Membuat Grafik dengan SPSS

Berikut beberapa tulisan yang terkait dengan cara membuat berbagai jenis grafik dengan SPSS

Grafik Batang Sederhana pada SPSS
Satu gambar sering lebih bermakna dari seribu kata. Ungkapan ini sering dikemukakan untuk menunjukkan peran grafik dalam mendeskripsikan data, selain dengan menggunakan tabel distribusi frekuensi yang telah kita bahas pada tulisan-tulisan sebelumnya.
Untuk kepentingan itu, dalam beberapa seri tulisan dalam blog ini, akan kita bahas cara membentuk grafik dengan SPSS.
Sebagai latihan misalnya kita punya data tingkat pendidikan dan pendapatan dari 30 orang responden penelitian. Tingkat pendidikan misalnya dikategorikan sebagai:
Baca Selanjutnya

Grafik Batang Clustered dan Stacked pd SPSS
Tulisan ini merupakan lanjutan dari tulisan sebelumnya yang membahas mengenai grafik batang sederhana pada SPSS. Untuk memahami tulisan ini, silakan baca tulisan tersebut terlebih dahulu.
Kali ini kita akan membahas mengenai grafik batang clustered dan stacked. Data yang digunakan untuk latihan adalah data tingkat pendidikan dan pendapatan yang telah diberikan pada tulisan sebelumnya tersebut.
Setelah menginput data tersebut, klik Graphs > Legacy Dialogs > Bar. Akan muncul tampilan berikut:
Baca Selanjutnya

Grafik Lingkaran pada SPSS
Salah satu jenis grafik yang sering digunakan terutama untuk menggambarkan proporsi dari kategori data adalah grafik lingkaran (pie). Karenanya, pada postingan kali ini kita akan membahas mengenai cara membuat grafik lingkaran pada SPSS.
Sebagai latihan, data yang kita gunakan sama dengan data pada postingan sebelumnya (yaitu data tingkat pendidikan dan pendapatan dari 30 orang responden penelitian). Lihat tulisan ini.
Setelah menginput data tersebut, klik Graphs > Legacy Dialogs > Pie. Akan muncul tampilan berikut:
Baca Selanjutnya

Lanjutan: Grafik Lingkaran pada SPSS
Postingan ini merupakan lanjutan dari postingan sebelumnya mengenai cara membuat grafik lingkaran pada SPSS. (Silakan baca tulisan tersebut terlebih dahulu, untuk dapat memahami bagian ini).
Jika pada tulisan sebelumnya kita hanya menggambarkan variabel pendidikan dalam satu grafik lingkaran tanpa mengelompokkannya berdasarkan pendapatan (sesuai dengan data latihan yang kita miliki), maka kali ini kita membuat grafik lingkaran yang terkelompok berdasarkan tingkat pendapatan.
Setelah menginput data, klik Graphs > Legacy Dialogs > Pie. Akan muncul tampilan berikut:
Baca Selanjutnya

Membuat Tabel Silang dengan SPSS

Tabel silang (crosstabs) adalah tabel distribusi frekuensi yang memperlihatkan keterkaitan antar variabel. Dalam konteks ini, SPSS sebagai salah satu software statistik memiliki fasilitas dalam membuat tabel silang ini.
Berikut beberapa tulisan terkait mengenai cara membuat tabel silang dengan SPSS

Tabel Silang dengan SPSS
Salah satu cara untuk menggambarkan keterkaitan antar variabel secara sederhana adalah dengan membentuk tabel silang (crosstabs) antar variabel tersebut. Tabel silang adalah tabel distribusi frekuensi yang menghubungkan dua atau lebih variabel.
Bagaimana cara kita membentuk tabel silang ini dengan SPSS ?
Sebagai latihan, misalnya kita punya data tingkat pendidikan dan pendapatan dari 60 orang responden penelitian. Tingkat pendidikan misalnya dikategorikan sebagai:
Baca Selanjutnya

Tabel Silang Tiga Variabel dengan SPSS
Tabel silang pada dasarnya tidak hanya dapat dibentuk antar dua variabel, tetapi juga dapat dibentuk untuk melihat keterkaitan lebih dari dua variabel. Oleh karenanya, jika pada tulisan sebelumnya kita telah membahas membuat tabel silang untuk dua variabel (silakan baca dulu tulisan tersebut untuk memahami bagian ini), maka sekarang kita akan bahas cara membentuk tabel silang lebih dari dua variabel (untuk kali ini kita lihat terlebih dahulu untuk tiga variabel).
Sebagai latihan, misalnya kita punya data mengenai jenis kelamin (sex), tingkat pendidikan dan pendapatan dari 60 orang responden penelitian.
Baca Selanjutnya

Tabel Silang Empat Variabel dengan SPSS
Tulisan ini merupakan lanjutan dari dua tulisan sebelumnya yang membahas mengenai tabel silang. Untuk memahami bagian ini, silakan baca terlebih dahulu bagian pertama dan bagian kedua ini.
Jika pada tulisan sebelumnya kita sudah membahas mengenai tabel silang untuk tiga variabel, sekarang kita akan membahas untuk empat variabel (dan dengan cara yang sama untuk lebih dari empat variabel).
Sebagai latihan, misalnya kita punya data mengenai jenis kelamin (sex), daerah, tingkat pendidikan dan pendapatan dari 60 orang responden penelitian.
Baca Selanjutnya

Mendapatkan Ukuran Statistik Deskriptif pd SPSS

Berikut ini beberapa tulisan terkait untuk mendapatkan ukuran numerik statistik deskriptif dengan menggunakan paket program statistik SPSS

Statistik Deskriptif pada SPSS (Bagian 1)
Ukuran-ukuran statistik deskriptif dalam pengolahan data bertujuan untuk mendapatkan gambaran ringkas dari sekumpulan data, sehingga kita dapat menyimpulkan keadaan data secara mudah dan cepat. Selain itu, melalui ukuran-ukuran statistik deskriptif ini, kita dapat menentukan jenis pengolahan statistik lebih lanjut yang sesuai dengan karakteristik data kita tersebut.
Berkaitan dengan hal tersebut, seri tulisan ini akan membahas cara mendapatkan ukuran-ukuran statistik deskriptif pada SPSS. Sebagai latihan, misalnya terdapat data umur dan pendapatan dari 18 responden penelitian kita yang telah diinput pada SPSS sebagai berikut:
Baca Selanjutnya

Statistik Deskriptif pada SPSS (Bagian 2)
Bagian ini merupakan bagian kedua dari seri tulisan mengenai statistik deskriptif pada SPSS. Untuk memahami bagian ini, silakan baca dulu bagian 1.
Seperti yang terlihat pada bagian 1 tulisan ini, output SPSS untuk statistik deskriptif terdiri dari 14 kolom. Masing-masing kolom akan dijelaskan sebagai berikut:
Kolom pertama dari output menunjukkan variabel yang diolah.
Kolom kedua adalah jumlah observasi. Perhatikan bahwa untuk umur responden, jumlah observasi adalah 18, sedangkan untuk pendapatan responden adalah 16. Mengapa ? Karena dua observasi sesuai dengan contoh latihan kita adalah data missing. SPSS dalam hal ini hanya akan mengolah data yang valid dengan mengeluarkan data missing.
Baca Selanjutnya

Statistik Deskriptif pada SPSS (Bagian 3)
Postingan ini merupakan bagian ketiga (terakhir) dari dua postingan sebelumnya mengenai statistik deskriptif pada SPSS. Untuk memahami bagian ini, silakan baca terlebih dahulu bagian 1 dan bagian 2.
Pada bagian ketiga ini, kita akan membahas mengenai skewness dan standar errornya serta kurtosis dan standar errornya sebagai bagian dari output statistik deskriptif SPSS yang ada pada kolom kesebelas sampai kolom keempatbelas.
Kolom kesebelas adalah skewness data. Skewness merupakan alat ukur dalam menelusuri distribusi data yang diperbandingkan dengan distribusi normal. Skewness merupakan pengukuran tingkat ketidaksimetrisan (kecondongan) sebaran data di sekitar rata-ratanya.
Baca Selanjutnya

Mempersiapkan Input Data pd SPSS

Berikut beberapa seri tulisan mengenai cara mempersiapkan input data dalam SPSS.

Menginput Data Pada SPSS (Bag.1)
Untuk menginput data pada SPSS, langkah-langkahnya sebagai berikut:
Buka Program SPSS. Pertama kali akan muncul tampilan Data Editor. Data Editor dalam SPSS yang mempunyai fungsi utama untuk mendefinisikan, menginput, mengedit dan menampilkan data.
Di dalam SPSS, sebelum menginput data, definisikan terlebih dahulu data (variabel) yang akan diinput (meskipun ini bisa dilakukan belakangan, sebaiknya lakukan hal ini sebelum data diinput).
Perhatikan disudut kiri bawah dari tampilan data editor diatas. Disitu terdapat menu Data View (posisi kita saat ini, yang ditandai oleh tulisan yang lebih hitam) dan menu Variable View. Untuk mendefinisikan data (variabel), klik Variable View, maka akan muncul tampilan berikut:
Baca Selanjutnya

Menginput Data pada SPSS (Bagian 2)
Tulisan ini adalah sambungan dari bagian 1. Cara Menginput Data pada SPSS. Silakan baca tulisan tersebut terlebih dahulu untuk memahami bagian ini.
Setelah menentukan nama variabel, jenis variabel, ukuran lebar dan desimal dari input data untuk masing-masing variabel, selanjutnya adalah mengisikan label untuk masing-masing variabel tersebut.
Label adalah semacam keterangan mengenai variabel. Berbeda dengan nama variabel yang terbatas hanya sampai 64 karakter, label dapat di buat sampai 256 karakter. Selain itu, label ini dapat menggunakan spasi maupun karakter-karakter yang tadinya tidak dapat digunakan pada nama variabel.
Berikutnya adalah menginputkan Values dari masing-masing variabel. Values ini secara khusus berguna jika data yang kita gunakan merupakan kode numerik (dalam bentuk angka) yang mewakili kategori non-numerik. (Misalnya kode 1 untuk laki-laki dan kode 2 untuk perempuan).
Baca Selanjutnya

Menginput Data pada SPSS (Bagian 3)
Setelah memberikan dasar-dasar pendefinisian variabel untuk input data pada SPSS (lihat tulisan bagian 1 dan bagian 2), pada bagian 3 ini kita akan menggunakan data contoh untuk mempraktekkannya. Untuk memahami bagian ini, silakan baca dua bagian tulisan sebelumnya.
Sebagai latihan, misalnya kita akan menginput data hasil penelitian terdapat 18 responden penelitian sebagai berikut:
Baca Selanjutnya

Menginput Data pada SPSS (Bagian 4)
Postingan ini merupakan bagian terakhir dari seri tulisan mengenai cara input data pada SPSS. Untuk memahami bagian ini, silakan baca terlebih dahulu bagian 1, bagian 2 dan bagian 3 sebelumnya.
Kali ini kita akan mempraktekkan pendefinisian variabel dengan data latihan yang telah diberikan pada tulisan sebelumnya.
Buka Program SPSS, kemudian masuk ke menu Variable View (dengan cara mengklik menu yang ada disudut kiri bawah)maka akan muncul tampilan berikut:
Baca Selanjutnya

Serba Serbi Boxplot

Boxplot merupakan salah satu alat dalam statistik deskriptif dalam rangka menggambarkan dan mempelajari karakteristik data. Berikut beberapa tulisan terkait mengenai boxplot

Mengenal Boxplot
Langkah awal dalam menganalisis data adalah mempelajari karakteristik dari data tersebut. Untuk itu, kita perlu mengetahui misalnya pemusatan dan penyebaran data dari nilai tengahnya, nilai ekstrim atau outliernya, dan beberapa pengukuran lainnya.
Terdapat beberapa teknik untuk mempelajari karakteristik dan distribusi data tersebut. Diantaranya adalah stem-leaf plot, histogram, density trace, probability plot dan box plot. Namun, pada seri tulisan ini, kita akan membahas terlebih dahulu mengenai boxplot.
Baca Selanjutnya

Cara Membuat Boxplot secara Manual
Pada bagian ini kita akan mencoba membuat boxplot secara manual, agar ketika mengaplikasikan pada software-software statistik bisa lebih memahami prosedur nya.
Sebagai latihan, misalnya kita punya sekumpulan data berikut:
Baca Selanjutnya

Membuat Boxplot dengan Minitab
Jika pada dua tulisan sebelumnya kita sudah memperkenalkan dasar-dasar boxplot dan cara membuat boxplot secara manual, maka kali ini kita akan membahas cara membuat boxplot menggunakan paket program statistik Minitab.
Untuk latihan ketikkan data umur berikut (sebanyak 11 data) pada worksheet Minitab seperti tampilan dibawah ini.
Baca Selanjutnya

Membandingkan Dua Boxplot
Tulisan berikut ini akan membahas cara membuat dua boxplot dan menginterpretasikan hasilnya secara sederhana. Aplikasi yang digunakan seperti tulisan terdahulu, juga menggunakan Program Minitab.
Baca Selanjutnya

Membuat Single Boxplot dengan SPSS
Tulisan inimembahas cara membuat boxplot dengan SPSS. Untuk memahami tulisan ini, silakan baca terlebih tulisan-tulisan sebelumnya sebagai berikut:
Baca Selanjutnya

Membuat Multiple Boxplot dengan SPSS
Tulisan kali ini akan membahas cara membuat multiple boxplot dengan program yang sama. Yang dimaksud dengan multiple boxplot dalam tulisan ini adalah membuat lebih dari satu boxplot yang ditampilkan sekaligus dalam satu gambar/grafik.
Untuk memahami pembahasan dalam tulisan ini, silakan terlebih dahulu baca tulisan dalam blog ini mengenai:
Baca Selanjutnya

Bag.2: Dasar-Dasar Ekonometrik dan Regresi

Bentuk Fungsional Regresi Linear
Model-model regresi yang dikemukakan sebelumnya adalah model yang linear dalam paramater dan variabel. Namun, pengertian regresi linear yang lebih umum adalah regresi tersebut linear dalam parameter (atau yang secara intrinsik bisa dibuat linear melalui transformasi variabel), sedangkan variabelnya boleh saja bersifat linear atau tidak. Misalnya, persamaan Y = β0+ β1Xi2 dapat digolongkan sebagai regresi linear, karena paramaternya (β1) bersifat linear, meskipun variabelnya (Xi2) tidak bersifat linear.
Berdasarkan hal tersebut, dapat dikembangkan berbagai berbagai bentuk fungsional model regresi. Bentuk pertama yang akan kita bahas dalam tulisan ini adalah Model Double-Log sebagai berikut:
Baca Selanjutnya

Lanjutan: Bentuk Fungsional Regresi Linear
Sebagai kelanjutan dari tulisan mengenai bentuk-bentuk fungsional model regresi, pada bagian ini akan dibahas dua bentuk umum lainnya yaitu model semilog dan model resiprokal
1.Model Semilog
Model semilog adalah model dimana hanya salah satu variabel (Y atau X) yang ditransformasi secara logaritma. Bentuk modelnya sebagai berikut:
Baca selanjutnya

Model Pilihan Kualitatif
Kali ini akan dibahas mengenai model pilihan kualitatif (Model of Qualitative Choice). Apa itu model pilihan kualitatif ?
Model pilihan kualitatif adalah model dengan variabel terikatnya berskala pengukuran nominal atau ordinal. Dengan kata lain, dalam model regresi ini melibatkan dua atau lebih pilihan kualitatif.
Baca Selanjutnya

Regresi Binary Logit
Sebagai kelanjutan dari tulisan mengenai model pilihan kualitatif, pada bagian ini, akan dijelaskan contoh model binary logit dan estimasinya dengan menggunakan program SPSS. Sebagai contoh ilustratif, misalnya ingin diprediksi pengaruh umur, jenis kelamin dan pendapatan terhadap pembelian mobil. Berdasarkan hasil survai terhadap 48 responden, didapatkan datanya sebagai berikut:
Baca Selanjutnya

Asumsi Regresi OLS
Dalam suatu penelitian, umumnya kita tidak mempunyai data populasi (keseluruhan objek penelitian/pengamatan), tetapi hanya memiliki data sampel (bagian kecil dari populasi). Oleh karenanya, terkait dengan analisis regresi (sebagai alat analisis yang populer dan memiliki penggunaan luas dalam penelitian pada berbagai bidang ilmu), umumnya kita juga tidak dapat membentuk regresi dari data populasi (atau yang dikenal dengan fungsi regresi populasi=PRF). Melalui data sampel, kita hanya dapat membentuk fungsi regresi sampel (SRF) dan SRF tersebut yang dijadikan sebagai penaksir fungsi regresi populasi.
Baca Selanjutnya

Statistik Non-Parametrik

Statistik Non-Parametrik merupakan alternatif dari statistik parametrik ketika asumsi-asumsi yang mendasari dalam statistik parametrik tidak dapat terpenuhi. Untuk mengenal lebih jauh mengenai statistik non-parametrik, berikut beberapa tulisan terkait

Pengantar Statistik Non-Parametrik
Tulisan kali ini akan mencoba mengantar ke pemahaman mengenai statistika non-parametrik, sebagai alternatif analisis statistik parametrik dalam pengolahan dan pengujian hipotesis untuk penelitian. Tulisan ini merupakan bagian awal dari tulisan berseri. Pada seri-seri berikutnya akan diberikan beberapa contoh kasus dan dan aplikasi perhitungannya secara manual serta penggunaan paket program statistik.
Baca Selanjutnya

Model-Model Analisis Statistik Non-Parametrik
Statistik nonparametrik adalah valid dengan asumsi yang longgar serta teorinya relatif luwes. Karenanya metode ini relatif serba bisa/serba guna, memiliki banyak alternatif prosedur dan diaplikasikan dalam banyak metode-metode analisis baru.
Mengingat banyaknya alternatif prosedur statistik non-parametrik menyebabkan berbagai literatur memberikan pengelompokan kategori statistik non parametrik dengan berbagai cara yang berbeda. Namun demikian, secara sederhana dan berdasarkan prosedur yang sering digunakan, uji-uji tersebut diantaranya dapat dikelompokkan atas kategori berikut:
Baca Selanjutnya

Statistik Uji Kruskal-Wallis
Bagian ini akan membahas mengenai Statistik Uji Kruskal-Wallis, contoh perhitungan manualnya dan aplikasi pada program statistik SPSS.
Analisis varians satu arah berdasarkan peringkat Kruskal-Wallis pada statistik non-parametrik dapat digunakan pada sampel independent dengan kelompok lebih dari dua. Statistik uji Kruskal-Wallis dapat dituliskan sebagai berikut:
Baca Selanjutnya

Korelasi Peringkat
Bagian ini akan membahas mengenai korelasi peringkat. Terdapat tiga jenis koefisien korelasi peringkat pada nonparametrik yang umumnya digunakan yaitu Spearman R, Kendal tau dan Gamma Coefficient. Statistik chi-square juga merupakan bagian dari korelasi non-parametrik, tetapi berbeda dengan ketiga jenis korelasi tersebut, perhitungannya didasarkan pada tabel frekuensi dua arah (tabel silang).
Baca Selanjutnya

Korelasi Peringkat dengan SPSS
Tulisan ini merupakan lanjutan dari tulisan seri 4 non-parametrik yang membahas mengenai korelasi peringkat pada statistik non-parametrik. Jika pada tulisan sebelumnya diberikan pengertian dasar dan contoh perhitungan secara manual, maka pada bagian ini akan diberikan aplikasi perhitungannya menggunakan paket program statistik SPSS. Untuk memahami bagian ini, silakan baca tulisan seri 4 tersebut.
Dalam aplikasi SPSS, untuk perhitungan korelasi tersebut melalui tahapan sebagai berikut:
Baca Selanjutnya

Prosedur Uji Chi Square
Prosedur X2 Test (Uji Chi Square) berdasarkan tabel silang ini adalah menabulasi (menyusun dalam bentuk tabel) suatu variabel dalam kategori dan menguji hipotesis bahwa frekuensi yang diobservasi (data yang diamati) tidak berbeda dari frekuensi yang diharapkan (frekuensi teoritis). Uji goodness-of-fit dari chi-square membandingkan antara frekuensi yang diobservasi dan frekuensi yang diharapkan (expected) pada masing-masing kategori untuk menguji bahwa semua kategori mengandung proporsi nilai yang sama atau menguji bahwa masing-masing kategori mengandung proporsi nilai tertentu.
Baca Selanjutnya

Chi-Square dengan SPSS
Pada bagian ini, akan dibahas lebih lanjut aplikasi perhitungan chi-square dengan menggunakan paket program statistik SPSS.
Karena kasus yang digunakan adalah kasus pada seri 6 sebelumnya, silakan baca seri tersebut untuk memahami bagian ini.
Dalam aplikasi SPSS, untuk perhitungan Chi Square tersebut melalui tahapan sebagai berikut:
Baca Selanjutnya

Bag.1: Dasar-Dasar Ekonometrik dan Regresi

Untuk memahami dasar-dasar mengenai dasar-dasar ekonometrik dan regresi, berikut ini diberikan beberapa tulisan terkait.

Regresi Linear Sederhana
Apa itu ekonometrika ? Banyak definisi yang dikemukakan oleh para ahli. Namun demikian, secara prinsipnya ekonometrika merupakan suatu cabang ilmu yang menggabungkan dan mengaplikasikan teori ekonomi, matematika dan statistik inferensi dalam menganalisis persoalan-persoalan ekonomi.
Ekonometrika menjadi penting dalam ilmu ekonomi karena melalui ekonometrika berbagai teori ekonomi yang sebelumnya bersifat kualitatif, dapat diukur dan dimaknai secara kuantitatif (dalam bentuk angka). Selain itu, melalui ekonometrika, kita juga dapat menguji teori-teori ekonomi secara empiris. Oleh karenanya, ekonometrika menjadi penting dalam konteks pengembangan ilmu ekonomi.
Baca Selanjutnya

Regresi Linear Berganda
Model regresi linear berganda adalah model regresi dengan variabel bebas lebih dari satu. Misalnya dalam kasus regresi linear sederhana pada tulisan sebelumnya, kita tambahkan satu variabel lainnya yang mempengaruhi konsumsi selain pendapatan (menurut Teori Keynes) yaitu jumlah anggota keluarga (seperti yang tercantum pada tabel sebelumnya).
Model ekonometrik dalam bentuk fungsi regresi linear bergandanya sebagai berikut:
Baca selanjutnya

Regresi dengan Variabel Dummy
Tulisan ini merupakan seri ketiga dari model ekonometrik dengan SPSS. Bahasan kali ini adalah mengenai regresi dengan variabel dummy.
Dalam regresi, variabel dependent (terikat) pada dasarnya tidak hanya dapat dipengaruhi oleh variabel independent (bebas) kuantitatif, tetapi juga dimungkinkan oleh variabel kualitatif. Lalu bagaimana cara kita memasukkan variabel independent kualitatif tersebut (yang tidak berbentuk angka) ke dalam model regresi?
Baca Selanjutnya

Memahami Autokorelasi

Berikut ini beberapa postingan yang terkait dengan pemahaman mengenai autokorelasi.

Pengantar: Autokorelasi
Salah satu asumsi dalam model regresi linear klasik adalah tidak adanya autokorelasi. Apa itu autokorelasi ? Autokorelasi adalah kondisi dimana terdapat korelasi atau hubungan antar pengamatan (observasi), baik itu dalam bentuk observasi deret waktu (time series) atau observasi cross-section.
Baca Selengkapnya

Manual: Deteksi Autokorelasi dengan Grafik
Tulisan kali ini akan membahas mengenai cara mendeteksi autokorelasi dengan metode grafik. Dengan metode grafik, untuk mendeteksi autokorelasi pada data time series dilakukan dengan cara memplotkan et terhadap waktu (t) atau et dengan et-1. Nilai et ini merupakan pendekatan untuk melihat gangguan atau disturbansi populasi ut (atau ui seperti yang dijelaskan pada tulisan mengenai autokorelasi sebelumnya), yang tidak dapat diamati secara langsung.
Baca Selengkapnya

SPSS: Deteksi Autokorelasi dengan Grafik
Pada tulisan sebelumnya, telah dibahas cara mendeteksi autokorelasi dengan grafik yang dilakukan secara manual. Kali ini akan kita coba menggunakan paket program SPSS.
Baca Selengkapnya

Excel: Deteksi Autokorelasi dengan Grafik
Jika sebelumnya telah dibahas cara mendeteksi autokorelasi dengan grafik dengan menggunakan program SPSS, kali ini kita akan menggunakan Program Excel.
Baca selengkapnya

Deteksi autokorelasi dengan Statistik Durbin-Watson
Pada tiga tullisan sebelumnya kita sudah membahas mengenai cara mendeteksi autokorelasi dengan metode grafik. Kali ini kita akan membahas cara mendeteksi autokorelasi dengan menggunakan statistik d dari Durbin-Watson (sering disingkat DW)
Baca selengkapnya