BAB V HASIL PENELITIAN DAN PEMBAHASAN
5.1. Hasil Penelitian
5.1.2. Deskriptif Statistik Data Penelitian
5.1.4.1. Analisis Regresi Berganda Pengujian
Pengujian Asumsi klasik yang telah dilakukan terhadap persamaan regresi menyimpulkan bahwa persamaan tersebut berdistribusi normal dan layak digunakan sebagai model persamaan matematis.
Tabel 5.10.
Hasil Uji Hipotesis Pertama (H1) Coefficientsa
Model
Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 677.460 241.252 2.808 .008 X1 50.543 7.563 .955 6.683 .000 X2 -878.274 140.625 -.892 -6.245 .000 a. Dependent Variable: Y Sumber : Lampiran - 4
Berdasarkan uji koefisien regresi dihasilkan persamaan regresi sebagai berikut:
Y = 677.460 + 50.543X1 - 878.274X2 + e
Persamaan regresi tersebut koefisien regresi dari efektivitas pemungutan BPHTB (X1) menunjukkan nilai koefisien regresi yang positif sebesar 50.543, artinya apabila X1 meningkat sebesar 1%, maka nilai Y (PAD) akan naik sebesar 50.543 jika variabel kontribusi penerimaan BPHTB dianggap konstan.
Sementara itu koefisien kontribusi penerimaan BPHTB (X2) menunjukkan nilai koefisien regresi yang negatif sebesar -878.274, artinya apabila nilai X2 meningkat sebesar 1%, maka nilai Y (PAD) akan turun sebesar -878.274 jika variabel efektivitas pemungutan BPHTB konstan.
Nilai konstanta sebesar 677,460, artinya apabila variabel efektivitas pemungutan BPHTB (X1) dan kontribusi penerimaan BPHTB (X2) sama dengan konstan, maka penerimaan PAD adalah sebesar 677,460.
5.1.4.1.1. Koefisien Deteminasi (R2)
Uji statistik koefisien determinasi pada penelitian ini tujuannya adalah untuk mengetahui seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen.
Tabel 5.11. Koefisien Determinasi
Model Summaryb
Model R R Square Adjusted R Std. Error of
Durbin-1 .779a .607 .584 699.24940 1.703
a. Predictors: (Constant), X2, XI b. Dependent Variable: Y Sumber : Lampiran – 4
Dari output SPSS pada model summary, diperoleh nilai R square sebesar
0,607 hal ini menunjukkan bahwa variabel efektivitas pemungutan BPHTB dan kontribusi penerimaan BPHTB mempunyai hubungan yang kuat dengan PAD, dan nilai adjusted R square sebesar 0,584. Hal ini menunjukkan bahwa 58,4% variasi variabel Y (PAD) dapat dijelaskan oleh variasi variabel independen X1 (efektivitas pemungutan BPHTB) dan X2 (kontribusi penerimaan BPHTB), sedangkan sisanya 41,6% dijelaskan oleh variabel-variabel lainnya yang tidak dimasukkan kedalam model regresi.
5.1.4.1.2. Uji Statistik F
Uji pengaruh simultan digunakan untuk mengetahui apakah variabel independen yaitu X1 (efektivitas pemungutan BPHTB) dan X2 (kontribusi
penerimaan BPHTB) secara bersama-sama atau simultan mempengaruhi Y (PAD atau variabel dependen.
Tabel 5.12. Uji Statistik F
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 2.496E7 2 1.248E7 25.528 .000a
Residual 1.614E7 33 488949.723
Total 4.110E7 35
a. Predictors: (Constant), X2, XI b. Dependent Variable: Y Sumber : Lampiran – 4
Dari output SPSS, hasil uji Anova diperoleh Fhitung = 25,528 > 3,32 dan
signifikan pada 0,000 < α = 0,05, keputusannya Ho ditolak Ha diterima, dengan
demikian dapat disimpulkan bahwa X1 (efektivitas pemungutan BPHTB) dan X2 (kontribusi penerimaan BPHTB) secara simultan berpengaruh terhadap PAD.
5.1.4.1.3. Uji Statistik t
Uji statistik t digunakan untuk mengetahui pengaruh masing-masing variabel independen X1 (efektivitas pemungutan BPHTB) dan X2 (kontribusi penerimaan BPHTB) terhadap variabel dependen Y (PAD).
Tabel 5.12. Uji Statistik t Coefficientsa Model Unstandardized Standardized T Sig. B Std. Error Beta 1 (Constant) 677.460 241.252 2.808 .008 XI 50.543 7.563 .955 6.683 .000 X2 -878.274 140.625 -.892 -6.245 .000 a. Dependent Variable:Y Sumber : Lampiran – 4
Dari hasil output SPSS, hasil uji statistik t diperoleh, tingkat signifikan
variabel independen X1 (efektivitas pemungutan BPHTB) sebesar 0,000 < α =
0,005 dan thitung = 6,683 > ttabel = 2,035, keputusannya Ho ditolak Ha diterima, maka kesimpulannya efektivitas pemungutan BPHTB berpengaruh positif signifikan terhadap PAD. Tingkat signifikan X2 (kontribusi penerimaan BPHTB)
sebesar 0,000 < α = 0,05 dan thitung = -6,245 < ttabel = 2,035, keputusannya Ho ditolak Ha diterima, maka kesimpulannya kontribusi penerimaan BPHTB berpengaruh negatif signifikan terhadap PAD.
5.1.4.2. Analisis Regresi Berganda Pengujian Hipotesis Kedua (H2) dengan MRA
Berdasarkan uji asumsi klasik, yang telah dilakukan untuk uji regresi linier berganda dengan variabel moderating, untuk model I data berdistribusi normal, sedangkan untuk model II dikarenakan adanya terjadi korelasi antara variabel independen dilakukanlah transformasi variabel dengan logaritma natural. Oleh karena itu data yang tersedia telah memenuhi syarat untuk menggunakan model
regresi linier berganda dengan moderating, untuk mengetahui hubungan moderating antara variabel independen dengan variabel dependen. Ada dua model yang akan digunakan.
Tabel 5.14.
Hasil Uji Hipotesis Kedua (H2) dengan MRA Model I Coefficientsa
Model Unstandardized Standardized T Sig.
B Std. Error Beta 1 (Constant) -359.985 452.564 -.795 .432 X1 24.037 12.246 .454 1.963 .058 X2 -672.821 151.207 -.683 -4.450 .000 Z .376 .143 .479 2.631 .013 a. Dependent Variable: Y Sumber : Lampiran - 6
Berdasarkan uji koefisien regresi dihasilkan persamaan regresi model I sebagai berikut:
Y = -359,985 + 24,037X1 – 672,821X2 + 0,376Z
Nilai Y (PAD) diatas menunjukkan nilai estimasi, dimana koefisien X1 (efektivitas pemungutan BPHTB) sebesar 24,037. Artinya, apabila nilai X1 (efektivitas pemungutan BPHTB) meningkat sebesar 1%, maka nilai Y (PAD) akan naik sebesar 24,037. Jika variabel kontribusi penerimaan BPHTB dan jumlah penduduk dianggap konstan.
Koefisien X2 (kontribusi penerimaan BPHTB) sebesar -672,821. Artinya, apabila nilai X2 (kontribusi penerimaan BPHTB) meningkat sebesar 1%, maka nilai Y (PAD) akan turun sebesar -672,821. Jika variabel efektivitas pemungutan BPHTB dan jumlah penduduk dianggap konstan.
Koefisien Z (jumlah penduduk) sebesar 0,376. Artinya, apabila nilai Z (jumlah penduduk) meningkat sebesar 1%, maka nilai Y (PAD) akan naik sebesar 0,376. Jika variabel efektivitas pemungutan BPTHB dan kontribusi penerimaan BPHTB dianggap konstan.
Nilai konstanta sebesar -359,985. Artinya, apabila nilai X1 (efektivitas pemungutan BPHTB), X2 (Kontribusi penerimaan BPHTB) dan Z (jumlah penduduk) dalam model sama dengan nol, maka penerimaan PAD adalah sebesar -359,985. Jika variabel independen dianggap konstan.
Tabel 5.15.
Hasil Uji Hipotesis Kedua (H2) dengan MRA Model II Coefficientsa Model Unstandardizsed Standardized t Sig. B Std. Error Beta 1 (Constant) -14058.616 3812.322 -3.688 .001 LNX1 779.398 317.366 .476 2.456 .020 LNZ 2777.095 514.729 .827 5.395 .000 LNX2Z -1238.386 212.542 -.897 -5.827 .000 a. Dependent Variable: Y Sumber : Lampiran – 8
Berdasarkan uji koefisien regresi dihasilkan persamaan regresi model II, dikarenakan pada saat uji koefisisen regresi yang pertama terdapat adanya multikolonieritas, dan untuk memperbaiki multikolonieritas salah satu caranya yaitu dengan transformasi variabel dalam bentuk logaritma natural, sehingga pada saat output yang dihasilkan ada dua variabel yang di exclude yaitu LNX2
pemungutan BPHTB dengan jumlah penduduk/moderating 1), dan variabel yang dihasilkan dalam persamaan regresi model II sebagai berikut:
Y = -14.058,616 + 779,398LNX1 + 2.777,095LNZ – 1.238,386LNX2Z + e
Nilai Y (PAD) diatas menunjukkan nilai estimasi, dimana koefisien LNX1 (efektivitas pemungutan BPHTB) sebesar 779,398. Artinya, apabila nilai LNX1 (efektivitas pemungutan BPHTB) meningkat sebesar 1%, maka nilai Y (PAD) akan naik sebesar 779,398. Jika variabel LNZ (jumlah penduduk) dan LNX2Z (interaksi antara kontribusi penerimaan BPHTB dengan jumlah penduduk/moderating 2) dianggap konstan.
Koefisien LNZ (jumlah penduduk) sebesar 2.777,095. Artinya, apabila nilai LNZ (jumlah penduduk) meningkat sebesar 1%, maka nilai Y (PAD) akan naik sebesar 2.777,095. Jika variabel efektiviats pemungutan BPHTB dan moderating 2 dianggap konstan.
Koefisien LNX2Z (moderating 2) sebesar -1.238,386. Artinya, apabila nilai LNX2Z (moderating 2) meningkat sebesar 1%, maka nilai Y (PAD) akan turun sebesar -1.238,386. Jika variabel efektivitas pemungutan BPHTB dan jumlah penduduk dianggap konstan.
Nilai konstanta sebesar -14.058,616. Artinya, apabila nilai LNX1
(efektivitas pemungutan BPHTB), LNZ (jumlah penduduk) dan LNX2Z (moderating 2) dalam model sama dengan nol, maka penerimaan PAD adalah sebesar -14.058,616. Jika variabel independen dianggap konstan.
5.1.4.2.1. Koefisien Deteminasi (R2)
Uji statistik koefisien determinasi pada penelitian ini tujuannya adalah untuk mengetahui seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen.
Tabel 5.16.
Hasil Uji Koefisien Determinasi Model 1 Model Summaryb
Model R R Square Adjusted R Square Std. Error of
Durbin-1 .823a .677 .647 643.85276 1.742
a. Predictors: (Constant), Z, X2, X1 b. Dependent Variable: Y
Sumber : Lampiran - 6
Dari output SPSS model I pada model summary, diperoleh nilai R square sebesar 0,677 hal ini menunjukkan bahwa variabel efektivitas pemungutan BPHTB (X1), kontribusi penerimaan BPHTB (X2) dan jumlah penduduk (Z) mempunyai hubungan yang kuat dengan PAD, dan nilai adjusted R square sebesar 0,647. Hal ini menunjukkan bahwa 64,7% variasi variabel Y (PAD) dapat dijelaskan oleh variasi variabel independen X1 (efektivitas pemungutan BPHTB), X2 (kontribusi penerimaan BPHTB) dan Z (jumlah penduduk), sedangkan sisanya 35,3% dijelaskan oleh variabel-variabel lainnya yang tidak dimasukkan kedalam model regresi.
Tabel 5.17.
Hasil Uji Koefisien Determinasi Model II Model Summaryb
Model R R Square Adjusted R Square Std. Error of
Durbin-1 .847a .718 .691 601.98109 2.119
a. Predictors: (Constant), LNX2Z, LNZ, LNXI b. Dependent Variable: Y
Sumber : Lampiran – 8
Dari output SPSS model II pada model summary, diperoleh nilai R square sebesar 0,718 hal ini menunjukkan bahwa variabel efektivitas pemungutan BPHTB (LNX1), jumlah penduduk (LNZ) dan moderating 2 (LNX2Z) mempunyai hubungan yang kuat dengan PAD, dan nilai adjusted R square sebesar 0,691. Hal ini menunjukkan bahwa 69,1% variasi variabel Y (PAD) dapat dijelaskan oleh variasi variabel LNX1 (efektivitas pemungutan BPHTB), LNX2Z (moderating 2) dan LNZ (jumlah penduduk), sedangkan sisanya 30,9% dijelaskan oleh variabel-variabel lainnya yang tidak dimasukkan kedalam model regresi.
5.1.4.2.2. Uji Statistik F
Uji pengaruh simultan digunakan untuk mengetahui apakah variabel LNX1 (efektivitas pemungutan BPHTB), LNX2Z (moderating 2) dan LNZ (jumlah penduduk) secara bersama-sama atau simultan mempengaruhi variabel dependen.
Tabel 5.18.
Hasil Uji Statistik F Model I ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 2.783E7 3 9277902.794 22.381 .000a Residual 1.327E7 32 414546.373 Total 4.110E7 35 a. Predictors: (Constant), Z, X2, X1 b. Dependent Variable: Y Sumber : Lampiran - 6
Dari output SPSS model I, hasil uji Anova diperoleh Fhitung = 22,381 >
2,92 dan signifikan pada 0,000 < α = 0,05, keputusannya Ho ditolak Ha diterima,
dengan demikian dapat disimpulkan bahwa X1 (efektivitas pemungutan BPHTB), X2 (kontribusi penerimaan BPHTB) dan Z (jumlah penduduk) secara simultan berpengaruh terhadap PAD.
Tabel 5.19.
Hasil Uji Statistik F Model II ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 2.950E7 3 9834330.896 27.138 .000a Residual 1.160E7 32 362381.238 Total 4.110E7 35 a. Predictors: (Constant),LNX2Z, b. Dependent Variable: Y Sumber : Lampiran – 8
Dari output SPSS model II, hasil uji Anova diperoleh Fhitung = 27,138 >
dengan demikian dapat disimpulkan bahwa LNX1 (efektivitas pemungutan BPHTB), LNZ (jumlah penduduk) dan LNX2Z (moderating 2) secara simultan berpengaruh terhadap PAD.
5.1.4.2.3. Uji Statistik t
Uji statistik t digunakan untuk mengetahui pengaruh masing-masing variabel LNX1 (efektivitas pemungutan BPHTB), LNX2Z (moderating 2) dan LNZ (jumlah penduduk) berpengaruh secara parsial terhadap variabel dependen Y (PAD).
Dari hasil output SPSS model I dapat dilihat pada tabel 5.14., hasil uji statistik t diperoleh, tingkat signifikan variabel independen X1 (efektivitas
pemungutan BPHTB) sebesar 0,058 > α = 0,05 dan thitung = 1,963 < ttabel = 2,037, keputusannya Ho diterima Ha ditolak, maka kesimpulannya efektivitas pemungutan BPHTB tidak berpengaruh signifikan terhadap PAD. Tingkat signifikan X2 (kontribusi penerimaan BPHTB) sebesar 0,000 < α = 0,05 dan
thitung = -4,450 < ttabel = 2,037, keputusannya Ho ditolak Ha diterima, maka kesimpulannya kontribusi penerimaan BPHTB berpengaruh negatif signifikan terhadap PAD. Tingkat signifikan Z (jumlah penduduk) sebesar 0,013 < α = 0,05
dan thitung = 2,631 > ttabel = 2,037, keputusannya Ho ditolak Ha diterima, maka kesimpulannya jumlah penduduk berpengaruh signifikan terhadap PAD.
Dari hasil output SPSS pada tabel 5.15., hasil uji statistik t diperoleh, tingkat signifikan variabel independen LNX1 (efektivitas pemungutan BPHTB)
sebesar 0,020 < α = 0,05 dan thitung = 2,456 > ttabel = 2,037, keputusannya Ho ditolak Ha diterima, maka kesimpulannya efektivitas pemungutan BPHTB
berpengaruh secara signifikan terhadap PAD. Tingkat signifikan LNZ (jumlah
penduduk) sebesar 0,000 < α = 0,05 dan thitung = 5,395 > ttabel = 2,037, keputusannya Ho ditolak Ha diterima, maka kesimpulannya jumlah penduduk berpengaruh secara signifikan terhadap PAD. Tingkat signifikan LNX2Z (moderating 2) sebasar 0,000 < α = 0,05 dan thitung = -5,827 < 2,037, keputusannya Ho ditolak Ha diterima, maka kesimpulannya moderating 2 berpengaruh negatif siginifkan terhadap PAD, dan jumlah penduduk mampu memoderasi hubungan antara kontribusi penerimaan BPHTB dengan Pendapatan Asli Daerah.. Selanjutnya jumlah penduduk bukan variabel moderating antara variabel-variabel independen tersebut terhadap variabel independennya yaitu PAD. Hal ini ditunjukkan dari nilai signifikan variabel LNX1Z (moderating 1) dan LNX2Z (moderating 2) hanya satu yang memiliki nilai signifikan jauh dibawah 0,05 yaitu variabel LNX2Z (moderating 2) sedangkan LNX1Z (moderating 1) tidak signifikan dan dikeluarkan dalam persamaan atau di exclude. Oleh karena itu jumlah penduduk bukan variabel moderating. Suatu variabel dikatakan moderating jika interaksinya antara variabel independen menunjukkan nilai yang signifikan.
Tabel 5.20. Excluded Variablesb Model Beta In t Sig. Partial Correlation Collinearity Statistics
Toleranc VIF Minimum
1 LNX2 .a . . . .000 . .000
LNXIZ .a . . . .000 . .000
a. Predictors in the Model: (Constant), LNX2Z, LNZ LNX1
b. Dependent Variable: Y Sumber : Lampiran - 8
Hasil uji di atas merupakan hasil dari uji analisis regresi berganda dengan moderating untuk model II, yang merupakan variabel yang dikeluarkan dari dalam persamaan, karena variabel LNX2 dan LNX1Z tidak signifikan dan tidak mempengaruhi PAD. Berdasarkan pengujian tersebut terdapat beberapa variabel yang merupakan excluded variables yakni LNX2 dan LNX1Z.