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

Menentukan nama variabel yang digunakan untuk menampung setiap elemen data yang dimiliki. Klik mouse setelah krusor berada persis pada menu SPSS d.5 54 21 14 24 18 12. Arahkan krusor ke menu program dan geserlah kekanan dengan hati-hati menuju menu SPSS. atau yang lainnya). date. 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. Hidupkan komputer. 3. b. lanjutkan dengan mengklik kotak START pada kiri bawah. 2. Prosedur Analisis Data dengan SPSS a. Untuk memasukkan nama variabel tersebut lakukanlah dengan cara mengklik DATA – DEFINE VARIABLE maka akan tampak gambar sebagai berikut.8 34. Maka akan tampak gambar menu utama SPSS seperti berikut ini e. Soekirno DS / Akuntansi UNY/ 08122755756 3 . Misalnya.Pelatihan Analisis Data UNY 2008 2. No 1. Misalnya kita memiliki data sebagai berikut. c. Elemen data Status perusahaan ROI (%) Cash flow (milyar) Return saham Nama Variabel STATUS ROI CFLOW RETURN g. numeric. h. Masukkan setiap nama tersebut ke dalam program SPSS sesuai dengan jenis data yang ada (string. Pada contoh tabel di atas ada empat elemen data. 4.2 34 27 Return saham (%) 23 14 15 25 13 13 9 12 10 22 f. Nama variabel tidak boleh lebih dari delapan karakter dan tanpa spasi. Langkah awal sebelum proses analisis dimulai adalah melakukan entry data. empat elemen di atas diberi nama variabel sebagai berikut.

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

263 Tekanan Kerja Tingkat Partisipasi Kinerja Pegawai Kinerja Pegawai Valid N (listwise) Error . Akhiri dengan mengklik kotak OK. Apabila semua variabel ingin dicari nilai statistik deskriptive-nya maka pindahkan semua variabel ke kotal sebelah kanan. Misalnya apabila menghendaki nilai Mean. Jumlah. Nilai Minimum. c. dan yang lainnnya maka dari menu utama SPSS tersebut klik menu STATISTICS.436 -. Selanjutnya akan tampak gambar berikut ini. b. Pilihlah nilai yang ingin dicari dengan cara mengklik kotak kecil didepan nilai yang diinginkan. Median.564 .29 6. Range. Misalnya kita akan mengetahui berapa nilai Mean. d.93054 . Kurtosis. 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.43 2. Caranya klik variabel yang bersangkutan kemudian klik tanda panah kecil yang ada dintara kedua kotak tersebut. Maka hasil perhitungan dan nilai yang kita inginkan akan tampak di layar.38 8. f.8839 4.564 .50 Maximum Statistic 4. Skewness.066 -.Pelatihan Analisis Data UNY 2008 a.3828 Std. g. Lanjutkan dengan menekan menu OPTION pada kanan bawah.564 Soekirno DS / Akuntansi UNY/ 08122755756 5 .55018 Skewness Statistic Std.00 Mean Statistic 3. Untuk membatalkan klik kembali kotak yang bersangkutan.053 .4219 5.50 2. Kemudian akan muncul kotak dialog sebagai berikut.2083 4.50 6. Setelah itu maka SPSS akan kembali pada kotak sebelumnya (DESCRIPTIVES).86948 1. Deviation Standard.564 . Apabila sudah diisikan semua nilai yang ingin dicari akhiri dengan mengklik kotak CONTINUE.84875 . maka kliklah kotak kecil depan kata Mean. Deviation Statistic . -. e. Demikian seterusnya berlaku pula untuk nilai yang lain.50 3. 1) Nilai Statistik Induk Descriptive Statistics N Statistic 16 16 16 16 16 Minimum Statistic 1. Nilai Maximum. Mode.

a. KINERJA PERUSAHAAN PERBANKAN DI BEJ TAHUN 2000 .0 Valid l p Total Soekirno DS / Akuntansi UNY/ 08122755756 6 .0 100.Pelatihan Analisis Data UNY 2008 Berdasarkan table statistic induk di atas dapat diinterpretasikan beberapa kesimpulan berikut ini. =11. Hal ini ditunjukkan oleh nilai SD yang tertinggi yaitu sebesar 1. Nilai rerata variable penelitian berturutan tekanan kera. Variabel tekanan kerja memiliki kecenderungan homogenitas data lebih tinggi dibandingkan variable lain. Sebaran data dari nilai mean 75. a.0 60. dan 5. Dev.1 merata. Nilai rerata variable penelitian berada pada nilai tinggi (lebih dari tiga). Kebanyakan pegawai memiliki kinerja di sekitar rerata 75. dan kinerja setelah adalah 3.1 menunjukkan bahwa kinerja perusahaan dapat dikatakan bagus (di atas 60) c.2007 3 Frequency 2 1 0 50 60 70 80 90 100 Mean =75.1.849. 4. Frekuensi pegawai yang berkinerja di sekitar nilai rerata sama mulai dari kelas interval ke 2 hingga kelas interval ke 5. Tabulasi data bisa dikerjakan dalam bentuk table tunggal dan table silang. tingkat partisipasi. yang berarti hanya sebagian kecil pegawai berkinerja tinggi sekali atau rendah sekali.2. Skor rerata kinerja pegawai setelah (keempat) memiliki kecenderungan sangat tinggi. c. Nilai rerata kinerja sebesar 75. Variabel Tunggal (Single Table) Jenis Kelamin Frequency 4 6 10 Percent 40.0 Cumulative Percent 40. b.0 Valid Percent 40.55. Nilai skewness variable tekanan kerja. b.4. d. Distribusi data mengikuti kurve normal.0 60.9. karena nilai SD terkecil yaitu sebesar 0.1 Std.0 100. kinerja pegawai sebelum (ketiga) dan tingkat partisipasi negative menandakan bahwa kecenderungan nilai mengumpul di bawah nilai rerata. 4. kinerja sebelum. 2) Histogram Kita juga dapat membuat histogram dengan data yang kita miliki.0 100. Hal ini menujukkan bahwa jumlah pegawai yang kinerjanya di bawah dan di atas nilai rerata hamper sama. e. Kinerja pegawai setelah memiliki variasi data tertinggi (lebih heterogen) daripada variable lain. d.4. Perintahnya da di Chart – Histogram.995 N =10 Kinerja Komentar: Berdasarkan histogram di atas dapat disimpulkan beberapa hal: a. 3) Tabulasi Dalam analisis data kita bias sajikan data itu berkelompok dengan menggunakan table.

69 4. b. sedangkan nilai partisipasi selain itu masingmasing jumlahnya satu orang.69. Crosstab custom Jenis Perusahaan NON PERBANKAN PERBANKAN Mean Mean 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).2. Soekirno DS / Akuntansi UNY/ 08122755756 7 .16 dan perusahaan nonperbankan 4.1. Dengan demikian dapat diambil kesimpulan bahwa kinerja pegawai nonperbankan lebih tinggi daripada kinerja pegawai perbankan. 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. Partisipasi pegawai sebelum terendah adalah 32 sejumlah 1 orang yaitu dari pegawai lelaki.16 Kinerja Pegawai Berdasarkan table di atas diketahui rerata kinerja pegawai perusahaan perbankan adalah 4. Variable Ganda (Crosstab) b. Lebih banyak pegawai perempuan daripada pegawai laki-laki pada perusahaan. dan tertinggi sebesar 91 sejumlah 1 orang yaitu pegawai perempuan.

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. Adakah hubungan yang positif dan signifikan antara jumlah pengunjung toko dengan jumlah pembeli? c. c. Rata-rata tiap hari jumlah pembeli toko di Yogyakarta = 300 orang. B dan C e. b. b. d. Rata-rata tiap hari jumlah pengunjung toko di Yogyakarta paling rendah 500 orang. c. Adakah perbedaan yang signifikan kualitas pelayanan pramuniaga antara yang berada dijalan Protokol dan bukan Protokol. Adakah hubungan yang positif dan signifikan antara kualitas pelayanan pramuniaga dengan jumlah pengunjung toko? d. B dan C. dan C. c. Uji hipotesis Deskriptif Rumusan Masalah deskriptif: a. B dan C. Hipotesis Komparatif a. Terdapat perbedaan kualitas pelayanan pramuniaga antara tokko yang berada dijalan protokol dan bukan protokol. Rumusan Masalah Asosiatif (hubungan) a. f. 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. b. Berapakah jumlah rata-rata pengunjung toko di Yogyakarta? c. Terdapat hubungan yang positif dan signifikan antara kualitas pelayanan pramuniaga toko dengan jumlah pembelinya.Pelatihan Analisis Data UNY 2008 4. Soekirno DS / Akuntansi UNY/ 08122755756 8 . Berapakah jumlah rata-rata pembelinya? Rumusan Masalah Komparatif a. Adakah perbedaan secara signifikan jumlah pengunjung antara toko kelompok A. Adakah hubungan antara kualitas pelayanan pramuniaga toko dan jumlah pengunjung toko secara bersama-sama dengan jumlah pembeli? e. Adakah perbedaan secara signifikan kualitas pelayanan pramuniaga antara toko kelompok A. Terdapat perbedaan jumlah pembeli antara toko kelompok A. Seberapa baik pelayanan pramuniaga toko di Yogyakarta? b. dan C. Terdapat perbedaan jumlah pengunjung antara toko kelompok A. Terdapat perbedaan kualitas pelayan pramuniaga antara toko kelompok A. Adakah perbedaan yang signifikan jumlah pembeli antara yang berada di jalan Protokol dan bukan Protokol. e. Terdapat hubungan yang positif dan signifikan antara kualitas pelayanan pramuniaga toko dengan jumlah pembelinya. Hipotesis Asosiatif ( hubungan) a. Adakah perbedaan yang signifikan jumlah pengunjung antara yang berada di jalan Protokol dan bukan Protokol . Adakah hubungan yang positif dan signifikan antara kualitas pelayanan pramuniaga dengan jumlah pembeli? b. c. B. Terdapat hubungan yang positif dan signifikan antara kualitas pelayanan pramuniaga toko dan jumlah pengunjung toko secara bersama-sama dengan jumlah pembeli. d. Bila jumlah pengunjung toko sama. Terdapat perbedaan jumlah pengunjung antara toko yang berada di jalan protokol dan bukan protokol. f. Bila jumlah pengunjung toko sama. tetap terdapat hubungan positif dan signifikan antara kualitas pelayanan pramuniaga dengan jumlah pembeli. e. B dan C. Kualitas pelayanan pramuniaga toko di Yogyakarta paling tinggi 70 % dari kriteria yang diharapkan b. B. Adakah perbedaan secara signifikan jumlah pembeli antara toko kelompok 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. Tentukan dan batas nilai T table (Tt) pada kurva c.5 % 2. Tuliskan nilai Te pada kurva d. yaitu uji dua pihak dan uji satu pihak.Pelatihan Analisis Data UNY 2008 a. Selengkapnya dideskripsikan sebagai berikut. Te jatuh didaerah diarsir maka hip yang menyatakan X = 4 ditotak e.5 % ** 1 pihak ** Soekirno DS / Akuntansi UNY/ 08122755756 9 . Buatlah dugaan b. Run SPSS pada pilihan Analyze – Compare Mean – one Sample T Test Ada dua jenis uji hip deskriptif. Buat gambar kurva normal b. Te jatuh didaerah tidak diarsir maka hip yang menyatakan X = 4 diterima 2. ** 2 pihak ** H0 = Rerata X = 4 Ha = Rerata X ≠ 4 Dasar pengambilan keputusan: Berdasar taraf signifikansi empiric (TS) TS ≤ 5% maka hip yang menyatakan X = 4 ditolak TS > 5% maka hip yang menyatakan X = 4 diterima Berdasarkan t empiric (TE) TE < Tt maka hip yang menyatakan X = 4 diterima TE ≥ Tt maka hip yang menyatakan X = 4 ditotak Menggunakan kurva Langkah-langkah : a.

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

000 Mean Difference 10. (2-tailed) .639 df 14 Sig.Pelatihan Analisis Data UNY 2008 5% One-Sample Statistics N MT 15 Mean 14. Uji Hipotesis Komparatif a. Error Mean 1. Selengkapnya dideskripsikan sebagai berikut. 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.0341 12. Deviation 4. Buatlah dugaan b. yaitu uji dua pihak dan uji satu pihak.3333 5. 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. 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 .6326 MT t 9.07201 One-Sample Test Test Value = 4 95% Confidence Interval of the Difference Lower Upper 8.3333 Std.15188 Std.

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

.8 Sd = ∑ (X – X)2 / (n – 1). Te jatuh didaerah diarsir maka hip yang menyatakan X1 ≤ X2 ditotak e. TS /2 > 5% maka hip yang menyatakan X1 ≤ X2 diterima.39601 Pair 1 MT PT N = jumlah sample = jumlah sample adalah 10 Mean = ∑X / N.07201 . sd adalah 0.226 Paired Samples Correlations N Pair 1 MT & PT 15 Correlation . Buat gambar kurva normal b.Pelatihan Analisis Data UNY 2008 TS /2 ≤ 5% dan Te > Tt maka hip yang menyatakan X1 ≤ X2 ditolak. Deviation 4. 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. sebaliknya bila Te ≤ Tt maka hip yang menyatakan X1 ≤ X2 diterima. Tentukan dan batas nilai T table (Tt) pada kurva c.669 Sig.53375 Std. Te jatuh didaerah tidak diarsir maka hip yang menyatakan X1 ≤ X2 diterima 5% Paired Samples Statistics Mean 14. Tuliskan nilai Te pada kurva d.72 Std error mean: Sd / √n adalah sebesar 0.006 Soekirno DS / Akuntansi UNY/ 08122755756 13 .0667 N 15 15 Std.3333 4. reratanya adalah 3. Error Mean 1.15188 1.

maka gunakan nilai t yang baris pertama (equal variance) Ada dua jenis uji hip komparatif sample saling bebas. Deviation 3.1089 Pair 1 MT . yaitu uji dua pihak dan uji satu pihak. Run SPSS pada pilihan Analyze – Compare Mean – Independence Sample T Test c.32666 Std. Lihat Nilai signifikansi F. 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 . Error Mean . VAR Max VARMin b. X1 − X 2 t= ( n1 − 1) S12 + ( n2 − 1) S 22 1 + 1 n1 + n2 − 2 n1 n2 LANGKAH UJI : a. Selengkapnya dideskripsikan sebagai berikut. apabila > 5 %. Apabila varian kedua kelompok homogen maka rumus t yang digunakan adalah sebagai berikut.953 df 14 Sig. (2-tailed) . 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. Buat gambar kurva normal 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.2667 Std.4244 12.85894 t 11. Tentukan dan batas nilai T table (Tt) pada kurva c.PT Mean 10.2.1.000 b. Buatlah dugaan b.

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 ditolak TE ≥ .5 % b. Buat gambar kurva normal b. 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.Pelatihan Analisis Data UNY 2008 d. sebaliknya bila Te ≤ Tt maka hip yang menyatakan X1 ≤ X2 diterima. Te jatuh didaerah tidak diarsir maka hip yang menyatakan X1 = X2 diterima 2.5 % 2. Te jatuh didaerah diarsir maka hip yang menyatakan X1 = X2 ditotak e. Tentukan dan batas nilai T table (Tt) pada kurva c. Soekirno DS / Akuntansi UNY/ 08122755756 15 . 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. 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. Tuliskan nilai Te pada kurva d.

8 – (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 -3.8 + (2. 1 .5 karena dua pihak (Sd / √n) = nilai SD dibagi akar n (jumlah sample) Upper = X + tn-1.314 . Tuliskan nilai Te pada kurva d.3114 Soekirno DS / Akuntansi UNY/ 08122755756 16 .648 13 12. (2-tailed) Mean Difference 1.95)/2) untuk uji dua pihak dengan alfa 5%.23793 2.α/2 .262 x (0. Buat gambar kurva normal b. 1 . (Sd / √n) = X – tn-1. Tentukan dan batas nilai T table (Tt) pada kurva c. 1 .22363 6..529 Mean difference = X .α/2 = nilai t table dengan df n-1 pada alfa (1 – .α/2 .14332 .546 .α/2 .95 = 5 dibagi dua 2. (Sd / √n) = 3.226) = 0. t df Sig.2886 X = rerata real tn-1.621 .3889 Std.µ Confidence interval difference: X ± tn-1. Error Difference 2. 1 .04562 F MT Equal variances assumed Equal variances not assumed Sig.44585 -3.3889 1. 1 .262 x (0.26784 6.α/2 . (Sd / √n) = 3.381 . (Sd / √n) Lower = X – tn-1. 1 .226) = 1. Te jatuh didaerah diarsir maka hip yang menyatakan X1 ≤ X2 ditotak e.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.822 .

ΣΧ ) − ( ΣΧ) )(( N . 1 . (Sd / √n) Dua kelompok X1 .ΣΥ 2 rxy = [(( N .α/2 .X2 ± 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. Korelatif Ν.ΣΧΥ − ΣΧ.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. Uji Hipotesis Asosiatif a.

60 H0 = Hubungan X dengan Y > 0.0. berikut ini.60 Pihak Kiri Ha = Hubungan X dengan Y ≥ 0. Uji 1 Pihak Pihak Kanan Ha = Hubungan X dengan Y ≤ 0.000 Tingkat Hubungan Sangat rendah Rendah Sedang Kuat Sangat kuat a.799 0.00 .0.Pelatihan Analisis Data UNY 2008 b. 2) Maka akan tampak menu Bivariate Correlation sebagai berikut.20 .60 PEDOMAN UNTUK MEMBERIKAN INTERPRETASI KOEFISIEN KORELASI Interval Koefisien 0.0.1.599 0. 3) Kemudian pindahkan semua variabel yang akan diuji korelasinya (dalam hal ini variabel ROI dan RETURN) ke kotak Variables sebelah kanan.399 0. 1) Klik menu STATISCTICS-CORRELATE-BIVARIATE. Untuk memindahkan Soekirno DS / Akuntansi UNY/ 08122755756 18 .60 H0 = Hubungan X dengan Y < 0.199 0. Untuk menguji hipotesis ini maka lakukanlah prosedur berikut ini.40 .80 .0.60 . Hip : Ada hubungan antara ROI dengan RETURN Perusahaan.

(2-tailed) N Jawaban : 1. t. Kalau duji dengan sepihak (one tail).367 16 Kinerja Pegawai BB -. Seandainya data tersebut berskala ordinal maka kita pilik teknik korelasi SPEARMAN. maka akan tampak hasil korelasi sebagai berikut. Dugaaan yang menyebut ada hubungan antara TK dengan BB salah atau ditolak. Signifikansi 5% (atau signifikan pada 5%) berarti besarnya hubungan (nilai r atau korelasi pearson) itu apabila digunakan untuk memprediksi akan memiliki kesalahan 5%. Signifikansi nilai r dapat pula diuji dengan menggunakan uji t dengan persamaan sebagai berikut.Pelatihan Analisis Data UNY 2008 variabel tersebut klik variabel satu-per satu dengan tanda panah kecil di tengah. sebaliknya bila TK naik 100. Setelah itu menentukan teknik korelasi yang sesuai dengan skala data. Jadi tidak ada hubungan antara TK dengan BB. Sehingga interpretasinya bergeser dari tidak ada hubungan TK dan BB yang ditunjukkan nilai sig sebesar 36. Correlations Tekanan Kerja 1 . berarti ada hubungan negatip antara TK dengan BB. maka nilai signifikansi dua pihak tinggal dibagi dua.2. b.242 . 4) Setelah itu klik kotak OK.242 sama dengan – 24. Dalam hal ini digunakan korelasi dari PEARSON (karena datanya interval atau ratio). karena nilai signifikansi r lebih besar dari 5%. berdasar nilai r = -. t= r n −2 1−r2 3.1835 (lebih besar dari 5%).7%) lebih besar dari 5%. 2. Artinya kalau BB naik 100 TK turun 24.367 / 2 = .242 .367 16 1 . Hip : Ada pengaruh ROI dan CASFLOW terhadap RETURN Perusahaan. Sedangkan nilai r. jadi . atau F empirik tetap sama yaitu r = -. (2-tailed) N Pearson Correlation Sig. berikut ini. 16 -.2%. Atau tidak ada hubungan signifikan antara TK dengan Kinerja BB. BB turun 24.2.1835. 1) Klik menu STATISCTICS-REGRESSION-LINEAR. Untuk menguji hipotesis ini maka lakukanlah prosedur berikut ini. karena nilai signifikansi r = .242.7% menjadi: Tidak ada hubungan TK dan BB dengan signifikansi sebesar 0. 16 Tekanan Kerja Kinerja Pegawai BB Pearson Correlation Sig.367 (36. Soekirno DS / Akuntansi UNY/ 08122755756 19 .

Nilai ini dapat turun atau naik walaupun variable predictor ditambah atau dikurangi. BACKWARD. Artinya. CASHFLOW dan RETURN) ke kotak sebelah kanan. 3) Kemudian pindahkan semua variabel yang akan diuji korelasinya (dalam hal ini variabel ROI. Error of the Estimate . apabila variabel TK dan Par SBL naik 100 maka kinerja BB naik pula sebesar 48. Adjusted R2 Nilai ini digunakan untuk mengatasi kelemahan koefisien determinasi (R 2).1)/(n .(1 . Tingkat Partisipasi SBL.481 dapat disimpulkan bahwa hubungan antara TK dan Par SBL dengan Kinerja BB bersifat positip sebesar 48. peneliti dapat menggunakan nilai Adjusted R Square.1.481 a . R2 = Adjusted Coefficient of Determination Soekirno DS / Akuntansi UNY/ 08122755756 20 . Metode lainnya adalah metode STEPWISE.1.81932 a. yaitu apabila jumlah variable predictor ditambah maka nilai R2 pasti meningkat sebaliknya akan menurun apabila variable predictor dikurangi jumlahnya.1%.113 Std. Sedangkan kotak INDEPENDENT(S) isilah variabel ROI DAN CASHFLOW. REMOVE. 4) Setelah itu klik kotak OK. Sebaliknya bila TK dan Par SBL turun 100 maka kinerja BB turun 48. dan FORWARD.232 Adjusted R Square .k . Kotak Dependent isilah variabel RETURN.R2 )((n . _ R2 = 1. Ada kalanya agar terhindar dari bias penambahan variable independent. Dalam hal ini kita menggunakan metode ENTER. untuk mengevaluasi model regresi terbaik atau menentukan besarnya koefisien determinasi dianjurkan menggunakan Adjusted R2. SPSS akan menggunakan metode ENTER sebagai default. Oleh karena itu. Tekanan Kerja Komentar: Berdasarkan nilai R sebesar . Predictors: (Constant).1)) where: R2 = Coefficient of Determination . Model Summary Model 1 R R Square . maka akan tampak hasil korelasi sebagai berikut. Metode ini berarti bahwa kita akan mengkorelasikan seluruh data pada ketiga variabel tanpa ada pengecualian atau pentahapan tertentu.Pelatihan Analisis Data UNY 2008 2) Maka akan tampak menu Linear Regression sebagai berikut.

1% lebih besar dari 5%..1)/(100 .(. Tekanan Kerja b. Cari t hitung dengan rumus: Fh = R2 / k (1 − R 2 ) / ( n − k − 1) Rumus 10 Soekirno DS / Akuntansi UNY/ 08122755756 21 . Basic Econometrics) Standard Error of the Estimate (SEE) Nilai kesalahan yang akan terjadi apabila model persamaan regresi digunakan untuk memprediksi.181 dapat disimpulkan bahwa dugaan ada hubungan antara TK dan Par SBL dengan Kinerja BB adalah salah atau ditolak..315 .89468 Adjusted / Modified _ R 2 = R 2 (1 − k / N ) (gujarati damodar. n=100.9)((100 . 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 2.1)) = 1 .181 a a.105319 = . Predictors: (Constant).. Atau dapat dikatakan secara statistik tidak ada pengaruh TK dan SBL terhadap Kinerja BB. . then _ R2 = 1 .629 8.5 . karena nilai signifikansi F besarnya 18.671 F 1.12 = 2 2 rY 1 + rY 2 − 2ry1 ry 2 r12 2 1 − r12 1.1)(1.(1 .959 Sig. Dependent Variable: Kinerja Pegawai BB Berdasarkan nilai signifikansi F sebesar .356 df 2 13 15 Mean Square 1. Tingkat Partisipasi SBL.05319) = 1 . R y. and k=5.727 11. Semakin kecil SEE semakin baik model regresi digunakan untuk memprediksi.9.(1 .9)(99/94) = 1 .Pelatihan Analisis Data UNY 2008 n = number of observations k = number of Independent Variables for example: when R2 =.

228 a .Pelatihan Analisis Data UNY 2008 Dimana : Fh = F hitung yang selanjutnya dibandingkan dengan F tabel R2 = koefisien korelasi ganda k = jumlah variabel independen n = Jumlah angota sampel Sumbangan Relatif (SR) Total SR semua variable predictor harus sama dengan 100% a ∑ x1y JK reg b∑ x 2 y JK reg SR X 1 = x100% SR X 2 = x100% SR X 1 = SR x1 0.7%) pada regresi ganda SEx1 = SRx1 R2 SEx1 = 63. roi Soekirno DS / Akuntansi UNY/ 08122755756 22 . dimana m = jumlah predictor m(1 − R 2 ) c.67%) a ∑ x1 y + b∑ x 2 y r= ∑y R2 = ∑y R2 = (SSY-SSE)/SSY SSY = SSE + Regression sum of squares (RSS) SSY = ∑ (Yi − Y ) 2 = i =1 n Total sum square. SSE = ∑ (Yi − Yi ) 2 = i=1 n ^ residual sum squares RSS = ∑ (Y i − Y ) 2 i= 1 n ^ . F= R 2 ( N − m − 1) .867 SEx1 = 0.525 = 36.867 = 86.24980 a.5503 (55.588 x14.6 x100% 13.03%) a ∑ x1 y + b∑ x 2 y SEx2 = SRx2 R2 SEx2 = 36.052 Adjusted R Square -. Setelah variable dimasukkan ke kotak test variable maka akhirnya kita akan memperoleh hasil sebagai berikut. Error of the Estimate 6. Hip = Ada pengaruh cash flow dan ROI terhadap return saham Untuk menguji ini menggunakan perintah Analyze – Regression – Linear.386 x12.47% SR X 2 = SR x 2 0. Model Summary Model 1 R R Square . Predictors: (Constant).47% x 0.3167 (31. cflow.8 x100% 13.525 = 63.53% Sumbangan Efektif (SE) Total SE semua variable predictor harus sama dengan R2 (0.53% x 0.867 SEx2 = 0.219 Std.

420 288.400 df 2 7 9 Mean Square 7.05194 (R Square) dengan nilai F sebesar 0.704976 – 0.8297 (82.705 6.586 -. Karena nilai Signifikansi F lebih besar dari 5% maka hipotesis yang menyatakan “Ada pengaruh antara ROI dan CASHFLOW dengan RETURN Perusahaan” ditolak.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 .024 Sig.97%).009 t 1.490 39.123 .981 a. Predictors: (Constant).004218 CASHFLOW + 0. 2) Adapun berdasarkan uji regresi ini pula dapat diketahui persamaan regresinya sebagai berikut. Dependent Variable: return a Coefficients Model 1 (Constant) roi cflow Unstandardized Coefficients B Std.122584 ROI 3) Namun demikian berdasarkan nilai signifikansi T-nya. Y = 13.209 -. Hal itu berarti besar kecilnya ROI dan CASHFLOW persuahaan secara bersama-sama tidak akan mempengaruhi besaran Return yang akan diterima oleh investor.938 .830 a Regression Residual Total a.225 -. Error 13. Dependent Variable: return 1) Berdasarkan hasil analisis korelasi tersebut maka besarnya korelasi antara ROI dan CASHFLOW dengan RETURN adalah 0.004 .060 F .975 . . . cflow.980 273.192 Sig.175 Standardized Coefficients Beta . roi b. dapat disimpulkan bahwa tidak satupun dari kedua variabel independen tersebut (ROI maupun CASHFLOW) yang memiliki pengaruh signifikan terhadap RETURN.19175 signifikan pada 0.576 .089 .

190 1.533 2.968 0.776 0.175 1.862 0.284 0.171 0.783 0.938 0.746 1.950 0.292 1.270 2.167 1.766 0.508 1.836 0.976 0.943 1.50 0.134 1.154 1.504 1.873 0.699 1.479 1.173 1.876 0.617 1.447 1.200 1.634 2.291 2.676 1.866 0.076 1.291 1.675 0.025 12.796 1.473 2.943 0.273 1.344 1.221 1.288 1.108 1.571 2.353 2.687 0.685 0.225 1.849 0.688 0.350 1.189 1.847 0.941 0.812 1.753 1.650 0.074 2.758 0.476 1.177 3.282 1.729 1./ + 63.449 1.415 1.939 0.767 0.057 1.845 0.287 1.778 1.691 0.250 1.986 0.20 1.038 0.15 0.976 1.321 1.230 1.15 1.286 1.769 0.325 1.214 1.952 0.031 1.954 0.851 0.055 1.067 1.896 0.653 1.706 1.706 0.574 1.061 1.845 0.289 1.512 1.405 2.816 0.858 0.485 1.604 1.664 1.482 1.697 1.316 1.323 1.883 0.066 1.058 1.942 0.957 0.262 2.844 0.182 1.30 0.697 0.977 1.009 2.363 1.938 0.045 1.766 0.856 0.477 1.708 1.771 0.376 1.360 2.10 3.05 6.160 2.341 1.677 0.760 0.372 1.443 0.45 0.290 1.677 0.758 0.414 1.440 1.920 2.963 0.157 1.855 0.861 0.638 1.937 0.000 1.179 1.819 0.058 1.767 0.854 0.848 0.994 1.041 1.240 1.064 1.689 0.177 1.176 1.25 0.042 1.052 2.845 0.Pelatihan Analisis Data UNY 2008 Tabel t – student (atas 2phk.938 0.686 0.303 3.969 0.328 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%): .119 1.662 1.330 1.677 0.397 1.659 1.180 1.677 0.686 0.906 0.779 0.0125 25.453 1.980 0.688 0.110 2.345 1.041 1.040 1.936 0.368 2./ + 12.856 0.946 0.013 1.671 1.086 2.718 0.205 4.423 2.500 1.657 1.865 0.758 0.179 2.963 1.756 0.080 2.846 0.329 2.458 1.445 1.131 2.993 0.960 0.164 1.846 0.978 1.254 1.294 1.759 0.879 0.683 0.462 1.763 0.078 1.684 1.318 1.949 0.548 1.185 1.530 1.048 2.676 0.194 1.093 2.337 1.769 0.777 0.889 0.365 2.314 2.632 1.071 1.423 1.25 1.253 2 PIHAK Batas (1%): ./ + 6.156 1.456 1.958 0.951 0.356 1.105 1.969 2.445 2.765 0.159 1.280 2.757 0.841 2.125 2.678 0.074 1.683 0.833 1.684 0.120 2.761 1.857 0.289 1.174 1.132 2.860 0.063 1.681 0.044 1.333 1.517 1.711 0.301 1.660 1.940 0.268 2.145 2.088 1.692 0.495 3.858 0.414 2.210 1.447 1.385 2.533 1.759 0.953 0.452 1.920 0.538 1.593 2.734 1.650 1.703 0.706 4.980 1.447 2.160 1.782 1. bawah 1 phk) Taraf Alpha db 0.069 2.701 1.158 1.266 2.752 2.658 1.155 1.045 2.175 1.771 0.060 2.843 0.228 2.843 0.042 2.774 0.703 1.364 2.10 0.758 0.021 2.972 1.450 1.156 1.448 1.311 1.684 0.483 1.741 0.313 1.676 0.163 2.684 0.786 0.043 1.740 1.015 1.699 1.844 0.276 2.451 1.156 1.057 1.489 1.955 0.965 0.025 0.191 1.725 1.373 2.781 0.761 0.870 0.310 1.20 0.040 1.264 2.155 1.288 1.433 2.458 2.961 0.695 0.162 1.182 2.05 0.452 6.676 0.939 0.178 1.492 1.771 1.982 1.727 0.767 0.690 0.950 0.039 1.714 1.165 2.860 1.000 0.101 2.391 2.153 0.050 1.156 1.083 1.042 1.187 1.056 1.866 0.685 0.468 1.480 1.296 1.757 0.700 0.064 2.055 1.941 0.047 1.197 1.770 0.061 0.299 2.768 0.886 1.523 1.854 0.66 Batas (5%): .272 2.984 1.895 1.560 2.510 2.656 1.398 2.311 2.209 1.35 0.800 0.978 0.383 1.059 1.056 2.790 0.844 0.306 2.183 1.972 0.069 1.694 0.655 1.794 0.497 1.773 0.859 0.315 1.987 1.100 1.319 1.683 0.201 2.758 0.938 0.667 1.487 1.772 0.956 0.711 1.679 0.952 0.82 Batas (5%): .967 0.559 1.592 1.679 0.494 1.258 2.776 2.299 1.931 0.31 Soekirno DS / Akuntansi UNY/ 08122755756 24 .868 0.40 0.721 1.808 0.678 0.490 2.386 1.939 0.379 2.863 0.990 1.284 2.685 2.760 0.060 1.075 4.717 1.303 1.204 1.855 0.676 0.079 1.001 0.765 0.041 1.924 1./ + 31.093 1.314 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