BAB III METODOLOGI PENELITIAN
D. Metode Analisis dan Uji Hipotesis
Adapun pengujian yang dilakukan adalah sebagai berikut: a. Uji Normalitas
Uji normalitas bertujuan menguji apakah sebuah model regresi, variabel indevenden, variabel dependen, atau keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal.
Deteksi normalitas dengan melihat penyebaran data (titik-titik) pada sumbu diagonal atau grafik. Dasar pengambilan keputusannya jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas, sedangkan jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal maka model regresi tidak memenuhi asumsi normalitas. (Ghozali, 2005 : 112).
b. Uji Multikolonieritas
Uji multikolonieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Jika terjadi maka dinamakan terdapat problem multikolonieritas (Multikon). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Untuk mendeteksi adanya problem multikon ini salah satunya dilakukan dengan melihat nilai Tolerance (TOL) dan Variance Inflation Factor (VIF). Model regresi daikatakan terbebas dari multikolonieritas jika mempunyai nilai VIF tidak lebih dari 10 dan mempunyai nilai Tolerance tidak kurang dari 0,1 (Bhuono Agung, 2005 :58)
c. Uji Heteroskedasitas
Uji heteroskedasitas bertujuan untuk menguji apakah dalam sebuah model regresi terjadi ketidak samaan varians dan residual dan suatu pengamatan ke pengamatan yang lain. Jika varians dari residual dari suatu pengamatan ke pengamatan lain tetap, maka disebut homoskedasitas. Model regresi yang baik tidak terjadi heteroskedasitas. Salah satu cara untuk mendeteksi ada tidaknya heteroskedasitas pada suatu model dapat dilihat dari pola gambar scatterplot model tersebut. Analisis pada gambar scatterplot yang meyatakan model regresi linier berganda tidak terdapat heteroskedasitas jika:
1) Titik-titik data menyebar diatas dan dibawah atau disekitar angka 0.
2) Titik-titik data tidak mengumpul hanya diatas atau dibawah saja. 3) Penyebaran titik-titik data tidak boleh membentuk pola
bergelombang melebar kemudian menyempit dan melebar kembali.
4) Penyebaran titik-titik data sebaliknya tidak berpola. (bhuono Agung 2005 : 63)
d. Uji Autokorelasi
Uji autokorelasi dalam suatu model bertujuan untuk mengetahui ada tidaknya korelasi anara variabel pengganggu (e) pada periode tertentu dengan variabel periode sebelumnya. Autokorelasi sering terjadi pada sampel dengan data time series dengan n-sampel adalah periode waktu. Sedangkan untuk sampel data crossction dengan n-sampel item seperti perusaahaan, orang, wilayah, dan lain sebagainya. Jarang terjadi Karena variabel pengganggu item sampel yang satu berbeda dengan yang lain.
Cara mudah mendeteksi autokorelasi dapat dilakukan dengan uji Durbin Watson. Model regresi linier berganda terbebas dari autokorelasi jika nilai durbin Watson hitung terletak di daerah No Autocarelasi. Penentuan letak tersebut dibantu dengan tabel dl dandu, dibantu dengan nilaik (jumlah variabel independen) (Bhuono Agung, 2005 : 59)
Deteksi adanya autokorelasi dengan menggunakan durbin Watson, dimana:
1) Angka D-W dibawah 2 berarti ada autokorelasi positif 2) Angka D-W dinatara -2 sampai +2 tidak ada autokorelasi 3) Angka D-W diatas +2 berati ada autokorelasi negatif
2. Uji Hipotesis
Metode analisis data yang digunakan untuk menguji hipotesis adalah metode regresi berganda, yaitu metode yang apabila dalam persamaan garis regresi berganda, yaitu metode yang apabila dalam persamaan garis regresi tercakup dua variabel (termasuk variabel tak bebas Y), maka regresi ini disebut dengan regresi linier berganda (multiple linier regression ). Dalam regresi linier ini variabel tak bebas Y bergantung kepada dua variabel atau lebih variabel. Analisa regresi berganda linier sedemikian itu didasarkan pada 3 asumsi:
1) Distribusi probabilitas bersyarat variabel dependen bagi serangkaian variabel independen mengikuti pola atau kurang lebih normal. 2) Distribusi bersyarat variabel dependen bagi tiap kombinasi variabel
independen memiliki varians yang sama.
3) Nilai-nilai variabel dependen harus independen satu dengan yang lainnya.
Regresi berganda bertujuan untuk mengetahui kelinieran pengaruh variabel jumlah pajak daerah, retribusi daerah, hasil
realisasi Pendapatan Asli Derah, untuk pengujian hipotesis model regresi berganda adalah sebagai berikut:
Rumus:
Y = a + b1X1 + b2X2+ b3X3 +b4X4
Keterangan:
Y : Penerimaan Pendapatan Asli Daerah (Variabel dependen) X1 : Penerimaan Pajak daerah
X2 : Penerimaan Retribusi Daerah
X3 : Penerimaan Hasil Perusahaan Milik Daerah (BUMD) X4 : Penerimaan Hasil-hasil Usaha yang Sah
a : Konstanta
b : Angka arah atau koefisien regresi yang menunjukan angka peningkatan atau penurunan variabel dependen yang didasarkan pada variabel independen
Hipotesis
Berkaitan dengan pengujian yang akan dilakukan dalam uji regresi yang dilakukan secara simultan dengan uji F dan secara individu dengan uji t, maka hipotesis alternatif (Ha) yang diusulkan dalam uji regresi linier berganda adalah sebagai berikut:
Ho: koefisien regresi tidak signifikan Ha: koefisien regresi signifikan
Kriteria Pengujian:
Jika PAD < 0,05 maka Ho ditolak Jika PAD > 0,05 maka Ho diterima
Dalam pengujian hipotesis, analisis dilakukan melalui : a. Uji R (Koefisien Determinasi)
Uji koefisien determinasi (R) bertujuan untuk mengetahui seberapa besar kemampuan variabel independen menjelaskan variabel dependen dalam output SPSS, koesien determinasi terletak pada table Model Summary dan tertulis R Square. Namun untuk regresi linier berganda sebaiknya menggunakanR Square yang sudah disesuaikan atau tertulis Adjusted R Square, karena disesuaikan dengan jumlah variabel independen yang digunakan dalam penelitian. Karena nilai Adjusted R dapat naik atau turun apabila satu variabel independen ditambahkan ke dalam model. Jika Adjusted R Square adalah sebesar 1 berarti fluktuasi variabel dependen seluruhnya dapat dijelaskan oleh variabel independen dan tidak ada faktor lain yang menyebabkan fluktuasi variabel dependen. Nilai R Square dikatakan baik jika di atas 0,5 karena nilai R Square berkisar antara 0 sampai 1 artinya semakin kuat kemampuan kuat kemampuan variabel independen dapat menjelaskan varaiabel dependen. Sebaliknya jika niali Adjusted R Square semakin mendekati angka 0 berarti semakin lemah kemampuan variabel independent dapat
dengan data deret waktu (time series) memiliki R Square maupun Adjusted R Square cukup tinggi (di atas 0,5), sedangkan sampel dengan data item tertentu yang disebut data silang (Crossection) pada umumnya memiliki R Square maupun Adjusted R Square agak rendah (di bawah 0,5), namun tidak menutup kemungkinan data jenis crossection memiliki nilai R Square maupun Adjusted R Square cukup tinggi. (Ghozali, 2005 : 83).
b. Uji Statistik F
Uji statistik F dilakukan untuk mengetahui hubungan variabel-variabel independen secara bersama-sama (simultan) terhadap variabel dependen. Untuk mengetahui apakah variabel independent secara bersama-sama mempengaruhi variabel dependen, maka digunakan tingkat signifikansi sebesar 0,05. jika nilai probability F lebih besar dari 0,05 maka model regresi tidak dapat digunakan untuk memproduksi variabel dependen atau dengan kata lain variabel independent secara bersama-sama berpengaruh terhadap variabel dependen. Sebaliknya jika nilai probability F lebih kecil dari 0,05 maka model regresi tidak dapat digunakan untuk memprediksi variabel dependen atau dengan kata lain variabel independen secara bersama-sama tidak berpengaruh terhadap variabel dependen.
c. Uji t - Statistik
Uji t-statistik digunakan untuk mengetahui hubungan masing-masing variabel independent secara individual (parsial)
terhadap variabel dependen. Cara untuk melakukan uji t-ada 2 yaitu dengan melihat tingkat signifikansi dan dengan membandingkan antara nilai t hitung dengan nilai t-tabel. Untuk mengetahui ada dan tidaknya pengaruh masing-masing variabel-variabel independent secara individual terhadap variabel dependen digunakan tingkat signifikansi 0,05. sedangkan untuk membandingkan nilai statistik t dengan titik kritis menurut tabel digunakan ketentuan bahwa apabila nilai statistic t hitung lebih tinggi dibandingkan nilai tabel maka menerima hipotesis alternatif yang menyatakan bahwa suatu variabel independen secara individual mempengaruhi variabel dependen. (Ghozali, 2005 : 85)
