non parametrik lebih baik digunakan pada saat tidak tersedia alat hitung yang tinggi karena pengerjaannya lebih sederhana daripada statistika parametrik.

3. Resiko pada statistika non parametrik adalah kurang tepatnya penghitungan dibandingkan dengan statistika parametrik.

4. Statistika nonparametrik dapat digunakan dalam bidang-bidang seperti pertanian, kedokteran, kedokteran hewan, peternakan dan masih banyak lagi bidang lainnya.

21

DAFTAR PUSTAKA

Arroh, Dewi Suli.2006. Dampak Sekolah Lapang Pengendalian Hama Terpadu

(SLPHT) Jeruk dalam Pengembangan Agribisnis pada Petani Jeruk

terhadap Perilaku dan Pendapatan.Fakultas Pertanian Universitas

Brawijaya.Malang.

Daniel, Wayne.2000, Applied Statistical Non Parametric. John Wiley & Son.New

York

Dwi Wijayanti. Erni. 2008. Pengaruh Pemberian Ekstrak Daun Api-Api (Avicennia

Marina) Terhadap Resorpsi Embrio, Berat Badan Dan Panjang Badan

Janin Mencit (Mus Musculus). Fakultas Kedokteran Hewan Universitas

Airlangga. Surabaya

Iriawan, Nur, Ph.D.2006, Mengolah Data Statistik dengan Mudah Menggunakan

Minitab 14. Penerbit Andi. Yogyakarta.

Yusnandar,M.E. 2005. Pemanfaatan Analisis Non Parametrik Satu Arah (One Way

Non Parametric) terhadap Hasil Penelitian Percobaan. Prosiding Temu

Teknis Nasional Tenaga Fungsional Pertanian 2005. Pusat Penelitian dan

Pengembangan Peternakan.

22