BAB V ANALISIS DATA DAN PEMBAHASAN
B. Analisis Data
Penelitian ini bertujuan untuk mencari suatu pengaruh yang dianalisis menggunakan regresi linier berganda. Oleh karena itu peneliti membutuhkan tiga variabel yang akan digunakan diantaranya dua variabel independen dan satu variabel dependen. Variabel independen adalah variabel yang menjadi penyebab timbulnya atau berubahnya variabel terikat (dependen). Variabel dependen adalah variabel yang dipengaruhi atau yang menjadi akibat karena adanya variabel bebas (independen). Variabel independen dalam penelitian ini adalah pajak hiburan dan pajak hotel. Sedangkan variabel dependennya adalah pendapatan asli daerah.
Data di atas diolah menggunakan program SPPS. Sebelum dilakukan pengujian hipotesis maka terlebih dahulu dilakukan uji normalitas dan uji asumsi klasik.
1. Uji Normalitas
Uji Normalitas pada penelitian ini menggunakan uji statistik Kolmogorov-Smirnov. Data dikatakan berdistribusi normal jika nilai Asimp. Sig. (2-tailed) lebih besar dari nilai probabilitas signifikansi yaitu 0,05.
Tabel 4. Uji Normalitas dengan Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
PAD Pajak Hiburan Pajak Hotel
N 6 6 6
Normal Parametersa,b
Mean 2.3826E11 4.5414E9 4.2047E10 Std. Deviation 1.00727E11 1.77642E9 1.65739E10 Most Extreme Differences Absolute ,220 ,301 ,266 Positive ,220 ,301 ,266 Negative -,173 -,189 -,175 Kolmogorov-Smirnov Z ,540 ,738 ,652 Asymp. Sig. (2-tailed) ,933 ,648 ,788
a. Test distribution is Normal. b. Calculated from data.
Berdasarkan tabel 4 dapat dilihat nilai Asymp. Sig. (2-tailed) variabel PAD sebesar 0,933; variabel pajak hiburan sebesar 0,648; dan variabel pajak hotel sebesar 0,788 yang berarti bahwa nilai Sig lebih besar dari 0,05. Kesimpulannya adalah variabel PAD, pajak piburan dan pajak hotel berdistribusi secara normal.
2. Uji Asumsi Klasik a. UjiMultikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. (Ghozali, 2011:105).
Tabel 5. Tabel Coefficients Coefficientsa Model Collinearity Statistics Tolerance VIF 1 (Constant) Pajak Hiburan ,262 3,819 Pajak Hotel ,262 3,819
a. Dependent Variable: PAD
Berdasarkan tabel di atas dapat dilihat nilai tolerance dan VIF dari pajak hiburan dan pajak hotel sebesar 0,262 dan 3,819 yang berarti bahwa hasil perhitungan nilai tolerance > 0,10 dan nilai VIF <10. Jadi dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model regresi.
b. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap maka disebut homokedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heteroskedastisitas. Kebanyakan data crossection mengandung situasi heteroskedastisitas karena data ini menghimpun data yang mewakili berbagai ukuran (kecil, sedang dan besar). Salah satu cara untuk mendeteksi ada atau tidaknya heteroskedastisitas adalah dengan melihat grafik plot antara nilai prediksi variabel terikat (dependen) yaitu ZPRED dengan
residualnya SRESID. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED (Ghozali,2011:139).
Gambar I. Scatterplot
Dari gambar scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Dengan demikian dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak digunakan untuk memprediksi pendapatan asli daerah berdasarkan variabel independen pajak hiburan dan pajak hotel. c. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Jika
terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual (kesalahan pengganggu) tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu (time series)
karena “gangguan” pada seseorang individu/kelompok cenderung mempengaruhi “gangguan” pada individu/kelompok yang sama pada
periode berikutnya. Pada data crossection (silang waktu), masalah
autokorelasi relatif jarang terjadi karena “gangguan” pada observasi
yang berbeda berasal dari individu/kelompok yang berbeda. Model regresi yang baik adalah regresi yang bebas dari autokorelasi (Santoso, 2010:213).
Tabel 6. Model Summary (Durbin Watson)
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 ,991a ,983 ,971 1.76854E10 1,369
a. Predictors: (Constant), Pajak Hotel, Pajak Hiburan b. Dependent Variable: PAD
Pada tabel 6 di atas dapat dilihat angka D-W (Durbin-Watson) sebesar +1,369. Hal ini berarti bahwa dalam model regresi tidak terdapat masalah autokorelasi
Setelah melakukan uji normalitas dan uji asumsi klasik maka dapat dibuat kesimpulan yang akan dirangkum pada tabel di bawah ini:
Tabel 7. Tabel Rangkuman Pengujian
Pengujian Kesimpulan
Normalitas Data Berdistribusi Normal Multikolinearitas Tidak Terjadi
Heteroskedastisitas Tidak Terjadi Autokorelasi Tidak Terjadi
3. Uji Hipotesis
Langkah selanjutnya adalah melakukan pengujian hipotesis dengan analisis regresi berganda yang dihasilkan melalui bantuan SPSS.
a. Analisis Regresi Berganda (Multiple Regression Analysis)
Tujuan dari analisis regresi adalah untuk mengukur kekuatan hubungan antara dua variabel atau lebih. Selain itu juga untuk menunjukkan hubungan arah antara variabel dependen dengan variabel independen (Ghozali,2011:96).
Tabel 8. Tabel Coeffisients
Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -13889583689,180 21420153703,2 91 -,648 ,563 Pajak Hiburan -1,693 8,431 -,030 -,201 ,854 Pajak Hotel 6,180 ,904 1,017 6,839 ,006
a. Dependent Variable: PAD
Berdasarkan tabel 8 diperoleh persamaan regresi sebagai berikut: Y = -13.889.583.689,180– 1,693X1+ 6,180X2
b. Uji R2 (Koefisien Determinasi)
Koefisien determinasi (R2) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel independen. Nilai koefisien determinasi adalah antara nol dan satu (Ghozali, 2011:97).
Tabel 9. Model Summary (R Square)
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate 1 ,991a ,983 ,971 1.71368E10
a. Predictors: (Constant), Pajak Hotel, Pajak Hiburan b. Dependent Variable: PAD
Berdasarkan tabel 9 dapat dilihat nilai adjusted R2 adalah 0,971. Nilai adjusted R2 sebesar 0,971 mempunyai arti besarnya sumbangan variabel pajak hiburan dan pajak hotel terhadap naik turunnya variabel pendapatan asli daerah adalah 97,1% sedangkan 2,9% disebabkan oleh faktor lainnya.
c. Uji F (Uji Signifikansi Simultan)
Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel independen/terikat. Pengujian hipotesis secara simultan dilakukan dengan membandingkan nilai F hasil perhitungan dengan nilai F menurut tabel (Ghozali,2011: 98).
Tabel 10. ANOVA
ANOVAb
Model
Sum of
Squares Df Mean Square F Sig.
1 Regression 4,985E22 2 2,492E22 84,872 ,002a
Residual 8,810E20 3 2,937E20
Total 5,073E22 5
a. Predictors: (Constant), Pajak Hotel, Pajak Hiburan b. Dependent Variable: PAD
Nilai Ftabel adalah 5,14 (0,05; 6) sedangkan Fhitung adalah 84,872. Ini berarti bahwa nilai Fhitung lebih besar daripada Ftabel, dengan demikian maka Ho ditolak dan dapat diartikan bahwa variabel independen yaitu pajak hiburan dan pajak hotel secara simultan mempunyai pengaruh yang signifikan terhadap variabel dependen yaitu pendapatan asli daerah.
Penentuan kriteria pengujian satu sisi kanan
Daerah tidak Daerah menolak Ho
Menolak Ho
5,14 84,872
d. Uji Signifikansi Parameter Individual (Uji Statistik t)
Pengujian hipotesis secara parsial dilakukan untuk mengetahui perubahan masing-masing variabel bebas secara individual terhadap variabel terikat. Hasil olah data dengan menggunakan SPSS diperoleh thitung untuk pajak hiburan dan pajak hotel. Berdasarkan tabel distribusi t, nilai ttabel adalah 2,132 (n-k-1 = 6-1-1 = 4, signifikan 0,05).
Tabel 11. Tabel Coeffisients (Uji t)
Coefficientsa Model Standardized Coefficients T Sig. Beta (Constant) -,648 ,563 Pajak Hiburan -,030 -,201 ,854 Pajak Hotel 1,017 6,839 ,006
1) Pengujian terhadap pajak hiburan (X1)
Nilai yang digunakan dalam pengujian adalah membandingkan nilai thitung dengan nilai ttabel. Nilai thitung untuk pajak hiburan adalah -0,201dan nilai ttabel pajak hiburan adalah -2,132. Oleh karena thitung lebih besar daripada ttabel maka Ho diterima yang berarti bahwa tidak ada pengaruh yang signifikan dari pajak hiburan tahun anggaran 2008 sampai tahun anggaran 2013 terhadap pendapatan asli daerah tahun anggaran 2008 sampai dengan tahun anggaran 2013.
Penentuan kriteria pengujian satu sisi
Daerah menolak Ho Daerah menolak Ho Daerah tidak menolak Ho
-2,132 -0,201 +2,132
Gambar III. Daerah Penolakan Variabel Pajak Hiburan
2) Pengujian terhadap Pajak Hotel
Nilai yang digunakan dalam pengujian adalah membandingkan nilai thitung dengan nilai ttabel. Nilai thitung untuk pajak hotel adalah sebesar 6,839 sedangkan thitung pajak hotel pajak hotel adalah 2,132. Oleh karena thitung lebih besar daripada ttabel maka Ho ditolak yang berarti bahwa ada pengaruh signifikan dari pajak hotel tahun anggaran 2008 sampai dengan tahun anggaran 2013 terhadap pendapatan asli daerah tahun anggaran 2008 sampai dengan tahun anggaran 2013.
Penentuan kriteria pengujian satu sisi
Daerah
Menolak Ho Daerah tidak Daerah menolak Ho
menolak Ho
-2,132 +2,132 6,839
Gambar IV. Daerah Penolakan Variabel Pajak Hotel