a) Uji Normalisasi Data
Pada grafik PPlot normal tegakan regresi di bawah ini, syarat linieritas terpenuhi karena garis lurus terlihat di luar titik (data) dan cenderung membentuk garis lurus (linier). Karena persyaratan linearitas terpenuhi, model regresi dapat digunakan untuk memprediksi kinerja berdasarkan variabel independen. Seperti yang dapat Anda lihat pada gambar di bawah ini.
Sumber : Output SPSS Gambar 4.2
Normal P-P of Regression Standardized Residual
Seperti yang terlihat dalam grafik normal P-P plot of regression standardized residual (membentuk garis lurus), maka dapat dikatakan bahwa data berdistribusi normal dan model regresi layak dipakai untuk memprediksi bahwa pendapatan asli daerah (PAD) di Kabupaten Soppeng berdasarkan variable bebasnya.
b) Uji Multikolinieritas Data
Multikolonieritas bertujuan Untuk menguji apakah ada korelasi antara variabel independen dari model regresi, Anda perlu menjalankan uji multikolinearitas. Jika terdapat korelasi maka disebut masalah multikolinearitas (MULTIKO). Untuk mengetahui multikolinearitas antar variabel independen, Anda dapat memeriksa VIF (variance influenced factor) dari masing-masing variabel bebas terhadap variabel terikat. Apabila nilai VIF tidak lebih dari 10 berarti mengindikasi bahwa dalam model tidak terdapat multikolinieritas
Besaran VIF (variance inflation factor) dan Tolerance, pedoman suatu model regresi yang bebas multikolinieritas adalah : 1) Mempunyai nilai VIF < 10,00
2) Mempunyai angka tolerance . 0,10
Tabel 4.4
Sumber : Output SPSS
Hasil Olah Data Uji Multikolinieritas Data
Model
a. Dependent Variable: PENDAPATAN ASLI DAERAH
c) Uji Heterokedastisitas Data
Heterokedastisitas digunakan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual dari suatu pengamatan ke pengamatan lainnya. Model yang baik adalah yang tidak terjadi heterokedastisitas. Pengujian masalah heterokedastisitas pada persamaan regresi estimasi menggunakan kuadrat residual regresi estimasi (sebagai proxy varians) sebagai variable dependen disebut Uji White. Apabila nilai sig > 0,05 maka data tersebut bebas dari heterokedastisitas. Hasil pengujian heterokedastisitas dapat dilihat pada tabel berikut ini:
Tabel 4.5
Hasil Olah Data Uji Heterokedastisitas
Coefficientsa
1 (Constant) 2459803695 .537
a. Dependent Variable: PENDAPATAN ASLI DAERAH
Sumber : Output SPSS
Berdasarkan hasil pengujian heteroskedastisitas pada tabel 4.4, dapat dilihat bahwa hasil perhitungan untuk masing-masing variabel menunjukkan bahwa tingkat Sig lebih besar dari 0,05 yaitu 0,755 untuk pajak daerah dan 0,153 untuk pajak daerah. Oleh karena itu, dapat disimpulkan bahwa penelitian ini tidak memiliki tanda-tanda dispersi heterogen dan layak untuk diteliti.
d) Uji Autokorelasi
Tidak ada gejala autokorelasi, jika dinilai Durbin Watson terletak antara du sampai dengan (4-du). Nilai Du dicari pada distribusi nilai tabel durbin Watson berdasarkan k (3) dan N (10) dengan signifikansi 5%. Melalui nilai distribusi nilai tabel durbin Watson maka didapatkan nilai nya adalah 1,7051.
Tabel 4.6
Hasil Olah Data Uji Autokolerasi Data
Sumber : Olah SPSS
Dari data diatas menunjukkan angka durbin Watson adalah 1,728 Maka dapat disimpulkan tidak ada gejala autokorelasi dengan dasar pengambilan keputusannya adalah angka durbin Watson berada diantara angka pada table durbin Watson dan 4- du. Du (1,7501) <
Durbin Watson (1,728) < 4-Du (2,2499).
e) Uji goodness of fit
Uji Goodness of fit yaitu persentase sumbangan (goodness of fit) dari variabel bebas terhadap variabel terikat. Pada penelitian ini digunakan Adjusted R Square dengan variabel bebas yang digunakan lebih dari satu. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat
Model Summaryb
a. Predictors: (Constant), Retribusi Daerah, Pajak Daerah b. Dependent Variable: Pendapatan Asli Daerah
terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Adapun Hasil uji koefisien determinasi di tunjukkan pada tabel berikut:
Tabel 4.7
Hasil Olah Goodness Of Fit
Sumber : Output SPSS
Berdasarkan tabel 4.7 yang menunjukkan hasil uji goodness of fit dapat diketahui nilai adjusted R- square sebesar 0,862. Hal ini mengindikasikan bahwa Pajak Daerah dan Retribusi Daerah berpengaruh terhadap PAD Kabupaten Soppeng sebesar 0,862 atau 86,2% sedangkan 13,8 % dipengaruhi oleh faktor lain yang tidak diteliti dalam penelitian ini yaitu Hasil pengelolaan kekayaan daerah yang dipisahkan dan lain – lain PAD yang sah.
2. Analisi Linear Berganda
Untuk dapat membuktikan hipotesis yang diajukan sebelumnya bahwa pajak daerah mempengaruhi pendapatan asli daerah (PAD) selama era Sopung, kami melakukan analisis linier berganda tentang pengaruh antara variabel bebas, saya memutuskan derajatnya. Variabel tak bebas.
Secara bersamaan atau sebagian. Data yang digunakan diambil dan diolah Model Summaryb
a. Predictors: (Constant), Retribusi Daerah, Pajak Daerah b. Dependent Variable: Pendapatan Asli Daerah
dengan Microsoft Office Excel 2010, dan hasil olahannya diestimasi dengan software, program statistik menggunakan SPSS 26.
Tabel 4.8
Uji Analisis Linear Berganda
B Std. Error
(Constant) 81317479855.287 112889494176.796
Pajak Daerah 8.462 2.894
Retribusi 8.938 9.333
Sumber:Output SPSS
Berdasarkan Berdasarkan pada hasil koefisien regresi (B) diatas, maka diperoleh persamaan regresi sebagai berikut :
𝑌 = 81317479855.287 + 8.462 X1 + 8.938 X2 + e
Berdasarkan hasil olah data diatas maka dapat diketahui bahwa:
1. Nilai konstanta sebesar 81317479855.287 dapat dinyatakan bahwa apabila tidak ada pajak daerah dan retribusi daerah maka nilai pendapatan asli daerah (PAD) menurun sebesar 81317479855.287
2. Nilai koefisien regresi variable pajak daerah sebesar 8.462, dapat dinyatakan apabila pajak daerah meningkat sebesar satu satuan akan mengakibatkan peningkatan Pendapatan Asli Daerah (PAD) sebesar 8.462.
3. Nilai Koefisien regresi variabel retribusi daerah sebesar 8.938 dapat dinyatakan apabila retribusi daerah meningkat sebesar satu satuan maka akan meningkatkan pendapatan asli daerah (PAD) sebesar 8.938.
3. Uji T (Parsial)
Bertujuan untuk mengetahui pengaruh Pajak daerah, Retribusi daerah secara signifikan terhadap pendapatan asli daerah (PAD) Kabupaten Soppeng, maka dilakukan uji-t.
Tabel 4.9 Hasil Uji Parsial (t)
B T Sig
Pajak Daerah 6.250 3.635 0.036
Retribusi Daerah -12.843 -1.218 0.310 Sumber : Output SPSS
Berikut hasil interpretasi untuk hipotesis penelitian (H1 dan H2) dapat dilihat sebagai berikut.
1) Pajak Daerah Kabupaten Soppeng
Berdasarkan hasil olah data, nilai koefisien regresi pajak daerah Kabupaten Soppeng sebesar 6.250 dan nilai signifikan sebesar 0.036 dinyatakan lebih kecil dari tarif kepercayaan 0,05 sehingga dapat diambil kesimpulan variabel pajak daerah Kabupaten Soppeng mempunyai pengaruh positif dan signifikan terhadap pendapatan asli daerah (PAD) Kabupaten Soppeng. Hipotesis dalam penelitian ini diterima.
2) Retribusi Daerah Kabupaten Soppeng
Berdasarkan hasil olah data diperoleh nilai koefisien regresi retribusi daerah Kabupaten Soppeng sebesar -12.843 dan nilai signifikan sebesar 0.310 dinyatakan lebih besar dari taraf kepercayaan 0,05 sehingga dapat diambil kesimpulan variabel retribusi daerah Kabupaten Soppeng tidak berpengaruh terhadap pendapatan asli daerah (PAD) Kabupaten Soppeng, hipotesis dalam penelitian ini tidak diterima. Hal ini disebabkan Penerimaan retribusi daerah dari tahun 2016 – 2020 tidak mengalami peningkatan yang signifikan.
Terlihat bahwa kontribusi retribusi daerah terhadap pendapatan asli daerah masih sangat kecil dikarenakan porsi retribusi daerah sangat kecil jumlahnya dibandingkan dengan penerimaan pajak daerah. Serta adapun sumber-sumber retribusi daerah belum masuk dalam pos pendapatan daerah, sehingga mengakibatkan oprasional keuangan bekerja secara tidak baik atau optimal.