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

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

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

50 2. Lanjutkan dengan menekan menu OPTION pada kanan bawah.564 . Pilihlah nilai yang ingin dicari dengan cara mengklik kotak kecil didepan nilai yang diinginkan.50 3.564 .564 Soekirno DS / Akuntansi UNY/ 08122755756 5 .50 6. Caranya klik variabel yang bersangkutan kemudian klik tanda panah kecil yang ada dintara kedua kotak tersebut. Deviation Standard. f. -. Range. Median. Mode. dan yang lainnnya maka dari menu utama SPSS tersebut klik menu STATISTICS. Untuk membatalkan klik kembali kotak yang bersangkutan. Skewness. 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.4219 5.263 Tekanan Kerja Tingkat Partisipasi Kinerja Pegawai Kinerja Pegawai Valid N (listwise) Error .2083 4. Nilai Maximum.93054 . Demikian seterusnya berlaku pula untuk nilai yang lain.29 6. Kurtosis. d.8839 4.564 .00 Mean Statistic 3.3828 Std. 1) Nilai Statistik Induk Descriptive Statistics N Statistic 16 16 16 16 16 Minimum Statistic 1. Jumlah.84875 . e. Apabila semua variabel ingin dicari nilai statistik deskriptive-nya maka pindahkan semua variabel ke kotal sebelah kanan. Setelah itu maka SPSS akan kembali pada kotak sebelumnya (DESCRIPTIVES).86948 1. Maka hasil perhitungan dan nilai yang kita inginkan akan tampak di layar.066 -. c.053 .436 -. maka kliklah kotak kecil depan kata Mean. Nilai Minimum. Misalnya kita akan mengetahui berapa nilai Mean.Pelatihan Analisis Data UNY 2008 a. Akhiri dengan mengklik kotak OK. Selanjutnya akan tampak gambar berikut ini.50 Maximum Statistic 4. Kemudian akan muncul kotak dialog sebagai berikut. Misalnya apabila menghendaki nilai Mean.43 2.55018 Skewness Statistic Std.38 8. Deviation Statistic . g. b. Apabila sudah diisikan semua nilai yang ingin dicari akhiri dengan mengklik kotak CONTINUE.

2. c. Nilai rerata variable penelitian berturutan tekanan kera.0 100.0 60.Pelatihan Analisis Data UNY 2008 Berdasarkan table statistic induk di atas dapat diinterpretasikan beberapa kesimpulan berikut ini. 4. Nilai rerata variable penelitian berada pada nilai tinggi (lebih dari tiga).0 60. Variabel Tunggal (Single Table) Jenis Kelamin Frequency 4 6 10 Percent 40.2007 3 Frequency 2 1 0 50 60 70 80 90 100 Mean =75. Frekuensi pegawai yang berkinerja di sekitar nilai rerata sama mulai dari kelas interval ke 2 hingga kelas interval ke 5. Dev.0 Valid Percent 40. Nilai rerata kinerja sebesar 75. b. b.0 Cumulative Percent 40. Variabel tekanan kerja memiliki kecenderungan homogenitas data lebih tinggi dibandingkan variable lain. Hal ini ditunjukkan oleh nilai SD yang tertinggi yaitu sebesar 1. e. Kinerja pegawai setelah memiliki variasi data tertinggi (lebih heterogen) daripada variable lain. KINERJA PERUSAHAAN PERBANKAN DI BEJ TAHUN 2000 .849. Perintahnya da di Chart – Histogram. yang berarti hanya sebagian kecil pegawai berkinerja tinggi sekali atau rendah sekali. 4. karena nilai SD terkecil yaitu sebesar 0. Kebanyakan pegawai memiliki kinerja di sekitar rerata 75.1 menunjukkan bahwa kinerja perusahaan dapat dikatakan bagus (di atas 60) c. a. dan 5. d.1.0 100.0 Valid l p Total Soekirno DS / Akuntansi UNY/ 08122755756 6 .0 100. Sebaran data dari nilai mean 75. Nilai skewness variable tekanan kerja. Distribusi data mengikuti kurve normal.1 Std. Skor rerata kinerja pegawai setelah (keempat) memiliki kecenderungan sangat tinggi.55.995 N =10 Kinerja Komentar: Berdasarkan histogram di atas dapat disimpulkan beberapa hal: a. a. 3) Tabulasi Dalam analisis data kita bias sajikan data itu berkelompok dengan menggunakan table. Hal ini menujukkan bahwa jumlah pegawai yang kinerjanya di bawah dan di atas nilai rerata hamper sama.1 merata.4. kinerja pegawai sebelum (ketiga) dan tingkat partisipasi negative menandakan bahwa kecenderungan nilai mengumpul di bawah nilai rerata. kinerja sebelum. dan kinerja setelah adalah 3. tingkat partisipasi. 2) Histogram Kita juga dapat membuat histogram dengan data yang kita miliki. d.4.9. =11. Tabulasi data bisa dikerjakan dalam bentuk table tunggal dan table silang.

sedangkan nilai partisipasi selain itu masingmasing jumlahnya satu orang. Dengan demikian dapat diambil kesimpulan bahwa kinerja pegawai nonperbankan lebih tinggi daripada kinerja pegawai perbankan.1. Lebih banyak pegawai perempuan daripada pegawai laki-laki pada perusahaan. Soekirno DS / Akuntansi UNY/ 08122755756 7 .2. Crosstab default spss Partisipasi Sebelum * Jenis Kelamin Crosstabulation Count Jenis Kelamin l p 1 0 1 0 1 0 0 1 0 4 Total 0 1 0 1 0 1 1 1 1 6 1 1 1 1 1 1 1 2 1 10 Partisipasi Sebelum 32 53 54 59 67 68 74 87 91 Total Berdasarkan table di atas diketahui partisipasi pegawai yang terbanyak frekuensinya adalah 87 (dua orang) yaitu dua orang. Crosstab custom Jenis Perusahaan NON PERBANKAN PERBANKAN Mean Mean 4. dan tertinggi sebesar 91 sejumlah 1 orang yaitu pegawai perempuan. Partisipasi pegawai sebelum terendah adalah 32 sejumlah 1 orang yaitu dari pegawai lelaki.Pelatihan Analisis Data UNY 2008 Berdasarkan table di atas diketahui pegawai laki-laki berjumlah 4 orang (40%) dan responden perempuan berjumlah 6 orang (605). b.16 dan perusahaan nonperbankan 4.16 Kinerja Pegawai Berdasarkan table di atas diketahui rerata kinerja pegawai perusahaan perbankan adalah 4.69 4.69. b. Variable Ganda (Crosstab) b.

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

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

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

Run SPSS pada pilihan Analyze – Compare Mean – Paired Sample T Test Ada dua jenis uji hip komparatif sample saling berkorelasi.639 df 14 Sig.3333 Std. Uji Hipotesis Komparatif a.07201 One-Sample Test Test Value = 4 95% Confidence Interval of the Difference Lower Upper 8.Pelatihan Analisis Data UNY 2008 5% One-Sample Statistics N MT 15 Mean 14. Buatlah dugaan b. 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. Error Mean 1. yaitu uji dua pihak dan uji satu pihak. (2-tailed) .0341 12.3333 5.000 Mean Difference 10.6326 MT t 9. Buat gambar kurva normal Soekirno DS / Akuntansi UNY/ 08122755756 11 . Selengkapnya dideskripsikan sebagai berikut. Deviation 4.15188 Std. 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.

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

226 Paired Samples Correlations N Pair 1 MT & PT 15 Correlation .72 Std error mean: Sd / √n adalah sebesar 0. Te jatuh didaerah diarsir maka hip yang menyatakan X1 ≤ X2 ditotak e. Tentukan dan batas nilai T table (Tt) pada kurva c.0667 N 15 15 Std. Tuliskan nilai Te pada kurva d.669 Sig. sd adalah 0. .39601 Pair 1 MT PT N = jumlah sample = jumlah sample adalah 10 Mean = ∑X / N. sebaliknya bila Te ≤ Tt maka hip yang menyatakan X1 ≤ X2 diterima.8 Sd = ∑ (X – X)2 / (n – 1). Deviation 4. reratanya adalah 3. Te jatuh didaerah tidak diarsir maka hip yang menyatakan X1 ≤ X2 diterima 5% Paired Samples Statistics Mean 14. 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.53375 Std. Error Mean 1. TS /2 > 5% maka hip yang menyatakan X1 ≤ X2 diterima.3333 4.006 Soekirno DS / Akuntansi UNY/ 08122755756 13 .07201 .15188 1.Pelatihan Analisis Data UNY 2008 TS /2 ≤ 5% dan Te > Tt maka hip yang menyatakan X1 ≤ X2 ditolak. Buat gambar kurva normal b.

Pelatihan Analisis Data UNY 2008 Paired Samples Test Paired Differences 95% Confidence Interval of the Difference Lower Upper 8. a 2 pihak H0 = Rerata X1 = X2 Ha = Rerata X1 ≠ X2 Dasar pengambilan keputusan: Berdasar taraf signifikansi empiric (TS) TS ≤ 5% maka hip yang menyatakan X1 = X2 ditolak TS > 5% maka hip yang menyatakan X1 = X2 diterima Berdasarkan t empiric (TE) TE < Tt maka hip yang menyatakan X1 = X2 diterima TE ≥ Tt maka hip yang menyatakan X1 = X2 ditotak Menggunakan kurva Langkah-langkah : a. maka gunakan nilai t yang baris pertama (equal variance) Ada dua jenis uji hip komparatif sample saling bebas. Error Mean . Deviation 3.PT Mean 10.4244 12.1089 Pair 1 MT .000 b. apabila > 5 %.32666 Std. Selengkapnya dideskripsikan sebagai berikut.2. INDEPENDEN SAMPLE T TEST Dan perlu melihat nilai F untuk menentukan nilai Te yang digunakan dari print out SPSS. VAR Max VARMin b. Buat gambar kurva normal b.2667 Std. Tuliskan nilai Te pada kurva Soekirno DS / Akuntansi UNY/ 08122755756 14 . 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. (2-tailed) . Buatlah dugaan b. yaitu uji dua pihak dan uji satu pihak. X1 − X 2 t= ( n1 − 1) S12 + ( n2 − 1) S 22 1 + 1 n1 + n2 − 2 n1 n2 LANGKAH UJI : a. Run SPSS pada pilihan Analyze – Compare Mean – Independence Sample T Test c.85894 t 11.1. Lihat Nilai signifikansi F.953 df 14 Sig. Tentukan dan batas nilai T table (Tt) pada kurva c. Apabila varian kedua kelompok homogen maka rumus t yang digunakan adalah sebagai berikut.

Te jatuh didaerah diarsir maka hip yang menyatakan X1 = X2 ditotak e. Te jatuh didaerah diarsir maka hip yang menyatakan X1 ≥ X2 ditotak e.Pelatihan Analisis Data UNY 2008 d. TS /2 > 5% maka hip yang menyatakan X1 ≥ X2 diterima Berdasarkan t empiric (TE) TE < . 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.Tt maka hip yang menyatakan X1 ≥ X2 ditolak TE ≥ .Tt maka hip yang menyatakan X1 ≥ X2 diterima Menggunakan kurva Langkah-langkah : a. Te jatuh didaerah tidak diarsir maka hip yang menyatakan X1 ≥ X2 diterima 5% 2) pihak kanan Ha = Rerata X1 ≤ X2 H0 = Rerata X1 > X2 Dasar pengambilan keputusan: Berdasar taraf signifikansi empiric (TS) TS /2 ≤ 5% dan Te > Tt maka hip yang menyatakan X1 ≤ X2 ditolak. sebaliknya bila Te < Tt maka hip yang menyatakan X1 ≥ X2 ditolak.5 % 2.5 % b. Soekirno DS / Akuntansi UNY/ 08122755756 15 . sebaliknya bila Te ≤ Tt maka hip yang menyatakan X1 ≤ X2 diterima. Buat gambar kurva normal b.

t df Sig.26784 6.2886 X = rerata real tn-1. (Sd / √n) Lower = X – tn-1. Te jatuh didaerah tidak diarsir maka hip yang menyatakan X1 ≤ X2 diterima 5% Independent Samples Test Levene's Test for Equality of Variances t-test for Equality of Means 95% Confidence Interval of the Difference Lower Upper -3.α/2 .44585 -3.3114 Soekirno DS / Akuntansi UNY/ 08122755756 16 . (Sd / √n) = 3.529 Mean difference = X .95 = 5 dibagi dua 2. 1 .8 + (2.23793 2. 1 .04562 F MT Equal variances assumed Equal variances not assumed Sig.α/2 = nilai t table dengan df n-1 pada alfa (1 – .226) = 1.262 x (0. (Sd / √n) = X – tn-1.381 .22363 6. Tuliskan nilai Te pada kurva d. Te jatuh didaerah diarsir maka hip yang menyatakan X1 ≤ X2 ditotak e.822 .. 1 .546 .µ Confidence interval difference: X ± tn-1.5 karena dua pihak (Sd / √n) = nilai SD dibagi akar n (jumlah sample) Upper = X + tn-1.621 .648 13 12. 1 .α/2 .8 – (2.α/2 .226) = 0.3889 Std. Error Difference 2. (Sd / √n) = 3. 1 .262 x (0. 1 .α/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.14332 .95)/2) untuk uji dua pihak dengan alfa 5%. (2-tailed) Mean Difference 1.3889 1. Tentukan dan batas nilai T table (Tt) pada kurva c. Buat gambar kurva normal b.314 .

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

Pelatihan Analisis Data UNY 2008 b.000 Tingkat Hubungan Sangat rendah Rendah Sedang Kuat Sangat kuat a. 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.399 0.0. Uji 1 Pihak Pihak Kanan Ha = Hubungan X dengan Y ≤ 0.0.599 0. berikut ini.20 .799 0.00 .60 H0 = Hubungan X dengan Y < 0.60 .80 .60 Pihak Kiri Ha = Hubungan X dengan Y ≥ 0.60 PEDOMAN UNTUK MEMBERIKAN INTERPRETASI KOEFISIEN KORELASI Interval Koefisien 0.199 0. 1) Klik menu STATISCTICS-CORRELATE-BIVARIATE.1. Untuk menguji hipotesis ini maka lakukanlah prosedur berikut ini. 2) Maka akan tampak menu Bivariate Correlation sebagai berikut.60 H0 = Hubungan X dengan Y > 0.40 .0.0. Untuk memindahkan Soekirno DS / Akuntansi UNY/ 08122755756 18 .

7% menjadi: Tidak ada hubungan TK dan BB dengan signifikansi sebesar 0.367 16 1 . Dugaaan yang menyebut ada hubungan antara TK dengan BB salah atau ditolak. b. Seandainya data tersebut berskala ordinal maka kita pilik teknik korelasi SPEARMAN. berarti ada hubungan negatip antara TK dengan BB. Untuk menguji hipotesis ini maka lakukanlah prosedur berikut ini. sebaliknya bila TK naik 100. atau F empirik tetap sama yaitu r = -. Jadi tidak ada hubungan antara TK dengan BB.367 16 Kinerja Pegawai BB -. berdasar nilai r = -.367 / 2 = . Soekirno DS / Akuntansi UNY/ 08122755756 19 . Dalam hal ini digunakan korelasi dari PEARSON (karena datanya interval atau ratio).367 (36. t.2.2%.242 .242 . 16 Tekanan Kerja Kinerja Pegawai BB Pearson Correlation Sig. 2. berikut ini. jadi . Sedangkan nilai r. Kalau duji dengan sepihak (one tail). karena nilai signifikansi r lebih besar dari 5%. Setelah itu menentukan teknik korelasi yang sesuai dengan skala data. Artinya kalau BB naik 100 TK turun 24. Correlations Tekanan Kerja 1 . Signifikansi 5% (atau signifikan pada 5%) berarti besarnya hubungan (nilai r atau korelasi pearson) itu apabila digunakan untuk memprediksi akan memiliki kesalahan 5%. maka nilai signifikansi dua pihak tinggal dibagi dua. 4) Setelah itu klik kotak OK. karena nilai signifikansi r = . 16 -.242.242 sama dengan – 24. Hip : Ada pengaruh ROI dan CASFLOW terhadap RETURN Perusahaan.7%) lebih besar dari 5%. BB turun 24.Pelatihan Analisis Data UNY 2008 variabel tersebut klik variabel satu-per satu dengan tanda panah kecil di tengah. t= r n −2 1−r2 3. maka akan tampak hasil korelasi sebagai berikut. (2-tailed) N Jawaban : 1. Sehingga interpretasinya bergeser dari tidak ada hubungan TK dan BB yang ditunjukkan nilai sig sebesar 36.2.1835.1835 (lebih besar dari 5%). Atau tidak ada hubungan signifikan antara TK dengan Kinerja BB. 1) Klik menu STATISCTICS-REGRESSION-LINEAR. (2-tailed) N Pearson Correlation Sig. Signifikansi nilai r dapat pula diuji dengan menggunakan uji t dengan persamaan sebagai berikut.

Metode lainnya adalah metode STEPWISE.113 Std. Artinya. SPSS akan menggunakan metode ENTER sebagai default. 3) Kemudian pindahkan semua variabel yang akan diuji korelasinya (dalam hal ini variabel ROI. _ R2 = 1. Adjusted R2 Nilai ini digunakan untuk mengatasi kelemahan koefisien determinasi (R 2). apabila variabel TK dan Par SBL naik 100 maka kinerja BB naik pula sebesar 48.481 dapat disimpulkan bahwa hubungan antara TK dan Par SBL dengan Kinerja BB bersifat positip sebesar 48. Model Summary Model 1 R R Square . BACKWARD. Nilai ini dapat turun atau naik walaupun variable predictor ditambah atau dikurangi. REMOVE. CASHFLOW dan RETURN) ke kotak sebelah kanan. R2 = Adjusted Coefficient of Determination Soekirno DS / Akuntansi UNY/ 08122755756 20 . Tekanan Kerja Komentar: Berdasarkan nilai R sebesar .1. Dalam hal ini kita menggunakan metode ENTER. dan FORWARD. 4) Setelah itu klik kotak OK. Sedangkan kotak INDEPENDENT(S) isilah variabel ROI DAN CASHFLOW. Ada kalanya agar terhindar dari bias penambahan variable independent.232 Adjusted R Square .Pelatihan Analisis Data UNY 2008 2) Maka akan tampak menu Linear Regression sebagai berikut. Sebaliknya bila TK dan Par SBL turun 100 maka kinerja BB turun 48. Predictors: (Constant).1%. maka akan tampak hasil korelasi sebagai berikut. Oleh karena itu. Metode ini berarti bahwa kita akan mengkorelasikan seluruh data pada ketiga variabel tanpa ada pengecualian atau pentahapan tertentu. untuk mengevaluasi model regresi terbaik atau menentukan besarnya koefisien determinasi dianjurkan menggunakan Adjusted R2.481 a .1)) where: R2 = Coefficient of Determination . Kotak Dependent isilah variabel RETURN.1. Tingkat Partisipasi SBL. Error of the Estimate .R2 )((n .k .81932 a.(1 . 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.1)/(n .

then _ R2 = 1 .315 .9)(99/94) = 1 . Predictors: (Constant).(1 . Cari t hitung dengan rumus: Fh = R2 / k (1 − R 2 ) / ( n − k − 1) Rumus 10 Soekirno DS / Akuntansi UNY/ 08122755756 21 .181 a a.(.12 = 2 2 rY 1 + rY 2 − 2ry1 ry 2 r12 2 1 − r12 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 2.1)) = 1 .1)(1.105319 = .629 8. R y.671 F 1.5 . n=100. Basic Econometrics) Standard Error of the Estimate (SEE) Nilai kesalahan yang akan terjadi apabila model persamaan regresi digunakan untuk memprediksi. Tekanan Kerja b.05319) = 1 .9..959 Sig. karena nilai signifikansi F besarnya 18. Atau dapat dikatakan secara statistik tidak ada pengaruh TK dan SBL terhadap Kinerja BB.(1 . Tingkat Partisipasi SBL.9)((100 . and k=5..356 df 2 13 15 Mean Square 1..1)/(100 .Pelatihan Analisis Data UNY 2008 n = number of observations k = number of Independent Variables for example: when R2 =.1% lebih besar dari 5%.89468 Adjusted / Modified _ R 2 = R 2 (1 − k / N ) (gujarati damodar.181 dapat disimpulkan bahwa dugaan ada hubungan antara TK dan Par SBL dengan Kinerja BB adalah salah atau ditolak. Semakin kecil SEE semakin baik model regresi digunakan untuk memprediksi. .727 11. Dependent Variable: Kinerja Pegawai BB Berdasarkan nilai signifikansi F sebesar .

47% x 0. Setelah variable dimasukkan ke kotak test variable maka akhirnya kita akan memperoleh hasil sebagai berikut.525 = 63. Predictors: (Constant).5503 (55. Hip = Ada pengaruh cash flow dan ROI terhadap return saham Untuk menguji ini menggunakan perintah Analyze – Regression – Linear.53% x 0.386 x12.47% SR X 2 = SR x 2 0.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. Error of the Estimate 6.03%) a ∑ x1 y + b∑ x 2 y SEx2 = SRx2 R2 SEx2 = 36. dimana m = jumlah predictor m(1 − R 2 ) c.53% Sumbangan Efektif (SE) Total SE semua variable predictor harus sama dengan R2 (0.3167 (31.8 x100% 13. SSE = ∑ (Yi − Yi ) 2 = i=1 n ^ residual sum squares RSS = ∑ (Y i − Y ) 2 i= 1 n ^ .228 a . roi Soekirno DS / Akuntansi UNY/ 08122755756 22 .588 x14.67%) 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.867 SEx1 = 0.525 = 36.7%) pada regresi ganda SEx1 = SRx1 R2 SEx1 = 63. F= R 2 ( N − m − 1) .052 Adjusted R Square -.219 Std.24980 a.867 SEx2 = 0. Model Summary Model 1 R R Square .867 = 86.6 x100% 13. cflow.

586 -.938 .009 t 1. Predictors: (Constant). Error 13.192 Sig.704976 – 0. . Y = 13.97%). Dependent Variable: return a Coefficients Model 1 (Constant) roi cflow Unstandardized Coefficients B Std.060 F .225 -. cflow. Dependent Variable: return 1) Berdasarkan hasil analisis korelasi tersebut maka besarnya korelasi antara ROI dan CASHFLOW dengan RETURN adalah 0.576 . Karena nilai Signifikansi F lebih besar dari 5% maka hipotesis yang menyatakan “Ada pengaruh antara ROI dan CASHFLOW dengan RETURN Perusahaan” ditolak.975 .420 288.705 6. roi b.05194 (R Square) dengan nilai F sebesar 0.024 Sig.123 .004 .400 df 2 7 9 Mean Square 7.830 a Regression Residual Total a. Hal itu berarti besar kecilnya ROI dan CASHFLOW persuahaan secara bersama-sama tidak akan mempengaruhi besaran Return yang akan diterima oleh investor.8297 (82.175 Standardized Coefficients Beta .Pelatihan Analisis Data UNY 2008 ANOVAb Model 1 Sum of Squares 14.19175 signifikan pada 0.209 -.089 .004218 CASHFLOW + 0.122584 ROI 3) Namun demikian berdasarkan nilai signifikansi T-nya. . SELAMAT MENCOBA SEMOGA SUKSES BESERTA KITA SEMUA Soekirno DS / Akuntansi UNY/ 08122755756 23 .981 a. dapat disimpulkan bahwa tidak satupun dari kedua variabel independen tersebut (ROI maupun CASHFLOW) yang memiliki pengaruh signifikan terhadap RETURN.490 39. 2) Adapun berdasarkan uji regresi ini pula dapat diketahui persamaan regresinya sebagai berikut.980 273.

167 1.758 0.056 2.957 0.153 0.776 0.845 0.477 1.783 0.800 0.510 2.950 0.777 0.189 1.849 0.757 0.35 0.718 0.752 2.686 0.250 1.82 Batas (5%): .706 1.25 1.500 1.288 1.45 0.066 1.154 1.415 1.040 1.845 0.025 12.714 1.676 0.771 1.001 0.746 1.741 0.920 0.976 1.156 1.078 1.379 2.058 1.765 0.101 2.228 2.000 0.177 3.695 0.221 1.677 0.760 0.052 2.321 1.523 1.939 0.767 0.453 1.405 2.650 0.844 0.497 1.391 2.50 0.286 1.397 1.440 1.711 0.414 2.939 0.197 1.66 Batas (5%): .617 1.225 1.Pelatihan Analisis Data UNY 2008 Tabel t – student (atas 2phk.969 2.676 0.190 1.294 1.254 1.264 2.844 0.843 0.080 2.729 1.079 1.857 0.684 1.061 0.683 0.158 1.063 1.076 1.779 0.667 1.676 0.684 0.494 1.291 2.689 0.938 0.156 1.301 1.105 1.976 0.165 2.841 2.559 1.316 1.956 0.314 1.452 6.711 1.093 1.045 2.967 0.009 2.329 2.753 1.443 0.769 0.132 2.164 1.816 0.452 1.687 0.157 1.671 1.191 1.041 1.05 6.650 1.179 1./ + 12.372 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%): .160 2.071 1.449 1.879 0.548 1.721 1.031 1.653 1.906 0.699 1.043 1.790 0.678 0.972 0.31 Soekirno DS / Akuntansi UNY/ 08122755756 24 .952 0.175 1.769 0.350 1.638 1.119 1.946 0.860 0.353 2.368 2.086 2.725 1.262 2.662 1.134 1.592 1.873 0.574 1.688 0.771 0.969 0.074 1.356 1.365 2.059 1.708 1.064 1.808 0.110 2.15 1.173 1.178 1.886 1.538 1.258 2.414 1.253 2 PIHAK Batas (1%): .310 1.717 1.965 0.055 1.075 4.843 0.786 0.982 1.330 1.679 0.859 0.040 1.125 2.686 0.057 1.604 1.889 0.659 1.978 1.155 1.328 1.963 1.341 1.060 1.284 2.462 1.40 0.865 0.977 1./ + 6.485 1.678 0.984 1.772 0.057 1.931 0.768 0.863 0.487 1.870 0.20 0.447 1.697 0.866 0.855 0.468 1.311 2.337 1.131 2.289 1.025 0.819 0./ + 31.952 0.679 0.700 0.986 0.314 2.685 2.360 2.761 1.951 0.740 1.30 0.862 0.303 3.655 1.364 2.683 0.163 2.942 0.776 2.0125 25.482 1.664 1.508 1.958 0.844 0.677 0.067 1.876 0.445 1.761 0.683 0.943 0.941 0.473 2.376 1.284 0.088 1.325 1.993 0.990 1.048 2.145 2.727 0.943 1.159 1.706 0.093 2.021 2.681 0.593 2.447 1.287 1.185 1.533 1.266 2.060 2.949 0.774 0.270 2.895 1.451 1.240 1.856 0.676 1.866 0.868 0.015 1.854 0.000 1.273 1.847 0.201 2.445 2.069 1.25 0.938 0.319 1.398 2.476 1.175 1.200 1.039 1.660 1.955 0.685 0.323 1.861 0.05 0.657 1.288 1.938 0.794 0.318 1.385 2.883 0.20 1.056 1.756 0.042 1.038 0.770 0.299 1.290 1.182 1.299 2.512 1.448 1.765 0.699 1.703 0.480 1.373 2.180 1.782 1.530 1.306 2.083 1.291 1.458 1.896 0.289 1.697 1.856 0.836 0.658 1.684 0.490 2.940 0.495 3.938 0.758 0.571 2.758 0.766 0.423 2.177 1.447 2.179 2.685 0.676 0.771 0.854 0.759 0.042 2.280 2.10 3.692 0.108 1.492 1.688 0.675 0.758 0.182 2.041 1.978 0.156 1.313 1.987 1.773 0.936 0.363 1.044 1.174 1.634 2.214 1.209 1.458 2.690 0.848 0.760 0.691 0.383 1.074 2.858 0.684 0.939 0.960 0.766 0.961 0.058 1.345 1.920 2.205 4.045 1.423 1.194 1.187 1.160 1.069 2.845 0.162 1.533 2.155 1.694 0.047 1.489 1.282 1.10 0.767 0.479 1.767 0.013 1.833 1.703 1.183 1.954 0.042 1.100 1.292 1.204 1./ + 63.941 0.860 1.560 2.851 0.120 2.781 0.296 1.176 1.15 0.344 1.846 0.656 1.950 0.734 1.055 1. bawah 1 phk) Taraf Alpha db 0.757 0.968 0.315 1.272 2.483 1.156 1.050 1.759 0.953 0.701 1.268 2.763 0.758 0.677 0.386 1.963 0.517 1.450 1.041 1.677 0.980 1.210 1.333 1.994 1.846 0.937 0.061 1.230 1.311 1.812 1.433 2.276 2.504 1.456 1.972 1.855 0.706 4.796 1.778 1.303 1.632 1.858 0.980 0.924 1.171 0.064 2.

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

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

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

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

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

Master your semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

Master your semester with Scribd & The New York Times

Cancel anytime.