bab i arti statistika

BAB-1. Ruang Lingkup Statistika

2007 Statistika Ekonomi & Bisnis Hal. 1.

1.1. Materi

Arti Statistika Analisis Statistika Daftar Distribusi Frekuensi

1.2. Tujuan Instruksional

Dengan mempelajari Materi ini, peserta didik diharapkan dapat memahami secara jelas pengertian Statistika, sebagai ilmu, sebagai metode analisis dan sekaligus sebagai alat, dalam pmembantu mengambil suatu kesimpulan. Karena pada dasarnya statistika dikemas sebagai suatu metodologi menjadikan data menjadi informasi.

Setelah mempelajari materi ini, peserta didik diharapkan dapat :

1). menjelaskan apa yang dimaksud dengan Kata Statistik dan Statisti-ka, termasuk tujuan pembelajarannya ;

2). mengenal bentuk analisis dalam lingkup statistika, dan keperluannya. Serta dapat menyajikan data-data statistik dalam beberapa bentuk yang menarik.

1.3. Uraian Materi

1). PENGERTIAN

Statistika merupakan satu cabang penting dari aplikasi matematika, yang mulai

berkembang di Indonesia sekitar tahun 1950-an. Awal mulanya Statistika hanya dikaitkan

dengan suatu metode bagaimana orang menyajikan fakta-fakta dan angka tentang situasi dari

perkembangan perekonomian, masalah Kependudukan negara, dan data ketenagakerjaan

yang ada disuatu negara ; malah dalam arti sempit orang mengasumsi bahwa statistika identik

dengan Tabel, Grafik atau sejenisnya.

RRUUAANNGG LLIINNGGKKUUPP

SSTTAATTIISSTTIIKKAA

BAB

11



Pengertian diatas lebih konkrit kalau kita sebut dengan Statistik, seperti Statistik

Penduduk, Statistik Pertanian, Statistik Produksi, Statistik Ekonomi, Statistik Logistik,

Statsitik Perdagangan & Niaga, Statistik Pariwisata, dan lain-lain.

Statistika adalah suatu ilmu sekaligus metoda yang mempelajari cara-cara

mengumpulkan data untuk selanjutnya dapat di deskriptifkan dan diolah, kemudian dianalisis

dalam rangka membuat kesimpulan, agar dapat ditentukan keputusan yang akan diambil

berdasarkan data yang dimiliki.

Secara Skematis digambarkan sebagai berikut :

Kata statistik berasal dari bahasa Italia "Statista" yang mempunyai arti "negarawan". Istilah

tersebut dikenal pada abad ke-18, pertama digunakan oleh G. Achenwall, yang mengambil kata

statista ( dan kemudian menjadi Statistik ) dengan alasan bahwa negara berkepentingan terhadap data

dan kegunaannya tentang informasi dan karakteristik rakyatnya. Dengan mengetahui kondisi

masyarakat suatu negara seperti dengan mengadakan sensus penduduk, maka negara memudahkan

untuk memobilisasi rakyat dan kegiatan menarik pajak.

Sebagai contoh pendataan statistik Kependudukan, Pelanggan Telepon, & Facsimile di Kata-kota

Propinsi Jawa Barat, berikut ini :

Contoh : Tabel 1.1. Statistik Penduduk, Pelanggan Telepon & Facsimile

Di Kota-kota Jawa Barat, Tahun 2000

No Kota Jumlah Pelanggan Pelanggan

Penduduk Telepon Facsimile

21 Kota Bogor 743.478 11.207 16

22 Kota Sukabumi 252.293 5.387 11

23 Kota Bandung 2.141.837 110.375 47

24 Kota Cirebon 269.186 4.597 14

25 Kota Tanggerang 1.311.746 20.026 27

26 Kota Bekasi 1.639.286 26.403 39

27 Kota Depok 1.146.055 25.390 31

28 Kota Cilegon 295.766 4.207 12

Sumber : BPS, Jawa Barat. Tahun 2000.

DATA (Populasi/Sampel)

Penyajian Olah

Data

Analisis

INFORMASI



Secara konkrit dapat juga disebutkan bahwa metodelogi Statistika adalah cara eksploarasi dan

konfirmasi permasalahan. Eskplorasi diawali dengan "penggalian" data dengan cara yang

objektif, seperti melakukan aktivitas ilmiah berikut : Eksperimen, Studi lapangan, survey,

mempelajari literatur, dan lain-lain. Data-data atau informasi ini secara numerik (angka)

ataupun non-numerik (Atribut) mengukur suatu karakteristik dari unsur yang dipelajari.

Tahapan Konfirmasi , adalah "penetapan" apakah hipotesis atau asumsi atau dugaan secara

signifikans (cukup berarti) dianggap benar dan dapat diterima atau salah untuk segera ditolak.

Oleh karena itu dalam Statistika terdapat metoda penting dalam keputusan yaitu yang disebut

Uji Hipotesis.

2). ANALISIS STATISTIKA

Pada dasarnya analisis Statistika dapat dibedakan atas dua macam/ tahapan, yaitu Analisis

Deskriptif sebagai definisi tradisional dan Analisis Inferensial (Induktif) yang dianut dalam

definisi modern.

Analisis Deskriptif adalah suatu cara menggambarkan persoalan yang berdasarkan data yang

dimiliki yakni dengan cara menata data tersebut sedemikian rupa sehingga dengan mudah

dapat dipahami tentang karakteristik data, dijelaskan dan berguna untuk keperluan

selanjutnya. Jadi dalam hal ini terdapat aktivitas atau proses pengumpulan data, dan

pengolahan data berdasarkan tujuannya.

Sebagai contoh, seorang Mahasiswa Perhotelan ingin meneliti berapa rata-rata jumlah kamar

yang terisi setiap minggu untuk hotel-hotel di Kota Bandung, baik hotel berbintang maupun

non-bintang. Maka dilakukan survai pengumpulan data pada objek beberapa hotel yang

mewakili Hotel Berbintang dan sampael hotel non-bintang, untuk pengamatan periode

tertentu, dan dihitung rata-ratanya melalui olahan data sampel pengamatan tadi.

Contoh lain, misalkan suatu perusahaan Pabrik Sepatu Gineo, ingin mengetahui secara pasti perkembangan marketing produknya dipasaran local, maka dilakukan aktivitas

pengumpulan data time series untuk jangka waktu tertentu (periodic), dan di lakukan

deskripsi melalui analisis tren.

Secara rinci kerangka kerja dari Statistika Deskriptif adalah sebagai berikut :

a. Menentukan Metoda Pengumpulan Data

Pendekatan Statistika dalam analisis suatu penelitian adalah dimilikinya data sampel yang

mencerminkan data populasi. hal ini dapat dimiliki dengan cara : Wawancara,

Penyebaran Angket (Kuesioner), Survai sampling dan

Eksperimen. Cara-cara diatas lebih dikenal dengan Teknik pengumpulan data secara

Sampling. Metoda Sampling ini akan kita bahas tuntas pada bab selanjutnya.



b. Metoda Pengolahan dan Penyajian Data

Penyajian data adalah langkah-langkah menata data yang diperoleh untuk dapat

memperjelas permasalahan. Penataan ini dapat dilakukan dengan tabulasi data dalam

bentuk tabel atau daftar, selain itu juga dapat divisualisasikan dalam diagram atau grafik

statistik.

Berikut diberikan contoh-contoh penataan (penyajian) data :

- Suatu daftar atau tabel yang terdiri atas satu atau beberapa baris dan satu atau beberapa

kolom dalam mendeskripsikan sesuatu secara angka.

Skema :

Judul Tabel

Judul Kolom

Kolom-1 Kolom-2 dst..

Judul Baris Baris-1 Data Data Data

Baris-2 Data Data Data

dst.. Data

Sumber / Catatan :

Contoh : Tabel 1.2

Jumlah Pos Paket Yang Dikirim Per-Wilayah Kabupaten Bandung 1997

Wilayah Pos Paket Dalam Negeri Paket Luar Negeri

Wil.2. Padalarang

Wil.2. Cileunyi

Wil 3. Margahayu

Wil 4. Banjaran

Wil 5. Cililin

Wil 6. Cikalongwetan

Wil 7. Cicalengka

Wil 8. Ciparay

Wil 9. Majalaya

Wil 10 Soreang

Wil 11 Lembang

Wil Adm. Cimahi

500

113

1180

486

16

129

1826

210

0

437

1308

81

31

0

0

0

0

0

0

0

0

0

8

1

Jumlah 6286 40

Sumber : PT Pos dan Giro (PT Pos Indonesia) Kabupaten Bandung

Daftar (Tabel) Baris-kolom



- Yaitu suatu daftar atau tabel yang sengaja ditampilkan karena satu unsur dengan unsur

lainnya terdapat kesesuaian (Pengaruh/Keterkaitan). Tabel kontingensi ini dapat

bermacam-macam, seperti hubungan 2-faktor atau biner, yang masing-masing memiliki

2-katagori dikenal dengan bentuk tabel kontingensi 2x2, jika factor pertama memiliki 3-

katagori disebut kontingensi 3x2. Demikian pula untuk hubungan 3-faktor atau trivariat,

yang masing-masing memiliki 2-katagori maka disebut kontingensi 2x2x2.

Contoh : Tabel 1.3. Kontingensi 2x2

Deskripsi Jumlah mahasiswa STIE STAN IM

Angkatan 2002, Berdasarkan Jenis Kelamin dan Asal Daerah

Asal Daerah

Bandung Luar Bandung

Sex Laki-Laki 28 23

Perempuan 38 20

Jumlah 66 43

Sumber : Akademik , 2002

Tabel 1.4. Kontingensi 2x3

Distribusi Tabungan Pihak Ketiga di Bandung Th. 2001

Kuartal/ Th.2001

Jenis Tabungan Pihak Ketiga

Giro Tabungan Deposito

Kuartal-1 Rp 16.037.471 Rp 17.971.682 Rp 81.924.467

Kuartal-2 Rp 17.603.955 Rp 18.376.386 Rp 76.354.774

Sumber : Bank Indonesia Kodya Bandung, 2001.

- Yaitu data kuantitatif yang dibuat dalam beberapa distribusi/ pengelompokan dengan sejumlah frekuensi tertentu. Umumnya suatu daftar diteribusi frekuensi (DDF)

terdiri atas, kolom-1 menyatakan interval data, kolom-2 menyatakan frekuensi atau

jumlah data yang masuk dalam masing-masing interval (kelas) data yang dibuat,

kolom-3 menyatakan nilai tengah data

Tabel Kontingensi

Daftar Distribusi Frekuensi



- (mid-point atau markah) kelas data, dan kolom-kolom berikutnya dapat dilengkapi keterangan lain, seperti frekuensi relatif, frekuensi kumulatif, dll.

Skema :

Interval Data

(Kelas Data)

Frekuensi

( fi )

Nilai Tengah

(mid-point)

Frek.-

Relatif

Frek-

Kumulatif

a c f1 x1 f1/ n F1

d f f2 x2 f2 / n f1 + f2

g i f3 x3 f3 / n f1 + f2 + f3

.. dst .. ...

Jumlah fi = n xi

Contoh : Daftar 1.5.

Tinggi Badan 100 mahasiswa ( Cm )

Interval

Tinggi Badan

Jumlah Mhs

( fi )

Nilai Tengah

(mid-point)

Frek.-

Relatif

Frek-

Kumulatif

145-149 12 147 0.12 12

150-154 23 152 0.23 35

155-159 34 157 0.34 69

160-164 14 162 0.14 83

165-169 10 167 0.10 93

170-175 7 172,5 0.07 100

Jumlah 100 1.00

Penyusunan daftar frekuensi, sering juga digunakan untuk mendeskripsikan data-data atau

informasi kualitatif, seperti jumlah penduduk per pulau, distribusi penduduk per-jenis

kelamin, jumlah mahasiswa berdasarkan nilai huruf akhir ujian (Nilai A, B, C, D, dan E), dan

lain-lain.

Tetapi dalam hal pengolahan dan anlisis data secara statistik, daftar data yang dapat

digunakan manakala data tersebut bersifat kuantitatif (numeric).

Demikian pula, bahwa dalam penyusunan DDF, orang dapat saja membuatnya secara bebas,

tetapi sebaiknya untuk keperluan analisis yang baik, dibuatkan Daftar Distribusi Frekuensi

(DDF) dengan panjang distribusi (interval data dalam kelas) yang sama. Untuk membuat

DDF tersebut dapat dilakukan dengan cara beberapa cara, seperti cara yang dikemukakan

oleh Sturgess, ataupun cara dari Bowle. Berikut ini akan dikemukakan salah satu cara yang

umum dan paling sering digunakan yaitu cara atau menggunakan aturan Sturgess, dengan

langkah-langkah seperti berikut ini :



(i). Tentukan rentang data yakni selisih data terbesar [ Xn ] dengan data terkecil [ X1 ], atau

R (X) = [ Xn ] - [ X1 ]

(ii). Tentukan banyak kelas interval (K) yang diperlukan dari rangkaian data yang dimiliki.

Jumlah kelas dapat dihitung dengan rumusan atau aturan dari H.A. Sturgess, yaitu ;

K = 1 + 3,322 log (n) , n = jumlah data

(iii). Tentukan panjang kelas interval (distribusi), yaitu :

I = [ R(X) ] / K

Harga ( I ) dimulai dari data yang terkecil ditempatkan pada batas kiri kelas pertama,

dan diakhir oleh data terbesar ditempatkan pada batas kanan kelas data terakhir. Dan

nilai I yang digunakan disesuaikan dengan ketelitian satuan data yang dipunyai,

seperti :

- Jika Data berbentuk satuan ( bulat), ambil I dgn ketelitian sampai satu satuan. Misalnya I = 2,6346 maka dibulatkan menjadi I = 3.

- Jika Data berbentuk 1 ( satu ) satuan desimal, ambil I hingga kete-litian 1

desimal. Misalnya I = 2,6346 maka dibulatkan I = 2,6

- Demikian seterusnya

Contoh 1. Misalkan Dipunyai sejumlah 20 unit data, dengan data terbesar adalah 45,25

dan data terkecil 10,05.

Maka : R = 45,25 10,05 = 35,20 K = 1 + 3,322 log 20 = 5,322 dibulatkan K = 5

I = 25,20 / 5 = 7,04

Sehingga susunan kelas data dibuatkan dalam 5 kelas yaitu :

Kelas D a t a

10,05 - 17,08

17,09 - 24,12

24,13 - 31,16

31,17 - 38,20

38,21 - 45,25

Langkah Menentukan DDF



Selain diskripsi data dalam bentuk tabulasi (Daftar/Tabel), secara lebih menarik dewasa ini

cukup banyak digunakan teknik-teknik penggambaran secara visual dengan bantuan program

komputer (Microsoft Excel, SPSS, Visio, dll) sehingga menarik bagi orang untuk

membacanya.

Contoh-contoh Diagram dasar untuk visualisasi data :

======================================================

1). Diagram Batang (Bar) 5). Diagram Scatter (Scatter Chart)

2). Diagram Garis (line) 6). Diagram Boxplot (Boxplot Chart)

3). Diagram Lingkar (Pie) 7). Histogram

4). Diagram Pareto (Pareto) 8). Poligon dan Ogive

======================================================

Contoh : Diagram Batang (Bar-Chart)

Umur Jml.

0

500

1000

1500

2000

2500

3000

3500

4000

4500

5000

15-19 20-24 25-29 30-34 35-39 40-49 50-54 55-59 60-64

Jumlah Labor Force di Kota Garut

Umur

Gambar 1.1. Contoh Diagram batang

15-19

20-24

25-29

30-34

35-39

40-49

50-54

55-59

60-64

====

1250

2544

3237

4873

3876

3348

2590

1321

784

===

Sumbu datar (Horizontal) menyatakan kelompok Umur Labor Force, dan sumbu tegak

(Vertikal) menyatakan Jumlah Labor Force.



0 100 200 300 400 500

15-19

25-29

35-39

45-49

55-59

Jumlah Labor Force

Jumlah

Gambar 1.2. Contoh Diagram Batang Tidur (Bar)

Contoh : Diagram Garis (Line) tentang Perkembangan Suku Bunga Bank.

(Suku Bunga)

T (Periode Waktu) Agust 01 - - -Jan97

70

60

50

40

30

20

10

0

-10

Observed

Cubic

Gambar 1.3. Contoh Diagram Garis

Tampak Garis yang berfluktuasi adalah data riil pertumbuhan suku bunga bank sejak Januari

1997 sampai Agustus 2001, sedangkan garis yang mulus adalah garis penghalusan

(smoothing) model/ trend pertumbuhan data tersebut.



Diagram Lingkar (PIE)

Merupakan bentuk diagram yang mendeskripsikan data dalam beberapa pecahan, dan

digambarkan dalam satuan proporsi, atau prosentase.

Contoh : Prosentase Mahasiswa STIE STAN IM berdasarkan program studi

Keterangan :

Jurusan :

1. Akuntansi

2. Manajemen

3. Karyawan

Persentase Distribusi Mahasiswa STIE STAN IM Per-

Program Studi

0.520.41

0.07

1 2 3

Gambar 1.4. Contoh Diagram Lingkar

Contoh : Diagram Scatter

Perkembangan Data "X" Th.1994-2004

0

5

10

15

20

25

30

35

40

1992 1994 1996 1998 2000 2002 2004 2006

Tahun

Gambar 1.5. Contoh Diagram Scatter

Diagram Scatter pada prinsipnya mendeskripsikan posisi data dalam diagram melalui titik-titik pencaran

tertentu, yang biasanya digunakan untuk mencari pola pencaran data, sehingga dapat dideteksi pola data

tersebut melalui fungsi matematis.

Untuk menggambarkan atau mendeskriptifkan data terkelompok dalam bentuk distribusi frekuensi dapat

digunakan dengan beberapa bentuk grafik, yaitu Histogram, Poligon frekuensi, maupun Kurva Ogive.



i. Histogram : Suatu bentuk diagram batang yang kontinu pada batas interval (limit) data.

Sumbu tegak menyatakan frekuensinya dan sumbu datar menyatakan

limit interval data (yang digunakan adalah tepi batas kiri setiap kelas)

Contoh : untuk contoh distribusi data labor force sebelumnya (pada contoh diagram

batang), dapat dibuatkan tepi batas kiri setiap kelas atau disebut limit

kelas berikut ini :

Umur Jumlah

L-Force

Tepi

Kls

15-19

20-24

25-29

30-34

35-39

40-44

45-49

50-54

55-59

1250

2544

3237

4873

3876

3348

2590

1321

784

14.5

19.5

24.5

29.5

34.5

39.5

44.5

50.5

54.5

59.5

Gambar 1.6 Contoh Histogram

ii. Poligon Frekuensi : Suatu bentuk diagram garis, dimana Plot data di setiap titik tengah

(markah) kelas interval.

Contoh :

Dari contoh data distribusi Tinggi badan Mahasiswa, yaitu dengan dilengkapi nilai

tengah kelas interval data (Markah kelas) berikut :

L-F.

4000

3000

2000

1000

14.5 19.5 24.5 29.5 34.5 39.5 44.5 50.5 54.5 59.5

Tepi Kelas



Tinggi

Badan

Jumlah

Mhs ( fi )

Nilai Tengah

(mid-point)

145-149 12 147

150-154 23 152

155-159 34 157

160-164 14 162

165-169 10 167

170-175 7 172,5

Jumlah 100

Gambar 1.6. Contoh Poligon

Gambar 1.7 Contoh Poligon

iii. Kurva Ogive : Suatu bentuk diagram garis yang menyatakan garis kumulatif kurang dari atau lebih dari suatu frekuensi kelas interval data. Kurva ogive ini

salah satu kurva/ diagram yang digunakan untuk membuktikan sampel data

berdistribusi normal atau tidak. Unit data sampel dapat dikatakan berdistribusi

normal, jika kurva ogive membentuk (kecenderungan) garis lurus. Kurva ogive

disa-jikan dalam salib sumbu, dengan sumbu tegak menyatakan freku-ensi

kumulatif kurang dari/lebih dari, dan sumbu datar menyatakan tepi kelas interval

data (markah).

Contoh (Digunakan Data diatas) :

Tinggi Badan ( fi ) Tepi Kelas F-Kum (Kurang Dari)

145-149

12

144.5 0

150-154

23

149.5 12

155-159

34

154.5 35

160-164

14

159.5 69

165-169

10

164.5 83

170-175

7

169,5 93

175.5 100

Kurva Ogive data diatas :

fi

34

23

14

12

10

7

147 152 157 162 167 172.5



Gambar 1.7. Contoh kurva Ogive

Gambar 1.8 Contoh Ogive

Melihat hasil plot pencaran titik Frekuensi Kumulatif kurang dari diatas, tampak

kecenderungan distribusi data mengikuti garis lurus (linier), maka dapat diasumsikan data

pengamatan tersebut berdistribusi peluang normal

c. Pengolahan atau perhitungan Ukuran Statistik

Hal ini dilakukan agar data yang diperoleh dapat berarti (Berbunyi), yaitu dengan

menghitung ukuran-ukuran statistik yang diperlukan, seperti ukuran nilai pusat dan ukuran

Dispersi atau penyimpangan (Hal ini akan dibahas pada Bab 3)

Analisis Statistika lainnya adalah Analisis Inferensial, yaitu suatu cara untuk meng-

Generalisasikan masalah yang diteliti berdasarkan data sample yang dimiliki dan banyaknya

terbatas. Misalnya seorang peneliti telah melaksanakan penelitian tentang IQ siswa SMU di

Bandung pada sejumlah sampel siswa, kemudian hasil tersebut digunakan untuk

memprediksi kepandaian siswa SMU di Bandung secara keseluruhan, maka dalam hal ini

peneliti telah memasuki proses/tahapan analisis secara induktif (atau istilah dalam statistik

disebut inferensia)

Perbedaan kedua analisis statistika tersebut adalah :

F-kum ( Kurang dari)

100

93

83

69

35

12 Tepi Kelas

0 144.5 149.5 154.5 159.5 164.5 169.5 175.5



> Pengolah data (ukuran Statistik) yang diperoleh dalam analisis Deskriptif sebatas data

yang diperoleh. Sedangkan dalam analisis Inferensial, hasil pengolahan data di

"bunyikan" atau harus diartikan dalam lingkup general (populasi). Oleh karena itu

inferensial hampir identik dengan pola induktif (menganalisis persoalan khusus, dapat

menggambarkan persoalan yang lebih umum).

> Untuk keperluan analisis statistika secara Deskriptif, jenis data sampel yang diambil

tidak harus merupakan sampel berpeluang (dan berdistribusi), tetapi untuk analisis

Inferensial, sampelnya harus selalu merupakan sampel berpeluang. (Jenis-jenis

pengambilan sampel, lihat Bab III : Teknik Sampling). Sehingga cerita lebih lanjut

dalam analisis inferensial, kita berbicara tentang Probabilitas Distribusi, Teori

Penaksiran (Estimasi), Pengujian Hipotesis, dan analisis Regresi.

Kerjakan & Diskusikan :

Data berikut ini merupakan hasil Survai (Data Sekunder) yang diperoleh dari Sumber

Bank Indonesia dan Bursa Efek Jakarta Tahun 2001, terdiri atas variabel Suku Bunga

Deposito, Nilai Kurs Rp/US Dollar Amerika dan Indeks Harga Saham Gabungan

(IHSG) di BEJ, selam tahun 1999-2001

Thn. Bulan Kurs Tengah IHSG

Rp/USD BEJ Jakarta

1999 Januari Rp 8.950 411.93

Pebruari Rp 8.730 323.39

Maret Rp 8.685 394.43

April Rp 8.260 495.22

Mei Rp 8.105 612.38

Juni Rp 6.726 670.54

Juli Rp 6.875 597.87

Agustus Rp 7.565 565.20

September Rp 8.391 566.04

Oktober Rp 6.900 593.87

Nopember Rp 7.425 613.49

Desember Rp 7.100 676.92

2000 Januari Rp 7.425 636.37


SOAL-SOAL LATIHAN



Maret Rp 7.590 583.27

April Rp 7.945 526.73

Mei Rp 8.620 454.32

Juni Rp 8.735 515.11

Juli Rp 8.820 492.19

Agustus Rp 8.290 466.38

September Rp 8.780 421.33

Oktober Rp 9.395 405.34

Nopember Rp 9.530 429.21

Desember Rp 9.595 416.32

2001 Januari Rp 9.450 425.60


Maret Rp 10.400 381.00

April Rp 11.675 358.00

Mei Rp 11.058 405.86

Juni Rp 11.440 437.62

Lakukan Tugas-tugas berikut ini :

(1). Buatkan Daftar Distribusi Frekuensi untuk variabel : Nilai Kurs Rp/ USD dan

variabel IHSG diatas.

(2). Deskripsikan dalam diagram ; Histogram, Poligon dan Ogive pendataan yang

dilakukan pada point 1).

(3). Deskripsikan dalam bentuk Tabel Kontingensi, dengan bentuk berikut

Kurs Rp/USD

IHSG

< 500 500

< 8500 ? ?

8500 9500 ? ?

> 9000 ? ?

bab i arti statistika

Documents