P. 1
REGRESI BERGANDA

REGRESI BERGANDA

5.0

|Views: 17,661|Likes:
Published by hanif1973
LATIHAN OLAH DATA PENELITIAN DENGAN SPSS
LATIHAN OLAH DATA PENELITIAN DENGAN SPSS

More info:

Published by: hanif1973 on Dec 22, 2009
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

07/10/2013

pdf

text

original

Sections

Perbincangan Seputar Pengolahan Data Penelitiank

(Pendekatan Praktis dengan SPSS versi Mahasiswa S1)

Bismillaahirrahmaanirrahiim, Wabihii nasta·inu Subhaanaka laa ·ilmalana illaa maa ¶allamtana innaka antal ¶aliimul hakiim. Alhamdulillahil fattahil jawadil mu·ini min manihtarohu minal ¶ibadi. Allahumma Shalli ¶ala sayyida Muhammad shahibul maqom al mahmudi Penulis berserah diri kepada Allah SWT, yang Maha Suci yang tidak mempunyai kekurangan dalam segala hal yang diketahui maupun yang tidak ketahui oleh makhluk-NYA, sehingga mendapat kesempatan untuk menggerakkan tangan bagi tulisan tulisan kecil ini untuk sekedar berbagi pengetahuan. Kata Pengantar ««.. Dalam suatu ujian skripsi, tujuh peserta ujian ditanya oleh penguji«. ´Apa alasan anda memilih regresi berganda sebagai alat analisa ?..,µ peserta 1, 2 dan 3 menjawab, dengan senyuman alias nggak ngerti, peserta 4 menjawab ikut skripsi yang lalu, peserta 5 dan 6 menjawab atas saran dosen pembimbing, peserta 7 menjawab karena pertimbangan masalah penelitian dan tujuan penelitian serta formulasi model penelitian. «.. mana kira-kira jawaban yang terbaik««.. ! Berdasarkan pengalaman penulis dalam membimbing dan menguji skripsi selama ini, masih ada beberapa mahasiswa yang telah lupa atau belum faham mengenai apa dan bagaimana proses analisis data itu dilakukan sebagai alat bantu pembuatan kesimpulan penelitian. Suplemen ini merupakan pelengkap modul mata kuliah metode penelitian dan praktikum statistik yang biasa digunakan oleh penulis dalam memberikan materi perkuliahan di kelas. Lebih lanjut, suplemen ini disusun atas dasar keinginan penulis untuk membantu mahasiswa STIEMARA yang sedang menyusun tugas akhir dan ingin mengolah data secara mandiri. Terdapat beberapa alat analisa yang umum digunakan oleh mahasiswa S1 dalam menjawab permasalahan, tujuan serta hipotesis penelitian antara lain analisis regresi berganda, analisis jalur, uji beda dan analisis factor. Dalam suplemen ini terdapat petunjuk praktis proses pengolahan data dengan menggunakan regresi berganda, analisis jalur, uji beda dan analisis factor. Semoga suplemen kecil ini ada guna dan manfaat bagi yang membutuhkan khususnya adik-adik mahasiswa dalam menyelesaikan tugas akhirnya. Hanya Allah yang maha sempurna sehingga karya ini tidak mungkin sempurna, penyusun mengharap saran guna perbaikan. Wassalam Penyusun

k

Buku ini boleh di copy atau diperbanyak tanpa seijin penulis.

Edisi 1 Tahun 2002

Bagian Satu

Analisa Regresi Berganda
Tujuan penggunaan Regresi Berganda Regresi Berganda adalah bagian dari analisis multivariate. Tujuan utama analisis regresi berganda adalah untuk menduga besarnya koefisien regresi. Selanjutnya, koefisien regresi inilah yang akan menunjukkan besarnya pengaruh peubah bebas (independent variable/X) terhadap peubah tak bebas (dependent variable/Y). Kata ´bergandaµ diambil sebagai penjelas untuk menunjukkan bahwa peneliti dalam penelitiannya menggunakan lebih dari satu variabel bebas (di kampus tercinta ini variabel diistilahkan dengan kata peubah, pengertian keduanya mempunyai arti yang sama). Dengan demikian peneliti seharusnya fokus pada regresi berganda. Pemborosan yang sering dilakukan oleh mahasiswa dalam skripsinya ialah ia menyajikan semua analisa seperti regresi sederhana, korelasi sedehana, regresi berganda, korelasi berganda yang pada akhirnya menyebabkan mahasiswa bingung sendiri, alat analisa mana yang dipakai?. Seiring kemajuan teknologi software, semua tujuan untuk uji hubungan maupun pengaruh baik secara bersama-sama maupun secara parsial dapat diselesaikan hanya dengan satu ´clickµ yaitu ´regressionµ. Semua tindakan olah data itu dapat dilakukan bahkan berulang-ulang dengan beberapa perbaikan yang dimungkinkan hanya dalam hitungan menit. Bersyukurlah kita karena sudah ada software pengolah data yang saudara kenal dengan sebutan SPSS for windows. Jangan bayangkan statistic berwajah rumus yang ´jlimetµ dan seabrek perhitungan lainnya, disini statistik sebagai alat dan sebagai alat ia telah mengalamai metamorfosis, ibarat menghitung perkalian 2435364 x 647469865, dengan manual ???? jelas BT abis, tetapi dengan calculator ´no problemµ Gitu Lho. Demikian juga regresi berganda, dengan manual ??????, tetapi dengan SPSS ´smile dan menantangµ. Yang terpenting dari semua aspek teknis itu saudara bisa membaca hasil output SPSS tersebut untuk pengambilan kesimpulan atas masalah dan tujuan penelitian, misal untuk apa mengetahui nilai R, R square, nilai F, nilai b, nilai t, nilai Sig dan beberapa parameter lain yang diperlukan untuk pengujian hipotesis. Hiburan««., Ibarat anda sakit batuk dan tentu anda beli obat batuk, yang penting adalah anda mengerti aturan/cara minum, kontra indikasi serta pantangannya. Anda tidak perlu tahu bagaimana unsur-unsur kimia itu diproses dan bagaimana komposisi zat itu dihitung takarannya. Sebab itu sudah menjadi tanggung jawab ahli-ahli kimia dan kedokteran dan tentunya telah melalui proses quality control yang ketat sebelum dijual. Analisis regresi dengan bantuan software SPSS layaknya seperti contoh diatas. Ketahui saja bagimana persyaratan-persyaratan sebelum proses input data, pengolahan dan outputnya sebagai bahan untuk pengambilan kesimpulan, jelaskan temuan angka-angka itu dengan bersandar pada teori dan empiris, jangan sibuk belajar dari mana asal muasal angka R, R square, t, beta, dsb apalagi sampai dibuktikan secara manual, akhirnya energi saudara habis untuk urusan hitung menghitung yang sebenarnya bukan tujuan utama saudara. Akibatnya pembahasan pembuktian thesis, anti-thesis dan sintesa antara kajian teori dan temuan empiris menjadi tidak tajam karena anda lebih mengutamakan belajar darimana angka2

Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

angka ini tapi bukan belajar apa arti angka-angka itu. Fenomena ini sering penulis temui ketika menjelang ujian skripsi mahasiswa sibuk dan stress gara-gara rumus. Bukan sibuk mempersiapkan penjelasan yang logis atas temuan penelitiannya. Mohon direnungkan«« Sebagai misal peneliti ingin mengetahui apakah ada pengaruh antara gaji karyawan dan Kedisiplinan kerja karyawan terhadap Prestasi kerja karyawan. Lihat model penelitian berikut:1 Gaji karyawan Prestasi kerja karyawan Kedisiplinan kerja karyawan
didalam akhir bab II, gambar ini biasanya disajikan sebagai kerangka/model penelitan

Based on the model, dapat kita mengerti bahwa terdapat dua peubah bebas (x1 dan x2) dan satu peubah terikat (Y), yang selanjutnya ingin diketahui bagaimana pengaruhnya dengan menggunakan analisis regresi berganda. Apa yang perlu dipersiapkan ? Setelah bangunan teori di susun dengan menyajikan argumen yang kuat dan relevan. Berikutnya perumusan hipotesis dilakukan sebagai dasar pengujian. Dalam contoh diatas peneliti mempunyai fokus pada peubah gaji karyawan (x1) dan kedisiplinan karyawan (x2) sebagai peubah bebas yang berpengaruh pada prestasi kerja karyawan (Y) (lihat model penelitian). Selanjutnya peneliti harus menyusun pengukuran dari peubah-peubah tersebut. (dalam skripsi saudara, perbincangan ini masuk pada bab III, Peubah dan Pengukuran2). Untuk mempermudah penguasan peubah dan pengukuran, saudara lebih baik membuat tabel yang berisikan penjelasan atas peubah dan pengukuran tersebut, lihat contoh berikut:

1

2

Model penelitian dimaksudkan untuk membuat penyederhanaan dalam membaca permasalahan penelitian, sehingga pembaca dapat mengetahui alur atau arah sekaligus cerita penelitian yang dilakukan. Penjelasan dapat dilihat pada intisari metode penelitian 3

Edisi 1 Tahun 2002

Tabel 1. Peubah dan pengukuran Peubah Penelitian Gaji karyawan (X1) 1. 2. 3. Kedisiplinan karyawan (x2) 1. 2. 3. Prestasi Kerja karyawan (Y) 1. 2. 3.

Indikator peubah jumlah gaji kesesuaian dengan beban unsur keadilan taat pada aturan absensi pemanfaatan fasilitas kuantitas hasil kerja kesesuaian dengan standart ketepatan waktu

Skala pengukuran 1. ordinal-interval 2. ordinal-interval 3. ordinal-interval 1. ordinal-interval 2. ordinal-interval 3. ordinal-interval 1. ordinal-interval 2. ordinal-interval 3. ordinal-interval

Penyusunan peubah dan pengukuran seperti saran diatas juga berlaku untuk bidang kajian yang lain misalnya bidang pemasaran, SDM, dll. Setelah peubah dan pengukuran tersebut dikonsultasikan dengan pembimbing dan dinilai sudah tepat artinya sesuai dengan tujuan penelitian dan kondisi empiris/lapangan, maka indikator-indikator tersebut untuk selanjutnya digunakan sebagai bahan penyusunan kuesioner dalam bentuk pertanyaan-pertanyaan. Selanjutnya kuesioner dibagikan kepada responden, dan jawaban-jawaban responden yang telah terdokumentasi didalam kuesioner diolah SPSS editor dengan langkah-langkah sebagai berikut: Langkah awal. Lakukan peng-kode-an atas peubah dan indikatornya dengan menyusun terlebih dahulu peubah dan pengukurannya tersebut sebelum di input kedalam SPSS editor. Lihat contoh sbb. (berdasarkan tabel hal 3) Peubah Gaji karyawan (x1), Indikatornya: x1.1 Jumlah gaji x1.2 kesesuaian dengan beban kerja x1.3 unsur keadilan 

Penjelasan mengenai skala pengukuran dan teknik prosedur penyusunan instrument penelitian baca di modul metpen atau konsultasikan pada Dosen pembimbing yang terhormat

4

Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

Contoh pertanyaan didalam kuisioner: 1. Bagaimana pendapat bpk/ibu/sdr tentang jumlah gaji yang diterima perbulan dari perusahaan. Jawaban a dinilai 5, b nilai 4, dst, e nilai 1 a. sangat memadai b. memadai Lihat panduan penyusunan Likert scale, semantic diferensial atau skala guttman dll. c. cukup d. kurang e. sangat tidak memadai informasi lain : «« «««««««««««««««««««««« ««. «««««««««««««««««««««« Terkadang didalam kuesioner perlu diberikan pertanyaan terbuka untuk memperoleh informasi lain yang mungkin diperlukan dan berguna pada saat mendeskripsikan profil peubah yang kita amati sekaligus memperkuat penjelasan Peubah kedisiplinan karyawan (x2) Indikatornya: X2.13 Taat pada aturan X2.2 absensi X2.3 pemanfaatan fasiltas Selanjutnya buatlah pertanyaan yang mudah dipahami responden seperti contoh diatas. Peubah Prestasi kerja Karyawan (Y) Indikatornya: Y.1 kuantitas hasil kerja Y.2 kesesuaian dengan standart Y.3 Ketepatan waktu Selanjutnya buatlah pertanyaan yang mudah dipahami responden seperti contoh diatas.

3

keterangan: (x1.1; x1.2; Y1 dst hanyalah pemberian istilah saja (kode) untuk mempermudah mengenali peubah beserta indikatornya. X1.1 artinya indikator kesatu dari peubah 1, x2.2 artinya indikator kedua dari peubah 2, dst)
5

Edisi 1 Tahun 2002

Menjalankan SPSS. 1. Buka SPSS , bisa open lewat program, windows explorer atau klik dua kali icon SPSS. Hasilnya akan nampak seperti ini:

Setelah media spss editor dalam posisi ready, selanjutya tinggal ketik nama-nama variable beserta masing-masing indikatornya dengan cara sbb: (untuk memulai memberi nama variable, klik variable view pada bagian paling bawah sebelah kiri) Hasilnya akan tampak sbb:

Berikutnya entry data bisa dimulai dengan kesabaran dan ketelitian. Sekali lagi proses ini sangat mudah sekali tinggal klik sana klik sini dan langsung jadi. Hasilnya lihat dibawah ini.

6

Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

Data diatas berjumlah n=30 namun hanya tampak n=12 Setelah data lengkap disajikan didalam spss editor selanjutnya akan dilakukan analisis regresi, dengan tahapan sebagai berikut. Tahap Awal. Lakukan uji Validitas dan Reliabilitas seperti petunjuk di bawah ini y Arahkan pointer saudara pada menu Analyze y Pilih Scale, selanjutnya pilih Reliability Analysis (lihat kotak )

Berikutnya akan tampak kotak sbb:

7

Edisi 1 Tahun 2002

Masukkan tiap peubah dan indikator ke dalam kotak item (pakai tanda untuk memasukkan dan mengeluarkan tiap peubah beserta indikatornya) sesuai dengan kelompoknya masing-masing, Gambar diatas adalah proses untuk menguji validitas dan reliabilitas untuk indikatorindikator X1, lakukan hal yang sama untuk x2 dan Y lakukan sesuai kelompoknya Klik Ok dan hasilnya adalah
Reliability ****** Method 1 (space saver) will be used for this analysis ******

R E L I A B I L I T Y

A N A L Y S I S - S C A L E (A L P H A) Mean Std Dev .7279 .5833 .6915 1.0372 Cases 30.0 30.0 30.0 30.0

1. 2. 3. 4.

X1.1 X1.2 X1.3 X1TOTAL

3.5667 3.9333 3.9333 11.4000

Item-total Statistics Scale Mean if Item Deleted X1.1 X1.2 X1.3 X1TOTAL 19.2667 18.9000 18.9000 11.4333 Scale Variance if Item Deleted 2.9609 3.4034 3.5414 1.0816 Corrected ItemTotal Correlation .5157 .5499 .6007 .7746

Alpha if Item Deleted .5404 .5816 .6758 .7698

Reliability Coefficients N of Cases = Alpha = .7784 30.0 N of Items = 4

8

Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

Membaca output uji Validitas dan Reliabilitas. Secara statistik, Instrumen penelitian dikatakan mempunyai tingkat validitas yang baik jika Nilai corrected item-total correlation dibandingkan dengan nila r kritik pada tabel harus lebih besar. Instrumen penelitian dikatakan mempunyai tingkat reliabilitas yang tinggi jika nilai Alpha lebih besar dari 0,6. Jadi instrument penelitian untuk merespon peubah gaji sudah ´valid dan reliableµ, lakukan interpretasi yang sama untuk x2 dan Y dengan bersandar pada ketentuan diatas. Setelah melakukan uji validitas dan reliabilitas, berikutnya lakukan pengujian asumsi klasik4 (untuk uji asumsi klasik akan dijelaskan pada bagian akhir). Proses uji asumsi klasik bisa dilakukan secara bersama dengan analisi regresi berganda. Dengan tahapan sebagai berikut: Pilih menu Analyze, pilih Regression, pilih linear, tampilannya akan tampak sebagai berikut.

4

multikolinieritas, autokorelasi dan heteroskedastisitas, normalitas 9

Edisi 1 Tahun 2002

Klik linear maka akan tampak kotak perintah sbb: ikuti langkah berikut: y Masukkan peubah bebas (hanya nilai total saja, x1, x2 ) pada kotak independent y Masukkan peubah terikat (hanya nilai total Y) pada kotak dependent y Berikutnya klik icon ´statistics«.µ Kemudian beri tanda check (˜ ) pada kotak yang telah disediakan, sesuaikan dengan contoh

Setelah

10

Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

Selanjutnya klik continue dan klik Ok, maka spss sedang running« tunggu beberapa saat dan hasil analisis regresi berganda sudah bisa dilihat seperti tampilan berikut ini. Regression
b Variabl s Ent red/Removed

Model 1

Variables Entered kedisiplina n, gaji a karyawan

a. All requested variables entered. b. Dependent Variable: prestasi kerja
Model Summ ry

a.Predictors: (Constant), kedisi linan, gaji kar awan b. ependent Variable: prestasi kerja

a. Predi tors: (Constant), kedisiplinan, gaji karyawan b. Dependent Variable: prestasi kerja

a. ependent Variable: prestasi kerja

( (

Correlations Collinearit Sig. Zero-orderPartial Part Tolerance .000 .003 .642 .534 .426 .8 9 .009 .602 .474 .364 .8 9

)

( (

(

Standardi zed Coefficien Unstandardized ts Coefficients Model B Std. Error Beta t (Constant) -4.35E-04 2. 8 .000 gaji kar awa .588 . 79 .47 3.279 kedisiplinan .5 2 . 83 .402 2.799

&

Coefficient

$

Regression Residual Total

2 27 29

"""

"

!

'

( 

# ! 

Model 1

Sum of Squares 26. 22.1 48.667 

( ( ( (

¥

.738

b ANOVA

df

Mean Square 1 .237 . 22

F 16.1 3 

¥

(

¤¤ 

£ 

l

Squar .5

C ange Statistics ust St . Err r of Squar ur in-W Squar t Estimat C an eF C an e df df2 Sig. F C angeatson .5 0 .9066 .5 6. 03 2 27 .000 2.002

Sig. . 

  

¥ ¥ ¤¤     ©  § ©

¢¡

©© ¨ ¨©

  

© ¨

 

Variables Removed .

Method Enter

)

%

¥ ©¨§¦  0 (

a

Statistics VIF .220 .220

11

Edisi 1 Tahun 2002

Berikutnya adalah melakukan interpretasi atas hasil analisis regresi. Dalam membaca print out SPSS tersebut, saudara harus bersandar pada rumusan masalah, tujuan dan hipotesis penelitian. Artinya tidak semua angka-angka/parameter diinterpretasikan. Dalam contoh ini telah disebutkan bahwa peneliti ingin mengetahui dan menguji: y Apakah ada pengaruh antara gaji karyawan (x1) dan kedisiplinan (x2) terhadap prestasi kerja (Y) secara bersama-sama mapun secara parsial Dengan demikian hipotesis penelitian akan dinyatakan : y Ada pengaruh yang signifikan antara gaji karyawan (x1) dan kedisiplinan (x2) terhadap prestasi kerja (Y) secara bersama-sama mapun secara parsial. Atau bisa disusun secara terpisah, sbb. y Ada pengaruh yang signifikan antara gaji karyawan (x1) dan kedisiplinan (x2) terhadap prestasi kerja secara bersama-sama. y Ada pengaruh yang signifikan antara gaji karyawan (x1) terhadap prestasi kerja (Y) (parsial) y Ada pengaruh yang signifikan antara kedisiplinan (x2) terhadap prestasi kerja (y) (parsial) Jika dimungkinkan, saudara juga diperbolehkan menduga bahwa salah satu variabel mempunyai pengaruh paling dominan, asalkan saudara mempunyai argumen yang kuat berdasarkan teori maupun penelitian terdahulu, ingat harus punya argumen tidak sekedar menduga tanpa dasar atau hanya mengikuti kebiasan dan adat istiadat penelitian Misalnya, Gaji karyawan (x1) mempunyai pengaruh yang paling dominant terhadap prestasi kerja (Y), pernyataan hipotesis ini tentunya harus didukung dengan alasan yang kuat bukan berdasarkan toeri, hasil penelitian maupun kondisi empirik objek penelitian Sekarang marilah kita mulai dengan belajar membaca print out spss regresi berganda. Pengujian hipotesis, Ada pengaruh yang signifikan antara gaji karyawan (x1) dan kedisiplinan (x2) terhadap prestasi kerja (Y) secara bersama-sama.

12

Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

Untuk pengujian penelitian, secara statistik biasanya ada prosedur sbb 1. lihat nilai R (koefisien korelasi berganda) gunanya untuk mengetahui keeratan hubungan antara peubah x1 dan x2 (secara sumultan) terhadap peubah terikat (y). Nilai korelasi bisa bernotasi negative maupun positif, notasi ini mengindikasikan bentuk atau arah hunungan yang terjadi. Perhatikan Kriteria nilai korelasi pada tabel berikut: Nilai R (korelasi) 0 0 ² 0,5 0,5 ² 0,8 0,8 ² 1 1 Kriteria hubungan Tidak ada hubungan Korelasi lemah Korelasi sedang/cukup kuat Korelasi kuat Korelasi sempurna

Hasil analisis menunjukkan nilai R= 0.738, hal ini menunjukkan bahwa terdapat hubungan yang cukup kuat antara gaji karyawan (x1) dan kedisipliinan (x2) secara bersama-sama terhadap prestasi kerja (Y). Artinya jika x1 dan x2 meningkat maka Y juga akan meningkat (korelasi positif). 2. Lihat nilai R square (R2) juga disebut sebagai koefisien determinasi gunanya untuk mengetahui besarnya kontribusi peubah bebas (x) secara serempak didalam menjelaskan peubah terikat (Y). R Square juga dapat menunjukkan ragam naik atau turunnya peubah terikat (Y) yang diterangkan oleh pengaruh linier peubah bebas (X). Ukuran nilai R Square adalah semakin mendekati angka satu berarti garis regresi yang terbentuk dapat meramalkan peubah terikat (Y) secara lebih baik menuju kesempurnaan (model fit) Dalam tabel model summary, kita lihat nilai R2 sebesar 0,544. Hal ini diartikan bahwa peubah bebas dalam hal ini gaji dan kedisiplinan secara bersama-sama menjelaskan peubah prestasi kerja sebesar 54,4 %, sedangkan sisanya 45,6 % dijelaskan oleh peubah lain yang tidak diteliti dalam penelitian ini atau model penelitian. Semakin besar nilai R2 semakin menunjukkan ketepatan model yang telah disusun atau model yang diuji (model yang dimaksud adalah model penelitian berbasis teori). 3. Lihat Nilai F statistic (biasa disebut Uji F) dan Nilai Sig. (lihat table ANOVA) NIlai F statistic dapat digunakan untuk mengetahui tingkat signifikansi kontribusi peubah bebas (secara bersama-sama) dalam menjelaskan peubah terikat. Artinya apakah pengaruhnya nyata atau bermakna. Dengan membandingkan nilai F statistic dengan nilai F table dapat diketahui tingkat signifikansinya. Kita lihat dari table ANOVA bahwa nilai F stat sebesar 16.03 sedangkan F table dapat di tentukan dengan cara melihat tabel sebagai berikut: Lihat df (degree of freedom) atau derajat bebas (db) rumusnya k, n-k-1 atau langsung lihat di table anova, df nya adalah 2 (jumlah peubah bebas) , dan 27 (jumlah responden ² peubah bebas -1 jadi 30-2-1=27) setelah diketahui df nya berikutnya lihat table F yang tersedia di setiap buku statistik. Cara baca tabelnya adalah sebagai berikut
13

Edisi 1 Tahun 2002

Lihat angka 2 pada kolom db pembilang dan lihat angka 27 pada kolom db penyebut dan hubungkan perpotongan keduanya pada tingkat alpha (misal 0,05) maka akan terlihat angka sebesar 3,35. Jika kita bandingkan antara F stat dengan F table maka 16,03"3.35, jadi keputusannya adalah menerima hipotesis yang menyatakan bahwa terdapat pengaruh yang signifikan antara gaji karyawan (x1) dan Kedisiplinan karyawan (x2) secara bersama-sama terhadap prestasi kerja karyawan (Y) Cara lain untuk melihat tingkat signifikansi. Cara menarik kesimpulan untuk menerima atau menolak hipotesis dapat juga dilakukan dengan melihat nilai signifikansi atau nilai Sig pada table anova. Cara ini lebih mudah dan praktis yaitu cukup membandingkan antara nilai Sig tersebut dengan standar kesalahan atau alpha yang telah ditetapkan oleh peneliti. Biasanya peneliti menetapkan alpha 5 persen atau 0,05 walaupun untuk penelitian sosial alpha 10 persen pun masih ditoleransi. Dalam table anova terlihat nilai Sig sebesar 0.000 yang masih dibawah alpha sebesar 0,05, artinya semua obyek yang diamati (30 responden) sesuai dengan model yang ditetapkan. Jadi 30 karyawan yang menjadi obyek amatan menjelaskan bahwa secara bersama-sama antara gaji dan disiplin mempengaruhi prestasi kerja. Dua cara tersebut, yaitu membandingkan antara F stat dengan F table atau membandingkan Nilai Sig dengan Alpha, silahkan saudara pilih mana yang lebih mudah. Analisis Secara Parsial Setelah mengetahui pengaruh secara bersama-sama, selanjutnya kita akan analisis bagaimana pengaruhnya secara parsial (pengaruh secara sendiri-sendiri, artinya bagiamana pengaruh X1 thd Y dalam kondisi X2 dikontrol/tetap/cateris paribus). Adapun manfaat lain mengetahui pengaruh secara parsial adalah untuk mencari informasi dari keseluruhan peubah bebas, peubah mana yang pengaruhnya paling dominan atau paling besar. Untuk tujuan itu kita bisa lihat dari table coefficient berikut ini.
32 1
. 4 . 02 . 34 .474 .4 .364 .819 .819 1. 0 1.220
a Coeffi ie t

l

1

(

.471 .402

.

t

ri

l : r st si k rj

14

77

87

5

8 78

7

st t)-4. ji k r k isi li

t .000 3. 79 2.799

i . 1.000 .003 .009

r - r

r

BS

rr l ti s rti l

rt

U T F AB F @ B P D BFA @9
lli T l r rit c

B BS FG @ @ FR A@ B F @9

CP

B F B F H F WB BT AFGAFHFV B 5 ABA H GF 5 BEBD B BC 7 654 AB A@9 BF @ 6 GP FG@I AF F@9 AF F@9 GF G BGAB AQ GF G BGAB P
t r ffici B t -04 . 88 . 12 st iz ts . rr r .181 .179 .183 r i z ffici ts B t

t tistics I

Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

Secara parsial semua peubah bebas mempunyai pengaruh yang signifikan hal ini bisa dilihat dari nilai t stat maupun Sig, dimana nilai t stat lebih besar dari t table sedangkan nilai Sig masih dibawah Alpha 0,05 Peubah gaji karyawan pengaruhnya signifikan terhadap prestasi kerja (t stat =3.279 > t table=2,056). Demikian juga nilai Sig=0.003 < 0,05 dengan koefisien regresi sebesar 0.588. Hal ini menyimpulkan bahwa hipotesis diterima. Demikian juga dengan peubah kedisiplinan, dengan melihat nilai yang sama seperti diatas dapat disimpulkan bahwa, kedisiplinan mempunyai pengaruh signifikan terhadap prestasi kerja. Hal ini menyimpulkan bahwa hipotesis diterima. Dari kedua peubah tersebut, dapat disimpulkan bahwa peubah gaji karyawan mempunyai pengaruh yang paling dominant, hal ini ditunjukkan oleh nilai B maupun nilai beta dan t yang lebih besar dan Sig yang lebih kecil dibandingkan dengan peubah kedisiplinan. Rekapitulasi hasil analisis regresi berganda
Gaji kar awan (x1) B=0, 88 t=3,279 i =0,003

= 0,738 R2 = 0, 44

r stasi k rja kar awan (Y).
i K isi linan k rja kar awan (x2) B=0, 12 t=2,799 i =0,009 =16,03 = 0,00

m a Hi t sis it rima, ada : tabel = 3,35 t table = 2,056 Al a = 0,05

15

Edisi 1 Tahun 2002

Jadi untuk tujuan penelitian ini beberapa parameter yang harus saudara ketahui ialah: Nilai R, R square, Nilai F(uji F), Nilai koefisien b atau beta, Nilai t (uji t), Nilai Sig Ketika saudara mengartikan beberapa nilai statistik tersebut, itu berarti saudara sudah melakukan interpretasi secara statistik. Pekerjaan saudara selanjutnya adalah menjelaskan atau interpretasi secara teoritis dan empiris (pemaknaan temuan penelitian). Artinya secara statistik terbukti ada pengaruh nyata (berdasarkan pada parameter-parameter tsb), berikutnya perlu penjelasan dan pemaknaan, «.mengapa dan bagaimana itu terjadi, untuk itu kuasai dasar teorinya dan pertajam hasil observasi empiris untuk menyingkap yang tersurat dari penelitian saudara. Oh ya hampir lupa, terkadang pembimbing menghendaki ada asumsi klasik dalam analisis regresi sebagai syarat, untuk urusan yang satu ini disarankan saudara berdiskusi secara langsung dengan dosen statistic yang ada atau berdiskusi dengan dosen pembimbing yang terhormat atau ke penulis. InsyaAllah kami bantu asalkan mampu.

16

Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

Bagian Dua

Path Analysis (Analisa Jalur)5
Prinsip dan keterbatasan Path Analysis (analis jalur) pada dasarnya merupakan cabang dari multiple regression. Dalam analisis jalur terdapat suatu set variabel yang merupakan kumpulan atau rangkaian dari beberapa hubungan antar variabel yang telah membentuk sebuah model penelitian yang kita yakini variabel-variabel tersebut saling berpengaruh satu dengan yang lainnya. Tujuan path analysis adalah memberikan estimasi terhadap hubungan sebab akibat antara variabel-variabel yang diteliti. Disamping mengetahui hubungan, dengan path analysis peneliti akan mengetahui pengaruh secara langsung maupun pengaruh secara tidak langsung antar variabel tersebut. Seperti halnya alat analisa yang lain, path analysis juga mempunyai keterbatasan. Keterbatasannya adalah : (1) tidak bisa digunakan untuk menguji pola hubungan timbal balik (feed back). Jadi gerak hubungan hanya dimungkinkan untuk lurus atau turun artinya satu tujuan. (2) setiap ada intervening variable, maka ia dianggap sebagai dependent variable. (3) skala pengukuran hanyalah interval atau rasio. Sedangkan untuk skala nominal, ordinal atau dichotomies tidak mungkin dilakukan. Penggunaan Sebagai contoh perhatikan figure 16 yang menjelaskan sebuah set variabel yang berhubungan dengan survey tentang kepuasan kerja.

Prosedur analisis jalur sama dengan regresi berganda yang telah dibahas pada bagian 1. Model ini dikutip dari Bryman, A. & Cramer,D.(1990). Quantitative data analysis for social scientists, pp.246-251)
6

5

17

Edisi 1 Tahun 2002

Diagram Input
Masa kerja Kepuasan kerja

t nomi

Figure 1 menjelaskan bahwa peneliti ingin mengetahui bagaimana pengaruh kepuasan kerja yang akan diukur dari masa kerja, otonomi dan income secara langsung maupun tidak langsung. Untuk mengetahui tujuan itu, kita harus menghitung path coefficients. Path coefficients ini bisa kita peroleh dari nilai standardized regression coefficient atau beta. Pada bahasan regresi berganda nilai beta terdapat pada table coefficient. Selanjutnya kita akan merumuskan persamaan dasar berdasarkan figure 1 sebagai berikut: kepuasan kerja = F11 masa kerja + F12 otonomi + F13 income + e1 Income = F21 masa kerja + F22 otonomi + e2 2. 3. Otonomi = F31 masa kerja + e2
1.

Keterangan: F adalah path coefficient, yang diperoleh dari nilai beta. e1, e2, e3 adalah error atau unexplained variance. Jika diperlukan nilai e1, e2, e3, diperoleh dari 1-R2 (note: bukan 1-R2 adj) Formulasi persamaan ini pada dasarnya sama dengan regresi berganda, namun nilai konstanta (a) tidak diperlukan. (bryman, A. & Cramer, D:1990:246-251) Tahapan pengoalahan data. Berdasarkan figure 1 maka, proses pengolahan untuk mencari nilai ²nilai yang diperlukan seperti nilai F, R2 dan e akan dilakukan secara bertahap. Lakukan analisis regresi dengan formulasi sbb:

18

XX

income

Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

Indentifikasi variabel dan formulasi persamaan regresi Tahap Variabel independent Variable dependent Persamaan 1 y Masa kerja (x11) y Kepuasan kerja F11 masa kerja + F12otonomi (Y1) y Otonomi (x12) + F13income + e1 (regresi berganda) y Income (x13) 2 y Masa kerja (x21) y Income(Y2) F21masa kerja + F22otonomi + e2 y Otonomi (x22) (regresi berganda) 3 y Masa kerja (x31) y Otonomi (Y3) F31masa kerja + e2 (regresi sederhana) 4 y Masa kerja (x) y Kepuasan kerja (Y) F masa kerja + e1 (regresi sederhana) Setelah diolah dengan spss, masukkan setiap nilai beta pada garis panah yang menghubungkan antar variable untuk mempermudah pembacaan hasil dan interpretasi hasil analisis. Sebagai misal lihat diagram output berikut: Diagram output ( p<0.05)

Masa kerja

F - 0.08
Kepuasan kerja

F 0.28
otonomi

F 0.58

F 0.22 F 0.57
income

F 0.47

19

Edisi 1 Tahun 2002

Berdasarkan diagram output kita bisa menarik kesimpulan secara statistic sebagai berikut. 1. Pengaruh secara langsung antara masa kerja dengan kepuasan adalah -0.08 (pola negative) 2. Pengaruh secara tidak langsung dapat kita hitung sebagai berikut: masa kerja income kepuasan kerja = 0.57 x 0.47 = 0.26 masa kerja otonomi kepuasan kerja = 0.28 x 0.58 = 0.16 masa kerja otonomi income kepuasan kerja= 0.28 x 0.22 x 0.47 = 0.03 Total pengaruh tidak langsung = 0.45 Total pengaruh adalah -0.08 + 0.45 = 0.37 Interpretasi Hasil ini menjelaskan bahwa secara uji statistik pengaruh langsung antara masa kerja dengan kepuasan adalah kecil dan negative (-0.08), sedangkan pengaruh secara tidak langsung adalah positif dan lebih besar (0.37). Berikutnya peneliti menjelaskan secara teoritis dan empiris mengapa hal itu terjadi. Menurut logika penulis hal ini sangat dimungkinkan sebab semakin lama masa kerja jika tidak diikuti oleh peningkatan peran akan menyebabkan pegawai merasa jenuh dan berada pada tingkat maturity atau kejenuhan, kondisi ini mungkin menyebabkan pegawai merasa bosan sehingga kepuasan kerjanya menjadi menurun. Lain halnya jika masa kerja yang lama dibarengi juga dengan peningkatan wewenang untuk mengatur aktivitasnya (otonomi), perbaikan pendapatan atau pergharaan lain (income), maka kepuasan kerja akan meningkat sebab pegawai merasa semakain dihargai senioritas dan pengabdiannya. Tentunya pendapat yang disampaikan akan lebih kuat jika didukung oleh teori maupun hasil penelitian terdahulu. Demikian Path Analysis, ia mempunyai kelebihan dibanding regresi berganda biasa dimana ia dapat mengungkap pengaruh secara langsung maupun pengaruh secara tidak langsung yang mungkin diperlukan peneliti.

20

Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

Bagian Tiga

Analisa Paired ² Samples t tests dan Independent Samples t tests
(Uji Beda Untuk Sampel Berpasangan dan Tidak Berpasangan) Analisa uji beda untuk sample berpasangan (Paired ² Samples t tests) Terkadang tujuan penelitian menyebutkan ingin mengetahui perbedaan antara dua kelompok yang diamati. Misalkan Peneliti ingin mengetahui apakah ada perbedaan rasa kopi antara merek A dan merek B. Untuk tujuan ini bisa digunakan Uji t atau uji beda untuk sample yang berpasangan. Perhatikan contoh berikut: Contoh 1 Misal, peneliti ingin mengetahui apakah ada perbedaan antara rasa kopi merek A dan merek B. Untuk tujuan tersebut peneliti telah menyiapkan 10 orang relawan yang suka kopi untuk mencoba rasa kopi merek A dan merek B. kemudian diminta memberikan nilai dengan skala 1 sampai dengan 8 seperti berikut. Skala pengukuran (semantic differential) Tidak Enak Cukup 1 2 3 4 Hasil dari kuesioner ditampilkan dalam tabel sbb. Relawan 1 2 3 4 5 6 7 8 9 10 Kopi A 8 8 6 7 6 8 8 5 8 6 Kopi B 6 7 7 5 5 7 8 6 7 5 Sangat Enak 7 8

5

6

Berikutnya untuk menjawab tujuan penelitian, data tersebut kita siapkan di SPSS editor dengan langkah sebagai berikut:

21

Edisi 1 Tahun 2002

Selanjutnya analisa dapat dimulai dengan langkah sbb: Klik Analyze pilih Compare Means pilih Paired Samples T Test. Maka akan tampil BOX seperti berikut: Selanjutnya klik merek a (a) dan merek b (b) kemudian klik tanda panah maka merek a dan merek b yang dibandingkan masuk dalam kotak Paired Variables, Kemudian OK,

Hasil pengolahan dengan menggunakan SPSS dapat dilihat pada output dibawah ini.

22

Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

T-Test
Paired a ple tati ti

Pair 1

merek a merek b

10 10

Paired a ple Correlations N Pair 1 merek a & merek b 10 Correlation .545 Si . .103

Paired amples Test Paired Differen es 95% Confiden e Interval of the Differen e Std. Error Mean Std. Deviation Mean Lower pper Pair 1 merek a - merek .7000 1.0593 .3350 -5.78E-02 1.4578

t 2.090

Dari hasil diatas dapat ditarik kesimpulan sebagai berikut: Hipotesisnya Ho: a- b = 0, artinya antara merek a dan merek b tidak ada perbedaan rasa Ha: a- b  0, artinya antara merek a dan merek b ada perbedaan yang significant tingkat signifikan menggunakan 0.05 Dari uji Paired - samples t test yang digunakan untuk menguji hipotesis menyatakan bahwa ada perbedaan nilai rata-rata, merek a dengan mean =7 merek b dengan mean=6.3, tetapi perbedaan tersebut tidak significant dimana t=2.09 dan p<0.066 ( pada significant level 0.05). Informasi lainnya adalah terdapat korelasi yang positif antara merek a dan merek b artinya peningkatan kepuasan merek a akan juga diikuti peningkatan kepuasan merek b, hal ini mengindikasikan antara merek a dan merek b mempunyai daya saing yang relative sama dari segi rasa. Contoh 2. Misal peneliti ingin mengetahui apakah BPNN selaku badan penyehatan perbankan berhasil meningkatkan kinerja Bank yang menjadi pasiennya. Untuk tujuan itu diperlukan indikator untuk menilai kinerja bank tsb, misalnya CAR. Andaikan ada 10 bank yang telah diperbaiki dengan nilai CAR sebelum dan sesudah ditangani BPPN selengkapnya disajikan dalam tabel berikut.
r r r r

h

q

c

Mean 7.0000 6.3000

N

Std. eviation 1.1547 1.0593

df 9

d

q

p

ab a
Std. rror Mean .3651 .3350
Sig. (2-tailed) .066

q

Ya

i

`

g

Y

f

e

23

Edisi 1 Tahun 2002

Bank

A B C D E F G H I J
s s s s

CAR (%) Sebelum Sesudah Masuk Masuk BPPN BPPN -2 3,5 1 4,6 0,5 3,7 -4 2,1 -4 1,2 -3 2 0,5 3,8 2 6,6 1,3 4.8 -1 3

Kriteria Hipotesis yang diajukan. Ho: a- b = 0 maka usaha BPPN untuk meningkatkan CAR yang sakit, tidak berarti Ha: a- b { 0 maka usaha BPPN untuk meningkatkan CAR yang sakit, berarti. Tingkat signifikansi adalah 0.05 Dengan tahapan analisis seperti pada contoh satu maka didapat output spss sebagai berikut: T-Test
Paired a ples tatisti s Mean -.8700 3.5300 N 10 10

Pair 1

SEBELUM SESUDAH

Paired Sam les Correlations

N

Paired a ples est Paired Differences 95% Confidence Interval of t e Difference Lower Upper -5.1311 -3.6689

9

Dari output diatas dapat ditarik suatu kesimpulan sebagai berikut: Dilihat dari nilai rata-rata, ternyata ada perbedaan kinerja bank (CAR) antara sebelum (mean=-0.87) dan sesudah di tangani BPPN (mean=3.35). Perbedaan tersebut singnificant
24

„

Mean Std. Deviation Pair 1 SEBELUM - SESUDAH -4.4000 1.0220

Std. Error Mean .3232

ƒ

‚

 €

y

x

Pair 1

SEBELUM

SESUD H

10

Correlation .917

v

t

u t

Std. Deviation 2.2514 1.5770

Std. Error Mean .7120 .4987

w

Sig. .000

t -13.615

df

Si . (2-tailed) .000

Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

dengan t=-13.615 dan p>0.000. Sehingga BPPN patut mendapat pujian karena mampu meningkatkan nilai CAR bank sakit yang ditangani. Jadi Ha diterima. Informasi lainnya adalah dari nilai korelasi positif , sangat kuat dan significant (r=0.917; sig<p) artinya bank dengan posisi CAR baik(positif) cenderung akan semakin meningkat kinerjanya setelah ditangani BPPN. Atau bisa diartikan Usaha BPPN ditunjang juga oleh kinerja Bank yang ditangani sebelumnya. Demikian mengenai Uji beda untuk sample yang berpasangan. Dua kasus tersebut hanyalah contoh, dan masih bisa dikembangkan untuk menjawab permasalahan penelitan yang lain. Uji beda untuk uji satu kelompok (one samples t test) Sekarang mari kembali pada contoh kasus 2, dimana peneliti ingin mengetahui apakah target BPPN untuk menyehatkan bank sakit mampu memiliki CAR 3% dapat dikatakan tercapai secara keseluruhan. Dengan demikian maka hipotesis dapat dirumuskan sebagai berikut: Ho= Qbank = 3% Ha= Qbank { 3% Tingkat signifikan menggunakan 0.05 Selanjutnya mari kita uji hipotesis tersebut, dengan langkah-langkah pengolahan sebagai berikut. Pilih Compare mean, pilih one samples t test

Pilih ´variable sesudahµ untuk dianalisa, dengan test value 3. dan confidence interval 95%. Klik OK, tunggu data sedang diolah .

25

Edisi 1 Tahun 2002

Hasil pengolahan akan nampak sebagai berikut: T-Test
One-Sample S atistics Std. Error Mean .4987

N SESUD H 10

Mean 3 5300

One-Sample Test

Kesimpulan yang dapat ditarik dari print out tersebut adalah: Secara keseluruhan CAR bank yang ditangani oleh BPPN dengan batas ambang CAR 3% terpenuhi. Hal ini ditunjukkan oleh Nilai t=1.063 dengan p<0.316 yang artinya tidak ada perbedaan signifikan sehingga H0 diterima. Latihan Sebuah industri bola lampu ingin menguji apakah produknya mempunyai daya nyala selama 1000 jam nonstop. Untuk keperluan pengujian, telah diambil 10 bola lampu secara acak dari 2 lini produk masing-masing 5 unit dan dinyalakan secara bersama-sama dan daya tahan lampu tersebut didokumentasikan seperti dalam table berikut.

26

‰

SES DA

9



t 1.063

df

Sig. (2-tailed) .316

ˆ 

Mean Differen e .5300



‘

…

Std. Deviation 1.5770

†

‡

Test Value

3 95% Confiden e Interval of the Differen e Lower pper -.5981 1.6581

ˆ

Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

lampu 1 2 3 4 5 6 7 8 9 10

Daya tahan (jam) 998 1050 1025 1068 998 1009 1016 935 1005 997

Dengan langkah yang sama maka hasil disajikan sebagai berikut T-Test
One-Sample Statistics Std. Error Mean 11.2215

N U 10

W

Mean 1010.1000

Std. Deviation 35.4854

W

U

t .900

d

Sig. (2-tailed) 9 .392

Mean Difference 10.1000

Berdasarkan hasil perhitungan tersebut, apa kesimpulan saudara ?.

™

d —

˜

’ ”“

One-Sample Test e t Value = 1000 95% Confidence nterval of the Difference Lower Upper -15.2847 35.4847

• —–

27

Edisi 1 Tahun 2002

Bagian Empat

Analisis Faktor
Dasar pemikiran Terkadang dalam suatu penelitian kita dihadapkan pada beragam factor atau variable yang diduga mempunyai kaitan dengan suatu permasalahan yang ingin kita cari tahu jawabannya. Banyaknya factor atau variable ini terkadang bisa membuat bias dalam perumusan/formulasi permsalahan atau terkadang akan merepotkan peneliti karena harus mengendalikan banyaknya variable atau factor tersebut yang secara bangunan teori terkadang kurang kuat. Berdasar pada situasi tersebut maka timbul pemikiran untuk mereduksi atau meringkas beragam factor atau variable tersebut menjadi suatu bentuk/model teori yang baru dengan harapan model tersebut nantinya akan dapat menjelaskan secara optimal tentang permasalahan yang ingin kita cari tahu jawabannya. Dengan demikian, merujuk pada pendapat Malhotra (1993), analisis factor adalah merupakan sekelompok prosedur untuk mengurangi dan meringkas data. Dengan model matematisnya adalah :
e e

Xi = Ai1F1
Xi Aij F Vi Ui m

Ai2F2

Ai3F3

««««.

Ai F 

ViUi

:variable standar ke-i :koefisien loading dari variable I pada factor umum j :factor umum :koefisien standartized loading dari variable I pada factor khusus I : factor khusus bagi variable I :jumlah dari factor umum

Sedangkan faktor-faktor umum dapat dinyatakan sebagai berikut: F1 Ket: F1 Wi k = Wi1Xi1+Wi2Xi2+Wi3Xi3+««««+WikXik :estimasi factor loading ke-1 :bobot atau koefisien nilai factor :jumlah variabel

Akurasi Model Faktor Agar terdapat kesesuaian antara permasalahan yang akan dijawab beserta data yang diperoleh dengan alat analisis yang akan digunakan maka perlu dilakukan telaah akurasi model factor. Prosedur dalam analisis factor adalah mengikuti beberapa tahapan sebagai berikut:

28

Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

Memformulasikan permasalahan Membuat matrik korelasi

Menentukan jumlah factor/komponen Rotasi faktor

Interpretasi factor-faktor

Menghitung skor faktor

Memilih variable pengganti

Menentukan Model Fit

Gambar 1. Prosedur analisi faktor. (Malhotra:1996) Penjelasan Gambar 1. 1. Memformulasikan permasalahan Beberapa yang perlu diperhatikan dalam memformulasikan permasalahan yaitu: y Mengidentifikasi tujuan analisis faktor y Variabel-variabel yang akan dimasukkan dalam analisis faktor berdasarkan pada penelitian terdahulu, teori dan keputusan peneliti. y Kesesuaian antara instrumen penelitian dengan sampel penelitian. 2. Membentuk matrik korelasi. Proses analisis berdasarkan pada matriks korelasi antar variable-variabel yang diteliti. Agar analisis faktor dapat dilakukan variabel-variabel tersebut harus berkorelasi. Jika korelasi antar variabel kecil maka analisis faktor tidak dapat dilakukan. Pengujian
29

Edisi 1 Tahun 2002

korelasi antar variabel tersebut merupakan langkah pendahuluan sekaligus sebagai tindakan koreksi seperlunya. Selanjutnya diteruskan dengan penentuan metode yang cocok dalam analisis faktor. Metode yang lazim digunakan jika fokus tujuannya adalah untuk menentukan jumlah faktor minimum dari berbagai faktor yang ada yaitu: Principal Component analysis (PCA) 3. Menentukan jumlah factor Dalam tahap ini informasi-informasi dalam variable-variabel awal diekstraksi menjadi factor-faktor yang lebih kecil. Dengan menggunakan criteria eigenvalues dimana dalam pendekatan ini, hanya factor yang mempunyai eigenvalues lebih besar dari 1 akan dipilih sedangkan yang laiinya tidak disertakan dalam model. 4. Rotasi factor. Hasil penyederhanaan dalam matrik factor memperlihatkan hubungan antara factor dengan variable individual. Tetapi dengan banyaknya variable yang saling berkorelasi sehingga sulit untuk diinterpretasikan. Untuk itu harus dilakukan rotasi factor matrik yang hasilnya lebih sederhana sehingga mudah dibaca. Dalam rotasi matrik factor ini metode yang digunakan adalah Varimax yaitu metode rotasi orthogonal untuk meminimumkan jumlah variable dengan berpedoman pada nilai loading tertinggi. 5. Interprestasi faktor-faktor. Interprestasi factor dapat dilakukan dengan mengelompokkan variable yang mempunyai factor loading tertinggi kedalam factor tersebut. Untuk interpretasi hasil perilaku ini, factor loading dengan nilai > 0,5 sedangkan yang < 0,5 dikeluarkan dari model. 6. Menentukan Model Fit Tahap akhir dalam analisis factor adalah menentukan model fit yaitu untuk mengetahui apakah model mampu menjelaskan data dengan baik. Beberapa ketentuan yang harus diketahui dalam FA 1. Uji Bartlett Yaitu uji tingkat independen dari variable-variabel. Hasil Bartlett test of sphericity dengan melihat tingkat signifikansi kesalahan untuk mengindikasikan sejauhmana antar variable tersebut berkorelasi. 2. Nilai KMO (kaiser-meyer-olkin) Untuk mengetahui ketepatan dari analisis factor. Nilai KMO > 0,5 dianggap mempunyai ketepatan.

30

Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

Ukuran ketepatan KMO Ukuran KMO >0.9 >0.8 >0.7 >0.6 >0.5 <0.5 Rekomendasi Baik sekali Baik Sedang/agak baik Cukup Kurang Ditolak

3. Penentuan jumlah factor. Untuk menentukan jumlah factor biasanya digunakan ukuran sbb: y Eigenvalue > 1 (menurut pendapat kaiser) atau > 0,5 (menurut pendapat lawley and maxwell) y Persentase kumulatif > 60% atau mencapai 85% 4. Model FIT Analisis ini sebenarnya untuk seberapa besar residual antara korelasi yang diamati dengan korelasi yang direproduksi. Sebagai ukuran jika terdapat banyak nilai residual melebihi nilai absolut 0.05 maka model tidak dapat diterima. Petunjuk praktis teknis Analisis Faktor dengan SPSS. Follow this direction y y y y Open SPSS Siapkan data yang akan diolah Klik menu analyze, pilih Data Reduction, pilih factor. Muncul box menu berisikan:  Kotak variables (sebelah kiri berisikan variable, kanan kosong) Masukkan variable yang akan difaktorisasi (kolom sebelah kiri) kedalam kolom sebelah kanan, dengan menekan tanda .  Descriptives (pada menu box, pilih coefficient dan KMO and Bartlett test atau klik semua pilihan), continue  Extraction ( pada menu box, pilih metode principal component, eigenvalue 1 atau 0,5. continue  Rotation (pada menu box pilih method varimax )continue  Scores  Option  Tekan OK, output akan nampak seperti dibawah ini:

31

Edisi 1 Tahun 2002

Contoh Print out factor analysis dari SPSS KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity Approx. ChiSquare df Sig. ,644 562,809 153 ,000

Cara membaca table: y Uji Bartlett's Test of Sphericity menyatakan sebesar 562,809 dengan Sig. 0,000. artinya peluang terjadi kesalahan untuk variable saling tidak independent sebesar 0% dengan demikian antar variable memiliki korelasi. y Nilai Kaiser-meyer-olkin / KMO measure of sampling adequacy sebesar 0,644 melebihi nilai baku 0,5 maka analisis factor memiliki ketepatan untuk digunakan. Total Variance Explained Initial Eigenvalues Component Total

Rotation Sums of Squared Loadings Total % Cumulative of Variance % 2,526 14,032 14,032 2,307 12,817 26,849 2,273 12,626 39,475 1,994 11,079 50,554 1,625 9,026 59,580 1,280 7,109 66,689 1,162 6,456 73,145 1,155 6,416 79,561 1,063 5,905 85,466

% Cumulative of Variance % 1 3,920 21,779 21,779 2 2,700 15,002 36,781 3 2,279 12,662 49,444 4 1,909 10,604 60,048 5 1,382 7,678 67,726 6 ,980 5,447 73,173 7 ,907 5,040 78,213 8 ,708 3,932 82,145 9 ,598 3,321 85,466 10 ,489 2,719 88,185 11 ,397 2,204 90,388 12 ,335 1,863 92,251 13 ,327 1,817 94,069 14 ,293 1,630 95,699 15 ,266 1,480 97,179 16 ,219 1,219 98,398 17 ,166 ,924 99,323 18 ,122 ,677 100,000 Extraction Method: Principal Component Analysis.

32

Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

Cara membaca table: Dengan menggunakan metode principle component diperoleh 9 faktor dari 18 variabel yang telah diajukan. Hasil tersebut diperoleh dengan melihat nilai eigenvalue yang lebih besar dari 0,5. (ketika mengolah penulis menetapkan eigenvalue=0,5, namun jika yang ditetapkan sebesar 1 makan hanya terdapat 5 faktor yang akan membentuk model). 9 faktor tersebut memiliki Cumulative % sebesar 85,466 %. Dengan demikian asumsi kedua telah terpenuhi yaitu menetapkan eigenvalue sebesar 0,5 dengan perolehan % kumulatif variance sebesar > 85,466%.

Reproduced Correlations
X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X1 1 Rep X1 ,83 ,78 ,62 ,34 ,33 - - 2,9 ,31 -,160 rod 9 6 7 6 5 4,32 6,78 33 3 7,7 uce 2E- 1E- E04 d 03 02 02 ECor 02 rela tion X2 ,78 ,84 ,64 ,34 ,37 2,63 - 6,6 ,29 9,155 ,18 6 1 1 8 8 8E- 9,25 56 4 E-02 3 02 6E- E02 02 X3 ,62 ,64 ,79 ,57 ,64 - 8,99 7 1 4 3 2 2,05 9E0E- 03 02 3,4 ,19 2,196 8,0 26 6 E-02 35 EE02 02 X1 X13 X1 X1 X1 X17 X1 2 4 5 6 8 4,6 ,137 ,12 - 5,2 ,126 ,26 23 5 5,1 92 3 E07 E02 E- 02 02 ,29 ,175 9,2 3 51 3,3 E- 97 02 E02 ,24 ,241 ,12 8 3 2,2 59 E02 ,24 ,179 9,5 ,19 0 45 7 E02 ,11 ,133 ,35 0 9

4,6 ,219 ,10 22 3 E02 ,22 ,228 ,21 4 1

X4 ,34 ,34 ,57 ,91 ,48 - - ,21 ,35 - 6 8 3 2 3 2,02 7,11 0 4 9,470 9,8 6E- 9EE-02 44 02 02 E02 X5 ,33 ,37 ,64 ,48 ,89 - ,151 ,17 ,13 - 5 8 2 3 6 1,90 5 3 2,107 7,1 1EE-02 14 02 E03 X6 - 2,6 - - - ,760 ,659 ,66 ,35 ,290 ,19 4,3 38E 2,0 2,0 1,9 8 0 2 22 -02 50 26 01 EE- E- E03 02 02 02 X7 - - 8,9 - ,15,659 ,844 ,50 ,43 ,176 6,7

9,7 ,318 - - 84 3,9 ,12 ,14 E69 4 4 02 E02 ,13 3,97 ,21 - 7 1E- 2 1,2 8,2 02 25 16 E- E03 03 2,2,171 ,33 5,2 -

6,005 ,31 E-02 0

6,378 E-02 7,7 24 E02 ,227 33

Edisi 1 Tahun 2002

6,7 9,2 81 56E E- -02 02 X8 2,9 6,6 33 56E E- -02 02 X9 ,31 ,29 3 4

99 7,1 1 1 2 E- 19 03 E02 3,4 ,21 ,17 ,668 ,501 ,87 ,25 8,641 26 0 5 1 5 E-02 E02 ,19 ,35 ,13 ,350 ,432 ,25 ,89 3,747 6 4 3 5 6 E-02

62 45 E- E02 02 3,4 ,148 96 E02 ,16 3 4,64 4E02 ,71 ,177 1

X1 - 9,1 2,1 - - ,290 ,176 0 ,16 55E 96 9,4 2,1 0 -02 E- 70 07 02 E- E02 02 X1 - ,18 8,0 - - ,192 6,76 1 7,7 3 35 9,8 7,1 2E04 E- 44 14 02 E02 E- E02 02 03 X1 4,6 ,29 ,24 ,24 9,7 ,137 2,24 2 23 3 8 0 84 5EEE02 02 02 X1 ,13 ,17 ,24 ,17 ,31 3,97 ,171 3 7 5 1 9 8 1E02 X1 ,12 9,2 ,12 9,5 4 5 51E 3 45 -02 E02 X1 - 5 5,1 3,3 07 97E E- -02 02 X1 5,2 ,11 6 92 0 E34

8,6 41 E02

6,6 78 E02 5,1 08 E02 3,7 ,841 ,69 47 3 E02

- ,19 2,2 7 59 E02 4,6 ,22 - - - ,15 - ,32 ,25 7,77 7,1 ,82 ,86 ,678 ,12 22 4 ,14 8,21 ,100 6 4,5 2,872 9 3 7E- 50 3 0 5 E4 6E26 E-02 02 E-

6,6 78 5,1 E- 08 02 E02 3,4 ,16 96 3 E02 ,14 8 4,6 44 E02 - ,212 ,331 8,4 ,15 3,9 63 5 69 EE02 02 - - 5,27 ,12 6,5 ,12 1,22 2E- 6 69 4 5E- 02 E03 02

,693 ,84 ,69 5,55 1 6 1E05 ,711 ,69 ,80 ,191 6 5

2,0 59 E02 8,4 ,12 ,15 3,736 ,16 63 6 6 E-02 8 E02 ,15 6,5 - ,218 ,44 5 69 4,5 0 E- 26 02 E02 ,21 - - 6 ,10 2,8 1,640 2,8 8 72 E-02 02 EE02 02 - ,23 ,32 ,297 2,1 2,9 3 9 44 44 EE02 02 ,19 ,16 ,25 ,251 ,13 8 4 3 4

1 72 ,10 E- 0 02

,177 5,5 ,19 ,841 ,68 9,0 7,7 ,111 ,24 51 1 1 91 77 4 EE- E05 02 02 - ,19 ,681 ,86 ,12 2,9 8 6 1 44 E02 -,108 ,23 ,16 9,09 ,12 ,88 3 4 1E- 1 5 02 ,216 7,1 ,211 50 3,2 E70 02 E02 ,82 ,772 ,15 3 6

Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

02

02

03

X1 ,12 ,13 ,21 ,22 6,0 6,37 ,227 7 6 3 9 8 05 8EE- 02 02 X1 ,26 ,35 ,10 ,21 ,31 - 8 3 9 3 1 0 7,72 2,05 4E- 9E02 02 Res X1 idu al X2 - - 3,4 ,11 6,6 27 9 49 EE- 02 02 - 9,9 ,11 4,3 07 9 27 EE- 03 02 - 6,6 4,3 5,8 49 27E 93 E- -02 E02 02 3,4 9,9 27 07E 5,8 E- -03 93 02 E02 1,9 - - 76 2,2 7,8 2,2 E- 14E 23 74 02 -03 E- E02 02 6,0 - - 1,5 25 3,1 1,6 91 E- 16E 25 E03 -02 E- 02 02 1,3 2,4 4,7 4,9 55 71E 85 41 E- -02 E- E02 03 02

E02 3,7 ,21 36 8 1,640 EE-02 02 ,16 ,44 8 0 2,802 E-02 2,790 E-02

02 ,29 ,25 ,111 ,21 ,77 ,67 ,857 8,0 7 1 1 2 8 84 E02 2,1 ,13 ,244 - ,15 ,12 8,084 ,93 44 4 3,2 6 5 E-02 5 E70 02 E02 1,7 1,3 - - 2,2 - 9,3 18 42 1,05 1,2 04 2,3 2,832 64 E- E- 1E- 40 E- 05 E-03 E02 02 03 E- 02 E03 02 02 - 2,3 9,05 - - - 2,489 2,6 85 0E- 7,7 1,2 7,0 E-02 3,1 62 E- 03 07 69 08 45 E- 03 E- E- EE02 03 02 03 02 - - - - 1,1 3,8 - 4,2 3,1 2,8 7,95 5,3 68 67 4,339 96 79 71 6E- 54 E- E- E-02 EE- E- 03 E- 02 02 02 02 02 03 4,9 - 3,46 - - - 1,489 2,6 15 5,9 6E- 8,1 1,6 1,6 E-02 31 E- 95 03 12 02 12 E02 EE- E- E02 02 03 02 02 8,2 2,4 - 6,5 1,2 2,4 - 24 64 4,84 94 88 58 2,675 2,2 E- E- 5E- E- E- E- E-02 56 03 02 02 02 02 02 E02 2,3 1,4 4,01 - 4,6 - 2,7 90 53 5E- 1,6 55 2,8 1,909 87 E- E- 02 39 E- 26 E-02 E02 02 E- 02 E02 02 02 - 7,8 - - - 5,8 - 3,1 3,2 42 3,57 1,0 2,7 89 4,170 41 23 E- 6E- 78 15 E- E-02 EE- 03 02 E- E- 02 02
35

X3

X4

X5

X6

X7

1,9 6,02 1,35 - 76 5E- 5E- 1,3 3,1 E- 03 02 12 46 02 E- E02 02 - - 2,47 1,1 2,9 2,2 3,11 1E- 31 57 14 6E- 02 E- EE- 02 02 03 03 - - 4,78 1,8 1,8 7,8 1,62 5E- 23 99 23 5E- 03 E- EE- 02 02 02 02 - 1,59 4,94 - 2,2 1E- 1E- 4,4 5,2 74 02 02 88 68 EE- E02 02 02 4,02 - - 2,0 2E- 5,26 1,6 21 02 9E- 91 E02 E- 02 02 4,0 - - 22 9,28 ,14 1,6 E9E- 2 29 02 02 E02 - - 5,2 9,28 7,8 6,7 69 9E64 56 E- 02 E- E-

1,603 E-02 3,686 E-02

1,753 E-02

2,897 E-02 7,074 E-02 3,609 E-02

Edisi 1 Tahun 2002

X8

- 1,1 1,3 31E 12 -02 E02 X9 - 2,9 3,1 57E 46 -03 E02 X1 2,7 0 90 1,6 E- 03E 02 -02 X1 1,7 1 18 2,6 E- 62E 02 -02 X1 1,3 2,3 2 42 85E E- -03 02 X1 - 9,0 3 1,0 50E 51 -03 E03 X1 - 4 1,2 7,7 40 07E E- -03 02 X1 2,2 5 04 1,2 E- 69E 02 -02 X1 - 6 2,3 7,0 05 08E E- -03
36

1,8 23 4,4 E- 88 02 E02 1,8 99 5,2 E- 68 02 E02 3,6 1,7 - - 3,60 86 53 2,8 7,07 9EE- E- 97 4E- 02 02 02 E- 02 02 - 4,9 8,2 2,39 3,1 15 24 0E- 3,22 79 E- E- 02 3EE- 02 03 02 02 - - 2,4 1,45 7,84 2,8 5,9 64 3E- 2E71 95 E- 02 03 E- E- 02 02 02 - 3,4 - 4,01 7,9 66 4,8 5E- 3,57 56 E- 45 02 6EE- 03 E02 03 02 - - 6,5 - 5,3 8,1 94 1,63 1,07 54 12 E- 9E- 8EE- E- 02 02 02 03 03 1,1 - 1,2 4,65 68 1,6 88 5E- 2,71 E- 02 E- 02 5E02 E- 02 02 02 3,8 - 2,4 - 5,88 67 1,6 58 2,82 9EE- 12 E- 6E- 02 02 E- 02 02

02 - - 1,6 ,142 7,86 91 4EE03 02 2,0 - 21 1,62 6,75 E- 9E- 6E02 02 02

03 02 02 3,0 2,975 - 1,5 70 E-02 2,5 88 1,74 E74 E- 0E02 E- 02 02 02 3,0 - 3,9 - 6,45 70 2,314 74 2,1 1EEE-02 E- 14 02 02 02 E02 2,9 - - 75 2,3 5,5 9,3 3,55 E- 14 88 90 0E02 EE- E- 02 02 02 02 - 3,9 - 3,20 2,5 74 5,588 9,2 0E74 E- E-02 48 02 E- 02 E02 02 1,5 - 88 2,1 9,390 9,2 6,86 E- 14 E-02 48 6E02 EE04 02 02 - 6,4 - 3,2 1,7 51 3,550 00 6,8 40 E- E-02 E- 66 E- 02 02 E02 04 1,3 - 2,5 - 72 2,2 4,429 04 2,0 ,130 E- 35 E-03 E- 37 02 E02 E02 02 - 1,7 7,926 - 5,1 2,56 2,7 09 E-03 5,6 66 5E98 E19 E- 02 E- 02 E- 03 02 03 - 6,1 1,797 - - 2,7 36 E-02 1,7 1,4 5,60 48 E15 35 0EE- 03 E- E- 02

02 1,3 72 E02 2,2 35 E02 4,4 29 E03 2,5 04 E02

02 2,7 98 E02 1,7 09 E02 7,9 26 E03 5,6 19 E03 5,1 66 E03

2,7 48 E02 6,1 36 E03 1,7 97 E02 1,7 15 E02 1,4 35 E02 5,6 00 E02 4,4 40 E02

6,123 E-02 2,9 24 E02 - 2,191 6,4 E-02 62 E02 1,863 2,3 E-02 67 E02 - 2,567 1,1 E-02 86 E02 7,200 E-03 1,6 43 E02 2,042 E-02 5,8 13 E02 - 3,4 2,414 40 E-02 E02

2,0 37 E02 - 2,5 ,13 65 0 E02

2,4 38 E02 2,4 38 E02 4,4 40 5,1 E- 86 02 E-

- 5,1 5,747 1,8 86 E-02 20 EE02 02 - 1,7 7,541 13 E-02 E02

Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

02 02 02 02 02 X1 - 1,4 - - - 6,1 - 1,863 - 7,2 2,04 - - 7 4,3 89 2,6 1,90 4,17 23 2,1 E-02 2,5 00 2E- 2,4 5,7 7,5 4,3 39 E- 75 9E- 0E- E- 91 67 E- 02 14 47 41 36 E- 02 E- 02 02 02 EE- 03 E- E- EE02 02 02 02 02 02 02 04 X1 4,2 2,6 - 2,78 3,14 - - 2,367 - - - 3,4 - 1,7 8 96 31 2,2 7E- 1E- 2,9 6,4 E-02 1,1 1,6 5,81 40 1,8 13 4,336 E- E- 56 02 02 24 62 86 43 3E- E- 20 E- E-04 02 02 EE- EE- E- 02 02 E- 02 02 02 02 02 02 02 Extraction Method: Principal Component Analysis. a Residuals are computed between observed and reproduced correlations. There are 25 (16,0%) nonredundant residuals with absolute values > 0.05. b Reproduced communalities Cara membaca tabel Pada tahap ini bertujuan untuk menetapkan Model Fit. Dari hasil perhitungan tabel Reproduced Correlations disimpulkan sbb: There are 25 (16,0%) nonredundant residuals with absolute values > 0.05. artinya nilai residual dari korelasi observasi dengan korelasi reproduksi yang mempunyai korelasi dengan nilai > 0,5 sangat sedikit yaitu sebesar 16 % sedangkan sisanya 84 % mempunyai korelasi < 0,05. Rotated Component Matrix Component Factor 1 X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X15 X16 2 -,118 ,179 3 ,891 ,868 ,648 ,270 ,273 ,809 -,127 ,653 ,891 ,229 ,262 ,131 ,119 ,104 ,925 ,867 ,121 4 5 6 ,107 ,501 ,287 ,857 ,231 7 8 9

02 - 2,4 2,8 89E 32 -02 E03 9,3 64 3,1 E- 45E 03 -02

,102

,180 ,179

,132 ,217 ,469 ,809

,227

,189 -,115 ,288 ,836 ,171 ,198 -,118 -,116 -,243 ,172 ,176 ,281 ,198 -,164 ,203

-,144 ,265 ,151

,876 ,843 ,838

,160 -,121 ,118 ,837 ,881

,234 -,113 -,151

-,160 ,178 -,195

,199 -,123 ,135
37

Edisi 1 Tahun 2002

X17 ,856 ,103 ,100 ,152 ,252 X18 ,180 ,118 ,165 ,921 Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a Rotation converged in 9 iterations. Cara membaca tabel: Tabel Rotated Component Matrix merupakan inti analisa factor yaitu menentukan ke sembilan factor yang telah teridentifikasi melalui beberapa tahapan diatas. Cara menentukan factor adalah sbb: Dalam tabel terdapat 9 komponen (lihat kolom), artinya ada 9 faktor yang akan direkomendasi menuju analisa lebih lanjut misal correl atau regress Prosedur menentukan factor: 1. Pilih koefisien tertinggi pada masing-masing kolom (hanya nilai tertinggi) 2. Setelah semua kolom terpilih nilai tertingginya. Hubungkan nilai-nilai tersebut dengan kolom factor.( kolom paling kiri). Sebagai contoh Pada kolom komponen 1 nilai tertinggi adalah ,925 nama factor atau variable adalah X15 Pada kolom komponen 9 nilai tertinggi adalah ,836 nama factor atau variable adalah X4 Oke untuk latihan «.Teruskan sendiri ya! yang ngetik udah ngantuk. Demikianlah perbincangan kita, semoga ada guna dan manfaat«..

38

Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

Bagian Akhir

Penutup
Tujuan Penulisan : membantu mahasiswa mengolah data skripsi secara mandiri. Untuk pemahaman lebih lanjut : mahasiswa dianjurkan untuk konsultasi pada dosen statistik yang tersedia membaca literature analisis multivariate yang tersedia di Perpustakaan kampus. Telusuri juga dengan fasilitas internet example : yahoo.com, lycos.com, google.com or whatever you can. Masih banyak terdapat kekurangan dalam Cerpen diatas, saran, kritik yang sifatnya konstruktif sangat ditunggu dan diharapkan oleh penulis. Finally,««««««« Seperti pesan Imam As Syafii kepada para pendidik Ra·yuna shawab yahtamil al khata· Wa ra·yuna ghairina khata· yahtamil al shawab Bersandar pada pendapat ini, masihkan kita saling bertahan dengan pendapat pribadi dengan mengabaikan pendapat orang lain yang kemungkinan mengandung kebenaran dan membawa pencerahan«.. Penulis mengharapkan saran dari pembaca untuk perbaikan. Demikian suplemen ini semoga ada manfaatnya, Bagi adik-adik mahasiswa diberikan kesempatan seluas-luasnya untuk berdiskusi dengan penulis jika terdapat ketidakjelasan atau perbedaan pendapat. Wallaahua·lam bisshawab Singosari, 27 Rajab 2002 Penyusun, Hanif Mauludin, e-mail: hanif@stie-mce.ac.id phone: STIE ²MCE 491813 ext 129 (ruang mce internet) segera terbit suplemen edisi revisi untuk mahasiswa ABM dengan tambahan analysis cluster dan analisis diskriminan

39

Edisi 1 Tahun 2002

REFERENCE 1. Everitt, B.S, & Dunn, G. (1991). Applied multivariate data analysis. London: Edward Arnold. 2. Bryman, A & Cramer, D. (1990). Quantitative data analysis for social scientists. pp. 246-251 3. Rietveld & Sunaryanto, (1994). 87 masalah pokok dalam regresi berganda 4. Sugiarto. (1992). Tahap awal dan Aplikasi analisis Regresi 5. http://www.exeter.ac.uk/~SEGLea/multvar2

40

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->