Regresi logistik regresi logistik sebenarnya sama dengan analisis regresi berganda hanya variabel terikatnya adalah variabel dummy 0 dan 1 contohnya, pengaruh beberapa rasio keuangan terhadap keterlambatan penyampaian laporan keuangan maka variabel terikatnya 0 jika terlambat dan 1 jika tidak terlambat tepat regresi logistik tidak membutuhkan asas normalitas Data penyaringan data outliers tetap dapat dilakukan Untuk menunjang multikolinearitas pada regresi logistik silahkan simak di sini. Interpretasi regresi logistik menggunakan odd ratio atau kemungkinan contoh, jika rasio keuangan ROA meningkat sebesar 1 maka kemungkinan ketepatan laporan keuangan meningkat sebesar 1.05 kali Berarti semakin Tinggi ROA kemungkinan tepat lebih tinggi atau jika rasio keuangan DER meningkat dari 2 maka kemungkinan ketepatan penyampaian laporan keuangan meningkat sebesar 0,98 kali atau bisa diturunkan lebih kecil dari 1 yang berarti kemungkinan ter Lambat semakin tinggi. Berikut adalah simulasi aplikasi regresi logistik regresi logistik dengan SPSS Versi 11 5 Contoh tabulasi data dengan 84 sampel bisa di download di sini Tampilannya pada SPSS Versi 11 5 kurang lebih seperti ini. Simulasi adalah untuk melihat pengaruh antara variabel profitabilitas, kompleksitas perusahaan , Opini auditor, likuiditas dan ukuran perusahaan terhadap ketepatan penyampaian laporan keuangan tahunan perusahaan Profitabilitas diukur dengan ROA kompleksitas diukur dengan 1 jika memiliki anak perusahaan dan 0 jika perusahaan tidak memiliki anak perusahaan opini auditor dengan 1 atau opini opini tidak ada dan 0 untuk opini Yang lain likuiditas diukur dengan current ratio dan kompleksitas diukur dengan logaritma nilai pasar natural Nah variabel terikat adalah ketepatan penyampaian laporan keuangan dengan kode 1 untuk perusahaan yang tepat waktu dan 0 untuk perusahaan yang lebih tua. Klik menu Analyze, pilih Binary Logistic, s Eperti ini. Jika anda benar, maka akan keluar kotak menu untuk regresi logistik masukkan variabel ketepatan ke dalam kotak dependend, dan masukkan variabel bebas ke dalam kotak covariate Lalu klik pada pilihan, sehingga akan keluar kotak seperti ini. Beri tanda centang seperti pada gambar di Lalu klik continue so akan kembali pada menu box logistik dan tekan OK Program akan melakukan perhitungan secara otomatis, dan hasil selengkapnya dapat anda bandingkan dengan data yang telah anda download. Interpretasinya adalah sebagai berikut. Pertama Melihat kelayakan model dengan menginterpretasikan output berikut ini. Nilai -2 Log Likelihood adalah sebesar 96,607 yang akan dibandingkan dengan nilai Chi Square pada taraf signifikansi 0,05 dengan df berdasarkan N-1 dengan N adalah jumlah sampel, berarti 84 1 83 Dari tabel Chi Square, diperoleh nilai adalah 100,744 Jadi -2 Kemungkinan log Chi Square 96,607 100,74.Jika konstanta saja tidak layak, semua variabel bebas isi juga ti Dak layak, tapi kan ada penurunan -2 Log Kemungkinan Yup Penurunannya adalah 96,607 84,877 11,73 Atau kalau manual laki-laki ngitung, Output SPSS juga sudah memberikannya yaitu sebagai berikut. Nah tunggu kan kalau output selisihnya adalah sebesar 11,729 dan memiliki signifikansi 0,039 0,05.Kalau masih kurang puas, bisa dilihat nilai Hosmer dan Lemeshow Test Hosmer dan Lemeshow Test adalah untuk melihat apakah data empiris cocok atau tidak dengan model atau dengan kata lain diharapkan tidak ada perbedaan antara data empiris dengan model Model akan diakui layak jika signifikansi Di atas 0,05 atau -2 Kemungkinan log di bawah Chi Square Tabel Hati-hati, ini berkebalikan dengan uji yang lain sebelumnya Tampak kan apakah Hosmer dan Lemeshow Test adalah sebesar 9,778 dengan signifikansi 0,281 0,05 Model Berarti adalah fit dan model ditentukan Layak dan boleh diinterpretasikan. Gambar di atas memberikan nilai Nagelkerke R Square sebesar 0,191 yang berarti dari variasi Abel bebas mampu menjelaskan varians ketepatan penyampaian laporan keuangan dari 19,1 dan hal tersebut sebesar 80,9 dijelaskan oleh faktor lain. Pengujian hipotesis penelitian yang dilihat dengan output berikut ini. Lihat aja signifikansinya, yang di bawah 0,10 10 berarti signifikan atau hipotesis Terima Pembahasannya silahkan terjemahkan dengan teori yang dikembangkan di awal. Silahkan download materi di atas di sini. dan jika membutuhkan file data contoh silahkan download di sini. Langkah-langkahnya adalah sebagai berikut.1 Buka lah program SPSS yang anda miliki.2 Masukan data nya - sebagai contoh, data yang saya gunakan adalah data latihan dari buku Analisis Data Kategoris Alan Agresti, 2007, edisi 2 - halaman 132, pada kasus saya variabel penjelasnya ada 2 Durasi skala rasio dan t dengan skala nominal dan variabel terikatnya dalam bentuk Nominal disusun atas 2 kategori - biner.3 Pilih pilihan variabel lihat lalu ubahlah variabel nama dan label - nya sesuai dengan kasus Masing Saat ini, saya akan menggubah nama menjadi D, T dan Yanggap Kemudian Nilai nya disesuaikan nilainya Bila data berbentuk nominal atau ordinal misalnya untuk T dan Y, ukuran nya dari skala menjadi nominal.4 Data telah beres, kemudian pilih opsi Menganalisis Regresi Binary Logistics.5 Masukkan Y sebagai variabel Dependent dan D serta T karena covariates Untuk metode nya saat ini saya masih tetap menggunakan enter.6 Karena T berbentuk kategorik, maka harus ditetapkan referensi Kategori nya dengan cara memilih pilihan Categorical Untuk kemudahan interpretasi biasanya saya memilih pertama Untuk referensi nya Semua kategori akan diperbandingkan dengan kategori pertama Kemudian JANGAN LUPA pilih perubahan Klik Continue.7 Pilih pilihan Kemudian centang hosmer lemeshow dan klasifikasi plots dan klik continue Kemudian OK. Ok Untuk Interpretasi Outputnya silahkan baca postingan berikutnya yang berjudul Analisis Regresi Logistik interpretasi Terimakasih Telah membaca. Regre Si logistic merupakan salah satu analisi multivariat, yang berguna untuk memprediksi variabel dependen berdasarkan variabel independen. Pada regresi logistik, variabel dependen adalah variabel dikotomi kategori Bila kategori variabel dependennya dua kategori maka digunakan biner logistik, dan kapan dependen variabelnya lebih dari dua kategori maka digunakan Regresi logistik multinominal Lalu ketika tergantung variabelnya peringkatnya, maka disebut dengan regresi logistik ordinal. Konsep Regresi Logistik. Regresi logistik merupakan alternatif uji jika asas multivariat normal distribusi pada variabel bebasnya tidak dapat terpenuhi saat akan dilakukan analisis diskriminan Tidak terpenuhinya asas ini diakibatkan bebas adalah Campuran antara variabel kontinyu metrik dan kategorial non metrik Misalnya, probabilitas orang yang menderita serangan jantung pada waktu tertentu dapat diprediksi dari informasi usia, kebiasaan merokok, jenis kelamin, Dan lainnya. Asumsi Regresi Logistik. Regresi logis tidak membutuhkan hubungan linier antara variabel bebas dengan variabel terikat. Regresi logistik dapat menyeleksi hubungan karena menggunakan pendekatan non linier log transformasi untuk memprediksi rasio odds Odd dalam regresi logistik sering sebagai probabilitas Misal Odd sebuah perusahaan dapat bangkrut Atau berhasil atau aneh seorang anak bisa lulus atau tidak pada Ujian Nasional. Variabel bebas tidak perlu asas multivariat normalitas. Asumsi homokedastis tidak diperlukan. Variabel bebas tidak harus dirubah ke bentuk metrik interval atau skala ratio. CONTOH KASUS Logistik Regresi. Data Yang Diberikan Adalah Data Fiktif Bukan Data Sebenarnya, Cuma Latihan Uji Statistik. Seorang dokter ingin mengetahui probabilitas seorang pasien terkena penyakit jantung berdasarkan rutinitas kebiasaan merokok dan usia. Data tambahan dari catatan medis sebanyak 30 orang pasien yang melakukan pemeriksaan kesehatan di RS ABC. Merokok 1, tdk merokok 0.Usia usia dalam tahun. Pada menu Menganalisis, Pilih Regresi Binary Logistic. Masukkan variabel sakit ke Dependent, kemudian variabel rokok dan kovariate box. Kemudian, Klik Pilihan, lalu beri tanda pada Klasifikasi Plot, Hosmer - Lemeshow GoF, Correlation matrix, dan itteration history. Klik Continue, then OK. HASIL Dan INTERPRESTASI. Menilai Model Fit. Untuk menilai model sesuai dapat diperhatikan statistik -2LogL yaitu tanpa mengikutsertakan variabel hanya konstanta yaitu sebesar 41 589 Bila tambahan 2 variabel baru Maka prediksi nilai -2LogL sebesar 16 750 Artinya ada tambahan 41 589 16 750 24 839.Untuk -2LogL pertama menghasilkan nilai 41 589 dengan df1 30-1 29 Nilai ini signifikan pada alpha 5 yang berarti Ho ditolak, model tidak cocok. nilai -2LogL kedua adalah dengan 16 750 dengan df2 30-3 27 tidak ada yang signifikan pada alpha 5 Nilai statistik -2LogL di atas dengan nilai statistik x 2, artin Ya model fit dengan data. Statistik - LogL dapat digunakan untuk menentukan apakah variabel bebas dalam model dapat secara signifikan mempengaruhi model dengan selisih 24 839 dan df df1-df2 29-27 2 maka menunjukkan angka ini signifikan pada alpha 5 Hal ini berarti Ho Ditolak dan Model cocok dengan data. Cox n Snell s R Square adalah ukuran yang sama dengan 0 563 dan nilai Nagelkerke R Square adalah dengan 0 751 dengan demikian dapat disimpulkan faktor kemampuan bebas menjelaskan model adalah sebesar 75 10.Selanjutnya, Hosmer dan Lemeshow S GoF dilakukan untuk mengajukan hipotesis Jika sig 0 05 maka Ho ditolak yang berarti ada perbedaan signifikan antara model dengan nilai observasi Jika sig 0 05 maka Ho diterima, tidak ada perbedaan antara model dan nilai observasinya. statistik Hosmer dan Lemeshow s GoF hasil 594 0 05 sehingga dapat diterima sesuai model data Hosmer dan Lemeshow GoF juga menghasilkan nilai 6 475 deng Sebuah probabilitas dari 0,594 sehingga dapat disimpulkan model sesuai dengan data. Estimasi Parameter dan Interprestasi. Estimasi Model parameter kadaluarsa dapat dilihat dari output pada tabel Variabel dalam Regresi Logika Persamaan kemudian dapat diperoleh. Ln P 1-P -11 506 5 348 Rokok 210 Usia. Variabel bebas kebiasaan merokok signifikan dengan probabilitas 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 with Jika ia perokok adalah sebesar 5 348 seseorang perokok memiliki kemungkinan terkena serangan jantung 5 35 kali lebih besar daripada yang tidak merokok. Jika variabel rokok tetap konstan, maka probabilitas seseorang terkena serangan jantung adalah sebesar 0 210 pada setiap kenaikan satu tahun usia. Jika Rokok Terima konstan, maka seseorang Memiliki kemungkinan terkena penyakit jantung adalah sebesar 1 233 untuk setiap penambahan usia Sementara jika usia bertambah konstan maka terjadilah penyakit jantung adalah sebesar 210 286 untuk perokok dibandingkan dengan yang tidak merokok Hasil keseluruhan tingkat klasifikasi adalah 90 0 pada cutoff 50.Pertama Variabel rokok Dan usia memiliki hubungan positif dengan kemungkinan penyakit jantung. Kedua Jika usia bertambah konstan, maka seorang perokok memiliki kemungkinan terkena penyakit jantung sebesar 5 384 kali lebih besar daripada yang tidak merokok. Ketiga Jika rokok terjepit, maka kemungkinan ada penyakit penyakit jantung adalah sebesar 0 210 pada setiap perpanjangan usia. Cuma diingatkan Yang Diberikan Adalah Data Fiktif Bukan Data Sebenarnya, Cuma Mengikuti Latihan Uji Statistik. Imam Ghozali 2009 Aplikasi Analisis Multivariat dengan program SPSS Semarang BP Undip, hal 261-275.Minggu yang lalu, saya telah menyampaikan konsep konsep Dari analisis regresi logistik biner pada minggu ini , Saya akan coba tinjau ulang dengan bahasa program SPSS Langkah-langkahnya adalah sebagai berikut.1 Buka lah program SPSS yang anda miliki.2 Masukan data nya - sebagai contoh, data yang saya gunakan adalah data Latihan dari buku Analisis Data Kategoris Alan Agresti, 2007, edisi 2 - halaman 132, pada kasus saya variabel penjelasnya ada 2 rasio skala dan t dengan skala nominal dan variabel terikatnya dalam bentuk nominal penuh atas 2 kategori - biner.3 Pilihan variabel lihat lalu ubahlah variabel nama dan label - nya sesuai dengan kasus masing-masing saat ini, saya akan menggubah nama menjadi D, T dan Yanggap Kemudian nilai nya disesuaikan dengan data atau nominal untuk T dan Y, ukur Diganti dari nominal menjadi nominal.4 Data telah beres, kemudian pilih opsi Menganalisis Regresi Binary Logistik.5 Masukan Y sebagai variabel Dependent dan D serta T sebagai co Variates Untuk Metode nya saat ini saya masih tetap menggunakan enter.6 Karena T berbentuk kategorik, maka harus ditetapkan referensi Kategori nya dengan cara memilih pilihan Categorical Untuk kemudahan interpretasi biasanya saya memilih dulu untuk referensi nya Semua kategori akan diperbandingkan dengan kategori pertama Kemudian JANGAN LUPA Pilih change Klik Continue.7 Pilih pilihan Kemudian centang hosmer lemeshow dan klasifikasi plots dan klik continue Kemudian OK. Ok Untuk Interpretasi Outputnya silahkan baca postingan berikutnya yang berjudul Analisis Regresi Logistik interpretasi Terimakasih telah membaca - Ferdi Fadly. Regresi logistik regresi logistik sebenarnya sama dengan analisis Regresi berganda hanya variabel terikatnya adalah variabel dummy 0 dan 1 contohnya, pengaruh beberapa rasio keuangan terhadap keterlambatan penyampaian laporan keuangan Maka variabel terikatnya 0 jika terlambat dan 1 jika tidak terlambat tepat regresi logistik tidak memer Lukan asas normalitas keluar penyaringan data outliers tetap dapat dilakukan Untuk menunjang multikolinearitas pada regresi logistik silahkan simak di sini. Interpretasi regresi logistik menggunakan odd ratio atau kemungkinan contoh, jika rasio keuangan ROA meningkat sebesar 1 maka kemungkinan ketepatan lambat laporan keuangan meningkat sebesar 1,05 Kali Berarti semakin tinggi ROA kemungkinan tepat lebih tinggi Atau jika rasio keuangan DER meningkat dari 2 maka kemungkinan ketepatan penyampaian laporan keuangan meningkat sebesar 0,98 kali atau bisa dikatakan menurun karena lebih kecil dari 1 yang berarti kemungkinan turun semakin tinggi. Berikut adalah simulasi aplikasi regresi Logistik logistic regression dengan SPSS Versi 11 5 Contoh tabulasi data dengan 84 sampel bisa di download di sini Tampilannya pada SPSS Versi 11 5 kurang lebih seperti ini. Simulasi adalah untuk melihat pengaruh antara variabel profitabilitas, kompleksitas perusahaan, opini auditor, likuidita S dan ukuran perusahaan terhadap ketepatan penyampaian laporan keuangan tahunan perusahaan Profitabilitas diukur dengan ROA kompleksitas diukur dengan 1 jika memiliki anak perusahaan dan 0 jika perusahaan tidak memiliki anak perusahaan opini auditor diukur dengan 1 atau opini opini wajar tanpa batas dan 0 untuk opini yang lain likuiditas diukur Dengan nilai rasio natural market cap nilai natural adalah nilai ketepatan penyampaian laporan keuangan dengan kode 1 untuk perusahaan yang tepat waktu dan 0 untuk perusahaan yang terlambat. Klik menu Analyze, pilih Binary Logistic, seperti ini. Jika anda benar, maka Akan keluar kotak menu untuk regresi logistik masukkan variabel ketepatan ke dalam kotak dependend, dan masukkan variabel ke kotak covariate Lalu klik pada pilihan, sehingga akan keluar kotak seperti ini. Beri tanda centang seperti pada gambar di atas lalu klik continue sehingga akan kembali pada Menu kotak logistik Dan tekan OK Program akan melakukan perhitungan secara otomatis, dan hasil selengkapnya dapat anda bandingkan dengan data yang telah anda download. Interpretasinya adalah sebagai berikut. Pertama Melihat kelayakan model dengan menginterpretasikan output berikut ini. Nilai -2 Log Likelihood adalah sebesar 96,607 yang akan dengan Nilai Chi Square pada taraf signifikansi 0,05 dengan df berdasarkan N-1 dengan N adalah jumlah sampel, berarti 84 1 83 Dari tabel Chi Square, diperoleh nilai adalah 100,744 Jadi -2 Likelihood Chi Square 96,607 100,74.Jika konstanta saja Tidak layak, semua variabel bebas isi juga tidak layak, tapi kan ada penurunan -2 Log Kemungkinan Yup Penurunannya adalah 96,607 84,877 11,73 Atau kalau manual laki-laki ngitung, Output SPSS juga sudah memberikannya yaitu sebagai berikut. Nah tunggu kan outputnya Selisihnya adalah sebesar 11,729 dan memiliki signifikansi 0,039 0,05.Kalau masih kurang puas, bisa dilihat nilai Hosmer Dan Lemeshow Test Hosmer dan Lemeshow Test adalah untuk melihat apakah data empiris cocok atau tidak dengan model atau dengan kata lain diharapkan tidak ada perbedaan antara data empiris dengan model Model akan diakui layak jika signifikansi di atas 0,05 atau -2 Log Likelihood di bawah Chi Persegi Tabel Hati-hati, ini berkebalikan dengan uji yang lain sebelumnya Tampak kan apakah Hosmer dan Lemeshow Test adalah sebesar 9,778 dengan signifikansi 0,281 0,05 Berarti model adalah fit dan modelisi yang layak dan boleh diinterpretasikan. Gambar di atas memberikan nilai Nagelkerke R Square Dari 0,191 yang berarti dengan variabel bebas mampu menjelaskan varians ketepatan penyampaian laporan keuangan dari 19,1 dan sisanya yaitu sebesar 80,9 dijelaskan oleh faktor lain. Pengujian hipotesis penelitian dilihat dengan output berikut ini. Lihat aja signifikansinya, yang di bawah 0,10 10 berarti signifikan atau Teori yang dikembangkan di awal. Silahkan download materi di atas di sini. dan jika membutuhkan file data contoh silahkan download di sini. Malam mas mau nanya, kalo yg pakai D1 perusahaan yg melakukan stock split dan D0 perusahaan yg tidak melakukan stock split, dalam periode 4tahun itu pemberian nmr 1 dan 0 untuk setiap 1 perusahaan slma 4thn gimana Misalkn tahn2009-2012 perusahaan A melakukan ss pda thn 2010, apakh pmberian kode 1 hnya pda thn 2010, sdngkn untuk thn 08,11 12 diberi kode0, atau penghargaan kode 1 pda Perusahaan A yg sdh melakukan ss padathn 09-12 Terima kasih mohon bntuannya mas. Kalau melalukan diberi 1, tidak dilakukan dengan kode 0 Selesai Terima kasih. mas, saya mau tanya, saya sdh uji logistik dan hasilnya signifikan dibawah 0,05 namun betanya Negatifnya teori yang ada harusnya hubungan nya positif, kata dosen saya itu akibat data nya tidak normal, untuk menormalkan data di uji logistik itu bagaimana ya masmana banyak buku mengatkan layak uji Logistik tidak perlu uji normalitas trimakash. Regresi logistik tidak perlu asas normalitas Terima kasih. selamat siang pak, saya mau tanya, judul skripsi saya analisis faktor2 yang mempengaruhi persepsi pelaku UKM terhadap penyusunan laporan keuangan, saya menggunakan variabel dummy, baik variabel dependen maupun independen Regresi Apakah yang cocok untuk penelitian saya regresi linier berganda atau regresi logistik mohon pencerahannya terima kasih. Kalau dependen dummy pakai logistik Terima kasih. Selamat malam pak, saya ingin bertanya Saya sedang menyusun tesis Dalam penelitian saya menggunakan variabel dummy untuk variabel dependen Sedangkan untuk variabel independen Sebanyak 4 Dimana 2 variabel independen dengan kuesioner dengan skala likert, sedangkan 2 variabel independen lainnya penilaian melalui data sekuder dengan skala nominal Apakah penelitian saya bisa dianalisis menggunakan regresi logistik adakah literatur yang bisa mendukung Terimakasih. Bisa Terima ka Sih. mas, saya mau nanya judul penelitian saya menerapkan sistem informasi dalam pemetaan kejadian dbd di wilker puskesmas jenis penelitiannya deskriptif kuantitatif variabel bebas curah hujan, kelembaban, kepadatan penduduk, abj, skala interval umur, jk, pendidikan, pekerjaan, hubungan teman hias , Kondisi brg2 bekas, kondisi ventilasi nominal, suhu rasio variabel nya sudah ada penyakit penyakit sama statusnya nominal saya bingung mau menggunakan uji apa mas yg cocok buat penelitian saya mohon bantuannya terimakasih. Silahkan simak di rujukan penelitian terdahulu anda terima kasih. Assalamu Alaikum min, mau tanya kalau kita memasak tentang pengaruh 3 variabel bebas terhadap variabel yang datanya diambil dari 10 perusahaan contoh, dataask yang seharusnya diinput ke dalam spss. apakah data rata-rata masing2 variabel bebas dan terikat, apakah nilai maksimal atau minimumnya. Terima kasih, min. Simak di metode penelitian anda, lihat Pada definisi operasional variabel Terima kasih. Selamat siang pak, saya mau bertanya, seperti contoh yg bapak tentang audit delay diatas, dengan variabel indpendennya terdiri dari skala rasio dan skala nominal yang menggunakan variabel dummy, kira2 metode regresi seperti apa yang cocok digunakan untuk menguji , Audit tampung delaynya dihitung berdasarkan jumlah hari keterlambatan Bukan menggunanakan variabel dummy Lebih baik menggunaka regresi berganda atau regresi logistik Terimakasih. Silahkan lihat rujukan penelitian terdahulu anda Terima kasih. selamat sakit pak saya mau tanya variabel dependen saya tentang pengertian standar dimana letak kuesioner saya Tentang dimana saja ada dua jawaban benar dan salah analisanya gmn ya pak. Pak, saya mau bertanya lagi Saya sedang mengerjakan skripsi dengan regresi logistik 1 Di tabel uji wald, variabel cr saya beta dan se nya 0,000 signya 0,406 Itu bisa bikin 0,000 ya pak Jadi bingung kalo bikin persamaannya Ap A karena timpang ya Pak datanya nilai variabel bisa di atas 100 dengan variabel lain der, npm, pertumbuhan yang berada dibawah 10.2 Jika sig nya 0,000 itu menunjukkan signifikan Betul Pak. Mohon jawab Pak Terima kasih sebelumnnya.1 Coba diperbanyak angka di belakang koma, nanti 2 Betul Terima kasih. Pak, apakah ada cara untuk menghitung jumlah sampel yg dibutuhkan bila ingin menggunakan regresi logistik Apakah disesuaikan dengan jumlah variabel independen atau bagaimana Terima Kasih. selamat malam ingin menyusun pertanyaan kuesioner jika sampelnya terbagi menjadi 2 kelompok apakah saya harus menyusun pertanyaan yang Bisa dijawab pasak atau memang ada beberapa pertanyaan pasti dari total keseluruhan pertanyaan di kuesioner yang memang khusus untuk 1 kelompok saja terima kasih. Jika ingin mengukur hal yang sama, tentunya harus menggunakan alat ukur yang sama Terima kasih. Assalamualaikum Saya mau Tanya mas, Luas Variabel negatif negatif tidak mem Iliki pengaruh yang signifikan ya apakah itu nanti bermasalah atau tidak mas.
No comments:
Post a Comment