13023-1-632821351826

MODUL 1

STATISTIK INDUSTRI

1. PENDAHULUAN

Tujuan Instruksional Umum

Setelah mempelajari modul ini, mahasiswa diharapkan akan mampu memahami sejarah

perkembangan, pengertian, manfaat dan kegunaan Statistika sebagai Alat Bantu dalam

pemecahan suatu masalah atau penelitian.

SEJARAH PERKEMBANGAN STATISTIK

Statistik merupakan suatu ilmu yang pada mulanya berawal dari suatu upaya

pengumpulan data atau informasi dan upaya penyajiannya menjadi bentuk yang mudah

dimengerti agar bersifat informatif. Contoh tertua terjadi pada zaman “Kaisar Agustus”

yang memerintahkan rakyatnya untuk mendaftarkan semua kekayaan masing-masing,

untuk keperluan pajak guna membiayai perang. Contoh lain terjadi pada saat “William si

Penakluk” memerintahkan pencacahan jiwa dan kekayaan rakyat Inggris untuk tujuan

yang sama.

Pengolahan informasi statistik mempunyai sejarah jauh kebelakang sejak awal

peradaban manusia. Pada awal zaman masehi, bangsa-bangsa banyak mengumpulkan

data statistik untuk mendapatkan informasi deskriptif mengenai banyak hal misalnya

pajak, perang, hasil pertanian dan bahkan pertandingan atletik. Pada masa kini, dengan

berkembangnya teori peluang, kita dapat menggunakan berbagai metode statistik yang

memungkinkan kita meneropong jauh di luar data yang kita kumpulkan dan masuk ke

dalam wilayah pengambilan keputusan melalui generalisasi dan peramalan.

PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. Atep Afia Hidayat MP. STATISTIK 1

PERANAN STATISTIK DALAM INDUSTRI DAN BIDANG LAINNYA

Ilmu Statistik sudah sangat luas peranannya sebagai alat bantu dalam pengolahan dan

penyajian data perusahaan/industri menjadi informasi yang berguna. Pihak manajemen

kemudian juga sering menggunakan informasi tersebut sebagai bahan dasar

pengambilan suatu keputusan atau tindakan. Sebagai contoh: data absen/keterlambatan

karyawan kemudian diolah secara statistik menjadi INFORMASI dan disajikan dalam

tabel yg menarik dan mudah dipahami. Maka ketika informasi tersebut sampai ke pihak

manajemen akan bisa menjadi bahan pertimbangan untuk misalnya: jika tingkat

keterlambatan seorang karyawan A, tinggi bisa dilakukan pemanggilan, dst. Untuk

contoh yg lebih detail adalah sebagai berikut:

- Bidang Produksi:

Alat bantu perencanaan/peramalan produksi, pengendalian produksi, pengendalian kualitas.

Aat bantu perhitungan waktu baku/standard.

dll.

- Bidang Akuntansi:

Mencari hubungan antara volume dengan biaya produksi

Penyesuaian harga terhadap perubahan permintaan

- Bidang Pemasaran:

Meneliti tingkat kepuasan konsumen

Mengetahui efektifitas promosi terhadap penjualan

Mengukur dan meramalkan pangsa pasar

- Bidang Teknik

Meneliti hubungan antara putaran mesin dan konsumsi bahan bakar

Meneliti pengaruh kenaikan temperatur terhadap tekanan boiler

Meneliti hubungan kandungan karbon terhadap tingkat kekerasan logam

Meneliti umur rata-rata komponen kendaraan


METODE STATISTIK

Dalam mempelajari statistika, kita pada dasarnya berkepentingan dengan penyajian dan

penafsiran kejadian yang bersifat peluang yang terjadi dalam suatu penyelidikan

terencana ataupun penelitian ilmiah. Misalnya kita mencatat berapa kali terjadi

kecelakaan perbulan dipersimpangan Pancoran dan Manggarai, untuk mendapatkan

alas an perlunya dipasang lampu lalu lintas ; atau kita mencatat respons berupa “ya”

atau “tidak” dalam suatu pol pendapat; dan lain-lain.

Jadi, statistikawan biasanya bekerja dengan data numeric yang berupa hasil cacahan

ataupun hasil pengukuran atau mungkin dengan data kategorik yang diklasifikasikan

menurut kriteria tertentu. Kita akan menyebut setiap informasi yang tercatat, apakah itu

numeric atau kategorik sebagai pengamatan.

Metode statistik adalah prosedur-prosedur yang digunakan dalam pengumpulan,

penyajian, analisis dan penafsiran data. Kita akan mengelompokkan metode-metode

tersebut ke dalam dua kelompok besar, yaitu statistika deskriptif dan inferensia

statistik.

Statistika Deskriptif adalah metode-metode yang berkaitan dengan

pengumpulan dan penyajian suatu gugus data sehingga memberikan informasi

yang berguna. Patut untuk dipahami bahwa statistika deskriptif memberikan

informasi hanya mengenai data yang dipunyai dan sama sekali tidak menarik

inferensia atau kesimpulan apapun tentang gugus data induknya yang lebih

besar.

Inferensia Statistik adalah semua metode statistik yang berhubungan dengan

analisis sebagian data untuk kemudian sampai pada peramalan atau penarikan

kesimpulan mengenai keseluruhan gugus data induknya. Generalisasi yag

berhubungan dengan inferensia statistik selalu mempunyai sifat tak pasti, karena

kita mendasarkan pada informasi parsial yang diperoleh dari sebagian data.


Populasi dan Sampel (contoh)

Dalam kita mengamati/meneliti sebuah objek maka data pengamatan yang diambil

harus dibedakan apakah mewakili seluruh populasi atau hanya sampel/contoh. Lalu apa

yang dimaksud dengan populasi dan apa pula itu contoh? Populasi adalah keseluruhan

pengamatan yang menjadi perhatian kita, sedangkan sampel adalah himpunan bagian

dari populasi.

Contoh: Jika kita ingin mengetahui tingkat pendapatan penduduk usia produktif

Indonesia, maka populasi dari pengamatan kita adalah ‘seluruh penduduk usia produktif

Indonesia’, sedangkan sampelnya adalah ‘misalkan 100 orang dari Jawa, 100 orang dari

Sumatra, 100 orang dari Bali,..dstnya.

Atau jika kita ingin meneliti kemampuan Bahasa Inggris mahasiswa Kelas Sabtu Minggu

UMB, maka populasinya seluruh mahasiswa klas Sabtu Minggu UMB, sedangkan

sampelnya adalah (misalkan) 50 orang dari Fakultas Teknologi Industri, 50 orang dari

Fakultas Ekonomi, 30 orang dari FIKOM, dstnya.

Jadi baik populasi maupun sampel bisa memiliki ukuran yang kecil, besar bahkan tidak

terbatas, tergantung dari apa yang ingin kita teliti saat itu atau yg menjadi obyek

pengamatan kita.

DATA DAN MANAGING DATA

DATA:

Pengertiannya adalah keterangan mengenai sesuatu / hasil pengamatan/ hasil

pengukuran.

Data adalah bentuk jamak dari datum (single/satu).

Jenis-Jenis data:

1. Data Primer : data yang diperoleh langsung dari sumbernya baik melalui

observasi/pengukuran/pengamatan langsung.


2. Data Sekunder: data yang diperoleh dari pihak ketiga/ data yg telah

dipublikasikan.

Bentuk Data:

1. Data Kuantitatif (data berupa angka-angka/numerical data hasil observasi atau

pengukuran)

2. Data Kualitatif (serangkaian observasi dimana setiap observasi tergolong kepada

salah satu kelas yang eklusif., contoh: pendapat konsumen terhadap suatu

produk adalah: sangat bagus, bagus, biasa, buruk, sangat buruk. Opini

masysrakat terhadap suatu kebijakan.

Cara Pengumpulan Data:

1. Wawancara

2. Angket/kuesioner

3. Observasi/pengamatan

4. Penelitian lab/eksperimen/percobaan

5. Studi literatur

MANAGING DATA

- Tujuan: menyampaikan hasil pengolahan data (informasi) dalam bentuk yang

lebih mudah dipahami

- Bentuk dari penyajian informasi ini adalah dalam bentuk Tabel atau Grafik

Statistik.

Tabel Statistik

Syarat tabel statistik adalah sederhana, singkat dan jelas. Sebuah tabel statistik

biasanya terdiri dari:

Kepala Baris Kepala Kolom

Kolom 1 Kolom 2 Kolom 3

Baris 1 Isi


Baris 2

catatan:

sumber:

Jenis-jenis Tabel:

1. Tabel Referensi/Umum: Tabel yg memberikan keterangan-keterangan yg

terperinci dan disusun khusus untuk keperluan referensi. Contoh: Tabel.1

“Distribusi Lahan Pertanian Di Jawa Barat tahun 2002”

2. Tabel Ikhtisar/Naskah: Tabel yang memberikan keterangan secara sistematis

hasil penelitian. Contoh: Tabel.2 “Kecepatan Leleh Standar Dalam Proses

Pengelasan Sambungan Baja”

Tabel.1 “Distribusi Lahan Pertanian Di Jawa Barat tahun 2002”

Lokasi Lahan Luas Lahan (ha)

Karawang 256.000

Cianjur 350.000

Indramayu 150.000

Tasikmalaya 176.000

Bekasi 35.500

Sumber: Biro Pusat Statistik, Jakarta, 2000

Tabel.2 ‘Kecepatan Leleh Standar Dalam Proses Pengelasan Sambungan Baja

Jenis Sambungan Posisi Pengelasan

Datar/Flat Vertikal

Lurus: 0.70 0.64


- 6 mm

- 25 mm

Pojok:

- 6 mm

- 25 mm

0.56

0.72

0.55

0.55

0.60

0.56

Catatan: satuan dalam cm/detik

Sumber: Dwi Anggun, Pengaruh Kecepatan Leleh terhadap Kekuatan Sambungan Las,

Tugas Akhir, UMB, Jakarta, 2002

Penyajian Grafik

Selain disajikan dalam bentuk Tabel, hasil pengolahan data statistic juga akan lebih

informative jika disajikan dalam bentuk gambar/grafik. Jenis gambar/grafik yang biasa

digunakan adalah:

1. Diagram Balok

2. Histogram

3. Pie Diagram

4. Poligon Frekuensi

5. Frekuensi Kumulatif, dll

Contoh:

1. Diagram Balok


2.Histogram 3 Dimensi


3. Poligon Frekuensi


4. OGIF Frekuensi (Frekuensi Kumulatif)

5. PIE Diagram

LATIHAN SOAL TERJAWAB

1. Jelaskan pentingnya statistika dalam kehidupan sehari-hari, dan siapa saja yang

sering menggunakan statistika?

Jawaban:

Statistika membantu dalam mengambil keputusan yang tepat, alat untuk

mengendalikan kualitas dan memungkinkan untuk mengetahui peluang suatu


kejadian di masa mendatang.

Statistika sering digunakan oleh ekonom, pimpinan perusahaan baik dalam

bidang keuangan, manajemen, akuntansi dan bidang lainnya.

2. Sebutkan contoh riil penggunaan statistika dalam manajemen dan akuntansi?

3. Jelaskan perbedaan statistika deskriptif dan statistika induktif? Berikan contoh

dari kasus sehari-hari yang Anda temui!

Jawab:

a. Statistik deskriptif adalah statistik yang digunakan untuk

menggambarkan atau mengdeskripsikan data menjadi informasi yang

berguna untuk pengambilan keputusan. Contoh statistik deskriptif adalah

pembuatan distribusi frekuensi, diagram, ukuran pemusatan dan

penyebaran.

b. Statistik induktif adalah statistik untuk menganalisis dan

menginterprestasikan data menjadi suatu kesimpulan dari populasi

dengan menggunakan sampel. Contoh teori probabilitas, pengujian

statistik, regresi, dan korelasi dan lain-lain.

4. Jelaskan perbedaan antara populasi dan sampel! Berikan contoh dalam

kehidupan ekonomi, industri dan bisnis yang ada di sekeliling Anda!

Jawab:

Populasi adalah keseluruhan anggota dalam suatu objek, sedang sampel adalah

bagian dari populasi. Contoh tentang hasil produksi sebuah pabrik seluruhnya

adalah populasi, sedangkan produk yang diambil oleh bagian pengendalian mutu

untuk diuji adalah sampel. Contoh lain tentang perusahaan di pasar saham.

Seluruh perusahaan adalah populasi, sedang perusahaan sektor perbankan

adalah sampel. Pada industri mobil, maka seluruh perusahaan adalah populasi,

sedangkan Astra dan Indomobil adalah sampel.


5. Berikut adalah prospek harga saham dari 250 perusahaan yang ada di BEJ

pada tanggal 30 Maret 2007.

Perubahan Harga Saham Jumlah Perusahaan

Naik 130

Turun 50

Tetap 70

a. Jumlah perusahaan tersebut termasuk populasi atau sampel

b. Termasuk dalam kategori skala pengukuran apa kasus tersebut?

Berikan penjelasan.

c. Apabila harga saham naik 5%, disebut dengan apa, angka

tersebut?

d.

Apakah metode statistika ?

Metode statistika adalah metode-metode/prosedur-prosedur untuk pengumpulan,

penyajian , analisis, dan kesimpulan dari data. Metode statistika terbagi dua yaitu :

1.Statistika deskriptif yaitu berkaitan dengan kegiatan pencatatan dan peringkasan hasil-

hasil pengamatan terhadap kejadian-kejadian atau karakteristik-karakteristik manusia,

tempat dan sebagainya, secara kuantitatif

2.Statistika inferensial yaitu metode-metode untuk menganalisis sampel dari populasi

sehingga dapat ditarik kesimpulan tentang populasi dari sampel tersebut.

Populasi dan Sampel

Populasi adalah keseluruhan objek psikologis yang menjadi perhatian.

Populasi bisa populasi yang terhingga (contohnya : jumlah mahasiswa UNPAD) dan


BEBERAPA CATATAN

populasi tak terhingga (contohnya : jumlah mahasiswa UNPAD dari dulu hingga

sekarang dan nantinya).

Sampel adalah himpunan bagian dari populasi.

Parameter dan Statistik

Parameter adalah sembarang nilai yang menjelaskan ciri populasi

Statistik adalah sembarang nilai yang menjelaskan ciri dari sampel

Himpunan data adalah kumpulan dari fakta yang dikumpulkan untuk maksudtertentu.

Data diskrit : data yang diperoleh dari proses hitungan

Data kontinu : data yang diperoleh dari proses pengukuran

Karakteristik dari himpunan data adalah :

Anggota : sekumpulan data terdiri dari sekumpulan dari anggota-anggota untuk masing-

masing anggota informasi tentang satu atau lebih karakteristik yang diinginkan.

Variabel : sebuah karakteristik yang dapat diperoleh dari berbagai kemungkinan hasil

yang berbeda-beda.

Variabel kuantitatif : variabel yang hasilnya berupa angka

Variabel kualitatif : variabel yang hasilnya hanya atribut.

Pengamatan (observasi) : informasi tentang sebuah variabel tunggal untuk sebuah

anggota dari sekumpulan data

Statistika parametrik adalah prosedur yang pengujian yang dilakukan berlandaskan

distribusi. Salah satu karakteristiknya penggunaan prosedur ini melibatkan asumsi-

asumsi tertentu. Contoh dari statistik parametrik adalah analisis regresi, analisis

korelasi, analisis varians.

Statistika non parametrik adalah prosedur dimana kita tidak melibatkan parameter serta

tidak terlibatnya distribusi. Contoh : uji keacakan, uji kecocokan (goodness of fit),dll.

Kelebihan statistika non parametrik

•Asumsi yang digunakan dalam jumlah yang minimum maka kemungkina penggunaan

secara salah juga kecil.

•Untuk beberapa prosedur perhitungan dapat dilakukan dengan mudah secara manual.

•Konsep-konsep dari prosedur ini menggunakan dasar matematika dan statistika yang

mudah dipahami.

•Prosedur ini dapat digunakan pada skala ordinal maupun nominal.


Kelemahan dari prosedur statistika non parametrik

•Jika suatu kasus yang dapat dianalisis dengan statistika parametrik, kemudian

digunakan analisis statistika non parametrik akan menyebabkan pemborosan informasi.

•Meskipun prosedur penghitungannya sederhana, perhitungannya kadang-kadang

membutuhkan banyak tenaga dan menjemukan.

Kapan prosedur non parametrik digunakan ?

•Bila hipotesis yang harus diuji tidak melibatkan suatu parameter populasi.

•Bila skala pengukuran yang disyaratkan dalam statistika parametrik tidak terpenuhi

misalnya skala ordinal dan nominal.

Data dibedakan menurut skala yang digunakan pada saat melakukan pengukuran.

Dengan pengukuran dimaksudkan sebagai upaya memberikan angka numerik terhadap

obyek menurut aturan-aturan tertentu. Aturan yang berbeda akan menghasilkan skala

yang berlainan sehingga akan memberikan jenis pengukuran yang berbeda. Terdapat

empat macam skala pengukuran yang ada yaitu:

SKALA NOMINAL

Skala nominal merupakan skala pengukuran yang paling rendah tingkatannya di antara

ke empat skala pengukuran yang lain. Seperti namanya, skala ini membedakan satu

obyek dengan obyek lainnya berdasarkan lambang yang diberikan. Oleh karena itu data

dalam skala nominal dapat dikelompokkan ke dalam beberapa kategori, dan kepada

kategori tersebut dapat diberikan lambang yang sesuai atau sembarang bilangan.

Bilangan yang diberikan tidak mempunyai arti angka numerik artinya kepada angka-

angka tersebut tidak dapat dilakukan operasi aritmetika, tidak boleh menjumlahkan,

mengurangi, mengalikan, dan membagi. Bilangan yang diberikan hanyalah berfungsi

sebagai lambang yang dimaksudkan hanya untuk membedakan antara data yang satu

dengan data yang lainnya. Contoh : Data mengenai barang-barang yang dihasilkan oleh

sebuah mesin dapat digolongkan dalam kategori cacat atau tidak cacat. Barang yang

cacat bisa diberi angka 0 dan yang tidak cacat diberi angka 1. Data 1 tidaklah berarti

mempunyai arti lebih besar dari 0. Data satu hanyalah menyatakan lambang untuk

barang yang tidak cacat.

Kesimpulan : Bilangan dalam Skala Nominal berfungsi hanya sebagai lambang untuk

membedakan, terhadap bilangan-bilangan tersebut tidak berlaku hukum aritmetika, tidak

boleh menjumlahkan, mengurangi, mengalikan, maupun membagi.


Statistik yang sesuai dengan data berskala Nominal adalah Statistik Nonparametrik.

Contoh perhitungan statistik yang cocok adalah Modus, Frekuensi dan Koefisien

Kontingensi.

SKALA ORDINAL

Skala pengukuran berikutnya adalah skala pengukuran ordinal. Skala pengukuran

ordinal mempunyai tingkat yang lebih tinggi dari skala pengukuran nominal. Dalam skala

ini, terdapat sifat skala nominal, yaitu membedakan data dalam berbagai kelompok

menurut lambang, ditambah dengan sifat lain yaitu, bahwa satu kelompok yang

terbentuk mempunyai pengertian lebih (lebih tinggi, lebih besar,…) dari kelompok

lainnya. Oleh karena itu, dengan skala ordinal data atau obyek memungkinkan untuk

diurutkan atau dirangking.

Contoh : Sistem kepangkatan dalam dunia militer adalah satu contoh dari data berskala

ordinal Pangkat dapat diurutkan atau dirangking dari Prajurit sampai Sersan

berdasarkan jasa, dan lamanya pengabdian. Jika peneliti merangking data lamanya

pengabdian maka peneliti dapat memberikan nilai 1, 2, 3, … , 4 dst masing-masing

terhadap seseorang anggota ABRI yang berpangkat Prajurit, Kopral, Sersan, dst.

Berbeda dengan skala nominal, angka yang diberikan terhadap obyek tidak semata-

mata berlaku sebagai lambang tetapi juga memperlihatkan urutan atau rangking.

Kesimpulan: Pada tingkat pengukuran ordinal, bilangan yang didapat berfungsi sebagai :

1.lambang untuk membedakan

2.untuk mengurutkan peringkat berdasarkan kualitas yang telah ditentukan (> atau < ).

Pada tingkat pengukuran ordinal kita bisa mengatakan lebih baik/lebih buruk, lebih

besar/lebih kecil, tetapi tidak bisa menentukan berapa kali lebih besarnya/lebih

buruknya.

Statistik yang sesuai dengan data berskala Ordinal adalah Statistik Nonparametrik.

Contoh perhitungan statistik yang cocok adalah Median, Persentil, Korelasi Spearman

(rs ), Korelasi Thau-Kendall dan Korelasi Thau-Kendall (W).

SKALA INTERVAL

Skala pengukuran Interval adalah skala yang mempunyai semua sifat yang dipunyai

oleh skala pengukuran nominal, dan ordinal ditambah dengan satu sifat tambahan.

Dalam skala interval, selain data dapat dibedakan antara yang satu dengan yang

lainnya dan dapat dirangking, perbedaan (jarak/interval) antara data yang satu dengan

data yang lainnya dapat diukur. Contoh : Data tentang suhu empat buah benda A, B, C ,


dan D yaitu masing-masing 20. 30, 60, dan 70 derajat Celcius, maka data tersebut

adalah data dengan skala pengukuran interval karena selain dapat dirangking, peneliti

juga akan tahu secara pasti perbedaan antara satu data dengan data lainnya.

Perbedaan data suhu benda pertama dengan benda kedua misalnya, dapat dihitung

sebesar 10 derajat, dst. Namun dalam skala interval, tidak mungkin kita melakukan

perbandingan antara satu data dengan data yang lainnya. Kita tidak dapat mengatakan

bahwa suhu 60 derajat Celcius dari benda C dan 30 derajat Celcius untuk suhu benda B

berarti bahwa benda C 2x lebih panas dari benda B. Hal ini tidak mungkin karena skala

interval tidak mempunyai titik nol yang mutlak. Titik nol yang tidak mutlak berarti : benda

dengan suhu nol derajat Celcius bukan berarti bahwa benda tersebut tidak mempunyai

panas. Kesimpulan : Bilangan pada skala interval fungsinya ada tiga yaitu :

1.Sebagai lambang untuk membedakan,

2.Untuk mengurutkan peringkat, misal, makin besar bilangannya, peringkat makin tinggi

( > atau <),

3.Bisa memperlihatkan jarak/perbedaan antara data obyek yang satu dengan data

obyek yang lainnya.

Titik nol bukan merupakan titik mutlak, tetapi titik yang ditentukan berdasarkan

perjanjian.

Statistik yang sesuai dengan data berskala Interval adalah Statistik Nonparametrik dan

Statistik Parametrik. Contoh perhitungan statistik yang cocok adalah Rata-rata,

Simpangan Baku, dan Korelasi Pearson.

SKALA RASIO

Skala rasio merupakan skala yang paling tinggi peringkatnya. Semua sifat yang ada

dalam skala terdahulu dipunyai oleh skala rasio. Sebagai tambahan, dalam skala ini,

rasio (perbandingan) antar satu data dengan data yang lainnya mempunyai makna.

Contoh : Data mengenai berat adalah data yang berskala rasio. Dengan skala ini kita

dapat mengatakan bahwa data berat badan 80 kg adalah 10 kg lebih berat dari yang 70

kg, tetapi juga dapat mengatakan bahwa data 80 kg adalah 2x lebih berat dari data 40

kg. Berbeda dengan interval, skala rasio mempunyai titik nol yang mutlak. Kesimpulan :

Bilangan pada skala Rasio fungsinya ada tiga yaitu :

1.Sebagai lambang untuk membedakan

2.Untuk mengurutkan peringkat, misal, makin besar bilangannya, peringkat makin tinggi

(> atau < ),


3.Bisa memperlihatkan jarak/perbedaan antara data obyek yang satu dengan data

obyek yang lainnya.

4.Rasio (perbandingan) antar satu data dengan data yang lainnya dapat diketahui dan

mempunyai arti. Titik nol merupakan titik mutlak.

Statistik yang sesuai dengan data berskala Rasio adalah Statistik Nonparametrik dan

Statistik Parametrik. Contoh perhitungan statistik yang cocok adalah Rata-rata kur,

Koefisien Variasi dan statistik-statistik lain yang menuntut diketahuinya titik nol mutlak.

Sumber diperoleh dari :

1.Ronald E. Walpole, Pengantar Statistika, 1993, edisi ke-3, PT. Gramedia , Jakarta.

2.W.W. Daniel, Statistika Non Parametrik Terapan, 1978, PT. Gramedia, Jakarta.

3.Mark L. Berenson dan David M. Levine, Basic Business Statistics concepts and

applications, 1996, 6th editions, Prentice Hall , New Jersey.

http://kangiskandar.wordpress.com/2007/09/26/mengenal-pengantar-statistika-dasar/


http://kangiskandar.wordpress.com/2007/09/26/mengenal-pengantar-statistika-dasar/

13023-1-632821351826

Documents

Transcript of 13023-1-632821351826