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

h. numeric. Klik mouse setelah krusor berada persis pada menu SPSS d. Langkah awal sebelum proses analisis dimulai adalah melakukan entry data. No 1. Pada contoh tabel di atas ada empat elemen data. 3. 4. Elemen data Status perusahaan ROI (%) Cash flow (milyar) Return saham Nama Variabel STATUS ROI CFLOW RETURN g. Hidupkan komputer. 2. Nama variabel tidak boleh lebih dari delapan karakter dan tanpa spasi. Arahkan krusor ke menu program dan geserlah kekanan dengan hati-hati menuju menu SPSS. empat elemen di atas diberi nama variabel sebagai berikut. b. atau yang lainnya).8 34. date. Prosedur Analisis Data dengan SPSS a. c. Soekirno DS / Akuntansi UNY/ 08122755756 3 .5 54 21 14 24 18 12. Untuk memasukkan nama variabel tersebut lakukanlah dengan cara mengklik DATA – DEFINE VARIABLE maka akan tampak gambar sebagai berikut. Maka akan tampak gambar menu utama SPSS seperti berikut ini e. lanjutkan dengan mengklik kotak START pada kiri bawah. Masukkan setiap nama tersebut ke dalam program SPSS sesuai dengan jenis data yang ada (string. Misalnya.Pelatihan Analisis Data UNY 2008 2.2 34 27 Return saham (%) 23 14 15 25 13 13 9 12 10 22 f. 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. Misalnya kita memiliki data sebagai berikut. Menentukan nama variabel yang digunakan untuk menampung setiap elemen data yang dimiliki.

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

Nilai Minimum. Deviation Standard. Misalnya kita akan mengetahui berapa nilai Mean. Skewness. Deviation Statistic . maka kliklah kotak kecil depan kata Mean.564 . Pilihlah nilai yang ingin dicari dengan cara mengklik kotak kecil didepan nilai yang diinginkan.55018 Skewness Statistic Std. Median.066 -.50 6.053 . Kemudian akan muncul kotak dialog sebagai berikut.86948 1.2083 4. e. Selanjutnya akan tampak gambar berikut ini.50 3.564 . b. g. dan yang lainnnya maka dari menu utama SPSS tersebut klik menu STATISTICS.84875 .8839 4.93054 .3828 Std.564 .38 8. 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. Caranya klik variabel yang bersangkutan kemudian klik tanda panah kecil yang ada dintara kedua kotak tersebut.29 6. Maka hasil perhitungan dan nilai yang kita inginkan akan tampak di layar.4219 5.43 2. Mode. Apabila sudah diisikan semua nilai yang ingin dicari akhiri dengan mengklik kotak CONTINUE. Lanjutkan dengan menekan menu OPTION pada kanan bawah.00 Mean Statistic 3. Misalnya apabila menghendaki nilai Mean. Kurtosis. Range. Akhiri dengan mengklik kotak OK.50 Maximum Statistic 4. Demikian seterusnya berlaku pula untuk nilai yang lain. f. c. Setelah itu maka SPSS akan kembali pada kotak sebelumnya (DESCRIPTIVES).436 -. Untuk membatalkan klik kembali kotak yang bersangkutan. -.Pelatihan Analisis Data UNY 2008 a. Nilai Maximum. Jumlah.263 Tekanan Kerja Tingkat Partisipasi Kinerja Pegawai Kinerja Pegawai Valid N (listwise) Error .50 2. d. Apabila semua variabel ingin dicari nilai statistik deskriptive-nya maka pindahkan semua variabel ke kotal sebelah kanan.564 Soekirno DS / Akuntansi UNY/ 08122755756 5 . 1) Nilai Statistik Induk Descriptive Statistics N Statistic 16 16 16 16 16 Minimum Statistic 1.

dan kinerja setelah adalah 3.0 Cumulative Percent 40.4. dan 5.1 merata. yang berarti hanya sebagian kecil pegawai berkinerja tinggi sekali atau rendah sekali.0 100.55. Hal ini menujukkan bahwa jumlah pegawai yang kinerjanya di bawah dan di atas nilai rerata hamper sama. Perintahnya da di Chart – Histogram. b.0 Valid Percent 40. karena nilai SD terkecil yaitu sebesar 0. b. Nilai rerata variable penelitian berturutan tekanan kera. Frekuensi pegawai yang berkinerja di sekitar nilai rerata sama mulai dari kelas interval ke 2 hingga kelas interval ke 5. e. c. KINERJA PERUSAHAAN PERBANKAN DI BEJ TAHUN 2000 . a.0 Valid l p Total Soekirno DS / Akuntansi UNY/ 08122755756 6 . Dev. Hal ini ditunjukkan oleh nilai SD yang tertinggi yaitu sebesar 1.995 N =10 Kinerja Komentar: Berdasarkan histogram di atas dapat disimpulkan beberapa hal: a.2007 3 Frequency 2 1 0 50 60 70 80 90 100 Mean =75.2. Nilai skewness variable tekanan kerja.4. d. Skor rerata kinerja pegawai setelah (keempat) memiliki kecenderungan sangat tinggi. Distribusi data mengikuti kurve normal. tingkat partisipasi. Kinerja pegawai setelah memiliki variasi data tertinggi (lebih heterogen) daripada variable lain. 3) Tabulasi Dalam analisis data kita bias sajikan data itu berkelompok dengan menggunakan table.0 60. kinerja pegawai sebelum (ketiga) dan tingkat partisipasi negative menandakan bahwa kecenderungan nilai mengumpul di bawah nilai rerata. 4. Tabulasi data bisa dikerjakan dalam bentuk table tunggal dan table silang.1 menunjukkan bahwa kinerja perusahaan dapat dikatakan bagus (di atas 60) c. =11.0 100. Nilai rerata variable penelitian berada pada nilai tinggi (lebih dari tiga). Variabel tekanan kerja memiliki kecenderungan homogenitas data lebih tinggi dibandingkan variable lain.Pelatihan Analisis Data UNY 2008 Berdasarkan table statistic induk di atas dapat diinterpretasikan beberapa kesimpulan berikut ini. 4.1. d.0 100.9. Nilai rerata kinerja sebesar 75. kinerja sebelum. Variabel Tunggal (Single Table) Jenis Kelamin Frequency 4 6 10 Percent 40. a. 2) Histogram Kita juga dapat membuat histogram dengan data yang kita miliki. Sebaran data dari nilai mean 75.0 60.1 Std.849. Kebanyakan pegawai memiliki kinerja di sekitar rerata 75.

Dengan demikian dapat diambil kesimpulan bahwa kinerja pegawai nonperbankan lebih tinggi daripada kinerja pegawai perbankan. sedangkan nilai partisipasi selain itu masingmasing jumlahnya satu orang. Variable Ganda (Crosstab) b.1.2.69 4. Lebih banyak pegawai perempuan daripada pegawai laki-laki pada perusahaan.16 Kinerja Pegawai Berdasarkan table di atas diketahui rerata kinerja pegawai perusahaan perbankan adalah 4.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. 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. b. Soekirno DS / Akuntansi UNY/ 08122755756 7 . Partisipasi pegawai sebelum terendah adalah 32 sejumlah 1 orang yaitu dari pegawai lelaki. dan tertinggi sebesar 91 sejumlah 1 orang yaitu pegawai perempuan. Crosstab custom Jenis Perusahaan NON PERBANKAN PERBANKAN Mean Mean 4.16 dan perusahaan nonperbankan 4. b.

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

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

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

(2-tailed) .07201 One-Sample Test Test Value = 4 95% Confidence Interval of the Difference Lower Upper 8.0341 12. Run SPSS pada pilihan Analyze – Compare Mean – Paired Sample T Test Ada dua jenis uji hip komparatif sample saling berkorelasi. Buatlah dugaan b.3333 Std. 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. 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.3333 5. Selengkapnya dideskripsikan sebagai berikut.15188 Std.000 Mean Difference 10. yaitu uji dua pihak dan uji satu pihak. Uji Hipotesis Komparatif a.6326 MT t 9.639 df 14 Sig. Buat gambar kurva normal Soekirno DS / Akuntansi UNY/ 08122755756 11 .Pelatihan Analisis Data UNY 2008 5% One-Sample Statistics N MT 15 Mean 14. Error Mean 1. Deviation 4.

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

Buat gambar kurva normal b. sebaliknya bila Te ≤ Tt maka hip yang menyatakan X1 ≤ X2 diterima.39601 Pair 1 MT PT N = jumlah sample = jumlah sample adalah 10 Mean = ∑X / N. TS /2 > 5% maka hip yang menyatakan X1 ≤ X2 diterima.006 Soekirno DS / Akuntansi UNY/ 08122755756 13 .15188 1.226 Paired Samples Correlations N Pair 1 MT & PT 15 Correlation . Deviation 4. Te jatuh didaerah tidak diarsir maka hip yang menyatakan X1 ≤ X2 diterima 5% Paired Samples Statistics Mean 14.53375 Std.3333 4. Tentukan dan batas nilai T table (Tt) pada kurva c. reratanya adalah 3.72 Std error mean: Sd / √n adalah sebesar 0. Error Mean 1. Tuliskan nilai Te pada kurva d.Pelatihan Analisis Data UNY 2008 TS /2 ≤ 5% dan Te > Tt maka hip yang menyatakan X1 ≤ X2 ditolak. Te jatuh didaerah diarsir maka hip yang menyatakan X1 ≤ X2 ditotak e. 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.0667 N 15 15 Std. .669 Sig.8 Sd = ∑ (X – X)2 / (n – 1). sd adalah 0.07201 .

yaitu uji dua pihak dan uji satu pihak. 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. Run SPSS pada pilihan Analyze – Compare Mean – Independence Sample T Test c. Selengkapnya dideskripsikan sebagai berikut. Tuliskan nilai Te pada kurva Soekirno DS / Akuntansi UNY/ 08122755756 14 .Pelatihan Analisis Data UNY 2008 Paired Samples Test Paired Differences 95% Confidence Interval of the Difference Lower Upper 8.2. VAR Max VARMin b. (2-tailed) .PT Mean 10.32666 Std.4244 12. Tentukan dan batas nilai T table (Tt) pada kurva c.85894 t 11.1089 Pair 1 MT .953 df 14 Sig. apabila > 5 %. Lihat Nilai signifikansi F. maka gunakan nilai t yang baris pertama (equal variance) Ada dua jenis uji hip komparatif sample saling bebas. X1 − X 2 t= ( n1 − 1) S12 + ( n2 − 1) S 22 1 + 1 n1 + n2 − 2 n1 n2 LANGKAH UJI : a. Deviation 3. Error Mean . INDEPENDEN SAMPLE T TEST Dan perlu melihat nilai F untuk menentukan nilai Te yang digunakan dari print out SPSS. 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 varian kedua kelompok homogen maka rumus t yang digunakan adalah sebagai berikut. Buat gambar kurva normal b.1.2667 Std.000 b. Buatlah dugaan b.

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

22363 6.14332 . t df Sig. (Sd / √n) Lower = X – tn-1.262 x (0.621 . 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 .226) = 0. 1 .95 = 5 dibagi dua 2. 1 .26784 6.3114 Soekirno DS / Akuntansi UNY/ 08122755756 16 .3889 Std. (Sd / √n) = X – tn-1.α/2 .648 13 12. Buat gambar kurva normal b.α/2 .5 karena dua pihak (Sd / √n) = nilai SD dibagi akar n (jumlah sample) Upper = X + tn-1. 1 .262 x (0.8 – (2.2886 X = rerata real tn-1.α/2 .529 Mean difference = X .04562 F MT Equal variances assumed Equal variances not assumed Sig.546 . (Sd / √n) = 3.381 . Error Difference 2.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.α/2 = nilai t table dengan df n-1 pada alfa (1 – .822 ..α/2 .44585 -3.314 .226) = 1. 1 . Tentukan dan batas nilai T table (Tt) pada kurva c.95)/2) untuk uji dua pihak dengan alfa 5%. Tuliskan nilai Te pada kurva d.µ Confidence interval difference: X ± tn-1.23793 2.8 + (2. Te jatuh didaerah diarsir maka hip yang menyatakan X1 ≤ X2 ditotak e.3889 1. 1 . (2-tailed) Mean Difference 1. (Sd / √n) = 3.

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

199 0.Pelatihan Analisis Data UNY 2008 b.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.000 Tingkat Hubungan Sangat rendah Rendah Sedang Kuat Sangat kuat a.0.20 .0.60 H0 = Hubungan X dengan Y > 0. Untuk memindahkan Soekirno DS / Akuntansi UNY/ 08122755756 18 .599 0. 2) Maka akan tampak menu Bivariate Correlation sebagai berikut.60 PEDOMAN UNTUK MEMBERIKAN INTERPRETASI KOEFISIEN KORELASI Interval Koefisien 0.799 0.80 .399 0. Untuk menguji hipotesis ini maka lakukanlah prosedur berikut ini.40 . Uji 1 Pihak Pihak Kanan Ha = Hubungan X dengan Y ≤ 0.1.60 Pihak Kiri Ha = Hubungan X dengan Y ≥ 0.60 H0 = Hubungan X dengan Y < 0.00 . Hip : Ada hubungan antara ROI dengan RETURN Perusahaan.0. 1) Klik menu STATISCTICS-CORRELATE-BIVARIATE.

t. Dugaaan yang menyebut ada hubungan antara TK dengan BB salah atau ditolak. Untuk menguji hipotesis ini maka lakukanlah prosedur berikut ini. berdasar nilai r = -.242. Signifikansi 5% (atau signifikan pada 5%) berarti besarnya hubungan (nilai r atau korelasi pearson) itu apabila digunakan untuk memprediksi akan memiliki kesalahan 5%.242 . b.2.367 16 1 . sebaliknya bila TK naik 100.1835 (lebih besar dari 5%).7%) lebih besar dari 5%. Seandainya data tersebut berskala ordinal maka kita pilik teknik korelasi SPEARMAN. (2-tailed) N Pearson Correlation Sig. 16 -. Jadi tidak ada hubungan antara TK dengan BB.7% menjadi: Tidak ada hubungan TK dan BB dengan signifikansi sebesar 0.2. Artinya kalau BB naik 100 TK turun 24. berarti ada hubungan negatip antara TK dengan BB. Setelah itu menentukan teknik korelasi yang sesuai dengan skala data.367 (36.1835. atau F empirik tetap sama yaitu r = -.242 . maka akan tampak hasil korelasi sebagai berikut. 1) Klik menu STATISCTICS-REGRESSION-LINEAR. Soekirno DS / Akuntansi UNY/ 08122755756 19 .Pelatihan Analisis Data UNY 2008 variabel tersebut klik variabel satu-per satu dengan tanda panah kecil di tengah. Signifikansi nilai r dapat pula diuji dengan menggunakan uji t dengan persamaan sebagai berikut. Dalam hal ini digunakan korelasi dari PEARSON (karena datanya interval atau ratio). t= r n −2 1−r2 3. 4) Setelah itu klik kotak OK. 16 Tekanan Kerja Kinerja Pegawai BB Pearson Correlation Sig. BB turun 24. (2-tailed) N Jawaban : 1. karena nilai signifikansi r lebih besar dari 5%.367 / 2 = .2%. Sedangkan nilai r. Sehingga interpretasinya bergeser dari tidak ada hubungan TK dan BB yang ditunjukkan nilai sig sebesar 36.367 16 Kinerja Pegawai BB -. Atau tidak ada hubungan signifikan antara TK dengan Kinerja BB. Correlations Tekanan Kerja 1 .242 sama dengan – 24. berikut ini. maka nilai signifikansi dua pihak tinggal dibagi dua. Kalau duji dengan sepihak (one tail). jadi . karena nilai signifikansi r = . Hip : Ada pengaruh ROI dan CASFLOW terhadap RETURN Perusahaan. 2.

Sedangkan kotak INDEPENDENT(S) isilah variabel ROI DAN CASHFLOW.1. Metode lainnya adalah metode STEPWISE.1)) where: R2 = Coefficient of Determination . REMOVE.481 a .113 Std. CASHFLOW dan RETURN) ke kotak sebelah kanan. SPSS akan menggunakan metode ENTER sebagai default. Metode ini berarti bahwa kita akan mengkorelasikan seluruh data pada ketiga variabel tanpa ada pengecualian atau pentahapan tertentu. Oleh karena itu.81932 a. Adjusted R2 Nilai ini digunakan untuk mengatasi kelemahan koefisien determinasi (R 2). Tekanan Kerja Komentar: Berdasarkan nilai R sebesar . dan FORWARD. 3) Kemudian pindahkan semua variabel yang akan diuji korelasinya (dalam hal ini variabel ROI. yaitu apabila jumlah variable predictor ditambah maka nilai R2 pasti meningkat sebaliknya akan menurun apabila variable predictor dikurangi jumlahnya. peneliti dapat menggunakan nilai Adjusted R Square. _ R2 = 1.481 dapat disimpulkan bahwa hubungan antara TK dan Par SBL dengan Kinerja BB bersifat positip sebesar 48.k . BACKWARD. Dalam hal ini kita menggunakan metode ENTER.Pelatihan Analisis Data UNY 2008 2) Maka akan tampak menu Linear Regression sebagai berikut.1. untuk mengevaluasi model regresi terbaik atau menentukan besarnya koefisien determinasi dianjurkan menggunakan Adjusted R2.R2 )((n .1)/(n .(1 . Kotak Dependent isilah variabel RETURN. Error of the Estimate . Tingkat Partisipasi SBL. R2 = Adjusted Coefficient of Determination Soekirno DS / Akuntansi UNY/ 08122755756 20 . maka akan tampak hasil korelasi sebagai berikut. Artinya. Ada kalanya agar terhindar dari bias penambahan variable independent.1%. Model Summary Model 1 R R Square .232 Adjusted R Square . Predictors: (Constant). Sebaliknya bila TK dan Par SBL turun 100 maka kinerja BB turun 48. Nilai ini dapat turun atau naik walaupun variable predictor ditambah atau dikurangi. 4) Setelah itu klik kotak OK. apabila variabel TK dan Par SBL naik 100 maka kinerja BB naik pula sebesar 48.

. Tekanan Kerja b.959 Sig. karena nilai signifikansi F besarnya 18.629 8.12 = 2 2 rY 1 + rY 2 − 2ry1 ry 2 r12 2 1 − r12 1.(1 .727 11. and k=5. R y.9)((100 . 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 1.671 F 1.181 dapat disimpulkan bahwa dugaan ada hubungan antara TK dan Par SBL dengan Kinerja BB adalah salah atau ditolak. Tingkat Partisipasi SBL.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..05319) = 1 .1% lebih besar dari 5%. then _ R2 = 1 . Semakin kecil SEE semakin baik model regresi digunakan untuk memprediksi.5 .1)/(100 .89468 Adjusted / Modified _ R 2 = R 2 (1 − k / N ) (gujarati damodar. .1)) = 1 .9.9)(99/94) = 1 .(. n=100.(1 ..105319 = .181 a a. Predictors: (Constant).Pelatihan Analisis Data UNY 2008 n = number of observations k = number of Independent Variables for example: when R2 =. Dependent Variable: Kinerja Pegawai BB Berdasarkan nilai signifikansi F sebesar .315 . 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.

228 a .867 SEx1 = 0.8 x100% 13.867 = 86. roi Soekirno DS / Akuntansi UNY/ 08122755756 22 .5503 (55.867 SEx2 = 0. cflow.6 x100% 13. SSE = ∑ (Yi − Yi ) 2 = i=1 n ^ residual sum squares RSS = ∑ (Y i − Y ) 2 i= 1 n ^ .052 Adjusted R Square -.525 = 63.219 Std. Hip = Ada pengaruh cash flow dan ROI terhadap return saham Untuk menguji ini menggunakan perintah Analyze – Regression – Linear.47% x 0.03%) a ∑ x1 y + b∑ x 2 y SEx2 = SRx2 R2 SEx2 = 36.386 x12. dimana m = jumlah predictor m(1 − R 2 ) c. Setelah variable dimasukkan ke kotak test variable maka akhirnya kita akan memperoleh hasil sebagai berikut. F= R 2 ( N − m − 1) .53% Sumbangan Efektif (SE) Total SE semua variable predictor harus sama dengan R2 (0.67%) 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.47% SR X 2 = SR x 2 0.24980 a.3167 (31.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. Model Summary Model 1 R R Square .7%) pada regresi ganda SEx1 = SRx1 R2 SEx1 = 63. Predictors: (Constant).53% x 0. Error of the Estimate 6.588 x14.525 = 36.

SELAMAT MENCOBA SEMOGA SUKSES BESERTA KITA SEMUA Soekirno DS / Akuntansi UNY/ 08122755756 23 .009 t 1.490 39.705 6.830 a Regression Residual Total a.19175 signifikan pada 0.97%).576 .975 .192 Sig. roi b.05194 (R Square) dengan nilai F sebesar 0. dapat disimpulkan bahwa tidak satupun dari kedua variabel independen tersebut (ROI maupun CASHFLOW) yang memiliki pengaruh signifikan terhadap RETURN.175 Standardized Coefficients Beta .586 -. 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. Y = 13.004 .225 -. . Error 13.024 Sig. cflow. Hal itu berarti besar kecilnya ROI dan CASHFLOW persuahaan secara bersama-sama tidak akan mempengaruhi besaran Return yang akan diterima oleh investor.938 . .420 288. 2) Adapun berdasarkan uji regresi ini pula dapat diketahui persamaan regresinya sebagai berikut. Predictors: (Constant).Pelatihan Analisis Data UNY 2008 ANOVAb Model 1 Sum of Squares 14.209 -.704976 – 0.8297 (82.123 .004218 CASHFLOW + 0.060 F .981 a.089 .400 df 2 7 9 Mean Square 7. Dependent Variable: return a Coefficients Model 1 (Constant) roi cflow Unstandardized Coefficients B Std.122584 ROI 3) Namun demikian berdasarkan nilai signifikansi T-nya.980 273.

093 2.284 0.676 0.632 1.857 0.268 2.145 2.683 0.684 0.290 1.886 1.042 1.859 0.311 2.855 0.000 1.316 1.080 2.729 1.686 0.681 0.458 2.986 0.977 1.385 2.759 0.45 0.951 0.318 1.291 1.950 0.341 1.691 0.040 1.846 0.154 1.688 0.174 1.337 1.848 0.851 0.044 1./ + 6.776 2.756 0.937 0.860 1./ + 31.064 2.976 1.445 2.452 1.746 1.056 1.634 2.167 1.299 1.761 1.045 1.843 0.182 1.379 2.687 0.058 1.667 1.492 1.548 1.479 1.228 2.042 1.482 1.980 0.500 1.039 1.656 1.156 1.156 1.692 0.675 0.760 0.767 0.862 0.069 1.845 0.204 1.773 0.372 1.512 1.294 1.314 2.678 0.368 2.931 0.765 0.449 1.694 0.225 1.538 1.734 1.448 1.299 2.854 0.533 2.490 2.303 1.760 0.443 0.280 2.296 1.021 2.055 1.776 0.405 2.189 1.946 0.071 1.949 0.972 1.530 1.456 1.866 0.187 1.758 0.35 0.978 0.778 1.100 1.045 2.958 0.31 Soekirno DS / Akuntansi UNY/ 08122755756 24 .650 1.757 0.843 0.445 1.415 1.055 1.66 Batas (5%): .950 0.487 1.325 1.741 0.684 0.450 1.468 1.031 1.088 1.329 2.968 0.258 2.353 2.844 0.074 1.497 1.879 0.664 1.119 1.714 1.221 1.942 0.301 1.319 1.40 0.061 0.841 2.075 4.041 1.758 0./ + 12.398 2.938 0.706 0.064 1.844 0.660 1.685 0.266 2.328 1.458 1.50 0.941 0.771 0.05 0.711 1.473 2.108 1.001 0.757 0.533 1.740 1.870 0.314 1.685 0.952 0.782 1.517 1.786 0.156 1.689 0.376 1.956 0.688 0.727 0.697 1.858 0.313 1.800 0.765 0.920 0.013 1.10 0.175 1.819 0.752 2.414 2.30 0.447 1.969 2.994 1.286 1.955 0.766 0.939 0.676 0.291 2.684 1.686 0.781 0.657 1.433 2.767 0.264 2.179 2.836 0.160 2.0125 25.356 1.15 0.038 0.972 0.963 0.779 0.653 1.849 0.131 2.494 1.659 1.961 0.980 1.480 1.854 0.920 2.677 0.812 1.677 0.476 1.155 1.770 0.758 0.671 1.695 0.043 1.176 1.485 1.650 0.042 2.209 1.794 0.10 3.163 2.157 1.059 1.678 0.175 1.056 2.571 2.769 0.311 1.058 1.076 1.684 0.763 0.758 0.363 1.276 2.185 1.101 2.868 0.906 0.306 2.282 1.289 1.383 1.978 1.711 0.253 2 PIHAK Batas (1%): .414 1.683 0.559 1.861 0.330 1.860 0.924 1.462 1.790 0.452 6.250 1.110 2.574 1.210 1.262 2.060 1.323 1.165 2.883 0.061 1.134 1.292 1.333 1.288 1.703 0.690 0.20 1.876 0.889 0.759 0.057 1.423 1.373 2.179 1.965 0.847 0.833 1.952 0.230 1.699 1.025 0.953 0.440 1.423 2.954 0.617 1.939 0.721 1.047 1.25 1.772 0.345 1.040 1.858 0.160 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%): .685 2.676 0.273 1.700 0.190 1.845 0.214 1.171 0.708 1.050 1.289 1.896 0.153 0.164 1.683 0.679 0.159 1.041 1.205 4.125 2.057 1.938 0.957 0.767 0.000 0.191 1.984 1./ + 63.510 2.067 1.Pelatihan Analisis Data UNY 2008 Tabel t – student (atas 2phk.941 0.063 1.194 1.769 0.677 0.451 1.856 0.865 0.303 3.158 1.703 1.993 0.938 0.060 2.041 1.120 2.873 0.753 1.270 2.093 1.508 1.960 0.364 2.272 2.845 0.350 1.254 1.895 1.943 0.987 1.015 1.796 1.939 0.287 1.447 1.183 1.771 0.048 2.774 0.593 2.963 1.676 0.504 1.706 4.863 0.846 0.604 1.679 0.662 1.560 2.976 0.201 2.943 1.288 1.725 1.783 0.177 3.718 0.162 1.391 2.699 1.758 0.284 2.856 0. bawah 1 phk) Taraf Alpha db 0.477 1.180 1.321 1.025 12.200 1.365 2.156 1.453 1.360 2.074 2.697 0.771 1.82 Batas (5%): .310 1.086 2.638 1.25 0.105 1.701 1.844 0.677 0.315 1.079 1.717 1.173 1.182 2.155 1.523 1.483 1.344 1.855 0.447 2.982 1.240 1.936 0.676 1.658 1.386 1.706 1.940 0.655 1.777 0.178 1.967 0.495 3.177 1.009 2.489 1.938 0.808 0.066 1.761 0.816 0.768 0.197 1.592 1.766 0.069 2.990 1.078 1.083 1.052 2.15 1.05 6.969 0.132 2.397 1.20 0.866 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