P. 1
MODUL ANALISIS DATA DENGAN SPSS.doc

MODUL ANALISIS DATA DENGAN SPSS.doc

|Views: 77|Likes:
Dipublikasikan oleh Adhi Kurniawan

More info:

Published by: Adhi Kurniawan on Apr 24, 2013
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

10/26/2013

pdf

text

original

Pelatihan Analisis Data UNY 2008

PELATIHAN ANALISIS DATA PROGRAM DIPLOMA III UNIVERSITAS NEGERI YOGYAKARTA PADA: 29 APRIL 2008 Oleh: Sukirno DS
1. Pengantar
3. Data
DATA terbagi atas DATA KUALITATIF dan DATA KUANTITATIF

DATA KUALI TATIF : Data yang dinyatakan dalam bentuk bukan angka. Contoh : jenis pekerjaan, status marital, tingkat kepuasan kerja

DATA KUANTI TATI F : Data yang dinyatakan dalam bentuk angka Contoh : lama bekerja, jumlah gaji, usia, hasil ulangan

DATA

KUALITATIF

J ENIS DATA

KUANTITATIF

NOMINAL ORDINAL

INTERVAL RASIO

4. Data
DATA NOMI NAL : Data berskala nominal adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi. CI RI : posisi data setara tidak bisa dilakukan operasi matematika (+, -, x, :) CONTOH : jenis kelamin, jenis pekerjaan DATA ORDI NAL : Data berskala ordinal adalah data yang dipeoleh dengan cara kategorisasi atau klasifikasi, tetapi di antara data tersebut terdapat hubungan CI RI : posisi data tidak setara tidak bisa dilakukan operasi matematika (+, -, x, :) CONTOH : kepuasan kerja, motivasi DATA I NTERVAL : Data berskala interval adalah data yang diperoleh dengan cara pengukuran, di mana jarak antara dua titik skala sudah diketahui. CI RI : Tidak ada kategorisasi bisa dilakukan operasi matematika CONTOH : temperatur yang diukur berdasarkan 0C dan 0F, sistem kalender DATA RASI O : Data berskala rasio adalah data yang diperoleh dengan cara pengukuran, di mana jarak antara dua titik skala sudah diketahui dan mempunyai titik 0 absolut. CI RI : tidak ada kategorisasi bisa dilakukan operasi matematika CONTOH : gaji, skor ujian, jumlah buku

Soekirno DS / Akuntansi UNY/ 08122755756

1

Pelatihan Analisis Data UNY 2008

5. Pengolahan Data
PROSEDUR PENGOLAHAN DATA : A. PARAMETER : Berdasarkan parameter yang ada statistik dibagi menjadi • Statistik PARAMETRI K : berhubungan dengan inferensi statistik yang membahas parameter-parameter populasi; jenis data interval atau rasio; distribusi data normal atau mendekati normal. Statistik NONPARAMETRI K : inferensi statistik tidak membahas parameter-parameter populasi; jenis data nominal atau ordinal; distribusi data tidak diketahui atau tidak normal

B.

J UMLAH VARIABEL : berdasarkan jumlah variabel dibagi menjadi • Analisis UNI VARIAT : hanya ada 1 pengukuran (variabel) untuk n sampel atau beberapa variabel tetapi masing-masing variabel dianalisis sendiri-sendiri. Contoh : korelasi motivasi dengan pencapaian akademik. Analisis MULTIVARIAT : dua atau lebih pengukuran (variabel) untuk n sampel di mana analisis antar variabel dilakukan bersamaan. Contoh : pengaruh motivasi terhadap pencapaian akademik yang dipengaruhi oleh faktor latar belakang pendidikan orang tua, faktor sosial ekonomi, faktor sekolah.

6. Pengolahan Data
MULAI

Statistik Non Parametrik

NOMINAL ORDINAL

J enis Data ?

INTERVAL RASIO

Statistik Parametrik

Analisis Univariat

SATU

J umlah Variabel ?

DUA / LEBIH

Analisis Multivariat

Soekirno DS / Akuntansi UNY/ 08122755756

2

Misalnya. Elemen data Status perusahaan ROI (%) Cash flow (milyar) Return saham Nama Variabel STATUS ROI CFLOW RETURN g. Soekirno DS / Akuntansi UNY/ 08122755756 3 .Pelatihan Analisis Data UNY 2008 2. c. Status Perusahaan B TB B TB B B TB B B B ROI (%) 12 13 15 23 34 32 3 6 9 17 Cash flow (milyar) 34. Untuk memasukkan nama variabel tersebut lakukanlah dengan cara mengklik DATA – DEFINE VARIABLE maka akan tampak gambar sebagai berikut. atau yang lainnya). lanjutkan dengan mengklik kotak START pada kiri bawah. numeric. empat elemen di atas diberi nama variabel sebagai berikut. Masukkan setiap nama tersebut ke dalam program SPSS sesuai dengan jenis data yang ada (string. Pada contoh tabel di atas ada empat elemen data. Maka akan tampak gambar menu utama SPSS seperti berikut ini e. Menentukan nama variabel yang digunakan untuk menampung setiap elemen data yang dimiliki.8 34. h. Nama variabel tidak boleh lebih dari delapan karakter dan tanpa spasi. Misalnya kita memiliki data sebagai berikut. 4. Prosedur Analisis Data dengan SPSS a. Arahkan krusor ke menu program dan geserlah kekanan dengan hati-hati menuju menu SPSS. b. Klik mouse setelah krusor berada persis pada menu SPSS d. date.2 34 27 Return saham (%) 23 14 15 25 13 13 9 12 10 22 f. Langkah awal sebelum proses analisis dimulai adalah melakukan entry data. 2. 3.5 54 21 14 24 18 12. Hidupkan komputer. No 1.

o. 3. Geserlah krusor anda pada krusor kedua (samping kanan variabel STATUS persis). CFLOW. Masukkan B atau TB pada kolom STATUS satu per satu. Setelah seluruh data dientry maka langkah selanjutnya adalah mengolah hasil dan melakukan uji hipotesis. Kemudian klik menu Type pada menu define variable tersebut. Isikan pada kotak variable name nama variabel pertama yaitu STATUS k. serta kolom RETURN sesuai dengan data pada tabel di atas. m. Maka di kolom paling kiri akan tertera nama variabel STATUS. barulah kita mulai mengentry data setiap variabel ke dalam kolom variabelnya masing-masing. Namun untuk tipe data pada perintah ke 12 gantikan dari string (STATUS) ke numerik dengan cara mengklik lingkaran numeric. Deskripsi Data Penelitian Soekirno DS / Akuntansi UNY/ 08122755756 4 . j. Lakukan kembali perintah ke 8 s/d perintah ke 13 untuk memasukkan nama variabel dan tipe variabel satu per satu. Setelah semua nama variabel kita masukkan. Setelah semua nama variabel dan isinya dientry maka di layar akan tampak gambar sebagai berikut. r. Setelah itu akan muncul kotak dialog define variable sebagai berikut. p. n. l. Kotak width kita klik apabila kita ingin merubah lebar kolom dari 8 karakter menjadi lebih kecil atau lebih besar dengan cara mengganti angka 8 yang ada pada kotak tersebut dengan angka lain yang sesuai. Oleh karena itu kliklah lingkaran String. Pilih tipe variabel STATUS tersebut sebagai variabel string (huruf).Pelatihan Analisis Data UNY 2008 i. q. Sebentar kemudian akan muncul gambar sebagai berikut. lanjutkan ke kolom ROI.

Caranya klik variabel yang bersangkutan kemudian klik tanda panah kecil yang ada dintara kedua kotak tersebut. 1) Nilai Statistik Induk Descriptive Statistics N Statistic 16 16 16 16 16 Minimum Statistic 1.436 -. Demikian seterusnya berlaku pula untuk nilai yang lain.50 3.4219 5.564 . Nilai Maximum.053 .55018 Skewness Statistic Std. Mode. Nilai Minimum.50 2.263 Tekanan Kerja Tingkat Partisipasi Kinerja Pegawai Kinerja Pegawai Valid N (listwise) Error . Pilihlah nilai yang ingin dicari dengan cara mengklik kotak kecil didepan nilai yang diinginkan. dan yang lainnnya maka dari menu utama SPSS tersebut klik menu STATISTICS. Misalnya apabila menghendaki nilai Mean.86948 1.066 -.50 6. f.564 Soekirno DS / Akuntansi UNY/ 08122755756 5 . Untuk membatalkan klik kembali kotak yang bersangkutan. g. e. Skewness.8839 4. Setelah itu maka SPSS akan kembali pada kotak sebelumnya (DESCRIPTIVES). d. Range.564 .00 Mean Statistic 3. Akhiri dengan mengklik kotak OK. Deviation Standard. -.Pelatihan Analisis Data UNY 2008 a.564 . Apabila sudah diisikan semua nilai yang ingin dicari akhiri dengan mengklik kotak CONTINUE.93054 . Kurtosis. Deviation Statistic .3828 Std. Kemudian akan muncul kotak dialog sebagai berikut.50 Maximum Statistic 4. Apabila semua variabel ingin dicari nilai statistik deskriptive-nya maka pindahkan semua variabel ke kotal sebelah kanan. Misalnya kita akan mengetahui berapa nilai Mean. Jumlah.84875 . b. Maka hasil perhitungan dan nilai yang kita inginkan akan tampak di layar.43 2.38 8.2083 4. Selanjutnya akan tampak gambar berikut ini.29 6. Lanjutkan dengan menekan menu OPTION pada kanan bawah. Pindahkan variabel yang akan dicari nilai statistik deskriptive-nya (hanya variabel yang bertipe numeric yang dapat dicari nilainya) dari kotak sebelah kiri ke kotak sebelah kanan. Median. c. maka kliklah kotak kecil depan kata Mean.

4. a. =11.849. kinerja pegawai sebelum (ketiga) dan tingkat partisipasi negative menandakan bahwa kecenderungan nilai mengumpul di bawah nilai rerata. Distribusi data mengikuti kurve normal. Variabel Tunggal (Single Table) Jenis Kelamin Frequency 4 6 10 Percent 40. Tabulasi data bisa dikerjakan dalam bentuk table tunggal dan table silang. Nilai rerata variable penelitian berada pada nilai tinggi (lebih dari tiga).0 60.0 100.0 100. b. Sebaran data dari nilai mean 75. KINERJA PERUSAHAAN PERBANKAN DI BEJ TAHUN 2000 .1 merata.2007 3 Frequency 2 1 0 50 60 70 80 90 100 Mean =75.4.9. Kinerja pegawai setelah memiliki variasi data tertinggi (lebih heterogen) daripada variable lain. b.0 60.Pelatihan Analisis Data UNY 2008 Berdasarkan table statistic induk di atas dapat diinterpretasikan beberapa kesimpulan berikut ini. 4. 3) Tabulasi Dalam analisis data kita bias sajikan data itu berkelompok dengan menggunakan table. c. dan 5. dan kinerja setelah adalah 3. Dev. e. Frekuensi pegawai yang berkinerja di sekitar nilai rerata sama mulai dari kelas interval ke 2 hingga kelas interval ke 5.2. Perintahnya da di Chart – Histogram. 4. tingkat partisipasi. Nilai skewness variable tekanan kerja.0 Valid l p Total Soekirno DS / Akuntansi UNY/ 08122755756 6 . Nilai rerata kinerja sebesar 75. yang berarti hanya sebagian kecil pegawai berkinerja tinggi sekali atau rendah sekali. d. Hal ini menujukkan bahwa jumlah pegawai yang kinerjanya di bawah dan di atas nilai rerata hamper sama.0 Valid Percent 40. Skor rerata kinerja pegawai setelah (keempat) memiliki kecenderungan sangat tinggi.1 menunjukkan bahwa kinerja perusahaan dapat dikatakan bagus (di atas 60) c. karena nilai SD terkecil yaitu sebesar 0.1. Variabel tekanan kerja memiliki kecenderungan homogenitas data lebih tinggi dibandingkan variable lain. kinerja sebelum.995 N =10 Kinerja Komentar: Berdasarkan histogram di atas dapat disimpulkan beberapa hal: a.0 100. Hal ini ditunjukkan oleh nilai SD yang tertinggi yaitu sebesar 1. Nilai rerata variable penelitian berturutan tekanan kera.1 Std. d.55. 2) Histogram Kita juga dapat membuat histogram dengan data yang kita miliki. Kebanyakan pegawai memiliki kinerja di sekitar rerata 75. a.0 Cumulative Percent 40.

16 dan perusahaan nonperbankan 4.2. Soekirno DS / Akuntansi UNY/ 08122755756 7 .Pelatihan Analisis Data UNY 2008 Berdasarkan table di atas diketahui pegawai laki-laki berjumlah 4 orang (40%) dan responden perempuan berjumlah 6 orang (605).69 4. Crosstab custom Jenis Perusahaan NON PERBANKAN PERBANKAN Mean Mean 4. sedangkan nilai partisipasi selain itu masingmasing jumlahnya satu orang.1. b. dan tertinggi sebesar 91 sejumlah 1 orang yaitu pegawai perempuan. Partisipasi pegawai sebelum terendah adalah 32 sejumlah 1 orang yaitu dari pegawai lelaki.16 Kinerja Pegawai Berdasarkan table di atas diketahui rerata kinerja pegawai perusahaan perbankan adalah 4. Lebih banyak pegawai perempuan daripada pegawai laki-laki pada perusahaan. b. Crosstab default spss Partisipasi Sebelum * Jenis Kelamin Crosstabulation Count Jenis Kelamin l p 1 0 1 0 1 0 0 1 0 4 Total 0 1 0 1 0 1 1 1 1 6 1 1 1 1 1 1 1 2 1 10 Partisipasi Sebelum 32 53 54 59 67 68 74 87 91 Total Berdasarkan table di atas diketahui partisipasi pegawai yang terbanyak frekuensinya adalah 87 (dua orang) yaitu dua orang.69. Dengan demikian dapat diambil kesimpulan bahwa kinerja pegawai nonperbankan lebih tinggi daripada kinerja pegawai perbankan. Variable Ganda (Crosstab) b.

Terdapat perbedaan jumlah pembeli antara toko kelompok A. Terdapat perbedaan jumlah pembeli antara toko yang berada dijalan protokol dan buklan protokol. dan C. Bila jumlah pengunjung toko sama. e. Adakah perbedaan secara signifikan kualitas pelayanan pramuniaga antara toko kelompok A. c. c. Terdapat hubungan yang positif dan signifikan antara kualitas pelayanan pramuniaga toko dengan jumlah pembelinya. b. Terdapat hubungan yang positif dan signifikan antara kualitas pelayanan pramuniaga toko dengan jumlah pembelinya. Uji hipotesis Deskriptif Rumusan Masalah deskriptif: a. Adakah perbedaan yang signifikan jumlah pembeli antara yang berada di jalan Protokol dan bukan Protokol. Hipotesis Asosiatif ( hubungan) a. B dan C. Rata-rata tiap hari jumlah pembeli toko di Yogyakarta = 300 orang. B dan C e. Adakah perbedaan secara signifikan jumlah pengunjung antara toko kelompok A. Adakah hubungan yang positif dan signifikan antara kualitas pelayanan pramuniaga dengan jumlah pengunjung toko? d. Seberapa baik pelayanan pramuniaga toko di Yogyakarta? b. B. dan C. Adakah perbedaan secara signifikan jumlah pembeli antara toko kelompok A. Terdapat perbedaan jumlah pengunjung antara toko kelompok A. B. Hipotesis Komparatif a.Pelatihan Analisis Data UNY 2008 4. d. e. Adakah hubungan yang positif dan signifikan antara jumlah pengunjung toko dengan jumlah pembeli? c. tetap terdapat hubungan positif dan signifikan antara kualitas pelayanan pramuniaga dengan jumlah pembeli. Adakah hubungan yang positif dan signifikan antara kualitas pelayanan pramuniaga dengan jumlah pembeli? b. Terdapat perbedaan kualitas pelayanan pramuniaga antara tokko yang berada dijalan protokol dan bukan protokol. Rata-rata tiap hari jumlah pengunjung toko di Yogyakarta paling rendah 500 orang. B dan C. c. c. B dan C. Kualitas pelayanan pramuniaga toko di Yogyakarta paling tinggi 70 % dari kriteria yang diharapkan b. Terdapat perbedaan jumlah pengunjung antara toko yang berada di jalan protokol dan bukan protokol. Terdapat hubungan yang positif dan signifikan antara jumlah pengunjung toko degan jumlah pembelinya. Terdapat hubungan yang positif dan signifikan antara kualitas pelayanan pramuniaga toko dan jumlah pengunjung toko secara bersama-sama dengan jumlah pembeli. Adakah hubungan antara kualitas pelayanan pramuniaga toko dan jumlah pengunjung toko secara bersama-sama dengan jumlah pembeli? e. adakah hubungan yang positif dan signifikan antara kualitas pelayanan pramuniaga toko dengan jumlah pembeli? Hipotesis (jawaban sementara terhadap rumusan masalah diatas) Hipotesis Deskriptif (bisa dirumuskan dan bisa tidak) a. Adakah perbedaan yang signifikan jumlah pengunjung antara yang berada di jalan Protokol dan bukan Protokol . f. b. Terdapat perbedaan kualitas pelayan pramuniaga antara toko kelompok A. Bila jumlah pengunjung toko sama. Soekirno DS / Akuntansi UNY/ 08122755756 8 . Adakah perbedaan yang signifikan kualitas pelayanan pramuniaga antara yang berada dijalan Protokol dan bukan Protokol. b. Rumusan Masalah Asosiatif (hubungan) a. d. f. Berapakah jumlah rata-rata pembelinya? Rumusan Masalah Komparatif a. d. Berapakah jumlah rata-rata pengunjung toko di Yogyakarta? c.

ONE SAMPLE T TEST t= X−X s/ n t = t _ hitung X = rerata _ riil X = rerata _ dugaan s = s tan dar _ deviasi _ riil n = jumlah _ sample Prosedur pengujian hipotesis: a. ** 2 pihak ** H0 = Rerata X = 4 Ha = Rerata X ≠ 4 Dasar pengambilan keputusan: Berdasar taraf signifikansi empiric (TS) TS ≤ 5% maka hip yang menyatakan X = 4 ditolak TS > 5% maka hip yang menyatakan X = 4 diterima Berdasarkan t empiric (TE) TE < Tt maka hip yang menyatakan X = 4 diterima TE ≥ Tt maka hip yang menyatakan X = 4 ditotak Menggunakan kurva Langkah-langkah : a. Te jatuh didaerah diarsir maka hip yang menyatakan X = 4 ditotak e. Run SPSS pada pilihan Analyze – Compare Mean – one Sample T Test Ada dua jenis uji hip deskriptif. Te jatuh didaerah tidak diarsir maka hip yang menyatakan X = 4 diterima 2. Tuliskan nilai Te pada kurva d.5 % ** 1 pihak ** Soekirno DS / Akuntansi UNY/ 08122755756 9 . Selengkapnya dideskripsikan sebagai berikut.5 % 2. Buat gambar kurva normal b. yaitu uji dua pihak dan uji satu pihak.Pelatihan Analisis Data UNY 2008 a. Buatlah dugaan b. Tentukan dan batas nilai T table (Tt) pada kurva c.

Pelatihan Analisis Data UNY 2008 1) pihak pihak kiri H0 = Rerata X ≥ 4 Ha = Rerata X < 4 Dasar pengambilan keputusan: Berdasar taraf signifikansi empiric (TS) TS /2 ≤ 5% dan Te ≥ Tt maka hip yang menyatakan X ≥ 4 diterima (ATAU MEAN DIFFERENCE > 0. TS /2 > 5% maka hip yang menyatakan X ≤ 4 diterima Berdasarkan t empiric (TE) TE ≤ Tt maka hip yang menyatakan X ≤ 4 ditrima TE > Tt maka hip yang menyatakan X ≤ 4 ditolak Menggunakan kurva Langkah-langkah : a. Tentukan dan batas nilai T table (Tt) pada kurva c. Tuliskan nilai Te pada kurva d. sebaliknya bila Te ≤ Tt maka hip yang menyatakan X ≤ 4 diterima. TS /2 > 5% maka hip yang menyatakan X ≥ 4 diterima Berdasarkan t empiric (TE) TE < . Te jatuh didaerah tidak diarsir maka hip yang menyatakan X = 4 diterima 5% 2) pihak kanan Ha = Rerata X ≤ 4 H0 = Rerata X > 4 Dasar pengambilan keputusan: Berdasar taraf signifikansi empiric (TS) TS /2 ≤ 5% dan Te > Tt maka hip yang menyatakan X ≤ 4 ditolak. sebaliknya bila Te < Tt maka hip yang menyatakan X ≥ 4 ditolak. Buat gambar kurva normal b.Tt maka hip yang menyatakan X ≥ 4 diterima Menggunakan kurva Langkah-langkah : a. Te jatuh didaerah tidak diarsir maka hip yang menyatakan X = 4 diterima Soekirno DS / Akuntansi UNY/ 08122755756 10 . Te jatuh didaerah diarsir maka hip yang menyatakan X = 4 ditotak e.Tt maka hip yang menyatakan X ≥ 4 ditolak TE ≥ . Te jatuh didaerah diarsir maka hip yang menyatakan X = 4 ditotak e. Buat gambar kurva normal b. Tentukan dan batas nilai T table (Tt) pada kurva c. Tuliskan nilai Te pada kurva d. MD = MEAN TERKAAN – MEAN EMPIRIS).

07201 One-Sample Test Test Value = 4 95% Confidence Interval of the Difference Lower Upper 8.3333 Std. Run SPSS pada pilihan Analyze – Compare Mean – Paired Sample T Test Ada dua jenis uji hip komparatif sample saling berkorelasi. (2-tailed) . Selengkapnya dideskripsikan sebagai berikut. Uji Hipotesis Komparatif a. yaitu uji dua pihak dan uji satu pihak.3333 5. Buat gambar kurva normal Soekirno DS / Akuntansi UNY/ 08122755756 11 . Deviation 4. Error Mean 1. PAIRED (CORRELATED) SAMPLE T TEST x1 − x2 t= 2 2  s  s  s1 s + 2 − 2r  1  2   n  n  n1 n2  1  2  LANGKAH UJI : a. Buatlah dugaan b.000 Mean Difference 10.6326 MT t 9.639 df 14 Sig.Pelatihan Analisis Data UNY 2008 5% One-Sample Statistics N MT 15 Mean 14.0341 12.15188 Std. 1) 2 pihak H0 = Rerata X1 = X2 Ha = Rerata X1 ≠ X2 Dasar pengambilan keputusan: Berdasar taraf signifikansi empiric (TS) TS ≤ 5% maka hip yang menyatakan X1 = X2 ditolak TS > 5% maka hip yang menyatakan X1 = X2 diterima Berdasarkan t empiric (TE) TE < Tt maka hip yang menyatakan X1 = X2 diterima TE ≥ Tt maka hip yang menyatakan X1 = X2 ditotak Menggunakan kurva Langkah-langkah : a.

sebaliknya bila Te ≤ Tt maka hip yang menyatakan X1 ≥ X2 ditolak.5 % 2. Tuliskan nilai Te pada kurva d.Tt maka hip yang menyatakan X1 ≥ X2 diterima Menggunakan kurva Langkah-langkah : a. TS /2 > 5% maka hip yang menyatakan X1 ≥ X2 diterima Berdasarkan t empiric (TE) TE ≤ . Te jatuh didaerah tidak diarsir maka hip yang menyatakan X1 = X2 diterima 2. Te jatuh didaerah tidak diarsir maka hip yang menyatakan X1 ≥ X2 diterima 5% 2) pihak kanan Ha = Rerata X1 ≤ X2 H0 = Rerata X1 > X2 Dasar pengambilan keputusan: Berdasar taraf signifikansi empiric (TS) Soekirno DS / Akuntansi UNY/ 08122755756 12 . Buat gambar kurva normal b.Tt maka hip yang menyatakan X1 ≥ X2 ditolak TS > . Te jatuh didaerah diarsir maka hip yang menyatakan X1 = X2 ditotak e.5 % 2) 1 pihak 1) pihak pihak kiri H0 = Rerata X1 ≥ X2 Ha = Rerata X1 < X2 Dasar pengambilan keputusan: Berdasar taraf signifikansi empiric (TS) TS /2 ≤ 5% dan Te > Tt maka hip yang menyatakan X1 ≥ X2 diterima. Tentukan dan batas nilai T table (Tt) pada kurva c. Tentukan dan batas nilai T table (Tt) pada kurva c.Pelatihan Analisis Data UNY 2008 b. Te jatuh didaerah diarsir maka hip yang menyatakan X1 ≥ X2 ditotak e. Tuliskan nilai Te pada kurva d.

Tentukan dan batas nilai T table (Tt) pada kurva c.39601 Pair 1 MT PT N = jumlah sample = jumlah sample adalah 10 Mean = ∑X / N.0667 N 15 15 Std. Te jatuh didaerah tidak diarsir maka hip yang menyatakan X1 ≤ X2 diterima 5% Paired Samples Statistics Mean 14. Buat gambar kurva normal b. Berdasarkan t empiric (TE) TE < Tt maka hip yang menyatakan X1 ≤ X2 ditrima TE ≥ Tt maka hip yang menyatakan X1 ≤ X2 ditolak Menggunakan kurva Langkah-langkah : a. reratanya adalah 3.006 Soekirno DS / Akuntansi UNY/ 08122755756 13 .07201 .3333 4. Te jatuh didaerah diarsir maka hip yang menyatakan X1 ≤ X2 ditotak e.53375 Std. Tuliskan nilai Te pada kurva d.669 Sig.72 Std error mean: Sd / √n adalah sebesar 0. .8 Sd = ∑ (X – X)2 / (n – 1).15188 1. Error Mean 1. sd adalah 0.226 Paired Samples Correlations N Pair 1 MT & PT 15 Correlation . Deviation 4.Pelatihan Analisis Data UNY 2008 TS /2 ≤ 5% dan Te > Tt maka hip yang menyatakan X1 ≤ X2 ditolak. sebaliknya bila Te ≤ Tt maka hip yang menyatakan X1 ≤ X2 diterima. TS /2 > 5% maka hip yang menyatakan X1 ≤ X2 diterima.

000 b.32666 Std. maka gunakan nilai t yang baris pertama (equal variance) Ada dua jenis uji hip komparatif sample saling bebas.PT Mean 10. a 2 pihak H0 = Rerata X1 = X2 Ha = Rerata X1 ≠ X2 Dasar pengambilan keputusan: Berdasar taraf signifikansi empiric (TS) TS ≤ 5% maka hip yang menyatakan X1 = X2 ditolak TS > 5% maka hip yang menyatakan X1 = X2 diterima Berdasarkan t empiric (TE) TE < Tt maka hip yang menyatakan X1 = X2 diterima TE ≥ Tt maka hip yang menyatakan X1 = X2 ditotak Menggunakan kurva Langkah-langkah : a. Run SPSS pada pilihan Analyze – Compare Mean – Independence Sample T Test c.2. Buat gambar kurva normal b.85894 t 11. Selengkapnya dideskripsikan sebagai berikut.4244 12. apabila > 5 %. Error Mean .1089 Pair 1 MT . Tuliskan nilai Te pada kurva Soekirno DS / Akuntansi UNY/ 08122755756 14 . Tentukan dan batas nilai T table (Tt) pada kurva c. Deviation 3. Lihat Nilai signifikansi F.1. (2-tailed) .Pelatihan Analisis Data UNY 2008 Paired Samples Test Paired Differences 95% Confidence Interval of the Difference Lower Upper 8. VAR Max VARMin b. Apabila varian kedua kelompok homogen maka rumus t yang digunakan adalah sebagai berikut.2667 Std. Apabila varian kedua kelompok tidak homogen maka rumus t yang digunakan adalah sebagai berikut: F= t= X1 − X 2 2 s12 s2 + N1 N 2 b. yaitu uji dua pihak dan uji satu pihak. Buatlah dugaan b.953 df 14 Sig. X1 − X 2 t= ( n1 − 1) S12 + ( n2 − 1) S 22 1 + 1 n1 + n2 − 2 n1 n2 LANGKAH UJI : a. INDEPENDEN SAMPLE T TEST Dan perlu melihat nilai F untuk menentukan nilai Te yang digunakan dari print out SPSS.

Te jatuh didaerah diarsir maka hip yang menyatakan X1 ≥ X2 ditotak e. Tuliskan nilai Te pada kurva d.Pelatihan Analisis Data UNY 2008 d.Tt maka hip yang menyatakan X1 ≥ X2 diterima Menggunakan kurva Langkah-langkah : a. sebaliknya bila Te < Tt maka hip yang menyatakan X1 ≥ X2 ditolak. Te jatuh didaerah tidak diarsir maka hip yang menyatakan X1 ≥ X2 diterima 5% 2) pihak kanan Ha = Rerata X1 ≤ X2 H0 = Rerata X1 > X2 Dasar pengambilan keputusan: Berdasar taraf signifikansi empiric (TS) TS /2 ≤ 5% dan Te > Tt maka hip yang menyatakan X1 ≤ X2 ditolak.5 % 2. Buat gambar kurva normal b. sebaliknya bila Te ≤ Tt maka hip yang menyatakan X1 ≤ X2 diterima. Te jatuh didaerah diarsir maka hip yang menyatakan X1 = X2 ditotak e.Tt maka hip yang menyatakan X1 ≥ X2 ditolak TE ≥ . Te jatuh didaerah tidak diarsir maka hip yang menyatakan X1 = X2 diterima 2. 1 pihak 1) pihak pihak kiri H0 = Rerata X1 ≥ X2 Ha = Rerata X1 < X2 Dasar pengambilan keputusan: Berdasar taraf signifikansi empiric (TS) TS /2 ≤ 5% dan Te ≥ Tt maka hip yang menyatakan X1 ≥ X2 diterima. Tentukan dan batas nilai T table (Tt) pada kurva c.5 % b. Soekirno DS / Akuntansi UNY/ 08122755756 15 . TS /2 > 5% maka hip yang menyatakan X1 ≥ X2 diterima Berdasarkan t empiric (TE) TE < .

14332 .529 Mean difference = X .621 .Pelatihan Analisis Data UNY 2008 TS /2 > 5% maka hip yang menyatakan X1 ≤ X2 diterima Berdasarkan t empiric (TE) TE ≤ Tt maka hip yang menyatakan X1 ≤ X2 ditrima TE > Tt maka hip yang menyatakan X1 ≤ X2 ditolak Menggunakan kurva Langkah-langkah : a. 1 . (Sd / √n) = 3.262 x (0.5 karena dua pihak (Sd / √n) = nilai SD dibagi akar n (jumlah sample) Upper = X + tn-1. (Sd / √n) = X – tn-1. t df Sig.26784 6. Te jatuh didaerah diarsir maka hip yang menyatakan X1 ≤ X2 ditotak e.95 = 5 dibagi dua 2.23793 2.822 . (Sd / √n) = 3.381 . 1 .α/2 .44585 -3. Tuliskan nilai Te pada kurva d.α/2 .226) = 1.314 .226) = 0.262 x (0..22363 6.546 .α/2 = nilai t table dengan df n-1 pada alfa (1 – .8 – (2.µ Confidence interval difference: X ± tn-1. Error Difference 2. Te jatuh didaerah tidak diarsir maka hip yang menyatakan X1 ≤ X2 diterima 5% Independent Samples Test Levene's Test for Equality of Variances t-test for Equality of Means 95% Confidence Interval of the Difference Lower Upper -3.04562 F MT Equal variances assumed Equal variances not assumed Sig.3114 Soekirno DS / Akuntansi UNY/ 08122755756 16 .α/2 . 1 . Tentukan dan batas nilai T table (Tt) pada kurva c.648 13 12.3889 1. 1 .95)/2) untuk uji dua pihak dengan alfa 5%.2886 X = rerata real tn-1.α/2 . (2-tailed) Mean Difference 1. 1 .8 + (2.3889 Std. Buat gambar kurva normal b. 1 . (Sd / √n) Lower = X – tn-1.

X2 ± tn-1.ΣΧ ) − ( ΣΧ) )(( N .ΣΥ 2 rxy = [(( N . 1 . {Sd / (√1/n1 + 1/n2)} 6. 1 . Uji Hipotesis Asosiatif a.α/2 . Uji 2 pihak: Ha = Ada hubungan X dengan Y H0 = Tidak ada hubungan X dengan Y Soekirno DS / Akuntansi UNY/ 08122755756 17 . Korelatif Ν.Pelatihan Analisis Data UNY 2008 confidence interval: Satu kelompok X ± tn-1.α/2 .ΣΥ ) − ( ΣΥ ) )] 2 2 2 Y Y Y X Korelasi positif X Korelasi negatif X Tidak berkorelasi Jenis Uji Hipotesis Asosiatif a.ΣΧΥ − ΣΧ. (Sd / √n) Dua kelompok X1 .

60 Pihak Kiri Ha = Hubungan X dengan Y ≥ 0.60 H0 = Hubungan X dengan Y < 0.40 .0.1.0.399 0. Untuk menguji hipotesis ini maka lakukanlah prosedur berikut ini.0.799 0.60 . 3) Kemudian pindahkan semua variabel yang akan diuji korelasinya (dalam hal ini variabel ROI dan RETURN) ke kotak Variables sebelah kanan. berikut ini.60 PEDOMAN UNTUK MEMBERIKAN INTERPRETASI KOEFISIEN KORELASI Interval Koefisien 0.80 .599 0.00 . 1) Klik menu STATISCTICS-CORRELATE-BIVARIATE. Hip : Ada hubungan antara ROI dengan RETURN Perusahaan. 2) Maka akan tampak menu Bivariate Correlation sebagai berikut.20 . Uji 1 Pihak Pihak Kanan Ha = Hubungan X dengan Y ≤ 0.0.199 0.60 H0 = Hubungan X dengan Y > 0.Pelatihan Analisis Data UNY 2008 b.000 Tingkat Hubungan Sangat rendah Rendah Sedang Kuat Sangat kuat a. Untuk memindahkan Soekirno DS / Akuntansi UNY/ 08122755756 18 .

Sehingga interpretasinya bergeser dari tidak ada hubungan TK dan BB yang ditunjukkan nilai sig sebesar 36. BB turun 24. (2-tailed) N Jawaban : 1.367 16 1 .2%.367 16 Kinerja Pegawai BB -.2.242 .242 .1835 (lebih besar dari 5%). Jadi tidak ada hubungan antara TK dengan BB. atau F empirik tetap sama yaitu r = -. Atau tidak ada hubungan signifikan antara TK dengan Kinerja BB. berdasar nilai r = -. Correlations Tekanan Kerja 1 . Dalam hal ini digunakan korelasi dari PEARSON (karena datanya interval atau ratio). Signifikansi nilai r dapat pula diuji dengan menggunakan uji t dengan persamaan sebagai berikut. karena nilai signifikansi r lebih besar dari 5%. Artinya kalau BB naik 100 TK turun 24. Soekirno DS / Akuntansi UNY/ 08122755756 19 .7%) lebih besar dari 5%. b. Kalau duji dengan sepihak (one tail). Seandainya data tersebut berskala ordinal maka kita pilik teknik korelasi SPEARMAN.367 / 2 = . karena nilai signifikansi r = . Untuk menguji hipotesis ini maka lakukanlah prosedur berikut ini. 4) Setelah itu klik kotak OK. berarti ada hubungan negatip antara TK dengan BB. jadi .242.1835.2. berikut ini. (2-tailed) N Pearson Correlation Sig. 1) Klik menu STATISCTICS-REGRESSION-LINEAR.7% menjadi: Tidak ada hubungan TK dan BB dengan signifikansi sebesar 0. Hip : Ada pengaruh ROI dan CASFLOW terhadap RETURN Perusahaan.367 (36. Signifikansi 5% (atau signifikan pada 5%) berarti besarnya hubungan (nilai r atau korelasi pearson) itu apabila digunakan untuk memprediksi akan memiliki kesalahan 5%. Setelah itu menentukan teknik korelasi yang sesuai dengan skala data. 2. Sedangkan nilai r.242 sama dengan – 24. t. maka akan tampak hasil korelasi sebagai berikut. t= r n −2 1−r2 3. Dugaaan yang menyebut ada hubungan antara TK dengan BB salah atau ditolak. 16 Tekanan Kerja Kinerja Pegawai BB Pearson Correlation Sig.Pelatihan Analisis Data UNY 2008 variabel tersebut klik variabel satu-per satu dengan tanda panah kecil di tengah. sebaliknya bila TK naik 100. maka nilai signifikansi dua pihak tinggal dibagi dua. 16 -.

R2 = Adjusted Coefficient of Determination Soekirno DS / Akuntansi UNY/ 08122755756 20 .113 Std.k . maka akan tampak hasil korelasi sebagai berikut.481 a . Oleh karena itu.1)/(n . Metode ini berarti bahwa kita akan mengkorelasikan seluruh data pada ketiga variabel tanpa ada pengecualian atau pentahapan tertentu.481 dapat disimpulkan bahwa hubungan antara TK dan Par SBL dengan Kinerja BB bersifat positip sebesar 48. SPSS akan menggunakan metode ENTER sebagai default. Dalam hal ini kita menggunakan metode ENTER. _ R2 = 1. Nilai ini dapat turun atau naik walaupun variable predictor ditambah atau dikurangi. CASHFLOW dan RETURN) ke kotak sebelah kanan. Tekanan Kerja Komentar: Berdasarkan nilai R sebesar . Sebaliknya bila TK dan Par SBL turun 100 maka kinerja BB turun 48.Pelatihan Analisis Data UNY 2008 2) Maka akan tampak menu Linear Regression sebagai berikut.1. Model Summary Model 1 R R Square . untuk mengevaluasi model regresi terbaik atau menentukan besarnya koefisien determinasi dianjurkan menggunakan Adjusted R2.232 Adjusted R Square . apabila variabel TK dan Par SBL naik 100 maka kinerja BB naik pula sebesar 48. Artinya.(1 .1)) where: R2 = Coefficient of Determination . peneliti dapat menggunakan nilai Adjusted R Square.81932 a. Predictors: (Constant). Sedangkan kotak INDEPENDENT(S) isilah variabel ROI DAN CASHFLOW.1. Error of the Estimate .R2 )((n .1%. Kotak Dependent isilah variabel RETURN. dan FORWARD. Adjusted R2 Nilai ini digunakan untuk mengatasi kelemahan koefisien determinasi (R 2). yaitu apabila jumlah variable predictor ditambah maka nilai R2 pasti meningkat sebaliknya akan menurun apabila variable predictor dikurangi jumlahnya. 3) Kemudian pindahkan semua variabel yang akan diuji korelasinya (dalam hal ini variabel ROI. BACKWARD. REMOVE. Tingkat Partisipasi SBL. Metode lainnya adalah metode STEPWISE. 4) Setelah itu klik kotak OK. Ada kalanya agar terhindar dari bias penambahan variable independent.

Predictors: (Constant). Standard error of estimate = SEE = ∑ n i=1 (Yi − Yi ) 2 = ^ N − m−1 ^ SSres N − m−1 Variance of estimate = VEE = ∑ (Y − Y ) i=1 i i n 2 N − m−1 = SSres N − m−1 b ANOVA Model 1 Regression Residual Total Sum of Squares 2.181 dapat disimpulkan bahwa dugaan ada hubungan antara TK dan Par SBL dengan Kinerja BB adalah salah atau ditolak.629 8.315 . and k=5. Atau dapat dikatakan secara statistik tidak ada pengaruh TK dan SBL terhadap Kinerja BB.1)(1.105319 = .5 .(1 . n=100.671 F 1.12 = 2 2 rY 1 + rY 2 − 2ry1 ry 2 r12 2 1 − r12 1..1)) = 1 . karena nilai signifikansi F besarnya 18. R y. Tingkat Partisipasi SBL.Pelatihan Analisis Data UNY 2008 n = number of observations k = number of Independent Variables for example: when R2 =.959 Sig.9)(99/94) = 1 .9)((100 .181 a a. Semakin kecil SEE semakin baik model regresi digunakan untuk memprediksi. Tekanan Kerja b.727 11. .05319) = 1 . Dependent Variable: Kinerja Pegawai BB Berdasarkan nilai signifikansi F sebesar .. then _ R2 = 1 .89468 Adjusted / Modified _ R 2 = R 2 (1 − k / N ) (gujarati damodar.1)/(100 . Basic Econometrics) Standard Error of the Estimate (SEE) Nilai kesalahan yang akan terjadi apabila model persamaan regresi digunakan untuk memprediksi.(. Cari t hitung dengan rumus: Fh = R2 / k (1 − R 2 ) / ( n − k − 1) Rumus 10 Soekirno DS / Akuntansi UNY/ 08122755756 21 ..356 df 2 13 15 Mean Square 1.9.(1 .1% lebih besar dari 5%.

cflow.6 x100% 13. Model Summary Model 1 R R Square .525 = 63. SSE = ∑ (Yi − Yi ) 2 = i=1 n ^ residual sum squares RSS = ∑ (Y i − Y ) 2 i= 1 n ^ .525 = 36.386 x12.24980 a.03%) a ∑ x1 y + b∑ x 2 y SEx2 = SRx2 R2 SEx2 = 36. Predictors: (Constant). roi Soekirno DS / Akuntansi UNY/ 08122755756 22 .588 x14.53% Sumbangan Efektif (SE) Total SE semua variable predictor harus sama dengan R2 (0. Hip = Ada pengaruh cash flow dan ROI terhadap return saham Untuk menguji ini menggunakan perintah Analyze – Regression – Linear.47% x 0.228 a .867 SEx2 = 0.7%) pada regresi ganda SEx1 = SRx1 R2 SEx1 = 63. dimana m = jumlah predictor m(1 − R 2 ) c.67%) a ∑ x1 y + b∑ x 2 y r= ∑y R2 = ∑y R2 = (SSY-SSE)/SSY SSY = SSE + Regression sum of squares (RSS) SSY = ∑ (Yi − Y ) 2 = i =1 n Total sum square.219 Std. Error of the Estimate 6.8 x100% 13. Setelah variable dimasukkan ke kotak test variable maka akhirnya kita akan memperoleh hasil sebagai berikut.5503 (55. F= R 2 ( N − m − 1) .53% x 0.47% SR X 2 = SR x 2 0.867 SEx1 = 0.867 = 86.Pelatihan Analisis Data UNY 2008 Dimana : Fh = F hitung yang selanjutnya dibandingkan dengan F tabel R2 = koefisien korelasi ganda k = jumlah variabel independen n = Jumlah angota sampel Sumbangan Relatif (SR) Total SR semua variable predictor harus sama dengan 100% a ∑ x1y JK reg b∑ x 2 y JK reg SR X 1 = x100% SR X 2 = x100% SR X 1 = SR x1 0.3167 (31.052 Adjusted R Square -.

Hal itu berarti besar kecilnya ROI dan CASHFLOW persuahaan secara bersama-sama tidak akan mempengaruhi besaran Return yang akan diterima oleh investor. Error 13.8297 (82.05194 (R Square) dengan nilai F sebesar 0. Y = 13.024 Sig.704976 – 0.209 -.Pelatihan Analisis Data UNY 2008 ANOVAb Model 1 Sum of Squares 14.175 Standardized Coefficients Beta . dapat disimpulkan bahwa tidak satupun dari kedua variabel independen tersebut (ROI maupun CASHFLOW) yang memiliki pengaruh signifikan terhadap RETURN.004 .705 6.980 273.400 df 2 7 9 Mean Square 7. .123 .981 a. SELAMAT MENCOBA SEMOGA SUKSES BESERTA KITA SEMUA Soekirno DS / Akuntansi UNY/ 08122755756 23 . Dependent Variable: return a Coefficients Model 1 (Constant) roi cflow Unstandardized Coefficients B Std.830 a Regression Residual Total a. .586 -.192 Sig. cflow.490 39.97%).009 t 1.225 -.975 . roi b.089 .576 .19175 signifikan pada 0.420 288.938 .060 F .122584 ROI 3) Namun demikian berdasarkan nilai signifikansi T-nya.004218 CASHFLOW + 0. 2) Adapun berdasarkan uji regresi ini pula dapat diketahui persamaan regresinya sebagai berikut. Dependent Variable: return 1) Berdasarkan hasil analisis korelasi tersebut maka besarnya korelasi antara ROI dan CASHFLOW dengan RETURN adalah 0. Predictors: (Constant). Karena nilai Signifikansi F lebih besar dari 5% maka hipotesis yang menyatakan “Ada pengaruh antara ROI dan CASHFLOW dengan RETURN Perusahaan” ditolak.

079 1.414 1.176 1.289 1.328 1.05 6.816 0.093 1.074 1.187 1.015 1.440 1.299 2.167 1.158 1.963 0.180 1.311 2.756 0.697 0.843 0.489 1.676 0.936 0.920 2.771 0.266 2.844 0.50 0.937 0.978 0.316 1.228 2.038 0.365 2.086 2.657 1.423 2.538 1.844 0.175 1.856 0.31 Soekirno DS / Akuntansi UNY/ 08122755756 24 .276 2.692 0.0125 25.042 1.058 1.760 0.683 0.689 0.763 0.041 1.155 1.330 1.047 1.781 0.163 2.700 0.617 1.677 0.866 0.987 1.760 0.855 0.685 2.350 1.364 2.854 0.510 2.282 1.119 1.197 1.676 1.052 2.758 0.779 0.013 1.225 1.323 1.548 1.258 2.679 0.896 0.031 1.851 0.286 1.039 1.688 0.758 0.757 0.752 2.592 1.057 1.677 0.076 1.009 2.679 0.041 1.210 1.776 2.383 1.473 2.860 0.740 1.132 2.650 0.189 1.272 2.452 1.156 1.372 1.866 0.593 2.758 0.490 2.508 1.778 1.485 1.194 1.976 0.769 0.938 0.688 0.993 0.433 2.941 0.963 1.843 0.883 0.306 2.845 0.303 1.873 0.056 1.500 1.Pelatihan Analisis Data UNY 2008 Tabel t – student (atas 2phk.833 1.385 2.533 1.870 0.677 0.451 1.786 0.064 2.100 1.10 3.678 0.734 1.659 1.288 1.191 1.456 1.721 1.483 1.10 0.858 0.155 1.043 1.954 0.160 1.477 1.675 0.254 1.706 1.889 0.452 6.976 1.523 1.048 2.986 0.462 1.848 0.061 1.314 1.045 2.101 2.800 0.968 0.845 0.041 1.940 0.443 0.969 2.571 2.120 2.994 1.182 1.040 1.703 1.055 1.057 1./ + 6.268 2.943 1.977 1.560 2.177 1.982 1.325 1.941 0.772 0.920 0.667 1.069 1.415 1.782 1.504 1.746 1.273 1.291 1.856 0.479 1.761 1.946 0.05 0.318 1.458 2.960 0.761 0.344 1.766 0.329 2.447 1.671 1.676 0.632 1.906 0.313 1.270 2.105 1.725 1.683 0.958 0.321 1.708 1.770 0.050 1.183 1.773 0.729 1.391 2.678 0.042 2.200 1.071 1.059 1.972 0.25 1.984 1.301 1.175 1.160 2.001 0.20 0.768 0.697 1.845 0.683 0.290 1.209 1.476 1.423 1.776 0.447 1.655 1.653 1.849 0.292 1.179 1.214 1.924 1.250 1.284 0.706 0.066 1.061 0.171 0.685 0.965 0.058 1.379 2.311 1.30 0.717 1.931 0.604 1.288 1.333 1.955 0.373 2.045 1.125 2.860 1.658 1.686 0.447 2.972 1.727 0.812 1.356 1.699 1.836 0.957 0.766 0.759 0.360 2.000 0.758 0.765 0.159 1.969 0.690 0.497 1.862 0.790 0.574 1.650 1.287 1.695 0.711 0.841 2.794 0./ + 63.512 1.684 1.741 0.468 1.714 1.262 2.088 1.952 0.950 0.701 1.492 1.638 1.861 0.060 1.075 4.699 1.844 0.978 1.310 1.35 0.074 2.808 0.703 0.398 2.857 0.676 0.939 0.025 12.949 0.767 0.854 0.064 1.758 0.939 0.319 1.345 1.938 0.156 1.291 2.156 1.777 0.131 2.182 2. bawah 1 phk) Taraf Alpha db 0.25 0.530 1.765 0.353 2.15 0.876 0.846 0.771 1.108 1.662 1.060 2.280 2.042 1.240 1.067 1.865 0.664 1.315 1.706 4.284 2.771 0.859 0.154 1.453 1.494 1.950 0.819 0.847 0.533 2.190 1.134 1.980 0.093 2.953 0.044 1.895 1.174 1.517 1.482 1.951 0.753 1.164 1.879 0.337 1.634 2.448 1.296 1.157 1.153 0.676 0.230 1.759 0.162 1.660 1.376 1.677 0.289 1.718 0.414 2.990 1.767 0.952 0.15 1.956 0.314 2.691 0.178 1.858 0.886 1.796 1.684 0.71 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 40 50 60 70 80 90 100 110 120 130 140 150 200 300 1 PIHAK Batas (1%): .656 1.341 1.303 3.253 2 PIHAK Batas (1%): .405 2.40 0.685 0.961 0.185 1.687 0.769 0.110 2.078 1.177 3.145 2.938 0.559 1.299 1.774 0.694 0.967 0.684 0.449 1./ + 12.487 1.201 2.82 Batas (5%): .458 1.205 4.221 1.846 0.363 1./ + 31.681 0.025 0.45 0.868 0.767 0.204 1.480 1.179 2.757 0.368 2.980 1.000 1.165 2.386 1.055 1.495 3.056 2.069 2.445 1.264 2.20 1.173 1.939 0.684 0.294 1.711 1.686 0.66 Batas (5%): .942 0.783 0.083 1.450 1.863 0.943 0.938 0.445 2.021 2.855 0.040 1.397 1.080 2.156 1.063 1.

Pelatihan Analisis Data UNY 2008 Soekirno DS / Akuntansi UNY/ 08122755756 25 .

Pelatihan Analisis Data UNY 2008 Soekirno DS / Akuntansi UNY/ 08122755756 26 .

Pelatihan Analisis Data UNY 2008 Soekirno DS / Akuntansi UNY/ 08122755756 27 .

Pelatihan Analisis Data UNY 2008 Soekirno DS / Akuntansi UNY/ 08122755756 28 .

Pelatihan Analisis Data UNY 2008 Soekirno DS / Akuntansi UNY/ 08122755756 29 .

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->