Metode Pengumpulan Data Data Penilitian Hipotesis ditolak apabila t

20

3.4 Jenis dan Sumber Data

Jenis data didalam penelitian ini adalah data sekunder, yaitu data yang telah dikumpulkan oleh lembaga pengumpulan data dan dipublikasikan untuk masyarakat pengguna data. Menurut Ghozali 2006 : 110, data sekunder merupakan “sumber data penelitian yang diperoleh peniliti secara tidak langsung melalui media perantara”. Data sekunder pada penelitian ini diperoleh dari situs masing-masing bank umum syariah yang berupa laporan tahunan annual report yang dipublikasikan kepada pengguna data. Penelitian ini diwakili oleh empat bank umum dengan periode penelitian tiga tahun, yaitu mulai tahun 2010 sampai dengan 2012.

3.5 Metode Pengumpulan Data

Pengumpulan data dalam penelitian ini dilakukan dengan mengkaji buku, jurnal, dan makalah untuk memperoleh landasan teoritis yang komprehensif tentang perbankan syariah. Internet sebagai media pendukung juga digunakan untuk memperoleh data historis yang dipublikasikan melalui website masing-masing bank umum syariah dan website Bank Indonesia.

3.6 Teknik Analisis

Model yang digunakan untuk menguji hipotesis dalam penelitian ini adalah model analisis regresi berganda Multiple Regression Analysis dan pengolahannya menggunakan alat bantu SPSS 17.0. Analisis regresi digunakan untuk menguji kemampuan variabel rasio keuangan dalam menentukan perubahan laba. Setelah itu dilakukan uji statistik t dan uji statistik F untuk mengetahui apakah masing-masing variabel independen berpengaruh secara parsial maupun secara simultan terhadap variabel dependen. Metode dan teknik analisis dilakukan dengan tahapan sebagai berikut: Universitas Sumatera Utara 21

3.6.1 Pengujian Asumsi Klasik

3.6.1.1 Uji Normalitas Data

Uji normalitas data bertujuan untuk menguji apakah dalam sebuah model regresi, variabel dependen Y, variabel independen DPK, CAR, NPL, , dan ROA pada bank umum syariah, atau keduanya mempunyai distribusi normal atau tidak. Menurut Sugiyono 2006 : 70, “suatu data yang membentuk distribusi normal bila jumlah di atas dan di bawah rata-rata adalah sama, demikian juga dengan simpangan bakunya”.

3.6.1.2 Uji Heterokedastisitas

Uji Heterokedastisitas bertujuan untuk menguji terjadinya perbedaan variance residual suatu periode pengamatan ke periode yang lain. Menurut Ghozali 2005 : 111, “uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain”. Dasar pengambilan keputusannya menurut Ghozali 2005 : 111 adalah sebagai berikut: 1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur maka mengindikasikan telah terjadi heterokedastisitas. 2. Jika tidak ada pola yang jelas, serta titik menyebar dibawah angka 0 dan y, maka tidak terjadi heterokedastisitas. Jika varian residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan jika berbeda disebut heterokedastisitas. Dalam model regresi yang baik tidak terjadi heterokedastisitas.

3.6.1.3 Uji Autokorelasi

Menurut Erlina 2008 : 107, “uji autokorelasi bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan Universitas Sumatera Utara 22 kesalahan pada periode t-1”. Dalam model regresi yang baik tidak terjadi autokorelasi. Untuk mendeteksi masalah autokorelasi dapat dilakukan dengan menggunakan uji Durbin Watson DW. Panduan untuk mendeteksi ada atau tidaknya autokorelasi menurut Erlina 2008 : 107 adalah sebagai berikut: 1. Bila nilai DW terletak antara batas atas dU dan 4-dU, maka koefisien autokorelasi sama dengan nol, berarti tidak ada autokorelasi. 2. Bila nilai DW lebih rendah dari pada batas bawah dL, maka koefisien autokorelasi lebih dari nol berarti ada autokorelasi positif. 3. Bila nilai DW lebih dari pada 4-dL, maka maka koefisien autokorelasi lebih kecil dari nol berarti ada autokorelasi negatif. 4. Bila nilai DW terletak antara batas atas dU dan batas bawah dL atau DW terletak antara 4-dU dan dL, maka hasilnya tidak dapat disimpulkan. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan lainnya. Hal ini sering ditemukan pada data time series. Pada data crossection, masalah autokorelasi relatif tidak terjadi.

3.6.1.4 Uji Multikolinearitas

“Multikolinearitas adalah situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang lainnya. Dalam hal ini, kita sebut variabel bebas ini tidak orthogonal” Erlina, 2008 : 105. Pengujian multikolinearitas bertujuan untuk mengetahui ada tidaknya multikolinearitas antar variabel independen. Dalam model regresi yang baik tidak terjadi korelasi antara variabel independen. Deteksi dilakukan dengan melihat nilai VIF Variable Inflation Factor dan nilai tolerance. Multikolinearitas terjadi jika VIF 10 dan nilai tolerance 0,10.

3.6.2 Pengujian Hipotesis

Hipotesis yang digunakan dalam penelitian ini diuji dengan analisis regresi berganda. Model dalam penelitian ini adalah: Universitas Sumatera Utara 23 Y = a + X 1 DPK + X 2 C A R + X 3 NPL + X 4 ROA + e Keterangan: Y = Kredit a = Konstanta X 1 -X 5 = Koefisien regresi DPK = Dana Pihak Ketiga CAR = Capital adequacy ratio NPL = Non performing loan ROA = Return on asset e = Koefisien error

3.6.2.1 Uji Koefisien Determinasi R

2 Untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen, maka digunakanlah koefisien determinasi. Koefisien determinasi menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Dalam penelitian ini, nilai koefisien determinasi yang dipakai adalah nilai adjusted R 2 . Nilai adjusted R 2 adalah nol sampai dengan 1. Apabila nilai adjusted R 2 semakin mendekati 1, maka variabel independennya memberikan semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.

3.6.2.2 Uji Parsial Uji t

Secara parsial, pengujian hipotesis dilakukan dengan uji t. Menurut Ghozali 2005 : 202, “uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelasindependen secara individual dalam menerangkan variabel dependen”. Uji ini bertujuan untuk mengetahui hubungan antara variabel-variabel independen terhadap variabel dependen secara parsial individu. Kriteria pengambilan keputusan adalah: - Hipotesis diterima apabila t hitung t tabel pada sig-prob α 0,05 - Hipotesis ditolak apabila t hitung t tabel pada sig-prob α 0,05 Universitas Sumatera Utara 24

3.6.2.3 Uji Simultan Uji F

Secara simultan, pengujian hipotesis dilakukan dengan uji F. Menurut Ghozali 2005 : 203, “uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependenterikat”. Uji ini bertujuan untuk menguji pengaruh antara variabel independen terhadap variabel dependen secara bersama-sama. Kriteria pengambilan keputusan adalah: - Hipotesis diterima apabila F hitung F tabel atau sig-prob α 0,05 - Hipotesis ditolak apabila F hitung F tabel atau sig-prob α 0,05 Universitas Sumatera Utara 25 BAB IV HASIL DAN PENILITIAN

4.1 Data Penilitian

Objek dalam penilitian ini adalah bank umum yang ada di Indonesia periode 2010 - 2012. Pemilihan sampel dilakukan dengan metode purposive sampling. Dari populasi bank umum yang begitu banyak di Indonesia, hanya 4 bank umum yang memenuhi kriteria dan untuk selanjutnya dapat dijadikan sampel yaitu Bank Rakyat Indonesia, Bank Mandiri, Bank Tabungan Negara, dan Bank Negara Indonesia.

4.2 Analisis Data Penilitian

4.2.1 Analisis Deskriptif

Berdasarkan pengolahan data diperoleh nilai minimum, maksimum, rata – rata, dan standar deviasi dari masing – masing variabel penilitian. Hal tersebut dapat dilihat pada tabel 4.1 Tabel 4.1 Tabel Deskriptif Descriptive Statistics N Minimum Maximum Sum Mean X1= DPK 48 17,41 19,89 912,82 19,0171 X2=CAR 48 12.02 31.09 786.86 16.3929 X3=NPL 48 1.74 4.67 155.25 3.2344 X4=ROA 48 1.77 5.15 152.13 3.1694 Y=Kredit 48 17.53 19.67 904.52 18.8442 Valid N listwise 48 Sumber Data Diolah 2014 Tabel 4.1 menunjukkan bahwa rata – rata masing dapat dilihat bahwa selama periode pengamatan, dapat diberi kesimpulan yaitu sebagai berikut:

1. Variabel Dana Pihak Ketiga DPK

Universitas Sumatera Utara 26 Variable ini memiliki nilai terkecil sebesar 17,41 dengan nilai maksimum sebesar 19,89. jumlah nilai sample pada variable ini sebesar 912,82 dan rata-rata adalah 19,02. 2. Variabel Capital Adequacy Ratio CAR Variable ini memiliki nilai terkecil sebesar 12.02 dengan nilai maksimum sebesar 31,09. jumlah nilai sample pada variable ini sebesar 786,86 dan rata-rata adalah 16,39.

3. Variabel Non Performing Loan NPL

Variable ini memiliki nilai terkecil sebesar 1,74 dengan nilai maksimum sebesar 4,67. jumlah nilai sample pada variable ini sebesar 155,25 dan rata-rata adalah 3,23.

4. Variabel Return On Assets ROA

Variable ini memiliki nilai terkecil sebesar 1,77 dengan nilai maksimum sebesar 5,15. jumlah nilai sample pada variable ini sebesar 152,13 dan rata-rata adalah 3,16. 5. Varibel Kredit Variable ini memiliki nilai terkecil sebesar 17,53 dengan nilai maksimum sebesar 19,67. jumlah nilai sample pada variable ini sebesar 904,52 dan rata-rata adalah 18,84.

4.2.2 Pengujian Asumsi Klasik

4.2.2.1 Uji Normalitas Data

Tujuan uji normalitas adalah ingin mengetahui apakah dalam model regresi variabel pengganggu atau residual yang memiliki distribusi normal. Uji normalitas dengan grafik bisa menyesatkan kalau tidak hati – hati secara visual kelihatan normal, pada hal secara statistik bisa sebaliknya. Oleh sebab itu dianjurkan di samping uji grafik dilengkapi dengan uji statistik. Uji statistik yang dapat digunakan untuk menguji normalitas residual adalah uji statistik nonparametik. Universitas Sumatera Utara 27

A. Grafik Histogram

Pada pendekatan ini sebuah data memiliki distribusi normal jika bentuk kurva sama besar tidak ada kemencengan kurva baik ke kanan atau ke kiri. Gambar 4.1 Uji Normalitas Histogram Dari hasil spss diatas terlihat bahwa kurva sama besar dan tidak ada terjadi kemencengan garis baik kekanan maupun kekiri sehingga dapat dinyatakan bahwa data ini memang memiliki data yang berdistribusi normal.

B. Grafik Garis

Pada metode ini sebuah data dapat dikatakan berdistribusi normal jika titik – titik mengikuti garis diagonal dan tidak ada titik yang terlalu mencolok atau menjauh dari garis diagonal. Universitas Sumatera Utara 28 Gambar 4.2 Uji Normalitas Grafik P – Plot Dari hasil spss diatas jelas terlihat bahwa titik – titik mengikuti garis diagonal dan tidak ada terjadi titik yang mencolok jauh dari garis diagonal sehingga pendekatan ini juga membuktikan bahwa data ini memiliki distribusi data yang normal. Uji statistik yang dapat digunakan untuk menguji normalitas residual adalah uji statistik nonparametik. Kolomogrov – Smirnov. Jika nilai signifikasinya 0,05 maka data terdistribusi normal. Jika nilai signifikasinya 0,05 maka data terdistribusi tidak normal. Pengujian normalitas dengan metode statistik ini dapat dilihat pada tabel 4.2 sebagai berikut: One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 48 Normal Parameters a Mean .0000000 Std. Deviation .07979259 Most Extreme Differences Absolute .083 Positive .083 Negative -.061 Universitas Sumatera Utara 29 Kolmogorov-Smirnov Z .573 Asymp. Sig. 2-tailed .898 a. Test distribution is Normal. Tabel 4.2 Hasil Uji Normalitas Data Dari hasil uji Kolmogrov – Smoirnov pada tabel 4.2 diatas menunjukkan nilai signifikasi = 0,898. Dengan demikian, data pada penilitian ini berdistribusi normal dan dapat digunakan untuk melakukan uji hipotesis karena 0,898 0,05.

4.2.2.2 Uji Heterokedastisitas

Dasar pengambilan keputusannya menurut Ghozali 2005 : 111 adalah sebagai berikut: 1. Jika ada pola tertentu, seperti titik – titik yang ada membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadi heterokedastisitas. 2. Jika tidak ada pola yang jelas, serta titik menyebar dibawah angka 0 dan Y, maka tidak terjadi heterokedastisitas. Cara mendeteksi ada tidaknya gejala heterokedastisitas adalah dengan melihat grafik scatterplot yang dihasilkan dari pengolahan data menggunakan program SPSS. Dasar pengambilan keputusannya adalah sebagai berikut: Universitas Sumatera Utara 30 Gambar 4.3 Uji Heterokedastisitas Scatterplot Pada gambar 4.3 tentang grafik scatterplot diatas terlihat titik – titik tidak membentuk suatu pola tertentu dan menyebar dibawah angka 0 dan titik Y, sehingga dapat disimpulkan pada data ini tidak terjadi heterokedastisitas yang artinya model baik digunakan untuk memprediksi nilai variabel dependen.

4.2.2.3 Uji Autokorelasi

Uji autokorelasi bertujuan untuk menganalisis apakah dalam model regresi linear terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan t 1 atau sebelumnya Erlina, 2008 : 106. Untuk mendeteksi masalah autokorelasi dapat dilakukan dengan menggunakan uji Durbin Watson. Panduan untuk mendeteksi ada atau tidaknya autokorelasi adalah sebagai berikut: 1. Bila nilai terletak antara batas atas dU dan 4-dU, maka koefisien autokorelasi sama dengan nol berarti tidak ada autokorelasi. 2. Bila nilai DW lebih rendah dari pada batas bawah dL, maka koefisien autokorelasi lebih dari nol berarti ada autokorelasi positif. Universitas Sumatera Utara 31 3. Bila nilai DW lebih dari pada 4-dL, maka koefisien autokorelasi lebih kecil dari nol berarti ada autokorelasi negatif. 4. Bila nilai DW terletak antara batas atas dU dan batas bawah dL atau DW terletak antara 4-dU dan dL, maka hasilnya tidak dapat disimpulkan. Model Summary Model Durbin-Watson 1 1.171 a. Predictors: Constant, X4=ROA, X2=CAR, X3=NPL, X1= DPK b. Dependent Variable: Y=Kredit Tabel 4.3 Hasil Uji Autokorelasi Dari hasil SPSS diatas maka diperoleh nilai D-W sebesar 1,17, nilai ini berada diantara -2 sampai +2, maka dapat disimpulkan bahwa data ini bebas dari autokorelasi atau tidak ada masalah dalam pengambilan sampel time series.

4.2.2.4 Uji Multikolinearitas

Dalam model regresi yang baik tidak terjadi korelasi antara variabel independen. Deteksi dilakukan dengan melihat nilai VIF Variable inflaction Factor dan nilai tolerance. Multikolinearitas terjadi jika VIF 10 dan nilai tolerance 0,10. Coefficientsa Collinearity Statistics Tolerance VIF 1 Constant X1= DPK .337 2.964 X2=CAR .934 1.071 X3=NPL .609 1.641 X4=ROA .356 2.813 Universitas Sumatera Utara 32 Tabel 4.4 Hasil Uji Multikolinearitas Berdasarkan tabel 4.4 diatas maka dapat diinterpretasikan sebagai berikut: 1. Pada variabel Dana Pihak Ketiga DPK tidak terjadi multikolinearitas karena nilai tolerance sebesar 0,337 0,1 dan nilai VIF sebesar 2,964 10. 2. Pada variabel Capital Adequacy Ratio CAR tidak terjadi multikolinearitas karena nilai tolerance sebesar 0,9347 0,1 dan nilai VIF sebesar 1,071 10. 3. Pada variabel Non Performing Loan NPL tidak terjadi multikolinearitas karena nilai tolerance sebesar 0,609 0,1 dan nilai VIF sebesar 2,813 10. 4. Pada variabel Return On Asset ROA tidak terjadi multikolinearitas karena nilai tolerance sebesar 0,356 0,1 dan nilai VIF sebesar 2,813 10. Dari hasil diatas maka dapat disimpulkan tidak terjadi multikolinearitas antar variabel independen atau variabel independen dengan variabel dependen, artinya tidak terjadi hubungan yang memiliki korelasi yang tinggi antar variabel.

4.2.3 Uji Hipotesis

4.2.3.1 Uji Koefisien Determinasi R

2 Koefisien determinasi menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Dalam hal ini, adjusted R 2 digunakan untuk mengetahui seberapa besar pengaruh variabel DPK, CAR, NPL, ROA dan Kredit Y. Universitas Sumatera Utara 33 Oleh karena itu, pada penilitian ini yang digunakan adjusted R 2 berkisar antara nol dan satu. Jika nilai adjusted R 2 makin mendekati satu maka makin baik kemampuan model tersebut dalam menjelaskan variabel independen dan sebaliknya. Modal Summary Model R R Square Adjusted R Square Std. Error of the Estimate Durbin - Watson 1 .993 a .985 .984 .08342 1.171 Tabel 4.5 Hasil Uji Koefisien Determinasi R 2 Dari hasil tabel 4.5 diatas maka diperoleh nilai korelasi R sebesar 0,993 yang artinya nilai hubungan nilai variabel antara variabel DPK, CAR, NPL, dan ROA dengan Variabel Kredit sangat baik tinggi karena mendekati nilai 1. Nilai Koefisien Determinasi sebesar 98,5 artinya variabel DPK, CAR, NPL, dan ROA mampu menjelaskan variabel Kredit sebesar 98,5 yang sisanya sebesar 1,5 dipengaruhi oleh faktor lain yang tidak dijelaskan dalam penilitian ini.

4.2.3.2 Uji Parsial Uji t

Uji ini bertujuan untuk mengetahui hubungan antara variabel independen terhadap variabel dependen secara parsial individu. Kriteria pengambilan keputusan adalah: a. Hipotesis diterima apabila t hitung t tabel pada sig – prob α 0,05.

b. Hipotesis ditolak apabila t

hitung t tabel pada sig – prob α 0,05. Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 Constant 5.675 .496 11.452 .000 Universitas Sumatera Utara 34 X1= DPK .680 .027 .808 25.485 .000 X2=CAR -.005 .005 -.019 -1.006 .320 X3=NPL -.026 .018 -.035 -1.478 .147 X4=ROA .123 .020 .191 6.176 .000 a. Dependent Variable: Y=Kredit Tabel 4.6 Hasil Uji Parsial Uji t Dari tabel 4.6 diperoleh nilai uji t tabel 0,05 : 43 sebesar 2,017. Dari hasil diatas maka dapat kita diinterpretasikan sebagai berikut: 1. Variabel DPK X1 berpengaruh signifikan terhadap variabel kredit Y secara parsial masing – masing karena nilai t hitung 25,48 t tabel 2,017 dan nilai signifikasi sebesar 0,00 0,05. 2. Variabel CAR X2 tidak berpengaruh signifikan terhadap variabel kredit Y secara parsial masing – masing karena nilai t hitung -1,006 t tabel 2,017 dan nilai signifikan sebesar 0,32 0,05. 3. Variabel NPL X3 tidak berpengaruh signifikan terhadap variabel kredit Y secara parsial masing – masing karena nilai t hitung -1,478 t tabel 2,017 dan nilai signifikasi sebesar 0,14 0,05. 4. Variabel ROA X4 berpengaruh signifikan terhadap variabel kredit Y secara parsial masing – masing karena nilai t hitung 6,176 t tabel 2,017 dan nilai signifikansi sebesar 0,00 0,05. Maka dari hasil diatas dapat diketahui bahwa variabel yang melakukan pertumbuhan terhadap variabel kredit adalah variabel DPK dan variabel ROA. Untuk variabel CAR dan NPL harus dilakukan penekanan nilai untuk peningkatan nilai variabel kredit. Dari tabel 4.6 diatas dapat diperoleh model persamaan regresi berganda sebagai berikut: Universitas Sumatera Utara 35 Y = a + X 1 DPK + X 2 CAR + X 3 NPL + X 4 ROA + e Y = 5,67 + 0,68 X1 – 0,005 X2 – 0.026 X3 + 0,123 X3 + e Interpretasi terhadap persamaan regresi diatas yaitu: 1. Nilai konstanta sebesar 5.67, artinya jika nilai variabel DPK X1, CAR X2, NPL X3, dan ROAX4 bersifat konstan atau nol maka nilai variabel Kredit Y sebesar 5,67. 2. Nilai koefisien variabel DPK X1 0,68, artinya jika nilai variabel DPK X1 ditingkatkan nilai variabel sebesar 0,68 dan sebaliknya jika nilai diturunkan maka akan menurunkan nilai variabel kredit Y. Dalam hal ini terjadi hubungan yang Searah positif. 3. Nilai koefisien variabel CAR X2 sebesar -0,005, artinya jika nilai variabel CAR X2 ditingkatkan satu satuan maka akan menurunkan nilai variabel Kredit Y sebesar 0,005 dan sebaliknya jika nilai ini diturunkan maka akan menaikkan nilai variabel kredit. Dalam hal ini terjadi hubungan yang berlawanan negatif. 4. Nilai koefisien variabel NPL X3 sebesar -0,026, artinya jika nilai variabel NPL X3 ditingkatkan satu satuan maka akan menurunkan nilai variabel Kredit Y sebesar 0,026 dan sebaliknya jika nilai ini diturunkan maka akan menaikkan nilai variabel kredit. Dalam hal ini terjadi hubungan yang berlawanan negatif. 5. Nilai koefisien variabel ROA X4 sebesar 0,123, artinya jika nilai variabel ROA X4 ditingkatkan nilai variabel sebesar 0,123 dan sebaliknya jika nilai diturunkan maka akan menurunkan nilai variabel kredit Y. Dalam hal ini terjadi hubungan yang Searah positif. 6. Universitas Sumatera Utara 36

4.2.3.3 Uji Simultan Uji F

Uji ini bertujuan untuk menguji pengaruh antara variabel independen terhadap variabel dependen secara bersama – sama: Kriteria pengambilan keputusan adalah: a. Hipotesis diterima apabila F hitung F tabel atau sig – prob α 0,05. b. Hipotesis ditolak apabila F hitung F tabel atau sig – prob α 0,05. Hasil uji simultan ini dapat dilihat dari tabel 4.7 sebagai berikut: ANOVA b Model Sum of Squares Df Mean Square F Sig. 1 Regression 20.199 4 5.050 725.642 .000 a Residual .299 43 .007 Total 20.499 47 a. Predictors: Constant, X4=ROA, X2=CAR, X3=NPL, X1= DPK b. Dependent Variable: Y=Kredit Dari tabel uji F maka diperoleh nilai F tabel 0,005:4:43 = 2,588. Nilai F hitung sebesar 725,64 F tabel dan nilai signifikansi = 0,000 0,05 maka dapat disimpulkan bahwa variabel DPK, CAR, NPL, ROA memiliki pengaruh yang sangat signifikan terhadap variabel Kredit. Artinya jika keempat variabel ini ditingkatkan secara bersamaan maka akan menaikkan pertumbuhan bagi variabel kredit

4.3 Pembahasan Hasil Penilitian