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. Maka akan tampak gambar menu utama SPSS seperti berikut ini e. Untuk memasukkan nama variabel tersebut lakukanlah dengan cara mengklik DATA – DEFINE VARIABLE maka akan tampak gambar sebagai berikut. Klik mouse setelah krusor berada persis pada menu SPSS d. Soekirno DS / Akuntansi UNY/ 08122755756 3 . Masukkan setiap nama tersebut ke dalam program SPSS sesuai dengan jenis data yang ada (string. Hidupkan komputer. 3. b. Menentukan nama variabel yang digunakan untuk menampung setiap elemen data yang dimiliki. Misalnya kita memiliki data sebagai berikut. Prosedur Analisis Data dengan SPSS a. atau yang lainnya).5 54 21 14 24 18 12. lanjutkan dengan mengklik kotak START pada kiri bawah. Misalnya. 2. date.2 34 27 Return saham (%) 23 14 15 25 13 13 9 12 10 22 f. c. Status Perusahaan B TB B TB B B TB B B B ROI (%) 12 13 15 23 34 32 3 6 9 17 Cash flow (milyar) 34. Elemen data Status perusahaan ROI (%) Cash flow (milyar) Return saham Nama Variabel STATUS ROI CFLOW RETURN g.8 34. Langkah awal sebelum proses analisis dimulai adalah melakukan entry data. Nama variabel tidak boleh lebih dari delapan karakter dan tanpa spasi. empat elemen di atas diberi nama variabel sebagai berikut. numeric.Pelatihan Analisis Data UNY 2008 2. Pada contoh tabel di atas ada empat elemen data. 4. Arahkan krusor ke menu program dan geserlah kekanan dengan hati-hati menuju menu SPSS. No 1.

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

c.564 . -. Demikian seterusnya berlaku pula untuk nilai yang lain. d. Range.8839 4. g.3828 Std. b.50 6.436 -.066 -. Nilai Maximum.564 Soekirno DS / Akuntansi UNY/ 08122755756 5 .00 Mean Statistic 3.564 . Akhiri dengan mengklik kotak OK.43 2. Maka hasil perhitungan dan nilai yang kita inginkan akan tampak di layar. Misalnya kita akan mengetahui berapa nilai Mean. Mode. Untuk membatalkan klik kembali kotak yang bersangkutan.Pelatihan Analisis Data UNY 2008 a. Deviation Statistic .50 Maximum Statistic 4.55018 Skewness Statistic Std. maka kliklah kotak kecil depan kata Mean. Setelah itu maka SPSS akan kembali pada kotak sebelumnya (DESCRIPTIVES).50 2. Nilai Minimum.4219 5. Deviation Standard. Apabila semua variabel ingin dicari nilai statistik deskriptive-nya maka pindahkan semua variabel ke kotal sebelah kanan. Jumlah. Misalnya apabila menghendaki nilai Mean.29 6. e. 1) Nilai Statistik Induk Descriptive Statistics N Statistic 16 16 16 16 16 Minimum Statistic 1. Selanjutnya akan tampak gambar berikut ini. dan yang lainnnya maka dari menu utama SPSS tersebut klik menu STATISTICS. 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. Apabila sudah diisikan semua nilai yang ingin dicari akhiri dengan mengklik kotak CONTINUE. Median.86948 1. Caranya klik variabel yang bersangkutan kemudian klik tanda panah kecil yang ada dintara kedua kotak tersebut.053 .93054 .263 Tekanan Kerja Tingkat Partisipasi Kinerja Pegawai Kinerja Pegawai Valid N (listwise) Error . Kemudian akan muncul kotak dialog sebagai berikut.50 3. Pilihlah nilai yang ingin dicari dengan cara mengklik kotak kecil didepan nilai yang diinginkan.564 . Kurtosis.2083 4.38 8. Skewness. Lanjutkan dengan menekan menu OPTION pada kanan bawah. f.84875 .

Hal ini ditunjukkan oleh nilai SD yang tertinggi yaitu sebesar 1. Distribusi data mengikuti kurve normal. KINERJA PERUSAHAAN PERBANKAN DI BEJ TAHUN 2000 .0 60.1 menunjukkan bahwa kinerja perusahaan dapat dikatakan bagus (di atas 60) c. Frekuensi pegawai yang berkinerja di sekitar nilai rerata sama mulai dari kelas interval ke 2 hingga kelas interval ke 5. b.Pelatihan Analisis Data UNY 2008 Berdasarkan table statistic induk di atas dapat diinterpretasikan beberapa kesimpulan berikut ini. Kinerja pegawai setelah memiliki variasi data tertinggi (lebih heterogen) daripada variable lain. Nilai rerata variable penelitian berturutan tekanan kera. yang berarti hanya sebagian kecil pegawai berkinerja tinggi sekali atau rendah sekali. b. =11.0 Cumulative Percent 40.1 Std.0 60. Perintahnya da di Chart – Histogram.0 100. karena nilai SD terkecil yaitu sebesar 0. Hal ini menujukkan bahwa jumlah pegawai yang kinerjanya di bawah dan di atas nilai rerata hamper sama. Kebanyakan pegawai memiliki kinerja di sekitar rerata 75.0 100. 4. a. tingkat partisipasi.1. kinerja sebelum. Sebaran data dari nilai mean 75. Nilai rerata kinerja sebesar 75. d.4. e.0 100. Nilai rerata variable penelitian berada pada nilai tinggi (lebih dari tiga). d.0 Valid Percent 40. Dev. Tabulasi data bisa dikerjakan dalam bentuk table tunggal dan table silang.55.2. dan kinerja setelah adalah 3. Variabel Tunggal (Single Table) Jenis Kelamin Frequency 4 6 10 Percent 40. 4. 3) Tabulasi Dalam analisis data kita bias sajikan data itu berkelompok dengan menggunakan table.849. Variabel tekanan kerja memiliki kecenderungan homogenitas data lebih tinggi dibandingkan variable lain.9.1 merata.0 Valid l p Total Soekirno DS / Akuntansi UNY/ 08122755756 6 . kinerja pegawai sebelum (ketiga) dan tingkat partisipasi negative menandakan bahwa kecenderungan nilai mengumpul di bawah nilai rerata.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 =75.4. a. c. dan 5. Skor rerata kinerja pegawai setelah (keempat) memiliki kecenderungan sangat tinggi. 2) Histogram Kita juga dapat membuat histogram dengan data yang kita miliki. Nilai skewness variable tekanan kerja.

16 dan perusahaan nonperbankan 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).16 Kinerja Pegawai Berdasarkan table di atas diketahui rerata kinerja pegawai perusahaan perbankan adalah 4. dan tertinggi sebesar 91 sejumlah 1 orang yaitu pegawai perempuan.69.1. sedangkan nilai partisipasi selain itu masingmasing jumlahnya satu orang. b. Variable Ganda (Crosstab) b. Soekirno DS / Akuntansi UNY/ 08122755756 7 .2. Crosstab custom Jenis Perusahaan NON PERBANKAN PERBANKAN Mean Mean 4. b. Partisipasi pegawai sebelum terendah adalah 32 sejumlah 1 orang yaitu dari pegawai lelaki. Lebih banyak pegawai perempuan daripada pegawai laki-laki pada perusahaan.69 4. 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. Dengan demikian dapat diambil kesimpulan bahwa kinerja pegawai nonperbankan lebih tinggi daripada kinerja pegawai perbankan.

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

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

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

000 Mean Difference 10. Error Mean 1.3333 Std.07201 One-Sample Test Test Value = 4 95% Confidence Interval of the Difference Lower Upper 8. Selengkapnya dideskripsikan sebagai berikut.639 df 14 Sig. 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.0341 12. Deviation 4. Buat gambar kurva normal Soekirno DS / Akuntansi UNY/ 08122755756 11 . Uji Hipotesis Komparatif a. 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.15188 Std.Pelatihan Analisis Data UNY 2008 5% One-Sample Statistics N MT 15 Mean 14. (2-tailed) .3333 5. Buatlah dugaan b. yaitu uji dua pihak dan uji satu pihak.6326 MT t 9.

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

reratanya adalah 3.39601 Pair 1 MT PT N = jumlah sample = jumlah sample adalah 10 Mean = ∑X / N.006 Soekirno DS / Akuntansi UNY/ 08122755756 13 . Error Mean 1.Pelatihan Analisis Data UNY 2008 TS /2 ≤ 5% dan Te > Tt maka hip yang menyatakan X1 ≤ X2 ditolak. Tuliskan nilai Te pada kurva d.226 Paired Samples Correlations N Pair 1 MT & PT 15 Correlation . Te jatuh didaerah tidak diarsir maka hip yang menyatakan X1 ≤ X2 diterima 5% Paired Samples Statistics Mean 14. . sd adalah 0.3333 4. sebaliknya bila Te ≤ Tt maka hip yang menyatakan X1 ≤ X2 diterima.15188 1. Deviation 4.53375 Std. 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.8 Sd = ∑ (X – X)2 / (n – 1).72 Std error mean: Sd / √n adalah sebesar 0. Te jatuh didaerah diarsir maka hip yang menyatakan X1 ≤ X2 ditotak e. Buat gambar kurva normal b.07201 . TS /2 > 5% maka hip yang menyatakan X1 ≤ X2 diterima.0667 N 15 15 Std.669 Sig. Tentukan dan batas nilai T table (Tt) pada kurva c.

Buat gambar kurva normal b.32666 Std. 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.85894 t 11. Tentukan dan batas nilai T table (Tt) pada kurva c. maka gunakan nilai t yang baris pertama (equal variance) Ada dua jenis uji hip komparatif sample saling bebas. yaitu uji dua pihak dan uji satu pihak.4244 12. Deviation 3.1089 Pair 1 MT .1. apabila > 5 %.2667 Std. Selengkapnya dideskripsikan sebagai berikut. INDEPENDEN SAMPLE T TEST Dan perlu melihat nilai F untuk menentukan nilai Te yang digunakan dari print out SPSS. Tuliskan nilai Te pada kurva Soekirno DS / Akuntansi UNY/ 08122755756 14 . Buatlah dugaan b. Lihat Nilai signifikansi F. (2-tailed) .2. X1 − X 2 t= ( n1 − 1) S12 + ( n2 − 1) S 22 1 + 1 n1 + n2 − 2 n1 n2 LANGKAH UJI : a. 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. VAR Max VARMin b.PT Mean 10. Apabila varian kedua kelompok homogen maka rumus t yang digunakan adalah sebagai berikut.000 b. Error Mean .Pelatihan Analisis Data UNY 2008 Paired Samples Test Paired Differences 95% Confidence Interval of the Difference Lower Upper 8.953 df 14 Sig. Run SPSS pada pilihan Analyze – Compare Mean – Independence Sample T Test c.

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

23793 2. 1 . 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.3114 Soekirno DS / Akuntansi UNY/ 08122755756 16 .8 – (2.621 .2886 X = rerata real tn-1.14332 .95)/2) untuk uji dua pihak dengan alfa 5%. 1 .α/2 .822 .381 .226) = 0. 1 .529 Mean difference = X .26784 6.546 . (Sd / √n) = 3.04562 F MT Equal variances assumed Equal variances not assumed Sig.8 + (2.95 = 5 dibagi dua 2. 1 .α/2 .226) = 1. Te jatuh didaerah diarsir maka hip yang menyatakan X1 ≤ X2 ditotak e.314 . (Sd / √n) = X – tn-1. (Sd / √n) Lower = X – tn-1. Buat gambar kurva normal b.µ Confidence interval difference: X ± tn-1. Tuliskan nilai Te pada kurva d.648 13 12. Error Difference 2.α/2 = nilai t table dengan df n-1 pada alfa (1 – . 1 .44585 -3.. Tentukan dan batas nilai T table (Tt) pada kurva c. (2-tailed) Mean Difference 1. 1 .α/2 .262 x (0.3889 1.α/2 . Te jatuh didaerah tidak diarsir maka hip yang menyatakan X1 ≤ X2 diterima 5% Independent Samples Test Levene's Test for Equality of Variances t-test for Equality of Means 95% Confidence Interval of the Difference Lower Upper -3.262 x (0.5 karena dua pihak (Sd / √n) = nilai SD dibagi akar n (jumlah sample) Upper = X + tn-1.22363 6. (Sd / √n) = 3.3889 Std.

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

berikut ini.0. 1) Klik menu STATISCTICS-CORRELATE-BIVARIATE. Untuk menguji hipotesis ini maka lakukanlah prosedur berikut ini. Hip : Ada hubungan antara ROI dengan RETURN Perusahaan. 3) Kemudian pindahkan semua variabel yang akan diuji korelasinya (dalam hal ini variabel ROI dan RETURN) ke kotak Variables sebelah kanan.40 .00 .799 0.399 0.60 Pihak Kiri Ha = Hubungan X dengan Y ≥ 0.60 H0 = Hubungan X dengan Y < 0.0.199 0.60 H0 = Hubungan X dengan Y > 0.000 Tingkat Hubungan Sangat rendah Rendah Sedang Kuat Sangat kuat a.0.20 . Uji 1 Pihak Pihak Kanan Ha = Hubungan X dengan Y ≤ 0.80 . 2) Maka akan tampak menu Bivariate Correlation sebagai berikut.60 PEDOMAN UNTUK MEMBERIKAN INTERPRETASI KOEFISIEN KORELASI Interval Koefisien 0.0.Pelatihan Analisis Data UNY 2008 b. Untuk memindahkan Soekirno DS / Akuntansi UNY/ 08122755756 18 .1.599 0.60 .

4) Setelah itu klik kotak OK. maka akan tampak hasil korelasi sebagai berikut.1835 (lebih besar dari 5%).242 . Dugaaan yang menyebut ada hubungan antara TK dengan BB salah atau ditolak.7%) lebih besar dari 5%.1835.Pelatihan Analisis Data UNY 2008 variabel tersebut klik variabel satu-per satu dengan tanda panah kecil di tengah.7% menjadi: Tidak ada hubungan TK dan BB dengan signifikansi sebesar 0.367 16 Kinerja Pegawai BB -. Hip : Ada pengaruh ROI dan CASFLOW terhadap RETURN Perusahaan. 16 -. (2-tailed) N Jawaban : 1. Sedangkan nilai r. Artinya kalau BB naik 100 TK turun 24. karena nilai signifikansi r = .367 16 1 . Signifikansi nilai r dapat pula diuji dengan menggunakan uji t dengan persamaan sebagai berikut.242. 1) Klik menu STATISCTICS-REGRESSION-LINEAR. t. BB turun 24. b. Seandainya data tersebut berskala ordinal maka kita pilik teknik korelasi SPEARMAN. sebaliknya bila TK naik 100. berdasar nilai r = -. karena nilai signifikansi r lebih besar dari 5%. Untuk menguji hipotesis ini maka lakukanlah prosedur berikut ini.367 / 2 = . Soekirno DS / Akuntansi UNY/ 08122755756 19 . Atau tidak ada hubungan signifikan antara TK dengan Kinerja BB. berikut ini. Setelah itu menentukan teknik korelasi yang sesuai dengan skala data. atau F empirik tetap sama yaitu r = -.367 (36. t= r n −2 1−r2 3. Dalam hal ini digunakan korelasi dari PEARSON (karena datanya interval atau ratio). Kalau duji dengan sepihak (one tail).2. Jadi tidak ada hubungan antara TK dengan BB.2. maka nilai signifikansi dua pihak tinggal dibagi dua. (2-tailed) N Pearson Correlation Sig.2%. Signifikansi 5% (atau signifikan pada 5%) berarti besarnya hubungan (nilai r atau korelasi pearson) itu apabila digunakan untuk memprediksi akan memiliki kesalahan 5%. 2. berarti ada hubungan negatip antara TK dengan BB.242 sama dengan – 24. Correlations Tekanan Kerja 1 . Sehingga interpretasinya bergeser dari tidak ada hubungan TK dan BB yang ditunjukkan nilai sig sebesar 36. 16 Tekanan Kerja Kinerja Pegawai BB Pearson Correlation Sig.242 . jadi .

Adjusted R2 Nilai ini digunakan untuk mengatasi kelemahan koefisien determinasi (R 2). peneliti dapat menggunakan nilai Adjusted R Square. _ R2 = 1. Tekanan Kerja Komentar: Berdasarkan nilai R sebesar . Dalam hal ini kita menggunakan metode ENTER.81932 a. CASHFLOW dan RETURN) ke kotak sebelah kanan. 4) Setelah itu klik kotak OK. untuk mengevaluasi model regresi terbaik atau menentukan besarnya koefisien determinasi dianjurkan menggunakan Adjusted R2.1%. Artinya.232 Adjusted R Square .481 a . Oleh karena itu. R2 = Adjusted Coefficient of Determination Soekirno DS / Akuntansi UNY/ 08122755756 20 .481 dapat disimpulkan bahwa hubungan antara TK dan Par SBL dengan Kinerja BB bersifat positip sebesar 48.1)) where: R2 = Coefficient of Determination .113 Std. Error of the Estimate . 3) Kemudian pindahkan semua variabel yang akan diuji korelasinya (dalam hal ini variabel ROI.Pelatihan Analisis Data UNY 2008 2) Maka akan tampak menu Linear Regression sebagai berikut. Model Summary Model 1 R R Square . BACKWARD. Kotak Dependent isilah variabel RETURN.(1 . Predictors: (Constant). Metode ini berarti bahwa kita akan mengkorelasikan seluruh data pada ketiga variabel tanpa ada pengecualian atau pentahapan tertentu. dan FORWARD. SPSS akan menggunakan metode ENTER sebagai default.1. Nilai ini dapat turun atau naik walaupun variable predictor ditambah atau dikurangi. REMOVE. Sebaliknya bila TK dan Par SBL turun 100 maka kinerja BB turun 48. yaitu apabila jumlah variable predictor ditambah maka nilai R2 pasti meningkat sebaliknya akan menurun apabila variable predictor dikurangi jumlahnya. Metode lainnya adalah metode STEPWISE.k . Tingkat Partisipasi SBL.R2 )((n .1)/(n . maka akan tampak hasil korelasi sebagai berikut. apabila variabel TK dan Par SBL naik 100 maka kinerja BB naik pula sebesar 48. Ada kalanya agar terhindar dari bias penambahan variable independent. Sedangkan kotak INDEPENDENT(S) isilah variabel ROI DAN CASHFLOW.1.

Basic Econometrics) Standard Error of the Estimate (SEE) Nilai kesalahan yang akan terjadi apabila model persamaan regresi digunakan untuk memprediksi. R y.105319 = .356 df 2 13 15 Mean Square 1. Cari t hitung dengan rumus: Fh = R2 / k (1 − R 2 ) / ( n − k − 1) Rumus 10 Soekirno DS / Akuntansi UNY/ 08122755756 21 .Pelatihan Analisis Data UNY 2008 n = number of observations k = number of Independent Variables for example: when R2 =.9)(99/94) = 1 . Tingkat Partisipasi SBL.1% lebih besar dari 5%.1)/(100 . Atau dapat dikatakan secara statistik tidak ada pengaruh TK dan SBL terhadap Kinerja BB.181 a a.(1 .05319) = 1 .9)((100 .(.629 8.(1 .959 Sig. 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 2.89468 Adjusted / Modified _ R 2 = R 2 (1 − k / N ) (gujarati damodar. Tekanan Kerja b.5 ..315 .. Dependent Variable: Kinerja Pegawai BB Berdasarkan nilai signifikansi F sebesar .671 F 1. and k=5. Predictors: (Constant).12 = 2 2 rY 1 + rY 2 − 2ry1 ry 2 r12 2 1 − r12 1.181 dapat disimpulkan bahwa dugaan ada hubungan antara TK dan Par SBL dengan Kinerja BB adalah salah atau ditolak.1)(1.9. .727 11. n=100. karena nilai signifikansi F besarnya 18. then _ R2 = 1 .. Semakin kecil SEE semakin baik model regresi digunakan untuk memprediksi.1)) = 1 .

228 a . dimana m = jumlah predictor m(1 − R 2 ) c.525 = 63. Predictors: (Constant).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.6 x100% 13.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 0.8 x100% 13. Model Summary Model 1 R R Square . Hip = Ada pengaruh cash flow dan ROI terhadap return saham Untuk menguji ini menggunakan perintah Analyze – Regression – Linear.867 SEx2 = 0.03%) a ∑ x1 y + b∑ x 2 y SEx2 = SRx2 R2 SEx2 = 36.53% x 0.7%) pada regresi ganda SEx1 = SRx1 R2 SEx1 = 63. SSE = ∑ (Yi − Yi ) 2 = i=1 n ^ residual sum squares RSS = ∑ (Y i − Y ) 2 i= 1 n ^ .525 = 36.219 Std.386 x12.867 SEx1 = 0.47% x 0. Error of the Estimate 6. Setelah variable dimasukkan ke kotak test variable maka akhirnya kita akan memperoleh hasil sebagai berikut. F= R 2 ( N − m − 1) .588 x14. cflow.3167 (31.24980 a.47% SR X 2 = SR x 2 0. roi Soekirno DS / Akuntansi UNY/ 08122755756 22 .052 Adjusted R Square -.5503 (55.867 = 86.53% Sumbangan Efektif (SE) Total SE semua variable predictor harus sama dengan R2 (0.

.8297 (82. Predictors: (Constant).704976 – 0.490 39.004 .Pelatihan Analisis Data UNY 2008 ANOVAb Model 1 Sum of Squares 14. 2) Adapun berdasarkan uji regresi ini pula dapat diketahui persamaan regresinya sebagai berikut.586 -.175 Standardized Coefficients Beta .981 a.225 -.97%).938 .420 288.024 Sig.089 .830 a Regression Residual Total a.576 .192 Sig.209 -.705 6. Hal itu berarti besar kecilnya ROI dan CASHFLOW persuahaan secara bersama-sama tidak akan mempengaruhi besaran Return yang akan diterima oleh investor.060 F .004218 CASHFLOW + 0.400 df 2 7 9 Mean Square 7. dapat disimpulkan bahwa tidak satupun dari kedua variabel independen tersebut (ROI maupun CASHFLOW) yang memiliki pengaruh signifikan terhadap RETURN.980 273.975 . .123 .05194 (R Square) dengan nilai F sebesar 0. Y = 13. Dependent Variable: return 1) Berdasarkan hasil analisis korelasi tersebut maka besarnya korelasi antara ROI dan CASHFLOW dengan RETURN adalah 0.19175 signifikan pada 0. Error 13. roi b. cflow. Dependent Variable: return a Coefficients Model 1 (Constant) roi cflow Unstandardized Coefficients B Std. Karena nilai Signifikansi F lebih besar dari 5% maka hipotesis yang menyatakan “Ada pengaruh antara ROI dan CASHFLOW dengan RETURN Perusahaan” ditolak.009 t 1. SELAMAT MENCOBA SEMOGA SUKSES BESERTA KITA SEMUA Soekirno DS / Akuntansi UNY/ 08122755756 23 .122584 ROI 3) Namun demikian berdasarkan nilai signifikansi T-nya.

808 0.30 0.757 0.282 1.31 Soekirno DS / Akuntansi UNY/ 08122755756 24 .993 0.041 1.414 1.953 0.294 1.25 1.379 2.318 1.153 0.458 2.711 1.492 1.843 0.676 1.303 1.920 0.45 0.695 0.299 2.383 1.794 0.766 0.939 0.204 1.548 1.968 0.866 0.841 2.778 1.0125 25.158 1.350 1.210 1.473 2.449 1.069 1.445 1.770 0.057 1.057 1.967 0.986 0.175 1.180 1.972 1.254 1.074 1.15 0.684 0.684 1.047 1.779 0.155 1.311 1.757 0.790 0.329 2.041 1.660 1.131 2.039 1.197 1.145 2.266 2.221 1. bawah 1 phk) Taraf Alpha db 0.671 1.703 1.110 2.119 1.405 2.725 1.686 0.490 2.836 0.494 1.846 0.485 1.228 2.500 1.879 0.753 1.690 0.031 1.683 0.963 1.559 1.965 0.156 1.385 2.364 2.287 1.044 1.177 1.059 1.699 1.940 0.937 0.025 0.771 0.225 1.844 0.171 0.250 1.845 0.848 0.179 1.994 1.677 0.538 1.699 1.684 0.886 1.292 1.476 1.330 1.865 0.714 1.958 0.05 0.523 1.767 0.093 2.708 1.315 1.163 2.82 Batas (5%): .272 2.160 2.25 0.978 1.182 2.941 0.50 0.079 1.956 0.952 0.451 1.177 3.20 1.760 0.700 0.963 0.717 1.480 1.694 0.042 2.Pelatihan Analisis Data UNY 2008 Tabel t – student (atas 2phk.969 0.938 0.858 0.866 0.783 0.108 1.440 1.045 2.685 2.190 1.447 1.165 2.768 0.849 0.10 0.760 0.980 1.194 1.386 1.686 0.862 0.093 1.398 2.883 0.230 1.870 0.052 2./ + 6.205 4.706 0.687 0./ + 63.655 1.688 0.777 0.796 1.860 1.504 1.356 1.015 1.758 0.296 1.856 0.812 1.941 0.688 0.683 0.314 1.961 0.896 0.40 0.765 0.782 1.859 0.706 1.701 1.66 Batas (5%): .769 0.685 0.132 2./ + 12.681 0.617 1.990 1.758 0.711 0.816 0.345 1.344 1.154 1.061 1.786 0.445 2.100 1.120 2.767 0.311 2.063 1.056 1.510 2.781 0.058 1.833 1.533 2.328 1.162 1.376 1.685 0.855 0.664 1.280 2.676 0.767 0.316 1.858 0.156 1.946 0.856 0.452 6.479 1.675 0.957 0.746 1.373 2.759 0.676 0.758 0.960 0.691 0.697 1.771 0.000 1.650 0.776 2.939 0.938 0.284 0.800 0.495 3.889 0.290 1.949 0.286 1.083 1.397 1.844 0.667 1.976 0.854 0.477 1.174 1.415 1.976 1.040 1.447 1.055 1.176 1.951 0.679 0.325 1.15 1.273 1.924 1.288 1.064 1.657 1.683 0.861 0.301 1.758 0.35 0.977 1.759 0.179 2.819 0.319 1.086 2.058 1.183 1.321 1.270 2.156 1.482 1.069 2.987 1.214 1.931 0.560 2.423 2.209 1.512 1.164 1.938 0.462 1.574 1.676 0.773 0.076 1.187 1.676 0.936 0.391 2.468 1.847 0.055 1.056 2.508 1.765 0.458 1.156 1.487 1.042 1.333 1.950 0.752 2.71 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%): .740 1.101 2.497 1.650 1.920 2.689 0.769 0.450 1.167 1.284 2.604 1.846 0.489 1.200 1.456 1.185 1.677 0.634 2.088 1.906 0.766 0.310 1.774 0.064 2.423 1.483 1.845 0.843 0.189 1.659 1.763 0.692 0.433 2.074 2.201 2.734 1.363 1.289 1.365 2.080 2.845 0.178 1.414 2.952 0.160 1.066 1.943 1.954 0.592 1.060 2.453 1.125 2.972 0.758 0.447 2.067 1.021 2.040 1.938 0.337 1.043 1.268 2.876 0.844 0.105 1.313 1./ + 31.013 1.772 0.873 0.001 0.571 2.341 1.656 1.134 1.20 0.955 0.360 2.448 1.060 1.895 1.291 1.860 0.727 0.050 1.684 0.10 3.288 1.678 0.729 1.939 0.638 1.191 1.632 1.262 2.706 4.718 0.761 1.038 0.677 0.159 1.155 1.857 0.756 0.533 1.000 0.984 1.025 12.593 2.517 1.854 0.061 0.776 0.372 1.041 1.443 0.291 2.264 2.741 0.452 1.851 0.353 2.863 0.173 1.368 2.071 1.679 0.942 0.303 3.314 2.980 0.982 1.721 1.978 0.175 1.678 0.697 0.258 2.009 2.771 1.969 2.289 1.530 1.950 0.240 1.05 6.653 1.761 0.276 2.253 2 PIHAK Batas (1%): .943 0.658 1.182 1.075 4.703 0.048 2.677 0.045 1.855 0.157 1.662 1.323 1.306 2.299 1.042 1.868 0.078 1.

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

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

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

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

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

Sign up to vote on this title
UsefulNot useful