Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya September 2017, Samarinda, Indonesia ISBN:

Transkripsi

1 Prosdng Semnar Nasonal Matematka, Statstka, dan Aplkasnya 7 3 September 7, Samarnda, Indonesa ISBN: Pemodelan Geographcally Weghted Regresson (GWR) Dengan Fungs Kernel Adaptve Gaussan Untuk Data Persentase Kejadan Dare d Provns Kaltm dan Kaltara Tahun 5 Muhammad Septyadh,*, Mem Nor Hayat, Wasono Laboratorum Statstka Terapan, Jurusan Matematka, FMIPA, Unverstas Mulawarman Program Stud Statstka, Jurusan Matematka, FMIPA, Unverstas Mulawarman Emal korespondens: Septyadh_5@yahoo.co.d Abstracts Darrhea s defned as the change n feces consstency and change n frequency of defecate. Darrhea can also be defned when defecated for three tmes or more and watery defecate but not bleed wthn 4 hours. Accordng to the Provncal Health Offce of East Borneo In 4, darrhea s stll one publc health problem wth hgh enough ncdence rates that, 8.93 cases. The purpose of ths study s to models the ncdence of darrhea n every dstrct / cty of east borneo and north borneo whch related to the factors that cause t. Each dstrct / cty have dfferent characterstcs, so t ndcates that there are sgnfcant spatal (regon) to observed data that spatal heterogenety that causes the parameters vary n each regon of observaton. Therefore, methods that use are consdered better suted to the problem, namely, Geographcally Weghted Regresson (GWR) wth adaptve Gaussan Kernel weghtng functon. GWR model s a development of the global regresson model to address the problem of spatal heterogenety. GWR models were estmated by the method of Weghted Least Square (WLS) or gvng weghtng functon. There are varous weghtng functons, such as adaptve Gaussan Kernel where the functon s nfluenced by a balance control (bandwdth) whch dfferent n each regons. The result showed that the only factors n the percentage of households have a range of pump / well / sprng to the contaner feces < m, whle, the percentage of tolet used (tolet latrne), the percentage of households usng ecreta dsposal ste at the pool / feld / stream, and the number of medcal personnel that do not sgnfcantly affect the percentage ncdence of darrhea. Meanwhle, the percentage of drnkng water from unprotected wells, the percentage of households that do not have lavatory and the number of health centers sgnfcantly affect the percentage ncdence of darrhea n the dstrct / cty n East Borneo and North Borneo n 5. Keywords: adaptve gaussan kernel, bandwdth, darrhea, GWR models, WLS methods Pendahuluan Hukum Tobler I dgunakan sebaga plar kajan analss data statstk spasal. Statstk spasal merupakan segala teknk yang dgunakan untuk menganalss data-data spasal. Data spasal merupakan suatu data yang mengacu pada poss, obyek dan hubungan dantaranya dalam ruang bum. Statstk spasal basanya terkat dengan unsur geografs yang haslnya sangat tergantung pada wlayah objek, yang d dalamnya dapat pula mencakup data-data tentang lngkungan, kesehatan, sosal, ekonom, maupun geolog. Model regres global yang umum dgunakan akan relable untuk semua pengamatan jka tdak terjad heterogentas spasal. Heterogentas spasal merupakan salah satu efek spasal yang dtunjukkan oleh adanya perbedaan karakterstk data antar ttk wlayah pengamatan dan terjad pada wlayahwlayah yang berbeda-beda pula (Anseln, 998). Model regres global danggap mengandung heterogentas spasal ketka salah satu asums dasar nya tdak terpenuh yatu heteroskedaststas, dmana dalam model regres terjad ketdaksamaan varan dar error satu pengamatan ke pengamatan lan. Salah satu dampak yang dtmbulkan karena munculnya heterogentas spasal adalah parameter regres yang destmas dapat bervaras pada tap-tap wlayah peneltan. Suatu metode yang merupakan pengembangan dar regres gobal bertujuan untuk menganalss data apabla terjad heterogentas spasal yakn Geographcally Weghted Regresson (GWR). Metode GWR merupakan salah satu metode yang dapat dgunakan untuk membentuk analss regres namun bersfat lokal untuk setap wlayah pengamatan satu dengan wlayah pengamatan yang lan. Pada regres global dasumskan bahwa nla estmas parameter regres akan konstan, artnya parameter regres sama untuk setap ttk d wlayah yang damat. Namun, pada GWR parameter regres dasumskan bervaras secara spasal. Melalu GWR akan dapat dketahu varas spasal dalam nla estmas parameter, sehngga akan dhaslkan nla parameter untuk setap ttk atau wlayah 67

2 Prosdng Semnar Nasonal Matematka, Statstka, dan Aplkasnya 7 3 September 7, Samarnda, Indonesa ISBN: d mana data tersebut damat. Bla terjad heterogentas spasal maka regres global kurang mampu menjelaskan fenomena data yang sebenarnya (Fotherngham et. al, ). Dalam peneltan n analss Geographcally Weghted Regresson (GWR) dgunakan untuk mengetahu model GWR dengan fungs pembobot kernel Adaptve Gaussan dar data persentase kejadan dare per kabupaten/ kota d Provns Kalmantan Tmur dan Kalmantan Utara tahun 5 serta faktor-faktor apa saja yang mempengaruhnya. Tnjauan Pustaka Model Geographcally Weghted Regresson (GWR) Model GWR adalah model regres yang pertama kal dperkenalkan oleh Fotherngham pada tahun 967 yang merupakan salah satu pengembangan model regres OLS dengan mempertmbangkan spasal atau lokas [6]. Model GWR merupakan pengembangan dar model regres global dmana setap parameter dhtung pada setap lokas pengamatan, sehngga lokas pengamatan mempunya nla parameter regres yang berbeda-beda. p y β (u,v) βk k (u,v) ε ;,,...,n () k Dar persamaan jka dubah ke dalam bentuk matrks menjad : y Xβ u, v ) ε () ( y p β (u, v ) ε y, y p X β (u, v ) β(u,v ) ε dan ε y n n n np β p (u, v ) ε n (u,v) adalah ttk koordnat longtude dan lattude lokas ke I, βk (u,v ) adalah koefsen regres untuk setap lokas (u,v). Estmas parameter model dtunjukkan pada persamaan. ˆ T T βu, v X Wu, v X X W u, v y (3) Matrks pembobot merupakan matrks dagonal yang menunjukkan pembobot yang bervaras dar setap estmas parameter pada lokas ke-. salah satu pembobot yang terbentuk dar fungs kernel adalah Adaptve Gaussan. d j w j (u, v ) ep- b (4) d (u u ) (v v adalah jarak Eucldean j j j) antara lokas (u,v) dan lokas (uj,vj) dan b adalah parameter non negatve yang basa dsebut bandwdth yang dperoleh dar CV mnmum. n CV(b) (y ŷ (b)) (5) Pengujan Resdual Berdstrbus Normal Uj normaltas resdual adalah untuk melhat apakah nla resdual berdstrbus normal atau tdak. Jka asums kenormalan tdak terpenuh, estmas OLS tdak dapat dgunakan. Adapun uj yang dgunakan yatu Kolmogorov-Smrnov dengan hpotess [8] Hpotess H: Resdual berdstrbus normal H: Resdual tdak berdstrbus normal Statstk uj D maks Fn ( ) F ( ) (6) Daerah penolakan Menolak H jka D > D(α,n) Non Multkolnertas Antar Varabel Independen Multkolnertas berart adanya hubungan lner yang sempurna atau past dantara semua varabel ndependen dar model regres. Ada beberapa metode untuk mendeteks multkolnertas, dantaranya adalah nla Varance Inflaton Factor (VIF) dengan rumus [5]: VIFk (7) ( R ) dmana R k k adalah nla koefsen determnas varabel ke k. Jka nla VIFk <, maka mengndkaskan tdak terjadnya multkolnertas antar varabel ndependen. Pengujan Heterogentas Spasal Heterogentas spasal merupakan suatu keadaan dmana terdapat data spasal yang mungkn bervaras dan merujuk pada adanya keberagaman dalam hubungan secara kewlayahan. Heterogentas spasal pada data dapat dketahu dengan melakukan uj Breusch Pagan (Breusch Pagan Test) dengan prosedur hpotess []: Hpotess H: σ σ... σ, (tdak terdapat n σ heterogentas spasal) H: Mnmal ada satu σ (terdapat heterogentas spasal) Statstk Uj T T T BPhtung f Z(Z Z) Z f σ, =,,,n, ~ (8) χ ( ;k) Daerah Krts Tolak jka BPhtung > atau p-value < α dmana elemen vektor f adalah ε f dan σ Z merupakan matrks berukuran n(p+) yang 68

3 Prosdng Semnar Nasonal Matematka, Statstka, dan Aplkasnya 7 3 September 7, Samarnda, Indonesa ISBN: bers vektor yang sudah d normal standarkan (Z) untuk setap pengamatan. Metodolog Peneltan n dlakukan dar bulan Aprl 6 sampa dengan Januar 7 dan pengamblan data bertempat d Badan Pusat Statstk Provns Kalmantan Tmur, kemudan dlakukan pengolahan dan analss d d Laboratorum Statstka Terapan Fakultas Matematka dan Ilmu Pengetahuan Alam Unverstas Mulawarman, Samarnda. Rancangan peneltan n adalah peneltan non ekspermen, karena data yang dgunakan bukan pengamatan secara langsung (data sekunder). Tahapan peneltan melput; analss data statstka deskrptf, deteks multkolnertas, uj heterogentas spasal, menentukan jarak longtude dan lattude serta menghtung jarak eucldean dan bandwdth optmum berdasarkan nla CV, kemudan dlakukan pemodelan GWR. Pemodelan GWR melput; menentukan nla pembobot (weghted), estmas parameter model, uj sgnfkans parameter model, uj asums resdual normal model, dan nterpretas model GWR. Hasl dan Pembahasan Data yang dgunakan dalam peneltan n merupakan data persentase kejadan penyakt dare dar tap Kabupaten/ Kota d Provns Kalmantan Tmur dan Kalmantan Utara tahun 5. Terdr dar varabel dependen (Y) dan 7 varabel ndependen (X) beserta letak koordnat (longtude dan lattude) untuk masng-masng wlayah. Varabel dependen yang dgunakan dalam peneltan n adalah persentase kejadan penyakt dare (Y) dan varabel ndependen nya yatu persentase rumah tangga yang menggunakan sumber ar mnum dar sumur tak terlndung (X), persentase rumah tangga memlk jarak pompa/ sumur/ mata ar ke penampung tnja < m (X), persentase rumah tangga yang tdak mempunya fasltas BAB (X3), persentase rumah tangga yang menggunakan kloset cemplung (X4), persentase rumah tangga yang menggunakan tempat pembuangan tnja d kolam/ sawah/ sunga (X5), jumlah puskesmas (6), jumlah tenaga meds (7). Analss Statstk Deskrptf Tabel. Deskrptf Data Varabel N Mean Mnmum Maksmum Y 5,33,5 6,76 X 5 3,35 3,7 X 5, 4,5 Varabel N Mean Mnmum Maksmum X3 5 5,53 8,8 X4 5 7,34,3 7,99 X5 5, 3,5 6,9 X6 5 5,6 4 3 X7 5 96, 4 Berdasarkan Tabel, dapat dlhat bahwa rata-rata untuk persentase kejadan dare (Y) d Provns Kalmantan Tmur dan Kalmantan Utara Tahun 5 adalah,33%, hal n berart persentase rumah tangga yang terjangkt dare d setap Kabupaten/ Kota d Kalmantan Tmur dan Kalmantan Utara umumnya berada dalam ksaran %. Untuk penderta dengan persentase kejadan dare maksmum yatu terdapat pada Kabupaten Penajam Paser Utara dengan persentase sebesar 6,76% dan mnmum terdapat pada Kabupaten Kuta Kartanegara dengan persentase sebesar,5%. Asums Non Multkolnertas Antar Varabel Independen Tabel. Nla VIF Varabel Nla VIF X,837 X, X3,344 X4 4,67 X5 3,56 X6,6 X7,8 Berdasarkan nla Varance Inflaton Factor (VIF) pada Tabel, dapat dlhat untuk seluruh varabel X nla VIF < yang menunjukkan bahwa tdak terjad multkolnertas antar varabel ndependen. Uj Heterogentas Spasal Tabel 3. Uj Heterogentas Spasal Pengujan BPhtung P-value Breusch Pagan 3,44,63 Berdasarkan Tabel 3, dlakukan pengujan heterogentas spasal dengan menggunakan uj Breusch Pagan. Hpotess H : H : σ σ... σ,(tdak terdapat 5 σ heterogentas spasal) Mnmal ada satu σ σ, =,,,5 (terdapat heterogentas spasal) Taraf Sgnfkans 69

4 Prosdng Semnar Nasonal Matematka, Statstka, dan Aplkasnya 7 3 September 7, Samarnda, Indonesa ISBN: α = % =, Daerah Krts H dtolak apabla nla BPhtung > χ (,;7) atau nla (p-value) < α =, Keputusan Dapat dlhat pada Tabel 3, menunjukkan χ (,;7) bahwa nla BPhtung (3,44)> (,76) dan nla pvalue (,63)< α (,) maka dputuskan tolak H Kesmpulan Dapat dsmpulkan bahwa terdapat heterogentas spasal Model GWR dengan Pembobot Kernel Adaptve Gaussan Terjadnya kasus heterogentas spasal pada data persentase kejadan dare d Provns Kalmantan Tmur dan Kalmantan Utara mengndkaskan bahwa parameter model kurang tepat jka menggunakan model regres dengan metode OLS. Oleh karena tu model GWR dengan metode WLS dgunakan sebaga alternatf dalam menyelesakan kasus n. Langkah pertama dalam pemodelan GWR adalah menentukan lokas pengamatan dalam hal n adalah letak geografs tap Kabupaten/ Kota d Provns Kalmantan Tmur dan Kalmantan Utara (longtude dan lattude). Kemudan mencar bandwdth optmum dengan metode Cross Valdaton. Nla bandwdth dtentukan dengan beberapa kal teras menggunakan program R hngga dperoleh nla bandwdth yang optmum sepert pada Tabel 4 karena dalam peneltan n menggunakan fungs pembobot adaptve gaussan, maka nla bandwdth yang dhaslkan akan berbeda-beda untuk tap wlayah yang damat. Tabel 4. Nla Bandwdth Kabupaten/Kota Kabupaten/ kota Bandwdth Paser,5465 Kuta Barat,85 Kuta Kartanegara,679 Kuta Tmur,7733 Berau,84479 Malnau,993 Bulungan,3366 Nunukan,6434 Penajam Paser Utara,97659 Tana Tdung,7358 Mahakam ulu,35585 Balkpapan,48 Samarnda,95 Tarakan,89534 Bontang,87399 Nla bandwdth optmum pada setap Kabupaten/ Kota dengan fungs Kernel adaptve Gaussan berksar antara, sampa,73. Setelah mendapatkan nla bandwdth optmum pada Tabel 4 maka langkah selanjutnya adalah membentuk matrks pembobot. Dambl contoh matrks pembobot yang terbentuk untuk Kabupaten Paser: W( u, v) dag,56,7766,9 Estmas Parameter Model GWR dengan Pembobot Adaptve Kernel Gaussan Tabel 5. Nla Estmas Parameter Varabel Mnmum Maksmum Konstanta 3,49 9,96 X,598,5 X -,46,687 X3 -,865,6 X4 -,8688,38 X5 -,369,66 X6 -,95 -,858 X7 -,99,67 Pengujan Sgnfkans Parameter Model GWR Pengujan n dlakukan untuk mengetahu parameter apa saja yang berpengaruh nyata terhadap persentase kejadan dare d Provns Kalmantan Tmur dan Kalmantan Utara. Dalam pengujan n terdapat 3 kal proses pengujan sgnfkans parameter, dkarenakan ada beberapa varabel yang tdak berpengaruh terhadap persentase kejadan dare d tap Kabupaten/ Kota d Provns Kalmantan Tmur dan Kalmantan Utara yatu X (untuk pengujan pertama) dan X4, X5, dan X7 (untuk pengujan kedua). Maka langkah untuk mendapatkan model terbak adalah dengan melakukan pengujan kembal dengan mengeluarkan varabel yang tdak berpengaruh tersebut, dmula dengan tahapan mengeluarkan varabel X, kemudan X4, X5, dan X7 (secara bersamaan) Selanjutnya dapat dlhat melalu prosedur pengujan dengan varabel yang terssa yatu X, X3, dan X6: Hpotess : βk (u,v), varabel ndependen ke k tdak berpengaruh terhadap varabel dependen : βk (u,v ), k= k=,3,6 varabel ndependen k berpengaruh terhadap varabel dependen Taraf Sgnfkans α % =, 7

5 Prosdng Semnar Nasonal Matematka, Statstka, dan Aplkasnya 7 3 September 7, Samarnda, Indonesa ISBN: Daerah Penolakan Tolak H jka nla t t htung, ( ;,6) Keputusan Berdasarkan perhtungan dengan persamaan () menunjukkan bahwa setap Kabupaten/ Kota d Provns Kalmantan Tmur dan Kalmantan Utara mempunya varabelvarabel yang berpengaruh terhadap persentase kejadan dare berbeda dengan Kabupaten/ Kota lannya, karena nla t > t, ( ;,6) maka dputuskan tolak H Kesmpulan Dapat dsmpulkan bahwa parameter yang sgnfkan untuk tap Kabupaten/ Kota adalah X, X3, dan X6 Dar semua hasl pengujan parameter dperoleh bahwa terdapat tga varabel yang berpengaruh secara sgnfkan d semua wlayah Kabupaten/ Kota, yang dsajkan pada Tabel 7. Tabel 6. Parameter yang Sgnfkan dalam Model GWR per Kabupaten/ Kota Kabupaten/ kota Paser, Kuta Barat, Kuta Kartanegara, Berau, Tana Tdung, Mahakam ulu, Balkpapan, Samarnda, Tarakan, Bontang Kuta Tmur, Malnau, Bulungan Nunukan, Penajam Paser Utara Varabel Sgnfkan Persentase sumber ar mnum dar sumur tak terlndung (X) dan jumlah puskesmas (X6) jumlah puskesmas (X6) persentase rumah tangga yang tak mempunya fasltas BAB (X3) dan jumlah puskesmas (X6) Berkut penyebaran varabel ndependen yang berpengaruh, dapat dlhat pada Gambar. Gambar. Peta penyebaran varabel ndependen yang berpengaruh terhadap data persentase kejadan dare Model GWR Berdasarkan Krtera R Tabel 7. Nla R R Model GWR,837 Tabel 7. menunjukkan bahwa model GWR merupakan model yang tepat untuk menggambarkan kejadan dare d Provns Kalmantan Tmur dan Kalmantan Utara pada tahun 5, karena mempunya nla R sebesar,837. Hal n berart bahwa varabelvarabel ndependen (X, X3, dan X6) memberkan hampr semua nformas yang dbutuhkan untuk mempredks varas persentase kejadan dare d Kalmantan Tmur dan Kalmantan Utara yatu sebesar 8,37% sedangkan ssanya 7,63% djelaskan oleh varabel lan yang tdak terdapat dalam model. Uj Resdual Normal Model GWR Berdasarkan perhtungan dengan menggunakan software MINITAB 6 pada lampran dperoleh nla kolmogorov-smrnov sepert pada Tabel 4.5 sebaga berkut : Tabel 8. Uj Kenormalan Resdual Kolmogorov- Smrnov P-value Resdual,5 Hpotess H : Resdual berdstrbus normal H : Resdual tdak berdstrbus normal Taraf Sgnfkans α = % =, Daerah Krts Menolak H apabla P-value < α =, Keputusan Karena nla P-value =,5 > α =, maka dputuskan gagal menolak H Kesmpulan Resdual berdstrbus normal 7

6 Prosdng Semnar Nasonal Matematka, Statstka, dan Aplkasnya 7 3 September 7, Samarnda, Indonesa ISBN: Interpretas Model GWR Berdasarkan pengujan yang telah dlakukan dapat dketahu bahwa terdapat tga varabel yatu X, X3, X6 yang mempengaruh persentase kejadan dare d tap Kabupaten/ Kota d Provns Kalmantan Tmur dan Kalmantan Utara. Namun untuk varabel X3 tdak berpengaruh d keseluruhan wlayah, hanya d dua wlayah saja yatu Kabupaten Nunukan dan Kabupaten Penajam Paser Utara.Oleh karena tu pada model akhr varabel X3 tdak dnterpretaskan. Berkut merupakan contoh model akhr GWR Kota Samarnda: ŷ 3 = 3,59+,98 X-,5 X3-,7X6 Dar model tersebut dapat djelaskan bahwa, jka tdak ada pengaruh dar varabel apapun maka persentase kejadan dare d Kota Samarnda adalah sebesar 3,59%. Jka terjad penngkatan persentase rumah tangga yang menggunakan sumber ar mnum dar sumur tak terlndung sebesar %, maka persentase kejadan dare akan bertambah sebesar,98%. Selanjutnya jka terjad penambahan sebanyak satu puskesmas, maka persentase kejadan dare akan berkurang sebesar,7%. Kesmpulan Kesmpulan dar hasl analss GWR dengan fungs pembobot kernel adaptve Gaussan pada data persentase kejadan dare per Kabupaten/ Koa d Provns Kalmantan Tmur dan Kalmantan Utara adalah sebaga berkut :. Model GWR yang terbentuk dar data persentase kejadan dare per Kabupaten/ Kota d Kalmantan Tmur dan Kalmantan Utara tahun 5 adalah : ŷ βˆ (u, v ) βˆ (u, v ) βˆ (u, v ) βˆ (u, v ) - Paser - Kuta Barat - Kuta Kartanegara - Kuta Tmur - Berau - Malnau - Bulungan - Nunukan Penajam Paser Utara - Tana Tdung = 4,34+,74 X-,9 X3-,34X6 = 4,49+,85 X-,88 X3-,47X6 = 4,6+,56 X-, X3-,4X6 = 5,585+,6 X-,34 X3-,73X6 = 4,8+,64 X-,99 X3-,8X6 = 4,76+,49 X-,34 X3-,46X6 = 4,635+,5 X-,48 X3-,4X6 = 5,886+, X-,83 X3-,88X6 = 5,934+,5 X-,74 X3-,93X6 = 4,77+,79 X-,98 X3-,57X Mahakam Ulu - Balkpapan - Samarnda - Tarakan - Bontang = 3,55+,5 X-,5 X3-,5X6 = 3,33+,9 X-,44 X3-,5X6 = 3,59+,98 X-,5 X3-,7X6 = 3,57+,95 X-,5 X3-,5X6 = 4,34+,63 X-, X3-,3X6. Dengan menggunakan model GWR terbentuk 3 kelompok Kabupaten/ kota yang memlk kesamaan berdasarkan pada varabel yang berpengaruh secara sgnfkan. Sehngga dperoleh faktor-faktor yang mempengaruh persentase kejadan d Kalmantan Tmur dan Kalmantan Utara tahun 5, yatu persentase sumber ar mnum dar sumur tak terlndung (X) dan jumlah puskesmas (X6), persentase rumah tangga yang tak mempunya fasltas BAB (X3) dan jumlah puskesmas (X6), Jumlah puskesmas (X6) Daftar Pustaka [] Anseln, L Spatal Econometrcs: Method and Models, Kluwer Academc Publshers, the Netherlands. [] Departemen Kesehatan RI. 9. Buku Pedoman Pengendalan Penyakt Dare. Drektorat Jenderal Pemberantasan Penyakt Menular dan Penyehatan Lngkungan. Jakarta. [3] Dmulyo, S. 9, Penggunaan Geographcally Weghted Regresson- Krgng untuk Klasfkas desa tertnggal, Prosdng Semnar Nasonal Aplkas Teknolog Informas 9, Yogyakarta, hal. D [4] Fotherngham, A.S., Brunsdon C., dan Charlton, M.E..Geographcally Weghted Regresson: The Analyss of Spatally Varyng Relatonshp. England: John Wley and Sons LTd [5] Gujarat, D. 4. Basc Econometrcs, Fourth Edton. New York: Mc Graw-Hll, Inc. [6] Maulan, Atya. 3.Aplkas Geographcally Weghted Regresson GWR untuk Menentukan Faktor-Faktor yang Mempengaruh Kasus Gz Buruk Anank Balta d Jawa Barat. Tugas Akhr Program Stud S- Jurusan Penddkan Matematka Unverstas Penddkan Indonesa. Bandung. [7] Nuraen.. Faktor-faktor yang Berhubungan dengan Kejadan Dare d Kabupaten Bogor. Skrps Program 7

7 Prosdng Semnar Nasonal Matematka, Statstka, dan Aplkasnya 7 3 September 7, Samarnda, Indonesa ISBN: Sarjana Kesehatan Masyarakat. Unverstas Indonesa. [8] Segel. 99. Statstka Non Parametrk. Grameda. Jakarta. 73