Modul Pelatihan Aplikasi SPSS

8-1

ALAT ANALISIS 4
Prosedur Analisis Data Multivariat
Analisis data multivariate dibagi menjadi dua kelompok yaitu : Metode Multivariat interdependen
y Dalam metode ini antara variabel yang satu dengan variabel yang lain saling berkaitan dalam arti tidak ada yang berkedudukan sebagai variabel yang dipengaruhi (dependen) ataupun variabel yang mempengaruhi (independen) y Tujuan dari metode analisis ini adalah untuk mengidentifikasikan struktur hubungan sejumlah variabel atau mengetahui susunan dari seluruh variabel yang diteliti. y Jenis alat analisis data multivariate interdependen dapat antara lain : Analisis faktor merupakan metode statistik multivariate yang bertujuan untuk mengelompokkan sejumlah variabel atau mereduksi sejumlah variabel menjadi beberapa factor. Tugas dari peneliti adalah menentukan nama dari factor-faktor dimana sejumlah variabel telah direduksi tersebut. Analisis kluster bertujuan untuk mengelompokkan objek ke dalam kelompok-kelompok yang disebut kluster berdasarkan sejumlah variabel-variabel yang dijadikan dasar untuk pengelompokkan tersebut.

Metode Multivariat dependen

y Dalam metode ini antara variabel yang satu dengan variabel yang lain saling berkaitan dalam arti ada yang berkedudukan sebagai variabel yang dipengaruhi (dependen) ataupun variabel yang mempengaruhi (independen) y Tujuan dari metode analisis ini adalah untuk mengidentifikasikan struktur hubungan sejumlah variabel atau mengetahui susunan dari seluruh variabel yang diteliti. y Jenis alat analisis data multivariate dependen dapat antara lain :

HIMPUNAN MAHASISWA ISLAM KOMISARIAT FAKULTAS EKONOMI DAN ILMU SOSIAL

Modul Pelatihan Aplikasi SPSS

8-2

Structural Equation Model (SEM)

Merupakan satu teknik analisis statistik yang dapat digunakan untuk meregresi suatu persamaan regresi berganda yang diestimasi secara simutlan. Di dalam model SEM ini, suatu variabel terikat di satu persamaan tertentu dapat menjadi variabel bebas di persamaan lain Model SEM juga dapat digunakan untuk menjelaskan hubungan tidak langsung (indirect effect) pengaruh dari suatu variabel terhadap variabel lain.

Analisis Korelasi Kanonikal

Merupakan salah satu teknik analisis statistik yang bertujuan untuk mencari korelasi/hubungan antara sejumlah variabel terikat dengan variabel bebas secara simultan

Multivariate Analysis of Variance

Tujuan dari analisis ini adalah untuk menguji apakah rata-rata perbedaan dari dua kelompok variabel atau lebih untuk sejumlah variabel yang ingin diuji perbedaannya tersebut.

Analisis regresi berganda

Satu teknis analisis statistik yang bertujuan untuk memprediksi perilaku dari suatu variabel terikat yang memiliki skala interval/rasio dimana variabel bebas (independen) yang memprediksinya juga memiliki skala pengukuran interval/rasio.

Analisis konjoin
Satu teknis analisis statistik yang bertujuan untuk mencari korelasi antara variabel terikat yang memiliki skala interval/rasio dengan variabel-variabel bebas yang memiliki skala nominal/ordinal

Analisis diskriminan
Merupakan satu teknis analisis yang dapat digunakan untuk menentukan variabelvariabel bebas (independen) apa saja yang paling membedakan antara variabelvariabel terikat (dependen) yang memiliki skala nominal (kategori).

Analisis model probit/logit

Merupakan satu teknis analisis yang mirip dengan analisis regresi berganda dimana yang membedakan adalah dalam model ini baik variabel terikat maupun variabel bebasnya memiliki skala nominal/ordinal.

HIMPUNAN MAHASISWA ISLAM KOMISARIAT FAKULTAS EKONOMI DAN ILMU SOSIAL

Modul Pelatihan Aplikasi SPSS

8-3

Gambar 8.1 Prosedur Multivariate Interdependent

HIMPUNAN MAHASISWA ISLAM KOMISARIAT FAKULTAS EKONOMI DAN ILMU SOSIAL

Modul Pelatihan Aplikasi SPSS

8-4

Gambar 8.2 Prosedur Multivariate Dependent

HIMPUNAN MAHASISWA ISLAM KOMISARIAT FAKULTAS EKONOMI DAN ILMU SOSIAL

Modul Laboratorium Analisis Kuantitatif

8-5

Praktikum 8 hanya fokus membahas mengenai REGRESI BERGANDA DAN PENGUJIAN ASUMSI KLASIK TANPA PENYEMBUHAN REGRESI BERGANDA
Digunakan untuk melihat pengaruh dari sejumlah variabel independent terhadap variabel dependent yang masing-masing memiliki skala rasio/interval. Suatu Penelitian dilakukan untuk melihat pengaruh dari dari SUKU BUNGA, INFLASI DAN KURS TERHADAP HARGA SAHAM LQ45 (BLUECHIP) LIHAT KASUS 8.1. dengan model yang dijaukan adalah BLUECHIP = f (INTEREST, IHK, EER) Dimana BLUECHIP = Harga saham LQ45 INTEREST = Suku bunga IHK = Index Harga Konsumen EER = Effectifve Exchange Rate (Kurs) PERTANYAAN : a. Lakukan uji kualitas data dan apa interpretasinya b. Lakukan pengujian asumsi klasik dan bagaimana kesimpulannya c. Lakukan pengujian goodness of fit model, uji F dan uji t Langkah-langkah pengerjaan - Lakukan pengujian normalitas untuk keempat variabel terlebih dahulu untuk menentukan apakah sebaiknya digunakan model LINEAR atau NONLINEAR dan hasilnya ditunjukkan sebagai berikut :

NPar Tests
O e-Sa N Normal Parameters

a,b

ean Std. Deviati n Absol te Positive Negative

ost Extreme Di erences

Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a. Test distribution is Normal. b. Calculated from data.

Hasil pengujian menunjukkan keempat variabel berdistribusi NOR AL sehingga tidak ada variabel yang mengalami TRANSFOR ASI misal di LOG, LN ( odel yang digunakan linier) Pastikan file KASUS 8.1. sudah siap lalu KLIK ANALYZE, REGRESSION, LINEAR seperti ditunjukkan dengan gambar 8.1. yang kemudian akan muncul gambar 8.2.

Fakultas Ekonomi Universitas Trisakti, 2007

e r -S r INTEREST 60 9.7228 3.23783 .107 .107 -.076 .828 .500

Test IHK 60 117.3207 15.17013 .137 .137 -.134 1.060 .211 EER 60 8042.4122 525.80026 .086 .086 -.060 .662 .773 BLUECHIP 60 186.6698 84.08309 .134 .134 -.098 1.038 .231



Modul Laboratorium Analisis Kuantitatif

8-6

Gambar 8.1.
Pada kotak dialog LINEAR REGRESSION, masukkan variabel BLUECHIP pada kotak DEPENDENT, dan masukkan variabel INTEREST, IHK DAN EER pada kotak INDEPENDENT

Gambar 8.2.
Pada kotak dialog LINEAR REGRESSION KLIK STATISTICS sehingga akan muncul gambar 8.3 berikut. KLIK PILIHAN ESTIMATES, MODEL FIT, COLLINEARITY DIAGNOSTICS, DURBIN WATSON, lalu KLIK CONTINUE sehingga akan balik ke gambar 8.2. Pada gambar 8.2. KLIK SAVE sehingga akan muncul kotak dialog seperti ditunjukkan pada gambar 8.4.

Fakultas Ekonomi Universitas Trisakti, 2007

Modul Laboratorium Analisis Kuantitatif

8-7

Gambar 8.3.
Dari gambar 8.4, pada kolom RESIDUAL, KLIK UNSTANDARDIZED LALU KLIK CONTINUE sehingga akan kembali pada gambar 8.2. Dari gambar 8.2. KLIK OK sehingga akan muncul hasil print-out sbb :

Gambar 8.4.

HASIL PRINT Regression

UT REGRESI

Fakultas Ekonomi Universitas Trisakti, 2007

Modul Laboratorium Analisis Kuantitatif

8-8

M t

t r

,I

. ll r q .

ri

t r

ri

l :

b Model Summary

a. Predi tors: (Constant), EER, INTEREST, IHK b. Dependent Variable: BLUECHIP

b ANOVA

Model 1

Regression Residual Total

` Y

Sum of Squares 385015.0 32112.942 417128.0

df 3 56 59

Mean Square 128338.350 573.445

a. Predi tors: ( onstant), EER, INTEREST, IHK b. Dependent Variable: BLUECHIP

a Coefficients

Unstandardized Standardized Coefficients Coefficients odel B Std. Error Beta 1 (Constant) -470.532 56.989 INTEREST -2.440 1.082 -.094 IHK 4.824 .245 .870 EER .014 .007 .089
a

a. Dependent Variable: BLUECHIP

Fakultas Ekonomi Universitas Trisakti, 2007

Model 1

R .961 a

R Sq are .923

Adj ed R Sq are .919

Std. Error of the Esti ate 23.94672

Durbi atson .372

t -8.257 -2.256 19.705 2.051

U WV

A1 32

"HG 1 6 6 01 01 1 P 'I F 7 5 3 E D 7 1 1 01 1 6 6 1 1C 1 6 @3 8 8 7 B 3 ( ' % ) 1 0" "#" $ % & #"" 4 1 1 0" 1 3 32 1 6 6 8 7 5

ri l t r ,

ri

Q Q SR

Variabl

t r

!

1 1# 3 @29 1 6 6 8 7 5

       

F 223.802

Sig. .000 a

Collinearity Statistics Sig. Tolerance VIF .000 .028 .792 1.262 .000 .705 1.419 .045 .724 1.382

Modul Laboratorium Analisis Kuantitatif

8-9

Model 1

a. Dependent Variable: BLUECHIP

hg

Resi
i
inimum 75.1224 -1.381 -2.797

a als Statistics

Predicted Value Residual Std. Predicted Value Std. Residual

-66.9908

54.3493 1.805 2.270

a. Dependent Variable: BLUECHIP

Untuk pengujian HETEROSKEDASTISITAS dengan menggunakan GLETSJER TEST perhatikan data pada kasus 8.1 yang sudah dari hasil gambar 8.4. sudah memiliki variabel RESIDUAL seperti ditunjukkan pada gambar berikut ini :

Gambar 8.5.
Untuk pengujian GLELTSJER terlebih dahulu dilakukan dengan cara MENGABSOLUTKAN VARIABEL RESIDUAL dengan langkah KLIK TRANSFORM, COMPUTE seperti ditunjukkan gambar 8.6 yang kemudian akan muncul kotal dialog seperti ditunjukkan pada gambar 8.7

Fakultas Ekonomi Universitas Trisakti, 2007

aximum 332.4937

ean 186.6698 .0000 .000 .000

Std. Deviation 80.78167 23.32996 1.000 .974

N 60 60 60 60

Dimension 1 2 3 4

Eigenvalue 3.900 .091 .007 .002

( onstant) .00 .00 .09 .91

Condition Index 1.000 6.531 23.709 48.983

Colli earity
b

iagnosti a s Variance Proportions INTEREST IHK .00 .00 .63 .02 . 0 .96 .16 .02

EER .00 .00 .08 .9

Modul Laboratorium Analisis Kuantitatif

8-10

Gambar 8.6.
Pada kotak dialog target ketik nama variabel absolut residual dengan cara mengetik 8 hutuf saja misal ABSRESID, pada NUMERIC EXPRESSION, pilih FUNGSI ABS pada FUNCTION dan pindahkan ke KOTAK DIALOG NUMERIC EXPRESSION lalu masukkan variabel UNSTANDARDIZED RESIDUAL ke dalam tanda kurung, lalu KLIK OK sehingga akan muncul gambar variabel baru yaitu ABSRESID seperti ditunjukkan pada gambar 8.8.

Gambar 8.7.

Fakultas Ekonomi Universitas Trisakti, 2007

Modul Laboratorium Analisis Kuantitatif

8-11

Gambar 8.8. ABSRESID

Dari gambar 8.8, KLIK ANALYZE, REGRESSION, LINEAR seperti ditunjukkan pada gambar 8.9 yang selanjutnya akan muncul gambar 8.10.

Gambar 8.9.
Dari gambar 8.10, pada kolom DEPENDENT pilih ABSRESID, sementara pada kolom INDEPENDENT pilih variabel INTEREST, IHK, EER. dan pada STATISTICS cukup KLIK ESTIMATE seperti pada gambar 8.11 lalu OK sehingga akan muncul hasil print-out pengujian heteroskedastisitas

Fakultas Ekonomi Universitas Trisakti, 2007

Modul Laboratorium Analisis Kuantitatif

8-12

Gambar 8.10.

HASIL PRINT UT REGRESI PENGUJIAN HETER SKEDASTISITAS DENGAN GLETSJER Regression

b Variables Entered/Re o ed

Model 1

Variables Entered EER, INTERES a T, IHK

Variables Removed .

a. All requested variables entered. b. Dependent Variable: ABSRESID

Method Enter

Fakultas Ekonomi Universitas Trisakti, 2007

Modul Laboratorium Analisis Kuantitatif

8-13

Coeffi ientsa
u

a. Dependent Variable: ABSRESID

INTERPRETASI HASIL
Sebelum dilakukan pengujian multiple regression dilakukan terlebih dahulu pengujian pelanggaran asumsi klasik untuk model yang digunakan dalam penelitian. MODEL BLUECHIP = f (INTEREST, IHK, EER)

1. Uji Multikolinearitas
Multikolinearitas menunjukkan bahwa antara variable independent mempunyai hubungan langsung (berkorelasi). Konsekuensi dari multikolinearitas akan menyebabkan koefisien regresi nilainya kecil, standart error regresi nilainya besar sehingga pengujian individunya menjadi tidak signifikan. Ciri adanya multikolinearitas adalah R tinggi, F-test signifikan namun t-testnya banyak yang tidak signifikan.

Langkah-langkah pengujian multikolinearitas Ho : Tidak ada multikolinearitas Ha : Ada multikolinearitas Kesimpulan : Jika Variance Inflation Factor (VIF) > 10 maka Ho ditolak (ada multikolinearitas) Jika Variance Inflation Factor (VIF) < 10 maka Ho diterima (tidak ada multikolinearitas) Dari hasil pengolahan data statistik diperoleh table pengujian multikolinearitas sbb : Tabel Hasil Uji Multikolinearitas UJI MODEL VIF Kesimpulan MODEL 1 INTEREST 1,261 tidak ada multi IHK 1,419 tidak ada multi EER 1,382 Sumber : Data diolah (lihat lampiran) Dari tabel diatas dapat dilihat bahwa seluruh nilai VIF untuk setiap variable independen dari model yang digunakan dalam penelitian tidak mengandung multikolinearitas (mempunyai VIF < 10).

Fakultas Ekonomi Universitas Trisakti, 2007

.363 .3 9 .101
s

Model 1

( onstant) INTEREST IHK EER

Unstandardi ed Coefficients B Std. Error -51.139 30.331 1.516 .576 . 93 .130 .003 .004
u

Standardi ed Coefficients Beta

t -1.686 .633 2. 49 .699

Sig. .097 .011 .028 .487

Modul Laboratorium Analisis Kuantitatif

8-14

Dengan demikian dapat disimpulkan bahwa model multiple regression yang digunakan terhindar dari masalah multikolinearitas.

2. Uji Heteroskedastisitas
Heteroskedastisitas menunjukkan bahwa varians dari setiap error bersifat heterogen yang berarti melanggar asumsi klasik yang mensyaratkan bahwa varians dari error harus bersifat homogen. Pengujian dilakukan dengan metode GLETSJER yaitu dengan meregres antara ABSOLUTE RESIDUAL DENGAN VARIABEL INDEPENDENT Langka-langkah pengujian heteroskedastisitas : Ho : tidak ada heteroskedastisitas Ha : ada heteroskedastisitas Pengujian dilakukan dengan menggunakan uji individu (t test) untuk masing masing variabel independent Pengambilan Keputusan dilakukan dengan kriteria Jika thitung > ttabel maka Ho ditolak Jika thitung < ttabel maka Ho ditolak Atau dengan menggunakan kriteria Jika signifikansi (probabilitas) dari thitung < 0.05 Ho ditolak Jika signifikansi (probabilitas) dari thitung > 0.05 Ho diterima Hasil pengujian White-test untuk menguji heteroskedastisitas ditunjukkan dengan tabel sebagai berikut : Tabel Hasil Uji Heteroskedastisitas UJI GLETSJER MODEL 1 INTEREST IHK EER Sumber : Data diolah (lihat lampiran)

thitung 2,633 2,249 1,101

Sig 0,011 0,028 0,478

Kesimpulan Ho ditolak (ada Heteroskedastisitas Ho ditolak (ada Heteroskedastisitas Ho diterima (tidak ada hetero)

Dari tabel diatas dapat disimpulkan bahwa model yang dihasilkan mengandung heteroskedastisitas yaitu untuk variabel INTEREST DAN IHK

3. Uji Autokorelasi
Autokorelasi menunjukkan bahwa ada korelasi antara error dengan error periode sebelumnya dimana pada asumsi klasik hal ini tidak boleh terjadi. Permasalahan autokorelasi hanya relevan digunakan jika data yang dipakai adalah data time series sedangkan untuk data cross-section tidak perlu dilakukan. Pengujian dilakukan dengan menggunakan Durbin Watson Langkah-langkah pengujian autokorelasi dilakukan sebagai berikut : Ho : tidak ada autokorelasi

Fakultas Ekonomi Universitas Trisakti, 2007

Modul Laboratorium Analisis Kuantitatif

8-15

Ha : ada autokorelasi Hasil perhitungan pengujian autokelasi setelah perbaikan mengahasilkan nilai DW statistic sebesar 0,372( lihat print-out komputer). Dengan jumlah sample sebesar 60 (n = 60) sementara besarnya k (jumlah variable bebas) sebanyak 3 dengan alpha 0,01 diperoleh DW tabel sebesar DL = 1,317 dan DU = 1,520. Dari gambar berikut nilai DW statistik sebesar 0,372 berada pada daerah dimana terdapat autokorelasi positif Dengan semikian dapat disimpulkan bahwa model yang dihasilkan mengandung AUTOKORELASI.

Auto

Auto + Inconclusive 0
dl 1,317 du 1,520

Tidak ada auto Inconclusive 2

4-du 2,480 4-dl 2,683

DW stat 0,372
Pengujian Model Goodness of fit Model (R2) 2 Dari hasil pengolahan Regresi Berganda diketahui bahwa koefisien determinasi R = 923 Artinya bahwa variasi dari variable independent (INTEREST, IHK, EER) mampu menjelaskan variasi dari variable dependent (BLUECHIP) sebesar 92,3%. Sedangkan sisanya (100% - 92,3% = 7.7%) adalah variasi dari variable independent lain yang mempengaruhi harga saham BLUECHIP tetapi tidak dimasukkan dalam model. Uji F (uji serentak)
O
yvx w v

odel Regression Residual Total

Sum of Squares 385015.0 32112.942 417128.0

Uji F (Uji Serentak) digunakan untuk menguji apakah secara bersama-sama seluruh variable independent mempunyai pengaruh yang signifikan terhadap variable dependent. Ho : b1 = b2 = b3 Secara bersama-sama seluruh variable independent (INETEREST, IHK, EER) tidak mempengaruhi variabel dependent harga saham

df 3 56 59

ean Square 128338.350 573.445

F 223.802

Sig. .000 a

a. Predictors: (Constant), EER, INTEREST, IHK b. Dependent Variable: BLUECHIP

Fakultas Ekonomi Universitas Trisakti, 2007

Modul Laboratorium Analisis Kuantitatif

8-16

Ha :

b1 { b2 { b3 Secara bersama-sama seluruh variable independent (TAK dan LAK) mempunyai pengaruh yang signifikan terhadap variabel dependent harga saham.

Dasar pengambilan keputusan: Jika sig. F statistik < 0.05 signifikan secara statistik, maka Ho ditolak Jika sig. F statistik > 0.05 tidak signifikan secara statistik, maka Ho diterima Dari uji Anova diketahui F hitung sebesar 223,802 dengan tingkat signifikansi 0.000 (sig. F stat < 0.05) maka Ho ditolak (Ha diterima) sehingga terbukti secara bersama-sama seluruh variable independent (INTEREST, IHK, EER) mempunyai pengaruh yang signifikan terhdap variabel dependent harga saham BLUECHIP Uji t (Uji Individu) Uji individu (uji-t) digunakan untuk menguji pengaruh dari masing-masing variabel independen terhadap variabel dependen. Pengujian ini dilakukan untuk menguji apakah secara individu (masing-masing) variabel independen mempunyai pengaruh yang signifikan terhadap variabel dependennya. Adapun langkah-langkah pengujian Uji test adalah pengujian koefisien regresi masng-masing variable independen terhadap variable dependen untuk mengetahui seberapa besar pengaruh variable independent terhadap variabel dependen. Hipotesis yang diajukan UNTUK INTEREST Ho : b1 = 0 Artinya INTEREST tidak mempengaruhi harga saham BLUECHIP Ha : b1 < 0, artinya INTEREST berpengaruh negatif terhadap harga saham BLUECHIP Untuk pengaruh dari INTEREST tanda koefisien yang dihasilkan sesuai dengan teori yaitu memiliki tanda negatif yang jika INTEREST naik maka Harga saham juga akan turun atau sebaliknya. Namun dengan nilai t-statistik -2,258 < t-tabel sebesar 1,65 (t0,05, df 60-4) maka dapat disimpulkan bahwa pengaruh negatif dari INTEREST SIGNIFIKAN. Jadi terbukti bahwa INTEREST BERPENGARUH SIGNIFIKAN TERHADAP HARGA SAHAM BLUECHIP Hipotesis yang diajukan untuk IHK Ho : b2 = 0 Artinya INTEREST tidak mempengaruhi harga saham BLUECHIP Ha : b2 < 0, artinya IHK berpengaruh negatif terhadap harga saham BLUECHIP Untuk pengaruh dari IHK tanda koefisien yang dihasilkan tidak sesuai dengan teori yaitu memiliki tanda positif 4,824 padahal seharusnya negatif (semakin tinggi IHK maka harga saham BLUECHIP akan turun atau sebaliknya). Jadi walaupun nilai t-statistiknya besar yaitu 19,705 namun tandanya positif sehingga Ho tetap diterima (tidak signifikan) atau Ho diterima Hipotesis yang diajukan untuk EER Ho : b3 = 0 Artinya INTEREST tidak mempengaruhi harga saham BLUECHIP Ha : b3 > 0, artinya EER berpengaruh positif terhadap harga saham BLUECHIP (DEPRESIASI menyebabkan harga saham BLUECHIP naik atau sebaliknya dengan asumsi bahwa depresiasi berarti barang dalam negeri jadi lebih murah sehingga investasi menarik). Untuk pengaruh dari EER tanda koefisien yang dihasilkan sesuai dengan teori yaitu memiliki tanda positif 0,014 . Dengan nilai tstatistik 2,051 > ttabel 1,65 maka Ho ditolak (Ha diterima) maka terbukti bahwa EER berpengaruh signifikan terhadap harga saham BLUECHIP

Fakultas Ekonomi Universitas Trisakti, 2007

Modul Laboratorium Analisis Kuantitatif

8-17

a Coeffi ients

a. Dependent Variable: BLUECHIP

Fakultas Ekonomi Universitas Trisakti, 2007

t -8. 57 - . 56 19.705 2.051

Unstandardi ed Standardi ed Coefficients Coefficients Model B Std. Error Beta 1 ( onstant) -470.532 56.989 INTEREST - .440 1.08 -.094 IHK 4.8 4 . 45 .870 EER .014 .007 .089

Collinearit Statistics Sig. Tolerance VIF .000 .028 .792 1. 62 .000 .705 1.419 .045 .7 4 1.38

Modul Laboratorium Analisis Kuantitatif

8-18

Hipotesis penelitian diuji dengan menggunakan analisis regresi berganda yang dinyatakan dengan persamaan sebagai berikut (data file kasus 8.2) Y = b0 +b1X1 + b2X2 + b3X3 + b4X4 + b5X5 + b6X6 + b7X7 + e Dimana : Y X1 X2 X3 X4 X5 X6 X7 = = = = = = = = harga saham industri food and beverage Inventory turnover (perputaran persediaan) Assets turnover (perputaran aktiva) Return on Assets (ROA) Debt to e uity ratio Debt to assets ratio Price earning ratio Price to book value

Pertanyaan : Lakukan pengujian asumsi klasik (multikolinearitas, autokorelasi dan heteroskedastisitas) serta pengujian hipotesis teori (uji R, Ujji-F dan Uji-t) untuk kasus data diatas.

Fakultas Ekonomi Universitas Trisakti, 2007