Modul Ajar
STATISTIKA
Untuk Mahasiswa Diploma IV Bidan
DITERBITKAN OLEH
FORIKES
(FORUM ILMIAH KESEHATAN)
2012
Modul Ajar
STATISTIKA
Untuk Mahasiswa Diploma IV Bidan
Editor:
Heru Santoso Wahito Nugroho
Durasi:
16 X 120 menit
ii
Modul Ajar
STATISTIKA
Untuk Mahasiswa Diploma IV Bidan
Editor:
Heru Santoso Wahito Nugroho
Diproduksi oleh:
Jurusan Kebidanan
Politeknik Kesehatan Kemenkes Surabaya
Diterbitkan oleh:
FORIKES
(Forum Ilmiah Kesehatan)
iii
FORIKES
(Forum Ilmiah Kesehatan)
ISBN XXX—XXX—XXXXX—X—X
iv
Kontributor:
1. Heru Santoso Wahito Nugroho
2. Budi Joko Santosa
v
KATA PENGANTAR
vi
DAFTAR ISI
ISI HALAMAN
Kegiatan Belajar 3
- Dan seterusnya
Lampiran xi
vii
PENJELASAN UMUM
Deskripsi Materi
Kompetensi
Capaian Pembelajaran
Ringkasan Materi
Materi-materi yang dibahas dalam mata kuliah ini antara lain: konsep
umum statistika, teori probabilitas, sampel dan teknik sampling, statistika
parametrik dan non parametrik, serta indikator keberhasilan pelayanan di
rumah sakit dan puskesmas.
ix
Diharapkan agar petunjuk-petunjuk di atas dilaksanakan dengan penuh
kedisiplinan sehingga para mahasiswa dapat mencapai hasil belajar sesuai
dengan harapan.
Perlu diingat bahwa sumber belajar untuk “Student Centered Learning”
bersifat multi dimensi, sehingga diperlukan sumber-sumber belajar lain yang
dapat mendukung sumber belajar ini. Karena di samping learning source by
design (seperti modul ini), seharusnya digunakan pula learning source by
utilization yang banyak kita dapatkan di lingkungan sekitar kita.
SCL juga mengandalkan keragaman model pembelajaran, sehingga
model-model pembelajaran inovatif lainnya yang mungkin belum
diintegrasikan dalam modul ini dapat pula digunakan untuk mendukung
terwujudnya capaian pembelajaran.
x
Modul Ajar Statistika Untuk Mahasiswa Diploma IV Bidan
KEGIATAN BELAJAR 1
KEGIATAN BELAJAR 1
KONSEP UMUM
STATISTIKA
Kontributor:
Heru Santoso Wahito Nugroho
1
Modul Ajar Statistika Untuk Mahasiswa Diploma IV Bidan
KEGIATAN BELAJAR 1
2
Modul Ajar Statistika Untuk Mahasiswa Diploma IV Bidan
KEGIATAN BELAJAR 1
Pengertian Statistika
3
Modul Ajar Statistika Untuk Mahasiswa Diploma IV Bidan
KEGIATAN BELAJAR 1
Kegunaan Statistika
Lalu apa gunanya kita mempelajari statistika? Coba terlebih dahulu Saudara
bayangkan bagaimanakah cara menyajikan data balita di wilayah kerja sebuah
puskesmas jika tidak ada statistika. Saudara tentu sangat susah untuk menceritakan
masalah gizi buruk misalnya, belum lagi masalah lain seperti diare, pertumbuhan
anak, penerapan ASI eksklusif dan sebagainya. Tentu membutuhkan waktu yang
lama dan cara penyampaiannya pun mungkin sangat sulit dimengerti oleh orang lain.
Dengan adanya statistik, suatu obyek akan dapat digambarkan dengan lengkap dan
ringkas. Misalnya, menyajikan penerapan ASI eksklusif cukup menggunakan tabel
frekuensi, berapa persen yang sudah menerapkan dan berapa persen yang belum
menerapkan. Inilah kegunaan pertama dari statistika.
Statistika juga dapat membandingkan kejadian satu dengan kejadian lainnya
dengan beracuan pada waktu dan tempat. Kembali pada contoh PWS-KIA di atas,
penerapan statistika pada program ini dapat membandingkan keberhasilan ANC
(misalnya K1 dan K4) antara desa yang satu dengan yang lain, misalnya pencapaian
K1 Desa Subur pada tahun 2011 adalah 97%, sedangkan Desa Makmur hanya
85%. Bisa juga disajikan perbandingan K1 antar waktu dalam desa yang sama,
misalnya di Desa Subur pencapaian K1 pada pada tahun 2010 adalah 88%,
sedangkan pada tahun 2011 adalah 97%.
Dengan statistika kita juga bisa menduga kejadian yang sama pada masa yang
akan datang. Peramalan bisa dilakukan dengan cara yang sederhana misalnya
cukup dengan persamaan yang menghasilkan trend line (garis kecenderungan),
yang bisa kita dapatkan dengan pembuatan scatter diagram (diagram tebar) atau
bisa juga dari diagram Kartesius. Namun peramalan kejadian yang akan datang juga
bisa ditentukan dengan uji yang lebih rumit, dengan akurasi yang lebih tinggi,
misalnya dengan uji regresi.
Dapatkah Saudara memberi masing-masing satu contoh lagi mengenai 3
kegunaan statistika seperti yang telah diuraikan di atas? Cobalah sebelum
Saudara menginjak ke materi selanjutnya!
4
Modul Ajar Statistika Untuk Mahasiswa Diploma IV Bidan
KEGIATAN BELAJAR 1
inferensi). Statistika deskriptif digunakan untuk penelitian pada populasi atau pada
sampel, tetapi tidak bermaksud untuk membuat kesimpulan terhadap populasi
tempat sampel diambil. Contoh dari statistika deskriptif adalah statistika ibu hamil di
wilayah Kabupaten “M”. Dalam hal ini, dilakukan langkah-langkah pengumpulan data
sampai dengan penarikan kesimpulan, namun hanya sampai dengan
mendeskripsikan atau menggambarkan hasil yang diperoleh. Salah satu contoh dari
lingkup statistika deskriptif adalah: Distribusi kondisi ibu hamil di Kabupaten “M” pada
tahun 2011 adalah 81,22% adalah kehamilan fisiologis dan 18,78% adalah
kehamilan patologis.
Statistika inferensial adalah statistika yang digunakan untuk menganalisis
data sampel, dan hasilnya akan digeneralisasikan (diinferensikan) untuk populasi
tempat sampel diambil. Dengan kata lain, statistika inferensial bertujuan menaksir
secara umum suatu populasi dengan menggunakan sampel, termasuk di dalamnya
teori penaksiran dan pengujian teori. Kegiatan yang dilakukan adalah pengumpulan
data, pengolahan data, penyajian dan penyimpulan data, diikuti dengan tindak lanjut
yaitu melakukan generalisasi untuk populasi. Nilai-nilai yang ditentukan dari sampel
dinamakan statistik, sedangkan nilai-nilai yang ditentukan dari populasi dinamakan
parameter. Sebagai contoh, ingin diketahui efektifitas dukungan suami terhadap
kemajuan Kala I persalinan di Kabupaten Magetan. Karena tidak memungkinkan
untuk meneliti seluruh ibu bersalin yang ada di Magetan, maka diambil sebagian ibu
bersalin saja sebagai sampel (Saudara harus belajar kembali tentang besar sampel
dan teknik sampling). Selanjutnya sampel dipisahkan menjadi dua yaitu kelompok ibu
bersalin dengan dukungan suami dan kelompok ibu bersalin tanpa dukungan suami.
Pada tahap berikut dilakukan pengumpulan data tentang kemajuan Kala I pada
semua ibu bersalin. Setelah data yang terkumpul diolah, lalu dilakukan analisis data
untuk membandingkan kemajuan Kala I antara kelompok ibu bersalin dengan
dukungan suami dan tanpa dukungan suami. Akhirnya diperoleh kesimpulan bahwa
ibu bersalin dengan dukungan suami memiliki Kala I yang lebih singkat. Kesimpulan
ini dihitung berdasarkan sampel namun bisa disimpulkan untuk populasi. Inilah yang
dinamakan generalisasi atau inferensi statistik.
Selanjutnya statistika inferensial dibagi menjadi statistika parametrik dan non
parametrik. Statistika parametrik digunakan untuk menganalisis data berskala
interval dan rasio yang diambil dari populasi yang berdistribusi normal. Sedangkan
statistika non parametrik digunakan untuk menganalisis data berskala nominal dan
ordinal dari populasi yang bebas distribusi (tidak harus berdistribusi normal), serta
data berskala interval dan rasio yang tidak berdistribusi normal. Mungkin ada
beberapa istilah di atas yang telah Saudara lupakan yaitu skala nominal, ordinal,
interval, dan rasio. Jangan khawatir, agar proses belajar Saudara tidak terganggu
oleh keempat istilah tersebut, terlebih dahulu kita akan mengulas secara sekilas
tentang jenis-jenis skala data tersebut pada bagian berikutnya.
Saudara tentu sangat familier dengan kata “data”, namun belum tentu memiliki
pemahaman yang benar tentang kata tersebut. Jika Saudara mengatakan, “Saya
memerlukan data-data K1, K4, KN untuk dapat membuat laporan PWS-KIA”, maka
5
Modul Ajar Statistika Untuk Mahasiswa Diploma IV Bidan
KEGIATAN BELAJAR 1
perkataan Saudara adalah salah. Yang benar adalah, “Saya memerlukan data K1,
K4, KN untuk dapat membuat laporan PWS-KIA”. Mengapa demikian? Karena data
adalah bentuk jamak dari datum. Saudara sudah mengerti penjelasan ini bukan?
Data hasil penelitian dikelompokkan menjadi dua yaitu data kualitatif dan data
kuantitatif. Data kualitatitif adalah hasil observasi atau pengukuran yang berbentuk
kata, kelompok, atau kategori. Contoh data kualitatif adalah:
Keramahan bidan terhadap konsumen (sangat ramah, ramah, dan tidak ramah)
Jenis kelamin bayi baru lahir (laki-laki dan perempuan)
Warna rambut (hitam dan pirang)
Ketajaman penglihatan balita (normal dan abnormal)
Golongan darah ibu hamil (A, B, AB, dan O)
Sedangkan data kuantitatif adalah hasil observasi atau pengukuran yang
berbentuk angka, atau data kualitatif yang sudah diangkakan (melalui proses
scoring). Contoh dari data kuantitatif hasil observasi atau pengukuran langsung
adalah:
Tinggi badan ibu hamil (dalam cm)
Berat badan bayi (dalam gram)
Jumlah anak yang dilahirkan hidup
Tekanan darah ibu hamil (dalam mmHg)
Sedangkan contoh data kualitatif yang telah dikuantitatifkan melalui scoring adalah:
Warna kulit, denyut jantung, refleks, aktifitas, dan usaha bernafas bayi yang telah
diangkakan menjadi APGAR Score (0-10)
Warna urin hasil tes reduksi diangkakan menjadi (-, +1, +2, +3, dan +4)
Data kuantitatif dibedakan menjadi data diskrit (jika memiliki nilai diskrit) dan
data kontinyu (jika memiliki nilai kontinyu). Contoh dari data diskrit adalah jumlah
anak, frekuensi kunjungan ANC dan sebagainya. Agar Saudara lebih gampang
memahami hal ini, intinya bahwa data diskrit tidak memungkinkan angka di belakang
koma. Jumlah anak adalah 1, 2, 3, dan seterusnya. Tidak mungkin jumah anak
adalah 2,75. Tidak mungkin ibu hamil melaksanakan kunjungan ANC 3,5 kali. Seperti
inilah data diskrit. Mudah bukan?
Sebaliknya data kontinyu membolehkan angka di belakang koma, misalnya
jarak tempuh puskesmas, tekanan darah ibu hamil, kecepatan Kala I persalinan. Kita
bisa mengatakan jarak tempuh ke puskesmas adalah 1,5 km. Saudara sudah bisa
membedakan data diskrit dan data kontinyu sekarang? Mudah-mudahan contoh tadi
mudah Saudara mengerti.
Ada lagi penggolongan data kuantitatif yang lebih umum diterapkan dalam
penelitian yaitu data nominal, ordinal, interval, dan rasio. Oleh karena itulah banyak
peneliti yang mengatakan bahwa data memiliki 4 macam skala yaitu data berskala
nominal, ordinal, interval, dan rasio. Dasar dari perbedaan keempat skala tersebut
adalah:
Adanya kategori
Adanya jenjang pada kategori
Adanya jarak yang tetap antar jenjang pada kategori
Adanya nilai nol mutlak pada kategori
Agar lebih jelas mari kita bahas satu demi satu.
6
Modul Ajar Statistika Untuk Mahasiswa Diploma IV Bidan
KEGIATAN BELAJAR 1
1. Skala nominal
Ciri-ciri dari data berskala nominal adalah hanya memiliki syarat pertama yaitu
adanya kategori. Sedangkan syarat kedua, ketiga, dan keempat tidak dimiliki, jadi
tidak ada jenjang antar kategori, tentu saja tidak ada jarak tetap antar jenjang, dan
memiliki nilai “0” mutlak. Yang termasuk dalam skala nominal adalah semua data
dikotomi (hanya 2 kategori) dan data bukan dikotomi yang tidak berjenjang.
Data dikotomi atau hanya memiliki 2 pilihan selalu dianggap sebagai data berskala
nominal. Contoh skala nominal dikotomi adalah:
Gender (pria dan wanita)
Keberhasilan belajar mahasiswa bidan (lulus dan tidak lulus)
Tingkat pengetahuan kader posyandu (baik dan buruk)
Sikap terhadap metode KB pria (menerima dan menolak)
Kejadian infeksi HIV (positif dan negatif)
Kejadian anemia ibu hamil (anemia dan tidak anemia).
Coba carilah lagi setidak-tidaknya 10 contoh data dikotomi, secara lisan
saja!
Contoh skala nominal bukan dikotomi adalah:
jenis pekerjaan kader posyandu (petani, pedagang, PNS, dan wiraswasta)
Agama ibu hamil (Katolik, Protestan, Islam, Hindu, dan Budha),
Jenis penyakit yang diderita ibu hamil (infeksi, neoplasma, dan degeneratif)
Gaya belajar kader desa siaga (auditorial, visual, dan kinestetikal)
Coba carilah lagi setidak-tidaknya 10 contoh data berskala nominal bukan
dikotomi, sebutkan secara lisan saja untuk melatih pemahaman Saudara!
Agar lebih mudah memahami skala nominal, yang penting bahwa data berskala
nominal hanya memiliki kategori tanpa jenjang. Maksudnya, antara kategori yang
satu dan yang lainnya tidak ada urutan tingkatan. Jadi tidak boleh dikatakan
bahwa pria lebih tinggi daripada wanita, sikap menerima lebih baik daripada
menolak, pedagang lebih tinggi daripada petani. Cobalah Saudara pahami terlebih
dahulu skala nominal ini sebelum mempelajari skala ordinal.
2. Skala ordinal
Ciri-ciri dari data berskala ordinal adalah adanya kategori dan jenjang antar
kategori, sedangkan syarat ketiga dan keempat tidak dipenuhi. Jadi tidak ada
jarak tetap antar jenjang dan tidak ada nilai “0” mutlak. Data dikotomi tidak masuk
skala ordinal. Contoh dari skala ordinal adalah:
Keberhasilan belajar mahasiswa bidan (1= tidak lulus, 2= lulus melalui remidial,
dan 3= lulus)
Tingkat pengetahuan kader posyandu (1= buruk, 2= kurang, 3= cukup, dan 4=
baik)
Sikap terhadap metode KB pria (1= menolak, 2= netral, dan 3= menerima)
Kejadian anemia ibu hamil (1= anemia berat, 2= anemia sedang, 3= anemia
ringan, dan 4= tidak anemia)
Derajat Ca Cervix (1= Stadium IV, 2= Stadium III, 3= Stadium II, dan 4=
Stadium I)
7
Modul Ajar Statistika Untuk Mahasiswa Diploma IV Bidan
KEGIATAN BELAJAR 1
Ingat! Tidak ada jarak tetap antar jenjang. Sebagai contoh, nilai untuk tingkat
pengetahuan buruk: 0-45, kurang: >45-55, cukup: >55-75, baik: >75-100.
Perhatikan bahwa rentang keempat kategori berbeda-beda, yaitu buruk: 45,
kurang: 10, cukup: 20, dan baik: 25.
Saudara sudah memahami? Jika sudah, coba berikan setidak-tidaknya 5
contoh lagi, tidak perlu Saudara tulis, cukup Saudara sebutkan saja secara
lisan!
3. Skala interval
Ciri-ciri dari data berskala interval adalah memiliki kategori, jenjang antar kategori,
jarak tetap antar jenjang, namun tidak mengandung nilai “0” mutlak. Atau dengan
kata lain memenuhi syarat pertama, kedua, dan ketiga. Syarat pertama dan kedua
telah dijelaskan di atas, sedangkan yang dimaksud dengan syarat ketiga (jarak
tetap antar jenjang) adalah bahwa antara jenjang yang satu dengan jenjang
berikutnya jaraknya selalu sama, demikian pula dengan jenjang sebelumnya.
Coba Saudara perhatikan contoh berikut:
Tingkat pengetahuan kader posyandu berupa nilai mentah dengan skala 0-100
Sikap terhadap metode KB pria berupa skor mentah dengan skala 0-80
Suhu benda dalam derajat Celsius
Perhatikan bahwa kategori tingkat pengetahuan kader adalah: 1, 2, 3, …, 100.
Tampak dengan jelas bahwa jarak antar kategori adalah 1.
Sebelum berlanjut, coba Saudara berlatih menjelaskan jarak antar jenjang
pada suhu dalam skala Celsius!
Dalam ketiga contoh di atas terdapat angka “0”, namun bukan nol yang mutlak/
absolut. Maksudnya nol dalam hal ini bukan berarti “tidak ada memiliki sesuatu”,
tetapi hanya nol kesepakatan saja. Pada contoh pertama, jika didapatkan nilai
pengetahuan nol, bukan berarti kader posyandu tersebut tidak memiliki
pengetahuan sama sekali, namun telah disepakati bahwa jika seluruh item tes
dijawab salah, maka skor yang didapatkan adalah nol. Demikian pula pada contoh
kedua tentang sikap. Pada contoh ketiga, jika didapatkan suhu 0 derajat Celsius
pada es, bukan berarti bahwa es tersebut tidak memiliki suhu, tetapi telah
disepakati bahwa ketika air membeku menjadi es, air raksa pada thermometer
Celsius tepat pada angka nol.
Sebelum berlanjut ke skala rasio, cobalah untuk memberikan 5 contoh lagi
tentang data berskala rasio, secara lisan saja. Kalau perlu, diskusikan
dengan sesama mahasiswa agar mendapatkan pemahaman yang sama,
tentu saja untuk mendapatkan pemahaman yang benar!
4. Skala rasio
Ciri-ciri dari data berskala rasio adalah memiliki kategori, jenjang antar kategori,
jarak tetap antar jenjang, dan memiliki nilai “0” mutlak. Jika Saudara sudah
memahami skala interval, tidak akan sulit untuk memahami skala rasio, karena
yang membedakan hanyalah adanya nilai “0” mutlak. Yang dimaksud dengan nol
mutlak sudah kita bahas pada skala interval.
Contoh dari skala rasio adalah:
8
Modul Ajar Statistika Untuk Mahasiswa Diploma IV Bidan
KEGIATAN BELAJAR 1
Paritas
Frekuensi pemeriksaan ANC
Frekuensi denyut nadi permenit
Tinggi badan balita dalam cm
Berat badan remaja putri dalam kg
Pada contoh pertama, jika paritas nol berarti ibu tersebut memang tidak memiliki
anak (nol mutlak), pada contoh kedua jika frekuensi ANC adalah nol berarti ibu
tidak pernah datang untuk ANC, jika frekuensi denyut nadi nol berarti memang
tidak memiliki denyut nadi, demikian seterusnya. Bagaimana? Mudah kan
membedakan skala interval dengan skala rasio?
Yang khas pada pada data berskala rasio, nilai perbandingan dapat diterapkan
dan ini tidak berlaku untuk data berskala interval. Sebagai contoh, jika frekuensi
ANC ibu A adalah 3 kali dan Ibu B adalah 6 kali, maka bisa dikatakan bahwa
frekuensi ANC ibu B, 2 kali lipat lebih sering dibandingkan dengan ibu A. Ini
didapatkan dari penghitungan 6/3 = 2. Jika Ibu S memiliki 8 anak, sedangkan Ibu
K memiliki 2 anak, maka boleh dikatakan bahwa ibu S memiliki anak 4 kali lipat
lebih banyak daripada ibu K.
9
Modul Ajar Statistika Untuk Mahasiswa Diploma IV Bidan
KEGIATAN BELAJAR 1
Jika tingkat pengetahuan dinilai dari skor mentah hasil mengerjakan tes, maka
data berskala interval, karena variasi yang mungkin adalah 0, 1, 2, …., 100.
Jika skor mentah tingkat pengetahuan dikategorikan menjadi 3, misalnya skor 0-
55 adalah kurang, skor 56-75 adalah cukup, dan skor 76-100 adalah baik, maka
jelas bahwa data berskala ordinal.
Jika skor mentah tingkat pengetahuan dikategorikan menjadi 2 (dikotomik),
misalnya skor 0-55 adalah buruk, dan skor 56-100 adalah baik, maka data
berskala nominal.
Pemilihan skala data seperti contoh di atas disesuaikan dengan kebutuhan.
Sebagai contoh jika statistika digunakan sebagai alat untuk menilai kelayakan tingkat
pengetahuan bidan di desa, maka cukup digunakan kategori memadai dan tida
memadai. Tetapi jika tujuan yang diharapkan adalah untuk menilai tingkat
pengetahuan bidan di desa sebelum dan sesudah pelatihan, maka sebaiknya
digunakan skala interval. Misalnya skor sebelum pelatihan adalah 76 dan sesudah
pelatihan 95, berarti tampak ada peningkatan. Dalam skala ordinal 76 dan 95 masuk
kategori baik, sehingga dikatakan skor sebelum pelatihan adalah 3= baik, skor
sesudah pelatihan juga 3= baik, jadi seolah-olah tidak terjadi peningkatan.
10
Modul Ajar Statistika Untuk Mahasiswa Diploma IV Bidan
KEGIATAN BELAJAR 1
Soal Latihan
11
Modul Ajar Statistika Untuk Mahasiswa Diploma IV Bidan
KEGIATAN BELAJAR 1
12
Modul Ajar Statistika Untuk Mahasiswa Diploma IV Bidan
KEGIATAN BELAJAR 1
13
Modul Ajar Statistika Untuk Mahasiswa Diploma IV Bidan
KEGIATAN BELAJAR 1
4. Disajikan 10 contoh yaitu: 1) pria, 2) niat untuk mengikuti KB, 3) gizi buruk, 4)
anemia berat, 5) sikap positif terhadap tubektomi, 6) derajat dehidrasi, 7) petani,
8) jumlah anggota keluarga, 9) kebersihan lingkungan rumah, 10) HIV positif
Dari 10 contoh di atas, manakah yang merupakan variabel?
a. Contoh 2, dan 6
b. Contoh 6, dan 9
c. Contoh 2, 6, 8, dan 9
14
Modul Ajar Statistika Untuk Mahasiswa Diploma IV Bidan
KEGIATAN BELAJAR 1
d. Contoh 2, 5, 6, dan 8
e. Contoh 3, 5, 8, dan 9
Cocokkan jawaban Saudara dengan kunci jawaban tes formatif yang terdapat pada
bagian akhir Kegiatan Belajar 1, kemudian hitunglah jumlah jawaban yang benar!
Jika jawaban yang benar adalah:
Kalau Saudara memiliki tingkat pencapaian 80% ke atas, maka hasil Saudara
Bagus! Saudara dapat melanjutkan ke Kegiatan Belajar 2. Tetapi jika pencapaian
Saudara kurang dari 80%, maka sebaiknya ulangilah Kegiatan Belajar 1, terutama
bagian-bagian yang belum Saudara kuasai!
15
Modul Ajar Statistika Untuk Mahasiswa Diploma IV Bidan
KEGIATAN BELAJAR 1
1. C
2. A
3. B
4. C
5. C
16
Modul Ajar Statistika Untuk Mahasiswa Diploma IV Bidan
KEGIATAN BELAJAR 2
KEGIATAN BELAJAR 2
PENYAJIAN DATA
Kontributor:
Heru Santoso Wahito Nugroho
1
Modul Ajar Statistika Untuk Mahasiswa Diploma IV Bidan
KEGIATAN BELAJAR 2
2
Modul Ajar Statistika Untuk Mahasiswa Diploma IV Bidan
KEGIATAN BELAJAR 2
Menyesuaikan
Menyesuaikan
3
Modul Ajar Statistika Untuk Mahasiswa Diploma IV Bidan
KEGIATAN BELAJAR 3
KEGIATAN BELAJAR 3
TEORI
PROBABILITAS
Kontributor:
Budi Joko Santosa
1
Modul Ajar Statistika Untuk Mahasiswa Diploma IV Bidan
KEGIATAN BELAJAR 3
2
Modul Ajar Statistika Untuk Mahasiswa Diploma IV Bidan
KEGIATAN BELAJAR 3
Menyesuaikan
Menyesuaikan
3
LAMPIRAN