Modul Olahdatadgn SPSS23
Modul Olahdatadgn SPSS23
net/publication/342623438
CITATIONS READS
0 4,169
1 author:
Herispon Herispon
Sekolah Tinggi Ilmu Ekonomi Riau, Pekanbaru
37 PUBLICATIONS 8 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Causes of Micro, Small and Medium Enterprises Do Not Have Financial Reports (Case in Pekanbaru City, Indonesia) View project
All content following this page was uploaded by Herispon Herispon on 02 July 2020.
Oleh
HERISPON
A. Pendahuluan
Sebelum masuk kepada pembahasan tentang aplikasi regresi dengan program SPSS
sebaiknya diketahui beberapa hal yaitu :
1) Penelitian adalah kegiatan yang dilakukan secara terencana dan sistematis dengan
mengikuti konsep ilmiah untuk mendapatkan sesuatu yang objektif dan rasional tentang
sesuatu hal.
2) Variabel adalah suatu yang beragam atau bervariasi. Variabel dibedakan sebagai berikut :
a) Variabel tergantung/ Y (dependen) adalah variabel yang dipengaruhi oleh variabel lain
yang sifatnya tidak dapat berdiri sendiri, b) Variabel bebas/ X (independen) adalah
variabel yang memengaruhi variabel lain yang sifatnya berdiri sendiri.
3) Hipotesis adalah jawaban sementara tentang rumusan masalah penelitian yang belum
dibuktikan kebenarannya. Dalam hipotesis terdapat hipotesis nihil dan hipotesis alternatif,
yaitu sebagai berikut:
a. Hipotesis nihil atau nol hipotesis (Ho) adalah hipotesis yang menyatakan tidak adanya
hubungan antarvariabel.
b. Hipotesis alternatif atau hipotesis kerja (Ha) adalah hipotesis yang menyatakan
adanya hubungan antarvariabel
4) Signifikansi artinya meyakinkan atau berarti, dalam penelitian mengandung arti bahwa
hipotesis yang telah terbukti pada sampel dapat diberlakukan pada populasi. Tingkat
signifikansi 5% atau 0,05 artinya kita mengambil risiko salah dalam mengambil
keputusan untuk menolak hipotesis yang benar sebanyak-banyaknya 5% dan benar dalam
mengambil keputusan sedikinya 95%.
5) Populasi adalah suatu kelompok atau kumpulan subjek atau objek yang akan dikenai
generalisasi hasil penelitian. Sampel adalah bagian dari populasi yang akan diteliti.
6) Data adalah sesuatu yang digunakan atau dibutuhkan dalam penelitian, dengan
menggunakan parameter tertentu yang telah ditentukan. Jenis-jenis data adalah sebagai
berikut:
1. Data kualitatif adalah data yang dinyatakan dalam bentuk bukan angka, tetapi
berbentuk kata, kalimat, gambar atau bagan.
2. Data kuantitatif adalah data yang dinyatakan dalam bentuk angka. Tipe-tipe data
kuantitatif adalah sebagai berikut :
Regresi linear merupakan model persamaan yang didasarkan pada garis lurus yang
mencerminkan adanya hubungan linear antara variabel bebas (X) dengan variabel terikat (Y).
Garis lurus tersebut dapat didefinisikan dengan dua hal : 1) slope atau gradient yang diwakili
dengan notasi 1, 2) suatu titik dimana garis melintasi sumbu vertikal dalam grafik yang
disebut sebagai intercept dan diwakili dengan notasi a atau 0. Untuk memahami regresi
linear dengan benar maka dapat dilihat gambar garis regresi sebagai berikut :
6 X,Y (2,5)
2 a=3
0 1 2 3 4 5 X
Regresi menggunakan trend linear (garis lurus), maka persamaan regresi linear adalah
persamaan yang mengekspresikan hubungan linear antara variabel terikat dengan satu atau
lebih variabel bebas, adapun persamaan regresi dapat ditunjukkan sebagai berikut :
Y = a + bX + e atau
Y = 0 + 1X1 + (regresi sederhana : 1 variabel Y dan 1 Variabel X)
selanjutnya :
Y = a + b1X1 + b2X2 + e atau
Y = 0 +1X1 + 2X2 + ,,, + (regresi berganda: 1 variabel Y dan lebih dari 1
Variabel X)
dimana :
Y = variabel terikat/tergantung/dipengaruhi/kriterion
X = variabel bebas/independen/konstruk/predictor
a/0 = intercept/konstanta adalah nilai Y pada saat variabel bebas sama dengan nol.
b1,b2/1,2 = merupakan koefisien regresi jika hanya ada satu predictor, dan koefisien
regresi partial jika terdapat lebih dari satu predictor. Nilai ini juga mewakili
koefisien regresi baku (standardized) dan koefisien regresi tidak baku
(unstandardized). Koefisien regresi ini merupakan jumlah perubahan yang
terjadi pada Y yang disebabkan oleh perubahan nilai X, untuk menghitung
perubahan ini dapat dilakukan dengan cara mengalikan nilai prediktor
Pada dasarnya setiap mahasiswa di Perguruan Tinggi yang telah masuk dalam tahap
penyelesaian perkuliahan dan penyusunan tugas akhir di semester V dan VI untuk program
D-III atau skripsi di semester VII, VIII atau IX untuk program S.1 mempunyai kemampuan
untuk melakukan olah data dengan menggunakan excel dan program SPSS atau pengolah
data lainnya seperti SEM-AMOS, LISREL, PLS, Warp-PLS. Karena buku-buku, chapter
buku dan tutorial dalam bentuk CD, Video yang berkaitan dengan pengolahan data terutama
dengan SPSS cukup banyak tersedia dalam media internet. Permasalahan terletak pada
kemampuan, kemauan dan kesempatan yang dimiliki oleh masing-masing mahasiswa untuk
belajar secara mandiri (otodidak), pengolahan data dengan SPSS dapat dipelajari secara
mandiri, dengan bantuan orang lain, atau masuk les pengolahan data. Kelemahan lain dalam
olah data yang diambil dari internet adalah sebagian dari penyajiannya tidak tuntas sehingga
mahasiswa yang mempelajari sedikit bingung atau tidak bisa menuntaskannya.
Kenyataan yang banyak dijumpai pada sebagian mahasiswa yang menyusun skripsi
lebih suka atau cenderung melakukan penelitian dengan menggunakan instrumen kuesioner,
tapi masalahnya banyak mahasiswa yang tidak tau cara mengolah data kuesionernya terutama
mahasiswa yang berasal dari daerah atau yang jauh dari pusat kota, tapi kondisi ini tidaklah
menjadi alasan kuat untuk dapat mengetahui dan memahami olah data terutama dengan
SPSS.
1. Aktifkan komputer /Laptop lalu klik icon SPSS yang ada Desktop / shortcut / folder
(tertulis IBM SPSS Statistic).
Sebenarnya gambar layar kerja diatas tampil dalam satu bidang, hanya untuk membedakan
dimunculkan dua layar kerja yaitu : 1) variable view yaitu untuk menginput data deskripsi
dari responden (umur, pendidikan, pekerjaan, lama bekerja, golongan, bagian dan
seterusnya), selanjutnya untuk menginput variabel atau item pernyataan yang digunakan
dalam kuesioner penelitian (jumlahnya sesuai dengan kebutuhan penelitian). 2) data view
yaitu layar kerja untuk menginput semua data yang telah disajikan pada layar kerja variable
view.
Maka akan muncul jendela Frecuencies-nya, pada kotak dialog Frecuencies Variabel umur,
jenis kelamin, masa berkerja, Pendidikan terakhir dan diklat yang merupakan indentitas
responden dimasukkan dalam kotak Varible(s) dengan cara meng-klik tanda panah disamping
kotak tersebut sehingga hasilnya seperti gambar di bawah ini :
Maka akan muncul jendela Frecuencies-nya, pada kotak dialog Frecuencies Variabel Q1
sampai Q22 yang merupakan jawaban responden dimasukkan dalam kotak Varible(s) dengan
cara meng-klik tanda panah disamping kotak tersebut sehingga hasilnya seperti Gambar di
bawah ini :
Dalam kotak dialog compute variable, pada target variable ketik X1 lalu klik Type&Label
Ketik nama Variable yang dimaksud pada label (contoh disini : Kompetensi Auditor) lalu
Continue. Kembali pada kotak dialog compute Variable, pada kotak numeric Xpression-nya
jumlahkan Q1 + Q2 + ,,,, + Q6 untuk Variabel X1 dengan cara klik satu persatu konstruk
tersebut kemudian klik tanda panah disamping lalu klik (+) Lalu klik OK.
Lalu akan muncul kotak dialog bivariate correlations, disini kita harus memasukkan butir-
butir pertanyaan/konstruk per Variabel kedalam kotak Varible(s) dan total konstruk yang
telah dicompute tadi seperti gambar berikut :
Valid tidaknya item pernyataan atau masing-masing indikator dapat dilihat dari nilai pearson
correlation yang berkorelasi positif atau negatif, misal *sinificant dibawah 0.10, **significant
dibawah 0.05, ***significant dibawah 0.01 terhadap total variabel. Hal ini juga dilakukan
untuk setiap Variable yang ada untuk melihat korelasi dari konstruk setiap variable terhadap
Dalam contoh ini rtabel dengan nilai 0.339 berarti semua item indikator valid. Dari contoh
diatas dapat ditentukan bahwa n = 34 pada = 0.05 maka df = n-2 adalah df= 34-2 = 32,
dapat digunakan rumus sebagai berikut dilembar kerja excel ketik =ttabel/SQRT(df+ttabel^2),
sebelumnya tentukan ttabel terlebih dahulu yaitu ketik =TINV(0.05,32) enter hasilnya 2.037
lalu masukkan hasil ke rumus =ttabel/SQRT(df+ttabel^2) maka =2.037/SQRT(32+2.037^2)
enter hasil 0.339.
Uji Reliabilitas
Setelah keempat variable telah diuji validitasnya, dan ternyata semuanya valid maka
dapat dilanjutkan kepada uji reliabilitas, uji reliabilitas adalah untuk melihat keabsahan
instrument penelitian bila digunakan berulang-ulang akan mengasilkan nilai yang relative
tidak berubah. Uji reliabilitas digunakan untuk mengetahui konsistensi instrumen, apakah
instrumen yang digunakan dapat diandalkan dan tetap konsisten jika instrumen tersebut
diulang. Teknik yang digunakan dalam pengujian reliabilitas ini adalah menggunakan metode
Cronbach’s Alpha. Dasar pengambilan keputusan untuk pengujian reliabilitas adalah sebagai
berikut:
Tingkat Keandalan Cronbach’s Alpha
Nilai Cronbach’s Alpha Tingkat Keandalan
0.00 - 0.20 Kurang Andal
>0.20 – 0.40 Agak Andal
>0.40 – 0.60 Cukup Andal
>0.60 – 0.80 Andal
>0.80 – 1.00 Sangat Andal
Sumber: Hair et al. (2010)
Keterangan :
- Jika nilai Cronbach’s Alpha > 0,60, maka kuesioner yang diuji dinyatakan reliabel.
- Jika nilai Cronbach’s Alpha < 0,60, maka kuesioner yang diuji dinyatakan tidak reliabel.
Caranya Klik Analize lalu Scale lalu Reliability Analysis, akan muncul kotak dialog
Reliability Analysis seperti Gambar berikut:
Secara teori uji asumsi klasik dilakukan sebelum Uji Regresi (karena Model regresi harus
terlebih dahulu lolos Asumsi Klasik atau data berdistribusi normal) uji normalitas instrument
data dapat dilakukan secara mandiri dengan uji Kolmogorov-Smirnov Test bila p-value diatas
0,05 maka instrument data berdistribusi normal dapat dilihat hasil sebagai berikut : Klik
Analyse lalu Non Parametrict Test lalu Legacy Dialog lalu 1-Sample KS, maka muncul layar
berikut :
Dalam kotak dialog compute Variable, pada target Variable ketik X1 lalu klik Type&Label
Ketik nama Variable yang dimaksud pada label (contoh disini : Kompetensi Auditor) lalu
Continue. Kembali pada kotak dialog compute Variable, pada kotak numeric Expression-nya
masukkan Variabel X1 (Kompetensi Auditor) kemudian dibagi 6 (jumlah konstruk Lalu klik
OK) Seperti gambar berikut :
Sampai disini kita telah berhasil mendapatkan nilai dari Variable pertama (dapat dilihat pada
data View-nya. Untuk Variabel selanjutnya juga demikian disesuaikan dengan nama Variabel
dan jumlah konstruknya.
Maka akan muncul kotak dialog linier regressionnya. Pada kotak dialog tersebut, pada kotak
dependent masukkan Variable dependent-nya (contoh disini : Kualitas Audit) Lalu pada
kotak independent masukkan) Variable-Variable independent-nya (contoh disini :
Kompetensi Auditor, Integritas Auditor dan Independensi Auditor). Seperti berikut :
Kemudian Klik opsi Plot, maka akan muncul kotak linier regression : Plots. Pada kolom Y
masukkan *Z-PRED dan pada kolom X masukkan *S-RESID lalu centang Histogram dan
Normal Probability Plot pada kotak Standarized Residual Plots. Lalu Countinue Seperti
gambar berikut :
Kemudian kita akan kembali pada kotak dialog Linier Regression, Nah setelah semua proses
tadi telah dilaukan dengan baik dan benar maka langkah terakhir Klik OK. Maka hasil dari
regresi pengolahan data kuesioner akan terlihat seperti ini :
Regression
Descriptive Statistics
Correlations
Kompetensi Independensi Integritas
Kualitas Audit Auditor Auditor Auditor
Pearson Correlation Kualitas Audit 1.000 .338 .223 .532
Kompetensi Auditor .338 1.000 .006 -.193
Independensi Auditor .223 .006 1.000 .072
Integritas Auditor .532 -.193 .072 1.000
Sig. (1-tailed) Kualitas Audit . .025 .102 .001
Kompetensi Auditor .025 . .486 .137
Independensi Auditor .102 .486 . .343
Integritas Auditor .001 .137 .343 .
N Kualitas Audit 34 34 34 34
Kompetensi Auditor 34 34 34 34
Independensi Auditor 34 34 34 34
Integritas Auditor 34 34 34 34
b
Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
a
1 .718 .515 .467 .38453
a. Predictors: (Constant), Integritas Auditor, Independensi Auditor,
Kompetensi Auditor
b. Dependent Variable: Kualitas Audit
a
ANOVA
Model Sum of Squares df Mean Square F Sig.
b
1 Regression 4.714 3 1.571 10.626 .000
Residual 4.436 30 .148
Total 9.149 33
a. Dependent Variable: Kualitas Audit
b. Predictors: (Constant), Integritas Auditor, Independensi Auditor, Kompetensi Auditor
a
Coefficients
Unstandardized Standardized
Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) -1.205 .890 -1.354 .186
Kompetensi
.341 .097 .454 3.502 .001 .962 1.039
Auditor
Independensi
.165 .119 .177 1.387 .176 .994 1.006
Auditor
Integritas Auditor .815 .175 .606 4.667 .000 .957 1.045
a. Dependent Variable: Kualitas Audit
a
Collinearity Diagnostics
Variance Proportions
Condition Kompetensi Independensi Integritas
Model Dimension Eigenvalue Index (Constant) Auditor Auditor Auditor
1 1 3.934 1.000 .00 .00 .00 .00
2 .039 10.047 .00 .43 .55 .00
3 .024 12.841 .03 .36 .42 .14
4 .004 33.504 .97 .21 .03 .86
a. Dependent Variable: Kualitas Audit
Setelah melalui proses analisis regresi maka hasil dapat ditunjukkan sebagai berikut :
Y = 0 + 1X1 + 2X2 + 3X3 +
Y = - 1.205 + 0.341X1 + 0.165X2 + 0.815X3 +
(-1.354) (3.502) (1.387) (4.667) t hitung
(1.697) (1.697) (1.697) (1.697) t tabel / nilai kritis (df = 34-3-1=30)
(0.890) (0.097) (0.119) (0.175) std error
(0.186) (0.001) (0.176) (0.000) significant / p-value
R = 0.718
R2 = 0.515
Adjusted R square = 0.467
Penjelasan :
a. 0 = -1.205 artinya bila diasumsikan variabel Kompetensi Auditor = X1, Independensi
Auditor = X2 dan Integritas Auditor = X3 diberi nilai nol, maka Kualitas Audit = Y punya
nilai -1.205 tanda minus pada konstanta adalah nilai dibawah nol atau sama dengan nol
menunjukkan bahwa tanpa ada kompetensi, independensi dan integritas dari auditor sulit
untuk menentukan bahwa seorang auditor mempunyai kualitas. Bila ini terjadi pada
sebuah perusahaan yang di audit oleh seorang auditor yang tidak mempunyai kompetensi,
independensi, dan integritas justru dapat merugikan perusahaan tersebut atau dapat
dikatakan sebagai implikasi dari tidak dimilikinya kompetensi, independensi, dan
integritas oleh seorang auditor. Dalam kaidah ilmiah sebaiknya hasil penelitian ini
didukung oleh hasil penelitian lain yang mendukung atau bertentangan, atau hasil
penelitian yang menjustifikasi hasil penelitian yang sedang dilakukan.
Tidak signifikan pada semua level keyakinan (10%, 5%, dan 1%)
Batas nilai kritis untuk tingkat kesalahan 10 % = 1,64 berarti tingkat keyakinan 90 %,
untuk kesalahan 5 % = 1,96 berarti tingkat keyakinan 95 %, untuk kesalahan 1 % = 2,58
berarti tingkat keyakinan 99 % (lihat tabel Distribusi t), untuk menentukan thitung > ttabel
dapat dilihat pada tabel distribusi dengan memperhatikan derajat kebebasan df = n – k –
1, dimana n = jumlah observasi (sampel), k adalah jumlah variabel independen.
Daftar Pustaka
Anderson, Sweeny & William. 2011. Statistic for Business and Economic. South Western:
Cengange Learning.
Dachlan, Usman, (2014), Panduan Lengkap : Structural Equation Modeling, Tingkat Dasar,
Metodologi, Konsepsi, Aplikasi dengan Amos, Edisi I, Cetakan I, Lentera Ilmu,
Semarang, hal. 1-481.
Hair, Jr, Joseph F., Black, William C., Babin., Barry J., Anderson, Rolph E. (2010).
Multivariate Data Analysis, Seventh Edition, Copyright © 2010. Pearson Prentice
Hall, hal. 1-761.
JK Umur Pend Jabatan Q1 Q2 Q3 Q4 Q5 Q6 Q7 Q8 Q9 Q10 X Q11 Q12 Q13 Q14 Q15 Q16 Q17 Q18 Q19 Q20 Y
L 25 D3 Purchasing 4 5 5 5 4 4 4 3 4 4 42 5 4 4 3 4 4 4 4 5 5 42
L 35 S1 End User/Planner 4 5 4 4 3 4 3 2 4 4 37 5 4 3 4 3 4 4 4 5 5 41
L 37 S1 End User/Planner 4 4 4 4 4 4 4 4 4 4 40 4 4 4 4 4 4 4 4 4 4 40
L 45 S2 Owner 2 5 4 4 4 4 4 4 5 4 40 4 5 2 2 4 5 4 4 4 4 38
L 41 S1 Mill Manager 4 5 5 5 5 5 4 4 4 4 45 5 5 4 4 4 4 4 4 4 5 43
L 20 D3 Purchasing 4 5 5 5 4 5 3 3 5 5 44 5 5 4 4 5 5 5 5 5 5 48
L 28 S1 End User/Planner 5 5 5 5 5 5 4 4 4 4 46 4 4 4 4 4 4 4 4 4 4 40
P 33 S1 End User/Planner 2 4 4 4 4 4 4 4 4 4 38 4 4 3 3 3 4 4 3 4 5 37
L 39 S1 Mill Manager 2 4 4 4 4 4 3 3 4 4 36 4 4 4 3 3 4 4 4 4 4 38
L 34 S1 Mill Manager 3 4 5 5 5 5 4 4 5 4 44 4 4 4 3 3 5 3 3 3 4 36
L 27 S1 End User/Planner 4 3 4 4 3 3 4 4 5 4 38 4 3 4 3 5 5 5 4 4 4 41
L 40 S1 Mill Manager 2 4 4 5 5 4 3 4 4 4 39 4 4 3 3 4 5 4 5 4 5 41
L 31 S1 End User/Planner 4 4 4 4 4 4 4 4 4 4 40 4 4 4 4 4 4 4 4 4 4 40
P 33 S1 End User/Planner 3 4 5 4 4 4 3 3 4 4 38 4 4 3 3 3 4 4 5 4 4 38
L 33 S2 Purchasing 4 4 4 4 4 4 4 4 4 4 40 4 4 4 4 4 4 4 4 4 4 40
L 45 S2 End User/Planner 3 4 5 4 4 4 3 3 4 4 38 4 4 3 3 3 4 4 5 4 4 38
L 43 S2 End User/Planner 4 4 4 4 4 4 4 4 4 4 40 4 4 4 4 4 4 4 4 4 4 40
P 22 D3 Purchasing 5 5 5 5 5 5 4 4 4 4 46 5 4 3 4 3 4 4 4 5 5 41
L 22 S1 End User/Planner 4 4 4 4 4 4 4 4 4 4 40 4 4 3 3 4 5 4 5 4 5 41
L 44 S2 Owner 4 5 4 4 3 4 3 2 4 4 37 4 3 4 4 4 4 4 5 4 4 40
L 35 S1 Mill Manager 4 5 5 5 4 5 3 3 5 5 44 5 5 4 4 5 5 5 5 5 5 48
L 34 S1 End User/Planner 5 5 5 5 5 5 4 4 4 4 46 4 4 4 4 4 4 4 4 4 4 40
L 36 S1 Mill Manager 2 4 4 4 4 4 4 4 4 4 38 4 4 3 3 3 4 4 3 4 5 37
L 45 S2 Mill Manager 2 4 4 4 4 4 3 3 4 4 36 4 4 4 3 3 4 4 4 4 4 38
P 31 S2 End User/Planner 2 4 4 5 5 4 3 4 4 4 39 4 4 3 3 4 5 4 5 4 5 41
L 39 S2 Purchasing 4 4 4 4 4 4 4 4 4 4 40 4 4 4 4 4 4 4 4 4 4 40
L 40 SMA Purchasing 3 4 5 4 4 4 3 3 4 4 38 4 4 3 3 3 4 4 5 4 4 38
L 41 S1 Owner 4 4 4 4 4 4 4 4 4 4 40 4 4 4 4 4 4 4 4 4 4 40
P 24 D3 Purchasing 4 5 5 5 4 4 4 3 4 4 42 5 4 4 3 4 4 4 4 5 5 42
P 25 S1 End User/Planner 4 5 4 4 3 4 3 2 4 4 37 5 4 3 4 3 4 4 4 5 5 41
P 25 S1 End User/Planner 4 4 4 4 4 4 4 4 4 4 40 4 4 4 4 4 4 4 4 4 4 40
P 27 S2 Purchasing 2 5 4 4 4 4 4 4 5 4 40 4 5 2 2 4 5 4 4 4 4 38
L 36 D3 Purchasing 4 5 5 5 5 5 4 4 4 4 45 5 5 4 4 4 4 4 4 4 5 43
L 36 D3 Purchasing 4 5 5 5 4 5 3 3 5 5 44 5 5 4 4 5 5 5 5 5 5 48
P 30 S2 Purchasing 5 5 5 5 5 5 4 4 4 4 46 4 4 4 4 4 4 4 4 4 4 40
P 35 S2 End User/Planner 2 4 4 4 4 4 4 4 4 4 38 4 4 3 3 3 4 4 3 4 5 37
P 34 S2 Purchasing 2 4 4 4 4 4 3 3 4 4 36 4 4 4 3 3 4 4 4 4 4 38
L 38 D3 Purchasing 3 4 5 5 5 5 4 4 5 4 44 4 4 4 3 3 5 3 3 3 4 36
L 28 S1 End User/Planner 4 4 4 4 4 4 4 4 4 4 40 4 4 4 4 4 4 4 4 4 4 40
L 29 S2 Purchasing 3 4 5 4 4 4 3 3 4 4 38 4 4 3 3 3 4 4 5 4 4 38
L 28 S2 Purchasing 4 4 4 4 4 4 4 4 4 4 40 4 4 4 4 4 4 4 4 4 4 40
P 27 S1 End User/Planner 5 5 5 5 5 5 4 4 4 4 46 5 4 3 4 3 4 4 4 5 5 41
P 37 S1 End User/Planner 4 4 4 4 4 4 4 4 4 4 40 4 4 3 3 4 5 4 5 4 5 41
P 37 SMA Purchasing 4 5 4 4 3 4 3 2 4 4 37 4 3 4 4 4 4 4 5 4 4 40
P 25 S1 End User/Planner 4 5 5 5 4 5 3 3 5 5 44 5 5 4 4 5 5 5 5 5 5 48
L 25 S1 End User/Planner 5 5 5 5 5 5 4 4 4 4 46 4 4 4 4 4 4 4 4 4 4 40
Dr. Herispon, SE. M.Si---STIE Riau, Pekanbaru---2020--| 45
L 24 S1 End User/Planner 2 4 4 4 4 4 4 4 4 4 38 4 4 3 3 3 4 4 3 4 5 37
L 22 D3 Purchasing 2 4 4 4 4 4 3 3 4 4 36 4 4 4 3 3 4 4 4 4 4 38
L 29 S1 End User/Planner 2 4 4 5 5 4 3 4 4 4 39 4 4 3 3 4 5 4 5 4 5 41
L 35 S2 Mill Manager 4 5 5 5 5 5 4 4 4 4 45 5 5 4 4 5 5 5 5 5 5 48
L 31 S1 Purchasing 4 5 5 5 4 5 3 3 5 5 44 4 4 4 4 4 4 4 4 4 4 40
L 28 S1 End User/Planner 5 5 5 5 5 5 4 4 4 4 46 4 4 3 3 3 4 4 3 4 5 37
L 34 S1 End User/Planner 2 4 4 4 4 4 4 4 4 4 38 4 4 4 3 3 4 4 4 4 4 38