BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.2. Hasil Penelitian dan Pembahasan
4.2.6. Identifikasi Jenis Pajak Daerah dan Retribusi Daerah
Untuk melakukan identifikasi terhadap pajak daerah dan retribusi daerah di Provinsi Sumatera Utara digunakan rumus matrik berdasarkan alat analisis overlay. Perhitungan analisis overlay ini menggunakan rata-rata pertumbuhan pajak daerah dan retribusi daerah tujuh tahun terakhir yaitu dari tahun 2004 sampai dengan tahun 2010. Penggunaan perhitungan rata-rata pertumbuhan tujuh tahun terakhir tersebut dilakukan untuk menyesuaikan dengan data yang dipergunakan dalam analisis
overlay. Untuk melakukan perhitungan terhadap rata-rata pertumbuhan 7 tahun terakhir dapat dilihat pada Lampiran. Berdasarkan perhitungan terhadap setiap jenis pajak daerah dapat diidentifikasi melalui klasifikasi terlihat pada Tabel 4.12 berikut:
Tabel 4.12. Klasifikasi Jenis Pajak Daerah Provinsi Sumatera Utara Tahun 2004–2010
Sumber: Dinas Pendapatan Daerah Provinsi Sumatera Utara (data diolah)
Berdasarkan Tabel 4.12 dapat diidentifikasikan setiap jenis pajak daerah yaitu sebagai berikut:
a. Teridentifikasi prima adalah; pajak bahan bakar kendaraan bermotor;
b. Teridentifikasi potensial adalah pajak kendaraan bermotor dan pajak bea balik nama kendaraan bermotor;
c. Teridentifikasi berkembang adalah pajak bea balik nama kendaraan di atas air; d. Teridentifikasi sulit dikembangkan adalah pajak kendaraan di atas air dan pajak
air permukaan umum/air bawah tanah.
Sedangkan untuk jenis retribusi daerah di Provinsi Sumatera Utara dapat diidentifikasi seperti terlihat pada tabel berikut ini:
Kontribusi Pertumbuhan Prima PBB-KB Berkembang BBN-KDA Xi X > 1 (tinggi) Xi X < 1 (rendah) DXi DX > 1 (tinggi) DXi DX < 1 (rendah) Potensial PKB ; BBN-KB Sulit Dikembangkan PKDA ; APU/ABT
Tabel 4.13. Klasifikasi Jenis Retribusi Daerah Provinsi Sumatera Utara Tahun 2004 – 2010
Sumber: Dinas Pendapatan Daerah Provinsi Sumatera Utara (data diolah)
Berdasarkan Tabel 4.13 dapat diidentifikasi setiap jenis retribusi daerah di Provinsi Sumatera Utara adalah sebagai berikut:
a. Teridentifikasi potensial adalah retribusi jasa umum;
b. Teridentifikasi berkembang adalah retribusi perijinan tertentu; c. Teridentifikasi sulit dikembangkan adalah retribusi jasa usaha.
4.2.7. Pengujian Hipotesis
Pengujian hipotesis digunakan untuk mengetahui keeratan hubungan dan pengaruh antara variabel bebas (pajak daerah dan retribusi daerah) terhadap variabel terikat (PDRB). Adapun variabel yang digunakan dalam penelitian ini antara lain pajak daerah (X1) dan retribus daerah (X2) serta PDRB (Y). Untuk mengetahui sejauh mana variabel-variabel bebas (X) berpengaruh terhadap variabel terikat (Y) dapat dilihat dengan melakukan model sebagai berikut:
Y = b0 + b1X1 + b2X2 +µ Kontribusi Pertumbuhan Prima -- Berkembang Retribusi Perijinan Tertentu Xi X > 1 (tinggi) Xi X < 1 (rendah) DXi DX > 1 (tinggi) DXi DX < 1 (rendah) Potensial Retribusi Jasa Umum Sulit Dikembangkan Retribusi Jasa Usaha
Kemudian, persamaan regresi berganda tersebut ditransformasikan ke dalam bentuk logaritma, sehingga menghasilkan persaman sebagai berikut:
Ln Y = b0 + b1 Ln X1 + b2 Ln X2 +µ
dimana:
LnY = PDRB (dalam jutaan rupiah)
LnX1 = Pajak Daerah (dalam jutaan rupiah)
LnX2 = Retribusi Daerah (dalam jutaan rupiah)
b0 = Konstanta
b1, b2, = Koefisien Regresi
µ = error term
Dalam penelitian ini akan diuji hipotesis penelitian yang menyatakan bahwa produk domestik regional bruto dipengaruhi oleh variabel-variabel independen sebagaimana yang telah diuraikan di atas. Untuk pengujian model ini akan dilakukan menggunakan program Statistical Package for Social Studies (SPSS 15) for Windows.
Analisis Data terhadap Pengujian Asumsi Klasik
Sebelum melanjutkan analisis data, maka perlu dilakukan pengujian asumsi klasik terhadap model regresi yang digunakan. Uji asumsi klasik meliputi pengujian normalitas, pengujian heteroskedastisitas, pengujian auto korelasi dan pengujian multikolinearitas. Model regresi yang baik di antaranya adalah apabila memenuhi syarat uji asumsi klasik.
a. Uji Normalitas
Pengujian normalitas dilakukan dengan menggunakan grafik yang menggambarkan distribusi nilai residual variabel dependen dan independen dalam
Observed Cum Prob 1.0 0.8 0.6 0.4 0.2 0.0 Ex pe ct ed C um Prob 1.0 0.8 0.6 0.4 0.2 0.0
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: Ln PDRB
regresi yang akan digunakan. Dari hasil pengujian ini akan diperoleh distribusi residual variabel-variabel yang diteliti. Nilai residual berdistribusi normal apabila titik-titik penyebarannya mengikuti arah garis diagonal (Santoso, 2005). Asumsi klasik menyatakan bahwa model regresi harus memenuhi asumsi normalitas. Hasil pengujian dengan menggunakan program Statistical Package for Social Studies
(SPSS 15) for Windows diperoleh plot distribusi variabel-variabel penelitian sebagai
berikut:
Gambar 4.1. Hasil Pengujian Normalitas
Dari hasil pengujian normalitas pada Gambar 4.1 terlihat bahwa titik-titik penyebaran nilai residual mengikuti arah garis diagonal dan berarti model regresi telah memenuhi asumsi normalitas.
b. Uji Heteroskedastisitas
Dalam analisis regresi untuk mendapatkan hasil yang baik salah satu asumsi klasik yang harus dipenuhi adalah adanya homogenitas varian. Dalam pengujian heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varian residual dari satu pengamatan kepengamatan lain (Santoso,2005). Jika varian dari residual dari satu pengamatan ke pengamatan lain tetap, maka disebut dengan Homoskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas.
Pengujian ini dapat dilakukan dengan melihat titik-titik penyebaran varian dari residual data penelitian. Dasar pengambilan keputusan: jika titik-titik menyebar dengan pola tertentu yang teratur (bergelombang atau melebar) maka telah terjadi heteroskedastisitas. Jika tidak ada pola yang jelas serta titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Hasil pengujian Heteroskedastisitas terhadap data penelitian diperoleh gambar sebarannya sebagaimana terlihat pada Gambar 4.2 di bawah ini:
Regression Standardized Predicted Value 2 1 0 -1 -2 Re gressi on Studentized Dele ted (Pre ss) Resi dual 2 1 0 -1 -2 Scatterplot Dependent Variable: Ln PDRB
Gambar 4.2. Hasil Pengujian Heteroskedastisitas
Dari grafik hasil pengujian heteroskedastisitas di atas terlihat bahwa titik-titik varians residual menyebar secara acak dan tidak membentuk pola tertentu yang teratur serta menyebar di atas maupun di bawah titik 0 pada sumbu Y. Dengan demikian tidak terjadi heteroskedastisitas dalam model regresi ini.
c. Uji Autokorelasi
Autokorelasi bertujuan untuk menguji apakah dalam sebuah model regresi linear ada korelasi antara kesalahan pengganggu pada periode ke t dengan kesalahan
pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Model regresi yang baik adalah bebas dari autokorelasi.
Salah satu cara mengidentifikasinya adalah dengan melihat nilai
Durbin-Watson (D-W), dengan asumsi:
1. Jika nilai D-W di bawah -2 berarti ada autokorelasi positif
2. Jika nilai D-W di antara -2 sampai +2 berarti tidak ada autokorelasi 3. Jika nilai D-W di atas +2 berarti ada autokorelasi negatif
Tabel 4.14. Hasil Pengujian Autokorelasi
Dari tabel hasil uji terlihat bahwa nilai Durbin-Watson adalah 0,689, sehingga dapat
disimpulkan bahwa tidak terdapat autokorelasi di dalam model regresi.
d. Uji Multikolinearitas
Untuk menguji ada tidaknya multikolinearitas, kita dapat menggunakan nilai toleransi atau VIF (Variance Inflation Factor). Jika nilai Toleransi kurang dari 0,1
atau nilai VIF melebihi 10 maka hal tersebut menunjukkan bahwa multikolinearitas adalah masalah yang pasti terjadi antar variabel bebas.
Dengan bantuan SPSS 15, kita dapat memperoleh nilai toleransi atau VIF untuk data penelitian pada tabel berikut ini:
Model Summaryb ,953 a ,908 ,885 ,15667 ,908 39,436 2 8 ,000 ,689 Model 1 R R Square Adjusted R Square Std. Error of the Estimate R Square
Change F Change df1 df2 Sig. F Change Change Statistics
Durbin-Watson
Predictors: (Constant), Ln Retribusi, Ln Pajak a.
Dependent Variable: Ln PDRB b.
Tabel 4.15. Nilai Toleransi dan VIF
Coefficients(a)
Model Collinearity Statistics
Tolerance VIF
1 Pajak Daerah ,527 1,898
Retribusi Daerah ,527 1,898
a Dependent Variable: PDRB
Dari tabel hasil uji terlihat bahwa nilai Tolerance (0,527) dan VIF (1,898)
masih dalam batas toleransi yang ditentukan (Tolerance < 0,1 dan VIF > 10),
sehingga dapat disimpulkan bahwa tidak terjadi multikolinearitas dalam variabel independen penelitian ini. Setelah dilakukan uji asumsi klasik ternyata diketahui bahwa model regresi berganda telah bebas dari masalah asumsi klasik, maka regresi boleh dilanjutkan untuk dianalisis.