Pengaruh Retribusi Daerah dan Ekspor Barang Konsumsi terhadap Penerimaan Pemerintah Provinsi Sumatera Utara

PENGARUH RETRIBUSI DAERAH DAN EKSPOR BARANG KONSUMSI TERHADAP PENERIMAAN PEMERINTAH

PROVINSI SUMATERA UTARA

TUGAS AKHIR

RUMIRIS BERLIANA SITORUS 122407109

PROGRAM STUDI DIPLOMA 3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

PENGARUH RETRIBUSI DAERAH DAN EKSPOR BARANG KONSUMSI TERHADAP PENERIMAAN PEMERINTAH

PROVINSI SUMATERA UTARA

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya

RUMIRIS BERLIANA SITORUS 122407109

PROGRAM STUDI DIPLOMA 3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

PERSETUJUAN

Judul : Pengaruh Retribusi Daerah dan Ekspor Barang Konsumsi terhadap Penerimaan Pemerintah Provinsi Sumatera Utara Kategori : Tugas Akhir

Nama : Rumiris Berliana Sitorus

Nim : 122407109

Program Studi : D3 Statistika Departemen : Matematika

Fakultas : Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara

Diluluskan di Medan, Juli 2015

Disetujui oleh:

Program Studi D3 Statistika FMIPA USU Pembimbing Ketua,

PERNYATAAN

PENGARUH RETRIBUSI DAERAH DAN EKSPOR BARANG KONSUMSI TERHADAP PENERIMAAN PEMERINTAH

PROVINSI SUMATERA UTARA

TUGAS AKHIR

Saya mengakui bahwa tugas akhir ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, Juli 2015

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya Penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan judul Pengaruh Retribusi Daerah dan Ekspor Barang Konsumsi terhadap Penerimaan Pemerintah Provinsi Sumatera Utara.

Terima kasih penulis sampaikan kepada Ibu Dr. Elly Rosmaini, M.Si selaku pembimbing yang telah mengarahkan dan meluangkan waktunya selama penyusunan tugas akhir ini. Terima kasih kepada Bapak Dr. Faigiziduhu Bu’ulölö, M.Si dan Bapak Dr. Suwarno Ariswoyo, M.Si selaku Ketua dan Sekretaris Program Studi D3 Statistika FMIPA USU, Bapak Prof. Dr. Tulus, M.Si dan Ibu Dr. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU Medan, Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU yang telah memberikan izin kepada penulis untuk melaksanakan riset, seluruh staff dan Dosen Program Studi D3 Statistika FMIPA USU, pegawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada Bapak Jaingot Sitorus dan Ibu Nita Lumban Raja yang selama ini memberikan bantuan dana dan dorongan semangat yang penulis perlukan. Semoga Tuhan Yang Maha Esa membalasnya.

DAFTAR ISI

Halaman

PERSETUJUAN i

PERNYATAAN ii

PENGHARGAAN iii

DAFTAR ISI iv

DAFTAR TABEL vi

DAFTAR GAMBAR vii

BAB 1 PENDAHULUAN 1

1.1 Latar Belakang 1

1.2 Rumusan Masalah 2

1.3 Batasan Masalah 2

1.4 Maksud dan Tujuan Penelitian 2

1.5 Metode Penelitian 2

1.6 Tinjauan Pustaka 4

1.7 Sistematika Penulisan 6

BAB 2 LANDASAN TEORI 7 2.1 Pengertian Regresi 7 2.2 Analisis Regresi Linier 7

2.3 Analisis Regresi Linier Sederhana 8

2.4 Analisis Regresi Linier Berganda 8

2.5 Uji Keberartian Regresi 10 2.6 Pengujian Hipotesa 11 2.7 Koefisien Determinasi 12 2.8 Koefisien Korelasi 12 BAB 3 PENGOLAHAN DATA 15 3.1 Data dan Pembahasan 15 3.2 Persamaan Regresi Linier Berganda 17 3.3 Analisis Residu 19 3.4 Koefisien Determinasi 20 3.5 Koefisien Korelasi 21

3.6 Pengujian Koefisien Regresi Linier Berganda 22 3.7 Uji Koefisien Linier Berganda 24 BAB4 IMPLEMENTASI SISTEM 27 4.1 Pengertian Implementasi Sistem 27

4.2 SPSS dalam Statistika 27

4.3 Mengaktifkan SPSS 27

4.5 Input Variable (Variable View) 29

4.6 Input Data (Data View) 29

4.7 Pengolahan Data dengan Analisis Regresi 30

BAB 5 KESIMPULAN DAN SARAN 34

5.1 Kesimpulan 34

5.2 Saran 35

DAFTAR TABEL

Nomor Tabel Judul Halaman 2.1 Interpretasi Koefisien Korelasi Nilai r 13 3.1 Data Retribusi Daerah, Ekspor Barang Konsumsi dan

Penerimaan Pemerintah Provinsi Sumatera Utara tahun 2001-2013 16 3.2 Data yang telah disederhanakan 17 3.3 Nilai-nilai Koefisien Persamaan Regresi Linier Berganda 18 3.4 Nilai –nilai yang diperlukan untuk Uji Koefisien Regresi

DAFTAR GAMBAR

Nomor Judul Halaman Gambar

4.1 Print Screen Tampilan Jendela Start Windows 31

4.2 Tampilan Jendela Awal SPSS 32

4.3 Tampilan Jendela Variabel View 33

4.4 Tampilan Jendela Data View 33

4.5 Tampilan Pengolahan Data dengan Regresi Linier 34

4.6 Tampilan Jendela Regresi Linier 34

4.7 Tampilan Jendela Statistik Regresi Linier 35

4.8 Tampilan Jendela Regresi Linier Plot 35

4.9 Tampilan Jendela Regresi Linier Save 36

BAB 1 PENDAHULUAN

1.1 Latar Belakang

Kebutuhan masyarakat yang meningkat mendorong pemerintah daerah untuk mengupayakan peningkatan penerimaan daerah dengan memberi perhatian kepada perkembangan Pendapatan Asli Daerah (PAD). Sumber-sumber Pendapatan Asli Daerah (PAD) adalah hasil pajak daerah, hasil retribusi daerah, dan hasil pengolahan kekayaan daerah yang sah. Komponen tersebut secara penuh dapat digunakan oleh daerah sesuai dengan kebutuhan dan prioritas daerah.

Pendapatan asli Daerah (PAD) merupakan sumber dana terbesar Penerimaan Daerah Provinsi Sumatera Utara pada tahun 2012 dan 2013. PAD merupakan salah satu sumber penerimaan yang harus dipacu pertumbuhannya secara berkesinambungan. Agar hal ini dapat dicapai, tentunya komponen-komponen yang berkaitan dengan itu harus ditindaklanjuti. Misalnya dengan memberikan pelayanan yang baik dan perbaikan fasilitas umum sehingga masyarakat dapat turut merasakan manfaat pajak yang dibayarkan.

Dalam era Otonomi Daerah sekarang ini, daerah diberi kewenangan yang lebih besar untuk mengatur dan mengurus rumah tangganya sendiri. Tujuannya antara lain adalah untuk lebih mendekatkan pelayanan pemerintah kepada masyarakat, memudahkan masyarakat untuk memantau dan mengontrol penggunaan dana yang bersumber dari Anggaran Pendapatan dan Belanja Daerah (APBD), selain untuk menciptakan persaingan yang sehat antar daerah dan mendorong timbulnya inovasi baru.

Disamping itu, banyak faktor lain yang juga dapat mempengaruhi pendapatan pemerintah daerah seperti ekspor hasil kekayaan daerah yaitu ekspor bahan modal, bahan baku dan barang konsumsi. Barang konsumsi adalah consumption goods; consumer goods yaitu barang yang dipakai secara langsung atau tidak langsung oleh konsumen untuk keperluan pribadi atau rumah tangga yang bersifat sekali habis.

1.2 Rumusan Masalah

1.3 Batasan Masalah

Untuk mengarahkan penelitian ini agar tidak menyimpang dari sasaran yang dituju maka penulis hanya meneliti seberapa besar pengaruh Retribusi daerah dan Ekspor barang konsumsi terhadap pendapatan Pemerintah Provinsi Sumatera Utara. Data kuantitatif yang digunakan adalah data retribusi daerah, data ekspor barang konsumsi dan data pendapatan (penerimaan) pemerintah Propinsi Sumatera Utara tahun 2001 sampai tahun 2013.

1.4 Maksud dan Tujuan Penelitian Tujuan dari penelitian ini adalah untuk :

1. Mengetahui faktor-faktor apa saja yang mempengaruhi besar pendapatan Pemerintah Provinsi Sumatera Utara.

2. Mengetahui nilai pengaruh dari kedua faktor tersebut terhadap pendapatan Pemerintah Provinsi Sumatera Utara.

3. Menentukan persamaan linier berganda dari faktor-faktor yang mempengaruhi pendapatan Pemerintah Provinsi Sumatera Utara.

1.5 Metodologi Penelitian

Metode penelitian adalah suatu cara yang terdiri dari langkah-langkah atau urutan kegiatan yang berfungsi sebagai pedoman umum yang digunakan untuk melaksanakan penelitian sehingga apa yang menjadi tujuan dari penelitian itu terwujud. Penulis melalukan beberapa langkah untuk menyelesaikan penelitian, antara lain:

1. Penelitian Kepustakaan

Metode penelitian kepustakaan (Study Literature) yaitu metode pengumpulan data untuk memperoleh data dan informasi dari perpustakaan, dengan membaca buku-buku, referensi, bahan-bahan yang bersifat teoritis, serta sumber informasi lainnya yang berhubungan dengan objek yang diteliti.

2. Metode Pengumpulan Data

3. Metode Pengolahan Data 1) Penentuan Objek Penelitian

Penentuan objek penelitian merupakan hal yang sangat penting untuk dilakukan, sesuai dengan metode yang sudah dibentuk dalam penyusunan Tugas Akhir.

2) Penentuan Variabel

Menentukan kelompok data mana yang menjadi variable (variabel bebas) dan mana yang menjadi variabel (variabel terikat).

3) Menentukan hubungan antara variabel dengan variable sehingga di dapat

regresi atas .

4) Uji Korelasi

Pengujian ini untuk mengetahui seberapa besarkah hubungan variabel-variabel bebas itu dapat menjelaskan variable tak bebas.

5) Menguji Koefisien-koefisien Regresi

Pengujian ini dilakukan untuk menguji tingkat nyata koefisien-koefisien regresi yang didapat dan seberapa besar kontribusinya.

4. Membuat Kesimpulan dan saran.

1.6 Tinjauan Pustaka

Menyatakan perubahan nilai variabel itu dapat pula disebabkan oleh berubahnya variabel lain yang berhubungan dengan variabel tersebut. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh variabel lain diperlukan alat analisis yang memungkinkan untuk membuat perkiraan nilai variabel tersebut pada nilai tertentu variabel yang mempengaruhinya.

hubungan sebab akibat, baik yang didasarkan pada teori, hasil penelitian sebelumnya, ataupun yang berdasarkan pada penjelasan logis tertentu.

Bentuk hubungan antara variabel dapat searah atau dapat berlawanan arah. Hubungan antara variabel searah artinya perubahan nilai yang satu dengan nilai yang lain searah. Hubungan antara variabel berlawanan arah artinya perubahan nilai yang satu dengan nilai yang lain berlawanan arah. (Usman, Husaini, 1995). Regresi ganda berguna untuk mendapatkan pengaruh dua variabel kriterium atau untuk mencari hubungan fungsional dua prediktor atau lebih dengan variabel kriteriumnya atau untuk meramalkan dua variabel prediktor atau lebih terhadap variabel kriteriumnya (Sudjana, 2001).

Setelah mengetahui hubungan fungsional antara variabel-variabel di mana persamaan regresinya telah ditentukan dan telah melakukan pengujian maka persoalan berikutnya yang dirasakan perlu, jika data hasilpengamatan terdiri dari banyak variabel adalah seberapa kuat hubungan antara variabel-variabel itu. Dengan kata lain perlu ditentukan derajat hubungan antara variabel-variabel tersebut. Studi yang membahas derajat hubungan antara variabel-variabel tersebut dikenal dengan nama analisis korelasi. Ukuran yang dipakai untuk mengetahui derajat hubungan, terutama data kuantitatif dinamakan koefisien korelasi (Iswardono, 1981).

Jika kenaikan di dalam suatu variabel diikuti dengan kenaikan di dalam variabel lain, maka dapat dikatakan bahwa kedua variabel tersebut mempunyai korelasi yang positip. Tetapi jika kenaikan di dalam suatu variabel diikuti oleh penurunan di dalam variabel lain, maka dapat dikatakan bahwa variabel tersebut mempunyai korelasi yang negatip. Dan jika tidak ada perubahan pada variabel walaupun variabel lainnya berubah maka dikatakan bahwa kedua variabel tersebut tidak mempunyai hubungan.

1.7 Sistematika Penulisan

Sistematika penulisan diuraikan untuk memberikan kerangka atau gambaran dalam tugas akhir ini. Dalam penyusunan tugas akhir ini penulis membagi enam bab di mana masing-masing bab terdiri dari sub-sub bab. Adapun sistematika penulisannya adalah sebagai berikut:

BAB 1 : PENDAHULUAN

BAB 2 : LANDASAN TEORI

Bab ini menguraikan tentang pengertian regresi, regresi linier berganda, uji regresi linier berganda dan korelasi regresi linier ganda serta uji koefisien regresi linier berganda.

BAB 3 : PENGOLAHAN DATA

Bab ini menguraikan pengolahan data dengan menggunakan metode analisis regresi linier berganda, korelasi ganda, dan pengujian koefisien regresi linier berganda.

BAB 4 : IMPLEMENTASI SISTEM

Bab ini menjelaskan tentang program atau softwareyang digunakan untuk mengolah/menganalisis data. Penulis menggunakan program SPSS (Statistic Product and Service Solution).

BAB 5 : KESIMPULAN DAN SARAN

Bab ini merupakan bab penutup yang merupakan kesimpulan dari pembahasan serta saran-saran penulis berdasarkan kesimpulan yang didapat.

BAB 2

LANDASAN TEORI

2.1 Pengertian Regresi

Pengertian regresi secara umum adalah sebuah alat statistik yang memberikan penjelasan tentang pola hubungan (model) antara dua variabel atau lebih. Istilah regresi pertama kali diperkenalkan oleh Francis Galton pada tahun 1877. Menurut Galton, analisis regresi berkenaan dengan studi ketergantungan dari satu variabel yaitu variabel terikat pada satu atau lebih variabel bebas yang menerangkan dengan tujuan untuk memperkirakan atau pun meramalkan nilai dari variabel tak bebas apabila nilai-nilai variabel yang menerangkan sudah diketahui. Variabel yang menerangkan sering disebut variabel bebas. Analisis regresi digunakan apabila ada korelasi antara satu atau beberapa variabel terikat dengan variabel bebas. Variabel bebas dapat berupa data kontinu maupun kategori. Dalam analisis regresi dikenal 2 jenis variabel yaitu:

1. Variabel respon disebut juga variabel terikat yaitu variabel yang keberadaannya dipengaruhi oleh variabel lainnya yang dinotasikan dengan variabel .

2. Variabel prediktor disebut juga dengan variabel bebas yaitu variabel yang tidak dipengaruhi oleh variabel lainnya yang dinotasikan dengan variabel .

2.2 Persamaan Regresi

Persamaan regresi (regression equation) adalah suatu persamaan matematis yang mendefinisikan hubungan antara dua variabel. Persamaan regresi yang digunakan untuk membuat taksiran mengenai variabel terikat disebut persamaan regresi estimasi, yaitu suatu formula matematis yang menunjukkan hubungan keterkaitan antara satu atau beberapa variabel yang nilainya sudah diketahui dengan satu variabel lain yang nilainya belum diketahui. Sifat hubungan antar variabel dalam persamaan regresi merupakan hubungan sebab akibat (causal relationship).

Untuk mempelajari hubungan-hubungan antara beberapa variabel, persamaan analisis regresi dapat dilihat dari dua bentuk, yaitu:

Analisis regresi sederhana merupakan hubungan antara dua variabel yaitu variabel bebas dan variabel terikat. Sedangkan analisis regresi berganda merupakan hubungan antara 3 variabel atau lebih, yaitu sekurang-kurangnya dua variabel bebas dengan satu variabel terikat. Tujuan utama regresi adalah untuk membuat perkiraan nilai suatu variabel terikat yang berhubungan jika nilai variabel lainnya sudah ditentukan.

2.3 Analisis Regresi Linier Sederhana

Regresi linier sederhana digunakan untuk mendapatkan hubungan matematis dalam bentuk suatu persamaan antara variabel terikat tunggal dengan variabel bebas tunggal. Regresi linier sederhana hanya memiliki satu peubah yang dihubungkan dengan satu peubah tidak bebas. Bentuk umum dari persamaan regresi linier untuk sampel adalah

2.1

keterangan:

= Variabel terikat = Variabel bebas = Parameter intersep

= Parameter koefisisen regresi variabel bebas

2.4 Analisis Regresi Linier Berganda

Banyak persoalan penelitian dan pengamatan yang terjadi sebagai akibat lebih dari dua variabel, atau dengan kata lain dari satu peubah dalam membentuk model regresi. Model-model regresi yang mengunakan lebih dari satu variabel bebas disebut Model-model regresi linier berganda. Regresi linier berganda hampir sama dengan regresi linier sederhana, hanya saja pada regresi linier berganda variabel bebasnya lebih dari satu variabel penduga. Tujuan analisis regresi linier berganda adalah untuk mengukur intensitas hubungan antara dua variabel atau lebih dan membuat prediksi perkiraan nilai atas . Secara umum model regresi linier berganda untuk populasi adalah sebagai berikut:

2.2

2.3

keterangan:

= Variabel terikat = Konstanta = Koefisien regresi = Variabel bebas =

Bentuk data yang akan diolah ditunjukkan pada Tabel 2.1

Tabel 2.1 Bentuk Umum Data Observasi Nomor

Observasi

Responden Variabel Bebas …

1 …

2 …

. . . . … .

. . . . … .

. . . . … .

N …

…

Dalam penelitian ini, penulis menggunakan regresi linier berganda dengan 3 variabel, yaitu satu variabel terikat dan dua variabel bebas. Maka variabel–variabel penelitiannya adalah:

= Penerimaan Pemerintah (Rupiah) = Retribusi Daerah (Rupiah)

= Ekspor Barang Konsumsi (Ton)

Persamaan regresi berganda dengan dua variabel bebas ditaksir oleh:

2.4

Dan diperoleh persamaaan normal, yaitu:

2.7 Untuk mencari persamaan normal di atas disubsitusikan sehingga diperoleh model regresi linier berganda atas .

2.5 Kesalahan Standar Estimasi

Dalam persamaan model regresi yang diperoleh, maka antara nilai dengan akan menimbulkan perbedaan hasil yang sering disebut sebagai kesalahan standar estimasi (standard error of estimation) yang disebabkan oleh faktor-faktor lain selain yang mempengaruhi akan tetapi belum diperhitungkan (tidak dimasukkan dalam persamaan). Ukuran tersebut dapat dihitung oleh kekeliruan baku taksiran , yang dapat ditentukan oleh rumus:

2.8

keterangan:

= Nilai data hasil pengamatan = Nilai hasil regresi

n = Banyaknya sampel k = Banyaknya variabel

2.6 Uji Regresi Linier Berganda

Pengujian hipotesis bagi koefisien-koefisien regresi linier berganda dapat dilakukan secara serentak atau keseluruhan. Pengujian regresi linier perlu dilakukan untuk mengetahui apakah variabel-variabel bebas secara bersamaan pemiliki pengaruh terhadap variabel tak bebas. Langkah-langkah pengujiannya adalah sebagai berikut:

1. Menentukan formulasi hipotesis

tidak mempengaruhi )

2. Menentukan taraf nyata dan dengan derajat kebebasan dan .

3. Menentukan kriteria pengujian H0 diterima apabila

H0 ditolak apabila

4. Menentukan nilai statistik F dengan rumus:

2.9

Keterangan:

= Jumlah kuadrat regresi = Jumlah kuadrat residu (sisa)

= Derajat kebebasan

Dengan nilai dan dapat dihitung dengan rumus:

2.10

2.11

keterangan:

2.7 Koefisien Determinasi

besar variasi dari variabel terikat dapat diterangkan oleh variabel bebas , atau dengan kata lain seberapa besar memberikan kontribusi terhadap . Jika koefisien sama dengan 0 ( = 0), berarti variasi dari tidak dapat diterangkan oleh . Dan bila = 1, maka semua titik pengamatan berada tepat pada garis regresi. Dengan demikian baik atau buruknya suatu persamaan regresi ditentukan oleh -nya.

ditentukan oleh rumus:

2.12

2.8 Koefisien Korelasi

Analisis korelasi adalah alat statistik yang dapat digunakan untuk mengetahui adanya derajat hubungan linier antara satu variabel dengan variabel lain. Jika antara variabel yang satu dengan variabel yang lainnya mempunyai hubungan, maka variabel yang satu akan berubah akibat perubahan-perubahan dari variabel lainnya. Besarnya hubungan antara variabel yang satu dengan variabel yag lain dinyatakan dengan koefisien korelasi yang disimbolkan dengan “ ” yang besarnya adalah akar koefisien determinasi. Atau secara matematis dapat ditulis sebagai berikut:

2.13

Koefisien korelasi (r) dapat digunakan untuk:

1. Mengetahui keeratan hubungan (korelasi linier) antara dua variabel. 2. Mengetahui arah hubungan antara dua variabel.

Dua variabel dikatakan berkorelasi apabila perubahan dalam satu variabel diikuti oleh perubahan variabel lain, baik yang searah maupun tidak. Hubungan antara variabel dapat dikelompokkan menjadi tiga jenis:

1. Korelasi Positif

Terjadinya korelasi positif apabila perubahan antara variabel yang satu diikuti oleh variabel lainnya dengan arah yang sama (berbanding lurus). Artinya apabila variabel yang satu meningkat, maka akan diikuti peningkatan variabel lainnya.

Terjadinya korelasi negatif apabila perubahan antara variabel yang satu diikuti oleh variabel lainnya dengan arah yang berlawanan (berbanding terbalik). Artinya apabila variabel yang satu meningkat, maka akan diikuti penurunan variabel lainnya.

3. Korelasi Nihil

Terjadinya korelasi nihil apabila perubahan antara variabel yang satu diikuti oleh variabel lainnya dengan arah yang tidak teratur (acak). Artinya apabila variabel yang satu meningkat, kadang diikuti dengan peningkatan pada variabel lain dan kadang diikuti dengan penurunan pada variabel lain.

Berdasarkan hubungan antar variabel yang satu dengan variabel lainnya dinyatakan dengan koefisien korelasi yang disimbolkan dengan . Besarnya korelasi berkisar antara

.

Untuk mencari korelasi antara variabel dengan dapat dirumuskan sebagai berikut:

2.14

keterangan:

= Koefisien korelasi antara dan = Variabel bebas

= Variabel terikat

Nilai koefisien korelasi adalah . Jika dua variabel berkorelasi negatif maka nilai koefisien korelasinya akan mendekati -1, jika dua variabel tidak berkorelasi maka nilai koefisien korelasinya akan mendekati 0, sedangkan jika dua variabel berkorelasi positif maka nilai koefisien korelasinya akan mendekati 1. Untuk lebih mengetahui seberapa jauh derajat antara variabel-variabel tersebut, dapat dilihat dalam Tabel 2.2.

Tabel 2.2 Interpretasi Koefisien Korelasi Nilai Interpretasi

0,01 – 0,20 Sangat rendah 0,21 – 0,40 Rendah 0,41 – 0,60 Agak rendah 0,61 – 0,80 Cukup 0,81 – 0,99 Tinggi

1 Sangat tinggi

BAB 3

PENGOLAHAN DATA

3.1 Data dan Pembahasan

Data merupakan alat yang digunakan untuk mengambil suatu keputusan dalam memecahkan suatu persoalan. Penulis mengambil data dari Badan Pusat Statistika dengan data yang dikumpulkan yaitu retribusi daerah, dan ekspor barang konsumsi terhadap penerimaan Pemerintah Provinsi Sumatera Utara dari tahun 2001 sampai tahun 2013. Adapun datanya seperti pada Tabel 3.1 berikut:

Tabel 3.1 Data Retribusi Daerah, Ekspor Barang Konsumsi dan Penerimaan Pemerintah Provinsi Sumatera Utara Tahun 2001-2013 Tahun Penerimaan Pemerintah

(Rp)

Retribusi Daerah (Rp)

0,01 – 0,20 Sangat rendah 0,21 – 0,40 Rendah 0,41 – 0,60 Agak rendah 0,61 – 0,80 Cukup 0,81 – 0,99 Tinggi

1 Sangat tinggi

BAB 3

PENGOLAHAN DATA

3.1 Data dan Pembahasan

Data merupakan alat yang digunakan untuk mengambil suatu keputusan dalam memecahkan suatu persoalan. Penulis mengambil data dari Badan Pusat Statistika dengan data yang dikumpulkan yaitu retribusi daerah, dan ekspor barang konsumsi terhadap penerimaan Pemerintah Provinsi Sumatera Utara dari tahun 2001 sampai tahun 2013. Adapun datanya seperti pada Tabel 3.1 berikut:

Tabel 3.1 Data Retribusi Daerah, Ekspor Barang Konsumsi dan Penerimaan Pemerintah Provinsi Sumatera Utara Tahun 2001-2013 Tahun Penerimaan Pemerintah

(Rp)

Retribusi Daerah (Rp)

2013 7.412.094.314 79.173.620 2.084.879 (Sumber : Badan Pusat Statistik Provinsi Sumatera Utara)

Dari tabel di atas dapat dilihat bahwa ada sebuah variabel dependen dan dua buah variabel independen yang mempunyai nilai cukup besar dengan satua Rupiah dan Ton. Penulis menyederhanakan nilai-nilai tersebut ke dalam satuan yang lebih sederhana seperti tabel berikut:

Tabel 3.2 Data yang telah disederhanakan Tahun Penerimaan

Pemerintah (Rp)

Retribusi Daerah (Rp)

Ekspor Barang Konsumsi (Ton) 2001 1066,803843 15,448298 1,611907 2002 1179,912701 7,127396 1,598623 2003 1571,972617 16,928483 1,282394 2004 1882,698582 23,756055 2,018135 2005 1742,474554 19,1019 2,054518 2006 2517,402983 11,714728 2,083985 2007 2975,150652 13,611811 1,88794 2008 3620,112147 29,409174 2,099781 2009 3823,149652 29,456736 1,964783 2010 4232,169601 35,813385 1,913848 2011 5363,366624 31,297594 2,058333 2012 7922,705446 33,494628 2,155546 2013 7412,094314 79,17362 2,084879

Sumber : Badan Pusat Statistik Provinsi Sumatera Utara

Dengan:

= Penerimaan Pemerintah (Rupiah) = Retribusi Daerah (Rp)

= Ekspor Barang Konsumsi (Ton)

Untuk mencari persamaan regresi berganda, terlebih dahulu kita menghitung koefisisen-koefisien regresinya dengan mencari penggandaan satu variable dengan variabel yang lain.

Dengan koefisien-koefisien tersebut maka dapat ditentukan persamaan untuk mencari regresi linier bergandanya.

Adapun nilai dari koefisien-koefisien tersebut adalah sebagai berikut:

Tabel 3.3 Nilai–nilai Koefisien Persamaan Regresi Linier Berganda

Sambungan Tabel 3.3

Nilai-Nilai Koefisien Persamaan Regresi Linier Berganda

Tahun Y X1 X2 Y2

2001 1066,8038 15,448298 1,611907 1138070,4394 2002 1179,9127 7,127396 1,598623 1392193,9820 2003 1571,9726 16,928483 1,282394 2471097,9086 2004 1882,6986 23,756055 2,018135 3544553,9507 2005 1742,4746 19,1019 2,054518 3036217,5713 2006 2517,4029 11,714728 2,083985 6337317,7788 2007 _{2975,1507 13,611811 1,88794 8851521,4021} 2008 3620,1122 29,409174 2,099781 13105211,957 2009 3823,1497 29,456736 1,964783 14616473,262 2010 _{4232,1696 35,813385 1,913848 17911259,532} 2011 5363,3666 31,297594 2,058333 28765701,543 2012 7922,7054 33,494628 2,155546 62769261,584 2013 _{7412,0943 79,17362 2,084879 54939142,119} Total _{45310,014 346,33381 24,81467 218878023,03}

Untuk membuat persamaan regresi linier dari data diatas maka dibutuhkan harga-harga di bawah ini:

= 346,334 = 218.878.023,03

= 24,8147 = 13.212,861

= 45.310,014 = 48,162

= 1.590.220,284 = 685,162

= 90.647,835 = 13

Dengan mensubstitusikan angka-angka diatas kedalam sistem persamaan normal:

Dengan demikian terbentuk persamaannya yaitu:

…….…………..……Pers (1) ………...Pers (2) ……...Pers (3) Eliminasikan Pers (1) dan Pers (2)

=

……….Pers (4) Eliminasikan Pers (1) dan Pers (3)

=

………..Pers (5) Eliminasikan Pers (4) dan Pers (5)

Substitusi ke Persamaan (5)

Substitusikan dan ke Persamaan (1)

Sehingga diperoleh persamaan regresinya:

3.3 Analisis Residu

Dengan didapat persamaan regresinya, maka untuk mengetahui seberapa besar penyimpangan tingkat Penerimaan Pemerintah Provinsi Sumatera, maka dapat dihitung dengan mencari koefisien-koefisien dari Analisis Residunya sebagai berikut:

Tabel 3.4 Penyimpangan Nilai Koefisien

Tahun ( )2

2002 1.179,912701 1.063,399216 116,5134847 13.575,39211

2003 1.571,972617 938,7666201 633,2059969 400.949,8345

2004 1.882,698582 3.568,183283 -1.685,484701 2.840.858,678

2005 1.742,474554 3.304,093781 -1.561,619227 2.438.654,609

2006 2.517,402983 2.804,57491 -287,1719274 82.467,71586

2007 2.975,150652 2.397,3597 577,7909518 333.842,384

2008 3.620,112147 4.246,4835 -626,3713533 392.341,0723

2009 3.823,149652 3.866,687475 -43,53782325 1.895,542054

2010 4.232,169601 4.223,849397 8,320203719 69,22578993

2011 5.363,366624 4.277,819442 1.085,547182 1.178.412,684

2012 7.922,705446 4.727,479749 3.195,225697 10.209.467,26

2013 7.412,094314 8.133,196809 -721,1024953 519.988,8087

Total 45.310,01372 45.309,99527 0,018444112 18.890.415,5

dengan k = 2, n = 13, dan

3.4 Koefisien Determinasi

Berdasarkan Tabel 3.4 dapat dilihat harga sedangkan yang telah dihitung adalah Maka selanjutnya dapat diperoleh nilai koefisien determinasi dengan rumus:

Dan untuk koefisien korelasi ganda digunakan rumus:

Dari hasil perhitungan didapat nilai koefisien determinasi sebesar 0,690 dan dengan mencari akar dari diperoleh koefisien korelasinya sebesar 0,831. Ar tinya 83,10% laju pertumbuhan Penerimaan Pemerintah Provinsi Sumatera utra di pengaruhi oleh kedua faktor di atas dan 16,9% ditentukan oleh faktor lain.

.

3.5 Koefisien Korelasi

Untuk mengukur seberapa besar hubungan variabel terikat ( ) terhadap variabel bebas ( ), dapat dilihat dari seberapa besarnya nilai koefisien korelasinya, yaitu:

Ini menunjukkan hubungan yang searah antara Penerimaan Pemerintah (Y) dengan Retribusi Daerah (X1) berkolerasi kuat yaitu sebesar 77,7%.

2. Koefisien korelasi antara Penerimaan Pemerintah (Y) dengan Ekspor Barang Konsumsi (X2)

Ini menunjukkan hubungan searah antara Penerimaan Pemerintah (Y) dengan Ekspor Barang Konsumsi (X2) berkorelasi agak lemah sebesar 59,7%.

Ini menunjukkan hubungan yang searah antara Retribusi Daerah (X1) dan Ekspor Barang Konsumsi (X2) namun termasuk dalam korelasi agak rendah yaitu 42,8%.

3.6 Pengujian Regresi Linier Berganda

Sebelum persamaan regresi yang diperoleh digunakan untuk membuat suatu kesimpulan, maka perlu diadakan suatu pengujian hipotesa mengenai keberartian model regresi. Perumusan hipotesanya adalah:

1. Menentuka

n Formula Hipotesis

Ini berarti bahwa antara Retribusi daerah dengan Ekspor Barang Konsumsi tidak mempengaruhi tingkat Penerimaan Provinsi Sumatera Utara.

Minimal ada satu parameter koefisien regresi yang tidak sama dengan nol. Ini berarti bahwa antara Retribusi Daerah dengan Ekspor Barang Konsumsi mempunyai pengaruh terhadap tingkat Penerimaan Provinsi Sumatera Utara. 2. Kriteria pengujan hipotesanya:

diterima apabila ditolak apabila 3. Menentukan

Dengan Harga

Untuk , yaitu nilai statistik F jika dilihat dari tabel distribusi F dengan derajat

kebebasan pembilang dan , dan maka:

Dengan demikian dapat dilihat bahwa nilai . Maka ditolak dan diterima. Hal ini berarti persamaan linier berganda Y atas X1 dan X2 bersifat nyata, bahwa terdapat hubungan fungsional yang signifikan antara variabel bebas yaitu Retribusi Daerah dan Ekspor Barang Konsumsi dengan variabel terikat yaitu Penerimaan Pemerintah Provinsi Sumatera Utara.

3.7 Regresi Linier Berganda

Untuk mengetahui bagaimana keberartian setiap variabel bebas dalam persamaan regresi tersebut, maka perlu diadakan pengujian tersendiri mengenai koefisien-koefisien regresinya.

Langkahnya adalah sebagai berikut:

1. Perumusan

Hipotesa:

: dimana i = 1,2,3

Tidak terdapat pengaruh yang signifikan antara koefisien terhadap Y. : dimana i = 1,2,3

2. Kriteria pengujian:

Jika , maka ditolak dan diterima Jika , maka diterima dan ditolak 3. Ambil kesimpulan berdasarkan hasil pengujian.

Untuk melakukan pengujian diperlukan rumus:

Terlebih dahulu nilai yang diperlukan untuk melakukan pengujian regresi yaitu:

= 1.374,424

Kemudian didapatkan nilai distribusi student

Untuk taraf nyata α = 0,05 dan derajat kebebasan dk = (n-k-1) = (13-2-1) = 10, dari tabel

distribusi student t diperoleh nilai .

Maka dari perhitungan diatas diperoleh:

t1 > ttabel maka H0 ditolak : t1 (3,278) > ttabel (2,22814) t2 < ttabel maka H0 ditolak : t2 (1,666) > ttabel (2,22814)

BAB 4

IMPLEMENTASI SISTEM

4.1 Pengertian Implementasi Sistem

Implementasi sistem merupkan prosedur yang dilakukan untuk menyelesaikan desain sistem yang ada dalam desain yang disetujui, menginstal dan memulai sistem baru atau sistem yang diperbaiki.

Tahapan implementasi sistem merupakan tahapan-tahapan penerapan hasil desain tertulis ke dalam programming. Dalam pengolahan data ini digunakan software SPSS 18.0 for windows sebagai implementasi sistem dalam memperoleh hasil perhitungan.

4.2 SPSS dalam statistika

SPSS (Statistic Package for Service Solution) merupakan salah satu paket program komputer yang digunakan dalam mengolah data statistik. SPSS merupakan software yang paling populer, dan banyak digunakan sebagai alat bantu dalam berbagai riset. SPSS pertama kali diperkenalkan oleh tiga mahasiswa Standford University pada tahun 1968. SPSS sebelumnya dirancang untuk pengolahan data statistik pada ilmu-ilmu sosial sehingga disingkat dengan Statistical Package for the Social Science.

Namun dalam perkembangan selanjutnya, penggunaan SPSS diperluas untuk berbagai jenis user, sehingga SPSS berubah singkatannya menjadi Statistical Product and Service Solutions. Pengguna SPSS diharapkan dapat melakukan analisis dengan praktis, cepat dan akurat.

4.3 Mengaktifkan SPSS

[image:36.595.156.471.83.360.2]

Gambar 4.1 Print Screen Tampilan Jendela Start Windows

4.4 Mengoperasikan SPSS

Setelah mengklik pilihan SPSS Statistical 18.0, maka akan muncul tampilan jendela seperti gambar 4.2 berikut ini:

[image:36.595.136.491.479.687.2]

4.5 Input Variabel (Variable View)

Setelah jendela Variable View terbuka, maka lakukan pengisian variabel-variabel yang akan dianalisis seperti berikut ini:

a. Name : digunakan untuk memberikan nama variabel b. Type : digunakan untuk menentukan tipe data c. Width : digunkan untuk menentukan lebar kolom d. Decimals : digunakan untuk memberikan nilai desimal e. Label : digunakan untuk memberi nama variabel f. Value : digunakan untuk menjelaskan nilai data pada

kolom

g. Missing : digunakan untuk menentukan data yang hilang h. Columns : digunakan untuk menentukan lebar kolom i. Align : digunakan untuk menentukan rata kanan,kiri dan

tengah

[image:37.595.141.483.378.598.2]

j. Measure : digunakan untuk menentukan tipe atau ukuran data yaitu nominal, ordinal atau skala.

Gambar 4.3 Tampilan Jendela Variable View

4.6 Input Data (Data View)

[image:38.595.114.511.84.294.2]

Gambar 4.4 Tampilan Jendela Data View

4.7 Pengolahan Data dengan Analisis Regresi

Pada layar kerja Data View, klik Analyze yang terdapat pada menu kemudian pilih

Regression dan klik Linier, seperti gambar 4.7 di bawah ini:

Gambar 4.5 Tampilan Pengolahan Data dengan Regresi Linier

Kemudian dilanjutkan untuk melengkapi jendela-jendela Linier Regression. Pada kotak dependen isikan variabel Y (Penerimaan Pemerintah) sedangkan pada kotak independen isikan dengan variabel X1 (Retribusi Daerah) dan X2 (Ekspor Barang Konsumsi). Pilih

[image:38.595.114.539.435.657.2]

[image:39.595.168.455.103.305.2]

Gambar 4.6 Tampilan Jendela Regresi Linier

Kemudian klik Statistics dan pilih Estimates, Durbin Watson, Descriptive, dan

Collinierity Diagnotics, lalu klik continue, seperti pada gambar 4.7 berikut ini:

Gambar 4.7 Tampilan Jendela Statistik Regresi Linier

[image:39.595.138.487.379.573.2]

[image:40.595.141.481.82.253.2]

Gambar 4.8 Tampilan Jendela Regresi Linier Plot

Selanjutnya klik Save dan pilih Residual Standardized, seperti gambar 4.9 di bawah ini :

Gambar 4.9 Tampilan Jendela Regresi Linier Save

[image:40.595.161.463.311.602.2]

[image:41.595.158.466.83.296.2]

Gambar 4.10 Tampilan Jendela Regresi Linier

BAB 5

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan pengolahan data yang telah dilakukan, maka diperoleh beberapa kesimpulan antara lain:

1. Dengan menggunakan analisis regresi linier berganda diperoleh model persamaan linier ganda yaitu:

Dengan Y sebagai Penerimaan Pemerintah Provinsi Sumatera Utara, X1 sebagai Retribusi Daerah dan X2 sebagai Ekspor Barang Konsumsi.

2. Karena nilai Fhitung (11,134) > Ftabel(4,10), maka ditolak . Hal ini berarti persamaan linier berganda Y atas bersifat nyata, bahwa terdapat hubungan fungsional yang signifikan antara variabel bebas yaitu Retribusi Daerah dan Ekspor Barang Konsumsi terhadap variabel terikat yaitu Penerimaan Pemerintah Provinsi Sumatera Utara.

faktor Retribusi Daerah dan Ekspor Barang Konsumsi 69% sedangkan 31% lagi dipengaruhi oleh faktor lain.

4. Dari hasil perhitungan koefisien korelasi antara masing-masing variabel terhadap variabel Y diperoleh hubungan antara Penerimaan Pemerintah Sumatera Utara dengan Retribusi Daerah adalah sebesar 0,777 sedangkan hubungan antara Penerimaan Pemerintah Provinsi Sumatera Utara dengan Ekspor Barang Konsumsi adalah sebesar 0,597. Maka faktor yang paling berpengaruh terhadap tingginya Penerimaan Pemerintah Provinsi Sumatera Utara adalah Retribusi daerah sebesar 0,777 atau 77,7%.

5. Berdasarkan gambar histogram dan normal P-P Plot of Regression Standardized Residual pada lampiran dapat dipasikan memenuhi asumsi normalitas.

5.2 Saran

Penulis memberikan beberapa saran terhadap hasil penelitian sebagai berikut:

1. Peningkatan Retribusi pada tiap daerah perlu dilakukan dan Ekspor Barang Konsumsi hendaknya juga dilakukan dengan maksud untuk meningkatkan Penerimaan Pemerintah Provinsi Sumatera Utara.

Lampiran

Hasil Output SPSS

Descriptive Statistics

Mean Std. Deviation N Penerimaan_Pemerintah 3,48538567 2,253795881 13 Retribusi_Daerah 26,64106215 18,225807379 13 Ekspor_Barang_Konsum

si

1,90882092 0,257379962 13

Correlations Penerimaan _Pemerinta h Retribusi _Daerah Ekspor_B arang_Ko nsumsi Pearson Correlation

Penerimaan_Pemerintah 1,000 0,777 0,597 Retribusi_Daerah 0,777 1,000 0,428 Ekspor_Barang_Konsumsi 0,597 0,428 1,000 Sig. (1-tailed) Penerimaan_Pemerintah

0,000

0,001 0,016

Retribusi_Daerah 0,001 0,000 0,072 Ekspor_Barang_Konsumsi ,016 0,072 0,000

N Penerimaan_Pemerintah 13 13 13

Retribusi_Daerah 13 13 13

Ekspor_Barang_Konsumsi 13 13 13

ANOVAb

Model Sum of

Squares df Mean Square F Sig. 1 Regression 4,206E7 2 2,103E7 11,134 ,003a

Residual 1,889E7 10 1889041,550

Total 6,096E7 12

Coefficientsa Model Unstandardized Coefficients Standardize d Coefficients

t Sig.

Collinearity Statistics

B

Std.

Error Beta Tolerance VIF

(Constant) -4041,277 3060,554 -1,320 0,216

Retribusi_Daerah 78,953 24,082 0,638 3,278 0,008 0,817 1,22 4 Ekspor_Barang_Konsumsi 2841,162 1705,342 0,324 1,666 0,127 0,817 1,22

4 a. Dependent Variable: Penerimaan_Pemerintah

Collinearity Diagnosticsa Model Dimension

Eigenvalu e Conditio n Index Variance Proportions (Constant ) Retribusi _Daerah Ekspor_Barang _Konsumsi d i m e n s i o n 0 1 dim ensi on1

1 2,793 1,000 0,00 0,03 0,00

2 0,200 3,736 0,02 0,85 0,01

3 0,007 19,582 0,98 0,13 0,99

a. Dependent Variable: Penerimaan_Pemerintah

Residuals Statisticsa

Minimum Maximum Mean

Std.

Deviation N Predicted Value 938,76751709 8,13319971E3 3,48538567E

3

1,87226990 13

Std. Predicted Value -1,360 2,482 0,000 1,000 13 Standard Error of

Predicted Value

391,768 1229,264 613,844 253,092 13

Adjusted Predicted Value

1,24162614 1,10162529E4 3,63400237E 3

Residual -1,685486084E 3

3,195223877 0,000000000 1,254671786 13

Std. Residual -1,226 2,325 0,000 0,913 13

Stud. Residual -1,295 2,527 -0,029 1,040 13

Deleted Residual

-3,604158936E 3

3,775150635E 3

-148,6166947

1,817264273 3

13

Stud. Deleted Residual -1,347 3,987 0,074 1,373 13 Mahal. Distance 0,052 8,676 1,846 2,606 13 Cook's Distance 0,000 1,834 0,209 0,502 13 Centered Leverage

Value

0,004 0,723 0,154 0,217 13