REALISASI PENDAPATAN ASLI DAERAH DI PEMERINTAH KABUPATEN/PEMERINTAH KOTA
B. Analisis Hasil Penelitian
Permasalahan retribusi atau retribusi daerah lebih tepatnya diatur dalam
Peraturan Pemerintah No 66 Tahun 2001 dimana yang dimaksud dengan retribusi
daerah atau retribusi adalah pungutan daerah sebagai pembayaran atas jasa atau
pemberian ijin tertentu yang khusus disediakan dan atau diberikan oleh
Pemerintah Daerah untuk kepentingan orang pribadi atau badan. Sedangkan
retribusi jasa umum adalah pelayanan yang disediakan atau diberikan Pemerintah
Daerah untuk tujuan kepentingan dan kemanfaatan umum serta dapat dinikmati
1. Uji Asumsi Klasik
a. Uji Normalitas Data
1) Grafik
GAMBAR 4.1
histogram Normalitas PAD
-2 -1 0 1 2 3 4
Regression Standardized Residual 0 3 6 9 12 15 Frequency Mean = -1.24E-15 Std. Dev. = 0.99 N = 51
Dependent Variable: PAD Histogram
GAMBAR 4.2
Grafik PP Plots Normalitas PAD
Sumber: diolah dengan SPSS, 2008
Dengan melihat tampilan grafik histogram maupun grafik normal plot dapat
disimpulkan bahwa grafik histogram memberikan pola distribusi yang menceng
kekiri dan tidak normal. Sedangkan pada grafik normal plot terlihat titik-titik
menyebar disekitar garis diagonal. Kedua grafik tersebut menunjukkan bahwa
model regresi menyalahi asumsi normalitas.
0.0 0.2 0.4 0.6 0.8 1.0
Observed Cum Prob 0.0 0.2 0.4 0.6 0.8 1.0 Expected Cum Kota Medan
Kab. Humbang HasundutanKota Sibolga Kab. Tanah Karo Kota Medan Kab. Tanah Karo
Kota Binjai Kota Padang Sidempuan Kab. Labuhan Batu
Kab. Toba samosirKab. Humbang Hasundutan Kota Tanjung Balai Kota Tebing Tinggi
Kab. Tapanuli TengahKota Tebing Tinggi Kab. Langkat Kab. Tapanuli Utara
Kab. Toba samosir Kab. Asahan Kab. Simalungun
Kab. Asahan Kota Medan Dependent Variable: PAD
2) Kolmogorov-Smirnov
TABEL 4.3
One-Sample Kolmogorov-Smirnov Test
PAD RETRIBUSI
N
Normal Parametersa,b Mean
Std. Deviation
Most Extreme Absolute
Differences Positive Negatif Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
51 31027,13 67730,50 ,384 ,384 -,333 2,739 ,000 51 10687,3259 26734,747 ,428 ,428 -,355 3,054 ,000
a. Test distribution is Normal
b. Calculated from data
Sumber: diolah dengan SPSS, 2008
Dari hasil uji normalitas diatas, dapat dilihat bahwa variabel ( Retribusi
daerah, PAD) memiliki data yang tidak terdistribusi dengan normal karena nilai
signifikannya < 0,05. Oleh karena itu dilakukan transformasi data terhadap data
yang tidak terdistribusi secara normal tersebut untuk menormalkan. Caranya
adalah dengan melakukan LN terhadap semua variabel yang tidak terdistribusi
Hasil uji normalitas setelah dilakukan transformasi data yang tidak normal
tersebut dapat dilihat pada grafik histogram, normal probability plot dan tabel
kolmogorov-Smirnov tes berikut ini:
GAMBAR 4.3
Histogram Normalitas LN PAD
-4 -3 -2 -1 0 1 2
Regression Standardized Residual
0 5 10 15 20 Frequency Mean = -1.48E-15 Std. Dev. = 0.99 N = 51
Dependent Variable: LNPAD Histogram
GAMBAR 4.4
Sumber: diolah dengan SPSS, 2008
Dari grafik histogram dan Normal Probability Plot pada gambar di atas
terlihat bahwa setelah dilakukan transformasi data menggunakan LN, grafik
histogram menggambarkan pola distribusi yang normal dan grafik PP-Plot
memperlihatkan titik-titik menyebar disekitar/mengikuti arah garis diagonal yang
menunjukkan pola distribusi normal.
TABEL 4.4
One-Sample Kolmogorov-Smirnov Test
0.0 0.2 0.4 0.6 0.8 1.0
Observed Cum Prob 0.0 0.2 0.4 0.6 0.8 1.0
Expected Cum Prob
Kab. Humbang Hasundutan Kota Sibolga
Kota Padang Sidempuan Kab. Humbang Hasundutan Kota Binjai
Kab. Tanah Karo
Kab. Labuhan Batu Kota BinjaiKota Tanjung Balai Kota Tanjung BalaiKab. Labuhan Batu
Kota Tebing Tinggi Kab. Humbang Hasundutan Kab. Tapanuli Tengah
Kota Tebing Tinggi Kab. Tapanuli Utara
Kota Medan Kab. Asahan Kab. Tapanuli Tengah
Kab. Deli Serdang Kab. Toba samosir Kab. Tapanuli Utara Dependent Variable: LNPAD
LNPAD LNRETRIBUSI
N
Normal Parametersa,b Mean
Std. Deviation
Most Extreme Absolute
Differences Positive Negatif Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
51 9,5162 1,04458 ,143 ,143 -,083 1,018 ,251 51 8,2975 1,10728 ,130 ,130 -,069 ,928 ,356 a.Test distribution is Normal
b. Calculated from data
Sumber: diolah dengan SPSS, 2008
Dari tabel Kolmogorov-Smirnov diatas dapat dilihat bahwa setelah
dilakukan transformasi data dengan LN, semua data variabel yang diuji menjadi
normal, sebagaimana yang dapat dilihat pada tabel Kolmogorov-Smirnov tersebut
nilai signifikan untuk semua tabel > 0,05.
b. Uji Heterokendastisitas
Heterokedastisitas digunakan untuk menguji apakah dalam sebuah model
regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke
pengamatan yang lain. Model regresi yang baik adalah tidak terjadi
heterokedastisitas. Menurut Ghozali (2005:105), uji heteroskedastisitas dilakukan
dengan melihat ada tidaknya pola tertentu pada grafik Scatterplot antara SRESID
dan ZPRED dimana dasar analisisnya adalah: (1) jika titik-titik yang ada
menyempit maka terjadi heterokedastisitas, dan jika (2) jika tidak ada pola yang
jelas titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y maka tidak
terjadi gejala heterokedastisitas. Dari grafik Scatterplot penelitian ini terlihat titik-
titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka 0
pada sumbu Y hal ini menunjukkan tidak terjadi heterokedastisitas pada model
regresi, sehingga model regresi layak dipakai untuk memprediksi Pendapatan Asli
Daerah berdasarkan masukan variable independennya retribusi daerah.
GAMBAR 4.5
Sumber: diolah dengan SPSS, 2008
-2 -1 0 1 2 3 4
Regression Standardized Predicted Value - - - - 0 1 2
Regression Studentized Residual
Kab Samosir
Kota Binjai
Kota Medan
Kota Pematang Siantar Kota Tanjung Balai
Kota Tebing Tinggi
Kab. Humbang Hasundutan Kab. Tapanuli Utara
Kab. Tapanuli Tengah
Kab. Deli Serdang
Kab. Tanah Karo
Kab. Labuhan Batu Kab. Langkat
Kab. Simalungun Kota Medan
Kota Sibolga Kota Tebing Tinggi Kab. Tapanuli Tengah
Kab. Deli Serdang
Kab. Tanah Karo
Kota Medan
Kota Sibolga Kota Padang Sidempuan
Kab. Deli Serdang Dependent Variable: LNPAD
c. Uji Autokorelasi
Uji autokorelasi hanya digunakan untuk autokorelasi tingkat satu (first
order autocorrelation) dan mensyaratkan adanya intercept (konstanta) dalam
model regresi dan tidak ada variabel lag di antara variabel independen. Hipotesis
yang akan diuji:
Ho: tidak ada autokorelasi (r=0)
Ha: ada autokorelasi (r≠0)
Pengambilan keputusan ada tidaknya autokorelasi:
TABEL 4.5
Hipotesis nol Keputusan Jika
Tidak ada autokorelasi
positif
Tolak 0 < d < dl
Tidak ada autokorelasi
positif
No desicison dl ≤d ≤ du
Tidak ada autokorelasi
negatif
Tolak 4 - dl < d < 4
Tidak ada autokorelasi
negatif
Tidak ada autokorelasi
positif atau negatif
Tidak ditolak Du < d < 4 - du
Hasil dari uji Autokorelasi dapat dilihat dari tabel berikut:
TABEl 4.6 Model Summaryb
Model R R Square Adjusted
R Square Std. Error of The Estimate Durbin- Watson 1 ,892a ,796 ,792 ,47684 1,834
a. Predictors: (Constant), LNRETRIBUSI
b. Dependent Variable: LNPAD
Sumber: diolah dengan SPSS, 2008
Berdasarkan tabel di atas diketahui bahwa nilai DW sebesar 1,834. Nilai ini dibandingkan dengan nilai tabel dengan menggunakan nilai signifikansi 5%, jumlah variabel independent 1 (k=1) dan jumlah observasi sebanyak 51 (n=51) maka dari tabel statistik Durbin Watson akan didapatkan nilai DL sebesar 1,508 dan nilai DU sebesar 1,585. Oleh karena nilai DW 1,834 lebih besar dari batas atas (DU) 1,585 dan kurang dari 4 - 1,585= 2,415 (4-DU), berarti Du<d<4-du (1,585<1,834<2,415) , maka dapat
disimpulkan bahwa tidak terdapat autokorelasi.
2. Pengujian Hipotesis
Model analisis data yang digunakan adalah model regresi sederhana untuk
Adapun formula regresi sederhana adalah:
Y= a+ b X+e
Hasil pengujian regresi sederhana untuk melihat pengaruh retribusi daerah
dapat dilihat dalam tabel berikut:
TABEL 4.7