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

Hidupkan komputer. Misalnya kita memiliki data sebagai berikut. Elemen data Status perusahaan ROI (%) Cash flow (milyar) Return saham Nama Variabel STATUS ROI CFLOW RETURN g. 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. empat elemen di atas diberi nama variabel sebagai berikut.2 34 27 Return saham (%) 23 14 15 25 13 13 9 12 10 22 f. Maka akan tampak gambar menu utama SPSS seperti berikut ini e.8 34. 3. h. Misalnya. Arahkan krusor ke menu program dan geserlah kekanan dengan hati-hati menuju menu SPSS. Klik mouse setelah krusor berada persis pada menu SPSS d. 4. c. Nama variabel tidak boleh lebih dari delapan karakter dan tanpa spasi.Pelatihan Analisis Data UNY 2008 2.5 54 21 14 24 18 12. Langkah awal sebelum proses analisis dimulai adalah melakukan entry data. date. No 1. numeric. Menentukan nama variabel yang digunakan untuk menampung setiap elemen data yang dimiliki. Masukkan setiap nama tersebut ke dalam program SPSS sesuai dengan jenis data yang ada (string. Prosedur Analisis Data dengan SPSS a. Pada contoh tabel di atas ada empat elemen data. Soekirno DS / Akuntansi UNY/ 08122755756 3 . lanjutkan dengan mengklik kotak START pada kiri bawah. b. 2. atau yang lainnya).

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

Setelah itu maka SPSS akan kembali pada kotak sebelumnya (DESCRIPTIVES). dan yang lainnnya maka dari menu utama SPSS tersebut klik menu STATISTICS.00 Mean Statistic 3.55018 Skewness Statistic Std. Nilai Maximum. Misalnya kita akan mengetahui berapa nilai Mean. e. Apabila semua variabel ingin dicari nilai statistik deskriptive-nya maka pindahkan semua variabel ke kotal sebelah kanan. Mode. Lanjutkan dengan menekan menu OPTION pada kanan bawah. Kemudian akan muncul kotak dialog sebagai berikut.564 . f. Deviation Statistic .436 -. Misalnya apabila menghendaki nilai Mean.564 Soekirno DS / Akuntansi UNY/ 08122755756 5 . Deviation Standard.93054 .50 2. 1) Nilai Statistik Induk Descriptive Statistics N Statistic 16 16 16 16 16 Minimum Statistic 1.86948 1. 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.3828 Std.263 Tekanan Kerja Tingkat Partisipasi Kinerja Pegawai Kinerja Pegawai Valid N (listwise) Error . Apabila sudah diisikan semua nilai yang ingin dicari akhiri dengan mengklik kotak CONTINUE.4219 5. Range.Pelatihan Analisis Data UNY 2008 a. Maka hasil perhitungan dan nilai yang kita inginkan akan tampak di layar.053 .29 6. Selanjutnya akan tampak gambar berikut ini. Pilihlah nilai yang ingin dicari dengan cara mengklik kotak kecil didepan nilai yang diinginkan. Untuk membatalkan klik kembali kotak yang bersangkutan.84875 . maka kliklah kotak kecil depan kata Mean. -. b.564 . Jumlah.2083 4.564 . d. Median.50 6.066 -.50 3. Demikian seterusnya berlaku pula untuk nilai yang lain.43 2.8839 4. Caranya klik variabel yang bersangkutan kemudian klik tanda panah kecil yang ada dintara kedua kotak tersebut. c.38 8. Nilai Minimum. Skewness. g.50 Maximum Statistic 4. Akhiri dengan mengklik kotak OK. Kurtosis.

Distribusi data mengikuti kurve normal. 3) Tabulasi Dalam analisis data kita bias sajikan data itu berkelompok dengan menggunakan table. Kinerja pegawai setelah memiliki variasi data tertinggi (lebih heterogen) daripada variable lain. 4. Tabulasi data bisa dikerjakan dalam bentuk table tunggal dan table silang. 4. e.55.1. b. Frekuensi pegawai yang berkinerja di sekitar nilai rerata sama mulai dari kelas interval ke 2 hingga kelas interval ke 5. Sebaran data dari nilai mean 75.0 100. Variabel Tunggal (Single Table) Jenis Kelamin Frequency 4 6 10 Percent 40. dan kinerja setelah adalah 3.849.1 Std.0 60. a. Hal ini ditunjukkan oleh nilai SD yang tertinggi yaitu sebesar 1. Dev. d.0 100. =11. Hal ini menujukkan bahwa jumlah pegawai yang kinerjanya di bawah dan di atas nilai rerata hamper sama. b. Nilai rerata variable penelitian berturutan tekanan kera.995 N =10 Kinerja Komentar: Berdasarkan histogram di atas dapat disimpulkan beberapa hal: a.Pelatihan Analisis Data UNY 2008 Berdasarkan table statistic induk di atas dapat diinterpretasikan beberapa kesimpulan berikut ini.4.2007 3 Frequency 2 1 0 50 60 70 80 90 100 Mean =75. karena nilai SD terkecil yaitu sebesar 0. Kebanyakan pegawai memiliki kinerja di sekitar rerata 75.1 menunjukkan bahwa kinerja perusahaan dapat dikatakan bagus (di atas 60) c.2. Nilai skewness variable tekanan kerja. Perintahnya da di Chart – Histogram.0 60. kinerja pegawai sebelum (ketiga) dan tingkat partisipasi negative menandakan bahwa kecenderungan nilai mengumpul di bawah nilai rerata. 2) Histogram Kita juga dapat membuat histogram dengan data yang kita miliki.4. Nilai rerata variable penelitian berada pada nilai tinggi (lebih dari tiga). yang berarti hanya sebagian kecil pegawai berkinerja tinggi sekali atau rendah sekali. Nilai rerata kinerja sebesar 75.0 Cumulative Percent 40.1 merata. d.0 100. KINERJA PERUSAHAAN PERBANKAN DI BEJ TAHUN 2000 . tingkat partisipasi.0 Valid Percent 40. dan 5.9. kinerja sebelum.0 Valid l p Total Soekirno DS / Akuntansi UNY/ 08122755756 6 . a. Skor rerata kinerja pegawai setelah (keempat) memiliki kecenderungan sangat tinggi. Variabel tekanan kerja memiliki kecenderungan homogenitas data lebih tinggi dibandingkan variable lain. c.

b.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.16 dan perusahaan nonperbankan 4.69. dan tertinggi sebesar 91 sejumlah 1 orang yaitu pegawai perempuan.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. Dengan demikian dapat diambil kesimpulan bahwa kinerja pegawai nonperbankan lebih tinggi daripada kinerja pegawai perbankan.1. Crosstab custom Jenis Perusahaan NON PERBANKAN PERBANKAN Mean Mean 4. Partisipasi pegawai sebelum terendah adalah 32 sejumlah 1 orang yaitu dari pegawai lelaki. Variable Ganda (Crosstab) b. Soekirno DS / Akuntansi UNY/ 08122755756 7 . b. sedangkan nilai partisipasi selain itu masingmasing jumlahnya satu orang.2. 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.

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

Pelatihan Analisis Data UNY 2008 a. yaitu uji dua pihak dan uji satu pihak. Te jatuh didaerah diarsir maka hip yang menyatakan X = 4 ditotak e.5 % ** 1 pihak ** Soekirno DS / Akuntansi UNY/ 08122755756 9 . Tuliskan nilai Te pada kurva d. Buatlah dugaan b. Selengkapnya dideskripsikan sebagai berikut. 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 2.5 % 2. 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. Buat gambar kurva normal b. Run SPSS pada pilihan Analyze – Compare Mean – one Sample T Test Ada dua jenis uji hip deskriptif.

Tt maka hip yang menyatakan X ≥ 4 ditolak TE ≥ . 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. MD = MEAN TERKAAN – MEAN EMPIRIS). 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. Te jatuh didaerah diarsir maka hip yang menyatakan X = 4 ditotak e. Te jatuh didaerah diarsir maka hip yang menyatakan X = 4 ditotak e. sebaliknya bila Te < Tt maka hip yang menyatakan X ≥ 4 ditolak.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. Tuliskan nilai Te pada kurva d. Tuliskan nilai Te pada kurva d. 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. 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 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.

yaitu uji dua pihak dan uji satu pihak. Error Mean 1. Buatlah dugaan b.0341 12.07201 One-Sample Test Test Value = 4 95% Confidence Interval of the Difference Lower Upper 8. Selengkapnya dideskripsikan sebagai berikut.000 Mean Difference 10. Uji Hipotesis Komparatif a. 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. Deviation 4. (2-tailed) .6326 MT t 9.Pelatihan Analisis Data UNY 2008 5% One-Sample Statistics N MT 15 Mean 14. 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.3333 Std.639 df 14 Sig.15188 Std.3333 5. Run SPSS pada pilihan Analyze – Compare Mean – Paired Sample T Test Ada dua jenis uji hip komparatif sample saling berkorelasi. Buat gambar kurva normal Soekirno DS / Akuntansi UNY/ 08122755756 11 .

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

39601 Pair 1 MT PT N = jumlah sample = jumlah sample adalah 10 Mean = ∑X / N.8 Sd = ∑ (X – X)2 / (n – 1).72 Std error mean: Sd / √n adalah sebesar 0. Deviation 4. Buat gambar kurva normal b. sebaliknya bila Te ≤ Tt maka hip yang menyatakan X1 ≤ X2 diterima. 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. reratanya adalah 3. Te jatuh didaerah tidak diarsir maka hip yang menyatakan X1 ≤ X2 diterima 5% Paired Samples Statistics Mean 14.006 Soekirno DS / Akuntansi UNY/ 08122755756 13 . Tuliskan nilai Te pada kurva d. sd adalah 0.Pelatihan Analisis Data UNY 2008 TS /2 ≤ 5% dan Te > Tt maka hip yang menyatakan X1 ≤ X2 ditolak.0667 N 15 15 Std.07201 . Error Mean 1.3333 4.53375 Std. Te jatuh didaerah diarsir maka hip yang menyatakan X1 ≤ X2 ditotak e. Tentukan dan batas nilai T table (Tt) pada kurva c.669 Sig.226 Paired Samples Correlations N Pair 1 MT & PT 15 Correlation .15188 1.

yaitu uji dua pihak dan uji satu pihak. Apabila varian kedua kelompok homogen maka rumus t yang digunakan adalah sebagai berikut.1.2667 Std.PT Mean 10. INDEPENDEN SAMPLE T TEST Dan perlu melihat nilai F untuk menentukan nilai Te yang digunakan dari print out SPSS. Deviation 3.4244 12. apabila > 5 %. 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.Pelatihan Analisis Data UNY 2008 Paired Samples Test Paired Differences 95% Confidence Interval of the Difference Lower Upper 8.1089 Pair 1 MT . VAR Max VARMin b.000 b. 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. (2-tailed) . Buatlah dugaan b. Selengkapnya dideskripsikan sebagai berikut. X1 − X 2 t= ( n1 − 1) S12 + ( n2 − 1) S 22 1 + 1 n1 + n2 − 2 n1 n2 LANGKAH UJI : a. Tuliskan nilai Te pada kurva Soekirno DS / Akuntansi UNY/ 08122755756 14 .2. Error Mean . Tentukan dan batas nilai T table (Tt) pada kurva c. Buat gambar kurva normal b.953 df 14 Sig. Lihat Nilai signifikansi F. maka gunakan nilai t yang baris pertama (equal variance) Ada dua jenis uji hip komparatif sample saling bebas.85894 t 11.32666 Std. Run SPSS pada pilihan Analyze – Compare Mean – Independence Sample T Test c.

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

22363 6.5 karena dua pihak (Sd / √n) = nilai SD dibagi akar n (jumlah sample) Upper = X + tn-1.14332 . (Sd / √n) Lower = X – tn-1. Tuliskan nilai Te pada kurva d. Tentukan dan batas nilai T table (Tt) pada kurva c.3114 Soekirno DS / Akuntansi UNY/ 08122755756 16 ..648 13 12.8 – (2. (Sd / √n) = 3. Buat gambar kurva normal b. Te jatuh didaerah diarsir maka hip yang menyatakan X1 ≤ X2 ditotak e.262 x (0.95)/2) untuk uji dua pihak dengan alfa 5%.822 . 1 .α/2 .2886 X = rerata real tn-1. 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. 1 . (2-tailed) Mean Difference 1.8 + (2. Error Difference 2. (Sd / √n) = X – tn-1.262 x (0.546 .95 = 5 dibagi dua 2. 1 .23793 2.α/2 .44585 -3.α/2 .621 . (Sd / √n) = 3.3889 Std.314 .226) = 0.529 Mean difference = X .α/2 .3889 1. t df Sig.µ Confidence interval difference: X ± tn-1. 1 . 1 .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.226) = 1.α/2 = nilai t table dengan df n-1 pada alfa (1 – . 1 .381 .04562 F MT Equal variances assumed Equal variances not assumed Sig.26784 6.

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

60 PEDOMAN UNTUK MEMBERIKAN INTERPRETASI KOEFISIEN KORELASI Interval Koefisien 0.00 . Uji 1 Pihak Pihak Kanan Ha = Hubungan X dengan Y ≤ 0.199 0. 3) Kemudian pindahkan semua variabel yang akan diuji korelasinya (dalam hal ini variabel ROI dan RETURN) ke kotak Variables sebelah kanan. Hip : Ada hubungan antara ROI dengan RETURN Perusahaan.40 .0.0. Untuk menguji hipotesis ini maka lakukanlah prosedur berikut ini.60 . 2) Maka akan tampak menu Bivariate Correlation sebagai berikut.20 .60 H0 = Hubungan X dengan Y < 0.599 0.80 . Untuk memindahkan Soekirno DS / Akuntansi UNY/ 08122755756 18 .60 H0 = Hubungan X dengan Y > 0.0.Pelatihan Analisis Data UNY 2008 b.399 0.000 Tingkat Hubungan Sangat rendah Rendah Sedang Kuat Sangat kuat a.60 Pihak Kiri Ha = Hubungan X dengan Y ≥ 0.799 0.0. berikut ini.1. 1) Klik menu STATISCTICS-CORRELATE-BIVARIATE.

2. Dalam hal ini digunakan korelasi dari PEARSON (karena datanya interval atau ratio). t= r n −2 1−r2 3. berarti ada hubungan negatip antara TK dengan BB.7%) lebih besar dari 5%. Untuk menguji hipotesis ini maka lakukanlah prosedur berikut ini.367 (36. (2-tailed) N Pearson Correlation Sig. Jadi tidak ada hubungan antara TK dengan BB. BB turun 24. Atau tidak ada hubungan signifikan antara TK dengan Kinerja BB. 1) Klik menu STATISCTICS-REGRESSION-LINEAR.2%. 4) Setelah itu klik kotak OK.367 / 2 = . Soekirno DS / Akuntansi UNY/ 08122755756 19 . karena nilai signifikansi r = . Correlations Tekanan Kerja 1 . 16 Tekanan Kerja Kinerja Pegawai BB Pearson Correlation Sig. berikut ini. Kalau duji dengan sepihak (one tail). 16 -. berdasar nilai r = -. Sehingga interpretasinya bergeser dari tidak ada hubungan TK dan BB yang ditunjukkan nilai sig sebesar 36. jadi .Pelatihan Analisis Data UNY 2008 variabel tersebut klik variabel satu-per satu dengan tanda panah kecil di tengah. Setelah itu menentukan teknik korelasi yang sesuai dengan skala data. Sedangkan nilai r.2. karena nilai signifikansi r lebih besar dari 5%. maka akan tampak hasil korelasi sebagai berikut.242 sama dengan – 24.7% menjadi: Tidak ada hubungan TK dan BB dengan signifikansi sebesar 0. Signifikansi nilai r dapat pula diuji dengan menggunakan uji t dengan persamaan sebagai berikut.1835.2.242. b. maka nilai signifikansi dua pihak tinggal dibagi dua.367 16 1 . Artinya kalau BB naik 100 TK turun 24.242 . Seandainya data tersebut berskala ordinal maka kita pilik teknik korelasi SPEARMAN.367 16 Kinerja Pegawai BB -.242 . t. atau F empirik tetap sama yaitu r = -. Signifikansi 5% (atau signifikan pada 5%) berarti besarnya hubungan (nilai r atau korelasi pearson) itu apabila digunakan untuk memprediksi akan memiliki kesalahan 5%. sebaliknya bila TK naik 100. Hip : Ada pengaruh ROI dan CASFLOW terhadap RETURN Perusahaan. (2-tailed) N Jawaban : 1.1835 (lebih besar dari 5%). Dugaaan yang menyebut ada hubungan antara TK dengan BB salah atau ditolak.

81932 a. Tingkat Partisipasi SBL.(1 . Nilai ini dapat turun atau naik walaupun variable predictor ditambah atau dikurangi. Error of the Estimate . untuk mengevaluasi model regresi terbaik atau menentukan besarnya koefisien determinasi dianjurkan menggunakan Adjusted R2.1)/(n .1. Ada kalanya agar terhindar dari bias penambahan variable independent. CASHFLOW dan RETURN) ke kotak sebelah kanan.1%. yaitu apabila jumlah variable predictor ditambah maka nilai R2 pasti meningkat sebaliknya akan menurun apabila variable predictor dikurangi jumlahnya. dan FORWARD.k . _ R2 = 1.R2 )((n .Pelatihan Analisis Data UNY 2008 2) Maka akan tampak menu Linear Regression sebagai berikut. Dalam hal ini kita menggunakan metode ENTER. maka akan tampak hasil korelasi sebagai berikut. Sedangkan kotak INDEPENDENT(S) isilah variabel ROI DAN CASHFLOW. 3) Kemudian pindahkan semua variabel yang akan diuji korelasinya (dalam hal ini variabel ROI. Tekanan Kerja Komentar: Berdasarkan nilai R sebesar .481 dapat disimpulkan bahwa hubungan antara TK dan Par SBL dengan Kinerja BB bersifat positip sebesar 48. Metode ini berarti bahwa kita akan mengkorelasikan seluruh data pada ketiga variabel tanpa ada pengecualian atau pentahapan tertentu. BACKWARD. Artinya. Adjusted R2 Nilai ini digunakan untuk mengatasi kelemahan koefisien determinasi (R 2).1.1)) where: R2 = Coefficient of Determination . Predictors: (Constant). apabila variabel TK dan Par SBL naik 100 maka kinerja BB naik pula sebesar 48. R2 = Adjusted Coefficient of Determination Soekirno DS / Akuntansi UNY/ 08122755756 20 . Kotak Dependent isilah variabel RETURN. SPSS akan menggunakan metode ENTER sebagai default. peneliti dapat menggunakan nilai Adjusted R Square. Sebaliknya bila TK dan Par SBL turun 100 maka kinerja BB turun 48. Metode lainnya adalah metode STEPWISE. 4) Setelah itu klik kotak OK. REMOVE. Oleh karena itu.232 Adjusted R Square .481 a . Model Summary Model 1 R R Square .113 Std.

629 8. and k=5.1)/(100 . n=100. R y.. then _ R2 = 1 .959 Sig.Pelatihan Analisis Data UNY 2008 n = number of observations k = number of Independent Variables for example: when R2 =. Basic Econometrics) Standard Error of the Estimate (SEE) Nilai kesalahan yang akan terjadi apabila model persamaan regresi digunakan untuk memprediksi..(1 .315 .9)((100 .9)(99/94) = 1 .181 a a. Dependent Variable: Kinerja Pegawai BB Berdasarkan nilai signifikansi F sebesar .. Cari t hitung dengan rumus: Fh = R2 / k (1 − R 2 ) / ( n − k − 1) Rumus 10 Soekirno DS / Akuntansi UNY/ 08122755756 21 .1% lebih besar dari 5%. . Tekanan Kerja b.671 F 1.5 .356 df 2 13 15 Mean Square 1.181 dapat disimpulkan bahwa dugaan ada hubungan antara TK dan Par SBL dengan Kinerja BB adalah salah atau ditolak. karena nilai signifikansi F besarnya 18.105319 = .727 11. Atau dapat dikatakan secara statistik tidak ada pengaruh TK dan SBL terhadap Kinerja BB. Semakin kecil SEE semakin baik model regresi digunakan untuk memprediksi. Tingkat Partisipasi SBL.12 = 2 2 rY 1 + rY 2 − 2ry1 ry 2 r12 2 1 − r12 1.1)(1. 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 2.9.1)) = 1 .(. Predictors: (Constant).89468 Adjusted / Modified _ R 2 = R 2 (1 − k / N ) (gujarati damodar.(1 .05319) = 1 .

867 SEx1 = 0.47% SR X 2 = SR x 2 0.867 = 86.67%) 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.8 x100% 13. roi Soekirno DS / Akuntansi UNY/ 08122755756 22 .219 Std. F= R 2 ( N − m − 1) . Predictors: (Constant). Hip = Ada pengaruh cash flow dan ROI terhadap return saham Untuk menguji ini menggunakan perintah Analyze – Regression – Linear.386 x12. dimana m = jumlah predictor m(1 − R 2 ) c.53% x 0. SSE = ∑ (Yi − Yi ) 2 = i=1 n ^ residual sum squares RSS = ∑ (Y i − Y ) 2 i= 1 n ^ .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. cflow.03%) a ∑ x1 y + b∑ x 2 y SEx2 = SRx2 R2 SEx2 = 36. Model Summary Model 1 R R Square .588 x14.53% Sumbangan Efektif (SE) Total SE semua variable predictor harus sama dengan R2 (0.525 = 36.867 SEx2 = 0.3167 (31.525 = 63.7%) pada regresi ganda SEx1 = SRx1 R2 SEx1 = 63.47% x 0.052 Adjusted R Square -.24980 a.228 a . Setelah variable dimasukkan ke kotak test variable maka akhirnya kita akan memperoleh hasil sebagai berikut.6 x100% 13.5503 (55. Error of the Estimate 6.

830 a Regression Residual Total a. Error 13.19175 signifikan pada 0.704976 – 0. 2) Adapun berdasarkan uji regresi ini pula dapat diketahui persamaan regresinya sebagai berikut. Predictors: (Constant).586 -. Dependent Variable: return 1) Berdasarkan hasil analisis korelasi tersebut maka besarnya korelasi antara ROI dan CASHFLOW dengan RETURN adalah 0.490 39.122584 ROI 3) Namun demikian berdasarkan nilai signifikansi T-nya.009 t 1.938 .8297 (82.024 Sig. cflow.089 . roi b.Pelatihan Analisis Data UNY 2008 ANOVAb Model 1 Sum of Squares 14. SELAMAT MENCOBA SEMOGA SUKSES BESERTA KITA SEMUA Soekirno DS / Akuntansi UNY/ 08122755756 23 . Hal itu berarti besar kecilnya ROI dan CASHFLOW persuahaan secara bersama-sama tidak akan mempengaruhi besaran Return yang akan diterima oleh investor. .175 Standardized Coefficients Beta .225 -.576 .975 . Dependent Variable: return a Coefficients Model 1 (Constant) roi cflow Unstandardized Coefficients B Std. dapat disimpulkan bahwa tidak satupun dari kedua variabel independen tersebut (ROI maupun CASHFLOW) yang memiliki pengaruh signifikan terhadap RETURN.420 288.05194 (R Square) dengan nilai F sebesar 0.981 a.209 -.705 6.980 273.400 df 2 7 9 Mean Square 7. .004218 CASHFLOW + 0.123 .97%).192 Sig. Y = 13.060 F . Karena nilai Signifikansi F lebih besar dari 5% maka hipotesis yang menyatakan “Ada pengaruh antara ROI dan CASHFLOW dengan RETURN Perusahaan” ditolak.004 .

353 2.145 2.031 1.695 0.950 0.423 1.497 1.504 1.774 0.681 0.758 0.638 1.318 1.776 0.961 0.855 0.262 2.708 1.041 1.957 0.490 2.321 1.994 1.Pelatihan Analisis Data UNY 2008 Tabel t – student (atas 2phk.204 1.174 1.729 1.0125 25.158 1.50 0.069 1.794 0.055 1.676 0.560 2.684 1.931 0.689 0.952 0.965 0.398 2.604 1.447 1.844 0.414 2.301 1.769 0.315 1.210 1.768 0.060 1.273 1.291 1.066 1.66 Batas (5%): .593 2.323 1.679 0.684 0.397 1.512 1.433 2.677 0.938 0.956 0.180 1.415 1.508 1.476 1.781 0.345 1.483 1.368 2.779 0.963 0.753 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%): .697 1.538 1.896 0.533 2.766 0.855 0.659 1.280 2.617 1.175 1.571 2.655 1.337 1.533 1.041 1.727 0.134 1.35 0.043 1.653 1.938 0.177 1.05 0.756 0.721 1.452 6.845 0.179 2.462 1.939 0.286 1.980 0.692 0.253 2 PIHAK Batas (1%): .013 1.951 0.288 1.391 2.221 1.325 1.82 Batas (5%): .683 0.10 0.938 0.044 1.758 0.960 0.048 2.771 0.678 0.042 2.055 1.282 1.20 1.942 0.159 1.924 1.288 1.009 2.771 1.40 0.858 0.445 1.685 0.156 1.373 2.982 1.363 1.876 0.182 2.699 1.228 2.868 0.662 1.414 1.131 2.372 1.691 0.451 1.177 3.812 1.819 0.311 1.468 1.752 2.766 0.105 1.632 1.865 0.574 1.333 1.061 0.179 1.816 0.069 2.173 1.592 1.064 1.977 1.088 1.240 1.978 0.001 0.954 0.694 0.319 1.993 0.067 1.258 2.783 0.687 0.182 1.360 2.765 0.949 0.943 1.052 2.790 0.350 1.782 1.972 1.849 0.861 0.941 0.316 1.178 1.873 0.155 1.167 1.746 1.056 2.303 1.688 0.778 1.725 1.657 1.886 1.284 2.165 2.658 1.160 1.292 1.156 1.559 1.05 6.060 2.209 1.836 0.740 1.770 0.480 1.450 1.843 0.197 1.189 1.042 1.866 0.757 0.078 1.777 0.634 2.021 2.796 1.313 1.758 0.760 0.677 0.860 0.845 0.376 1. bawah 1 phk) Taraf Alpha db 0.972 0.057 1.664 1.523 1.711 0.939 0.773 0.045 2.270 2.856 0.650 1.978 1.676 0.250 1./ + 63.291 2.31 Soekirno DS / Akuntansi UNY/ 08122755756 24 .851 0.423 2.040 1.879 0.10 3.943 0.100 1.330 1.759 0.042 1.385 2.071 1.306 2.379 2.548 1.969 0.314 1.700 0.671 1.445 2.175 1.860 1.530 1.456 1.920 2.205 4.386 1.000 0.303 3.365 2.952 0.843 0.976 0.214 1.443 0.734 1.688 0.225 1.703 0.287 1.953 0.093 2.676 0.025 12.697 0.058 1.266 2.075 4.025 0.059 1.162 1.846 0.510 2./ + 31.156 1.064 2.984 1.941 0.25 0.699 1.200 1.383 1.057 1.679 0.494 1.938 0.968 0.185 1.452 1.156 1.676 1.492 1.45 0.163 2.711 1.763 0.15 1.25 1.119 1.405 2.940 0.086 2.761 1.895 1.164 1.045 1.120 2.841 2.936 0.294 1.447 1.650 0./ + 6.767 0.284 0.080 2.685 0.310 1.771 0.201 2.487 1.191 1.969 2.254 1.058 1.761 0.844 0.479 1.447 2.776 2.063 1.15 0.767 0.038 0.889 0.760 0.000 1.132 2.847 0.717 1.093 1.047 1.290 1.299 2.110 2.341 1.772 0.706 0.937 0.083 1.453 1.684 0.859 0.856 0.039 1.758 0.477 1.870 0.920 0.171 0.050 1.976 1.987 1.108 1.950 0.296 1.690 0.667 1.190 1.986 0.517 1.015 1.676 0./ + 12.160 2.990 1.741 0.683 0.440 1.980 1.20 0.963 1.458 1.329 2.677 0.482 1.686 0.800 0.714 1.858 0.706 4.678 0.786 0.495 3.041 1.808 0.176 1.458 2.866 0.685 2.946 0.056 1.074 1.364 2.767 0.844 0.883 0.848 0.846 0.183 1.30 0.684 0.769 0.187 1.656 1.356 1.264 2.660 1.675 0.157 1.489 1.473 2.194 1.967 0.686 0.718 0.074 2.153 0.759 0.299 1.289 1.311 2.862 0.833 1.125 2.040 1.706 1.683 0.854 0.765 0.939 0.230 1.757 0.344 1.854 0.958 0.677 0.268 2.328 1.955 0.701 1.906 0.448 1.703 1.863 0.154 1.155 1.485 1.314 2.061 1.449 1.076 1.857 0.845 0.272 2.276 2.079 1.758 0.500 1.289 1.101 2.

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