Case Study

IHSG Market Risk
& Volatility Analysis (Python/EDA)

31 Tahun Data Pasar Modal Indonesia - Dianalisis Menggunakan Python, dari Exploratory Data Analysis sampai Uji Statistik Non-Parametrik untuk Mengukur Risiko & Volatilitas

PYTHON PANDAS EDA STATISTICAL ANALYSIS TABLEAU

Sebuah proyek analisis data yang menelusuri 7.681 hari perdagangan Indeks Harga Saham Gabungan (IHSG) sepanjang 31 tahun (1995–2026), untuk memahami karakteristik risiko dan volatilitas pasar modal Indonesia lewat siklus krisis-pemulihan, fluktuasi harga, dan pola musiman. Seluruh temuan divalidasi menggunakan uji statistik non-parametrik dengan Python, dan disajikan lewat dashboard Tableau interaktif.

31 Tahun Data (1995–2026)
7.681 Hari Perdagangan (data historis IHSG)
3 Krisis Besar (Moneter 1998, Finansial Global 2008, Covid-19 2020)
5 Pertanyaan Riset (dijawab di halaman ini)

Identifikasi & penamaan krisis merujuk pada Laporan Bank Indonesia dan Arsip Nasional RI; penentuan titik krisis pada data historis IHSG adalah hasil analisis penulis.

Tentang Dataset

Data apa yang dianalisis?

Sebelum masuk ke analisis, penting untuk memahami dulu bentuk data mentahnya - supaya semua angka dan grafik di halaman ini punya konteks yang jelas.

7.681 Baris (hari perdagangan)
6 Kolom asli
1995–2026 Rentang waktu

Keenam kolom di bawah ini adalah seluruh kolom mentah dari sumber data (ihsg_daily.csv) - bukan hasil seleksi fitur. Artinya, tidak ada kolom asli yang dibuang. Dari 6 kolom mentah ini, dibuat sejumlah kolom turunan tambahan (misalnya daily_return, drawdown) khusus untuk kebutuhan analisis - bukan bagian dari data mentahnya, tapi hasil olahan yang akan dijelaskan di bagian relevan.

KolomTipePenjelasan Awam
DateTanggalTanggal spesifik saat bursa saham beroperasi dan melakukan transaksi.
OpenAngkaPosisi IHSG saat pasar resmi dibuka di sesi pagi.
HighAngkaTitik tertinggi yang dicapai IHSG dalam satu hari perdagangan.
LowAngkaTitik terendah yang disentuh IHSG pada hari perdagangan tersebut.
CloseAngkaNilai akhir IHSG saat pasar ditutup - kolom yang paling sering dipakai untuk melihat tren jangka panjang, dan menjadi basis hampir seluruh analisis di halaman ini.
VolumeAngkaTotal unit saham yang diperdagangkan pada tanggal tersebut.
Catatan kualitas data: Data bersih - tidak ada nilai kosong atau tanggal duplikat, dan struktur harga (High selalu ≥ Low/Open/Close, dst) valid secara logis. Ditemukan 109 baris dengan Volume = 0, 100 dari 109 baris (92%) berada di tahun 1995 - kemungkinan besar karena pencatatan volume belum konsisten di masa awal bursa Indonesia beroperasi. Baris ini tetap dipakai (bukan dihapus) karena kolom Close-nya tetap valid, namun dicatat sebagai keterbatasan data saat menafsirkan analisis terkait Volume.

Business Problem

Pertanyaan riset utama

Bagaimana pola pertumbuhan, volatilitas (seberapa besar & sering harga naik-turun dalam periode tertentu), dan siklus krisis-pemulihan IHSG selama periode 1995–2026 dapat memberikan gambaran mengenai karakteristik risiko dan perilaku pasar modal Indonesia dalam jangka panjang?

Pertanyaan besar ini kemudian dipecah menjadi 5 pertanyaan turunan yang lebih spesifik dan bisa dijawab langsung dari data historis harga IHSG:

  1. Bagaimana pertumbuhan IHSG dari 1995–2026, dan dekade mana yang paling cepat tumbuh vs paling stagnan?
  2. Kapan drawdown (penurunan dari puncak tertinggi ke titik terendah berikutnya, bisa berlangsung berbulan-bulan/bertahun-tahun, misal dari puncak 1997 sampai titik terendah 1998) terbesar terjadi, seberapa dalam, dan berapa lama pemulihannya?
  3. Apakah volatilitas harian cenderung naik, turun, atau stabil dari dekade ke dekade?
  4. Adakah pola musiman (misalnya kenaikan harga menjelang akhir tahun) yang konsisten setiap tahun?
  5. Apakah lonjakan volume perdagangan berkaitan dengan return harian (naik atau turunnya harga) di hari yang sama atau hari berikutnya?

Target pembaca temuan ini adalah investor ritel maupun analis yang ingin memahami karakteristik risiko jangka panjang pasar modal Indonesia sebagai dasar pengambilan keputusan - bukan sebagai sinyal beli/jual jangka pendek.

Analysis Approach

Alur pengerjaan

Bagian ini menjelaskan tahapan kerja dari data mentah sampai insight jadi - supaya pembaca teknis bisa menilai metodologinya, dan pembaca non-teknis paham prosesnya tidak sekadar "lihat grafik lalu simpulkan".

Data Validation

Cek missing values, duplikat, konsistensi tanggal, dan logika harga (OHLC) - memastikan data layak dianalisis sebelum lanjut.

Feature Engineering

Membuat kolom turunan seperti daily_return, drawdown, dan rolling volatility dari kolom Close mentah.

Exploratory Data Analysis

Visualisasi tren, distribusi, dan pola per dekade/bulan untuk menjawab kelima pertanyaan riset.

Statistical Validation

Menguji apakah pola yang terlihat di grafik memang signifikan secara statistik, menggunakan uji non-parametrik.

Dashboarding

Menyajikan temuan dalam dashboard Tableau interaktif untuk eksplorasi lebih lanjut oleh pembaca.

Python pandas NumPy SciPy Matplotlib Seaborn Tableau

Key Findings

The Four Headline Numbers

Empat angka yang paling merepresentasikan hasil analisis ini — masing-masing menjawab satu bagian dari pertanyaan riset utama (pertumbuhan, kedalaman krisis, lama pemulihan, dan volatilitas antar dekade).

13,26x Pertumbuhan Kumulatif (nilai IHSG sekarang dibanding awal 1995)

Dari 470 poin (satuan indeks IHSG, bukan Rupiah) di 2 Januari 1995, IHSG naik ke 6.234 poin di 3 Agustus 2026 (data terakhir) - setara kenaikan 1.226%, atau 13,26 kali lipat.

-65,33% Drawdown (penurunan dari puncak tertinggi ke titik terendah berikutnya, bisa berlangsung berbulan-bulan/bertahun-tahun, misal dari puncak 1997 sampai titik terendah 1998) Terdalam

Dari puncak 740,80 poin (ATH - All-Time High, titik tertinggi yang pernah dicapai sebelumnya), IHSG anjlok ke 256,82 poin saat dasar Krisis 1998 (21 Sep 1998) - penurunan 65,33%, yang terdalam dari tiga krisis besar yang dianalisis (1998, 2008, 2020).

1.936 hari Pemulihan Terlama

Setara ±5,3 tahun - dari titik terendah Krisis 1998 (21 Sep 1998) sampai IHSG kembali ke level tertinggi sebelumnya (9 Jan 2004). Jauh lebih lama dibanding pemulihan pasca-Krisis 2008 (524 hari, ±1,4 tahun).

p < 0,001 Volatilitas (fluktuasi harga) Antar Dekade

Uji Kruskal-Wallis pada besarnya gerakan harian (nilai absolut return) menunjukkan volatilitas berbeda signifikan antar dekade - bukan kebetulan acak.

Catatan: Kartu 1 & 2 menceritakan garis waktu yang sama (IHSG 1995–2026), tapi menyoroti titik berbeda - Kartu 1 membandingkan titik awal vs akhir data, Kartu 2 menyoroti satu episode krisis (1998) di tengah perjalanan itu.

Deep Dive Findings

Jawaban per pertanyaan riset

Q1 - Bagaimana pertumbuhan IHSG dari 1995–2026?

IHSG menunjukkan tren pertumbuhan jangka panjang yang jelas, dari level sekitar 470 poin di awal Januari 1995 menjadi sekitar 6.234 poin pada data terakhir - tumbuh sekitar 13,26 kali lipat. Namun pertumbuhannya tidak merata: dihitung majemuk (pertumbuhan berbunga-bunga per tahun, dari akhir dekade sebelumnya), 2000-an paling cepat tumbuh (14,11%/tahun), disusul 2010-an (9,53%) dan 1990-an (7,58%), sementara 2020-an hampir tidak tumbuh (-0,16%/tahun: 6.299,5 menjadi 6.234,5). Catatan: 1990-an di data hanya mencakup 1995-1999 dan 2020-an baru sampai Agustus 2026, jadi panjang dekadenya tidak sama.

Insight: 2000-an tampil sebagai dekade dengan pertumbuhan tercepat - kemungkinan besar karena efek recovery rally (kenaikan harga yang cepat dan berlangsung beberapa waktu setelah pasar jatuh, karena harga rebound dari titik yang sangat rendah) pasca-Krisis 1998 yang baru pulih penuh di tahun 2004, sehingga sisa dekade itu terdorong tren naik kuat. Sebaliknya, 2020-an tercatat paling stagnan (hampir tidak tumbuh), konsisten dengan periode pemulihan pasca-Covid-19 yang juga terjadi di dekade ini. Investor jangka panjang secara historis tetap diuntungkan oleh tren pertumbuhan struktural (pertumbuhan jangka panjang yang didorong perkembangan ekonomi, bukan naik-turun sesaat) 31 tahun, meski laju pertumbuhan antar dekade jauh dari merata.

Q2 - Seberapa dalam drawdown krisis besar, dan berapa lama pemulihannya?

Tiga krisis besar diidentifikasi dari data drawdown (penurunan dari puncak tertinggi ke titik terendah berikutnya, bisa berlangsung berbulan-bulan/bertahun-tahun, misal dari puncak 1997 sampai titik terendah 1998):

PeriodeTitik TerendahMax DrawdownLama Pemulihan
Krisis 199821 Sep 1998-65,33%1.936 hari
Krisis 200828 Okt 2008-60,73%524 hari
Covid-19 202024 Mar 2020-41,14%597 hari

Lama pemulihan dihitung sebagai jumlah hari kalender sejak titik terendah krisis hingga IHSG kembali menyentuh level tertinggi sebelum krisis tersebut (bukan sekadar "harga naik lagi").

Contoh cara baca Krisis 1998: IHSG turun dari puncak 740,80 poin ke titik terendah 256,82 poin pada 21 Sep 1998 (penurunan 65,33%). Baru pada 9 Januari 2004 - 1.936 hari kemudian, setara ±5 tahun 4 bulan - IHSG kembali menyentuh level 740,80 poin tersebut.

Insight: 1998 paling dalam (-65,33%) sekaligus paling lama pulih (1.936 hari). 2008 hampir sedalam itu (-60,73%) tapi pulih jauh lebih cepat (524 hari), bahkan lebih cepat dari Covid-19 yang jatuhnya lebih dangkal (-41,14%, 597 hari). Jadi kedalaman krisis tidak selalu berbanding lurus dengan lamanya pemulihan - IHSG selalu berhasil pulih ke level sebelumnya, menegaskan karakter pasar yang volatile jangka pendek namun resilien jangka panjang.

Q3 - Apakah volatilitas berubah dari dekade ke dekade?

Secara visual, distribusi rolling volatility 30 hari (standar deviasi return harian dalam 30 hari trading terakhir, dihitung bergerak sepanjang waktu) menunjukkan sebaran yang berbeda-beda antar dekade - dekade yang mencakup krisis besar (1998, 2008) menunjukkan rentang volatilitas yang jauh lebih lebar. Untuk mengujinya secara statistik, dipakai Kruskal-Wallis (uji non-parametrik untuk membandingkan sebaran lebih dari 2 kelompok, tanpa asumsi data berdistribusi normal) pada besarnya gerakan harian (nilai absolut return harian: seberapa besar harga bergerak, tanpa memandang naik atau turun) yang dikelompokkan per dekade:

DekadeStd Dev Return HarianMedian Gerakan Harian (|return|)
1990-an2,039%0,73%
2000-an1,547%0,81%
2010-an1,041%0,52%
2020-an1,166%0,56%
AnalisisH-statisticP-valueSignifikan?
Besar gerakan harian antar 4 dekade240,24< 0,001Yes
Insight: Volatilitas berbeda signifikan antar dekade (p < 0,001), bukan kebetulan acak. Kedua ukuran di tabel sepakat bahwa 2010-an (paling tenang) dan 2020-an jauh lebih stabil dibanding 1990-an dan 2000-an, dua dekade yang memuat krisis besar (1998 dan 2008). Urutan teratasnya berbeda: simpangan baku tertinggi di 1990-an karena banyak hari ekstrem saat Krisis 1998, sedangkan gerakan harian yang biasa paling besar di 2000-an.

Q4 - Adakah pola musiman yang konsisten setiap tahun?

Rata-rata return harian (rata-rata persentase naik/turunnya harga per hari) per bulan, digabung dari 31 tahun data, menunjukkan variasi antar bulan - termasuk indikasi rally akhir tahun (kenaikan harga saham menjelang akhir tahun) di bulan Desember, yang sering dikaitkan dengan window dressing (manajer investasi "mempercantik" portofolionya menjelang laporan akhir tahun). Saat dipecah per tahun lewat heatmap (peta warna: baris = tahun, kolom = bulan, hijau = rata-rata return positif, merah = negatif), Desember memang menonjol: rata-rata return-nya positif (di atas 0) di 28 dari 31 tahun (90%), dan hanya negatif di 2000, 2022, dan 2024. Bulan lain mendekati acak (hasilnya seperti lempar koin: kadang naik, kadang turun, tanpa pola jelas), dengan hanya 45-75% tahun positif, misalnya Agustus hanya 15 dari 31 tahun penuh atau 48% (2026 tidak dihitung karena baru 1 hari data).

Insight: Hanya Desember yang menunjukkan pola cukup konsisten (positif di 90% tahun, jauh di atas bulan lain yang rata-rata sekitar 58%), sejalan dengan dugaan window dressing. Bulan lainnya mendekati acak, dan analisis ini belum menguji signifikansi statistiknya (uji untuk memastikan pola bukan sekadar kebetulan). Karena itu pola kalender sebaiknya dipakai sebagai konteks tambahan, bukan satu-satunya dasar strategi timing pasar (memilih kapan membeli atau menjual berdasarkan waktu tertentu).

Q5 - Apakah volume perdagangan berkaitan dengan pergerakan harga?

Diuji menggunakan korelasi Spearman (mengukur kekuatan hubungan dua variabel dari -1 sampai +1, tanpa asumsi hubungan harus linear) antara Volume dan return, baik di hari yang sama maupun hari berikutnya:

AnalisisSpearman CorrP-valueSignifikan?
Volume vs Return (hari sama)0,03370,00315Yes
Volume vs Return (hari berikutnya)0,00410,71846No
Insight: Meski korelasi hari-sama tercatat "signifikan" secara statistik, nilainya (0,0337) sangat mendekati nol - artinya hubungannya nyaris tidak ada secara praktis. Volume perdagangan saja tidak cukup kuat untuk dijadikan indikator arah harga. Lonjakan volume bisa terjadi baik saat pasar naik maupun turun (misalnya saat panic selling), sehingga Volume lebih cocok dipakai sebagai indikator intensitas aktivitas pasar, bukan sinyal arah harga mandiri.

Statistical Validation

Mengapa perlu diuji secara statistik?

Pola yang "terlihat" di grafik belum tentu benar-benar berarti - bisa saja itu kebetulan acak. Bagian ini menjelaskan uji statistik yang dipakai untuk mengecek apakah temuan di atas cukup meyakinkan untuk dipercaya, atau perlu dipandang dengan hati-hati.

Kruskal-Wallis Test

Kenapa metode ini? Dipilih karena distribusi return finansial umumnya tidak normal (fat-tailed / punya banyak nilai ekstrem), sehingga uji parametrik seperti ANOVA yang mengasumsikan data normal kurang tepat. Kruskal-Wallis adalah versi non-parametrik untuk membandingkan lebih dari 2 kelompok - di sini, 4 kelompok dekade. Yang diuji adalah besarnya gerakan harian (nilai absolut return), karena volatilitas berarti seberapa besar harga bergerak, bukan ke arah mana. Return bertanda mencampur hari naik dan turun, sehingga ukuran "liar atau tenang" tertutup oleh arahnya.

Cara membaca hasilnya: "Signifikan" (p < 0,05) berarti perbedaan besarnya gerakan harian antar dekade kemungkinan besar bukan kebetulan acak - cukup meyakinkan secara statistik bahwa dekade-dekade tersebut memang punya karakter volatilitas yang berbeda.

Apa itu p-value? P-value adalah angka yang menunjukkan seberapa besar kemungkinan hasil ini muncul cuma karena kebetulan acak, bukan pola yang nyata. Semakin kecil p-value, semakin kecil kemungkinan itu kebetulan. Ambang umum yang dipakai: di bawah 0,05 dianggap cukup meyakinkan bukan kebetulan.

Penting diluruskan: P-value kecil hanya menunjukkan bahwa perbedaan antar dekade ini nyata - bukan mengukur seberapa besar bedanya (itu ukuran lain yang tidak dihitung di sini). Uji ini juga tidak bilang dekade mana yang beda. Selain itu, volatilitas cenderung bergerombol (hari ekstrem sering berurutan), sehingga data harian tidak sepenuhnya independen dan p-value cenderung terlalu optimis - karena itu dilaporkan sebagai p < 0,001, bukan angka eksak.

DekadeStd Dev Return HarianMedian Gerakan Harian (|return|)
1990-an2,039%0,73%
2000-an1,547%0,81%
2010-an1,041%0,52%
2020-an1,166%0,56%

Apa itu Standar Deviasi (Std Dev)? Mengukur seberapa jauh angka-angka biasanya menyimpang dari rata-ratanya. Semakin besar angkanya, semakin liar naik-turun datanya; semakin kecil, semakin stabil. Di sini dipakai untuk mengukur volatilitas: makin besar standar deviasi return harian, makin sering & besar harga naik-turun di dekade itu. Median gerakan harian adalah nilai tengah dari besarnya perubahan harga per hari (tanpa arah), sehingga tidak terpengaruh oleh beberapa hari ekstrem.

Insight dari tabel: Kedua ukuran sepakat bahwa 2010-an dan 2020-an jauh lebih tenang dibanding 1990-an dan 2000-an (dekade yang memuat Krisis 1998 dan 2008). Simpangan baku tertinggi di 1990-an karena banyak hari ekstrem, sedangkan gerakan harian yang biasa paling besar di 2000-an.
H-statistic: 240,24 P-value: < 0,001 Signifikan (p < 0,05)

Spearman Correlation

Kenapa metode ini? Dipilih (bukan Pearson) karena tidak mengasumsikan hubungan harus berbentuk garis lurus (linear) maupun data berdistribusi normal - cocok untuk data finansial yang cenderung punya banyak outlier ekstrem, misalnya saat krisis.

Cara membaca hasilnya: Nilai korelasi berkisar -1 sampai +1. Makin dekat ke 0, makin lemah hubungannya. P-value menunjukkan apakah angka korelasi itu bisa dipercaya (p < 0,05) atau kemungkinan besar cuma kebetulan.

Corr (hari sama): 0,0337 P-value: 0,00315 Signifikan tapi sangat lemah
Disclaimer penting: "Signifikan secara statistik" bukan berarti sebab-akibat, dan bukan jaminan pola ini akan berulang di masa depan. Hasil ini menunjukkan pola historis 1995–2026, bukan prediksi pergerakan pasar ke depan. Return dan volatilitas dihitung dari Daily Return (%) - perubahan persentase harian pada kolom Close - karena harga absolut tidak sebanding antar periode akibat pertumbuhan indeks dalam skala besar sepanjang 31 tahun.

Business Insights

Rekomendasi yang bisa ditindaklanjuti

  1. Adopsi strategi jangka panjang (buy and hold) untuk investor ritel. Mengingat karakter resiliensi jangka panjang IHSG meski melalui berbagai krisis, strategi ini berpotensi lebih sesuai dibanding trading jangka pendek yang sangat terpapar volatilitas.
  2. Waspadai periode volatilitas tinggi berbasis konteks makroekonomi. Karena volatilitas terbukti berbeda signifikan antar dekade dan paling tinggi di dekade yang memuat krisis besar, pemantauan indikator makroekonomi (bukan hanya data harga historis) penting untuk manajemen risiko portofolio.
  3. Jadikan pola musiman pertimbangan tambahan, bukan strategi utama. Dari 12 bulan, hanya Desember yang cukup konsisten (positif di 28 dari 31 tahun), dan itu pun masih tersisa 3 tahun negatif serta penyebabnya masih dugaan. Bulan lain mendekati acak, jadi menghindari atau memburu bulan tertentu hanya karena kalender tidak punya dasar data yang kuat. Padukan dengan analisis fundamental.
  4. Gunakan Volume sebagai indikator pelengkap, bukan sinyal utama. Karena Volume tidak terbukti berkorelasi kuat dengan arah harga, sebaiknya dikombinasikan dengan indikator teknikal atau fundamental lain dalam pengambilan keputusan.
  5. Perlakukan drawdown ekstrem sebagai bagian dari siklus normal pasar. Data historis menunjukkan pemulihan pasca-krisis, meski butuh waktu, secara konsisten terjadi - sehingga panic selling saat krisis berpotensi merugikan investor jangka panjang.

Interactive Dashboard

Eksplorasi data secara langsung

Dashboard Tableau berikut memungkinkan Anda menjelajahi data IHSG 31 tahun secara interaktif - filter per periode, lihat tren, dan telusuri detail krisis.

Catatan: Dashboard ini tetap menganalisis keseluruhan 31 tahun data (7.681 hari), sama seperti analisis Python di atas. Hanya 2 dari 5 KPI (Latest Close & Latest Daily Return) yang merupakan snapshot dari titik data terakhir (3 Agustus 2026) - selebihnya dihitung dari seluruh/rentang data historis. Data ditampilkan sesuai kondisi terakhir file dataset yang di-publish, bukan koneksi live ke bursa saham.

Buka Dashboard di Tab Baru ↗

Cara membaca KPI di bagian atas dashboard

KPIDihitung dariTerkait Q?Alasan
Maximum DrawdownSeluruh 31 tahunQ2Match langsung - angkanya (-65,33%) sama persis dengan Kartu 2 di atas
Average Daily ReturnSeluruh 31 tahunQ1 (pendukung)Komponen dasar di balik cumulative_return (Kartu 1) - bukan angka utama Q1, tapi salah satu bahan hitungannya
30-Day Volatility30 hari terakhirQ3 (versi ringkas)Konsep sama dengan uji Kruskal-Wallis, tapi snapshot 30 hari terakhir saja - bukan perbandingan antar dekade dengan uji statistik formal
Latest IHSG CloseTitik data terakhirTidak terkait Q manapunAngka acuan (anchor) - memberi konteks "di mana posisi terakhir data ini" sebelum menjelajahi grafik historis 31 tahun, praktik umum di desain dashboard BI
Latest Daily ReturnTitik data terakhirTidak terkait Q manapunSama seperti di atas - titik acuan awal, bukan bagian dari pembuktian riset Q1-Q5

Cara membaca grafik, dan kaitannya dengan pertanyaan riset

GrafikMenjawabYang perlu diperhatikan
IHSG Closing Price TrendQ1 - PertumbuhanTren naik jangka panjang, dengan 3 penurunan tajam yang terlihat sekilas (1998, 2008, 2020) sebelum pulih dan melanjutkan tren naik
IHSG Cumulative ReturnQ1 - PertumbuhanVersi persentase dari Closing Price - memudahkan melihat total pertumbuhan sejak 1995
IHSG DrawdownQ2 - Krisis & PemulihanSetiap lembah tajam adalah 1 episode penurunan pasar; lembah terdalam (1998) mencapai -65,33%
IHSG Daily ReturnQ3 - VolatilitasTitik-titik lonjakan (spike) yang rapat menunjukkan periode volatilitas tinggi - paling padat di sekitar 1998 dan 2008/2020
IHSG Trading VolumeQ5 - Volume vs HargaLonjakan volume ekstrem terlihat di tengah grafik, tapi tidak selalu berbarengan dengan pergerakan harga besar - konsisten dengan temuan korelasi lemah di uji statistik

Catatan: Pola musiman (Q4) tidak ditampilkan sebagai grafik terpisah di dashboard ini karena temuannya hanya konsisten di bulan Desember dan bulan lain mendekati acak - dibahas lengkap di section Deep Dive Findings di atas.

Lihat kode & metodologi lengkap

Seluruh proses analisis - dari data validation, feature engineering, hingga uji statistik - didokumentasikan lengkap di notebook Python pada repository GitHub berikut.

View Source Code on GitHub ↗