1. Uji Asumsi Klasik
a Hasil Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak memiliki korelasi antar variabel independennya. Untuk mendeteksi ada atau tidaknya multikolinearitas dapat dilihat nilai tolerance dan VIF (Variance Inflation Faktor), serta model dikatakan tidak terdapat multikolinearitas apabila nilai VIF tidak ada yang melebihi angka 10 dan nilai Tolerance tidak ada yang kurang dari 0,10. Hasil uji multikolinearitas penelitian ini dapat dilihat dari tabel berikut:
Tabel 4.1
Hasil Uji Multikolinearitas Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients
t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1
(Constant) 14902032652,336 7522066226,454 1,981 ,049
Pajak Daerah 1648972926,340 185495460,139 ,502 8,890 ,000 ,960 1,042
Retribusi Daerah 168178967,449 127827172,121 ,074 1,316 ,190 ,960 1,042
a. Dependent Variable: PAD
Dari tabel 4.3 dapat diketahui bahwa hasil perhitungan nilai
tolerance untuk penerimaan Pajak Daerah adalah 0,960 dan penerimaan Retribusi Daerah adalah 0,960. Hasil perhitungan tersebut menjelaskan bahwa tidak ada variabel bebas yang memiliki niai tolerance kurang dari 10%. Sedangkan hasil perhitungan nilai VIF penerimaan Pajak Daerah adalah 1,042 dan penerimaan Retribusi Daerah adalah 1,042. Hasil perhitungan tersebut menunjukkan tidak ada variabel bebas yang memiliki VIF lebih dari 10.
b Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah dalam suatu model regresi terjadi ketidaksamaan variance dari residual suatu pengamatan ke pengamatan yang lain.
Dasar analisis:
1) Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (berkembang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heterokedastisitas.
2) Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan d bawah angka 0 pada sumber Y, maka tidak terjadi heterokedastisitas.
Gambar 4.1
Hasil Uji Heteroskedastisitas
Dari gambar 4.1 menunjukkan titik-titik data menyebar secara acak dan tidak membentuk suatu pola yang jelas, baik di atas dan di bawah angka 0 pada sumbu y, hal ini berarti tidak terjadi heteroskedastisitas pada model regresi. Sehingga dapat disimpulkan model penelitian ini tidak mengalami masalah heteroskedastisitas. c Hasil Uji Autokorelasi
Uji autokorelasi merupakan pengujian asumsi dalam model regresi dimana variabel independen tidak berkorelasi dengan dirinya sendiri. Maksud berkolerasi dengan dirinya sendiri adalah bahwa nilai dari variabel independen tidak berhubungan dengan nilai variabel itu sendiri. Dalam penelitian ini pengujian autokorelasi dilakukan dengan Durbin- Watson
Uji Durbin Watson (DW Test) digunakan untuk autokorelasi tingkat satu (first order autocorrelation) dan mensyaratkan adanya
intercept (constanta)dalam model regresi dan tidak ada variabel lagi di antara variabel independen. Hipotesis yang akan di Uji adalah:
Ho = tidak terjadi adanya autokorelasi di antara data pengamatan
Ha= terjadi adanya autokorelasi di antara data Pengamatan
Tabel 4.2
Hasil Uji Autokorelasi Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the Estimate
Durbin-Watson
1 ,493a ,243 ,237 34793609465,742 1,895
a. Predictors: (Constant), Retribusi Daerah, Pajak Daerah b. Dependent Variable: PAD
Sumber: hasil Pengolahan data SPSS
Persamaan regresi yang baik adalah yang tidak memiliki masalah autokorelasi, jika terjadi autokorelasi maka persamaan tersebut menjadi tidak baik/ tidak layak dipakai prediksi. Masalah autokorelasi baru timbul jika ada korelasi secara linier antara
kesalahan pengganggu periode t (berada) dengan kesalahan pengganggu periode t-1 (sebelumnya).1
Hasil output SPSS menunjukkan bahwa nilai Durbn Watson test 1,895 dan DW < 2, disimpulkan data di atas terjadi autokorelasi positif. Nilai Durbin Watson mengindikasikan tidak adanya autokorelasi yang terjadi yang diindikasikan dengan nilai 1,895. Maka, dari hasil uji Durbin Watson di atas maka Ho diterima karena tidak terjadi adanya autokorelasi di antara data pengamatan.
2. Uji Regresi Linear Berganda
Tabel 4.3 Statistik Deskriptif Descriptive Statistics Mean Std. Deviation N PAD 57414224999,70 39826895183,704 250 Pajak Daerah 21,6149 12,13348 250 Retribusi Daerah 40,8480 17,60741 250 Sumber: Hasil Pengolahan Data SPSS
TabelDescriptive Statisticdi atas dapat dianalisis: a Jumlah anggota responden yang menjadi sampel 250
b Rata-rata Pendapatan Asli Daerah (PAD) sebesar Rp. 57.414.225.000,- (pembulatan) dengan standar deviasi sebesar Rp. 39.826.895.184,- (pembulatan), artinya jika dihubungkan dengan rata-rata PAD sebesar Rp. 57.414.225.000,- maka PAD akan berkisar antara Rp. 57.414.225.000,- ± Rp.
39.826.895.184,-c Pajak Daerah rata-rata 21,62% (pembulatan) dengan standar deviasi sebesar 12,13% (pembulatan) dan Retribusi Daerah dengan rata-rata 40,85% (pembulatan) dan standar deviasi sebesar 17,61% (pembulatan). Jawaban yang diberikan untuk kedua variabel bebas cukup berkontribusi terhadap variabel terikat.
1
Tabel 4.4 Tabel Korelasi
Correlations
PAD Pajak Daerah Retribusi Daerah Pearson Correlation PAD 1,000 ,487 -,026 Pajak Daerah ,487 1,000 -,201 Retribusi Daerah -,026 -,201 1,000 Sig. (1-tailed) PAD . ,000 ,339 Pajak Daerah ,000 . ,001 Retribusi Daerah ,339 ,001 . N PAD 250 250 250 Pajak Daerah 250 250 250 Retribusi Daerah 250 250 250
Sumber: Hasil Pengolahan Data SPSS
Dari tabel 4.6 tabel korelasi di atas dapat dianalisis:
a Hasil perhitungan korelasi antara variabel Pajak Daerah (X1) dengan PAD (Y) diperoleh nilai sebesar r = 0,487. Nilai ini menunjukkan hubungan yang lemah positif. Maksud lemah positif di sini adalah terjadi hubungan yang searah antara Pajak Daerah (X1) dan PAD (Y). Artinya, bila X1 naik, maka variabel Y naik secara lemah. Kontribusi yang diberikan oleh variabel ini terhadap variabel (Y) adalahKP =(r)2x 100% = (0,487)2x 100% = 23,72%.
b Hasil korelasi antara variabel Retribusi Daerah (X2) dengan PAD (Y) diperoleh nilai sebesar r = -0,26. Nilai ini menunjukkan hubungan yang sangat kuat positif. Maksud kuat positif di sini adalah terjadi hubungan yang searah antara X2 dan Y. Artinya, bila nilai Retribusi Daerah (X2) naik, maka secara signifikan akan membuat tingkat PAD naik. Kontribusi yang diberikan oleh variabel ini terhadap variabel (Y) adalah:KP =(r)2x 100% = (-0,26)2x 100% = 6,76%
Tabel 4.5
Tabel Variabel yang Dimasukkan Variables Entered/Removeda
Model Variables Entered Variables Removed
Method
1 Retribusi Daerah, Pajak Daerahb . Enter
a. Dependent Variable: PAD b. All requested variables entered. Sumber: Hasil Pengolahan Data SPSS
Pada tabel 4.7 hanya menginformasikan variabel yang dimasukkan, di mana variabel yang dimasukkan yaitu Retribusi Daerah dan Pajak Daerah. Dari kedua variabel yang dimasukkan di atas tidak ada yang dikeluarkan
(removed). Hal ini disebabkan metode yang digunakan singlestep (entered)
hanya satu proses dalam memproseskan data.
Tabel 4.6
Tabel Summary Model Model Summaryb
Model R R Square Adjusted R
Square Std. Error of the Estimate Change Statistics R Square Change
F Change df1 df2 Sig. F Change
1 ,493a ,243 ,237 34793609465,742 ,243 39,626 2 247 ,000
a. Predictors: (Constant), Retribusi Daerah, Pajak Daerah b. Dependent Variable: PAD
Sumber: Hasil Pengolahan data SPSS
Hasil Korelasi (R) yang secara simultan (bersama-sama) antara variabel Pajak Daerah (X1) dan Retribusi Daerah (X2) terhadap PAD (Y) diperoleh nilai sebesar r = 0,237. Kontribusi yang diberikan oleh kedua variabel ini terhadap variabel (Y).
KP= (rx1,x2,r)2x 100 % = (0,237)2x 100% = 5,6169%
Tabel 4.7 Tabel Anova
ANOVAa
Model Sum of Squares Df Mean Square F Sig.
1
Regression 95942184278775720000000,000 2 47971092139387860000000,000 39,626 ,000b
Residual 299017029134681470000000,000 247 1210595259654580700000,000
a. Dependent Variable: PAD
b. Predictors: (Constant), Retribusi Daerah, Pajak Daerah Sumber: Hasil Pengolahan data SPSS
a Tabel 4.9 di atas dapat dianalisis, dengan membuat hipotesis dalam uraian kalimat berikut:
Ho : Model regresi linier berganda tidak dapat digunakan untuk memprediksi PAD yang dipengaruhi oleh Pajak Daerah dan Retribusi Daerah.
Ha : Model regresi linier berganda dapat digunakan untuk PAD yang dipengaruhi oleh Pajak Daerah dan Retribusi Daerah. b Pengambilan Keputusan
1) Kriteria keputusan yang diambil berdasarkan perbandingan antara Fhitungdan Ftabel
Jika: Fhitung≤ Ftabel, maka Ho diterima Jika: Fhitung> Ftabel, maka Ho ditolak
• Nilai Fhitungdari tabelanovasebesar 39,626 • Nilai Ftabeldari tabel F = 1,41
• Membandingkan Ftabeldan Fhitung
Ternyata : Fhitung = 39,626 > Ftabel = 1,41 sehingga Ho ditolak
• Keputusannya:
Ho ditolak berarti bahwa Ha dalam penelitian ini diterima yaitu Pajak Daerah dan Retribusi Daerah berkontribusi terhadap Pendapatan Asli Daerah
2) Kriteria keputusan diambil berdasarkan nilai probabilitas Jika probabilitas (sig) > α, maka Ho diterima.
Jika probabilitas (sig)˂ α, maka Ho ditolak.
• Dari tabel anova nilai probabilitas (sig) = 0,00 dan nilai
taraf signifikan α = 0,05.
• Membandingkan nilai robabilitas (sig) dengan taraf nyata
Jika probabilitas (sig)˂ α, maka Ho ditolak.
Ternyata : 0,00˂ 0,05, maka Ho ditolak.
• Keputusannya:
Ho ditolak berarti bahwa Ha dalam penelitian ini diterima yaitu Pajak Daerah dan Retribusi Daerah berkontribusi terhadap Pendapatan Asli Daerah
Melalui dua langkah dan dari hasil kedua tabel yaitu tabel Summary Model dan Tabel Anova menjelaskan bahwa keduanya sama-sama menghasilkan keputusan yang sama-sama, dan membuktikan bahwa Ho ditolak dan Ha diterima.
Tabel 4.8 Tabel Koefisien
Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 14902032652,336 7522066226,454 1,981 ,049 Pajak Daerah 1648972926,340 185495460,139 ,502 8,890 ,000 Retribusi Daerah 168178967,449 127827172,121 ,074 1,316 ,190
a. Dependent Variable: PAD
Sumber: Hasil Pengolahan data SPSS
Dari tabel 4.10 menunjukkan bahwa model persamaan regresi berganda untuk memperkirakan PAD yang dipengaruhi oleh Pajak Daerah dan Retribusi Daerah adalah:
Y = 14.902.032.652 + 1.648.972.926 X1+ 168.178.967 X2
Y adalah PAD, X1 adalah Pajak Daerah, dan X2 adalah Retribusi Daerah. Dari persamaan di atas, dapat dianalisis beberapa hal, antara lain:
a PAD, jika tanpa adanya Pajak Daerah dan Retribusi Daerah (X1dan X2 = 0), maka PAD hanya 14.902.032.652. maka diperkirakan PAD akan naik menjadi:
Y = 14.902.032.652 + 1.648.972.926 X1+ 168.178.967 X2 = 14.902.032.652 + 1.648.972.926 (1) + 168.178.967 (1) = 14.902.032.652 + 1.648.972.926 + 168.178.967
= 16.551.174.723
Maka dari hasil di atas dapat disimpulkan bahwa: X1, X2= 0 Y = 14.902.032.652
X1, X2= 1 Y = 16.551.174.723
Maka selisih PAD antara adanya Pajak Daerah dan Retribusi Daerah dan antara tidak adanya Pajak Daerah dan Retribusi Daerah yaitu sebesar 1.649.142.071.
b Koefisien regresi berganda sebesar 1.648.972.926 dan 168.178.967 mengindikaikan bahwa besaran penambahan PAD setiap pertambahan untuk variabel Pajak Daerah dan Retribusi Daerah.
c Persamaan regresi berganda Y = 14.902.032.652 + 1.648.972.926 X1 + 168.178.967 X2, yang digunakan sebagai dasar untuk memperkirakan PAD yang dipengaruhi oleh Pajak Daerah dan Retribusi Daerah, akan di uji apakah valid untuk digunakan.
3. Hasil Uji Hipotesis Penelitian a Hasil Uji Koefisien Determinasi
Tabel 4.9
Hasil Uji Koefisien Determinasi Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 ,493a ,243 ,237 34793609465,742
a. Predictors: (Constant), Retribusi Daerah, Pajak Daerah b. Dependent Variable: PAD
Sumber: Hasil Pengolahan data SPSS
Uji koefisien determinasi (R) digunakan untuk menentukan seberapa besar kemampuan variabel independen dapat menjelaskan variabel dependen. Pada penelitian ini, R square yang digunakan adalah R square yang sudah disesuaikan atau Adjusted R Square, karena disesuaikan dengan jumlah variabel independent yang digunakan dalam penelitian.
Dari hasil uji koefisien determinasi pada tabel 4.11 di atas menunjukkan bahwa nilai Adjusted R Square sebesar 0,237 atau 23,7%.
Hal ini menunjukkan bahwa variabel independen yaitu penerimaan pajak daerah dan retribusi daerah dapat menjelaskan variabel dependen yaitu pendapatan asli daerah sebesar 23,7% dan sisanya 76,3% dijelaskan oleh variabel-variabel lain di luar penelitian ini, seperti Hasil Perusahaan Milik Daerah dan Pengelolaan Kekayaan Daerah yang dipisahkan serta Lain-lain PAD yang sah.
b Hasil Uji F
Tabel 4.10 Hasil Uji F
ANOVAa
Model Sum of Squares Df Mean Square F Sig.
1
Regression 95942184278775720000000,000 2 47971092139387860000000,000 39,626 ,000b
Residual 299017029134681470000000,000 247 1210595259654580700000,000
Total 394959213413457200000000,000 249
a. Dependent Variable: PAD
b. Predictors: (Constant), Retribusi Daerah, Pajak Daerah Sumber: Hasil Penngolahan data SPSS
Dari hasil analisis pada tabel ANOVA di atas menunjukkan F sebesar 39,626 dengan nilai signifikasi sebesar 0,000 atau (0,000 ˂ 0,05),
ini berarti adalah Ha diterima dan Ho ditolak. Artinya penerimaan pajak daerah dan retribusi daerah secara bersama-sama berpengaruh terhadap realisasi penerimaan PAD.
c Hasil Uji t
Tabel 4.11 Haasil Uji t
Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 14902032652,336 7522066226,454 1,981 ,049 Pajak Daerah 1648972926,340 185495460,139 ,502 8,890 ,000 Retribusi Daerah 168178967,449 127827172,121 ,074 1,316 ,190
a. Dependent Variable: PAD
Hasil uji t ditunjukkan pada tabel Coefficients. Dasar pengambil keputusan untuk menerima atau menolak hipotesis setiap variabel independen adalah sebagai berikut:
1) Jika nilai probabilitas signifikasi lebih kecil atau sama dengan nilai probabilitas 0,05 atau (sig. ˂ 0,05), maka Ha diterima dan Ho
ditolak, artinya signifikan (terdapat pengaruh yang nyata).
2) Jika nilai probabilitas sig lebih besar dari nilai probabilitas 0,05 atau (sig > 0,05), maka Ha ditolak dan Ho diterima, artinya tidak signifikan (tidak terdapat pengaruh yang nyata)
Hipotesis yang akan diuji untuk variabel tingkat penerimaan pajak daerah (X1) akan dirumuskan sebagai berikut:
Ha = tingkat penerimaan pajak daerah berpengaruh signifikan terhadap pendapatan asli daerah.
Ho = tingkat penerimaan pajak daerah tidak berpengaruh signifika terhadap pendapatan asli daerah.
Berdasarkan hasil analisis penerimaan pajak daerah memiliki sig ˂
0,05 yang berarti nilai probabilitas sig lebih kecil dari nilai probabilitas, maka Ho ditolak, yang artinya secara parsial ada pengaruh signifikan antara penerimaan pajak daerah terhadap pendapatan asli daerah.
Hipotesis yang akan diuji untuk variabel tingkat penerimaan retribusi daerah (X2) akan dirumuskan sebagai berikut:
Ha = tingkat penerimaan retribusi daerah berpengaruh signifikan terhadap pendapatan asli daerah.
Ho = tingkat penerimaan retribusi daerah tidak
berpengaruhsignifikan terhadap pendapatan asli daerah. Berdasarkan hasil analisis penerimaan retribusi daerah memiliki sig < 0,05 yang berarti nilai probabilitas sig lebih kecil dari nilai probabilitasmaka Ho ditolak, yang artinya secara parsial ada pengaruh signifikan antara penerimaan retribusi daerah terhadap pendapatan asli daerah.
Hasil uji t menunjukkan bahwa variabel penerimaan pajak daerah merupakan variabel yang paling berpengaruh secara signifikan terhadap
pendapatan asli daerah karena t sign penerimaan pajak daerah sebesar 8,980 lebih besar dari t sign penerimaan retribusi daerah 1,316. Hal ini disebabkan karena semakin meningkatnya perkembangan pembangunan yang didasari peningkatan jumlah pajak-pajak setiap tahunnya seperti pajak kendaraan bermotor yang didasari tingginya jumlah kendaraan bermotor setiap tahunnya di Indonesia. Sedangkan untuk variabel penerimaan retribusi daerah memiliki pengaruh yang rendah dibandingkan penerimaan pajak daerah. Hal ini disebabkan jumlah retribusi daerah yang lebih sedikit dalam sumbangsihnya terhadap Pendapatan Asli Daerah walaupun retribusi daerah juga mengalami peningkatan setiap tahunnya. Hal ini juga disebabkan masih banyaknya badan usaha yang masih sedikit memberikan kontribusi terhadap pendapatan asli daerah dalam pemungutan retribusi daerah.
Penelitian ini menunjukkan bahwa variabel penerimaan pajak daerah berpengaruh positif terhadap pendapatan asli daerah. Penelitian ini konsisten dengan penelitian dengan menggambarkan pajak daerah memiliki pengaruh positif terhadap peningktan pendapatan asli daerah yang berarti sebagian besar dari total keseluruhan pendapatan asli daerah diperoleh dari pajak daerah, sebagian lainnya diperoleh dari sektor lainnya seperti dari sektor retribusi daerah, hasil perusahaan milik daerah dan hasil pengelolaan kekayaan lainnya yang dipisahkan, dan sektor lain-lain pendapatan asli daerah yang sah.
4. Pendapatan Asli Daerah di Indonesia
Untuk mengetahui perkembangan pemungutan asli daerah (PAD) di Indonesia selama lima tahun setelah otonomi daerah (2006-2010) dapat dilihat dari tabel 4.1 berikut ini:
Tabel 4.12
Persentase Kontribusi Pajak Daerah dan Retribusi Daerah terhadap Pendapatan Asli Daerah (PAD) tahun Periode 2006-2010 (dalam rupiah)
Tahun PAD Pajak Daerah % Retribusi Daerah %
2006 38. 384.880.550.000 26.148.623.620.000 68,12% 4.955.681.000.000 12,91%
2007 2.532.369.957.389.670 34.980.593.876.203 13,81% 7.170.779.228.839 2,83%
2008 15.670.984.668.909 10.013.345.184.017 63,90% 2.535.144.736.150 16,18%
2009 29.712.679.575.451 20.500.820.856.293 69,00% 2.958.707.187.119 9,95%
2010 9.546.645.000.000 5.377.183.000.000 56,33% 1.532.464.000.000 16,05% Sumber: Direktorat Jenderal Pajak Kementrian Keuangan Indonesia (data diolah).
Dari data tersebut dengan jumlah sampel 50 kabupaten dan kota dapat diketahui bahwa penerimaan pajak daerah yang diterima oleh kementrian keuangan jauh lebih berkontribusi dari pada retribusi pajak. Dari periode tahun 2006-2010 pajak terbesar yang diterima adalah tahun 2007 yaitu sebesar Rp 34.980.593.876.203,00 namun tidak memberikan kontribusi yang besar terhadap penerimaan asli daerah, karena hanya berkontribusi sebesar 13,81%, dan retribusi terbesar yang diterima adalah tahun 2007 yaitu sebesar Rp 7.170.779.228.839,00 dan juga tidak memberikan kontribusi yang besar terhadap penerimaan asli daerah, karena hanya berkontribusi sebesar 2,83%. Dari data tersebut berarti pada tahun 2007 pajak daerah dan retribusi daerah memang lebih besar dibandingkan tahun-tahun lainnya, namun konttribusi yang diberikan sangat sedikit, itu berarti kontribusi penerimaan asli daerah bukan dari pajak daerah dan retribusi daerahnya.
Pajak daerah yang berkontribusi besar terhadap penerimaan daerah dari data diatas terdapat pada tahun 2009 yaitu sebesar 69,00% yang berarti bahwa pajak daerah di tahun 2009 memberikan kontribusi yang sangat besar. Retribusi yang berkontribusi besar terhadap penerimaan daerah dari data diatas terdapat pada tahun 2008 yaitu sebesar 16,18% yang berarti bahwa retribusi daerah di tahun 2008 memang retribusi terbesar namun tidak memberi pengaruh besar terhadap penerimaan asli daerah. Dari data tersebut juga pajak daerah dan retribusi daerah mengalami peningkatan dan penurunan setiap tahunnya yang berbeda-beda.
Grafik 4.1
Pertumbuhan Pajak Daerah dan Retribusi Daerah Tahun 2006-2010 (Persen %)