4.3.1 Uji Statistik Deskriptif
Statistik deskriptif keseluruhan variabel penelitian yang mencakup nilai minimum, maksimum, rata-rata dan standar deviasi adalah seperti yang terlihat pada tabel di bawah ini :
Tabel 4.1
Tabel Statistik Deskriptif
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation PajakDaerah 105 5470000.0 487142179.0 26997327.086 55206624.0271 RetribusiDaerah 105 4435191.0 99421615.0 27116353.276 18560934.8809 PendapatanAsliDaerah 105 38185621.0 660372358.0 92681170.533 74164818.8714 Valid N (listwise) 105
Sumber : data yang diolah SPSS
Dari tabel dijelaskan bahwa jumlah data (N) yang diuji adalah 105. Selain itu diperoleh gambaran nilai minimum, maksimum, rata-rata dan standar deviasi masing-masing variabel sebagai berikut :
a. Pendapatan Asli Daerah
Selama kurun waktu 3 tahun dapat diketahui bahwa jumlah Pendapatan Asli
Daerah terbesar yaitu yaitu Rp. 660.372.358 yang dihasilkan oleh Kota Semarang
pada tahun 2012. Sedangkan jumlah Pendapatan Asli Daerah terkecil yaitu Rp 38.185.621 dihasilkan oleh Kota Pekalongan pada tahun 2010. Rata-rata
45
tingkat standar deviasi sebesar Rp. 74.164.818. Berdasarkan data di atas jika nilai standar deviasi lebih kecil dari nilai rata-rata maka hasil dari statistik deskriptif menunjukkan bahwa variabel Pendapatan Asli Daerah memiliki data yang homogen atau sama.
b. Pajak Daerah
Dari hasil statistik deskriptif diketahui bahwa penerimaan Pajak Daerah terbesar yaitu Rp. 487.142.179 dihasilkan oleh Kota Semarang pada tahun 2012. Sedangkan penerimaan Pajak Daerah terkecil yaitu sebesar Rp. 5.470.000 dihasilkan oleh Kabupaten Wonosobo pada tahun 2010. Rata-rata penerimaan Pajak Daerah selama 3 tahun adalah sebesar Rp. 26.997.327 dengan tingkat standar deviasi sebesar Rp. 55.206.624. Berdasarkan data di atas jika nilai standar deviasi lebih besar dari nilai rata-rata maka hasil dari statistik deskriptif menunjukkan bahwa variabel
Pajak Daerah memiliki data yang variatif atau berbeda.
c. Retribusi Daerah
Penerimaan Retribusi Daerah terbesar, yaitu Rp. 99.421.615 dihasilkan oleh Kota Semarang pada tahun 2012. Sedangkan penerimaan Retribusi Daerah terkecil sebesar Rp. 4.435.191 dihasilkan oleh Kota Magelang pada tahun 2011. Rata-rata penerimaan Retribusi Daerah adalah sebesar Rp. 27.116.353 dengan tingkat standar deviasi sebesar Rp. 18.560.934. Berdasarkan data di atas jika nilai standar deviasi lebih kecil dari nilai rata-rata maka hasil dari statistik deskriptif menunjukkan bahwa variabel Retribusi Daerah memiliki data yang homogen atau sama.
Tabel tersebut juga memperlihatkan bahwa Pajak Daerah memberikan pengaruh yang cukup besar bagi Pendapatan Asli Daerah dibandingkan dengan
Retribusi Daerah.
4.3.2 Uji Asumsi Klasik
Uji asumsi klasik dilakukan untuk menghindari terjadi estimasi yang bias, mengingat tidak semua data dapat diterapkan pada analisis regresi. Untuk itu diperlukan beberapa pengujian terhadap data, pengujian yang dilakukan antara lain uji normalitas, uji multikolinearitas, uji autokorelasi dan uji heterokesdasititas.
4.3.2.1 Uji Normalitas
Uji Normalitas bertujuan untuk apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal (Ghozali, 2011). Model regresi yang baik adalah berdistribusi data normal atau mendekati normal. Untuk menguji apakah distribusi data normal atau tidak, salah satau cara mengujinya dengan melihat nilai Asymp. Sig. pada tabel Kolmogorov-Smirnov (Ghozali, 2011). Hasil uji normalitas dengan Kolmogorov-Smirnov seperti terlihat pada tabel berikut :
47
Tabel 4.2
Hasil Uji Normalitas dengan Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 70
Normal Parametersa Mean .0000000
Std. Deviation 14619149.37361662 Most Extreme Differences Absolute .182
Positive .147
Negative -.182
Kolmogorov-Smirnov Z 1.520
Asymp. Sig. (2-tailed) .020
a. Test distribution is Normal.
Sumber : data yang diolah SPSS
Dari hasil diatas dapat diketahui bahwa nilai signifikansinya sebesar 0,020 lebih kecil dari 0,05 (5%) yaitu 0,020 < 0,05. Maka dapat disimpulkan bahwa data pada variabel di atas tidak terdistribusi secara normal karena nilai signifikansinya dibawah 0,05.
Uji normalitas mensyaratkan data yang terdistribusi secara normal. Oleh karena itu dilakukan pernormalan data dengan cara menghilangkan beberapa sampel dengan menggunakan metode outlier. Berikut ini adalah daftar data yang dioutlier :
Tabel 4.3 Data Outlier
Data Nilai
Nomor 65 119.802.250 Nomor 66 211.579.929
Setelah menghilangkan 2 data outlier maka didapat hasil nilai yang terdistribusi secara normal. Berikut ini hasil pengujian setelah menghilangkan data outlier :
Tabel 4.4
Hasil Uji Normalitas setelah di Outlier
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 68
Normal Parametersa Mean .0000000
Std. Deviation 14416743.81971373 Most Extreme Differences Absolute .160
Positive .159
Negative -.160
Kolmogorov-Smirnov Z 1.317
Asymp. Sig. (2-tailed) .062
a. Test distribution is Normal.
Sumber : data yang diolah SPSS
Dari hasil diatas dapat diketahui bahwa nilai signifikansinya sebesar 0,062 lebih besar dari 0,05 (5%) yaitu 0,062 > 0,05. Maka dapat disimpulkan bahwa data pada variabel di atas terdistribusi secara normal karena nilai signifikansinya diatas 0,05.
4.3.2.2 Uji Multikolinearitas
Model penelitian yang baik seharusnya tidak terjadi korelasi antara variabel independen, oleh sebab itu dilakukan uji multikolinearitas. Hasil uji multikolinearitas pada penelitian ini dapat dilihat pada tabel berikut :
49
Tabel 4.5
Hasil Uji Multikolinearitas
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 (Constant) 7709909.296 2035243.456 3.788 .000
PajakDaerah 1.482 .228 .574 6.503 .000 .999 1.001 RetribusiDaerah .506 .114 .391 4.423 .000 .999 1.001 a. Dependent Variable: PendapatanAsliDaerah
Sumber : data yang diolah SPSS
Dari hasil uji multikolinearitas di atas mendapatkan hasil yang menunjukan bahwa nilai tolerance pada variabel independen sebesar PajakDaerah 0,999;
RetribusiDaerah 0,999; sedangkan nilai VIF sebesar PajakDaerah 1,001; RetribusiDaerah 1,001. Berdasarkan dari hasil perhitungan nilai seluruh variabel
independen nilai tolerance > 0,1 dan (Varian Inflation Factor) VIF < 10, maka dapat disimpulkan penelitian ini bebas masalah multikolonieritas antara variabel independen dalam model regresi (Ghozali, 2011).
4.3.2.3 Uji Autokorelasi
Salah satu syarat pada model regresi adalah terbebasnya model dari masalah autokorelasi. Uji autokorelasi yang digunakan adalah dengan uji Durbin-Watson (DW) dengan hasil output seperti tabel berikut :
Tabel 4.6
Hasil Uji Autokorelasi dengan Uji Durbin-Watson
Model Summaryb
Model R R Square
Adjusted R
Square Std. Error of the Estimate Durbin-Watson 1 .969a .939 .938 18426375.9686 1.409 a. Predictors: (Constant), RetribusiDaerah, PajakDaerah
b. Dependent Variable: PendapatanAsliDaerah
Sumber Output SPSS
Dari hasil output di atas nilai Durbin-Watson yang dihasilkan adalah 1.409 sedangkan dari tabel DW dengan signifikansi 0,05 (5%) dan dengan jumlah data (n) = 105, serta jumlah variabel independennya (k) = 2 diperoleh nilai dL sebesar 1.634 dan nilai dU sebesar 1.715. DW terletak diantara 0 dan 1.634 , dimana yang berarti terjadi autokorelasi positif.
(+) ragu bebas ragu (-) 1.409
0 dL dU 4-dU 4-dL 4 1.634 1.715 2.285 2.366
Dari hasil uji diatas menunjukkan adanya autokorelasi positif karena nilai
Durbin-Watson sebesar 1.409. Maka dilakukan pengujian lagi dengan menggunakan
51
sampel tahun sebelumnya. Berikut ini adalah hasi pengujian menggunakan metode first difference :
Tabel 4.7
Hasil Uji Autokorelasi setelah dilakukan First Difference
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .703a .494 .478 14636859.5089 1.889 a. Predictors: (Constant), RetribusiDaerah, PajakDaerah
b. Dependent Variable: PendapatanAsliDaerah
Sumber : data yang diolah SPSS
Berdasarkan hasil diatas nilai Durbin-Watson yang dihasilkan adalah 1.889, sedangkan dari tabel DW dengan signifikansi 0,05 (5%) dan dengan jumlah data (n) = 68, serta jumlah variabel independennya (k) = 2 diperoleh nilai dL sebesar 1.536 dan nilai dU sebesar 1.662.
(+) ragu bebas ragu (-) 1.889
0 dL dU 4-dU 4-dL 4 1.536 1.662 2.338 2.464
Karena nilai Durbin-Watson terletak diantara du < dw < 4-du yaitu ( 1.662 < 1.889 < 2.338 ), maka dari hasil tersebut dapat disimpulkan bahwa tidak terdapat
autokorelasi positif dan negatif dan dapat disimpulkan bahwa dapat disimpulkan tidak terdapat model autokorelasi dalam model regresi.
4.3.2.4 Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi kesamaan variance dari residual satu pengamatan ke pengamatan lain. Variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan jika berbeda disebut heteroskedastisitas.
Oleh sebab itu diperlukan pengujian heteroskedastisitas pada model regresi, sehingga model regresi layak digunakan untuk memprediksi. Di bawah ini adalah gambar hasil uji heteroskedastisitas dengan menggunakan uji glejser :
Tabel 4.8 Hasil Uji Glejser
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 (Constant) 9585458.811 1590763.644 6.026 .000
PajakDaerah -.139 .178 -.096 -.782 .437 .999 1.001 RetribusiDaerah .079 .089 .109 .887 .379 .999 1.001 a. Dependent Variable: AbsUt
Sumber : data yang diolah SPSS
Dari gambar di atas dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi, karena nilai signifikansi dari variabel PajakDaerah sebesar 0,437 > 0,05 dan variabel RetribusiDaerah sebesar 0,379 > 0,05 sehingga model
53
regresi layak digunakan untuk memprediksi Pendapatan Asli Daerah (PAD) berdasarkan masukan variabel independen pajak daerah dan retribusi daerah.
4.3.3 Uji Analisis Regresi Berganda
Analisis regresi berganda digunakan untuk mengetahui pengaruh variabel bebas terhadap variabel tidak bebas (terikat) atas perubahan dari setiap peningkatan atau penurunan variabel bebas yang akan mempengaruhi variabel terikat. Hasil perhitungan regresi dapat dilihat pada tabel berikut ini :
Tabel 4.9
Hasil Analisis Regresi Berganda
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 (Constant) 7709909.296 2035243.456 3.788 .000
PajakDaerah 1.482 .228 .574 6.503 .000 .999 1.001 RetribusiDaerah .506 .114 .391 4.423 .000 .999 1.001 a. Dependent Variable: PendapatanAsliDaerah
Sumber : data yang diolah SPSS
Berdasarkan tabel di atas dapat disusun persamaan regresi untuk mengetahui faktor-faktor fundamental dalam memprediksi pendapatan asli daerah sebagai berikut :
Y = α + β1X1 + β2X2 + e
PendapatanAsliDaerah = 7.709.909,296 + 1,482 PajakDaerah + 0,506 RetribusiDaerah
Dari persamaan regresi berganda tersebut maka dapat diketahui :
1. Nilai konstanta sebesar 7.709.909,296 , artinya apabila variabel bebas yang berupa PajakDaerah (X1) dan RetribusiDaerah (X2) Nol maka nilai variabel
PendapatanAsliDaerah (Y) sebesar 7.709.909,296.
2. Koefisien Pajak Daerah sebesar 1,482, artinya bahwa setiap penambahan
PajakDaerah sebesar 1 satuan, maka akan meningkatkan pendapatan asli
daerah sebesar 1,482 satuan .
3. Koefisien Retribusi Daerah sebesar 0,506, artinya bahwa setiap penambahan
RetribusiDaerah sebesar 1 satuan, maka akan meningkatkan pendapatan asli
daerah sebesar 0,506 satuan.
4.3.4 Uji Hipotesis
4.3.4.1 Uji Koefisien Determinasi (R2)
Koefisien determinasi adalah ukuran statistik yang mengukur derajat hubungan antara variabel X dan Y, yang bertujuan untuk mengetahui prosentase besarnya variabel tergantung yang disebabkan oleh perubahan variabel bebas. Hasil uji koefisien determinasi dapat dilihat pada tabel dibawah ini :
Tabel 4.10
Hasil Koefisien Determinasi (R2)
Model R R Square Adjusted R Square Std. Error of the Estimate 1 .703a .494 .478 14636859.5089 a. Predictors: (Constant), RetribusiDaerah, PajakDaerah
b. Dependent Variable: PendapatanAsliDaerah
55
Dari tabel di atas diketahui bahwa hasil adjusted R square adalah 0,478. Hal ini menunjukkan bahwa Pendapatan Asli Daerah dapat dijelaskan oleh variabel pajak
daerah dan retribusi daerah sebesar 47,8 %, sedangkan sisanya 52,2 % dijelaskan
oleh faktor-faktor lain yang tidak dapat diteliti.
4.3.4.2 Uji Signifikansi Simultan ( Uji F)
Uji signifikansi simultan atau uji F bertujuan untuk mengetahui ada atau tidaknya pengaruh antara variabel pajak daerah dan retribusi daerah secara bersama-sama (simultan) terhadap pendapatan asli daerah. Hasil uji F untuk penelitian ini dapat dilihat pada tabel di bawah ini :
Tabel 4.11 Hasil Uji F
ANOVAb
Model Sum of Squares df Mean Square F Sig. 1 Regression 1.357E16 2 6.787E15 31.679 .000a
Residual 1.393E16 65 2.142E14
Total 2.750E16 67
a. Predictors: (Constant), RetribusiDaerah, PajakDaerah b. Dependent Variable: PendapatanAsliDaerah
Sumber : data yang diolah SPSS
Berdasarkan tabel diperoleh hasil nilai F hitung 31.679 dan menunjukkan tingkat signifikansi 0,000. Karena nilai signifikansi (0,000) lebih kecil dari 0,05 (5%) dapat dikatakan bahwa penambahan pajak daerah dan retribusi daerah secara
bersama-sama (simultan) berpengaruh signifikan terhadap penambahan Pendapatan
Asli Daerah (PAD).
4.3.4.3 Uji Parsial (t test)
Uji parsial atau uji t bertujuan untuk mengetahui pengaruh variabel-variabel independen seperti pajak daerah dan retribusi daerah secara individu berpengaruh terhadap variabel dependen yaitu pendapatan asli daerah. Pengujian secara parsial dilakukan dengan menggunakan uji t dengan tingkat signifikansi < 5% atau 0,05. Hasil uji t untuk penelitian ini dapat dilihat pada tabel di bawah ini :
Tabel 4.12 Hasil Uji t Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 7709909.296 2035243.456 3.788 .000 PajakDaerah 1.482 .228 .574 6.503 .000 RetribusiDaerah .506 .114 .391 4.423 .000 a. Dependent Variable: PendapatanAsliDaerah
Sumber : data yang diolah SPSS
Berdasarkan tabel diatas didapat hasil pengujian sebagai berikut :
1. Variabel pajakdaerah memiliki t hitung sebesar 6,503 dengan taraf signifikan 0,000 dibawah signifikansi 0,05 (5%). Dengan demikian dapat disimpulkan bahwa penambahan pajakdaerah berpengaruh positif signifikan terhadap penambahan pendapatan asli daerah. Hasil ini membuktikan bahwa hipotesis
57
H1 diterima, penambahan pajak daerah berpengaruh secara parsial terhadap penambahan pendapatan asli daerah.
2. Variabel retribusidaerah memiliki t hitung sebesar 4,423 dengan taraf signifikan 0,000 dibawah signifikansi 0,05 (5%). Dengan demikian dapat disimpulkan bahwa penambahan retribusidaerah berpengaruh positif signifikan terhadap penambahan pendapatan asli daerah. Hasil ini membuktikan bahwa hipotesis H2 diterima, penambahan retribusi daerah berpengaruh secara parsial terhadap penambahan pendapatan asli daerah.