ECM, PAM Dan Persamaan Simultan

(I)
ERROR CORRECTION MODEL (ECM)
DAN
PARTIAL ADJUSTMENT MODEL (PAM)
Muhamad Fariq Hidayat

176090500011003
Universitas Brawijaya
Sumber data : World Bank Data
 Penelitian tentang kurs mata uang terhadap suku bunga di Indonesia pada tahun 1982-
2009
 Variabel kurs sebagai X dan suku bunga sebagai Y, dipublikasikan oleh BEI pada tahun
2010.
 Teori ekonomi mengatakan bahwa secara umum terdapat hubungan antara kurs mata
uang dan suku bunga.
Data Suku Bunga dan KURS Tahun 1982 sd 2009
obs R KURS
1982 9 692
1983 17,5 994
1984 18,7 1076
1985 17,8 1131
1986 15,2 1655
1987 16,99 1652
1988 17,76 1729
1989 18,12 1805
1990 18,12 1901
1991 22,49 1992
1992 18,62 2062
1993 13,46 2110
1994 11,87 2200
1995 15,04 2308
1996 16,69 2383
1997 16,28 4650
1998 21,84 8025
1999 27,6 7100
2000 16,15 9595
2001 14,23 10400
2002 15,95 8940
2003 12,64 8465
2004 8,21 9290
2005 8,22 9900
2006 11,63 9020
2007 8,24 9419
2008 10,43 10950
2009 9,55 9400

176090500011003
I. ECM (Error Correction Model/Mechanism)
Langkah 1 – Uji Kestasioneran Data :
Pengujian ini dilakukan terhadap semua variabel yang digunakan dalam analisis deret waktu
untuk memenuhi keshahihan analisis ECM (dengan kata lain perilaku data yang stasioner
memiliki varians yang tidak terlalu besar dan mempunyai kecenderungan untuk mendekati nilai
rata-ratanya). Berikut merupaan plot masing-masing variabel:
250000 9,5
9
200000
8,5
150000
lnKURS
UKAR
100000
7,5
50000
0
1990 1995 2000 2005 2010 2015 6,5
1985 1990 1995 2000 2005
a. Plot data R b. Plot data KURS
Berdasarkan grafik tersebut terlihat bahwa adanya indikasi kedua datanya tidak stasioner.
Hal itu terlihat dari grafiknya yang tidak berada disekitar rata-rata atau dengan kata lain rata-rata
dan varians tidak konstan. Oleh karena itu, harus dicek data pada tingkat (diffenrence) D1,D2
dan seterusnya hingga stasioner. Hal tersebut dilakukan dengan Unit Root Test.
Autocorrelation function for R

***, **, * indicate significance at the 1%, 5%, 10% levels
using Bartlett standard errors for ACF
LAG ACF PACF Q-stat. [p-value]
1 0,5817 *** 0,5817 *** 10,5282 [0,001]

2 0,2797 -0,0887 13,0562 [0,001]
3 0,2099 0,1284 14,5362 [0,002]
4 0,1101 -0,0812 14,9601 [0,005]
5 -0,1659 -0,3161 * 15,9649 [0,007]
6 -0,1781 0,1094 17,1767 [0,009]
7 0,0082 0,1857 17,1794 [0,016]
8 -0,0078 -0,0972 17,1819 [0,028]
9 -0,1806 -0,2100 18,6242 [0,029]
10 -0,1210 0,0260 19,3074 [0,037]
11 0,0493 0,1528 19,4274 [0,054]
12 0,0365 0,0650 19,4975 [0,077]
13 -0,0574 -0,1074 19,6818 [0,103]
176090500011003
14 -0,0225 -0,1546 19,7121 [0,139]
Autocorrelation function for lnKURS

***, **, * indicate significance at the 1%, 5%, 10% levels
using Bartlett standard errors for ACF
LAG ACF PACF Q-stat. [p-value]
1 0,8894 *** 0,8894 *** 24,6117 [0,000]

2 0,7834 ** -0,0368 44,4397 [0,000]
3 0,6852 * -0,0216 60,2143 [0,000]
4 0,5702 -0,1377 71,5922 [0,000]
5 0,4746 0,0201 79,8179 [0,000]
6 0,3846 -0,0406 85,4669 [0,000]
7 0,2992 -0,0312 89,0467 [0,000]
8 0,2031 -0,1298 90,7788 [0,000]
9 0,0989 -0,1164 91,2111 [0,000]
10 0,0019 -0,0634 91,2113 [0,000]
11 -0,0879 -0,0479 91,5928 [0,000]
12 -0,1948 -0,1852 93,5849 [0,000]
13 -0,2823 -0,0425 98,0471 [0,000]
14 -0,3387 0,0284 104,9297 [0,000]
Hasil korelogram pada masing-masing variabel R dan KURS menunjukkan bahwa

kestasioneran variabel dengan ditandai dengan masing-masing koefisien autokorelasi pada lag 1
sebesar (0,5817) p-value (0,001) dan (0,8894) p-value (<0,001) artinya bahwa autokorelasi
cenderung tinggi tidak stasioner. Makan dilakuakan uji ADF.
Model yang digunakan adalah model dengan asumsi tanpa pergeseran (random walk
without drift) sebagai berikut (Gujarati, 2004) :
𝑌𝑡 = 𝛽1 𝑌𝑡−1 + 𝑢𝑡
atau
∆𝑌𝑡 = (𝛽1 − 1)𝑌𝑡−1 + 𝑢𝑡 = 𝛿𝑌𝑡−1 + 𝑢𝑡
Hipotesis yang diuji sebagai berikut :
𝐻0 : 𝛿 = 0 (berarti bahwa 𝛽1 − 1  random walk) artinya data deret waktu mengandung unit
root ( data tidak stasioner )
𝐻1 : 𝛿 ≠ 0 artinya data deret waktu tidak mengandung unit root ( data stasioner )
Kriteria keputusan :
𝐻0 ditolak jika nilai t-statistik ADF (dalam hal ini = 𝜏) < Nilai kritis McKinnon atau
nilai-p < taraf nyata tertentu (biasanya 5%).

176090500011003
Tingk variabel R variabel KURS
at
Level Dickey-Fuller test for R Dickey-Fuller test for KURS
sample size 27 sample size 27
unit-root null hypothesis: a = 1 unit-root null hypothesis: a = 1
test with constant test with constant

model: (1-L)y = b0 + (a-1)*y(-1) + e model: (1-L)y = b0 + (a-1)*y(-1) + e
estimated value of (a - 1): -0,384941 estimated value of (a - 1): -
test statistic: tau_c(1) = -2,46558 0,0414325
p-value 0,1346 test statistic: tau_c(1) = -0,723789
1st-order autocorrelation coeff. for p-value 0,8241
e: 0,171 1st-order autocorrelation coeff. for
e: -0,030
with constant and trend
model: (1-L)y = b0 + b1*t + (a-1)*y(- with constant and trend
1) + e model: (1-L)y = b0 + b1*t + (a-1)*y(-
estimated value of (a - 1): -0,53251 1) + e
test statistic: tau_ct(1) = -3,45475 estimated value of (a - 1): -0,274287
p-value 0,06509 test statistic: tau_ct(1) = -1,95683
1st-order autocorrelation coeff. for p-value 0,5976
e: 0,161 1st-order autocorrelation coeff. for
e: 0,041
1st Dickey-Fuller test for d_R Dickey-Fuller test for d_KURS

sample size 26 sample size 26
Diff unit-root null hypothesis: a = 1 unit-root null hypothesis: a = 1
test with constant test with constant

model: (1-L)y = b0 + (a-1)*y(-1) + e model: (1-L)y = b0 + (a-1)*y(-1) + e
estimated value of (a - 1): -1,02325 estimated value of (a - 1): -1,06684
test statistic: tau_c(1) = -5,52116 test statistic: tau_c(1) = -4,91939
p-value 0,0001 p-value 0,0005402
1st-order autocorrelation coeff. for 1st-order autocorrelation coeff. for
e: -0,053 e: -0,011
with constant and trend with constant and trend

model: (1-L)y = b0 + b1*t + (a-1)*y(- model: (1-L)y = b0 + b1*t + (a-1)*y(-
1) + e 1) + e
estimated value of (a - 1): -1,03852 estimated value of (a - 1): -1,06807
test statistic: tau_ct(1) = -5,39406 test statistic: tau_ct(1) = -4,78151
p-value 0,00094 p-value 0,003848
1st-order autocorrelation coeff. for 1st-order autocorrelation coeff. for
e: -0,048 e: -0,012
Dari hasil tersebut memperlihatkan bahwa pada taraf signifikansi 5% nilai-p untuk
variabel R dan KURS < 5%, signifikan pada tingkat first difference. Maka dapat dikatakan bahwa
seluruh data yang digunakan dalam penelitian ini secara bersama-sama terintegrasi pada first
difference dilambangkan dengan I(1). Oleh karenanya uji kointegrasi dapat dilakukan.

176090500011003
Secara rinci Uji Kointegrasi Engle-Granger dilakukan dengan tahapan sebagai berikut :
a) Estimasi Persamaan Jangka Panjang :

Persamaan jangka panjang yang dimaksud merupakan persamaan regresi klasik
dengan variabel dependen dan independen, yang tidak stasioner pada tingkat level.
Metode pendugaan parameternya dilakukan dengan metode kuadrat terkecil/
ordinary Least Square (OLS). Persamaan yang akan dibentuk adalah :
𝑅𝑡 = 𝛽0 + 𝛽1 𝐾𝑈𝑅𝑆𝑡 + 𝑢𝑡
Berikut ini hasil analisis regresi OLS dan model yang terbentuk :
Model 1: OLS, using observations 1982-2009 (T = 28)

Dependent variable: R
Coefficient Std. Error t-ratio p-value

const 17,6670 1,39803 12,64 <0,0001 ***
KURS −0,000471057 0,000223187 −2,111 0,0446 **
Mean dependent var 15,29750 S.D. dependent var 4,682137

Sum squared resid 505,3266 S.E. of regression 4,408587
R-squared 0,146271 Adjusted R-squared 0,113435
F(1, 26) 4,454618 P-value(F) 0,044581
Log-likelihood −80,23228 Akaike criterion 164,4646
Schwarz criterion 167,1290 Hannan-Quinn 165,2791
rho 0,525331 Durbin-Watson 0,813024
Interpretasi.
1. Uji simultan dan parsial
Berdasarkan nilai peluang kesalahan untuk menolak bahwa tidak terdapat pengaruh
kurs mata uang terhadap suku bungan sebesar 0,0446 dan 0,0445 maka dapat
disimpulkan bahwa pengaruh kurs terhadap suku bunga berpangaruh.
2. Interpretasi jangka panjang
Jika variabel kurs naik satu unit maka suku bunga akan turun sebesar -0,004, artinya
bahwa nilai suku bunga akan menurun jika kurs meningkat bunga terus meningkat.
Semakin tinggi penignkatan kurs mata uang di Indonesia maka akibatnya suku bunga
rendah.
b) Pengujian residual
Dengan cara meregresikan suku bunga dengan kurs, kemudian diuji residual yang
dihasilkan. Hipotesis yang diuji sebagai berikut :
𝐻0 : 𝑒̂𝑡 = I(1) artinya data residual mengandung unit root ( data residual tidak
stasioner ) atau tidak terjadi kointegrasi

176090500011003
𝐻1 : 𝑒̂𝑡 ≠ I(1) artinya data residual tidak mengandung unit root ( data residual
stasioner ) atau terjadi kointegrasi.
Dickey-Fuller test for uhat1

sample size 27
unit-root null hypothesis: a = 1
test with constant

model: (1-L)y = b0 + (a-1)*y(-1) + e
estimated value of (a - 1): -0,47645
test statistic: tau_c(1) = -3,05581
p-value 0,04233
1st-order autocorrelation coeff. for e: 0,228
with constant and trend

model: (1-L)y = b0 + b1*t + (a-1)*y(-1) + e
estimated value of (a - 1): -0,483623
test statistic: tau_ct(1) = -3,1476
p-value 0,116
1st-order autocorrelation coeff. for e: 0,205
Hasil pengujian ADF untuk residual dari model pengaruh kurs terhadap suku bunga
menyatakan bahwa residual stasioner pada level (I(0)) dengan peluang kesalahan
sebesar 0,04233 lebih kecil dengan derajat kesalah 0,05 sehingga model bukan
termasuk spusrious regression dan terkointergrasi. Artinya bahwa pada titik tertentu
atau pengaruh jangka panjang akan terjadi kondisi setimbang pada suku bungan dan
kurs di Indonesia.
ECM berfungsi sebagai koreksi ketidakseimbangan jangka pendek menuju pada

keseimbangan jangka panjang dengan cara meregresikan kurs, d_kurs dan d_R
terhadap suku bunga.

const 17,9253 1,31329 13,65 <0,0001 ***
KURS −0,000509566 0,000207925 −2,451 0,0223 **
d_KURS 0,000749459 0,000715442 1,048 0,3057
d_R 0,430128 0,195840 2,196 0,0384 **

F(3, 23) 4,450708 P-value(F) 0,013190

176090500011003
rho 0,630631 Durbin-Watson 0,700409
Interpretasi.
𝛼̂0 17,9253
Penduga 𝛼̂1 0,4301
[ ]=[ ]
parameter 𝛾̂0 −0,0005
𝛾̂1 0,0007
Laju perubahan marginal jangka pendek, dengan meningkatnya kurs mata uang
̂𝟎
𝜸 di Indonesia sebesar satu unit maka akan menurunkan suku bunga sebesar 0,0005
unit satuan.
̂0 +𝛾
𝛾 ̂1 0,0002
̂1
= 0,5699 = 0,00035 laju perubahan marjinal jangka panjang, dengan
1−𝛼
̂𝟏
𝜷 meningkatnya kurs satu unit maka suku bunga di Indonesia akan meningkat
sebesar 0,00035 unit satuan.
1 − 𝛼̂1 = (1 − 0.4301 = 0.5699), artinya bahwa periode (t-1) adalah periode
̂𝟏 < 𝟏
𝟎<𝟏−𝜶 penyesuaian kurs terhadap suku bunga menuju periode ke-t yaitu sebesar 0,5699
unit satuan.
Kontribusi variabel kurs menjelaskan suku bunga sebesar 36,73%, selainnya
𝑹𝟐
dipengaruhi oleh faktor lain.

176090500011003
II. Partial Adjusted Model (PAM)
Berdasarkan kasus ECM, dengan menggunakan data yang telah stasioner pada first difference
yang dinotasikan dengan I(1). Nilai suku bunga R dinotasikan dengan (𝑦 ∗ ). Respon yang akan
diamati adalah suku bunga pada periode waktu ke-t (𝑦𝑡 ) dan suku bunga pada periode
sebelumnya (𝑦𝑡−1 ). PAM dapat dilakuakan jika hanya ko-integrasi telah terbentuk. Berikut
merupakan hasil analisis:


const 9,41043 2,89786 3,247 0,0034 ***
KURS −0,000387266 0,000188149 −2,058 0,0506 *
R_1 0,524200 0,153395 3,417 0,0023 ***

F(2, 24) 10,88276 P-value(F) 0,000433
rho 0,163060 Durbin's h 1,403026
Maka model PAM yang terbentuk dari hasil analisis pegaruh kurs mata uang terhadap nilai suku
̂𝒕 = 𝟗, 𝟒𝟏𝟎 − 𝟎, 𝟎𝟎𝟎𝟑𝟖𝟕𝒚𝒕−𝟏 + 𝟎, 𝟓𝟐𝟒𝟐𝒙𝒕 .
bunga adalah 𝒚
Sehingga interpretasi pada model PAM ini sedikit berbeda yang berarti bahwa kontribusi kurs
mata uang terhadap nilai suku bunga dengan variabel-variabel eksogen sebagai penjelas sebesar
(47,55%), selainnya kontribusi faktor yang tidak terdapat dalam model.
𝑯𝟏 ⋮ 𝝀̂ 𝜷
̂ ≠ 𝟎, 𝒌𝒖𝒓𝒔 𝒎𝒂𝒕𝒂 𝒖𝒂𝒏𝒈 𝒃𝒆𝒓𝒑𝒆𝒏𝒈𝒂𝒓𝒖𝒉 𝒕𝒆𝒓𝒉𝒂𝒅𝒂𝒑 𝒏𝒊𝒍𝒂𝒊 𝒔𝒖𝒌𝒖 𝒃𝒖𝒏𝒈𝒂
𝟐
Untuk menginterpretasikan pengaruh langsung (immediate effect) 𝜆̂𝛽̂2 ≠ 0, bahwa kurs mata
uang memiliki peluang kesalahan sebesar 0,05 sehingga disimpulkan kurs mata uang
berpengaruh signifikan terhadap nilai suku bunga pada taraf kesalahan 5%. Besar pengaruhnya
dapat dilihat pada nilai koefisien regresi dengan interpretasi jika kurs mata uang menigkat satu
unit maka nilai suku bunga akan menurun sebesar 𝜆̂𝛽̂2 (0,000387 unit satuan)

176090500011003
(II)
PERSAMAAN SIMULTAN

176090500011003
Pada kasus penelitian tentang pengaruh pengahasilan (Earns) terhadap pendapatan
(Income), dimana Earns ssebagi variabel endogen juga yang dipengaruhi oleh Tingkat
pendidikan (Education) dan tabungan (Saving).
EARNS INCOME ED SAVING
1,92 1,92 2 0,03

9
12,40 12,40 0,87
5,93 6,40 17 0,37
7,00 7,01 9 1,20
6,99 6,99 12 0,28

13
6,50 6,50 1,40
26,00 26,01 17 31,60
15,00 15,36 16 1,77

9
5,70 15,00 3,98
16
8,82 9,19 1,02
7,00 10,60 9 1,00
6,18 12,09 10 0,69

11
6,20 6,25 -0,03
5,80 9,01 14 -1,39
6,22 6,22 7 1,00
5,50 5,91 8 1,83

12
4,80 4,80 0,61
1,82 2,34 6 0,05
4,56 7,83 12 0,01
7,47 9,56 8 1,39

176090500011003
6,60 7,60 9 0,60
12,85 13,86 17 2,22
5,80 5,80 12 1,59

11
7,48 19,36 5,08
5,70 8,00 10 1,85
12,00 17,20 12 0,91
3,58 4,09 8 2,48

10
9,60 9,60 0,84
3,69 10,43 3 1,27
6,48 6,51 12 -0,28
6,38 7,68 12 1,09

8
5,61 12,42 1,16
6,00 6,08 8 0,34
6,30 6,98 12 0,37
Persamaan I : 𝐼𝑛𝑐𝑜𝑚𝑒 = 𝑎0 + 𝑎1𝐸𝑎𝑟𝑛𝑠 + + 𝑒1

Persamaan II : 𝐸𝑎𝑟𝑛𝑠 = 𝑏0 + 𝑏1𝐸𝑑𝑢𝑐𝑎𝑡𝑖𝑜𝑛 + 𝑏2𝑆𝑎𝑣𝑖𝑛𝑔 + 𝑒2
Diketahui bahwa:
 Pada Persamaan I
K = 4 (𝑎0, 𝑏0, 𝐸𝑑𝑢𝑐𝑎𝑡𝑖𝑜𝑛, 𝑆𝑎𝑣𝑖𝑛𝑔)
k = 1 (𝑎0)
M = 2 (Income, Earns); m = 2(Income, Earns)
Maka,

176090500011003
Persamaan I dikatakan overidentified karena K-k (4-1) > m-1 (2-1)
Oleh karena itu dilakukan pengujian TSLS dengan gretl, berikut hasil analisisnya:
TSLS kedua persamaan
Model 2: TSLS, using 34 observations

Dependent variable: INCOME
Instrumented: EARNS
Instruments: const ED SAVING

const 2,42461 1,16857 2,075 0,0461 **
EARNS 0,938704 0,142413 6,591 <0,0001 ***

Chi-square(1) 43,44661 p-value 4,36e-11
Hausman test -
Null hypothesis: OLS estimates are consistent
Asymptotic test statistic: Chi-square(1) = 0,0966058
with p-value = 0,755942
Sargan over-identification test -

Null hypothesis: all instruments are valid
Test statistic: LM = 1,05444
with p-value = P(Chi-square(1) > 1,05444) = 0,304487
Weak instrument test -
First-stage F-statistic (2, 31) = 41,4854
Berdasarkan statistik uji t, dengan peluang kesalahan sebesar <0,0001 bahwa pengaruh Earns
terhadap Income dengan variabel instrumen Education dan Saving berbeda nyata pada taraf 5%.

176090500011003
OLS Education dan terhadap Earns
Model 1: Pooled OLS, using 34 observations

Included 2 cross-sectional units
Time-series length = 17
Dependent variable: EARNS

const 1,31439 1,28363 1,024 0,3138
ED 0,470518 0,118471 3,972 0,0004 ***
SAVING 0,525797 0,0795470 6,610 <0,0001 ***

F(2, 31) 41,48543 P-value(F) 1,72e-09
rho −0,364969 Durbin-Watson 2,626288
̂ dan digunakan pada model 𝑰𝒏𝒄𝒐𝒎𝒆 = 𝒂𝟎 + 𝒂𝟏𝒀

Kemudian dihasilkan 𝒀 ̂ + + 𝒆𝟏
Model 7: OLS, using observations 2006:01-2008:10 (T = 34)

Dependent variable: INCOME

const 3,09476 2,42065 1,278 0,2103
yhatEarns 0,653879 0,240543 2,718 0,0105 **

F(1, 32) 7,389377 P-value(F) 0,010506
rho −0,159517 Durbin-Watson 2,291897
Hipotesis :
𝐻0 ⋮ 𝛽 ∗ 𝑒𝑎𝑟𝑛𝑠
̂
= 0, 𝑡𝑖𝑑𝑎𝑘 𝑎𝑑𝑎 𝑘𝑜𝑟𝑒𝑙𝑎𝑠𝑖 𝑎𝑛𝑡𝑎𝑟 𝜀1 𝑑𝑎𝑛 𝜀2
Berdasarkan hasil analisis Two-Statge Least Square, dengan peluang kesalahan sebesar 0,01
tidak dapat dinyatakan bahwa terdapat korelasi antara persamaan I dan persamaan II. Artinya
bahwa variabel Earns pada persamaan II berkorelasi dengan persamaan I .

176090500011003

ECM, PAM Dan Persamaan Simultan

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

ECM, PAM Dan Persamaan Simultan

Diunggah oleh

Hak Cipta:

Format Tersedia

(I)

ERROR CORRECTION MODEL (ECM)

PARTIAL ADJUSTMENT MODEL (PAM)

Muhamad Fariq Hidayat

Data Suku Bunga dan KURS Tahun 1982 sd 2009

Muhamad Fariq Hidayat

Langkah 1 – Uji Kestasioneran Data :

a. Plot data R b. Plot data KURS

Autocorrelation function for R

LAG ACF PACF Q-stat. [p-value]

1 0,5817 *** 0,5817 *** 10,5282 [0,001]

Autocorrelation function for lnKURS

LAG ACF PACF Q-stat. [p-value]

1 0,8894 *** 0,8894 *** 24,6117 [0,000]

Hasil korelogram pada masing-masing variabel R dan KURS menunjukkan bahwa

Muhamad Fariq Hidayat

test with constant test with constant

1st Dickey-Fuller test for d_R Dickey-Fuller test for d_KURS

test with constant test with constant

with constant and trend with constant and trend

Muhamad Fariq Hidayat

a) Estimasi Persamaan Jangka Panjang :

Model 1: OLS, using observations 1982-2009 (T = 28)

Coefficient Std. Error t-ratio p-value

Mean dependent var 15,29750 S.D. dependent var 4,682137

Muhamad Fariq Hidayat

Dickey-Fuller test for uhat1

test with constant

with constant and trend

ECM berfungsi sebagai koreksi ketidakseimbangan jangka pendek menuju pada

Coefficient Std. Error t-ratio p-value

Mean dependent var 15,53074 S.D. dependent var 4,602581

Muhamad Fariq Hidayat

Muhamad Fariq Hidayat

Model 1: OLS, using observations 1983-2009 (T = 27)

Coefficient Std. Error t-ratio p-value

Mean dependent var 15,53074 S.D. dependent var 4,602581

Muhamad Fariq Hidayat

Muhamad Fariq Hidayat

EARNS INCOME ED SAVING

1,92 1,92 2 0,03

5,93 6,40 17 0,37

7,00 7,01 9 1,20

6,99 6,99 12 0,28

26,00 26,01 17 31,60

15,00 15,36 16 1,77

7,00 10,60 9 1,00

6,18 12,09 10 0,69

5,80 9,01 14 -1,39

6,22 6,22 7 1,00

5,50 5,91 8 1,83

1,82 2,34 6 0,05

4,56 7,83 12 0,01

7,47 9,56 8 1,39

Muhamad Fariq Hidayat

12,85 13,86 17 2,22

5,80 5,80 12 1,59

5,70 8,00 10 1,85

12,00 17,20 12 0,91

3,58 4,09 8 2,48

3,69 10,43 3 1,27

6,48 6,51 12 -0,28

6,38 7,68 12 1,09

6,00 6,08 8 0,34

1 0,5817 * 0,5817 * 10,5282 [0,001]

1 0,8894 * 0,8894 * 24,6117 [0,000]