KATA PENGANTAR. Ayu Zuriah

Ukuran: px
Mulai penontonan dengan halaman:

Download "KATA PENGANTAR. Ayu Zuriah"

Transkripsi

1 KATA PENGANTAR Puji dan syukur kita panjatkan kehadirat Allah SWT., shalawat dan salam yang senantiasa tercurah kepada junjungan dan tauladan, Muhammad Rasulullah, keluarga dan para sahabatnya. Alhamdulillah atas segala rahmat dan karunianya sehingga pada kesempatan kali ini, saya dapat menyelesaikan Modul SPSS Modul SPSS 17.0 dibuat sebagai panduan belajar mengenai salah satu perhitungan statistik yang pada umumnya kerap dihadapi oleh mahasiswa dalam mengerjakan tugas. Modul ini memuat tentang cara meregresikan data dalam jumlah banyak dengan langkah-langkah yang mudah untuk dipahami dan dipelajari. Saya menyadari bahwa modul ini masih jauh dari kata sempurna karena keterbatasan yang saya miliki, karena itu saya mengucapkan terima kasih untuk saran dan kritik yang telah terima maupun yang akan diterima. saya juga menyadari bahwasanya di dalam penyusunan modul ini tidak dapat berjalan dengan baik tanpa bantuan berbagai pihak, untuk itu saya mengucapkan terima kasih kepada semua pihak yang telah membantu dalam pembuatan modul ini. Dan juga kepada pembaca yang telah menggunakan modul ini sebagai salah satu sumber pembelajaran. Semoga modul ini dapat bermanfaat bagi para pembaca untuk memberikan tambahan pengetahuan, dan wawasan mengenai salah satu program statistik khususnya SPSS 17.0 Ayu Zuriah Dilarang menggandakan seijin tim penyusun 1

2 BAB I PENDAHULUAN SPSS (Statistical Package for the Social Sciences) adalah sebuah program pada komputer yang digunakan untuk membuat analisis statistika. SPSS (pertama dirilis pada tahun 1968, dan diciptakan oleh Norman Nie, seorang lulusan Fakultas Ilmu Politik dari Stanford University, yang sekarang menjadi Profesor Peneliti Fakultas Ilmu Politik di Stanford dan Profesor Emeritus Ilmu Politik di University of Chicago. Sekarang ini SPSS yang berkembang sudah berbasis Windows sehingga di kenal dengan SPSS for windows. Petama kali muncul versi windows adalah SPSS for Windows versi 6.00, hingga kini SPSS yang paling terbaru adalah SPSS 19. SPSS memilik banyak kegunaan bagi pengguna seperti peneliti pasar, peneliti kesehatan, perusahaan survei, pemerintah, peneliti pendidikan, organisasi pemasaran, dan sebagainya. Pada dasarnya pengoperasian SPSS memiliki kesamaan dalam berbagai versi, perbedaan hanya pada fasilitas tambahan yang ditawarkan. Selain itu, SPSS merupakan software statistik yang paling populer, fasilitasnya sangat lengkap dibandingkan dengan software lainnya. Oleh karena itu, diharapkan dengan penggunaan SPSS dapat memberikan kemudahan dan ketepatan dalam mengolah data. Ada beberapa teknik statistik yang dapat digunakan untuk menganalisis data. Tujuan dari analisis data adalah untuk mendapatkan informasi yang relevan yang terdapat dalam data tersebut dan menggunakan hasilnya untuk memecahkan suatu masalah. Dalam bab pendahuluan ini, sebelum mengolah data, diperlukan pengelompokkan data terlebih dahulu agar dapat menghasilkan penelitian dengan hasil yang baik. DATA PENELITIAN Data metriks atau data kuantitatif yaitu data yang berupa angka menunjukkan jumlah atau banyaknya sesuatu unit. Data nonmetrik atau data kualitatif yaitu data yang berupa huruf, data yang dikategorisasi tetapi tidak dapat dikuantitatifkan atau dioperasikan dalam hitungan. misalnya jenis kelamin. Dilarang menggandakan seijin tim penyusun 2

3 TIPE SKALA PENGUKURAN Skala Nominal yaitu skala pengukuran yang menyatakan kategori interistik atau klasifikasi dari konstruksi yang diukur dalam bentuk variabel dan merupakan data nonparametik atau data kualitatif (data bukan angka). Contohnya jenis kelamin. Skala Ordinal yaitu skala pengukuran yang tidak hanya menyatakan kategori tapi juga menyatakan peringkat konstruksi yang diukur dan data nonparametik atau data kualitatif. Skala Internal (Jarak) yaitu skala pengukuran yang menyatakan kategori, peringkat dan jarak konstruksi. Skala interval mempunyai karakteristik seperti yang dimiliki oleh skala nominal dan ordinal dan ditambah ada interval yang tetap dan menggunakan data parametik atau data kuantitatif (data yang berupa angka). Skala Ratio yaitu skala perbandingan yang menunjukkan kategori, peringkat, jarak dan perbandingan konstruksi yang diukur. Skala ratio memiliki semua karakteristik yang dipunyai oleh skala nominal, ordinal, dan interval dan merupakan data parametik atau kuantitatif (data yang berupa angka). Pengukuran rasio biasanya dalam bentuk perbandingan antara satu individu dengan objek lainnya. Dilarang menggandakan seijin tim penyusun 3

4 BAB II PENGENALAN SPSS MEMBUKA FILE BARU Untuk file baru dapat dibuat dengan mengaktifkan SPSS 17.0 dilakukan dengan cara yaitu : 1) Klik menu Start 2) Klik All Programs 3) Klik SPSS for inc Gambar 2.1 Tampilan Menu Start 4) Klik SPSS Statistics 17.0, maka akan muncul tampilan seperti di bawah ini : Dilarang menggandakan seijin tim penyusun 4

5 Gambar 2.2 SPSS Gambar 2.3 Memulai SPSS 17.0 Dilarang menggandakan seijin tim penyusun 5

6 Keterangan : Run the tutorial merupakan pilihan apabila akan menjalankan tutorial SPSS.. Memiliki tampilan seperti yang ada di bawah ini : Gambar 2.4 Submenu Run the tutorial Ada 14 macam tutorial yang disajikan dalam SPSS 17.0 dan apabila ingin memilih salah satu di anataranya, arahkan kursor dan klik bagian tutorial yang ingin dituju. Selanjutnya untuk menjalankan tutorial dengan meng-klik tanda yang terletak di bawah kanan tutorial. Type in data. Apabila akan memasukkan data baru dengan pilihan perintah Type in data, maka secara otomatis SPSS akan memunculkan pada data view dan variabel view. Run an existing query. Pilihan ini memuat menu Open atau membuka file dengan tipe file *.spq. Create new query using Database Wizard merupakan pilihan untuk mengekstrak data non-spss. Biasanya default SPSS adalah data source Dbase Files, Excel Files, MS Access Database, dan Visio Database Simples. Untuk Dilarang menggandakan seijin tim penyusun 6

7 mengambil data selain default ini, klik Add ODBC Data Source seperti tampilan di bawah ini : Gambar 2.5 Tampilan Database Wizard Open an existing data source merupakan pilihan apabila akan membuka file yang baru dibuka atau dengan tipe file *.sav Gambar 2.6 Tampilan SPSS 17.0 Dilarang menggandakan seijin tim penyusun 7

8 Open another type or file merupakan pilihan untuk membuka file dengan tipe file selain *.sav. 5) Setelah memilih salah satu dari cara membuka file maka klik OK. DATA EDITOR Ada 2 macam data editor di dalam SPSS yaitu : 1. Data view Data view adalah tempat di mana data statistik yang akan diolah (sudah dalam bentuk angka skala). Data view memiliki tampilan seperti di bawah ini : A B C D E Gambar 2.7 Tampilan Data View Dilarang menggandakan seijin tim penyusun 8

9 Keterangan : a) Title bar merupakan nama dari judul SPSS yang sedang dibuka. Pada umumnya, nama yang diberikan oleh SPSS pada saat membuka pertama kali yaitu Untitled1[DataSet0]- SPSS Statistics Data Editor. b) Menu berisi perintah mengenai menu di mana di dalamnya terdapat Submenu yang digunakan untuk memproses data yang akan diolah. o File, pada menu utama File memuat 20 pilihan sub-menu. Gambar 2.8 Tampilan menu File Pada menu utama File memuat sub-submenu tentang file, di antaranya membuat file baru (New), membuka (Open), menutup (Close), dan menyimpan file (Save-Save As ). o Edit merupakan submenu untuk melakukan pengeditan data yang telah dimasukkan pada SPSS Data Editor. Beberapa kegunaan dari submenu dari menu utama Edit adalah melakukan undo atau mengembalikan action terakhir yang dilakukan, sedangkan redo sebaliknya, cut clear untuk menghapus data, copy Dilarang menggandakan seijin tim penyusun 9

10 paste untuk menggandakan dan duplikasi data, find untuk mencari data, dan copy paste variable untuk mengganti variabel data. Gambar 2.9 Tampilan menu Edit o View, merupakan menu yang menampilkan submenu untuk menampilkan status toolbar yang sedang aktif (Status Bar), toolbar dan font huruf yang digunakan. Pilihan submenu dari menu utama View seperti berikut : Gambar 2.10 Tampilan menu Edit Dilarang menggandakan seijin tim penyusun 10

11 o Data, merupakan menu yang menampilkan submenu untuk melakukan perubahanperubahan terhadap data SPSS, seperti mendefinisikan nilai label data (define variable properties ), mendefinisikan waktu (define dates ), mengurutkan data (sort cases), dan memisah isi file dengan riteria tertentu (split file). Gambar 2.11 Tampilan menu Data o Transform, merupakan pilihan menu utama yang melakukan operasi transformasi data, seperti menghitung variabel data (compute variable ), mengubah data (recode into same variables - recode into different variables ) ataupun me-ranking data (rank cases). Dilarang menggandakan seijin tim penyusun 11

12 Gambar 2.12 Tampilan menu Transform o Analyze, merupakan menu utama yang menjadi pusat pengolahan data SPSS, menampilkan 21 submenu. Gambar 2.13 Tampilan menu analyze Dilarang menggandakan seijin tim penyusun 12

13 o Graphs, dikelompokkan hanya menjadi 4 submenu, yang menampilkan berbagai bentuk grafik dan chart. Gambar 2.14 Tampilan menu Graphs o Utilities, menu utama yang merupakan pelengkap pada pengoperasian SPSS ini menyajikan 9 submenu. Beberapa kegunaansubmenu dari menu utama Utilities adalah menampilkan informasivariabel (variables ), mendefinisikan, dan menampilkan variabel data (define-use variabel sets ). Gambar 2.15 Tampilan menu Utilities Dilarang menggandakan seijin tim penyusun 13

14 o Add-ons, merupakan menu utama yang menawarkan pelayanan SPSS lewat website. Gambar 2.16 Tampilan menu Add-ons o Window, menu ini memberikan informasi window yang sedang aktif. Gambar 2.17 Tampilam menu Window o Help, menu yang memuat 9 submenu ini memberikan bantuan informasi tentang topik-topik SPSS (topics) ataupun dalam bentuk tutorial (tutorial). Dilarang menggandakan seijin tim penyusun 14

15 Gambar 2.18 Tampilan menu Help c) Toolbar berisi icons yang membantu dan mempermudah mengelola data dengan cepat. Berikut beberapa icons yang terdapat pada toolbar : merupakan icon untuk membuka file. merupakan icon untuk menyimpan file. merupakan icon untuk mencetak data. icon untuk mengembalikan action terakhir. icon untuk mengulang action yang baru saja dilakukan. d) Baris Nama Variabel merupakan tempat yang menunjukkan nama dari suatu variabel. Untuk pertama kali baris nama variabel diberi nama Var. Untuk mengganti nama variabel dapat melalui variabel view dan mengganti dengan cara double klik kotak variabel tersebut. e) Baris data Merupakan barisan yang berisi data-data dalam jumlah banyak yang merupakan data daripada varibel tersebut. Dilarang menggandakan seijin tim penyusun 15

16 2. Variabel view Variabel view merupakan bagian yang digunakan untuk mendefinisikan variabel data yang akan dimasukkan. Untuk mengaktifkan kotak Variabel View lakukan dengan klik Variabel View (bagian yang diberi kotak). Variabel view memiliki gambar seperti di bawah ini : Gambar 2.19 Tampilan Variabel Di dalam Variabel View di atas memiliki keterangan sebagai berikut: Name : berisi nama variabel. Misal dengan memberikan nama variabel data pertama, maka klik kolom Name pada baris pertama, misalnya Jenis Kelamin. Type : merupakan tipe data, berbagai macam type yang ada memiliki fungsi yang berbeda yaitu : a. numeric untuk data angka dengan lebar 8 digit dan 2 angka desimal di belakang koma b. string untuk data teks, biasanya data berupa nama. Contoh : nama perusahaan. Dilarang menggandakan seijin tim penyusun 16

17 c. Date adalah data yang dimasukkan berupa tanggal dst. Width : diisikan sejumlah karakter (lebar kolom) yang akan diinput dalam Data View. Untuk tipe data numerik, lebar maksimal 40 digit, sedangkan tipe data string lebar maksimal 32767digit. Apabila menginginkan menambah lebar ditambah, klik tanda panah ke atas, sebaliknya untuk mengurangi digit lebar, klik panah ke bawah. Decimal : diisi jumlah desimal karakter maksimal yang akan diinput dalam Data View. SPSS memberikan default 2 angka desimal di belakang koma. Jika jumlah desimal ingin ditambah, klik tanda panah ke atas dan sebaliknya untuk mengurangi digit lebar, klik panah ke bawah. Label : kolom yang menunjukkan tambahan informasi dengan memberikan label variabel data. Gambar 2.20 Tampilan Type Value : untuk memberi kodefikasi, misalnya Motor=1, Mobil=2, 3=Jalan kaki. Gambar 2.21 Tampilan Value Dilarang menggandakan seijin tim penyusun 17

18 Missing : untuk merupakan kolom yang menunjukkan data yang hilang) Namun, jika data lengkap (tidak ada data yang hilang) maka kolom ini dapat diabaikan. Gambar 2.22 Tampilan Missing Columns : Memiliki fungsi mengubah jumlah karakter yang dapat dimasukkan pada suatu variabel tertentu. Bila kita mengisi coloumns dengan angka 2, maka hanya dua digit data saja yang dapat dimasukkan pada variabel tersebut. Align : untuk pengaturan tampilan perataan kata dalam Data View, seperti left, centre, right. Gambar 2.23 Tampilan Submenu Align Measure : merupakan tipe variabel yang akan menentukan jenis analisis yang akan digunakan. Maka secara default akan terpilih Nominal atau ordinal, jika variabel bertipe Dilarang menggandakan seijin tim penyusun 18

19 string. Scale digunakan apabila data yang ingin kita olah akan dibuat skala pengukuran (range). MEMINDAHKAN DATA Gambar 2.24 Tampilan Measure Di bawah ini adalah Tabel 1.1 yang merupakan contoh data yang akan diolah ke dalam SPSS di mana jumlah data ada 84 buah dengan variabel DER(Hutang), NPM(Net Profit Margin), STKTR AKTV(Struktur Aktiva), GROWTH(pertumbuhan), CR (Current Rasio) : Tabel 2.1 Data Penelitian SPSS NAMA OBS DER NPM STKTR AKTV GROWTH CR AALI 1 0,19 23,45 0,41-0,06 1,68 ANTM 2 1,11 26,37 0,6 0,06 2,68 ASII 3 1,81 9,3 0,19 0,56 0,74 INCO 4 0,29 30,25 0,72 0,15 3,65 INDF 5 2,33 1,34 0,41-0,06 1,47 INKP 6 1,57 10,41 0,68 0,03 3,09 ISAT 7 1,28 14,25 0,66 0,18 1,39 PTBA 8 0,38 16,27 0,16 0,19 4,51 Dilarang menggandakan seijin tim penyusun 19

20 SMCB 9 2,98 7,67 0,83-0,03 1,68 TLKM 10 1,4 10,36 0,74 0,1 0,76 UNTR 11 1,58 8,32 0,41 0,57 1,55 BLTA 12 2,94 25,41 0,66 0,81 1,46 PGAS 13 1,83 16,72 0,57 0,14 3,59 UNSP 14 1,54 13,5 0,22 0,11 2,09 AALI 15 0,24 20,95 0,44 0,1 0,87 ANTM 16 0,7 27,58 0,46 0,14 0,46 ASII 17 1,41 6,69 0,22-0,05 0,78 INCO 18 0,26 38,38 0,57 0,18 4,6 INDF 19 2,13 3,01 0,4 0,09 1 INKP 20 0,02 28,44 0,25-0,99 1,51 ISAT 21 1,24 11,52 0,73 0,04 0,83 PTBA 22 0,35 13,74 0,13 0,09 5,44 SMCB 23 2,37 5,88 0,84-0,04 1,23 TLKM 24 1,39 21,46 0,74 0,21 0,68 UNTR 25 1,44 6,78 0,46 0,06 1,34 BLTA 26 1,62 39,21 0,72 0,04 1,53 PGAS 27 1,61 28,54 0,86 0,2 1,45 UNSP 28 1,78 14,64 0,19 0,43 3,55 AALI 29 0,28 33,11 0,33 0,53 1,6 ANTM 30 0,37 42,74 0,25 0,65 0,67 ASII 31 1,17 9,29 0,22 0,1 0,91 INCO 32 0,36 50,43 0,66-0,07 2 INDF 33 2,62 3,52 0,27 0,83 0,92 INKP 34 0,02 25,81 0,36 0,05 8,44 ISAT 35 1,72 12,38 0,67 0,32 0,93 PTBA 36 0,4 18,43 0,09 0,26 4,43 SMCB 37 2,19 4,51 0,79 0,02 1,33 TLKM 38 1,16 21,63 0,75 0,09 0,77 UNTR 39 1,26 8,22 0,43 0,16 1,34 BLTA 40 2,2 20,84 0,76 1 0,7 PGAS 41 2,11 17,87 0,81 0,35 1,17 UNSP 42 0,81 10,6 0,17 1 3,17 AALI 43 0,23 32,24 0,31 0,22 1,94 ANTM 44 0,26 14,26 0,28-0,15 0,57 ASII 45 1,21 9,47 0,01 0,27 1,32 INCO 46 0,21 27,38 0,73 0,14 4,89 INDF 47 3,11 2,67 0,24 0,34 0,9 INKP ,88 0,41 0,01 3,96 Dilarang menggandakan seijin tim penyusun 20

21 ISAT 49 1,95 10,07 0,74 0,14 0,9 PTBA 50 0,51 23,67 0,06 0,55 3,66 SMCB 51 2,02 5,88 0,73 0,06 1,68 TLKM 52 1,38 17,5 0,78 0,11 0,54 UNTR 53 1,05 9,54 0,42 0,76 1,64 BLTA 54 3,24 22,24 0,83 0,21 0,71 PGAS 55 2,47 4,95 0,69 0,26 2,18 UNSP 56 0,9 5,92 0,16 0,09 1,49 AALI 57 0,18 22,37 0,32 0,16 1,83 ANTM 58 0,21 6,94 0,29-0,03 0,55 ASII ,19 0,25 0,1 1,37 INCO 60 0,29 22,4 0,68-0,05 7,24 INDF 61 2,45 5,59 0,27 0,02 1,16 INKP 62 0,01-33,67 0,4-0,01 8,86 ISAT 63 2,05 8,15 0,81 0,06 0,55 PTBA 64 0,4 30,48 0,05 0,32 4,91 SMCB 65 1,19 15,07 0,75-0,05 1,27 TLKM 66 1,22 17,54 0,78 0,07 0,61 UNTR 67 0,76 13,06 0,48 0,07 1,66 BLTA 68 3,04-46,23 0,78-0,06 0,76 PGAS 69 1,35 34,56 0,6 0,12 2,48 UNSP 70 0,9 10,87 0,14 0,08 1,01 AALI 71 0,23 21,47 0,32 0,12 1,32 ANTM 72 0,2 16,59 0,26 0,06 0,57 ASII 73 1,07 10,9 0,22 0,21 1,26 INCO 74 0,44 34,68 0,63 0,05 6,84 INDF 75 2,2 7,94 0,27 0,06 0,12 INKP 76 0,01-6,05 0,4-0,01 1,03 ISAT 77 2,16 3,58 0,77 0,02 0,79 PTBA 78 0,37 23,55 0,05 0,02 5,97 SMCB 79 0,86 14,45 0,73 0,01 1,49 TLKM 80 1,09 17,14 0,76 0,03 0,79 UNTR 81 0,77 10,64 0,47 0,14 1,59 BLTA 82 2,65 7,43 0,79 0,02 1,1 PGAS 83 1,38 32,18 0,56 0,06 2,94 UNSP 84 0,92 12,94 0,2 1,97 1,38 Kemudian langkah yang dilakukan untuk memindahkan data ke dalam SPSS dengan : Klik Start All Programs SPSS Inc SPSS Stasistic 17.0 Dilarang menggandakan seijin tim penyusun 21

22 Pilih Type in data, Copy data di atas dan Paste di Data View seperti gambar di bawah ini : Gambar 2.25 Tampilan Data pada Data View MENGGANTI NAMA VARIABLE Untuk mengganti nama variabel pada data view, dengan cara : Membuka Variabel View Gambar 2.26 Tampilan Variable View Dilarang menggandakan seijin tim penyusun 22

23 Double klik variabel pada Tab Nama untuk mengganti sesuai dengan variabel yang dihendaki. Gambar 2.27 Mengganti nama MENYIMPAN FILE Untuk menyimpan data dalam SPSS, hal yang perlu kita lakukan : Pada file yang sedang di buka pada SPSS, klik menu File Pilih Submenu Save As Gambar 2.28 Tampilan Save As Dilarang menggandakan seijin tim penyusun 23

24 Maka akan mucul kotak seperti d bawah ini, dan pada kotak File name berisi nama file yang akan kita simpan misalnya SPSS.REGRESI dan pada kotak Save as type berisi SPSS Statistics (*sav) Gambar 2.29 Tampilan Save Data As Pilih Save, maka data akan tersimpan dengan nama file SPSS.REGRESI.sav. Dilarang menggandakan seijin tim penyusun 24

25 BAB III DATA SCREENING DAN TRANSFORMASI Untuk melakukan uji statistik langkah awal yang harus dilakukan adalah dengan screening terhadap data yang akan diolah. Salah satu asumsi penggunaan statistika parametik adalah asumsi multivariate normality. Multivariate normality merupakan asumsi bahwa setiap variabel dan semua kombinasi linear dari variabel distribusi normal. Asumsi multivariate normality ini dapat diuji dengan melihat normalitas suatu variabel. Screening terhadap normalitas data merupakan langkah awal yang harus dilakukan untuk setiap multivariate. Dengan demikian, data yang berdistribusi normal akan menghasilkan model regresi yang baik. Ada beberapa cara yang dapat digunakan dalam mendekteksi normalitas data, namun pada modul ini akan menjelaskan mengenai uji statitik Kolmogorov-Smirnov. Langkah analisis : Buka file SPSS.REGRESI.SAV Dari menu utama SPSS, pilih menu Analyze, lalu pilih Non-parametic test, kemudian pilih submenu 1-sample K-S. Gambar 3.1 Tampilan 1-Sample K-S Dilarang menggandakan seijin tim penyusun 25

26 Maka akan muncul tampilan seperti di bawah ini : Gambar 3.2 Tampilan One-Sample Kolmogorov-Smirnov Pada layar One-Sample Kolmogorov-Smirnov Test, isi variabel DER, NPM, NET_SLS, STR_AKT, GROW dan CURRENT RATIO pada kotak Test Variable List. Untuk Test Distribution klik pada bagian Normal. Kemudian OK. Maka akan menghasilkan output : TABEL 3.1 HASIL ONE-SAMPLE KOLMOGOROV-SMIRNOV TEST One-Sample Kolmogorov-Smirnov Test DER NPM NET_SLS STR_AKT GROW CURRENT RATIO N Normal Parameters a,,b Mean Std. Deviation E Most Extreme Differences Absolute Positive Negative Dilarang menggandakan seijin tim penyusun 26

27 Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a. Test distribution is Normal. b. Calculated from data. Untuk probabilitas berdasarkan tabel di atas bahwa untuk variabel DER 0.156, NPM 0.118, STR_AKT memiliki nilai di atas α= 0.05 yang artinya bahwa variabel-variabel tersebut terdistribusi dengan normal sedangkan untuk variabel NET_SLS 0.000, GROW dan CURRENT RASIO 0,000 berada di bawah batas α= 0.05 yang demikian variabel tersebut tidak terdistribusi secara normal. Kemudian apabila data tidak terdistribusi secara normal maka data perlu ditransformasi agar menjadi normal. Untuk menormalkan data sebelumnya harus mengetahui terlebih dahulu bagaimana bentuk grafik histrogram dari data yang ada di mana bentuk dari grafik itu sendiri ada bermacammacam seperti moderate positive skewness, severe positive skewness. Berikut ini cara untuk melihat grafik histogram yaitu : Buka file SPSS.REGRESI.sav melalui perintah File Open Data. Dari menu utama SPSS pilih menu Graph, lalu Legacy Dialogs kemudian pilih Histogram. Gambar 3.3 Tampilan Submenu Histogram Dilarang menggandakan seijin tim penyusun 27

28 Kemudian akan muncul layar Histogram. Karena ada 3 variabel yang berdistribusi secara tidak normal maka perlu melakukan 3 kali membuat grafik histogram. Setelah itu pada kotak variabel diisikan dengan variabel NET_SALES. Seperti tampilan di bawah ini : Gambar 3.4 Tampilan kotak Histogram Kemudian beri checklist pada kotak display normal curve Klik OK. Maka akan menghasilkan output seperti di bawah ini : GRAFIK 3.2 NET SALES Dilarang menggandakan seijin tim penyusun 28

29 Lakukan hal yang sama pada variabel GROW dan CURRENT RASIO untuk sehingga menghasilkan grafik histogram seperti yang ada di bawah ini : GRAFIK 3.3 GROW GRAFIK 3.4 CURRENT RASIO Dilarang menggandakan seijin tim penyusun 29

30 Dengan melihat grafik Histogram seprti gambar di atas maka kita dapat melakukan trasformasi data. Untuk mengetahui jenis transformasi yang akan dilakukan, maka kita harus mengetahui termaksud jenis grafik histogram yang mana variabel-variabel tersebut. Berikut ini bentuk transformasi yang dapat dilakukan sesuai dengan grafik Histogram : 1. Moderate Positive Skewness : SQRT(x) atau bentuk kuadrat. 2. Subtansial Positive Skewness : LG10(x) atau logaritma 10 atau LN 3. Severe Positive Skewness dengan bentuk L : 1/x atau inverse 4. Subtansial Negative Skewness : LG10(k-x) 5. Severe Negative Skewness dengan bentuk J : 1/(k-x) Melihat bentuk Grafik yang terjadi pada Net_Sls dan Current rasio merupakan bentuk grafik Moderate Positive Skewness sehingga untuk melakukan transformasi data dengan cara : Buka file SPSS.REGRESI.sav Pada menu utama SPSS, menu Transform submenu Compute Gambar 3.5 Tampilan Compute Variable Dilarang menggandakan seijin tim penyusun 30

31 Maka akan muncul layar Compute Variable, untuk kotak Function group pilih All dan untuk kotak Functions dan Special variables pilih Sqrt kemudian klik tombol maka pada kotak numeric Expression muncul Sqrt(x) untuk (x) akan diganti dengan meng-klik variabel NET_SLS lalu tombol sehingga menjadi SQRT(NET_SALES). Kemudian pada Target variable diberi nama lain misal NET_SLS1. Perhatikan gambar di bawah ini : Gambar 3.6 Tampilan Compute Variable Pilih OK Lakukan juga untuk variabel CURRENT RASIO dan variabel GROW dengan menggunakan langkah seperti di atas tetapi pada kotak Funtions and Special Variables menggunakan LG10. Dan pada Target Variable diberi nama GROW1 dan CR1. Untuk hasilnya kita dapat membuka data editor. Akan muncul tab variabel yang baru sesuai dengan variabel yang kita beri nama tersebut. Setelah melakukan transformasi data maka data tersebut diharapkan dapat terdistribusi secara normal. Untuk memastikannya perlu adanya pengecekan data agar data tersebut dapat dinyatakan normal yaitu dengan menggunakan menu utama SPSS, analyze Analyze Non- Dilarang menggandakan seijin tim penyusun 31

32 parametic test 1-sample K-S. masukkan semua variabel yang sudah kita transformasikan kemudian klik OK. Maka kita dapat melihat bahwa data yang kita punya sudah normal dimana probabilitas data itu lebih dari α = untuk lebih jelasnya kita dapat melihat hasil output di bawah ini : TABEL 3.5 ONE-SAMPLE KOLMOGOROV-SMIRNOV TEST One-Sample Kolmogorov-Smirnov Test net_sls1 GROW1 CR1 N Normal Parameters a,,b Mean Std. Deviation Most Extreme Differences Absolute Positive Negative Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a. Test distribution is Normal. b. Calculated from data. Dari hasil dapat disimpulkan bahwa untuk variabel net sales 0.71, grow 0.992, dan current rasio merupakan data yang berditribusi secara normal dengan nilai signifikan lebih dari Dilarang menggandakan seijin tim penyusun 32

33 BAB IV KOLERASI Uji kolerasi digunakan untuk menguji tentang ada tidaknya hubungan antar variabel satu dengan variabel yang lainnya. Uji kolerasi belum dapat diketahui variabel penyebab dan variabel akibat. Dalam analisis kolerasi yang diperhatiakan adalah arah (positif atau negative) dan besatnya hubungna (kekuatan). Koefisien kolerasi mempunyai harga -1 atau +1 (bergerak dari nol hingga 1 maka semakin besar atau kuat hubungan variabel atau sempurna = 1). Sebaliknya semakin mendekati 0 maka semakin lemah atau kecil hubungannya. BIVARIATE COLLELATION Sering juga disebut dengan Product Moment Person berguna untuk menguji kolerasi antar dua variabel di dalam melakukan uji kolerasi perlu memperhatikan Test of Significant yaitu meliputi Two-Tailed (uji dua sisi) digunakan dalam kondisi belum diketahui bentuk hubungan antar variabel dan One-tailed (uji satu sisi) digunakan untuk menguji test of significant dari 2 variabel, tetapi telah diketahui adanya arah kecenderungan hubungan negative atau positif di antara 2 variabel yang berhubungan. Cara menganalisanya adalah Buka file SPSS.REGRESI.sav Pilih menu Analyze, pilih Correlate dan klik Bivariate Gambar 4.1 Tampilan Analyze Dilarang menggandakan seijin tim penyusun 33

34 Maka akan muncul layar Bivariate Correlations. Masukkan variabel DER dan NPM dalam kotak Variables. Gambar 4.2 Tampilan Bivariate Correlations Pilih Correlation Coefficient Pearson dan Test Of Significance dengan two tailed karena belum ditentukan arah hubungan dari variabel DER dan NPM. Gambar 4.3 Tampilan Bivariate Correlations Options Dilarang menggandakan seijin tim penyusun 34

35 Klik menu Option, lalu Continue akhiri dengan OK. Maka akan menghasilkan Output seperti di bawah ini : TABEL 4.1 CORRELATIONS Correlations DER STR_AKT DER Pearson Correlation ** Sig. (2-tailed).000 N STR_AKT Pearson Correlation.412 ** 1 Sig. (2-tailed).000 N **. Correlation is significant at the 0.01 level (2-tailed). Terdapat hubungan antara DER dengan STR_AKT sebesar sifat kolerasi positif menunjukkan semakin tinggi hutang akan semakin tinggi juga struktuk aktiva. Nilai signifikasi sebesar berarti hubungan tersebut signifikan atau diterima pada probabilitas 5%. PARTIAL CORRELATION kolerasi parsial digunakan untuk menguji kolerasi dengan memperhitungkan efek dari variabel lain atau dengan kata lain kolerasi partial mengukur kolerasi antar dua variabel dengan mengeluarkan pengaruh dari satu atau lebih variabel lain yang sering disebut dengan variabel control. Cara pengolahan data yaitu Buka file SPSS.REGRESI.sav Klik Analyze Correlate Partial. Dilarang menggandakan seijin tim penyusun 35

36 Gambar 4. 4 Tampilan Analyze Masukkan variabel NPM dan NET_SLS1 ke dalam kotak Variables. Masukkan variabel CR1 ke Controlling for Gambar 4.5 Tampilan Partial Correlation Dilarang menggandakan seijin tim penyusun 36

37 Kemudian klik Options dan pilih zero-order correlations dan exclude cases listwise, tekan continue lalu OK Gambar 4.6 Tampilan Partial Correlation Options Maka akan menghasilkan tabel seperti di bawah ini : TABEL 4.2 CORRELATIONS Correlations Control Variables NPM NET_SLS1 CR1 -none- a NPM Correlation Significance (2-tailed) Df NET_SLS1 Correlation Significance (2-tailed) Df CR1 Correlation Significance (2-tailed) Dilarang menggandakan seijin tim penyusun 37

38 Df CR1 NPM Correlation Significance (2-tailed)..697 Df 0 81 NET_SLS1 Correlation Significance (2-tailed).697. Df 81 0 a. Cells contain zero-order (Pearson) correlations. Dari hasil koefisien antara NPM dan NET_SLS1 sebelum menghilangkan pengaruh variabel CR1 adalah dan signifikan pada alpha dan setelah menghilangkan pengaruh variabel CR1 adalah dan signifikan pada alpha Dilarang menggandakan seijin tim penyusun 38

39 BAB V REGRESI Regresi digunakan untuk mengukur kekuatan hubungan antara dua variabel atau lebih, juga menunjukkan arah hubungan antara variabel. Variabel adalah simbol yang melekat pada bilangan atau angka. Dalam proses aplikasi SPSS, maka data-data selalu dikelompokkan ke dalam kelompok variabel-variabel yang sangat menentukan dalam proses penarikan kesimpulan hasil uji statistik. Ada 2 jenis variabel di dalam SPSS yaitu : 1. Variabel bebas (independen variabel) yaitu suatu variabel yang menerangkan (mempengaruhi) terhadap variabel lainnya. Variabel ini dalam notasinya seringkali diberi notasi X (X1,X2,X3,dst) 2. Variabel terikat (dependent variabel) yakni suatu variabel yang dipengaruhi (diterangkan) oleh variabel lain. Variabel ini dalam notasinya sering ditulis dengan Y. Kemudian Regresi Linear ada 2 macam yaitu Regresi Linear Sederhana Regresi sederhana, bertujuan untuk mempelajari hubungan antara dua variabel. Regresi Linear digunakan apabila variabel dependent dipengaruhi hanya satu variabel independen. Bentuk Umum Regresi Linear Sederhana : Y = a + bx Keterangan : Y : peubah tak bebas X : peubah bebas a : konstanta b : kemiringan Regresi Linear Berganda Analisis regresi ganda merupakan pengembangan dari analisis regresi sederhana. Kegunaannya yaitu untuk meramalkan nilai variabel terikat (Y) apabila variabel bebasnya (X) dua atau lebih. Analisis regresi ganda adalah alat untuk meramalkan nilai pengaruh dua variabel bebas atau lebih terhadap satu variabel terikat (untuk membuktikan ada tidaknya hubungan fungsional atau hubungan kausal antara dua atau lebih variabel bebas X 1, X 2,., X i terhadap suatu variabel terikat Y. Dilarang menggandakan seijin tim penyusun 39

40 Bentuk Umum Regresi Linier Berganda : Y = a + b X + b X b X n n Keterangan : Y : peubah takbebas a : konstanta X : peubah bebas ke-1 1 b : kemiringan ke-1 1 X : peubah bebas ke-2 2 b : kemiringan ke-2 2 X : peubah bebas ke-n n b : kemiringan ke-n n Sebagai contoh dalam regresi linear dengan menguji pengaruh net profit margin (NPM), struktur aktiva (STR_AKT), net sales (NET_SLS1), pertumbuhan perusahaan (GROW1), dan current rasio (CR1) terhadap hutang perusahaaan (Y). Proses pengelohan data : Buka file SPSS.REGRESI.sav. Klik Analyze pilih Regression klik Linear. Gambar 5.1 Tampilan Analyze Dilarang menggandakan seijin tim penyusun 40

41 Maka akan muncul kotak Linear Regression seperti gambar di bawah ini : Gambar 5.2 Tampilan Linear Regression Klik variabel DER dan masukkan ke kotak dependen, dan klik variabel NPM, STR_AKT, GROW1, NET_SLS1, dan CR1 ke dalam kotak independen. Abaikan semua pilihan dan pilih OK. KOEFISIEN DETERMINASI Koefisien determasi (R 2 ) pada intinya mengukur seberapa jauh kemampuan model dalam variasi variabel dependen. Bila nilai R 2 kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel sangat terbatas. Kelemahan mendasar penggunaan koefisien determasi adalah bias terhadap jumlah variabel independen yang dimasukkan ke dalam model. Setiap tambahan satu variabel independen, maka nilai R 2 akan meningkat tidak peduli apakah variabel tersebut berpengaruh secarasignifikan terhadapo variabel dependen. TABEL 5.1 MODEL SUMMARY Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate a a. Predictors: (Constant), CR1, GROW1, NPM, STR_AKT, NET_SLS1 Dilarang menggandakan seijin tim penyusun 41

42 Dari tampilan output SPSS di atas besar dari Adjusted R 2 adalah atau hanya sebesar 47,7% DER dapat dijelaskan oleh keempat variabel independen CR1, GROW1, NPM, STR_AKT, NET_SLS1 dan sisanya dijelaskan oleh variabel lainnya. SEE (Standart Error of estimate) sebesar semakin kecil nilai SEE akan membuat model regresi semakin tepat dalam memprediksi variabel dependen. UJI STATISTIK F Pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen atau terikat. TABEL 5.2 ANOVA ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression a Residual Total a. Predictors: (Constant), CR1, GROW1, NPM, STR_AKT, NET_SLS1 b. Dependent Variable: DER Dari uji ANOVA atau F test didapatkan nilai F hitung sebesar dengan probabilitas karena probabilitas jauh lebih kecil dari α = 0.05 maka model regresi dapat digunakan untuk memprediksi nilai DER atau yang artinya variabel CR1, GROW1, NPM, STR_AKT, NET_SLS1 secara bersama-sama mampu menerangkan variabel DER. UJI STATISTIK T Uji ini untuk menunjukkan seberapa jauh pengaruh satu variabel penjelas atau independen secara individual dalam menerangkan variasi variabel dependen. Untuk menginterprestasikan koefisien variabel bebas (independen) dapat menggunakan unstandardized coefficients maupun standardized coefficients yaitu dengan melihat nilai signifikasi masing-masing variabel independen dari tabel di bawah ini bahwa nilai NET_SLS dan CR memiliki niali jauh di atas 0.05 sedangkan NPM 0.000, STR_AKT 0.000, dan GROW memiliki nilai yang signifikan pada 0.05 Dilarang menggandakan seijin tim penyusun 42

43 TABEL 5.3 COEFFICIENTS Coefficients a Unstandardized Coefficients Standardized Coefficients Model B Std. Error Beta t Sig. 1 (Constant) NPM STR_AKT NET_SLS E GROW CR a. Dependent Variable: DER Dilarang menggandakan seijin tim penyusun 43

44 BAB VI UJI ASUMSI KLASIK UJI MULTIKOLONIERITAS Uji Multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya kolerasi antar variabel bebas. Model regresi yang baik sebagiknya tidak terjadi kolerasi di antara variabel terikat. Untuk mendektesi adanya atau tidaknya multikolonieritas dalam model regresi dapat dengan cara : Nilai R 2 yang dihasilkan oleh oleh suatu estimasi model empiris sangat tinggi, tetapi biasanya variabel-variabel independen banyak yang tidak signifikan terhadap variabel dependentnya. Dengan melihat batas tolerance yang memiliki nilaki kurang dari 0.10 yang berarti tidak ada kolerasi antar variabel independen. Kemudian dari nilai VIF (Variance Inflation Factor) juga menunjukkan hal yang sama yaitu tidak adanya penyakit multikolonieritas dengan nilai dari VIF lebih dari 10. Selain itu dari Ouput SPSS juga bisa dilihat nilai CI (Condition Index). Jika nilai CI > 30 maka dalam model terdapat penyimpangan Asumsi Klasik Multicolinierity. Langkah untuk menganalisis penyakit multikolonieritas yaitu : 1. Buka file SPSS.REGRESI.sav 2. Pilih menu Analyze, submenu Regresi lalu pilih Linear Regression. Gambar 6.1 Tampilan menu Analyze Dilarang menggandakan seijin tim penyusun 44

45 3. Maka akan muncul layar windows Linear Regression. Gambar 6.2 Layar Linear Regression Pada kotak Dependent isikan variabel DER dan pada kotak Independen isikan NPM, NET_SLS1, STR_AKT, GROW1 dan CR1. 4. Untuk menampilkan matrik kolerasi dan nilai Tolernace serta VIF pilih Statistics maka akan muncul layar tampilan windows Linear Regression Statistics. Akifkan pilihan Covariance matrix dan Collinierity Diagnostics. Gambar 6.3 Tampilan Linear Regression Statistics Dilarang menggandakan seijin tim penyusun 45

46 5. Tekan Continue, abaikan yang lain dan tekan OK 6. Maka akan muncul tampilan SPSS : TABEL 6.1 COEFFICIENT CORRELATIONS Coefficient Correlations a Model CR1 GROW1 NPM STR_AKT NET_SLS1 1 Correlations CR GROW NPM STR_AKT NET_SLS Covariances CR E-6 GROW E-7 NPM E E-8 STR_AKT E-7 NET_SLS E E E E E-9 a. Dependent Variable: DER Melihat besaran kolerasi antar variabel independen tampak bahwa variabel NET_SLS , variabel CR , NPM memiliki kolerasi yang cukup tinggi, sedangkan STR_AKT dan GROW atau sekitar 43%. Oleh karena itu kolerasi ini masih di bawah 95%, maka dapat dikatakan tidak terjadi multikolonieritas serius. Kemudian dari hasil tabel 4.2 di bawah ini, nilai Tolerance untuk NET_SLS , NPM 0.815, STR_AKT 0.797, GROW , CR menunjukkan nilai kurang dari 0.10 yang berarti tidak ada kolerasi antar variabel independen yang nilainya lebih dari 95%. Hasil perhitungan nilai Variance Inflation Factor (VIF) juga menunjukkan hal yang sama, bahwa variabel NET_SLS , NPM 1.228, STR_AKT 1.254, GROW , CR tidak ada satu variabel independent yang memiliki nilai VIF lebih dari 10. Jadi tidak ada multikolonieritas antar variabel independen dalam model regresi. Dilarang menggandakan seijin tim penyusun 46

47 TABEL 6.2 COEFFICIENTS Coefficients a Unstandardized Coefficients Standardized Coefficients Collinearity Statistics Model B Std. Error Beta t Sig. Tolerance VIF 1 (Constant) NPM STR_AKT NET_SLS E GROW CR a. Dependent Variable: DER TABEL 6.3 DIAGNOSTIC COLLINEARITY Collinearity Diagnostics a Dimen Eigenvalue Variance Proportions Model sion Condition Index (Constant) NPM STR_AKT NET_SLS1 GROW1 CR a. Dependent Variable: DER Nilai CI yang dihasilkan untuk masing-masing variabel independen adalah kurang dari 30 maka dapat disimpulkan bahwa variabel independen tidak terjangkit penyakit multikolonieritas. Dilarang menggandakan seijin tim penyusun 47

48 UJI AUTOKOLERASI Uji autokolerasi bertujuan menguji apakah dalam model regresi linear ada kolerasi antara kesalahan penggangguan pada perioade t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Jika adanya kolerasi maka adanya penyakit autokolerasi. Masalah ini disebabkan karena residual (kesalahan pengganggu) tidak bebas dari satu observasi ke observasi lainnya. Apabila pada salah satu terdapat gangguan maka cenderung mempengaruhi gangguan untuk periode berikutnya. Ada beberapa cara yang dapat digunakan untuk mendekteksi ada atau tidaknya autokolerasi, pada modul ini akan menjelaskan dengan Uji Durbin Watson (DW test) Digunakan untuk autokolerasi tingkat satu dan mensyaratkan adanya intercept (konstanta) dalam model regresi. Hipotesis yang akan diuji adalah : H0 : tidak adanya autokolerasi. H1 : adanya autokolerasi. Pengambilan keputusan autokolerasi : Hipotesis nol Keputusan Jika Tidak ada autokolerasi positif Tidak ada autokolerasi positif Tolak No desicion 0 < d < dl dl d du Tidak ada autokolerasi negatif Tolak 4-dl < d <4 Tidak ada autokolerasi negatif Tidak ada autokolerasi, positif atau negatif No desicion Diterima 4-du d 4-dl du < d < 4-dl Dilarang menggandakan seijin tim penyusun 48

49 Langkah yang digunakan untuk mengetahui ada tidaknya autokolerasi : 1. Buka file SPSS.REGRESI.sav 2. Menu Analyze Regression Linear Gambar 6.4 Tampilan menu Analyze Kemudian Pada kotak Dependent isikan variabel DER dan pada kotak Independen isikan NPM, NET_SLS1, STR_AKT, GROW1 dan CR1. Gambar 6.5 Layar Linear Regression Dilarang menggandakan seijin tim penyusun 49

UJI ASUMSI KLASIK DENGAN SPSS 16.0. Disusun oleh: Andryan Setyadharma

UJI ASUMSI KLASIK DENGAN SPSS 16.0. Disusun oleh: Andryan Setyadharma UJI ASUMSI KLASIK DENGAN SPSS 16.0 Disusun oleh: Andryan Setyadharma FAKULTAS EKONOMI UNIVERSITAS NEGERI SEMARANG 2010 1. MENGAPA UJI ASUMSI KLASIK PENTING? Model regresi linier berganda (multiple regression)

Lebih terperinci

GET FILE='D:\albert\data47 OK.sav'. DESCRIPTIVES VARIABLES=TOperAC seperac /STATISTICS=MEAN STDDEV MIN MAX. Descriptive Statistics

GET FILE='D:\albert\data47 OK.sav'. DESCRIPTIVES VARIABLES=TOperAC seperac /STATISTICS=MEAN STDDEV MIN MAX. Descriptive Statistics GET FILE='D:\albert\data47 OK.sav'. DESCRIPTIVES VARIABLES=TOperAC seperac /STATISTICS=MEAN STDDEV MIN MAX. Descriptive Statistics N Minimum Maximum Mean Std. Deviation TOperAC 47 988.47 2376.52 1802.6366

Lebih terperinci

APLIKASI REGRESI SEDERHANA DENGAN SPSS. HENDRY admin teorionline.net Phone : 021-834 14694 / email : klik.statistik@gmail.com

APLIKASI REGRESI SEDERHANA DENGAN SPSS. HENDRY admin teorionline.net Phone : 021-834 14694 / email : klik.statistik@gmail.com APLIKASI REGRESI SEDERHANA DENGAN SPSS HENDRY admin teorionline.net Phone : 02-834 4694 / email : klik.statistik@gmail.com Tentang Regresi Sederhana Analisis regresi merupakan salah satu teknik analisis

Lebih terperinci

BAB V HASIL PENELITIAN

BAB V HASIL PENELITIAN 1 BAB V HASIL PENELITIAN 5.1 Statistik Deskriptif Penelitian ini menggunakan perusahaan yang terdaftar di Bursa Efek Indonesia, baik perusahaan dibidang keuangan maupun bidang non-keuangan sebagai sampel

Lebih terperinci

UJI ASUMSI KLASIK DENGAN SPSS 16.0. Disusun oleh: Andryan Setyadharma

UJI ASUMSI KLASIK DENGAN SPSS 16.0. Disusun oleh: Andryan Setyadharma UJI ASUMSI KLASIK DENGAN SPSS 16.0 Disusun oleh: Andryan Setyadharma FAKULTAS EKONOMI UNIVERSITAS NEGERI SEMARANG 2010 1. MENGAPA UJI ASUMSI KLASIK PENTING? Model regresi linier berganda (multiple regression)

Lebih terperinci

BELAJAR SPSS. Langkah pertama yang harus dilakukan adalah dengan cara menginstal terlebih dahulu software SPSS

BELAJAR SPSS. Langkah pertama yang harus dilakukan adalah dengan cara menginstal terlebih dahulu software SPSS BELAJAR SPSS SPSS merupakan software statistik yang paling populer, fasilitasnya sangat lengkap dibandingkan dengan software lainnya, penggunaannya pun cukup mudah. Langkah pertama yang harus dilakukan

Lebih terperinci

LAMPIRAN 1 UJI COBA INSTRUMEN PENELITIAN

LAMPIRAN 1 UJI COBA INSTRUMEN PENELITIAN 83 LAMPIRAN 1 UJI COBA INSTRUMEN PENELITIAN 83 84 Nama : Kelas/No. Absen : Petunjuk Pengisian Angket: Berilah tanda check ( ) pada kolom S (Selalu), SR (Sering), J (Jarang), TP (Tidak Pernah) sesuai dengan

Lebih terperinci

1. DATA ENTRY. Gambar 1.1 Kotak Dialog SPSS

1. DATA ENTRY. Gambar 1.1 Kotak Dialog SPSS 1. DATA ENTRY 1.1 Input data Sebelum membahas cara input data dalam SPSS, terlebih dahulu buka program SPSS anda. Saat pertama kali masuk pada program SPSS akan muncul kotak dialog SPSS for Windows (aktif)

Lebih terperinci

Hubungan Linier Jumlah Penduduk Yang Bekerja dengan Belanja Langsung

Hubungan Linier Jumlah Penduduk Yang Bekerja dengan Belanja Langsung 139 LAMPIRAN 2 Hubungan Linier Jumlah Penduduk Yang Bekerja dengan Belanja Langsung Dependent Variable: Belanja Langsung Linear.274 19.584 1 52.000 57.441.239 The independent variable is Jumlah penduduk

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. data yang telah diperolah dari penelitian yang telah dilakukan pada 95

BAB IV HASIL DAN PEMBAHASAN. data yang telah diperolah dari penelitian yang telah dilakukan pada 95 BAB IV HASIL DAN PEMBAHASAN 4.1 Gambaran Umum Responden Dalam gambaran umum mengenai responden ini akan disajikan data yang telah diperolah dari penelitian yang telah dilakukan pada 95 orang responden.

Lebih terperinci

BAB IV ANALISIS DATA. dengan menggunakan bantuan program SPSS, sebagaimana telah diketahui

BAB IV ANALISIS DATA. dengan menggunakan bantuan program SPSS, sebagaimana telah diketahui BAB IV ANALISIS DATA A. Pengujian Hipotesis Sebelum menjabarkan tentang analisis data dalam bentuk perhitungan dengan menggunakan bantuan program SPSS, sebagaimana telah diketahui hipotesapenelitian sebagai

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Untuk menguji apakah alat ukur (instrument) yang digunakan memenuhi

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Untuk menguji apakah alat ukur (instrument) yang digunakan memenuhi BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil uji itas dan Reliabilitas Untuk menguji apakah alat ukur (instrument) yang digunakan memenuhi syarat-syarat alat ukur yang baik, sehingga mengahasilkan

Lebih terperinci

Lampiran 1. Langkah perhitungan Uji Validitas di SPSS.

Lampiran 1. Langkah perhitungan Uji Validitas di SPSS. 121 Lampiran 1. Langkah perhitungan Uji Validitas di SPSS. 1. Pilih program SPSS for Windows pada komputer anda. Setelah itu, pilih Cancel. 2. Pada variable view, ketik: Nomor1 (Nomor2, Nomor3,, Nomor20)

Lebih terperinci

PENGARUH LABA AKUNTANSI DAN KOMPONEN ARUS KAS TERHADAP RETURN SAHAM PADA PERUSAHAAN MANUFAKTUR YANG TERDAFTAR DI BURSA EFEK INDONESIA

PENGARUH LABA AKUNTANSI DAN KOMPONEN ARUS KAS TERHADAP RETURN SAHAM PADA PERUSAHAAN MANUFAKTUR YANG TERDAFTAR DI BURSA EFEK INDONESIA PENGARUH LABA AKUNTANSI DAN KOMPONEN ARUS KAS TERHADAP RETURN SAHAM PADA PERUSAHAAN MANUFAKTUR YANG TERDAFTAR DI BURSA EFEK INDONESIA Satria Pratama (satriapratama582@gmail.com) Dinnul Alfian Akbar (dinnul_alfian_akbar@yahoo.com)

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN

BAB IV HASIL DAN PEMBAHASAN BAB IV HASIL DAN PEMBAHASAN 4.1. Uji Instrumen Data Validitas menunjukkan sejauh mana alat pengukur yang dipergunakan untuk mengukur apa yang diukur. Adapun caranya adalah dengan mengkorelasikan antara

Lebih terperinci

Angket Uji Coba Instrumen Data Hasil Uji Coba instrumen

Angket Uji Coba Instrumen Data Hasil Uji Coba instrumen Angket Uji Coba Instrumen Data Hasil Uji Coba instrumen A. Angket Uji Coba Instrumen Penelitian PENGARUH KONSEP DIRI, PRAKTEK INDUSTRI DAN INFORMASI DUNIA KERJA TERHADAP KESIAPAN KERJA SISWA KELAS XII

Lebih terperinci

BAB III METODOLOGI PENELITIAN. A. Definisi konseptual, Operasional dan Pengukuran Variabel

BAB III METODOLOGI PENELITIAN. A. Definisi konseptual, Operasional dan Pengukuran Variabel BAB III METODOLOGI PENELITIAN A. Definisi konseptual, Operasional dan Pengukuran Variabel 1. Definisi Konseptual Menurut teori teori yang di uraikan tersebut diatas dapat disimpulkan bahwa yang dimaksud

Lebih terperinci

KORELASI DAN REGRESI LINIER SEDERHANA

KORELASI DAN REGRESI LINIER SEDERHANA KORELASI DAN REGRESI LINIER SEDERHANA 1. Pendahuluan Istilah "regresi" pertama kali diperkenalkan oleh Sir Francis Galton pada tahun 1886. Galton menemukan adanya tendensi bahwa orang tua yang memiliki

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BB 3 METODE PENELITIN 3.1 Desain/Kerangka Penelitian Berdasarkan dari uraian latar belakang, perumusan masalah, dan teori-teori yang telah dijelaskan sebelumnya, maka kerangka pemikiran dari penelitian

Lebih terperinci

MODUL MATA KULIAH APLIKASI KOMPUTER. Oleh: Ali Muhson, M.Pd.

MODUL MATA KULIAH APLIKASI KOMPUTER. Oleh: Ali Muhson, M.Pd. MODUL MATA KULIAH APLIKASI KOMPUTER Oleh: Ali Muhson, M.Pd. PROGRAM STUDI PENDIDIKAN EKONOMI KOPERASI FAKULTAS ILMU SOSIAL UNIVERSITAS NEGERI YOGYAKARTA 2005 ii KATA PENGANTAR Puji syukur alhamdulillah

Lebih terperinci

Analisis Korelasi dan Regresi Sederhana

Analisis Korelasi dan Regresi Sederhana Analisis Korelasi dan Regresi Sederhana Pada minggu ini akan dipelajari : Menghitung Korelasi Melakukan Analisis Regresi Sederhana Pemeriksaan Asumsi dalam Analisis Regresi Untuk melakukan kegiatan pada

Lebih terperinci

Ratna Ayu L Universitas Negeri Surabaya Ratna.ayu2541@yahoo.com. Abstract

Ratna Ayu L Universitas Negeri Surabaya Ratna.ayu2541@yahoo.com. Abstract Analisis Pengaruh Pendanaan dari Luar Perusahaan dan Modal Sendiri Terhadap Tingkat Profitabilitas Pada Perusahaan Automotive and Components yang Go Public Di Bursa Efek Indonesia Ratna Ayu L Universitas

Lebih terperinci

BAB IV ANALISIS DAN PEMBAHASAN HASIL PENELITIAN

BAB IV ANALISIS DAN PEMBAHASAN HASIL PENELITIAN BAB IV ANALISIS DAN PEMBAHASAN HASIL PENELITIAN A. Gambaran Umum Fakultas Ushuluddin 1. Sejarah Berdirinya IAIN Walisongo dan Fakultas Ushuluddin Institut Agama Islam Negeri (IAIN) pada awal pertumbuhannya

Lebih terperinci

MODUL REGRESI LINIER SEDERHANA

MODUL REGRESI LINIER SEDERHANA MODUL REGRESI LINIER SEDERHANA Tujuan Praktikum: Membantu mahasiswa memahami materi Pegambilan keputusan dari suatu kasus dengan menggunakan kaidah dan persamaan I. Pendahuluan Di dalam analisa ekonomi

Lebih terperinci

LAMPIRAN Statistics Umur

LAMPIRAN Statistics Umur LAMPIRAN Statistics Umur Pendidikan Pekerjaan Kolesterol Kalsium Natrium IMT N Valid 212 212 212 212 212 212 212 Missing 0 0 0 0 0 0 0 Mean 49.06 3.71 4.61 128.70 290.70 294.91 26.660 Std. Deviation 2.939

Lebih terperinci

Raharjo Raharjo@gmail.com http://raharjo.ppknunj.org

Raharjo Raharjo@gmail.com http://raharjo.ppknunj.org Uji Validitas dan Reliabilitas Raharjo Raharjo@gmail.com http://raharjo.ppknunj.org Lisensi Dokumen: Seluruh dokumen di StatistikaPendidikan.Com dapat digunakan, dimodifikasi dan disebarkan secara bebas

Lebih terperinci

BAB I PENDAHULUAN. Keuntungan dari menggunakan metode non parametrik adalah :

BAB I PENDAHULUAN. Keuntungan dari menggunakan metode non parametrik adalah : BAB I PENDAHULUAN Metode statistik yang banyak dilakukan adalah dengan menggunakan metode parametrik (seperti t-test, z test, Anova, regresi, dan lainnya) dengan menggunakan parameter-parameter seperti

Lebih terperinci

REGRESI LINIER OLEH: JONATHAN SARWONO

REGRESI LINIER OLEH: JONATHAN SARWONO REGRESI LINIER OLEH: JONATHAN SARWONO 1.1 Pengertian Apa yang dimaksud dengan regresi linier? Istilah regresi pertama kali dalam konsep statistik digunakan oleh Sir Francis Galton dimana yang bersangkutan

Lebih terperinci

PENGARUH JAM PELAJARAN KOSONG TERHADAP KENAKALAN PESERTA DIDIK DI SMAN 1 REJOTANGAN TAHUN 2013 Oleh : Supriadi Guru SMAN 1 Rejotangan

PENGARUH JAM PELAJARAN KOSONG TERHADAP KENAKALAN PESERTA DIDIK DI SMAN 1 REJOTANGAN TAHUN 2013 Oleh : Supriadi Guru SMAN 1 Rejotangan PENGARUH JAM PELAJARAN KOSONG TERHADAP KENAKALAN PESERTA DIDIK DI SMAN 1 REJOTANGAN TAHUN 2013 Oleh : Supriadi Guru SMAN 1 Rejotangan ABSTRAK. Penelitian ini bertujuan untuk menjelaskan besarnya pengaruh

Lebih terperinci

Petunjuk Praktis Penggunaan Microsoft Excel 2003

Petunjuk Praktis Penggunaan Microsoft Excel 2003 Petunjuk Praktis Penggunaan Microsoft Excel 2003 Oleh : Rino A Nugroho, S.Sos,M.T.I Ada beberapa aplikasi perkantoran yang diciptakan oleh Microsoft. Aplikasi ini di jadikan dalam satu program yang bernama

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. Belanja Daerah tahun sekarang pada kabupaten/kota di propinsi Sumatera Utara

BAB IV HASIL DAN PEMBAHASAN. Belanja Daerah tahun sekarang pada kabupaten/kota di propinsi Sumatera Utara 42 BAB IV HASIL DAN PEMBAHASAN Penelitian ini menganalisis pengaruh DAU dan PAD tahun lalu terhadap Belanja Daerah tahun sekarang pada kabupaten/kota di propinsi Sumatera Utara tahun 2006 2008. Alat analisis

Lebih terperinci

MICROSOFT OFFICE POWERPOINT 2007

MICROSOFT OFFICE POWERPOINT 2007 MICROSOFT OFFICE POWERPOINT 2007 Cakupan Panduan : Menjalankan software presentasi Menggunakan menu-menu serta shortcut Menyimpan, memanggil, insert, edit Menggunakan Header, footer, page numbering Pencetakan

Lebih terperinci

ANALISIS DATA DENGAN SPSS

ANALISIS DATA DENGAN SPSS ANALISIS DATA DENGAN SPSS I. ANALISIS DATA UNTUK UJI PERSYARATAN UJI HIPOTESIS A. Uji Normalitas Uji normalitas data dimaksudkan untuk memperlihatkan bahwa data sampel berasal dari populasi yang berdistribusi

Lebih terperinci

Lampiran 1. Hasil Uji Validitas Logis

Lampiran 1. Hasil Uji Validitas Logis LAMPIRAN 74 Lampiran 1. Hasil Uji Validitas Logis 75 76 77 Lampiran 2. Uji Coba Kuesioner Penelitian Skripsi UJI COBA KUESIONER PENELITIAN SKRIPSI Identitas Responden Nama Kelas :.. (Boleh Tidak Diisi)

Lebih terperinci

TEKNIK PENGUJIAN VALIDITAS DAN RELIABILITAS

TEKNIK PENGUJIAN VALIDITAS DAN RELIABILITAS TEKNIK PENGUJIAN VALIDITAS DAN RELIABILITAS PENGUJIAN VALIDITAS MENGGUNAKAN EXCEL Berikut ini adalah contoh pengujian validitas konstruk, yang digunakan untuk menilai apakah data hasil angket/kuisioner

Lebih terperinci

PENGARUH CAPITAL ADEQUACY RATIO (CAR) DAN NON PERFORMING LOAN (NPL) TERHADAP RETURN ON TOTAL ASSET (ROA) PADA PERBANKAN DI INDONESIA

PENGARUH CAPITAL ADEQUACY RATIO (CAR) DAN NON PERFORMING LOAN (NPL) TERHADAP RETURN ON TOTAL ASSET (ROA) PADA PERBANKAN DI INDONESIA PENGARUH CAPITAL ADEQUACY RATIO (CAR) DAN NON PERFORMING LOAN (NPL) TERHADAP RETURN ON TOTAL ASSET (ROA) PADA PERBANKAN DI INDONESIA Nazir Fakultas Ekonomi Universitas Malikussaleh Lhokseumawe E-mail:

Lebih terperinci

MODUL PELATIHAN PROGRAM MS. OFFICE EXCEL 2007 DISUSUN OLEH YAYASAN KURNIA

MODUL PELATIHAN PROGRAM MS. OFFICE EXCEL 2007 DISUSUN OLEH YAYASAN KURNIA MODUL PELATIHAN PROGRAM MS. OFFICE EXCEL 2007 DISUSUN OLEH YAYASAN KURNIA A. MENYALAKAN KOMPUTER Pastikan Kabel Supply terhubung ke PLN, kemudian lakukan langkah sbb: 1. Nyalakan Stabilizer 2. Nyalakan

Lebih terperinci

IDENTIFIKASI FAKTOR-FAKTOR RESIKO YANG MEMPENGARUHI KINERJA BIAYA PADA PROYEK IRIGASI DI KABUPATEN KERINCI. Oleh

IDENTIFIKASI FAKTOR-FAKTOR RESIKO YANG MEMPENGARUHI KINERJA BIAYA PADA PROYEK IRIGASI DI KABUPATEN KERINCI. Oleh IDENTIFIKASI FAKTOR-FAKTOR RESIKO YANG MEMPENGARUHI KINERJA BIAYA PADA PROYEK IRIGASI DI KABUPATEN KERINCI Oleh Leli Honesti 1), Salpani 2), Nazwar Djali 3) 1) Dosen Jurusan Teknik Sipil, Fakultas Teknik

Lebih terperinci

PENGARUH PERTUMBUHAN AKTIVA PRODUKTIF DAN DANA PIHAK KETIGA PADA KINERJA OPERASIONAL LEMBAGA PERKREDITAN DESA DI KABUPATEN TABANAN

PENGARUH PERTUMBUHAN AKTIVA PRODUKTIF DAN DANA PIHAK KETIGA PADA KINERJA OPERASIONAL LEMBAGA PERKREDITAN DESA DI KABUPATEN TABANAN PENGARUH PERTUMBUHAN AKTIVA PRODUKTIF DAN DANA PIHAK KETIGA PADA KINERJA OPERASIONAL LEMBAGA PERKREDITAN DESA DI KABUPATEN TABANAN Gerianta Wirawan Yasa dan I Gusti Ngurah Dody Setyawan Fakultas Ekonomi,

Lebih terperinci

XII. SPSS RANCANGAN ACAK LENGKAP POLA BERJENJANG

XII. SPSS RANCANGAN ACAK LENGKAP POLA BERJENJANG XII. SPSS RANCANGAN ACAK LENGKAP POLA BERJENJANG Rancangan Acak Lengkap Pola Berjenjang adalah rancangan percobaan dengan materi homogen atau tidak ada peubah pengganggu, rancangan ini sebenarnya merupakan

Lebih terperinci

Analisis Pengaruh Kualitas Pelayanan Terhadap Kepuasan Nasabah Kredit (Studi kasus BPR Arthaguna Sejahtera)

Analisis Pengaruh Kualitas Pelayanan Terhadap Kepuasan Nasabah Kredit (Studi kasus BPR Arthaguna Sejahtera) Analisis Pengaruh Kualitas Pelayanan Terhadap Kepuasan Nasabah Kredit (Studi kasus BPR Arthaguna Sejahtera) 1 Ferry Yudhy I., SE 2 DR. E. Susy Suhendra 1 Pasca Sarjana Manajemen Perbankan Universitas Gunadarma

Lebih terperinci

Konfounding dan Interaksi. Departemen Biostatistika FKM UI, 2010

Konfounding dan Interaksi. Departemen Biostatistika FKM UI, 2010 Konfounding dan Interaksi Departemen Biostatistika FKM UI, 2010 CONFOUNDING Dari bahasa latin cunfundere (to mix together) Pengertian: Suatu distorsi (gangguan) dalam menaksir pengaruh paparan terhadap

Lebih terperinci

TUTORIAL EVIEWS REGRESI SEDERHANA (SIMPLE REGRESSION WITH EVIEWS) http://teorionline.wordpress.com By Hendry

TUTORIAL EVIEWS REGRESI SEDERHANA (SIMPLE REGRESSION WITH EVIEWS) http://teorionline.wordpress.com By Hendry TUTORIAL EVIEWS REGRESI SEDERHANA (SIMPLE REGRESSION WITH EVIEWS) http://teorionline.wordpress.com By Hendry REGRESI SEDERHANA Model regresi sederhana dilakukan jika bermaksud meramalkan bagaimana keadaan

Lebih terperinci

Pengaruh Struktur Modal Dan Return On Equity

Pengaruh Struktur Modal Dan Return On Equity Pengaruh Modal Dan Return On Equity (ROE) Terhadap Nilai Perusahaan Pada Perusahaan Sektor Pertanian Di Bursa Efek Indonesia (Perusahaan yang Terdaftar Di BEI) Yuliana (yaya91_mutzz@yahoo.com) Dinnul Alfian

Lebih terperinci

BAB III METODE PENELITIAN. Dalam upaya pelaksanaan penelitian, maka peneliti melakukannya pada :

BAB III METODE PENELITIAN. Dalam upaya pelaksanaan penelitian, maka peneliti melakukannya pada : 38 BAB III METODE PENELITIAN A. Tempat dan Waktu Penelitian Dalam upaya pelaksanaan penelitian, maka peneliti melakukannya pada : 1. Tempat Penelitian Guna memperoleh data yang diperlukan dalam penulisan

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Objek Penelitian Menurut Arikunto (2010:162), objek merupakan variabel penelitian. Objek penelitian terdiri dari objek variabel dan objek lokasi. Objek variabel dalam penelitian

Lebih terperinci

SPSS 10: Transformasi Data. Transformasi Data

SPSS 10: Transformasi Data. Transformasi Data SPSS 0: Transformasi Data Transformasi Data Transformasi data adalah suatu proses dalam merubah bentuk data. Misalnya merubah data numerik menjadi data kategorik atau merubah dari beberapa variabel yang

Lebih terperinci

BAB IV METODE PENELITIAN. Penelitian atas Pengukuran profitabilitas perusahaan ini adalah jenis penelitian

BAB IV METODE PENELITIAN. Penelitian atas Pengukuran profitabilitas perusahaan ini adalah jenis penelitian BAB IV METODE PENELITIAN 4.1. Jenis dan Ruang Lingkup Penelitian Penelitian atas Pengukuran profitabilitas perusahaan ini adalah jenis penelitian komparatif yakni penelitian yang dilakukan dengan maksud

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3.1 Desain Penelitian Tabel 3.1 Desain Penelitian Tujuan Desain Penelitian Penelitian Jenis dan Metode Unit Analisis Time Horizon Penelitian T-1 Asosiatif/survey Organisasi-Departemen

Lebih terperinci

ANOVA SATU ARAH Nucke Widowati Kusumo Projo, S.Si, M.Sc

ANOVA SATU ARAH Nucke Widowati Kusumo Projo, S.Si, M.Sc ANOVA SATU ARAH Nucke Widowati Kusumo Proo, S.Si, M.Sc It s about: Ui rata-rata untuk lebih dari dua populasi Ui perbandingan ganda (ui Duncan & Tukey) Output SPSS PENDAHULUAN Ui hipotesis yang sudah kita

Lebih terperinci

PENGARUH ACCOUNT REPRESENTATIVE (AR) TERHADAP KEPATUHAN WAJIB PAJAK ORANG PRIBADI (KPP PRATAMA SIDOARJO UTARA)

PENGARUH ACCOUNT REPRESENTATIVE (AR) TERHADAP KEPATUHAN WAJIB PAJAK ORANG PRIBADI (KPP PRATAMA SIDOARJO UTARA) PENGARUH ACCOUNT REPRESENTATIVE (AR) TERHADAP KEPATUHAN WAJIB PAJAK ORANG PRIBADI (KPP PRATAMA SIDOARJO UTARA) Febri Alfiansyah Universitas Negeri Surabaya E-mail: febri_alfiansyah@rocketmail.com Abstract

Lebih terperinci

Herlina JMK Vol. 5 No. 1, Maret 2008

Herlina JMK Vol. 5 No. 1, Maret 2008 ANALISIS PENGARUH KUALITAS JASA, KEPUASAN KONSUMEN DAN LOYALITAS MEREK PADA KONSUMEN KARTU simpati dan As DI KABUPATEN SLEMAN Herlina ABSTRACT Now days, Industry of telecomunication celluler offered various

Lebih terperinci

PERTEMUAN I PENGENALAN SHEET

PERTEMUAN I PENGENALAN SHEET PERTEMUAN I PENGENALAN SHEET Microsoft Excel merupakan program aplikasi spreadsheet (lembar kerja elektronik). Fungsi dari Microsoft Excel adalah untuk melakukan operasi perhitungan serta dapat mempresentasikan

Lebih terperinci

MENGUBAH DATA ORDINAL KE DATA INTERVAL DENGAN METODE SUKSESIF INTERVAL (MSI) Oleh: Jonathan Sarwono

MENGUBAH DATA ORDINAL KE DATA INTERVAL DENGAN METODE SUKSESIF INTERVAL (MSI) Oleh: Jonathan Sarwono MENGUBAH DATA ORDINAL KE DATA INTERVAL DENGAN METODE SUKSESIF INTERVAL (MSI) Oleh: Jonathan Sarwono Cara Penghitungan MSI Apa yang dimaksud dengan metode suksesif interval (Method of Successive Interval

Lebih terperinci

Thia Dwi Utami (thia_dwie@yahoo.com) Kardinal (kardinal@stmikmdp.net) Jurusan Akuntansi S1 STIE MDP

Thia Dwi Utami (thia_dwie@yahoo.com) Kardinal (kardinal@stmikmdp.net) Jurusan Akuntansi S1 STIE MDP PENGARUH KESADARAN WAJIB PAJAK DAN SANKSI PAJAK TERHADAP KEPATUHAN WAJIB PAJAK ORANG PRIBADI PADA KANTOR PELAYANAN PAJAK PRATAMA PALEMBANG SEBERANG ULU Thia Dwi Utami (thia_dwie@yahoo.com) Kardinal (kardinal@stmikmdp.net)

Lebih terperinci

Ifa Atiyah Nur Alimah

Ifa Atiyah Nur Alimah ANALISIS KUALITAS PELAYANAN PROGRAM RASKIN TERHADAP PENCAPAIAN INDIKATOR 6T ( TEPAT SASARAN,TEPAT JUMLAH,TEPAT HARGA,TEPAT WAKTU,TEPAT KUALITAS,TEPAT ADMINISTRASI) PADA PERUM BULOG SUB DIVISI REGIONAL

Lebih terperinci

Uji Data Tiga atau Lebih Sample Berhubungan (Dependent)

Uji Data Tiga atau Lebih Sample Berhubungan (Dependent) Uji Data Tiga atau Lebih Sample Berhubungan (Dependent) 1. Uji Friedman Kasus : Suatu Sekolah Menengah Umum meminta sebuah Biro Konsultan Psikologi untuk melakukan tes IQ bagi para siswanya yang akan memasuki

Lebih terperinci

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PERGERAKAN INDEKS HARGA SAHAM GABUNGAN (IHSG) DI BURSA EFEK INDONESIA

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PERGERAKAN INDEKS HARGA SAHAM GABUNGAN (IHSG) DI BURSA EFEK INDONESIA ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PERGERAKAN INDEKS HARGA SAHAM GABUNGAN (IHSG) DI BURSA EFEK INDONESIA Deddy Azhar Mauliano Email : deddy_azharm@yahoo.com Jurusan Manajemen, Fakultas Ekonomi, Universitas

Lebih terperinci

PANDUAN PRAKTIS MICROSOFT WORD 2007

PANDUAN PRAKTIS MICROSOFT WORD 2007 Bagian 1: Mengenal Microsoft Office Word 2007 1.1. Memulai Aplikasi Microsoft Office Word 2007 Untuk membuka Microsoft Word caranya adalah: Klik Tombol Start yang ada di taskbar. Pilih menu All Program

Lebih terperinci

WORKSHOP IN HOUSE (IHT) PENGEMBANGAN BAHAN AJAR BERBASIS TIK DI SMA NEGERI 2 BENGKALIS

WORKSHOP IN HOUSE (IHT) PENGEMBANGAN BAHAN AJAR BERBASIS TIK DI SMA NEGERI 2 BENGKALIS WORKSHOP IN HOUSE (IHT) PENGEMBANGAN BAHAN AJAR BERBASIS TIK DI SMA NEGERI 2 BENGKALIS MODUL MICROSOFT POWERPOINT INSTRUKTUR : NOVRIYANTO, ST., M.Sc SYUKRAN SETIAWAN, ST PEMERINTAH DAERAH KABUPATEN BENGKALIS

Lebih terperinci

LATIHAN 3 : QUERY DATABASE

LATIHAN 3 : QUERY DATABASE LATIHAN 3 : QUERY DATABASE Start ArcMap dan buka peta existing Menambahkan map tips Identify Mencari objek Membuat query spasial Membuat layer hasil query Menyimpan layer data. Menyimpan dokumen peta dan

Lebih terperinci

Farihatus Sholiha Progam Studi Akuntansi S1, Univesitas Dian Nuswantoro Semarang

Farihatus Sholiha Progam Studi Akuntansi S1, Univesitas Dian Nuswantoro Semarang ANALISIS PENGARUH CURRENT RATIO, DEBT TO EQUITY RATIO, TOTAL ASSETS TURN OVER, DAN NET PROFIT MARGIN TERHADAP PERUBAHAN LABA (Studi kasus perusahaan manufaktur yang terdaftar di BEI periode 2010-2012)

Lebih terperinci

ANALISA PENGARUH PRAKTIK KINERJA ORGANISASI DAN SDM TERHADAP KELANCARAN PELAKSANAAN TUGAS ANGGOTA DPRD KABUPATEN BENGKULU TENGAH

ANALISA PENGARUH PRAKTIK KINERJA ORGANISASI DAN SDM TERHADAP KELANCARAN PELAKSANAAN TUGAS ANGGOTA DPRD KABUPATEN BENGKULU TENGAH ANALISA PENGARUH PRAKTIK KINERJA ORGANISASI DAN SDM TERHADAP KELANCARAN PELAKSANAAN TUGAS ANGGOTA DPRD KABUPATEN BENGKULU TENGAH Septi Rindawati Sekolah Tinggi Ilmu Administrasi Bengkulu Abstract The focus

Lebih terperinci

BAB IX MEMBUAT MENU DENGAN FORM DESIGN

BAB IX MEMBUAT MENU DENGAN FORM DESIGN BAB IX MEMBUAT MENU DENGAN FORM DESIGN 9.1. Membuat Menu dengan Form Design Selain membuat menu dengan menggunakan fasilitas Switchboard Manager seperti yang telah dibahas pada bab sebelumnya, Anda juga

Lebih terperinci

BAB III METODE PENELITIAN. 3.1. Definisi Operasional dan Pengukuran variabel. variabel atau konstrak dengan cara memberikan arti atau menspesifikasi

BAB III METODE PENELITIAN. 3.1. Definisi Operasional dan Pengukuran variabel. variabel atau konstrak dengan cara memberikan arti atau menspesifikasi BAB III METODE PENELITIAN 3.1. Definisi Operasional dan Pengukuran variabel Definisi operasional adalah definisi yang diberikan kepada suatu variabel atau konstrak dengan cara memberikan arti atau menspesifikasi

Lebih terperinci

ANALISIS PENGARUH BAURAN PEMASARAN PRODUK, HARGA, LOKASI TERHADAP MINAT BELI ULANG

ANALISIS PENGARUH BAURAN PEMASARAN PRODUK, HARGA, LOKASI TERHADAP MINAT BELI ULANG ORBITH VOL. 9 NO. 3 NOVEMBER 2013 : 228 235 ANALISIS PENGARUH BAURAN PEMASARAN PRODUK, HARGA, LOKASI TERHADAP MINAT BELI ULANG Oleh : Bambang Sarjono Staf Pengajar Jurusan Elektro Politeknik Negeri Semarang

Lebih terperinci

Operasionalisasi Regresi Data Panel (dengan Eviews 8)

Operasionalisasi Regresi Data Panel (dengan Eviews 8) Operasionalisasi Regresi Data Panel (dengan Eviews 8) Pada bagian ini akan dijelakan secara rinci tentang penggunaan software Eviews 8 untuk metode regresi data panel. Secara umum, kami membagi menjadi

Lebih terperinci

MODUL XIII FORM dan REPORTS

MODUL XIII FORM dan REPORTS MODUL XIII FORM dan REPORTS A. MAKSUD DAN TUJUAN 1. MAKSUD Mahasiswa mengerti cara membuat form dan laporan dengan Ms Access 2. TUJUAN!"Agar mahasiswa dapat membust form untuk mengedit dan menambah data

Lebih terperinci

ANALISIS EFEKTIFITAS SIAP-PSB ONLINE DAN KINERJA PANITIA TERHADAP KEPUASAN USER DI WILAYAH DINAS PENDIDIKAN KOTA YOGYAKARTA

ANALISIS EFEKTIFITAS SIAP-PSB ONLINE DAN KINERJA PANITIA TERHADAP KEPUASAN USER DI WILAYAH DINAS PENDIDIKAN KOTA YOGYAKARTA ANALISIS EFEKTIFITAS SIAP-PSB ONLINE DAN KINERJA PANITIA TERHADAP KEPUASAN USER DI WILAYAH DINAS PENDIDIKAN KOTA YOGYAKARTA Setia Wardani, Abidarin Rosidi, Hanif Al Fatta Magister Teknik Informatika STMIK

Lebih terperinci

BAB 6 PEMBAHASAN. 6.1 Pengembangan Model Penilaian Kinerja berdasarkan DP3 ditinjau dari

BAB 6 PEMBAHASAN. 6.1 Pengembangan Model Penilaian Kinerja berdasarkan DP3 ditinjau dari 69 BAB 6 PEMBAHASAN 6.1 Pengembangan Model Penilaian Kinerja berdasarkan DP3 ditinjau dari Sudut Metode Penjumlahan Variabel dengan Pendekatan Linier Berganda Berdasarkan tabel.4 di atas, diketahui bahwa

Lebih terperinci

LAMPIRAN 1 KUESIONER PENDAHULUAN

LAMPIRAN 1 KUESIONER PENDAHULUAN LAMPIRAN 1 KUESIONER PENDAHULUAN LAMPIRAN 1 1 Responden Yth, Dalam rangka penyusunan Tugas Akhir Jurusan Teknik Industri Universitas Kristen Maranatha, sangat diharapkan partisipasinya untuk mengisi kuesioner

Lebih terperinci

PENGARUH PEMBERIAN KOMPENSASI DAN MOTIVASI KERJA TERHADAP KINERJA KARYAWAN PT. EKADHARMA INTERNATIONAL Tbk. Oleh: Nurdin*

PENGARUH PEMBERIAN KOMPENSASI DAN MOTIVASI KERJA TERHADAP KINERJA KARYAWAN PT. EKADHARMA INTERNATIONAL Tbk. Oleh: Nurdin* PENGARUH PEMBERIAN KOMPENSASI DAN MOTIVASI KERJA TERHADAP KINERJA KARYAWAN PT. EKADHARMA INTERNATIONAL Tbk. Oleh: Nurdin* ABSTRAK Penelitian ini bertujuan untuk mengetahui seberapa besar pengaruh pemberian

Lebih terperinci

PENGARUH SOSIALISASI PERPAJAKAN DAN HELP DESK TERHADAP KEPATUHAN WAJIB PAJAK (STUDI PADA KANTOR PELAYANAN PAJAK PRATAMA CIANJUR)

PENGARUH SOSIALISASI PERPAJAKAN DAN HELP DESK TERHADAP KEPATUHAN WAJIB PAJAK (STUDI PADA KANTOR PELAYANAN PAJAK PRATAMA CIANJUR) PENGARUH SOSIALISASI PERPAJAKAN DAN HELP DESK TERHADAP KEPATUHAN WAJIB PAJAK (STUDI PADA KANTOR PELAYANAN PAJAK PRATAMA CIANJUR) INFLUENCE OF TAXING SOCIALISZATION AND HELP DESK ON THE TAXPAYER COMPLIANCE

Lebih terperinci

Mengatur Tampilan AutoCAD

Mengatur Tampilan AutoCAD Mengatur Tampilan AutoCAD Untuk berinteraksi dengan sebuah program, Anda pasti akan disuguhkan dengan sebuah tampilan (interface) program tersebut. Ini tentunya untuk memudahkan Anda sebagai user dalam

Lebih terperinci

Pindahkan slide 2 ke slide 5 dengan cara klik slide 2, lalu tekan Ctrl + X (atau pada

Pindahkan slide 2 ke slide 5 dengan cara klik slide 2, lalu tekan Ctrl + X (atau pada 2.9 Bekerja dengan Tampilan Slide Sorter Klik View Pilih Slide Sorter Pindahkan slide 2 ke slide 5 dengan cara klik slide 2, lalu tekan Ctrl + X (atau pada ribbon Home dalam group Clipboard, klik cut)

Lebih terperinci

PENGARUH TRANSAKSI PIHAK-PIHAK ISTIMEWA TERHADAP KINERJA KEUANGAN PERUSAHAAN. Fransiska Jenjang Sri Lestari

PENGARUH TRANSAKSI PIHAK-PIHAK ISTIMEWA TERHADAP KINERJA KEUANGAN PERUSAHAAN. Fransiska Jenjang Sri Lestari PENGARUH TRANSAKSI PIHAK-PIHAK ISTIMEWA TERHADAP KINERJA KEUANGAN PERUSAHAAN Fransiska Jenjang Sri Lestari Prgram Studi Akuntansi Fakultas Ekonomi Universitas Atma Jaya Yogyakarta Jalan Babarsari 43-44,

Lebih terperinci

PENGARUH PENERAPAN PRINSIP GOOD CORPORATE GOVERNANCE TERHADAP KINERJA PERUSAHAAN PADA PT KERETA API (PERSERO) DIVISI REGIONAL III SUMATERA SELATAN

PENGARUH PENERAPAN PRINSIP GOOD CORPORATE GOVERNANCE TERHADAP KINERJA PERUSAHAAN PADA PT KERETA API (PERSERO) DIVISI REGIONAL III SUMATERA SELATAN PENGARUH PENERAPAN PRINSIP GOOD CORPORATE GOVERNANCE TERHADAP KINERJA PERUSAHAAN PADA PT KERETA API (PERSERO) DIVISI REGIONAL III SUMATERA SELATAN Yoni Fetri Suci (chi3nthaa@yahoo.com) Siti Khairani (siti.khairani@mdp.ac.id)

Lebih terperinci

SMK NU 03 KALIWUNGU MENGOPERASIKAN PERANGKAT LUNAK PENGOLAH ANGKA. Nama Kelas No Absen MATA DIKLAT: KETERAMPILAN KOMPUTER DAN PENGELOLAAN INFORMASI

SMK NU 03 KALIWUNGU MENGOPERASIKAN PERANGKAT LUNAK PENGOLAH ANGKA. Nama Kelas No Absen MATA DIKLAT: KETERAMPILAN KOMPUTER DAN PENGELOLAAN INFORMASI MENGOPERASIKAN PERANGKAT LUNAK PENGOLAH ANGKA MATA DIKLAT: KETERAMPILAN KOMPUTER DAN PENGELOLAAN INFORMASI PROGRAM KEAHLIAN: SEMUA PROGRAM KEAHLIAN Nama Kelas No Absen Modul ini milik : SMK NU 03 KALIWUNGU

Lebih terperinci

BAB III METODE TRIMMING PADA ANALISIS JALUR

BAB III METODE TRIMMING PADA ANALISIS JALUR 36 BAB III METODE TRIMMING PADA ANALISIS JALUR 3.1 Analisis Jalur Analisis jalur yang dikenal sebagai path analysis dikembangkan pertama tahun 1920-an oleh seorang ahli genetika yaitu Sewall Wright (Riduwan

Lebih terperinci

Membuat Aplikasi Tampil, Entri, Edit, Delete Mahasiswa

Membuat Aplikasi Tampil, Entri, Edit, Delete Mahasiswa Tutorial Macromedia Dreamweaver PHP MySQL Membuat Aplikasi Tampil, Entri, Edit, Delete Mahasiswa Oleh Achmad Solichin, http://achmatim.net, achmatim@gmail.com Dalam Tutorial Ini Diasumsikan Bahwa: 1. Di

Lebih terperinci

ANALISIS PENGARUH RASIO PROFITABILITAS TERHADAP HARGA SAHAM PADA SEKTOR PERBANKAN YANG TERDAFTAR DI BURSA EFEK INDONESIA

ANALISIS PENGARUH RASIO PROFITABILITAS TERHADAP HARGA SAHAM PADA SEKTOR PERBANKAN YANG TERDAFTAR DI BURSA EFEK INDONESIA ANALISIS PENGARUH RASIO PROFITABILITAS TERHADAP HARGA SAHAM PADA SEKTOR PERBANKAN YANG TERDAFTAR DI BURSA EFEK INDONESIA Nanik Lestari 1), Elsis Sabrina 2) 1) Jurusan Manajemen Bisnis, Politeknik Negeri

Lebih terperinci

MENGOPERASIKAN PERANGKAT LUNAK LEMBAR SEBAR 05 EDISI III - 2005 MENGOPERASIKAN PERANGKAT LUNAK LEMBAR

MENGOPERASIKAN PERANGKAT LUNAK LEMBAR SEBAR 05 EDISI III - 2005 MENGOPERASIKAN PERANGKAT LUNAK LEMBAR MENGOPERASIKAN PERANGKAT LUNAK LEMBAR SEBAR 05 MENGOPERASIKAN PERANGKAT LUNAK LEMBAR Edisi III - 2005 EDISI III - 2005 MATA MATA DIKLAT: KETERAMPILAN KOMPUTER DAN PENGELOLAAN INFORMASI (KKPI) PROGRAM KEAHLIAN:

Lebih terperinci

PENGARUH PERPUTARAN AKTIVA TETAP TERHADAP PROFITABILITAS PADA RUMAH SAKIT UMUM HERNA MEDAN

PENGARUH PERPUTARAN AKTIVA TETAP TERHADAP PROFITABILITAS PADA RUMAH SAKIT UMUM HERNA MEDAN PENGARUH PERPUTARAN AKTIVA TETAP TERHADAP PROFITABILITAS PADA RUMAH SAKIT UMUM HERNA MEDAN Oleh Hormaingat Damanik, SE., MM & Asima Kristina Fakultas Ekonomi Universitas Darma Agung Abstract Fix assets

Lebih terperinci

Teknik Analisis Kuantitatif 1

Teknik Analisis Kuantitatif 1 Teknik Analisis Kuantitatif 1 TEKNIK ANALISIS KUANTITATIF Oleh: Ali Muhson A. Pendahuluan Analisis data merupakan salah satu proses penelitian yang dilakukan setelah semua data yang diperlukan guna memecahkan

Lebih terperinci

PENGARUH ALOKASI BELANJA LANGSUNG TERHADAP KUALITAS PEMBANGUNAN MANUSIA

PENGARUH ALOKASI BELANJA LANGSUNG TERHADAP KUALITAS PEMBANGUNAN MANUSIA PENGARUH ALOKASI BELANJA LANGSUNG TERHADAP KUALITAS PEMBANGUNAN MANUSIA Titin Vegirawati Universitas IBA Palembang Abstract Local governments carry out the wheels of government to implement the development.

Lebih terperinci

Panduan Menggunakan Microsoft Project

Panduan Menggunakan Microsoft Project Panduan Menggunakan Microsoft Project Magister Kebijakan dan Manajemen Pelayanan Kesehatan Ilmu Kesehatan Masyarakat Universitas Gadjah Mada Gedung IKM Lt.1 Jl. Farmako, Sekip Utara, Jogjakarta Telp/Fax:0274-542900

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. penjelasan tentang pola hubungan (model) antara dua variabel atau lebih.. Dalam

BAB 2 TINJAUAN TEORITIS. penjelasan tentang pola hubungan (model) antara dua variabel atau lebih.. Dalam BAB 2 TINJAUAN TEORITIS 21 Pengertian Regresi Linier Pengertian regresi secara umum adalah sebuah alat statistik yang memberikan penjelasan tentang pola hubungan (model) antara dua variabel atau lebih

Lebih terperinci

1.1 Memulai Access 2007

1.1 Memulai Access 2007 Microsoft Access 2007 1.1 Memulai Access 2007 Microsoft Access 2007 yang untuk selanjutnya disingkat Access 2007 adalah program aplikasi database yang populer dan banyak digunakan saat ini. Dengan Access

Lebih terperinci

BAB 9 PENGGUNAAN STATISTIK NON-PARAMETRIK DALAM PENELITIAN

BAB 9 PENGGUNAAN STATISTIK NON-PARAMETRIK DALAM PENELITIAN BAB 9 PENGGUNAAN STATISTIK NON-PARAMETRIK DALAM PENELITIAN Istilah nonparametrik pertama kali digunakan oleh Wolfowitz, pada tahun 94. Metode statistik nonparametrik merupakan metode statistik yang dapat

Lebih terperinci

PATH ANALYSIS & STRUCTURAL EQUATION MODEL. Liche Seniati Sem. Ganjil 2009/2010 Program Magister Profesi F.Psi.UI

PATH ANALYSIS & STRUCTURAL EQUATION MODEL. Liche Seniati Sem. Ganjil 2009/2010 Program Magister Profesi F.Psi.UI PATH ANALYSIS & STRUCTURAL EQUATION MODEL Liche Seniati Sem. Ganjil 2009/2010 Program Magister Profesi F.Psi.UI PATH ANALYSIS (Path Analysis) : merupakan suatu metode analisis untuk melihat hubungan antara

Lebih terperinci

Wahyu Setyawan. Pendahuluan. Lisensi Dokumen: Abstrak. Wahyu.gtx21@gmail.com http://wahyu-setyawan.blogspot.com

Wahyu Setyawan. Pendahuluan. Lisensi Dokumen: Abstrak. Wahyu.gtx21@gmail.com http://wahyu-setyawan.blogspot.com Uji Korelasi Wahyu Setyawan Wahyu.gtx1@gmail.com http://wahyu-setyawan.blogspot.com Lisensi Dokumen: m Seluruh dokumen di StatistikaPendidikan.Com dapat digunakan, dimodifikasi dan disebarkan secara bebas

Lebih terperinci

Analisis Pengaruh Fundamental Makro dan Indeks Harga Global terhadap IHSG

Analisis Pengaruh Fundamental Makro dan Indeks Harga Global terhadap IHSG VOL. 5 (2): 63-72, 2011 Analisis Pengaruh Fundamental Makro dan Indeks Harga Global terhadap IHSG H. M. Chabachib dan Ardian Agung Witjaksono Universitas Diponegoro Effect of Macro Fundamental and Global

Lebih terperinci

Oleh: Yuliana Mulyani STIE AUB SURAKARTA. Abstract

Oleh: Yuliana Mulyani STIE AUB SURAKARTA. Abstract ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI LOYALITAS PELANGGAN PASAR SWALAYAN DENGAN KEPUASAN SEBAGAI VARIABEL INTERVENING (Studi Kasus Pada Pasar Swalayan Luwes di Purwodadi) Oleh: Yuliana Mulyani STIE

Lebih terperinci

BAB III METODE PENELITIAN. Karangnongko Kabupaten Klaten, seluruh siswa berasal dari pedesaan,

BAB III METODE PENELITIAN. Karangnongko Kabupaten Klaten, seluruh siswa berasal dari pedesaan, 19 BAB III METODE PENELITIAN A. Tempat dan Waktu Penelitian 1. Tempat Penelitian Tempat pelaksanaan penelitian ini adalah di SMA Negeri 1 Karangnongko Kabupaten Klaten, seluruh siswa berasal dari pedesaan,

Lebih terperinci

Tutorial Spektra Accounting System

Tutorial Spektra Accounting System Tutorial Spektra Accounting System Requirements Aplikasi 1. Windows XP Service Pack 2. Jika tidak Windows XP Service Pack 2, maka jalankan file "install\windowsinstaller-kb893803-v2-x86.exe" dan "install\dotnetfx.exe".

Lebih terperinci

Petunjuk Teknis Instalasi ODBC dan Instalasi SIKI

Petunjuk Teknis Instalasi ODBC dan Instalasi SIKI Petunjuk Teknis Instalasi ODBC dan Instalasi SIKI Langkah 1 dari 23: Langkah Instalasi ODBC dan Install SIKI dilakukan setelah selesai langkah Instal MySQL dan Penempatan File Database SIKI (baca : Juknis

Lebih terperinci

PENDUGAAN ANGKA PUTUS SEKOLAH DI KABUPATEN SEMARANG DENGAN METODE PREDIKSI TAK BIAS LINIER TERBAIK EMPIRIK PADA MODEL PENDUGAAN AREA KECIL SKRIPSI

PENDUGAAN ANGKA PUTUS SEKOLAH DI KABUPATEN SEMARANG DENGAN METODE PREDIKSI TAK BIAS LINIER TERBAIK EMPIRIK PADA MODEL PENDUGAAN AREA KECIL SKRIPSI PENDUGAAN ANGKA PUTUS SEKOLAH DI KABUPATEN SEMARANG DENGAN METODE PREDIKSI TAK BIAS LINIER TERBAIK EMPIRIK PADA MODEL PENDUGAAN AREA KECIL SKRIPSI Disusun Oleh: NANDANG FAHMI JALALUDIN MALIK NIM. J2E 009

Lebih terperinci

INSTITUT AGAMA ISLAM NEGERI WALISONGO SEMARANG

INSTITUT AGAMA ISLAM NEGERI WALISONGO SEMARANG PENGARUH BAGI HASIL DAN KREDIT MACET TERHADAP PEMBIAYAAN MUDHARABAH DI BMT NU SEJAHTERA SEMARANG TAHUN 2011-2013 SKRIPSI Diajukan Untuk Memenuhi Tugas dan Melengkapi SyaratGuna Memperoleh Gelar Sarjana

Lebih terperinci

PENGARUH KUALITAS PELAYANAN DAN KEPUASAN KONSUMEN TERHADAP INTENSI HUNIAN ULANG HOTEL MERDEKA MADIUN

PENGARUH KUALITAS PELAYANAN DAN KEPUASAN KONSUMEN TERHADAP INTENSI HUNIAN ULANG HOTEL MERDEKA MADIUN PENGARUH KUALITAS PELAYANAN DAN KEPUASAN KONSUMEN TERHADAP INTENSI HUNIAN ULANG HOTEL MERDEKA MADIUN Laporan Akhir Penelitian oleh Rino Desanto W. S.E. NIDN: 0702126401 POLITEKNIK MADIUN 2008 INTISARI

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. 1. Persiapan dan Pelaksanaan Penelitian

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. 1. Persiapan dan Pelaksanaan Penelitian 49 BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Hasil Penelitian 1. Persiapan dan Pelaksanaan Penelitian a. Persiapan Awal Persiapan awal yang dilakukan peneliti dalam penelitian ini adalah mematangkan konsep

Lebih terperinci