MODUL ANALISIS DATA DENGAN SPSS.doc

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

5 54 21 14 24 18 12. No 1.Pelatihan Analisis Data UNY 2008 2. empat elemen di atas diberi nama variabel sebagai berikut. 3. Langkah awal sebelum proses analisis dimulai adalah melakukan entry data. date. Untuk memasukkan nama variabel tersebut lakukanlah dengan cara mengklik DATA – DEFINE VARIABLE maka akan tampak gambar sebagai berikut. Prosedur Analisis Data dengan SPSS a. Elemen data Status perusahaan ROI (%) Cash flow (milyar) Return saham Nama Variabel STATUS ROI CFLOW RETURN g. b. Pada contoh tabel di atas ada empat elemen data. c. Misalnya. atau yang lainnya). 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. Soekirno DS / Akuntansi UNY/ 08122755756 3 . Masukkan setiap nama tersebut ke dalam program SPSS sesuai dengan jenis data yang ada (string. h. Misalnya kita memiliki data sebagai berikut. numeric. Arahkan krusor ke menu program dan geserlah kekanan dengan hati-hati menuju menu SPSS. 4. Maka akan tampak gambar menu utama SPSS seperti berikut ini e. Menentukan nama variabel yang digunakan untuk menampung setiap elemen data yang dimiliki. Klik mouse setelah krusor berada persis pada menu SPSS d.8 34. 2. Nama variabel tidak boleh lebih dari delapan karakter dan tanpa spasi. Hidupkan komputer.2 34 27 Return saham (%) 23 14 15 25 13 13 9 12 10 22 f. lanjutkan dengan mengklik kotak START pada kiri bawah.

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

maka kliklah kotak kecil depan kata Mean.8839 4.43 2. -.4219 5. Untuk membatalkan klik kembali kotak yang bersangkutan. Kemudian akan muncul kotak dialog sebagai berikut. Kurtosis.50 3. dan yang lainnnya maka dari menu utama SPSS tersebut klik menu STATISTICS.86948 1. Nilai Minimum. f. Jumlah. Skewness. Median. Mode. Setelah itu maka SPSS akan kembali pada kotak sebelumnya (DESCRIPTIVES). Apabila semua variabel ingin dicari nilai statistik deskriptive-nya maka pindahkan semua variabel ke kotal sebelah kanan.066 -.50 2. c.263 Tekanan Kerja Tingkat Partisipasi Kinerja Pegawai Kinerja Pegawai Valid N (listwise) Error . Nilai Maximum. b.93054 . Deviation Statistic . Lanjutkan dengan menekan menu OPTION pada kanan bawah. Range.50 6.564 . Demikian seterusnya berlaku pula untuk nilai yang lain. 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.50 Maximum Statistic 4.00 Mean Statistic 3.38 8.564 Soekirno DS / Akuntansi UNY/ 08122755756 5 . g.2083 4. Pilihlah nilai yang ingin dicari dengan cara mengklik kotak kecil didepan nilai yang diinginkan.84875 . Akhiri dengan mengklik kotak OK. 1) Nilai Statistik Induk Descriptive Statistics N Statistic 16 16 16 16 16 Minimum Statistic 1.29 6.564 . Misalnya apabila menghendaki nilai Mean.Pelatihan Analisis Data UNY 2008 a.436 -.55018 Skewness Statistic Std. Selanjutnya akan tampak gambar berikut ini. d.053 . Caranya klik variabel yang bersangkutan kemudian klik tanda panah kecil yang ada dintara kedua kotak tersebut. e. Deviation Standard. Misalnya kita akan mengetahui berapa nilai Mean.3828 Std. Maka hasil perhitungan dan nilai yang kita inginkan akan tampak di layar. Apabila sudah diisikan semua nilai yang ingin dicari akhiri dengan mengklik kotak CONTINUE.564 .

2) Histogram Kita juga dapat membuat histogram dengan data yang kita miliki. Kebanyakan pegawai memiliki kinerja di sekitar rerata 75. 4.4.1. Skor rerata kinerja pegawai setelah (keempat) memiliki kecenderungan sangat tinggi. kinerja pegawai sebelum (ketiga) dan tingkat partisipasi negative menandakan bahwa kecenderungan nilai mengumpul di bawah nilai rerata.1 merata. Variabel Tunggal (Single Table) Jenis Kelamin Frequency 4 6 10 Percent 40.995 N =10 Kinerja Komentar: Berdasarkan histogram di atas dapat disimpulkan beberapa hal: a. Variabel tekanan kerja memiliki kecenderungan homogenitas data lebih tinggi dibandingkan variable lain. Distribusi data mengikuti kurve normal.0 Cumulative Percent 40. Tabulasi data bisa dikerjakan dalam bentuk table tunggal dan table silang. a. Dev. KINERJA PERUSAHAAN PERBANKAN DI BEJ TAHUN 2000 .0 Valid l p Total Soekirno DS / Akuntansi UNY/ 08122755756 6 .849. d.0 60. Nilai skewness variable tekanan kerja. b.9. Hal ini menujukkan bahwa jumlah pegawai yang kinerjanya di bawah dan di atas nilai rerata hamper sama. d. Kinerja pegawai setelah memiliki variasi data tertinggi (lebih heterogen) daripada variable lain. yang berarti hanya sebagian kecil pegawai berkinerja tinggi sekali atau rendah sekali. dan 5. b.1 menunjukkan bahwa kinerja perusahaan dapat dikatakan bagus (di atas 60) c. tingkat partisipasi.0 100.0 100. e. c. =11. a. Hal ini ditunjukkan oleh nilai SD yang tertinggi yaitu sebesar 1.1 Std. Sebaran data dari nilai mean 75. dan kinerja setelah adalah 3.Pelatihan Analisis Data UNY 2008 Berdasarkan table statistic induk di atas dapat diinterpretasikan beberapa kesimpulan berikut ini. Nilai rerata kinerja sebesar 75. Perintahnya da di Chart – Histogram. karena nilai SD terkecil yaitu sebesar 0.55. Frekuensi pegawai yang berkinerja di sekitar nilai rerata sama mulai dari kelas interval ke 2 hingga kelas interval ke 5.0 Valid Percent 40. 4. 3) Tabulasi Dalam analisis data kita bias sajikan data itu berkelompok dengan menggunakan table. Nilai rerata variable penelitian berada pada nilai tinggi (lebih dari tiga).0 100.2007 3 Frequency 2 1 0 50 60 70 80 90 100 Mean =75.0 60. Nilai rerata variable penelitian berturutan tekanan kera. kinerja sebelum.2.4.

1. Lebih banyak pegawai perempuan daripada pegawai laki-laki pada perusahaan.16 dan perusahaan nonperbankan 4. sedangkan nilai partisipasi selain itu masingmasing jumlahnya satu orang. Soekirno DS / Akuntansi UNY/ 08122755756 7 . b. Crosstab custom Jenis Perusahaan NON PERBANKAN PERBANKAN Mean Mean 4. Dengan demikian dapat diambil kesimpulan bahwa kinerja pegawai nonperbankan lebih tinggi daripada kinerja pegawai perbankan.2.16 Kinerja Pegawai Berdasarkan table di atas diketahui rerata kinerja pegawai perusahaan perbankan adalah 4. Variable Ganda (Crosstab) 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.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. dan tertinggi sebesar 91 sejumlah 1 orang yaitu pegawai perempuan. Partisipasi pegawai sebelum terendah adalah 32 sejumlah 1 orang yaitu dari pegawai lelaki. b.69 4.

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

Run SPSS pada pilihan Analyze – Compare Mean – one Sample T Test Ada dua jenis uji hip deskriptif.Pelatihan Analisis Data UNY 2008 a. Tentukan dan batas nilai T table (Tt) pada kurva c. ** 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. Buatlah dugaan b. yaitu uji dua pihak dan uji satu pihak. Te jatuh didaerah diarsir maka hip yang menyatakan X = 4 ditotak e.5 % 2. Buat gambar kurva normal b.5 % ** 1 pihak ** Soekirno DS / Akuntansi UNY/ 08122755756 9 . Tuliskan nilai Te pada kurva d. 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. Te jatuh didaerah tidak diarsir maka hip yang menyatakan X = 4 diterima 2. Selengkapnya dideskripsikan sebagai berikut.

TS /2 > 5% maka hip yang menyatakan X ≥ 4 diterima Berdasarkan t empiric (TE) TE < . Tentukan dan batas nilai T table (Tt) pada kurva c. sebaliknya bila Te ≤ Tt maka hip yang menyatakan X ≤ 4 diterima. Buat gambar kurva normal b. sebaliknya bila Te < Tt maka hip yang menyatakan X ≥ 4 ditolak. Tuliskan nilai Te pada kurva d. MD = MEAN TERKAAN – MEAN EMPIRIS). Tentukan dan batas nilai T table (Tt) pada kurva c. Tuliskan nilai Te pada kurva d.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. Te jatuh didaerah diarsir maka hip yang menyatakan X = 4 ditotak e. 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.Tt maka hip yang menyatakan X ≥ 4 diterima Menggunakan kurva Langkah-langkah : a. Buat gambar kurva normal b. 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. 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.Tt maka hip yang menyatakan X ≥ 4 ditolak TE ≥ .

07201 One-Sample Test Test Value = 4 95% Confidence Interval of the Difference Lower Upper 8.Pelatihan Analisis Data UNY 2008 5% One-Sample Statistics N MT 15 Mean 14.0341 12. 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.639 df 14 Sig. Deviation 4. Error Mean 1.000 Mean Difference 10. (2-tailed) .3333 Std.3333 5. Buatlah dugaan b. Run SPSS pada pilihan Analyze – Compare Mean – Paired Sample T Test Ada dua jenis uji hip komparatif sample saling berkorelasi. 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. Buat gambar kurva normal Soekirno DS / Akuntansi UNY/ 08122755756 11 . yaitu uji dua pihak dan uji satu pihak.15188 Std. Uji Hipotesis Komparatif a.6326 MT t 9. Selengkapnya dideskripsikan sebagai berikut.

Tentukan dan batas nilai T table (Tt) pada kurva c. Tentukan dan batas nilai T table (Tt) pada kurva c.Tt maka hip yang menyatakan X1 ≥ X2 ditolak TS > .Tt maka hip yang menyatakan X1 ≥ X2 diterima Menggunakan kurva Langkah-langkah : a. 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 . sebaliknya bila Te ≤ Tt maka hip yang menyatakan X1 ≥ X2 ditolak. TS /2 > 5% maka hip yang menyatakan X1 ≥ X2 diterima Berdasarkan t empiric (TE) TE ≤ . Buat gambar kurva normal b. Te jatuh didaerah diarsir maka hip yang menyatakan X1 = X2 ditotak e. Tuliskan nilai Te pada kurva d.Pelatihan Analisis Data UNY 2008 b. Tuliskan nilai Te pada kurva d. Te jatuh didaerah tidak diarsir maka hip yang menyatakan X1 = X2 diterima 2.5 % 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.5 % 2. Te jatuh didaerah diarsir maka hip yang menyatakan X1 ≥ X2 ditotak e.

Deviation 4. Tuliskan nilai Te pada kurva d.669 Sig. Te jatuh didaerah diarsir maka hip yang menyatakan X1 ≤ X2 ditotak e.Pelatihan Analisis Data UNY 2008 TS /2 ≤ 5% dan Te > Tt maka hip yang menyatakan X1 ≤ X2 ditolak.0667 N 15 15 Std. reratanya adalah 3. Error Mean 1. TS /2 > 5% maka hip yang menyatakan X1 ≤ X2 diterima.3333 4.39601 Pair 1 MT PT N = jumlah sample = jumlah sample adalah 10 Mean = ∑X / N.72 Std error mean: Sd / √n adalah sebesar 0. sebaliknya bila Te ≤ Tt maka hip yang menyatakan X1 ≤ X2 diterima.07201 .226 Paired Samples Correlations N Pair 1 MT & PT 15 Correlation .006 Soekirno DS / Akuntansi UNY/ 08122755756 13 .15188 1.8 Sd = ∑ (X – X)2 / (n – 1). sd adalah 0. 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. Buat gambar kurva normal b. Te jatuh didaerah tidak diarsir maka hip yang menyatakan X1 ≤ X2 diterima 5% Paired Samples Statistics Mean 14.53375 Std. Tentukan dan batas nilai T table (Tt) pada kurva c. .

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

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 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. sebaliknya bila Te < Tt maka hip yang menyatakan X1 ≥ X2 ditolak. Te jatuh didaerah diarsir maka hip yang menyatakan X1 = X2 ditotak e.Tt maka hip yang menyatakan X1 ≥ X2 ditolak TE ≥ . Tuliskan nilai Te pada kurva d. Te jatuh didaerah diarsir maka hip yang menyatakan X1 ≥ X2 ditotak e. 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. Soekirno DS / Akuntansi UNY/ 08122755756 15 .5 % 2. Tentukan dan batas nilai T table (Tt) pada kurva c. Te jatuh didaerah tidak diarsir maka hip yang menyatakan X1 = X2 diterima 2. Buat gambar kurva normal b.Pelatihan Analisis Data UNY 2008 d.5 % b. sebaliknya bila Te ≤ Tt maka hip yang menyatakan X1 ≤ X2 diterima.Tt maka hip yang menyatakan X1 ≥ X2 diterima Menggunakan kurva Langkah-langkah : a.

8 + (2.381 .α/2 . 1 .95 = 5 dibagi dua 2.5 karena dua pihak (Sd / √n) = nilai SD dibagi akar n (jumlah sample) Upper = X + tn-1.3114 Soekirno DS / Akuntansi UNY/ 08122755756 16 .26784 6.µ Confidence interval difference: X ± tn-1.23793 2. 1 .α/2 .262 x (0. 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 -3.14332 .. 1 .262 x (0. 1 .04562 F MT Equal variances assumed Equal variances not assumed Sig.648 13 12.44585 -3.3889 Std. 1 .α/2 = nilai t table dengan df n-1 pada alfa (1 – . (Sd / √n) = X – tn-1.621 .226) = 1.546 . Tuliskan nilai Te pada kurva d.3889 1.8 – (2.α/2 .2886 X = rerata real tn-1. Error Difference 2. (2-tailed) Mean Difference 1.314 . (Sd / √n) Lower = X – tn-1.α/2 . (Sd / √n) = 3.822 .95)/2) untuk uji dua pihak dengan alfa 5%. 1 . (Sd / √n) = 3.22363 6.226) = 0. Tentukan dan batas nilai T table (Tt) pada kurva c. Buat gambar kurva normal b. t df Sig.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. Te jatuh didaerah diarsir maka hip yang menyatakan X1 ≤ X2 ditotak e.529 Mean difference = X .

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

Hip : Ada hubungan antara ROI dengan RETURN Perusahaan.0.1.0.Pelatihan Analisis Data UNY 2008 b.60 PEDOMAN UNTUK MEMBERIKAN INTERPRETASI KOEFISIEN KORELASI Interval Koefisien 0.0.60 H0 = Hubungan X dengan Y < 0.399 0. berikut ini.00 . 2) Maka akan tampak menu Bivariate Correlation sebagai berikut. Uji 1 Pihak Pihak Kanan Ha = Hubungan X dengan Y ≤ 0.40 .20 .199 0.60 H0 = Hubungan X dengan Y > 0.599 0. 1) Klik menu STATISCTICS-CORRELATE-BIVARIATE.80 . Untuk menguji hipotesis ini maka lakukanlah prosedur berikut ini. 3) Kemudian pindahkan semua variabel yang akan diuji korelasinya (dalam hal ini variabel ROI dan RETURN) ke kotak Variables sebelah kanan.0. Untuk memindahkan Soekirno DS / Akuntansi UNY/ 08122755756 18 .000 Tingkat Hubungan Sangat rendah Rendah Sedang Kuat Sangat kuat a.60 Pihak Kiri Ha = Hubungan X dengan Y ≥ 0.799 0.60 .

367 16 Kinerja Pegawai BB -.367 / 2 = .1835.1835 (lebih besar dari 5%). Sehingga interpretasinya bergeser dari tidak ada hubungan TK dan BB yang ditunjukkan nilai sig sebesar 36. berarti ada hubungan negatip antara TK dengan BB. Setelah itu menentukan teknik korelasi yang sesuai dengan skala data.7%) lebih besar dari 5%. (2-tailed) N Jawaban : 1. jadi . t. t= r n −2 1−r2 3. 1) Klik menu STATISCTICS-REGRESSION-LINEAR. atau F empirik tetap sama yaitu r = -. 2.367 16 1 . Sedangkan nilai r. maka akan tampak hasil korelasi sebagai berikut. Correlations Tekanan Kerja 1 . (2-tailed) N Pearson Correlation Sig. Kalau duji dengan sepihak (one tail). Untuk menguji hipotesis ini maka lakukanlah prosedur berikut ini. Seandainya data tersebut berskala ordinal maka kita pilik teknik korelasi SPEARMAN. Dugaaan yang menyebut ada hubungan antara TK dengan BB salah atau ditolak. sebaliknya bila TK naik 100. Hip : Ada pengaruh ROI dan CASFLOW terhadap RETURN Perusahaan. BB turun 24.2. Soekirno DS / Akuntansi UNY/ 08122755756 19 . berdasar nilai r = -. Dalam hal ini digunakan korelasi dari PEARSON (karena datanya interval atau ratio). berikut ini. Artinya kalau BB naik 100 TK turun 24. 16 Tekanan Kerja Kinerja Pegawai BB Pearson Correlation Sig. Jadi tidak ada hubungan antara TK dengan BB.7% menjadi: Tidak ada hubungan TK dan BB dengan signifikansi sebesar 0.2%.242. Atau tidak ada hubungan signifikan antara TK dengan Kinerja BB. 16 -.2.242 . karena nilai signifikansi r lebih besar dari 5%. karena nilai signifikansi r = . maka nilai signifikansi dua pihak tinggal dibagi dua.242 sama dengan – 24. b.367 (36. 4) Setelah itu klik kotak OK.Pelatihan Analisis Data UNY 2008 variabel tersebut klik variabel satu-per satu dengan tanda panah kecil di tengah.242 . Signifikansi nilai r dapat pula diuji dengan menggunakan uji t dengan persamaan sebagai berikut. Signifikansi 5% (atau signifikan pada 5%) berarti besarnya hubungan (nilai r atau korelasi pearson) itu apabila digunakan untuk memprediksi akan memiliki kesalahan 5%.

yaitu apabila jumlah variable predictor ditambah maka nilai R2 pasti meningkat sebaliknya akan menurun apabila variable predictor dikurangi jumlahnya.113 Std. Error of the Estimate . 4) Setelah itu klik kotak OK. 3) Kemudian pindahkan semua variabel yang akan diuji korelasinya (dalam hal ini variabel ROI. Adjusted R2 Nilai ini digunakan untuk mengatasi kelemahan koefisien determinasi (R 2). Artinya. Ada kalanya agar terhindar dari bias penambahan variable independent. Nilai ini dapat turun atau naik walaupun variable predictor ditambah atau dikurangi.481 dapat disimpulkan bahwa hubungan antara TK dan Par SBL dengan Kinerja BB bersifat positip sebesar 48. SPSS akan menggunakan metode ENTER sebagai default.1%. _ R2 = 1. Dalam hal ini kita menggunakan metode ENTER.481 a . Model Summary Model 1 R R Square . Predictors: (Constant). untuk mengevaluasi model regresi terbaik atau menentukan besarnya koefisien determinasi dianjurkan menggunakan Adjusted R2. apabila variabel TK dan Par SBL naik 100 maka kinerja BB naik pula sebesar 48. BACKWARD.R2 )((n .1.232 Adjusted R Square .(1 . dan FORWARD. CASHFLOW dan RETURN) ke kotak sebelah kanan. maka akan tampak hasil korelasi sebagai berikut. Tingkat Partisipasi SBL. Metode lainnya adalah metode STEPWISE. peneliti dapat menggunakan nilai Adjusted R Square. Sebaliknya bila TK dan Par SBL turun 100 maka kinerja BB turun 48. REMOVE. Oleh karena itu. Metode ini berarti bahwa kita akan mengkorelasikan seluruh data pada ketiga variabel tanpa ada pengecualian atau pentahapan tertentu.1)) where: R2 = Coefficient of Determination . R2 = Adjusted Coefficient of Determination Soekirno DS / Akuntansi UNY/ 08122755756 20 . Tekanan Kerja Komentar: Berdasarkan nilai R sebesar .1.k . Sedangkan kotak INDEPENDENT(S) isilah variabel ROI DAN CASHFLOW.1)/(n .Pelatihan Analisis Data UNY 2008 2) Maka akan tampak menu Linear Regression sebagai berikut.81932 a. Kotak Dependent isilah variabel RETURN.

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 2.5 . Semakin kecil SEE semakin baik model regresi digunakan untuk memprediksi.315 .(1 .1)) = 1 .181 dapat disimpulkan bahwa dugaan ada hubungan antara TK dan Par SBL dengan Kinerja BB adalah salah atau ditolak.1)/(100 .727 11. n=100. karena nilai signifikansi F besarnya 18.1% lebih besar dari 5%.. . Dependent Variable: Kinerja Pegawai BB Berdasarkan nilai signifikansi F sebesar .05319) = 1 .181 a a.9.356 df 2 13 15 Mean Square 1. Tekanan Kerja b.(. and k=5.12 = 2 2 rY 1 + rY 2 − 2ry1 ry 2 r12 2 1 − r12 1. Tingkat Partisipasi SBL. Cari t hitung dengan rumus: Fh = R2 / k (1 − R 2 ) / ( n − k − 1) Rumus 10 Soekirno DS / Akuntansi UNY/ 08122755756 21 .. R y.1)(1.Pelatihan Analisis Data UNY 2008 n = number of observations k = number of Independent Variables for example: when R2 =..105319 = .(1 . Basic Econometrics) Standard Error of the Estimate (SEE) Nilai kesalahan yang akan terjadi apabila model persamaan regresi digunakan untuk memprediksi. Atau dapat dikatakan secara statistik tidak ada pengaruh TK dan SBL terhadap Kinerja BB.9)((100 .671 F 1. Predictors: (Constant).959 Sig.629 8.89468 Adjusted / Modified _ R 2 = R 2 (1 − k / N ) (gujarati damodar. then _ R2 = 1 .9)(99/94) = 1 .

47% SR X 2 = SR x 2 0.53% x 0.525 = 36.5503 (55.3167 (31.03%) a ∑ x1 y + b∑ x 2 y SEx2 = SRx2 R2 SEx2 = 36.867 SEx1 = 0.867 = 86. SSE = ∑ (Yi − Yi ) 2 = i=1 n ^ residual sum squares RSS = ∑ (Y i − Y ) 2 i= 1 n ^ .052 Adjusted R Square -.219 Std.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 0.7%) pada regresi ganda SEx1 = SRx1 R2 SEx1 = 63. F= R 2 ( N − m − 1) . cflow. Setelah variable dimasukkan ke kotak test variable maka akhirnya kita akan memperoleh hasil sebagai berikut. roi Soekirno DS / Akuntansi UNY/ 08122755756 22 .53% Sumbangan Efektif (SE) Total SE semua variable predictor harus sama dengan R2 (0.8 x100% 13.386 x12.24980 a. Predictors: (Constant).867 SEx2 = 0. Model Summary Model 1 R R Square .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. Error of the Estimate 6.47% x 0.588 x14.228 a .525 = 63.6 x100% 13. dimana m = jumlah predictor m(1 − R 2 ) c. Hip = Ada pengaruh cash flow dan ROI terhadap return saham Untuk menguji ini menggunakan perintah Analyze – Regression – Linear.

Hal itu berarti besar kecilnya ROI dan CASHFLOW persuahaan secara bersama-sama tidak akan mempengaruhi besaran Return yang akan diterima oleh investor.19175 signifikan pada 0.705 6.123 . Dependent Variable: return a Coefficients Model 1 (Constant) roi cflow Unstandardized Coefficients B Std.420 288. cflow. SELAMAT MENCOBA SEMOGA SUKSES BESERTA KITA SEMUA Soekirno DS / Akuntansi UNY/ 08122755756 23 .8297 (82.004218 CASHFLOW + 0.024 Sig. Karena nilai Signifikansi F lebih besar dari 5% maka hipotesis yang menyatakan “Ada pengaruh antara ROI dan CASHFLOW dengan RETURN Perusahaan” ditolak. Dependent Variable: return 1) Berdasarkan hasil analisis korelasi tersebut maka besarnya korelasi antara ROI dan CASHFLOW dengan RETURN adalah 0.975 .192 Sig.060 F . Predictors: (Constant).576 .175 Standardized Coefficients Beta .704976 – 0. .Pelatihan Analisis Data UNY 2008 ANOVAb Model 1 Sum of Squares 14.490 39.009 t 1. roi b. Error 13. dapat disimpulkan bahwa tidak satupun dari kedua variabel independen tersebut (ROI maupun CASHFLOW) yang memiliki pengaruh signifikan terhadap RETURN. 2) Adapun berdasarkan uji regresi ini pula dapat diketahui persamaan regresinya sebagai berikut.004 .209 -.225 -.981 a.089 .122584 ROI 3) Namun demikian berdasarkan nilai signifikansi T-nya. Y = 13.97%).980 273. .05194 (R Square) dengan nilai F sebesar 0.400 df 2 7 9 Mean Square 7.830 a Regression Residual Total a.938 .586 -.

685 2.31 Soekirno DS / Akuntansi UNY/ 08122755756 24 .699 1.729 1.767 0.752 2.05 0.688 0.310 1.156 1.477 1.771 1.786 0.718 0.512 1.364 2.494 1.699 1.303 3.423 1.345 1.972 0.40 0.776 0.031 1.350 1.479 1.677 0.941 0.069 1.156 1.816 0.819 0.057 1.773 0.391 2.758 0.604 1.976 0.978 0.060 2.039 1.846 0.452 1.782 1.250 1.080 2.794 0.253 2 PIHAK Batas (1%): .086 2.05 6.770 0.311 2.684 0.433 2.360 2.165 2./ + 63.685 0.940 0.299 2.844 0.058 1.178 1.452 6.074 2.943 1.328 1.021 2.047 1.741 0.681 0.560 2.185 1.120 2.45 0.415 1.950 0.771 0.711 0.777 0.697 0.523 1.414 1.695 0.676 0.153 0.500 1.048 2.061 0.984 1.768 0.849 0.632 1.963 1.209 1.508 1.105 1.873 0.845 0.980 0.858 0.889 0.946 0.861 0.262 2.450 1.533 1.938 0.174 1.325 1.266 2.025 0.938 0.131 2.883 0.197 1.592 1.210 1.398 2.276 2.341 1.895 1.289 1.173 1.443 0.653 1.495 3.468 1.769 0.808 0.190 1.289 1.676 0.000 1.538 1.093 2.758 0.158 1.684 1.676 1.337 1.658 1.397 1.843 0.156 1.301 1.040 1.356 1.487 1.678 0.833 1.078 1.064 1.258 2.931 0.286 1.759 0.774 0.711 1.776 2.368 2.958 0.194 1.760 0.483 1.228 2.679 0.976 1.671 1.056 2.848 0.15 0.954 0.847 0.066 1.056 1.333 1.759 0.943 0.405 2.836 0.679 0.30 0.725 1.042 1.284 2.50 0.691 0.067 1.559 1.447 2.15 1.650 1.162 1.684 0.288 1.205 4.157 1.447 1.870 0.924 1.753 1.781 0.042 1.473 2.044 1.955 0.319 1.329 2.765 0.866 0.489 1.175 1.449 1.969 0.956 0.057 1.677 0.659 1.841 2.856 0.191 1.482 1.800 0.079 1.20 0.254 1.060 1.323 1.758 0.978 1.517 1.772 0.160 1.440 1.676 0.761 0.013 1.771 0.843 0.179 2.938 0.686 0.385 2.456 1.769 0.076 1.180 1.071 1.462 1.862 0.321 1.859 0.980 1./ + 31.059 1.686 0.272 2.083 1.101 2.041 1.963 0.987 1.683 0.779 0.009 2.108 1.866 0.854 0.268 2.318 1.100 1.950 0.993 0.058 1.617 1.182 2.313 1.778 1.451 1.763 0.175 1.043 1.886 1.183 1.687 0.490 2.204 1.480 1.678 0.294 1.953 0.074 1.376 1.990 1.689 0.977 1.856 0.767 0.164 1.692 0.701 1.657 1.504 1.740 1.758 0.448 1.879 0.050 1.638 1.187 1.10 0.761 1.155 1.937 0.593 2.179 1.571 2.052 2.445 2.844 0.000 0.690 0.939 0.038 0.476 1.949 0.667 1.306 2.662 1.064 2.986 0.386 1.766 0.163 2.088 1.288 1.685 0.156 1.765 0.189 1.650 0.225 1.316 1.182 1.315 1.961 0.906 0.967 0.965 0.063 1.177 1.854 0.855 0.458 2.055 1.706 4.160 2.783 0.125 2.865 0.655 1.497 1.756 0.458 1.372 1.221 1.20 1.703 0.230 1.694 0.363 1.714 1.379 2.177 3.760 0.055 1.942 0.706 1.201 2.25 1.994 1.727 0.846 0.675 0. bawah 1 phk) Taraf Alpha db 0.423 2.697 1.10 3.167 1.314 1.287 1.708 1.688 0.656 1.938 0.857 0.344 1.282 1.330 1.042 2.706 0.676 0.677 0.851 0.040 1.968 0.311 1.855 0.683 0.119 1.957 0.264 2.863 0.700 0.746 1./ + 6.35 0.025 12.920 2.66 Batas (5%): .041 1.Pelatihan Analisis Data UNY 2008 Tabel t – student (atas 2phk.154 1.171 0.952 0.660 1.876 0.365 2.280 2.939 0.214 1.530 1.790 0.299 1.858 0.767 0.860 0.82 Batas (5%): .240 1.273 1./ + 12.061 1.952 0.969 2.292 1.757 0.453 1.145 2.155 1.812 1.291 2.353 2.485 1.414 2.533 2.134 1.677 0.25 0.015 1.960 0.941 0.703 1.734 1.972 1.896 0.303 1.71 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%): .041 1.717 1.314 2.447 1.757 0.492 1.845 0.548 1.951 0.939 0.845 0.683 0.860 1.982 1.758 0.045 1.075 4.001 0.766 0.445 1.868 0.069 2.290 1.045 2.383 1.270 2.110 2.093 1.296 1.200 1.284 0.132 2.844 0.920 0.684 0.796 1.0125 25.574 1.291 1.721 1.159 1.510 2.176 1.664 1.634 2.373 2.936 0.

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 .

Sign up to vote on this title
UsefulNot useful