Laporan biomet sas rak astody

PRAKTIKUM BIOMETRI
“ANALISIS RAK MENGGUNAKAN SAS (STATISTICAL ANALYSIS
SYSTEM)”
DISUSUN OLEH :
NAMA : ASTODY GUSTA MANDAYU
NIM : F1071131005
KELAS : A
PROGRAM STUDI PENDIDIKAN BIOLOGI
JURUSAN MATEMATIKA DAN ILMU PENGETAHUAN
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS TANJUNGPURA
PONTIANAK
2015

A. PENDAHULUAN
Pengolahan data adalah suatu proses dalam memperoleh data ringkasan
atau angka ringkasan dengan menggunakan cara-cara atau rumus-rumus tertentu.
Banyak koleksi atau paket-paket program komputer telah didesain untuk
mengolah dan menganalisis bermacam-macam tipe data. Paket program komputer
seperti Statistical Analysis System (SAS), Statistical Package for Social Science
(SPSS), Microsoft Excel, LISREL (Student Version), AMOS tersedia luas di
pasaran sebagai perangkat lunak komputer yang bebas diperjualbelikan, selain
berbagai jenis perangkat lunak lainnya. Bermacam-macam perangkat lunak
komputer pribadi tersedia untuk aplikasi penelitian.Sebagian besar paket ini terdiri
dari susunan program yang cukup besar untuk analisis deskriptif dan analisis
statistik dengan monovariate,bivariate, atau multivatiate (Hasan, 2002).
Oleh karena itu dalam praktikum kali ini kami akan mencoba melakukan
perhitungan data dari desain eksperimen RAK dengan menggunakan aplikasi
SAS. Diharapkan setelah melakukan praktikum ini maka praktikan dapat
menggunakan aplikasi SAS untuk melakukan perhitungan data desain eksperimen
RAK (Rancangan Acak Kelompok).
Perancangan percobaan atau rancangan percobaan (Design of
Experiment) adalah langkah-langkah lengkap yang harus diambil sebelum
percobaan dilakukan supaya data yang semestinya diperlukan dapat diperoleh
sehingga analisis yang dilakukan dapat obyektif dan mempunyai kesimpulan yang
berlaku untuk persoalan yang sedang dibahas. Percobaan tersebut dilakukan
dengan tujuan untuk menyelidiki sesuatu yang belum diketahui atau untuk
menguji suatu teori atau hipotesis (Sudjana, 1989).
Rancangan Acak Kelompok adalah suatu rancangan acak yang dilakukan
dengan mengelompokkan satuan percobaan kedalam group-group yang homogen
yang dinamakan kelompok dan kemudian menentukan perlakuan secara acak di
dalam masing-masing kelompok. Pengelompokan digunakan untuk usaha
memperkecil galat, dan untuk membuat keragaman satuan-satuan percobaan di
dalam masing-masing kelompok sekecil mungkin sedangkan perbedaan antar
kelompok sebesar mungkin (Gaspersz, 1991).

Rancangan ini dipakai bila satuan percobaan yang digunakan harus
dikelompokkan karena tidak homogen. Pada umumnya percobaan yang dilakukan
di lapangan dengan menggunakan tanah perlu dikelompokkan, misalnya karena
kemiringan tanah tidak sama pada percobaan penanaman rumput gajah. Percobaan
yang menggunakan ternak besar umumnya juga membutuhkan pengelompokkan,
karena sult mengumpulkan ternak kambing atau sapi yang memiliki umur dan
berat yang homogen sekaligus dalam jumlah banyak. Selain satuan percobaan
yang tidak homogen, lingkungan percobaan selain perlakuan harus relative
homogen, seperti halnya, kandang, perlengkapan kandang, tata laksana
pemeliharaan dan suhu lingkungan (Hasan, 2002).
Adapun Keuntungan RAK, sebagai berikut:
1. Lebih efisien dan akurat dibandigkan dengan RAL
2. Lebih fleksibel
3. Penarikan kesimpulan lebih luas
4. Memerlukan asumsi tambahan untuk beberapa uji hipotesis dan lain-lain
Model RAK sebagai berikut :
Yij = μ + τi + βj + εij.
keterangan:
Yij = nilai pengamatan pada perlakuan ke – I kelompok ke – j
μ = nilai tengah umum
τi = pengaruh perlakuan ke - i
βj = pengaruh kelompok ke - j
εij=galat percobaan pada perlakuan ke – I & kelompok ke -j
p = banyaknya perlakuan
r = banyaknya kelompok / ulangan (Sudjana, 1985).
Sistem SAS (Statistical Analysis System) merupakan sistem paket
program untuk analisis data dan pelaporan. SAS dapat melakukan Penyimpanan,
pemanggilan dan manipulasi data, analisis statistika sederhana dan analisis
statistika kompleks. Sistem SAS adalah produk perangkat lunak yang dirancang
untuk mengakses, menganalisis dan melaporkan data untuk berbagai macam
aplikasi. Bahasa SAS termasuk bahasa pemrograman yang dirancang untuk
memanipulasi data dan mempersiapkannya untuk analisis dengan prosedur sistem

SAS. Sistem SAS pada awalnya dikembangkan pada 1970-an untuk peneliti
akademis oleh Dr. James Goodnight dan rekan-rekannya di North Carolina State
University (Laili, 2011).
Pemrograman dalam SAS dapat dikategorikan menjadi 2 jenis. Pertama,
data step. Data step biasanya digunakan untuk membuat, membaca, ataupun
memanipulasi data. Kedua, proc step (proc merupakan kependekan dari
procedure). Proc step digunakan untuk menganalisa, meringkas, ataupun membuat
tabulasi dari sebuah data. Baik data step maupun proc step diawali dengan kata
“data” atau “proc”, dan diakhiri dengan kata “run” (Widjaja, 2009).
B. TUJUAN DAN PERMASALAHAN
Adapun tujuan dari praktikum kali ini adalah bertujuan untuk menguji
hipotesis dari hasil data yang sudah didapatkan sehingga diharapkan praktikan
dapat menggunakan SAS untuk melakukan perhitungan dari desain ekperimen
RAK.
Sedangkan permasalahan yang didapat pada praktikum kali ini adalah
bagaimana cara menginput data RAK ke dalam aplikasi SAS dan menganalisis
hasil data dari proses penggunaan aplikasi SAS.
C. HASIL PENGAMATAN
1. Data Pengamatan
The SAS System 16:05 Monday, May 5, 1997 1
OBS NO PERLK BLOK Y1
1 1 KONTROL 1 10.19
2 2 KONTROL 2 9.26
3 3 KONTROL 3 12.73
4 4 K2P1 1 32.02
5 5 K2P1 2 25.76
6 6 K2P1 3 19.72
7 7 K2P2 1 23.91
8 8 K2P2 2 21.99
9 9 K2P2 3 21.42
10 10 K2P3 1 17.15
11 11 K2P3 2 15.66
12 12 K2P3 3 10.37
13 13 K2P4 1 10.35
14 14 K2P4 2 10.31

15 15 K2P4 3 14.31
16 16 K3P1 1 21.98
17 17 K3P1 2 19.43
18 18 K3P1 3 16.16
19 19 K3P2 1 18.08
20 20 K3P2 2 13.50
21 21 K3P2 3 18.32
22 22 K3P3 1 18.07
23 23 K3P3 2 14.01
24 24 K3P3 3 14.39
25 25 K3P4 1 12.37
26 26 K3P4 2 16.32
27 27 K3P4 3 10.20
2. Hasil Perhitungan tabel ANOVA dengan SAS
Data 1
HASIL ANALISIS RAGAM 16:05 Monday, May 5, 1997 2
General Linear Models Procedure
Class Level Information
Class Levels Values
PERLK 9 K2P1 K2P2 K2P3 K2P4 K3P1 K3P2 K3P3 K3P4 KONTROL
BLOK 3 1 2 3
Number of observations in data set = 27
Dependent Variable: Y1 BERAT GABAH PER POT
Source DF Sum of Squares Mean Square F Value
Pr> F
Model 10 653.58601481 65.35860148 7.37
0.0003
Error 16 141.94959259 8.87184954

Corrected Total 26 795.53560741
R-Square C.V. Root MSE
Y1 Mean
0.821567 17.95197 2.97856501
16.59185185
Source DF Type I SS Mean Square F Value
Pr> F
PERLK 8 612.98420741 76.62302593 8.64
0.0001
BLOK 2 40.60180741 20.30090370 2.29
0.1337
Source DF Type III SS Mean Square F Value
Pr> F
PERLK 8 612.98420741 76.62302593 8.64
0.0001
BLOK 2 40.60180741 20.30090370 2.29
0.1337
Data 2
HASIL ANALISIS RAGAM RAK 7
16:05 Monday, May
5, 1997
OBS PERLK BLOK Y1
1 A1 1 21
2 A1 2 36
3 A1 3 25
4 A1 4 18
5 A1 5 22
6 A2 1 26
7 A2 2 38
8 A2 3 27
9 A2 4 17
10 A2 5 26
11 A3 1 16
12 A3 2 25

13 A3 3 22
14 A3 4 18
15 A3 5 21
16 A4 1 28
17 A4 2 35
18 A4 3 27
19 A4 4 20
20 A4 5 24
16:05 Monday,
May 5, 1997
Class Levels Values
PERLK 4 A1 A2 A3 A4
BLOK 5 1 2 3 4 5
16:05 Monday,
May 5, 1997
Dependent Variable: Y1 BERAT KATUN PER POT
Pr> F
Model 7 637.60000000 91.08571429 12.53
0.0001
Error 12 87.20000000 7.26666667
Y1 Mean
0.879691 10.95803 2.69567555
24.60000000

Pr> F
PERLK 3 136.80000000 45.60000000 6.28
0.0083
BLOK 4 500.80000000 125.20000000 17.23
0.0001
Pr> F
PERLK 3 136.80000000 45.60000000 6.28
0.0083
BLOK 4 500.80000000 125.20000000 17.23
0.0001
D. PEMBAHASAN
Pada praktikum kali ini yaitu menganalisis data ragam RAK (Rancangan
Acak Kelompok) dengan menggunakan salah satu software analisis data yaitu
SAS. Adapun penggunaan SAS pada eksperimen RAK ini memiliki tujuan untuk
menguji hipotesis dari hasil data yang sudah didapatkan sehingga diharapkan
praktikan dapat menggunakan SAS untuk melakukan perhitungan dari desain
ekperimen RAK.
Dalam perhitungan dengan menggunakan sistem SAS ini ada ketentuan
khusus agar saat pembacaan data tidak error. Pada praktikum ini dilakukan input
data yang akan diujikan dengan SAS. Input data ini dilakukan dengan cara
mengetik data pada jendela program Editor yang ada pada SAS. Berikut data yang
sudah diinput dalam SAS yang sesuai dengan bahasa pemrograman SAS.
DATA DT;
INPUT NO PERLK$ BLOK Y1;
LABEL Y1 = ‘BERAT GABAH PER POT (G)’;
CARDS;
1 KONTROL 1 10.19
2 KONTROL 2 9.26
3 KONTROL 3 12.73
4 K2P1 1 32.02

5 K2P1 2 25.76
6 K2P1 3 19.72
7 K2P2 1 23.91
8 K2P2 2 21.99
9 K2P2 3 21.42
10 K2P3 1 17.15
11 K2P3 2 15.66
12 K2P3 3 10.37
13 K2P4 1 10.35
14 K2P4 2 10.31
15 K2P4 3 14.31
16 K3P1 1 21.98
17 K3P1 2 19.43
18 K3P1 3 16.16
19 K3P2 1 18.08
20 K3P2 2 13.5
21 K3P2 3 18.32
22 K3P3 1 18.07
23 K3P3 2 14.01
24 K3P3 3 14.39
25 K3P4 1 12.37
26 K3P4 2 16.32
27 K3P4 3 10.2
;
RUN;
PROC PRINT DATA=DT;
RUN;
TITLE ‘HASIL ANALISIS RAGAM’;
PROC GLM;
CLASS PERLK BLOK;
MODEL Y1 = PERLK BLOK;

RUN;
Di atas merupakan data mentah RAK yang akan dihitung tabel anovanya
agar hipotesis yang diajukan dapat diterima atau tidak. Dari data di atas terdapat
beberapa bahasa pemrogram yang unik dalam menggunakan SAS, yaitu sebagai
berikut :
(DATA DT ;) merupakan keterangan untuk nama data yang akan dibuat
(DT) dapat diganti dengan nama praktikan tetapi nama data ini minimal 8
karakter.
(INPUT NO PERLK$ BLOK Y1;), artinya yaitu (INPUT)
yaitu data yang akan dimasukan, terdapat NO yang artinya dalam data itu akan
dimasukan nomor, (PERLK$) yang berarti adanya perlakuan dalam percobaan,
BLOK yang berarti terdapat faktor lain yang mempengaruhi selain perlakuan yang
diberikan. Dan setiap perintah yang diinput dalam SAS harus ditutup dengan (;)
semi kolon, yang berfungsi sebagai penanda akhir kalimat sama halnya seperti
tanda (.) dalam sebuah kalimat. ($) adalah tanda yang digunakan apabila data
yang dimasukan berupa huruf dan apabila data berupa angka cukup dengan
menggunakan spasi.
(LABEL Y1 = ‘BERAT GABAH PER POT
(G)’;). (LABEL Y1) sebagai keterangan berat gabah pada setiap potnya. (G)
sebagai satuan berat dalam percobaan ini. LABEL ini bisa diubah sesuai dengan
percobaan yang akan dibuat oleh praktikan. Lalu dikahiri dengan kata (CARDS;)
Selanjutnya dilakukan penginputan data yang sudah tertera. Setelah
diinput data maka diakhir data harus ada perintah untuk menampilkan data yang
diinginkan yaitu RUN, yang berarti bahwa data siap untuk dijalankan yang
nantinya data tersebut akan tampil di Jendela Output dalam program SAS.
Selain itu juga dapat menambahkan judul data kita dengan mengetik
TITLE ‘judul data yang diinginkan’.
− Pada baris selanjutnya ketik (PROC) sebagai perintah SAS untuk menujukan
jenis analisis yang akan dilakukan.
− (GLM) yaitu jika ingin memasukkan model linear umum untuk RAK.
− Lalu kata (CLASS) berupa keterangan untuk point-point apa saja yang
diperlukan dalam RAK, yaitu Perlk=perlakuan dan blok. Setelah menginput

data maka diakhiri dengan perintah RUN; agar perintah dijalankan. Setelah
diinput data maka akan terlihat hasil olahan data yang diinginkan sebagai
berikut :
Class Levels Values
BLOK 3 1 2 3
Pr> F
Model 10 653.58601481 65.35860148 7.37
0.0003
Error 16 141.94959259 8.87184954
Y1 Mean
0.821567 17.95197 2.97856501
16.59185185
Pr> F

PERLK 8 612.98420741 76.62302593 8.64
0.0001
BLOK 2 40.60180741 20.30090370 2.29
0.1337
Dari data yang telah dihitung dengan menggunakan program SAS ini
dapat dilihat bahwa df perlk yang didapat 8, df block 2 dan df error adalah 16.
Dalam SAS untuk menguji hipotesis maka Ftest harus dibandingan dengan Ftabel.
Apabila Ftest < 0,05 maka H1 di terima, namun sebalikanya apabila Ftest>0,05
maka H1 ditolak dan H0 diterima. Pada praktikum ini hipotesis yang diajukan
yaitu :
H0 = Tidak adanya pengaruh dari perbedaan berat gabah per pot terhadap 3
perlakuan dan 3 blok,
H1 = Adanya pengaruh dari perbedaan berat gabah per pot terhadap 3 perlakuan
dan 3 blok.
Dari hasil perhitungan SAS dalam percobaan ini didapatkan bahwa
ternyata Ftest (0.0001) < 0,05 maka H1 diterima dan H0 ditolak. Jadi kesimpulan
pada percobaan di atas adalah Adanya terdapat pengaruh dari perbedaan berat
gabah per pot terhadap 3 perlakuan dan 3 blok.
Kemudian data selanjutnya adalah data yang sudah tersedia tabel
anovanya, dan praktikan membandingkan hasil hitung manual dengan perhitungan
dengan menggunakan sistem SAS. Berikut adalah data yang akan diinput.
DATA DT;
INPUT PERLK$ BLOK Y1;
LABEL Y1 = ‘BERAT KATUN PER POT (G)’;
CARDS;
A1 1 21
A1 2 36
A1 3 25
A1 4 18
A1 5 22
A2 1 26
A2 2 38
A2 3 27

A2 4 17
A2 5 26
A3 1 16
A3 2 25
A3 3 22
A3 4 18
A3 5 21
A4 1 28
A4 2 35
A4 3 27
A4 4 20
A4 5 24
;
RUN;
PROC PRINT DATA=DT;
RUN;
TITLE ‘HASIL ANALISIS RAGAM RAK’;
PROC GLM;
CLASS PERLK BLOK;
RUN;
Sama halnya dengan data 1, dimana data yang akan diinput harusk=lah
dengan menggunakan ketentuan khusus agar data dapat terbaca dan diproses
dengan sistem SAS. Berikut adalah hasil dari data 2 :
16:05 Monday,
May 5, 1997
Class Levels Values
PERLK 4 A1 A2 A3 A4
BLOK 5 1 2 3 4 5

16:05 Monday,
May 5, 1997
Pr> F
Model 7 637.60000000 91.08571429 12.53
0.0001
Error 12 87.20000000 7.26666667
Y1 Mean
0.879691 10.95803 2.69567555
24.60000000
Pr> F
PERLK 3 136.80000000 45.60000000 6.28
0.0083
BLOK 4 500.80000000 125.20000000 17.23
0.0001
Pr> F
PERLK 3 136.80000000 45.60000000 6.28
0.0083
BLOK 4 500.80000000 125.20000000 17.23
0.0001
Dari hasil pengamatan dapat dilihat bahwa tidak ada perbedaan hasil dari
tabel anova dengan hasil perhitungan dengan menggunakan sistem SAS ini. Pada

data kedua ini adalah data yang melihat pengaruh cara pembersihan kapas. Dari
judul yang tertera dan treatmen yang dilakukan dapat diperoleh hipotesis sebagai
berikut:
H0 : Tidak adanya perbedaan pada cara pembersihan kapas diawal proses katun
H1 : Adanya perbedaan pada cara pembersihan kapas diawal proses katun
Setelah dilakukan perhitungan menggunakan tabel anova maupun secra
manual didaptkan hasi df Blok 4, df perlk 3, dan df error 12. Dalam SAS untuk
menguji hipotesis maka Ftest harus dibandingan dengan Ftabel. Apabila Ftest <
0,05 maka H1 diterima, namun sebalikanya apabila Ftest>0,05 maka H1 ditolak
dan H0 diterima. Dan dari hasil tabel anova ditunjukan bahwa Ftest> 0,05 yang
berarti H1 ditolak dan H0 diterima, yang dapat disimpulkan bahwa adanya
perbedaan pada cara pembersihan kapas diawal proses katun.
Pada percobaan ini terdapat populasi yaitu 20 batch kapas, sampelnya 4
batch kapas, perlakuannya yaitu proses cuci, ulanganya 5 kali ulangan, dengan
menggunakan model acak , dan memiliki model linier ra sebagai berikut.
Yij = μ + τi + βj + εij
Yij = nilai pengamatan pada perlakuan ke – i kelompok ke – j
μ = nilai tengah umum
τi = pengaruh perlakuan ke - i
βj = pengaruh kelompok ke - j
εij = galat percobaan pada perlakuan ke – i & kelompok ke– j
p = banyaknya perlakuan
r = banyaknya kelompok / ulangan.
Model lnier ini digunakan untuk menghitung saat menggunakan sistem SAS.

DAFTAR PUSTAKA
Gaspersz, Vincent. 1991. Teknik Analisis dalam Penelitian Percobaan. Bandung :
Tarsito.
Hasan, M. Iqbal. 2002. Pokok-Pokok Materi Metodologi Penelitian dan
Aplikasinya. Jakarta: Gralia Indonesia.
Laili, Cahaya. 2011. Mengenal SAS. (Online).
(http://dansboom.blogspot.co.id/2010/08/analisis-data-dengan-
menggunakan.html/ diakses tanggal 20 Desember 2015.
Sudjana. 1985. Desain dan Analisis Eksperimen. Bandung : Tarsito.
Widjaja, Hendra. 2009. SAS, Statistical Analysis System. (Online).
(https://hendrawidjaja.wordpress.com/tag/statistical-analysis-system/
diakses tanggal 20 Desember 2015.

LAMPIRAN
DATA DT;
INPUT NO PERLK$ BLOK Y1;
LABEL Y1 = ‘BERAT GABAH PER POT (G)’;
CARDS;
1 KONTROL 1 10.19
2 KONTROL 2 9.26
3 KONTROL 3 12.73
4 K2P1 1 32.02
5 K2P1 2 25.76
6 K2P1 3 19.72
7 K2P2 1 23.91
8 K2P2 2 21.99
9 K2P2 3 21.42
10 K2P3 1 17.15
11 K2P3 2 15.66
12 K2P3 3 10.37
13 K2P4 1 10.35
14 K2P4 2 10.31
15 K2P4 3 14.31
16 K3P1 1 21.98
17 K3P1 2 19.43
18 K3P1 3 16.16
19 K3P2 1 18.08
20 K3P2 2 13.5
21 K3P2 3 18.32
22 K3P3 1 18.07
23 K3P3 2 14.01
24 K3P3 3 14.39
25 K3P4 1 12.37
26 K3P4 2 16.32

27 K3P4 3 10.2
;
RUN;
PROC PRINT DATA=DT;
RUN;
TITLE ‘HASIL ANALISIS RAGAM’;
PROC GLM;
CLASS PERLK BLOK;
RUN;
The SAS System 16:05 Monday, May 5, 1997 1
OBS NO PERLK BLOK Y1
1 1 KONTROL 1 10.19
2 2 KONTROL 2 9.26
3 3 KONTROL 3 12.73
4 4 K2P1 1 32.02
5 5 K2P1 2 25.76
6 6 K2P1 3 19.72
7 7 K2P2 1 23.91
8 8 K2P2 2 21.99
9 9 K2P2 3 21.42
10 10 K2P3 1 17.15
11 11 K2P3 2 15.66
12 12 K2P3 3 10.37
13 13 K2P4 1 10.35
14 14 K2P4 2 10.31
15 15 K2P4 3 14.31
16 16 K3P1 1 21.98
17 17 K3P1 2 19.43
18 18 K3P1 3 16.16
19 19 K3P2 1 18.08
20 20 K3P2 2 13.50
21 21 K3P2 3 18.32
22 22 K3P3 1 18.07
23 23 K3P3 2 14.01
24 24 K3P3 3 14.39
25 25 K3P4 1 12.37

26 26 K3P4 2 16.32
27 27 K3P4 3 10.20
2. Hasil Perhitungan tabel ANOVA dengan SAS
Data 1
Class Levels Values
BLOK 3 1 2 3
Pr> F
Model 10 653.58601481 65.35860148 7.37
0.0003
Error 16 141.94959259 8.87184954
Y1 Mean
0.821567 17.95197 2.97856501
16.59185185
Pr> F

PERLK 8 612.98420741 76.62302593 8.64
0.0001
BLOK 2 40.60180741 20.30090370 2.29
0.1337
Pr> F
PERLK 8 612.98420741 76.62302593 8.64
0.0001
BLOK 2 40.60180741 20.30090370 2.29
0.1337
Data 2
16:05 Monday, May
5, 1997
OBS PERLK BLOK Y1
1 A1 1 21
2 A1 2 36
3 A1 3 25
4 A1 4 18
5 A1 5 22
6 A2 1 26
7 A2 2 38
8 A2 3 27
9 A2 4 17
10 A2 5 26
11 A3 1 16
12 A3 2 25
13 A3 3 22
14 A3 4 18
15 A3 5 21
16 A4 1 28
17 A4 2 35
18 A4 3 27
19 A4 4 20
20 A4 5 24
16:05 Monday,
May 5, 1997

Class Levels Values
PERLK 4 A1 A2 A3 A4
BLOK 5 1 2 3 4 5
16:05 Monday,
May 5, 1997
Pr> F
Model 7 637.60000000 91.08571429 12.53
0.0001
Error 12 87.20000000 7.26666667
Y1 Mean
0.879691 10.95803 2.69567555
24.60000000
Pr> F
PERLK 3 136.80000000 45.60000000 6.28
0.0083
BLOK 4 500.80000000 125.20000000 17.23
0.0001
Pr> F

PERLK 3 136.80000000 45.60000000 6.28
0.0083
BLOK 4 500.80000000 125.20000000 17.23
0.0001

Laporan biomet sas rak astody

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Viewers also liked

Viewers also liked (8)

Similar to Laporan biomet sas rak astody

Similar to Laporan biomet sas rak astody (20)

Recently uploaded

Recently uploaded (10)

Laporan biomet sas rak astody