54 adalah laporan keuangan Bank Persero, yaitu sebanyak 4 bank, yakni PT. Bank
Negara Indonesia Tbk, PT. Bank Rakyat Indonesia Tbk, PT. Bank Mandiri Tbk, dan PT. Bank Tabungan Negara Tbk
Sugiyono 2009 mengemukakan bahwa pengertian sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi tersebut. Pengambilan
sampel dalam penelitian ini menggunakan metode purposive sampling. Menurut Sangadji dan Sopiah 2010 purposive sampling adalah penetapan sampel
berdasarkan kriteria tertentu. Adapun kriteria-kriteria yang digunakan adalah sebagai berikut :
1. Bank BUMN yang terdaftar di BI dan tidak pailit selama periode pengamatan sejak tahun Oktober 2011-Maret 2013.
2. Bank BUMN yang telah mempublikasikan SBDK ritel kepada publik. 3. Bank BUMN yang memberikan kredit ritel kepada investor selama periode
Oktober 2011-Maret 2013. Berdasarkan kriteria tersebut, maka diperoleh 4 Bank BUMN sebagai sampel
penelitian, yaitu; PT. Bank Mandiri, PT.Bank Rakyat Indonesia, PT. Bank Negara Indonesia, dan PT. Bank Tabungan Negara.
3.7. Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder, dimana data sekunder adalah data yang diterbitkan atau digunakan oleh organisasi
yang bukan pengelolanya. Data dalam penelitian ini merupakan kombinasi antara data runtut waktu time series dan silang tempat cross section. Data runtut
waktu time series, yaitu suatu metode kuantitatif untuk menentukan pola data
Universitas Sumatera Utara
55 masa lampau yang telah dikumpulkan secara teratur menurut urutan waktu
kejadian dan data silang tempat cross section, yaitu sekumpulan data untuk meneliti suatu fenomena tertentu dalam suatu kurun waktu oleh Umar, 2001.
Sumber data penelitian ini berupa laporan keuangan perusahaan yang telah dipublikasikan dan didapat dengan mengunduh dari situs website
www.bi.go.id
3.8. Metode Pengumpulan Data
dan situs perusahaan manufaktur tersebut selama kurun waktu antara 2011-2013.
Data dalam penelitian ini adalah data sekunder yang diperoleh melalui mengkaji data langsung dari laporan keuangan yang telah dipublikasikan di Bank
Indonesia. Laporan keuangan ini diperoleh dari situs www.bi.go.id
serta situs perbankan demi kelengkapan data yang diperlukan sesuai dengan variabel yang
ingin diteliti.
3.9. Teknik Analisis Data
3.9.1. Metode dan Model Analisis Data
Penelitian ini menggunakan metode regresi linear berganda dengan data panel untuk menguji besarnya pengaruh variabel indepen terhadapat variabel
dependen . Variabel tersebut ditransformasikan ke dalam bentuk fungsi dan selanjutnya dibuat dalam bentuk persamaan regresi.
Y = f X
1,
X
2
.................................................................................................1 Kemudian fungsi tersebut ditransformasikan ke dalam model regresi linear
berganda sebagai berikut: Yit
= a + β
1
X
1
it + β
2
X
2
it + ε..................................................................2
Universitas Sumatera Utara
56 Dimana :
Y = SBDK ritel
a = Konstanta
β
1
, β
2
= Koefisien regresi X
1
= BI rate X
2
= BOPO i
= 1, 2, ..., N , dimana N adalah banyaknya data cross-section t
= 1, 2, ..., T , dimana T adalah banyaknya data time-series ε
= Kesalahan penggangu standard error Bentuk hipotesis di atas secara matematis dapat dinyatakan sebagai
berikut: ∂Y∂X
1
0, artinya apabila X
1
BI rate mengalami kenaikan maka Y SBDK akan mengalami kenaikan
∂Y∂X
2
0, artinya apabila X
2
BOPO mengalami kenaikan maka Y SBDK akan mengalami kenaikan
3.9.2. Model Regresi Data Panel
Dalam analisis model data panel terdapat tiga macam pendekatan yang terdiri dari pendekatan Common-Constant, pendekatan efek tetap fixed effect, dan
pendekatan efek acak random effect. Kedua pendekatan yang dilakukan dalam
analisis data panel dapat dijelaskan sebagai berikut :
2. Metode Common-Constant The Pooled OLS Method Metode Common-Constant akan dipilih saat tidak terdapat perbedaan
diantara data matrix matrices pada dimensi cross section. Model ini berarti mengestimasikan nilai α yang konstan untuk semua dimensi cross section. Metode
Universitas Sumatera Utara
57 ini mengasumsikan bahwa nilai intersep antar individual dianggap sama dengan
asumsi yang sangat terbatas restricted Gujarati, 2004. Oleh karena itu, lebih baik menggunakan pendekantan efek tetap dan efek acak.
2. Pendekatan efek tetap Fixed effect Salah satu kesulitan prosedur data panel adalah bahwa asumsi intersep dan
slope yang konsisten sulit terpenuhi. Untuk mengatasi hal tersebut, yang dilakukan dalam panel data adalah dengan memasukkan variabel boneka dummy
variable untuk memperbolehkan terjadinya perbedaan nilai parameter yang berbeda-beda baik lintas unit cross section maupun antar waktu time-series.
Pendekatan dengan memasukkan variabel boneka dikenal dengan model efek tetap fixed effect atau Least Square Dummy Variable LSDV.
3. Pendekatan efek acak Random effect Keputusan untuk memasukkan variabel boneka dalam model efek tetap
fixed effect akan dapat menimbulkan konsekuensi trade off. Penambahan variabel boneka ini akan dapat mengurangi banyaknya derajat kebebasan degree
of freedom yang pada akhirnya akan mengurangi efisiensi dari parameter yang diestimasi. Model data panel yang melibatkan korelasi antar error term karena
perubahan waktu dan observasi dapat diatasi dengan pendekatan model komponen salah error component model atau disebut juga dengan model efek acak random
effect. Ada empat pertimbangan pokok untuk memilih antara menggunakan
pendekatan efek tetap fixed effect, dan pendekatan efek acak random effect dalam data panel, yaitu :
Universitas Sumatera Utara
58 a. Apabila jumlah time-series T besar sedangkan jumlah cross-section N
kecil, maka hasil fixed effect dan random effect tidak jauh berbeda, sehingga dapat dipilih pendekatan yang lebih mudah untuk dihitung, yaitu FEM fixed
effect model. b. Apabila cross-section N besar dan time-series T kecil, maka hasil estimasi
kedua pendekatan akan berbeda jauh. Jadi, jika unit cross-section yang dipilih dalam penelitian diambil secara acak random maka random effect harus
digunakan. Jika unit cross-section yang dipilih dalam penelitian tidak diambil secara acak maka dapat menggunakan fixed effect.
c. Apabila komponen error εi individual berkorelasi maka penaksir random
effect akan bias dan penaksir fixed effect tidak bias. d. Apabila cross-section N besar dan time-series T kecil, dan asumsi yang
mendasari random effect dapat terpenuhi, maka penggunaan model random effect lebih efisien dibandingkan model fixed effect.
3.9.3. Redundant Fixed Effect Test
Dikarenakan model yang dipilih dalam penelitian ini adalah model fixed effect, maka perlu diketahui apakah model ini baik digunakan dalam penelitian ini
melalui uji Redundant Fixed Effects – Likelihood Ratio . Model fixed effect dapat disimpulkan sesuai dalam penelitian ini jika hasil uji tersebut menunjukkan hasil
antara lain koefisien chi-square signifikan pada α = 5 koefisien chi-square
0,05
Universitas Sumatera Utara
59
3.9.4. Uji Asumsi Klasik
Adapun syarat uji asumsi klasik yang harus dipenuhi model regresi berganda sebelum data tersebut dianalisis adalah sebagai berikut :
a. Uji Normalitas
Uji normalitas digunakan dalam tahap awal dalam pemilihan analisis data. Tujuan uji ini dilakukan untuk mengetahui apakah dalam model regresi,
variabel independen atau keduanya berdistribusi normal atau tidak. Jika data normal digunakan statistik parametrik, namun jika data tidak normal digunakan
statistik non parametrik atau lakukan treatment agar data normal. Untuk menguji normalitas data, peneliti menggunakan uji Kolmogorov Smirnov. Apabila
probabilitas 0,05, maka distribusi data normal dan dapat digunakan regresi berganda. Apabila probabilitas 0,05, maka distribusi data dikatakan tidak
normal, sehingga perlu dilakukan transformasi data atau menambah maupun mengurangi data. Cara untuk mengatasi data yang tidak normal, dapat dilakukan
transformasi data dalam bentuk lain, seperti melakukan trimming atau winsorizing.
b. Uji Multikolinearitas
Multikolinearitas adalah situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang lainnya. Uji ini bertujuan untuk menguji
apakah model regresi ditemukan adanya korelasi diantara variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel
independennya. Deteksi multikolinearitas pada suatu model dapat dilihat yaitu
Universitas Sumatera Utara
60 jika nilai VIF variance inflation factor 5 dan nilai Tolerance 0.1, maka
model dapat dikatakan terbebas dari multikolinearitas. c.
Uji Autokorelasi Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear
ada korelasi atau kesalahan penggangu pada periode t dengan kesalahan pada periode t
-1
, autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya. Hal ini sering ditemukan pada data time
series. Pada data time series, masalah autokorelasi relatif terjadi. Model regresi yang baik adalah model regresi yang terbebas dari autokorelasi. Uji autokorelasi
ini menggunakan uji Durbin Watson DW. d.
Uji Heterokedastisitas Uji ini digunakan untuk menguji apakah dalam suatu model regresi terjadi
ketidaksamaan variabel dari residual dari suatu pengamatan ke pengamatan lainnya. Jika varian dari residual dari suatu pengamatan ke pengamatan lainnya
tetap, maka disebut homoskedastisitas, tetapi jika varian residualnya berbeda disebut heterokedastisitas. Model yang baik adalah tidak terjadi heterokedastisitas.
Mendeteksi adanya heteroskedastisitas juga dapat dilakukan dengan Uji Glejser. Uji Glejser merupakan uji statistik untuk mendeteksi ada atau tidaknya
gejala heteroskedastisitas dalam suatu model. Pengujian ini mengusulkan untuk meregres nilai absolut residual terhadap variabel independen Gujarati, 2004.
Dasar pengambilan keputusan dalam Uji Glejser adalah sebagai berikut:
Universitas Sumatera Utara
61 a Jika hasil Uji Glejser menunjukkan variabel independen signifikan secara
statistik mempengaruhi variabel dependen, maka ada indikasi heteroskedastisitas.
b Jika hasil Uji Glejser menunjukkan variabel independen tidak signifikan secara statistik mempengaruhi variabel dependen, maka model regresi tidak
mengandung adanya heteroskedastisitas.
3.9.5. Goodnes of fit test
Uji hipotesis berguna untuk memeriksa atau menguji apakah koefisien regresi yang didapat signifikan. Model regresi linear berganda dikatakan model
yang baik jika model tersebut memenuhi asumsi normalitas data dan terbebas dari asumsi-asumsi klasik statistik baik multikolinearitas, autokorelasi dan
heterokedastisitas. Adapun jenis analisis regresi linear berganda yang dapat dilakukan yaitu:
a. Koefisien Determinasi R
2
Menurut Ghozali 2005 “koefisien determinasi R
2
mengukur seberapa jauh kemampuan model menerangkan variasi variabel independen”. Nilai
koefisien determinasi dapat dilihat pada R Square. R Square dikatakan baik jika nilainya di atas 0,5 karena nilai R Square berkisar antara 0 dan 1.
b. Uji-F Uji Signifikansi Simultan
Pengujian ini dilakukan untuk mengetahui apakah semua variabel bebas secara simultan dapat diterima menjadi model penelitian terhadap variabel terikat.
Universitas Sumatera Utara
62 Bentuk pengujiannya yaitu :
H : artinya variabel BI rate dan BOPO secara bersama-sama tidak
mempunyai pengaruh yang signifikan terhadap SBDK ritel. H
a
: artinya variabel BI rate dan BOPO secara bersama-sama mempunyai pengaruh yang signifikan terhadap SBDK ritel.
Uji ini dilakukan dengan membandingkan signifikansi F
hitung
dengan ketentuan: jika F
hitung
F
tabel
pada α 0.05 dan nilai p-value level of significant sebesar 0,05, maka H
diterima dan H
a
ditolak, sedangkan jika F
hitung
F
tabel
pada α 0.05 dan nilai p-value level of significant sebesar 0,05, maka H
ditolak dan H
a
diterima. c.
Uji-T Uji Signifikansi Parsial Digunakan untuk menguji koefisien regresi secara individual. Pengujian ini
dilakukan untuk mengetahui apakah secara parsial masing-masing variabel bebas mempunyai pengaruh signifikan atau tidak terhadap variabel terikat. Setelah
didapat nilai t
hitung
maka selanjutnya nilai t
hitung
dibandingkan dengan nilai t
tabel
. Bentuk pengujiannya sebagai berikut:
H : artinya variabel BI rate dan BOPO secara parsial tidak mempunyai
pengaruh yang signifikan terhadap SBDK ritel. H
a
: artinya variabel BI rate dan BOPO secara parsial mempunyai pengaruh yang signifikan terhadap SBDK ritel.
Pada penelitian ini t
hitung
akan dibandingkan dengan t
tabel
pada tingkat signifikansi α = 5. Kriteria pengambilan keputusan: jika t
hitung
t
tabel
, maka H
a
ditolak dan
Universitas Sumatera Utara
63 H
diterima dan jika t
hitung
t
tabel
, maka H ditolak dan H
a
diterima. Jika tingkat signifikansi dibawah 0,05 maka H
ditolak dan H
a
diterima.
Universitas Sumatera Utara
64
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1. Deskripsi Objek Penelitian
Sampai dengan tahun 2008, terdapat 5 Bank Persero Bank BUMN yaitu Bank Mandiri, Bank Negara Indonesia, Bank Rakyat Indonesia, Bank Tabungan
Negara dan Bank Ekspor Indonesia. Namun pada tahun 2009, Bank Ekspor Indonesia berubah bentuk badan hukumnya menjadi Lembaga Pembiayaan
Ekspor Indonesia berdasarkan UU Nomor 2 Tahun 2009, sehingga per akhir Desember 2011 terdapat 4 bank BUMN yang seluruhnya telah listed, yaitu Bank
Mandiri, Bank Negara Indonesia, Bank Rakyat Indonesia, dan Bank Tabungan Negara.
4.2. Analisis Deskriptif
Erlina 2011 menyatakan bahwa statistik deskriptif adalah proses transformasi data penelitian dalam bentuk tabulasi, sehingga mudah dipahami dan
diinterpretasikan. Statistik deskriptif umumnya digunakan untuk memberikan informasi mengenai variabel penelitian yang utama. Ukuran yang digunakan
berupa fekusensi, tendensi sentral rata-rata, median, modus, disperse deviasi standar, variance dan pengukur-pengukur bentuk measure of shape.
Tabel 4.1 Analisis Deskriptif
Keterangan Minimum
Maksimum Mean
Standar deviasi
SBDK 10,25
13,00 11,42
0,77
BI rate 5,75
6,50 5,83
0,19 BOPO
61,18 89,19
72,31 7,48
Sumber : Data Sekunder yang diolah
Universitas Sumatera Utara
65
4.2.1. Suku Bunga Dasar Kredit
Berdasarkan Tabel 4.1 diatas maka dapat dideskripsikan nilai rata-rata suku bunga dasar kredit selama 3 tahun dari 4 bank BUMN adalah sebesar 11,42.
Bank yang memiliki nilai suku bunga dasar kredit ritel terbesar adalah Bank Tabungan Negara sebesar 13,00 dan bank yang memiliki nilai suku bunga dasar
kredit ritel terendah adalah Bank Mandiri sebesar 10,25. Nilai rata-rata variabel suku bunga dasar kredit yakni sebesar 11,42 lebih besar dari nilai standar deviasi
sebesar 0,77 yang berarti data variabel suku bunga dasar kredit mempunyai sebaran yang kecil sehingga dapat disimpulkan bahwa data yang digunakan
merupakan data yang baik dan cocok untuk dimasukkan dalam model estimasi.
4.2.2. BI rate
Berdasarkan Tabel 4.1 diatas maka dapat dideskripsikan nilai rata-rata BI rate selama 3 tahun dari 4 bank BUMN adalah sebesar 5,83. Nilai BI rate
terbesar adalah sebesar 6,50 dan nilai BI rate ritel terendah adalah sebesar 5,75. Nilai rata-rata variabel BI rate yakni sebesar 5,83 lebih besar dari nilai standar
deviasi sebesar 0,19 yang berarti data variabel BI rate mempunyai sebaran yang kecil sehingga dapat disimpulkan bahwa data yang digunakan merupakan data
yang baik dan cocok untuk dimasukkan dalam model estimasi.
4.2.3. Biaya Operasional terhadap Pendapatan Operasional BOPO
Berdasarkan Tabel 4.1 diatas maka dapat dideskripsikan nilai rata-rata BOPO selama 3 tahun dari 4 bank BUMN adalah sebesar 72,31. Bank yang
memiliki nilai BOPO terbesar adalah Bank Tabungan Negara sebesar 89,19 dan bank yang memiliki nilai BOPO terendah adalah Bank Mandiri sebesar 61,18.
Universitas Sumatera Utara
66 Nilai rata-rata variabel BOPO yakni sebesar 72,31 lebih besar dari nilai standar
deviasi sebesar 7,48 yang berarti data variabel BOPO mempunyai sebaran yang kecil sehingga dapat disimpulkan bahwa data yang digunakan merupakan data
yang baik dan cocok untuk dimasukkan dalam model estimasi.
4.3. Uji Fixed Effects
Hasil uji regresi metode Fixed Effect disajikan pada Tabel 4.2. Tabel 4.2.
Hasil Regresi Model Fixed Effect
Keterangan Nilai
R-squared 0.977646
Prob.F-statistic 0.000000
Durbin-Watson stat 1.514328
Sumber : Data Sekunder yang diolah
Berdasarkan hasil uji regresi di atas diketahui bahwa secara individu variabel BI rate berpengaruh positif signifikan sedangkan variabel BOPO berpengaruh negatif
namun tidak signifikan terhadap SBDK. Nilai R² sebesar 0,977646 memberikan nilai tinggi. Nilai probability dari F-statistik 0,000000 memberikan makna bahwa
model tersebut highly significant dengan nilai Durbin-Watson sebesar 1,514328 mendekati range angka 2.
Selanjutnya pada estimasi ini dilakukan pengujian Chow-Test dan Chi- Square. Jika p-value lebih kecil dari 5 maka H
ditolak dan H
1
diterima. Demikian juga sebaliknya.
H : model mengikuti model pooled
H
1
: model mengikuti model Fixed Melalui pengujian statistik, pemilihan diantara kedua model ini dapat diselesaikan
dengan pengujian Chow-Test dan Cross-section F.
Universitas Sumatera Utara
67 Hasil uji disajikan pada Tabel 4.3.
Tabel 4.3. Hasil
Redundant Fixed Effects Tests pada Model Fixed Keterangan
Nilai Cross-section F Prob.
0.0000 Cross-section Chi-square Prob.
0.0000
S
umber : Data Sekunder yang diolah
Berdasarkan Tabel 4.3. hasil uji diperoleh nilai cross-section F sebesar 0,0000 dan cross-section Chi-square sebesar 0,0000. Nilai ini lebih kecil dari 5
0,05, sehingga H ditolak dan menerima H
1
, artinya model mengikuti model fixed atau dapat disimpulkan dengan tingkat keyakinan 95 persen pada model
Fixed Effects . Bagaimanapun, hal tersebut belum dapat memberikan keputusan akhir atas metode pengolahan data karena belum teruji secara statistik. Maka perlu
diuji kembali secara statistik, yaitu metode random effect.
4.4.Uji Asumsi Klasik
Berdasarkan data sekunder yang diperoleh selama tiga tahun dan berdasarkan hasil estimasi yang terpilih adalah model fixed Tabel 4.2, maka
sebelum dilakukan pengujian hipotesis yang diajukan dalam penelitian maka perlu dilakukan pengujian asumsi klasik terlebih dahulu untuk mengetahui kelayakan
data dalam serangkaian uji statistik. Menurut Gujarati 1995, model ekonometrika yang baik harus memenuhi kriteria ekonometrika dan kriteria
statistik. Berdasarkan kriteria ekonometrika, model harus sesuai dengan asumsi
Universitas Sumatera Utara
68 klasik, artinya harus terbebas dari gejala multikolinearitas, normalitas,
heteroskedastisitas dan autokorelasi a. Uji Normalitas
Uji normalitas yang digunakan adalah uji Kolmogorov-Smirnov
Tabel 4.4 Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
72 5,174014E-11
,4667626 ,118
,118 -,086
,997 ,273
N Mean
Std. Deviati on Normal Parameters
a,b
Absolute Positive
Negative Most Extrem e
Differences Kolmogorov-Sm irnov Z
As ymp. Sig. 2-tailed Unstandardized
Residual
Test di stribution is Norm al. a.
Calculated from data. b.
Pada Tabel 4.4 dapat diketahui bahwa nilai Kolmogorov-Smirnov adalah sebesar 0,997 dengan nilai Asymp. Sig. 2-tailed adalah 0,273, nilai tersebut p
adalah 0,05. Hal ini berarti nilai residual variabel BI rate, BOPO dan SBDK berdistribusi normal.
b. Uji Multikolinearitas Uji multikolinearitas dilakukan untuk menguji apakah pada model regresi
ditemukan adanya korelasi antar variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi antar variabel independen atau tidak terjadi
multikolinearitas. Gejala multikolinearitas dapat dilihat dari besarnya nilai Tolerance dan VIF Variance inflation Factor.
Universitas Sumatera Utara
69
Tabel 4.5 Hasil Uji Multikolinearitas
Coefficients
a
,998 1,002
,998 1,002
BI rate BOPO
Model 1
Tolerance VIF
Collinearity Statistics
Dependent Variable: SBDK a.
Sumber : Data Sekunder yang diolah
Deteksi adanya multikolinearitas dapat dilihat pada besarnya nilai VIF variance inflation factor dan tolerance. Hasil uji menunjukkan nilai VIF 5 dan
nilai Tolerance 0,1, maka tidak terdapat masalah multikolinearitas. Jika nilai VIF 5 dan nilai tolerance 0,1, maka terdapat masalah multikolinearitas.
c. Uji Heteroskedastisitas Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi
ketidaksamaan varians dari residual dari satu pengamatan ke pengamatan yang lain. Jika varians berbeda disebut heteroskedastisitas. Setelah diestimasi dengan
pendekatan General Least Square Cross Section Weights, yaitu Sum Square Resid Weighted Statistic Sum Square Resid Unweighted Statistic
5,2988636,298900, karena dalam mengestimasi model diberi perlakuan Cross Section Weights, serta White Heteroskedasticity, maka adanya heteroskedastisitas
dapat diabaikan. d. Uji Autokorelasi
Hasil uji regresi dengan level of significance 0,05 α= 0,05 dengan jumlah
variabel independen k = 2 dan banyaknya data n =72. Hasil uji Durbin-
Watson ditunjukkan pada Tabel 4.6.
Universitas Sumatera Utara
70
Tabel 4.6 Uji Autokorelasi
Model Summary
Model Durbin-
Watson 1
1,514
a Predictors: Constant, BOPO, BI Rate b Dependent Variable: SBDK
Sumber : Data Sekunder yang diolah
Hasil uji statistik menunjukkan nilai DW sebesar 1,514, nilai ini akan dibandingkan dengan nilai tabel Durbin-Watson DW pada derajat kepercayaan
5, jumlah sampel n adalah 72 dan jumlah variabel bebas k adalah 2. Berdasarkan nilai DW pada tabel diperoleh nilai dL DW lowerbatas bawah
adalah 1,561, nilai dU DW upperbatas atas adalah 1,675 dan 2-DU adalah 0,325. Pengambilan keputusan adalah dU 1,675 d 1,514 2-dU 0,325,
artinya tidak ada autokorelasi positif atau negatif. Dengan demikian, tidak terdapat autokorelasi pada model regresi.
4.5. Interpretasi Hasil Estimasi