• Tidak ada hasil yang ditemukan

Pengaruh Inflasi dan Nilai Tukar terhadap Kredit yang Disalurkan Perbankan Konvensional di Kota Medan

N/A
N/A
Protected

Academic year: 2017

Membagikan "Pengaruh Inflasi dan Nilai Tukar terhadap Kredit yang Disalurkan Perbankan Konvensional di Kota Medan"

Copied!
10
0
0

Teks penuh

(1)
(2)

LAMPIRAN 1

Tabel 1

Data Permintaan Kredit Kota Medan 2010

2014 (juta rupiah)

NAMA BANK

2010

2011

2012

2013

2014

BRI 5.196.422 7.349.549 9.460.188 11.027.099 11.250.518

BANK MANDIRI 15.351.080 16.801.428 21.424.453 24.121.110 25.426.870

BNI 3.852.091 3.760.297 4.645.173 4.985.945 4.725.620

BANK DANAMON 6.835.313 8.676.234 8.105.177 7.833.893 8.222.578

BANK PERMATA 3.392.392 3.687.674 5.141.320 5.921.924 6.823.092

BCA 2.125.928 4.296.900 5.311.932 6.176.816 4.679.807

BII 1.742.914 2.381.743 2.559.524 3.376.784 3.733.224

BANK PANIN 2.008.252 2.272.909 3.303.009 3.332.207 3.409.030

CIMB NIAGA 3.820.511 4.559.292 5.272.186 5.860.379 6.787.326

BANK UOB BUANA 2.121.139 2.426.615 2.504.565 2.949.500 4.381.142

BANK OCBC NISP 517.284 2.217.551 3.034.242 3.962.710 4.167.159

CITIBANK 232.745 276.449 494.191 929.360 872.895

BANK ARTHA GRAHA 269.207 260.471 556.109 546.936 667.546

HSBC 1.620.969 2.753.852 4.096.483 5.485.150 5.657.619

BANK DBS 3.541.831 4.276.244 6.042.733 10.799.672 10.986.136

BANK SC 198.037 205.351 437.007 499.711 451.449

BANK UOB 0 0 0 0 0

ANZ PANIN BANK 11.636 573.910 343.456 373.956 312.867

BANK BUMI ARTA 35.553 58.942 93.669 112.536 125.977

BPR 0 0 0 0 0

BANK EKONOMI 1.904.758 1.204.993 1.343.288 1.664.743 1.863.377

RABOBANK 116.863 196.719 313.669 407.004 401.002

BANK MUTIARA 43.656 162.554 261.434 359.995 328.943

BANK MAYAPADA 21.961 25.121 51.974 318.701 86.646

BANK JABAR BANTEN 6.994 15.696 60.260 104.913 154.922

BPD ACEH 103.819 59.994 46.680 64.289 100.264

BPD SUMUT 2.252.633 2.607.719 3.705.658 4.054.345 4.194.173

BANK SWADESI 5.069 15.833 26.917 62.300 128.952

(3)

NAMA BANK 2010 2011 2012 2013 2014

BRI SYARIAH 129.216 200.804 262.947 353.805 363.188

BANK MEGA 74.055 196.205 180.131 178.811 135.292

BNI SYARIAH 114.045 110.379 122.043 165.646 199.716

BANK BUKOPIN 507.708 497.682 507.554 517.566 615.283

BANK SYARIAH

MANDIRI 733.697 1.020.628 1.140.966 1.141.158 918.539

BANK BUMIPUTERA 415.224 341.391 325.224 235.222 221.469

BANK YUDHA BHAKTI 35.321 38.003 52.774 52.744 107.121

BANK AGRONIAGA 292.088 202.067 363.084. 344.933 314.033

BANK SBI 4.474 11.560 14.282 88.172 38.104

BANK SYARIAH MEGA 189.610 275.290 330.698 338.732 201.489

BANK SYARIAH

BUKOPIN 166.467 110.749 100.079 113.935 103.394

BANK DIPO 53.277 35.617 40.644 43.856 101.131

BANK EKSEKUTIF 62.178 149.134 137.671 143.142 138.114

BANK AGRIS 2.175 2.417 1.242 400.512 729.802

BANK OCBC 1.126.451 0 0 0 0

BANK

(4)

LAMPIRAN 2

Tabel 2

Data Inflasi Kota Medan 2010

2014

Tahun

Tingkat Inflasi (%)

(5)

1. Uji Asumsi Klasik

1.1 Uji Normalitas

a. Grafik Histogram (sebelum penambahan kriteria)

(6)

c. Hasil Uji Normalitas dengan Uji Kolmogorov-Smirnov (sebelum

penambahan kriteria)

One-Sample Kolmogorov-Smirnov Test

Unstandardized

Residual

N 215

Normal Parametersa,b

Mean -.0007858

Std. Deviation 3772711076348.6

5620000

Most Extreme Differences

Absolute .219

Positive .219

Negative -.211

Kolmogorov-Smirnov Z 3.208

Asymp. Sig. (2-tailed) .000

a. Test distribution is Normal. b. Calculated from data.

(7)

f. Hasil Uji Normalitas dengan Uji Kolmogorov-Smirnov (setelah

penambahan kriteria)

One-Sample Kolmogorov-Smirnov Test

Unstandardized

Residual

N 80

Normal Parametersa,b Mean .0000000

Std. Deviation .63562262

Most Extreme Differences

Absolute .093

Positive .093

Negative -.050

Kolmogorov-Smirnov Z .833

Asymp. Sig. (2-tailed) .492

a. Test distribution is Normal.

(8)

1.2 Uji Heterokedastisitas

Correlations

LnIf LnNt ABS_RES

Spearman's rho LnIf

Correlation Coefficient 1.000 .800** .047

Sig. (2-tailed) . .000 .681

N 80 80 80

LnNt

Correlation Coefficient .800** 1.000 .024

Sig. (2-tailed) .000 . .832

N 80 80 80

ABS_RES

Correlation Coefficient .047 .024 1.000

Sig. (2-tailed) .681 .832 .

N 80 80 80

**. Correlation is significant at the 0.01 level (2-tailed).

1.3 Uji Multikolinearitas

1.4 Uji Autokorelasi

Model Summaryb

Model R R Square Adjusted R Std. Error of the Durbin-Watson

Coefficientsa

Model Unstandardized

Coefficients

Standardized

Coefficients

t Sig. Collinearity Statistics

B Std. Error Beta Tolerance VIF

1

(Constant) 8.641 7.658 1.128 .263

LnIf -.184 .221 -.119 -.832 .408 .576 1.736

LnNt 2.258 .860 .374 2.624 .010 .576 1.736

(9)

2.1 Hasil Analisis Regresi Linear Berganda

Coefficientsa

Model Unstandardized Coefficients Standardized

Coefficients

a. Dependent Variable: LnPk

2.2 Hasil Uji F

a. Dependent Variable: LnPk

b. Predictors: (Constant), LnNt, LnIf

2.3 Hasil Uji t

Coefficientsa

Model Unstandardized Coefficients Standardized

Coefficients

(10)

2.4 Hasil Analisis Koefisien Determinasi

Model Summaryb

Model R R Square Adjusted R Square Std. Error of the

Estimate

1 .311a .096 .073 .64382

a. Predictors: (Constant), LnNt, LnIf

Gambar

Tabel 1 Data Permintaan Kredit Kota Medan 2010
Tabel 2 Data Inflasi Kota Medan 2010

Referensi

Dokumen terkait

Patogen yang dianggap “baru” (emerging) dalam industri pangan dapat digolongkan ke dalam 5 kelompok yaitu (i) patogen yang meningkat kasus-nya dalam 20 tahun terakhir; (ii) patogen

Metode cosine, jaccard dan k-nearest neighbor (K-NN) yang digunakan pada proses klasifikasi dokumen teks dengan hasil akhir dari percobaan 33 kali dengan key yang berbeda

Within one to three weeks, upon request, the Chief Justice of the District Court will issue an order to summon the debtor and the land owner, if the debtor is not the registered

Tanda koma tidak dipakai untuk memisahkan petikan langsung dari bagian lain yang mengiringinya dalam kalimat jika petikan langsung itu berakhir dengan tanda tanya atau tanda

The purpose of this study was to analyze clinical signs and symptoms that might be used as predictors of dehydration in children aged 1- 24 months with acute diarrhea, ie frequency

Dengan menggunakan Sistem Pendukung Keputusan dan metode Scoring System, dapat menyajikan informasi dalam bentuk angka sehingga mempersingkat waktu dalam kegiatan administrasi

Peraturan Menteri Agama Nomor 68 Tahun 2015 tentang Pengangkatan dan Pemberhentian Rektor dan Ketua pada Perguruan Tinggi Keagamaan yang diselenggarakan oleh Pemerintah (Berita

Bahan yang digunakan dalam penelitian ini adalah peta lokasi penelitian dengan skala 1:50.000, sampel tanah yang diambil dari daerah penelitian, serta bahan- bahan kimia