3.3. Metode Pengolahan dan Analisis Data
3.3.4 Analisis Regresi Berganda
Berdasarkan Mattjik & Sumertajaya (2000), persamaan regresi berganda adalah persamaan regresi dengan satu peubah tak bebas (Y) dengan lebih dari satu peubah bebas (X1, X2, ...Xp). Analisis ini digunakan untuk mengetahui hubungan antara variabel dependen (peubah tak bebas) dengan variabel independen (peubah bebas). Model yang dibentuk oleh peneliti yaitu:
PAD = a+b1JW+b2JWP+b3TI+ei………...(4) Keterangan:
PAD : Pendapatan Asli Daerah (Rupiah) a : Konstanta
b1- b3 : Koefisien Regresi ei :error
JW : Jumlah Wisatawan (orang) JWP : Jumlah Wajib Pajak (orang) TI : Tingkat Inflasi (persen)
Dalam model regresi ada beberapa syarat yang harus dipenuhi yaitu residual menyebar saling bebas mengikuti sebaran normal, residual memiliki ragam yang homogen atau tidak terdapat masalah heteroskedastisitas dan tidak ada korelasi yang tinggi antar variabel. Karena itu, terlebih dahulu perlu dilakukan uji normalitas dan uji homogenitas. Kemudian untuk regresi berganda dilakukan uji penyimpangan asumsi klasik yang terdiri dari multikolinearitas, heteroskedastisitas dan otokorelasi/autokorelasi.
20
1. Uji Normalitas
Uji normalitas adalah uji yang dilakukan untuk mengetahui kenormalan data, apakah data yang digunakan dapat dianggap normal atau tidak. Jika data tidak berdistribusi normal, maka data selanjutnya akan diolah dengan statistik nonparametrik dan sebaliknya jika data menyebar normal maka data akan diolah dengan statistik parametrik. Pengolahan stastik parametrik yaitu dalam penelitian ini menggunakan regresi berganda. Pengujian normalitas menggunakan Kolmogorov-Smirnov. Nilai sisaan atau residual dinyatakan menyebar normal jika signifikansinya lebih besar dari 5% atau 0,05. Selain itu juga, uji normalitas ini dapat dilihat dari grafik probability Plot of RESI 1. Hipotesis yang digunakan untuk uji normalitas ini yaitu:
H0 :sisaan menyebar normal H1 :sisaan tidak menyebar normal 2. Uji Homogenitas
Uji homogenitas digunakan untuk mengetahui apakah nilai residual atau nilai sisaan yang sama atau tidak. Salah satu cara untuk mengetahui ada tidaknya penyimpangan ini yaitu dengan grafik fitted value dengan residual. Residual atau nilai sisaan dikatakan homogen jika gambar dalam grafik tidak berpola. Konsekuensi tidak adanya homogenitas atau konsekuensi adanya heteroskedastisitas yaitu kemungkinan untuk mengambil kesimpulan yang salah dalam uji F dan uji t karena pengujian tingkat signifikansi yang kurang tepat.
3. Uji multikolinieritas
Multikolinieritas yaitu penyimpangan uji asumsi klasik dimana antarvariabel independen yang terdapat dalam model memiliki hubungan yang sempurna atau mendekati sempurna (koefisien korelasinya tinggi atau bahkan 1). Uji multikolinearitas digunakan untuk mengetahui apakah terjadi korelasi yang kuat di antara variabel-variabel independen yang diikutsertakan dalam
pembentukan model. Ada beberapa metode pengujian yang dapat digunakan untuk menguji ada tidaknya masalah multikolinearitas, yaitu:
1. dengan membandingkan nilai koefisien determinasi individual (r2) dengan nilai determinasi secara serentak (R2).
2. dengan melihat nilaieigenvaluedancondition index.
3. dengan melihat nilai Variance Inflation Factor (VIF) untuk masing-masing variabel independen, yaitu jika suatu variabel independen mempunyai nilai VIF > 5 maka model tersebut mengalami masalah multikolinearitas (Santoso, 2001).
Dalam penelitian ini, untuk melihat apakah terjadi masalah multikolinearitas atau tidak dengan melihat hasil perhitungan nilai VIF.
4. Pengujian heteroskedastisitas
Heteroskedastisitas artinya varians variabel dalam model tidak sama. Pengujian ini digunakan untuk melihat nilai varians antar nilai variabel dependen (Y) apakah homogen atau heterogen. Pendeteksian ada tidaknya heteroskedastisitas ada tiga cara, yaitu uji korelasi ranking Spearman, uji Glesjer (Glesjer Test) dan uji Park (Park Test). Uji ranking Spearman ditandai dengan hasil t hitung yang lebih besar dari ttabel(menolak H0). Uji Glesjer (Glesjer Test) dilakukan dengan membuat model regresi yang melibatkan nilai absolute residual (e) sebagai variabel dependen, jika semua variabel independen signifikan maka dalam model tersebut terdapat heteroskedastisitas. Uji Park (Park Test) dilakukan dengan membuat model regresi yang melibatkan nilai logaritma residual kuadrat (log e2) sebagai variabel dependen, jika semua variabel independen signifikan maka dalam model tersebut terdapat heteroskedastisitas. Salah satu cara untuk menghilangkan heteroskedastisitas dalam model regresi yaitu dengan mentransformasi variabel menjadi log (Algifari, 2000).
22
5. Pengujian otokorelasi/autokorelasi
Pengujian otokorelasi bertujuan untuk melihat apakah ada korelasi antar anggota sampel yang diurutkan berdasarkan waktu. Penyimpangan ini biasanya terjadi pada penelitian yang menggunakan datatime series. Pengujian otokorelasi menggunakan
Uji Durbin-Watson dengan tingkat kepercayaan (α = 5%) dan daerah autokorelasi terdiri dari tiga yaitu:
a) 1,65 < DW < 2,35 tidak terjadi autokorelasi
b) 1,21 < DW < 1,65 atau 2,35 < DW < 2,79 tidak dapat disimpulkan
c) DW < 1,21 atau DW > 2,79 terjadi autokorelasi 6. Uji t-Statistik (metode pengujian parsial)
Dilakukan untuk mengetahui pengaruh variabel bebas secara individual terhadap variabel tidak bebas. Adapun hipotesis yang digunakan adalah sebagai berikut:
a. Peubah jumlah wisatawan
H0 : Tidak terdapat pengaruh yang signifikan antara jumlah wisatawan (JW) terhadap Pendapatan Asli Daerah (PAD).
H1 : Terdapat pengaruh yang signifikan antara jumlah wusatawan (JW) terhadap Pendapatan Asli Daerah (PAD).
b. Peubah jumlah wajib pajak
H0 : Tidak terdapat pengaruh yang signifikan antara jumlah wajib pajak (JWP) terhadap Pendapatan Asli Daerah (PAD).
H1 : Terdapat pengaruh yang signifikan antara jumlah wajib pajak (JWP) terhadap Pendapatan Asli Daerah (PAD). c. Peubah Tingkat Inflasi
H0 : Tidak terdapat pengaruh yang signifikan antara tingkat inflasi (TI) terhadap Pendapatan Asli Daerah (PAD).
H1 : Terdapat pengaruh yang signifikan antara tingkat inflasi (TI) terhadap Pendapatan Asli Daerah (PAD).
Selanjutnya hasil perhitungan dilihat hasilnya dan termasuk ke dalam kelompok mana. Hal ini dibedakan berdasarkan:
1) thitung> ttabelatau thitung < -ttabelmaka H0 ditolak dan H1diterima, berarti variabel independen berpengaruh secara signifikan terhadap variabel dependen.
2) -ttabel < thitung < ttabel maka H0 diterima dan H1 ditolak berarti variabel independen tidak berpengaruh secara signifikan terhadap variabel dependen.
7. Uji F statistik (metode pengujian global)
Uji F dilakukan untuk mengetahui apakah variabel independen secara keseluruhan signifikan dalam mempengaruhi variabel dependen. Adapun hipotesis yang digunakan adalah sebagai berikut:
H0 : Tidak terdapat pengaruh yang signifikan antara jumlah wisatawan (JW), jumlah wajib pajak (JWP) dan tingkat inflasi (TI) terhadap Pendapatan Asli Daerah (Y) secara bersama-sama.
H1 : Terdapat pengaruh yang signifikan antara jumlah wisatawan (JW), jumlah wajib pajak (JWP) dan tingkat inflasi (TI) terhadap Pendapatan Asli Daerah (Y) secara bersama-sama. Dengan membandingkan nilai Fhitungdengan nilai Ftabeldapat diketahui tingkat signifikansinya. Apabila:
a) Jika Fhitung > Ftabel atau Fhitung < -Ftabel maka H0 ditolak dan H1
diterima,
b) Jika-Ftabel< Fhitung< Ftabelmaka H0diterima dan H1ditolak. 8. Koefisien Korelasi (r)
Nilai koefisien korelasi (r) digunakan untuk mengetahui keeratan hubungan antara dua variabel dan mengetahui arah hubungan antara dua variabel. Dalam penelitian ini menggunakan Pendapatan Asli Daerah (PAD) sebagai variabel dependen (Y)
24
sedangkan jumlah wisatawan, jumlah wajib pajak dan tingkat inflasi sebagai variabel independen (X) Nilai koefisien korelasi berkisar antar -1 sampai +1 yang kiteria pemanfaatannya dijelaskan sebagai berikut:
a) Jika nilai r > 0 artinya telah terjadi hubungan yang linier positif, yaitu makin besar nilai variabel X (independen), makin besar pula nilai variabel Y (dependen) dan sebaliknya.
b) Jika nilai r < 0 artinya telah terjadi hubungan yang linier negatif, yaitu makin kecil nilai variabel X (independen) maka makin besar nilai variabel Y (dependen) dan sebaliknya.
c) Jika nilai r = 0 artinya tidak ada hubungan sama sekali antara variabel X (independen) dengan variabel Y (dependen).
d) Jika nilai r = +1 atau r = -1 telah terjadi hubungan linier sempurna yaitu berupa garis lurus, sedangkan untuk nilai r yang makin mengarah ke angka 0 maka garis makin tidak lurus. 9. Koefisien Determinasi (r2)
Koefisien determinasi adalah salah satu nilai statistik yang dapat digunakan untuk mengetahui apakah ada hubungan pengaruh antara dua variabel. Selain itu, r2 dapat menunjukkan ragam naik atau turunnya variabel dependen (Y) yang diterangkan oleh pengaruh linear variabel independen (X). Ukuran nilai r2 adalah semakin mendekati angka satu berarti garis regresi yang terbentuk dapat meramalkan variabel dependen (Y) secara lebih baik menuju kesempurnaan artinya pengaruhnya semakin kuat.
4.1. Gambaran Umum Kota Bogor