Kajian Pengaruh Retribusi Daerah dan Impor Sektor Industri Terhadap Penerimaan Pemerintah Propinsi Sumatera Utara.

KAJIAN PENGARUH RETRIBUSI DAERAH DAN IMPOR SEKTOR INDUSTRI TERHADAP PENERIMAAN PEMERINTAH

PROPINSI SUMATERA UTARA

TUGAS AKHIR

DIAN ARISANDI 112407103

PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

KAJIAN PENGARUH RETRIBUSI DAERAH DAN IMPOR SEKTOR INDUSTRI TERHADAP PENERIMAAN PEMERINTAH

PROPINSI SUMATERA UTARA

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya

DIAN ARISANDI 112407103

PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

PERSETUJUAN

Judul : KAJIAN PENGARUH RETRIBUSI DAERAH

DAN IMPOR SEKTOR INDUSTRI TERHADAP PENERIMAAN PEMERINTAH PROPINSI SUMATERA UTARA

Kategori : TUGAS AKHIR

Nama : DIAN ARISANDI

Nomor Induk Mahasiswa : 112407103

Program Studi : D3 STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM UNIVERSITAS SUMATERA UTARA

Disetujui di Medan, Juli 2014

Disetujui oleh:

Program Studi D3 Statistika FMIPA USU Pembimbing, Ketua,

PERNYATAAN

KAJIAN PENGARUH RETRIBUSI DAERAH DAN IMPOR SEKTOR INDUSTRI TERHADAP PENERIMAAN PEMERINTAH PROPINSI

SUMATERA UTARA

TUGAS AKHIR

Saya mengakui bahwa Tugas Akhir ini adalah hasil karya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, Juni 2014

PENGHARGAAN

Puji dan syukur Penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha

Penyayang, dengan limpahan karunia-Nya Penulis dapat menyelesaikan

penyusunan Tugas Akhir ini dengan judul Kajian Pengaruh Retribusi Daerah dan

Impor Sektor Industri Terhadap Penerimaan Pemerintah Propinsi Sumatera Utara.

Terima kasih Penulis sampaikan kepada Ibu Dr. Esther Sorta M. Nababan

M.Sc, selaku pembimbing yang telah 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 Medan, seluruh staf dan

Dosen Program Studi D3 Statistika FMIPA USU, Pegawai FMIPA USU dan

rekan-rekan kuliah. Akhirnya tidak terlupakan kepada Bapak tercinta Supriyadi

dan Ibu tercinta Susiani, dan keluarga yang selama ini memberikan bantuan dan

dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.

DAFTAR ISI

Daftar Gambar viii

BAB 1 Pendahuluan 1

2.5 Uji Persyaratan Regresi Linier Ganda 11 2.6 Membentuk Persamaan Regresi Linier Berganda 13

2.7 Koefisien Determinasi 15

2.8 Koefisien Korelasi 16

2.9 Uji Regresi Linier Berganda 19

2.10 Uji Koefisien Regresi Berganda 21

BAB 3 Sejarah Singkat Tempat Riset 23

3.1 Sejarah Badan Pusat Statistik 23

3.2 Visi dan Misi 23

3.2.1 Visi 23

3.4 Tugas, Fungsi, dan Kewenangan Badan Pusat Statistik 24

4.2 Persamaan Regresi Linier Berganda 30

4.3 Analisis Residu 35

4.4 Koefisien Determinasi 37

4.5 Koefisien Korelasi 38

4.6 Uji Regresi Linier Berganda 40

4.7 Uji Koefisien Regresi Linier Berganda 42

BAB 5 Implementasi Sistem 46

5.1 Pengertian Implementasi Sistem 46

5.2 SPSS Dalam Statistika 46

5.3 Mengaktifkan SPSS 47

5.4 Mengoperasikan SPSS 48

5.5 Input Variabel (Variable View) 48

5.6 Input Data (Data View) 49

5.7 Pengolahan Data dengan Analisis Regresi 50

BAB 6 Kesimpulan dan Saran 53

6.1 Kesimpulan 53

6.2 Saran 54

DAFTAR TABEL

Halaman

Tabel 2.1 Interpretasi Koefisien Korelasi Nilai r 19 Tabel 4.1 Data Retribusi Daerah, Ekspor Barang Konsumsi 29

dan Penerimaan Pemereintah Propinsi Sumatera Utara Tahun 2001-2012

Tabel 4.2 Data yang Telah Disederhanakan 29

Tabel 4.3 Nilai-Nilai Koefisien Persamaan Regresi Linier Berganda 30

Tabel 4.4 Penyimpangan Nilai Koefisien 35

DAFTAR GAMBAR

Halaman

Gambar 5.1 Print Screen Tampilan Jendela Start Windows 47

Gambar 5.2 Tampilan Jendela Awal SPSS 48

Gambar 5.3 Tampilan Jendela Awal Variable View 49

Gambar 5.4 Tampilan Jendela Data View 49

Gambar 5.5 Tampilan Pengolahan Data dengan Regresi Linier 50

Gambar 5.6 Tampilan Jendela Regresi Linier 51

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Kebutuhan masyarakat yang meningkat mendorong pemerintah daerah untuk

mengupayakan peningkatan penerimaan daerah dengan memberi perhatian pada

perkembangan Pendapatan Asli Daerah (PAD). Sumber-sumber PAD adalah hasil

pajak daerah, hasil retribusi daerah, hasil pengelolaan kekayaan daerah yang

dipisahkan, dan lain-lain. Komponen PAD tersebut secara penuh dapat digunakan

oleh daerah sesuai dengan kebutuhan dan prioritas daerah, disamping itu

memperhatikan adanya upaya yang dilakukan oleh pemerintah Propinsi Sumatera

Utara dalam menggali sumber-sumber pendapatan daerah. Hal ini semakin leluasa

dilakukan Pemerintah Propinsi Sumatera Utara setelah diberlakukan otonomi

daerah.

Berbagai cara dilakukan Pemerintah Daerah untuk meningkatkan

pendapatan daerahnya dalam upaya memenuhi kebutuhan belanja pemerintah

daerah bagi pelaksanaan kegiatannya. Pertama, Pemerintah Daerah dapat

memperoleh dana dari sumber-sumber yang dikategorikan Pendapatan Asli

Daerah (PAD). Kedua, memperoleh transfer dana dari APBN yang dialokasikan

dalam bentuk dana perimbangan yang terdiri dari bagi hasil pajak, bagi hasil

bukan pajak, dana alokasi umum, dan dana alokasi khusus. Pengalokasian dana

pendanaan bagi APBD, juga bertujuan untuk mengurangi/memperkecil perbedaan

kapasitas fiskal antar daerah (Tangkilisan 2005:71).

Disamping itu, banyak faktor lain yang juga dapat mempengaruhi

penerimaan pemerintah daerah seperti impor hasil kekayaan daerah seperti impor

sektor minyak dan gas bumi, sektor pertanian, sektor pertambangan dan

penggalian,dan sektor industri.

Berdasarkan penjelasan di atas maka penulis mengambil judul tugas akhir

yaitu Kajian Pengaruh Retribusi Daerah dan Impor Sektor Industri Terhadap

Penerimaan Pemerintah Propinsi Sumatera Utara.

1.2 Perumusan Masalah

Berdasarkan latar belakang masalah diatas, perumusan masalah penelitian adalah

mencari seberapa besar nilai pengaruh dan mana yang lebih dominan berpengaruh

antara retribusi daerah dan impor sektor industri terhadap penerimaan pemerintah

Propinsi Sumatera Utara.

1.3 Batasan Masalah

Untuk memberikan kejelasan dan memberikan kemudahan penelitian ini agar

tidak jauh menyimpang dari sasaran yang ingin dicapai, penulis hanya meneliti

pengaruh penerimaan pemerintah Propinsi Sumatera Utara dengan faktor-faktor

yang mempengaruhi yaitu retribusi daerah dan impor sektor industri. Data

dan data penerimaan pemerintah Propinsi Sumatera Utara dari tahun 2001 sampai

tahun 2012.

1.4 Maksud dan Tujuan Penelitian

Adapun tujuan dari penelitian ini adalah untuk membuktikan secara empiris

seberapa besar pengaruh retribusi daerah dan Impor sektor industri terhadap

penerimaan pemerintah Propinsi Sumatera Utara dari tahun 2001 sampai tahun

2011.

1.5 Manfaat Penelitian

Dapat merupakan rujukan bagi Lembaga atau Instansi dan masyarakat pada

umumnya untuk mengetahui perkembangan penerimaan Pemerintah Sumatera

Utara pada pengaruh retribusi daerah dan impor sektor industri, dan juga sebagai

bahan pertimbangan dan pengambilan kebijakan dalam masalah perkembangan

retribusi daerah dan impor sektor industri.

1.6 Lokasi penelitian

Penelitian dan riset data dilakukan di Badan Pusat Statistik Propinsi Sumatera

1.7 Metode Penelitian

Metode penelitian yaitu 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

dapat terwujud.

Metode penelitian yang digunakan penulis adalah dengan cara sebagai berikut:

a. Penelitian kepustakaan yaitu metode pengumpulan data untuk memperoleh data

dan informasi dari perpustakaan, yaitu dengan membaca buku-buku, referensi

dan bahan-bahan yang bersifat teoritis yang mendukung penulisan tugas akhir.

b. Pengumpulan data untuk keperluan riset ini, telah dilakukan oleh penulis

dengan menggunakan data sekunder yang diperoleh dari kantor Badan Pusat

Statistik Propinsi Sumatera Utara. Data yang dikumpulkan tersebut kemudian

disusun dan disajikan dalam bentuk angka-angka dengan tujuan untuk

mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.

1.8 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 (Algifari, 2002).

Dalam ilmu statistika, teknik yang umum digunakan untuk mengkaji

dalam menjelaskan hubungan antara variabel dalam analisis regresi menggunakan

persamaan regresi.

Prinsip dasar yang harus dipenuhi dalam membangun suatu persamaan

regresi adalah bahwa antara variabel dependen dan variabel independen

mempunyai sifat 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, Husain, 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 dimana

persamaan regresinya telah ditentukan dan telah melakukan pengujian maka

persoalan berikutnya yang dirasakan perlu, jika data hasil pengamatan 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 varibel-variabel tersebut

dikenal dengan nama analisis korelasi. Ukuran yang dipakai untuk mengetahui

Jika kenaikan di dalam suatu variabel diikuti dengan kenaikan di dalam

variabel lain, maka dapat dikatakan bahwa kedua variabel tersebut mempunyai

korelasi yang positif. Tetapi jika kenaikan di dalam suatu variabel diikuti oleh

penurunan di dalam variabel lain, maka dapat dikatakan bahwa variabel tersebut

mempunyai korelasi yang negatif. Dan jika tidak ada perubahan pada variabel

walaupun variabel lainnya berubah maka dikatakan bahwa kedua variabel tersebut

tidak mempunyai hubungan.

1.9 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 ini menjelaskan latar belakang masalah, rumusan

masalah, batasan masalah, tujuan, manfaat, metode

penelitian dan sistematika penulisan.

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

BAB 3 : SEJARAH SINGKAT TEMPAT RISET

Bab ini menjelaskan tentang sejarah, visi, misi,

kedudukan, tugas, fungsi dan struktur organisasi Badan

Pusat Statistik Propinsi Sumatera Utara.

BAB 4 : PENGOLAHAN DATA

Bab ini menguraikan pengolahan data dengan

menggunakan metode analisis regresi linier berganda,

korelasi ganda dan pengujian koefisien regresi linier

berganda.

BAB 5 : IMPLEMENTASI SISTEM

Bab ini menjelaskan tentang program atau software yang

digunakan untuk mengolah/menganalisis data. Penulis

menggunakan program SPSS (Statistic product and

service solution).

BAB 6 : KESIMPULAN DAN SARAN

Bab ini merupakan bab penutup yang merupakan

kesimpulan dari pembahasan serta saran-saran penulis

BAB 2

LANDASAN TEORI

2.1 Pengertian Regresi

Analisis regresi merupakan suatu model matematis yang dapat di gunakan untuk

mengetahui pola hubungan antara dua atau lebih variabel. Istilah regresi yang

berarti ramalan atau taksiran pertama kali di perkenalkan Sir Francis Galton pada

tahun 1877, sehubungan dengan penelitiannya terhadap tinggi manusia, yaitu

antara tinggi anak dan tinggi orang tuanya. Dalam penelitiannya, Galton

menemukan bahwa tinggi anak dan orang tuanya cenderung meningkat atau

menurun dari berat rata-rata populasi. Garis yang menunjukkan hubungan tersebut

disebut garis regresi.

Analisis regresi lebih akurat dalam melakukan analisis korelasi, karena

pada analisis itu kesulitan dalam menunjukkan slop (tingkat perubahan suatu

variabel terhadap variabel lainnya dapat ditentukan). Jadi dengan analisis regresi,

peramalan atau perkiraan nilai variabel terikat pada nilai variabel bebas lebih

akurat pula. Karena merupakan suatu prediksi, maka nilai prediksi tidak selalu

tepat dangan nilai riilnya, semakin kecil tingkat penyimpangan antara nilai

prediksi dengan nilai riilnya, maka semakin tepat persamaan regresi yang

dibentuk.

Dapat disimpulkan bahwa analisis regresi adalah metode statistika yang

variabel-variabel, dengan tujuan pokok dalam penggunaan metode ini adalah untuk

meramalkan atau memperkirakan nilai dari suatu variabel lain yang diketahui.

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 dependen disebut persamaan regresi

estimasi, yaitu suatu formula matematis yang menunjukkan hubungan keterkaitan

antara satu atau beberapa variabel yang nilainya sudah diketahui dengan satu

variabel yang nilainya belum diketahui.

Sifat hubungan antar variabel dalam persamaan regresi merupakan

hubungan sebab akibat (causal relationship). Oleh karena itu, sebelum

menggunakan persamaan regresi dalam menjelaskan hubungan antara dua atau

lebih variabel, maka perlu diyakini terlebih dahulu bahwa secara teoritis atau

perkiraan sebelumnya , dua atau lebih variabel tersebut memiliki hubungan sebab

akibat. Variabel yang nilainya akan mempengaruhi nilai variabel lain disebut

dengan variabel bebas (independent variabel), sedangkan variabel yang nilainya

dipengaruhi oleh nilai variabel lain disebut variabel terikat (dependent variabel).

Ada dua jenis Persamaan Regresi Linier, yaitu sebagai berikut:

1. Analisis Regresi Sederhana (simple analisis regresi)

2.3 Regresi Linier Sederhana

Regresi linier sederhana merupakan suatu proses untuk mendapatkan hubungan

matematis dalam bentuk suatu persamaan antara variabel tak bebas tunggal

dangan variabel bebas tunggal atau dengan kata lain, regresi linier yang hanya

melibatkan suatu peubah bebas � yang dihubungkan dengan satu peubah tak

bebas �. Bentuk umum model regresi linier sederhana yaitu :

�= �₀ + �₁�₁ + �_� (2.1)

Dimana: � = Variabel tak bebas (dependent)

�0 = parameter intersep

�1 = koefisien regresi (slop)

�1 = variabel bebas (independent)

�� = kesalahan penduga

2.4 Regresi Linier Berganda

Disamping hubungan linier dua variabel, hubungan linier lebih dari dua variabel

dapat juga terjadi. Pada hubungan ini, perubahan satu variabel dipengaruhi oleh

lebih dari satu variabel lain. Maka regresi linier berganda adalah analisis regresi

yang menjelaskan hubungan antara peubah respon (variable dependent) dengan

Tujuan analisis regresi linier berganda adalah untuk mengukur intensitas

hubungan antara dua variabel atau lebih dan membuat prediksi / perkiraan nilai �

atas nilai �. Bentuk umum persamaan regresi linier berganda yang mencakup dua

atau lebih variabel, yaitu:

� = �₀ + ��₁ + �₂�₂ + �₃�₃ + ... + �_��_� + �_� (2.2)

Model diatas merupakan model regresi untuk populasi, sedangkan apabila

hanya menarik sebagian berupa sampel dari populasi secara acak dan tidak

mengetahui regresi populasi untuk keperluan analisis, variabel bebas akan

dinyatakan dengan �₁ , �₂ , ... , �_� (k ≥ 1) sedangkan variabel tidak bebas

dinyatakan dengan �.

�� = �₀ + ��₁ + �₂�₂ + ��₃ + ... + ��_� + � (2.3)

Dimana: �� = variabel tidak bebas (dependent)

�0 , ... , �� = koefisien regresi

�1 , ... , �� = variabel bebas (independent)

e = kesalahan pengganggu

2.5 Uji Persyaratan Regresi Linier Berganda

Beberapa hal lain yang penting juga untuk dipahami dalam penggunan analisis

linier berganda yaitu perlunya melakukan uji asumsi klasik atau uji persyaratan

analisis regresi anda sehingga persamaan garis regresi yang diperoleh benar-benar

Persyaratan tersebut harus terpenuhi, apabila tidak maka akan menghasilkan garis

regresi yang tidak cocok untuk memprediksi.

Sebelum masuk pada uji persyaratan perlu di pahami bahwa statistik

sebagai alat analisis dikelompokkam menjadi dua bagian yang berbeda, yaitu

kelompok statistik parametrik dan statistik parametrik. Pada statistik

non-parametrik tidak memerlukan persyaratan tertentu sedangkan pada statistik

parametrik memerlukan persyaratan yang harus dipenuhi. Oleh karena itu, dalam

uji persyaratan regresi linier ganda yang harus dilakukan pada dasarnya juga

dikelompokkan menjadi dua bagian, yaitu uji persyaratan untuk masuk ke statistik

parametrik dan uji persyaratan untuk menggunakan regresi linier ganda.

Uji asumsi klasik yang secara minimal perlu dilakukan oleh penulis

menggunakan regresi linier ganda sebagai alat analisis yaitu berupa:

1. Uji persyaratan untuk statistik parametrik yang berupa:

a. Uji normalitas

b. Uji homogenitas

2. Uji persyaratan untuk regresi linier ganda, yang terdiri atas:

a. Uji linieritas garis regresi

b. Tidak terdapat saling hubungan antara variabel bebas (uji

multikolinieritas)

c. Tidak terdapat autokorelasi antar data pengamatan

2.6 Membentuk Persamaan Regresi Linier Berganda

Dalam regresi linier berganda variabel tak bebas (�), tergantung kepada dua atau

lebih variabel bebas (�). Bentuk persamaan regresi linier berganda yang

mencakup dua atau lebih variabel, yaitu:

� = � + �₁�₁ + �₂�₂ + �₂�₃ + ... + �_��_� + � (2.4)

Dimana: � = variabel terikat (dependen)

� , �₁ , �₂ , �₃ , ... , �_� = koefisien regresi

�₁ , �₂ , �₃ , ... , �_� = variabel bebas (independen)

� = kesalahan pengganggu (disturbance terma)

Untuk hal ini, penulis menggunakan regresi linier berganda dengan tiga

variabel, yaitu satu variabel tak bebas (dependen variabel) dan dua variabel bebas

(independen variable). Bentuk umum persamaan regresi linier berganda tersebut

yaitu:

� = � + �₁�₁ + �₂�₂ (2.5)

Nilai dari koefisien �, �₁, �₂ dapat ditentukan dengan metode kuadrat

terkecil (least squared) seperti berikut ini:

�

=

∑ �−�1Σ�1−�2Σ�2

�

(2.8)

Harga-harga � , �₁ , �₂ yang telah didapat kemudian disubstitusikan

kedalam persamaan (2.5) sehingga diperoleh model regresi linier berganda � atas

�1 dan �2. Dalam persamaan model regresi linier yang diperoleh, maka antara

nilai � dan �� akan menimbulkan perbedaan hasil yang sering disebut sebagai

kekeliruan. Untuk mengetahui ketepatan persamaan estimasi dapat digunakan

kesalahan standar estimasi (standard error of estimate). Besarnya kesalahan

standar estimasi menunjukkan ketepatan persamaan estimasi untuk menjelaskan

nilai variabel tidak bebas yang sesungguhnya. Semakin kecil nilai kesalahan

standar estimasi, maka tinggi ketepatan persamaan estimasi yang dihasilkan untuk

menjelaskan nilai variabel tidak bebas sesungguhnya. Sebaliknya, semakin besar

nilai kesalahan standar estimasi, makin rendah ketepatan persamaan estimasi yang

dihasilkan untuk menjelaskan nilai variabel tidak bebas sesungguhnya. Kesalahan

standar estimasi dapat ditentukan dengan rumus:

��.12 =

�

� = banyak ukuran sampel

2.7 Koefisien Determinasi

Koefisien determinasi adalah salah satu nilai statistik yang dapat digunakan untuk

mengetahui apakah ada hubungan pengaruh antara dua variabel. Nilai koefisien

determinasi menunjukkan persentase nilai variabel dependen yang dapat

dijelaskan oleh persamaan regresi yang dihasilkan. Koefisien determinasi yang

dinyatakan �2 untuk pengujian regresi linier berganda yang mencakup lebih dari

dua variabel adalah untuk mengetahui proporsi keragaman total dalam variabel

tak bebas (�) yang dapat dijelaskan atau diterangkan oleh variabel-variabel bebas

(�) yang ada dalam model persamaan regresi linier berganda secara

bersama-sama. Maka �2 akan ditentukan dengan rumus, yaitu:

�2 ₌ �����

Σ�2 (2.10)

Dengan:

����� = �1 ∑ �1� + �2∑ �2� + ... + �� ∑ ��� (2.11)

Harga �2 yang diperoleh sesuai dengan variasi yang dijelaskan

masing-masing variabel yang tinggal dalam regresi. Hal ini mengakibatkan variasi yang

dijelaskan penduga yang disebabkan oleh variabel yang berpengaruh saja (bersifat

2.8 Koefisien Korelasi

Setelah mengetahui hubungan fungsional antara variabel-variabel dimana

persamaan regresinya telah ditentukan dan telah melakukan pengujian maka

persoalan berikutnya yang perlu dirasakan yaitu, jika data hasil pengamatan 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 varibel-variabel tesebut

dikenal dengan nama analisis korelasi. Ukuran yang dipakai untuk mengetahui

derajat hubungan, terutama data kuantitatif dinamakan koefisien korelasi.

Besarnya ukuran yang dipakai variabel yang satu dengan variabel yang lain

dinyatakan dengan koefisien korelasi yang disimbolkan dengan “�” yang besarnya

adalah akar koefisien determinasi. Atau secara matematis dapat ditulis sebagai

berikut:

� = √�2 _(2.12)

Koefisien korelasi (�) dapat digunakan untuk:

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

2. Mengetahui arah hubungan antara dua variabel

Untuk mengetahui keeratan hubungan antara dua variabel dengan

menggunakan koefisien korelasi adalah dengan menggunakan nilai absolut dari

koefisien tersebut. Besarnya koefisien korelasi (�) antara dua variabel nol sampai

mempunyai � = ±1, maka dua buah variabel tersebut mempunyai hubungan

yang sempurna.

Semakin tinggi nilai koefisien korelasi antara dua buah variabel (semakin

mendekati 1), maka tingkat keeratan hubungan antara dua variabel tersebut

semakin tinggi. Dan sebaliknya semakin rendah koefisien korelasi antara dua buah

variabel (semakin mendekati 0), maka tingkat keeratan hubungan antara dua

variabel tersebut semakin lemah. Hubungan antar dua variabel dapat

dikelompokkan menjadi 3 jenis hubungan sebagai berikut:

1. Korelasi Positif

Terjadinya korelasi positif apabila perubahan pada variabel yang satu diikut

dengan perubahan variabel yang lain dengan arah yang sama (berbanding

lurus). Artinya, apabila variabel yang satu meningkat, maka akan di ikuti

dengan peningkatan variabel lain.

2. Korelasi Negatif

Korelasi negatif terjadi apabila perubahan pada variabel yang satu diikuti

dengan perubahan variabel yang lain dengan arah yang berlawanan

(berbanding terbalik). Artinya apabila variabel yang satu meningkat, maka

akan diikuti dengan penurunan pada variabel yang lain dan sebaliknya.

3. Korelasi Nihil

Korelasi nihil terjadi apabila perubahan pada variabel yang satu diikuti

perubahan pada variabel yang lain dengan arah yang tidak teratur (acak),

peningkatan pada variabel yang lain dan kadang diikuti dengan penurunan

pada variabel yang lain.

Selain diturunkan dari koefisien determinasi (�2), koefisien korelasi (�)

dapat pula ditentukan dengan menggunakan formulasi sebagai berikut:

���1 =

Jika kenaikan didalam satu variabel diikuti dengan kenaikan variabel lain

maka dapat dikatakan bahwa kedua variabel tersebut mempunyai korelasi yang

positif. Tetapi jika kenaikan didalam satu variabel diikuti penurunan didalam

variabel lain, maka dapat dikatakan bahwa variabel tersebut mempunyai korelasi

yang negatif. Dan jika tidak ada perubahan pada variabel walaupun variabel

lainnya berubah maka dikatakan bahwa kedua variabel tersebut tidak mempunyai

Tabel 2.1 Interpretasi Koefisien Korelasi Nilai r

2.9 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

memiliki pengaruh terhadap variabel tak bebas. Langkah-langkah pengujiannya

adalah sebagi berikut:

1. Menentukan formulasi hipotesis

�0 : �1 = �2 = �3 = ... = �� = 0 (�1, �2, ... , �� tidak mempengaruhi �)

�1: minimal ada satu parameter koefisien regresi yang tidak sama dengan nol

2. Penentuan nilai kritis. Nilai kritis dalam pengujian hipotesis terhadap

koefisien regresi dapat ditentukan dengan menggunakan tabel distribusi

normal dengan memperhatikan tingkat signifikan (�) dan banyaknya sampel

digunakan serta nilai �_{�����} dengan derajat kebebasan v1= k dan v2= n-k-1.

3. Menentukan kriteria pengujian

�₀ diterima bila �_{ℎ�����} ≤�_{�����}

�₀ ditolak bila �_{ℎ�����} >�_{�����}

4. Menetukan nilai statistik � dengan rumus :

� =

�� ��� � �� ���

(� −�−1)

(2.15)

Dimana: ��_��� = jumlah kuadrat regresi

����� = jumlah kuadrat residu (sisa)

(n-k-1) = derajat kebebasan

����� = �1 ∑ �1� + �2 ∑ �2�

����� = ∑��� − ���²

2.10 Uji Koefisien Regresi Berganda

Keberartian adanya variabel-variabel bebas dalam regresi linier berganda perlu

diuji untuk menunjukkan seberapa besar pengaruh yang diberikan pada variabel

tak bebas. Dan cara yang tepat untuk mengujinya adalah dengan menggunakan uji

statistik t (student).

Dimisalkan populasi mempunyai model regresi berganda sebagai berikut:

�_{� ,�} = �₀ + �₁�₁+ �2�2+ … + ����

Yang akan ditaksir oleh regresi berbentuk : ��= �0+ �1�1+ �2�2+ … + ����.

Adanya kriteria bahwa variabel-variabel tersebut memberikan pengaruh yang

berarti atau tidak terhadap variabel tak bebas akan diuji hipotesis �₀ melawan

hipotesis tandingan �₁ dalam bentuk:

�0 = �� = 0 i = 1,2,...,k

�1 = �� ≠ 0 i = 1,2,...,k

Untuk menguji hipotesis tersebut digunakan kekeliruan baku taksiran �_�2_{,1,2,3,…,�}.

Jadi untuk melihat kekeliruan baku dari koefisien �_� adalah:

��

_�

=

�

��,1,2,…,�

2

�∑ �_��2_{��1−�}

��2�

Dimana:

�

_{�.1,2,…,�}

=

�

∑(��−��)²

�−�−1

∑ �

_��2

₌

_��

��

− �

� �

�

²

�

_��

=

�Σ����− (Σ��)�Σ���

��� ∑x_i2− (ΣX_i)² �n∑x_j2−ΣX_j�²�

Kemudian dicari perhitungan statistik t yaitu:

�

_�

=

��

��� (2.17)

Dari tabel distribusi t-student serta dk = (n-k-1), �_{�����= �}

��−�−1_∝� , dimana kriteria

pengujian diperoleh :

�0 : ditolak jika �� > ������

BAB 3

SEJARAH SINGKAT TEMPAT RISET

3.1 Sejarah Badan Pusat Statistik

Badan pusat statistik (BPS) adalah lembaga negara non departemen. BPS

melakukan kegiatan yang ditugaskan oleh pemerintah antara bidang pertanian,

agrarian, pertambangan, kependudukan, sosial, ketenagakerjaan, keuangan,

pendapatan, dan keagamaan. Selain hal-hal di atas BPS juga bertugas untuk

melaksanakan koordinasi dilapangan, kegiatan statistik dari segenap instansi baik

dipusat maupun didaerah dengan tujuan mencegah dilakukannya pekerjaan yang

serupa oleh dua atau lebih instansi, memajukan keseragaman dalam penggunaan

definisi, klasifikasi dan ukuran-ukuran lainnya.

3.2 Visi dan Misi

3.2.1 Visi

Visi dari Badan Pusat Statistik adalah pelopor data statistik terpercaya untuk

semua.

3.2.2 Misi

1. Memperkuat landasan kontitusional dan operasional lembaga statistik

2. Menciptakan insan statistik yang kompeten dan profesional, didukung

pemanfaaatn teknologi informasi mutakhir untuk kemajuan perstatistikan

Indonesia.

3. Meningkatkan penerapan standar klasifikasi, konsep dan definisi,

pengukuran, dan kode etik statistik yanng bersifat universal dalam setiap

penyelenggaraan statistik.

4. Meningkatkan kualitas pelayanan informasi statistik bagi semua pihak.

5. Meningnkatkan koordinasi, integrasi, dan sinkronisasi kegiatan yang

diselenggarakan pemerintah dan swasta, dalam kerangka Sistem Statistik

Nasional (SSN) yang efektif dan efisien.

3.3 Kependudukan

BPS Propvinsi Sumatera Utara adalah Perwakilan Badan Pusat Statistik RI di

Provinsi Sumatera Utara yang berada dibawah dan bertanggung jawab kepada

Kepala BPS RI dan melaksanakan koordinasi dangan Kepala Daerah setempat.

3.4 Tugas, Fungsi, dan Kewenangan Badan Pusat Statistik

Tugas, fungsi, dan kewenangan BPD telah menerapkan dalam keputusan

Presiden RI (Keppres) Nomor 103 Tahun 2001. Dalam menjalankan tugas, fungsi

dan kewenangannya seperti tercantum dibawah ini. BPS juga dibatasi oleh 10

prinsip etika perstatistikaan yang tercantum dalam United Nations Fundamental

3.4.1 Tugas

Tugas BPS Provinsi Sumatera Utara adalah melaksanakan penyelenggaraan

statistik dasar di Provinsi Sumatera Utara sesuai dengan ketentuan peraturan

perundang-undangan yang berlaku.

3.4.2 Fungsi

Dalam melaksanakan tugas sebagaimana dimaksud, BPS menyelenggarakan

fungsi:

1. Pengkajian, penyusunan, dan perumusan kebijakan dibidang statistik.

2. Pengkoordinasian kegiatan statistik nasional dan regional.

3. Penetapan dan penyelenggara statistik dasar.

4. Pembinaan dan fasilitasi terhadap kegiatan instansi pemerintah dibidang

kegiatan statistik.

5. Penyelenggaraan pembinaan dan pelayanan administrasi umum dibidang

perencanaan umum, ketatausahaan, organisasi, tata laksana, kepegawaian,

keuangan, kearsipan, kehumasan, hukum, perlengkapan, dan rumah

tangga.

3.4.3 Kewenangan

Dalam menyelenggarakan fungsi sebagaimana dimaksud, BPS mempunyai

kewenangan:

2. Perumusan kebijakan dibidangnya untuk mendukung pembangunan secara

makro

3. Penetapan sistem informasi dibidangnya

4. Penetapan dan penyelenggaraan statistik nasional

5. Kewenangan lain sesuai dengan ketentuan peraturan perundang-undangan

yang berlaku, yaitu:

1. Perumusan dan pelaksanaan kebijakan tertentu dibidang kegiatan

statistik

2. Penyusunan pedoman penyelenggaraan survei statistik sektoral

3.5 Landasan Hukum

1. Undang-Undang Nomor 16 Tahun 1997 tentang Statistik menjamin

kepastian hukum bagi penyelenggara dan pengguna satistik baik

pemerintah maupun masyarakat. Dengan adanya Undang-Undang Statistik

ini maka kepentingan masyarakat pengguna statistik akan terjamin

terutama atas nilai informasi yang diperolehnya.

2. Peraturan Pemerintah Republik Indonesia Nomor 51 Tahun 1999 tentang

Penyelenggaraan Statistik yang mengamanatkan bahwa BPS berkewajiban

menyelenggarakan kegiatan statistik dasar.

3. Keputusan Presiden Republik Indonesia Nomor 103 Tahun 2001 tentang

Kedudukan, Tugas, Fungsi, Kewenangan, Susunan Organisasi, dan Tata

Kerja Lembaga Pemerintah Non Departemen yang menetapkan kedudukan

BPS sebagai lembaga pemerintah non departemen yang mempunyai tugas

4. Keputusan Kepala Badan Pusat Statistik Nomor 121 Tahun 2001 tentang

Organisasi dan Tata Kerja Perwakilan Badan Pusat Statistik di Daerah.

3.6 Struktur Organisasi

Bentuk struktur organisasi yang diterapkan Kantor Badan Pusat Statistik Provinsi

Sumatera Utara adalah : Struktur Organisasi Garis (line) dan staf. Wewenang

mengenai tugas dan tanggung jawab perusahaan dipegang sepenuhnya oleh

pejabat pimpinan (Kepala Kantor). Selanjutnya mengenai urusan-urusan dalam

fungsi organisasi atau perusahaan, pimpinan berwenang kepada pejabat staf

(Kepala Bagian) yang memberikan bahan masukan kepada pimpinan dalam

pengambilan keputusan dan tidak berwenang memberikan perintah kepada

pegawai yang ada dalam organisasi walaupun seorang pegawai termasuk kedalam

BAB 4

PENGOLAHAN DATA

4.1 Data dan Pembahasan

Data merupakan alat untuk mengambil suatu keputusan atau untuk memecahkan

suatu persoalan. Keputusan yang baik dapat dihasilkan jika pengambilan

keputusan tersebut didasarkan atas data yang baik. Salah satu kegunaan dari data

adalah untuk memperoleh dan mengetahui gambaran tentang suatu keadaan atau

permasalahan.

Untuk membahas dan memecahkan masalah tentang pengaruh retribusi

daerah dan impor sektor industri terhadap penerimaan pemerintah Propinsi

Sumatera Utara seperti yang diuraikan sebelumnya, penulis mengumpulkan data

yang berhubungan dengan permasalahan tersebut. Data yang dikumpulkan adalah

data setelah era reformasi mengenai retribusi daerah, impor sektor industri dan

Tabel 4.1 Data Retribusi Daerah, Impor Sektor Industri dan Penerimaan Pemerintah Propinsi Sumatera Utara Tahun 2001-2012

Tahun Penerimaan Pemerintah (Rp)

Retribusi Daerah (Rp)

Impor Sektor Industri (Ton)

2001 1.066.803.843 15.448.298 2.091.126

2002 1.179.912.701 7.127.396 2.151.741

2003 1.571.972.617 16.928.483 1.732.586

2004 1.882.698.582 23.756.055 2.297.180

2005 1.742.474.554 19.101.900 3.279.565

2006 2.517.402.983 11.714.728 3.742.273

2007 2.975.150.652 13.611.811 4.105.259

2008 3.620.112.147 29.409.174 5.295.049

2009 3.823.149.652 29.456.736 4.572.378

2010 4.232.169.601 35.813.385 5.424.706

2011 5.363.366.624 31.297.594 5.606.821

2012 7.922.705.446 33.494.628 5.798.142

Sumber : Badan Pusat Statistik Propinsi Sumatera Utara

Dari tabel di atas dapat dilihat bahwa ada sebuah variabel dependen dan

dua buah variabel independen yang mempunyai nilai cukup besar dengan satuan

Rupiah dan Ton. Penulis menyederhanakan nilai-nilai trersebut ke dalam bentuk

satuan yang lebih sederhana seperti tabel berikut:

Tabel 4.2 Data Yang Telah Disederhanakan

Keterangan:

Penerimaan Pemerintah (Rupiah) = �

Retribusi daerah (Rupiah) = �₁

Impor Sektor Industri (Ton) = �₂

4.2 Persamaan Regresi Linier Berganda

Untuk mencari persamaan regresi linier berganda, terlebih dahulu dihitung

koefisien-koefisien regresinya dengan mencari penggandaan suatu variabel

dengan variabel lainnya. Dengan koefisien-koefisien yang didapat dari

perhitungan-perhitungan yang ada, maka dapat ditentukan untuk mencari

persamaan regresi linier bergandanya. Adapun nilai-nilai koefisiennya adalah

sebagai berikut:

Tabel 4.3 Nilai-Nilai Koefisien Persamaan Regresi Linier Berganda

Sambungan Tabel 4.3

Tahun ��₁ �₁2 �₂2 �2

2001 2.230,687 238,641 4,372 1.138.070,774 2002 2.539,173 50,794 4,631 1.392.194,688 2003 2.724,229 286,557 3,003 2.471.099,113 2004 4.324,562 564,348 5,276 3.544.559,290 2005 5.715,318 364,886 10,758 3.036.219,126 2006 9.420,122 137,241 14,003 6.337.317,864 2007 12.212,995 185,287 16,851 8.851.523,473 2008 19.168,493 864,889 28,037 13.105.210,890 2009 17.479,442 867,715 20,903 14.616.475,920 2010 22.959,522 1.282,571 29,431 17.911.262,910 2011 30.072,400 979,565 31,438 28.765.705,580 2012 45.935,843 1.121,915 33,617 62.769.254,520 Total 174.782,785 6.944,409 202,320 163.938.894,1

Dari tabel di atas maka diperoleh:

� = 12 ∑ ��1 = 1.003.381,669

∑ � = 37.897,923 ∑ ��2 = 174.782,785

∑ �1 = 267,160 ∑ �12 = 6.944,409

∑ �2 = 46,097 ∑ �22 = 202,320

Persamaan regresi linier bergandanya adalah:

Ŷ = �+ �₁�₁+ �₂�₂ (4.1)

Nilai-nilai a, b1, b2 dapat ditentukan dengan rumus metode kuadrat terkecil (least

squared) sebagai berikut:

Dapat diperoleh:

(996,537)(25,242)− (122,015)²

= 446.855,339

Dengan demikian, diperoleh persamaan regresi linier berganda atas �₂ dan

Ŷ = �+ �1�1+ �2�2 (4.11)

= −1410,376 + 43,523�₁ + 937,042�₂

Dengan menggunakan SPSS perhitungan selanjutnya dapat dilihat dilampiran 1.

4.3 Analisis Residu

Dengan didapat persamaan regresi linier bergandanya, maka untuk mengetahui

seberapa besar diperkirakan penyimpangan tingkat penerimaan pemerintah

Propinsi Sumatera Utara, maka dapat dihitung dengan mencari koefisien-koefisien

dari analisis residunya pada tabel 4.4 sebagai berikut:

Tabel 4.4 Penyimpangan Nilai Koefisien

Tahun � Ŷ � − Ŷ (� − Ŷ)2

Sehingga kesalahan bakunya dapat dihitung dengan menggunakan rumus:

��.12 =

�

∑(�_�−Ŷ) 2

�−�−1 (4.12)

Dengan:

∑((�_�− Ŷ)2 = 9.633.865,621

� = 12

� = 2

Diperoleh:

��.12 =

�

∑(�_�−Ŷ) 2

�−�−1

=

�

9.633.865,621

12−2−1

=�1.070.429,513

= 1034,615

Dengan penyimpangan nilai yang didapat, ini berarti bahwa rata-rata

tingkat penerimaan pemerintah Propinsi Sumateta Utara yang sebenarnya akan

menyinpang dari rata-rata tingkat penerimaan pemerintah yang diperkirakan

4.4 Koefisien Determinasi

Untuk menganalisis dan mengetahui seberapa besar pengaruh retribusi daerah dan

impor sektor industri terhadap penerimaan Propinsi Sunatera Utara, maka dapat

dilakukan perhitungan sebagai berikut:

�2₌ �����

∑ �2 (4.13)

Dengan:

����� =�1∑ �1�+�2∑ �2� (4.14)

= (43,523)(159.647,577) + (937,042)(29.201,072)

= 6.948.341,494 + 27.362.630,91

= 34.310.972,4

∑ �2 _{= 44.251.180,120}

Sehingga diperoleh:

�2

₌

34.310.972,4

44.251.180,120

�2 _{= 0,78}

� = √0,78

Dari hasil perhitungan diperoleh koefisien determinasi (�2) sebesar 0,78

berarti sekitar 78% tingkat penerimaan pemerintah Sumatera Sumatera Utara

dipengaruhi oleh retribusi daerah dan impor sektor industri.

Dengan mencari akar dari koefisien determinasi, maka didapat koefisien

korelasinya (�) sebesar 0,88 (perhitungan dapat dilihat pada output SPSS di

lampiran 1).

4.5 Koefisien Korelasi

Untuk mengukur besar pengaruh variabel terikat (dependen) terhadap variabel

bebas (independen), dapat dilihat dari besarnya koefisien korelasinya, yaitu:

1. Koefisien korelasi antara � (penerimaan pemerintah) dengan �₁ (retribusi

daerah).

�(1.967.266,729−1.436.252,568)(83.332,908−71.374,466)

= 1.915.770,919

�(531.014.161,5)(11.958,442)

=

1.915.770,919

2.519.940,925

Nilai yang positif menandakan hubungan yang searah antara�

(penerimaan pemerintah) dengan �₁ (retribusi daerah), artinya jika semakin

meningkat retribusi daerah maka akan meningkat pula penerimaan pemerintah

dan sebaliknya, jika semakin menurun retribusi daerah maka akan semakin

menurun juga penerimaan pemerintah dengan hubungan antara � dan �₁

tergolong kuat dengan nilai r yang tinggi sebesar 0.76.

2. Koefisien korelasi antara � (penerimaan pemerintah) dengan �₂(impor sektor

industri).

�(1.967.266,729−1.436.252,568)(2.427,84−2.124,933)

= 350.412,864

(penerimaan pemerintah) dengan �₂ (impor sektor industri), artinya jika semakin

pemerintah Propinsi Sumatera Utara dan sebaliknya jika tingkat impor sektor

industri menurun maka penerimaan pemerintah akan menurun juga dengan

korelasi yang tergolong sedikit rendah dengan nilai r sebesar 0,874.

4.6 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 retribusi daerah dan impor sektor industri

memiliki pengaruh terhadap penerimaan Propinsi Sumatera Utara.

Langkah-langkah pengujiannya adalah sebagai berikut:

1. Menentukan formulasi hipotesis

�0 : �1 = �2 = 0

Artinya �₁ (retribusi daerah) dan �₂ (impor) tidak mempengaruhi tingkat

penerimaan pemerintah Propinsi Sumatera Utara.

�1: �1≠�2≠ 0

Artinya minimal ada parameter koefisien regresi yang tidak sama dengan nol

atau mempunyai pengaruh terhadap tingkat penerimaan pemerintah Propinsi

Sumatera Utara.

2. Menentukan taraf nyata α dengan nilai Ftabel dengan derajat kebebasan �₁ = �

dan �₂ = � − � −1

dengan:

� = 0,05

�2 = � − � −1 = 12−2−1 = 9

Maka diperoleh �_{�����} sebesar 4,26.

3. Menentukan kriteria pengujian

�0 diterima jika �ℎ����� ≤������

�0ditolak jika�ℎ����� > ������

4. Menentukan nilai statistik

� =

�� ��� � �� ���

(� −�− 1)

(4.17)

Dengan:

����� = jumlah kuadrat regresi

����� = jumlah kuadrat residu (sisa)

(� − � −1) = derajat kebebasan

����� = �1∑ �1�+�2∑ �2�

=(43,523)(159.647,577) + (937,042)(29.201,072)

=6.948.341,494 + 27.362.630,91

=34.310.972,4

Maka diperoleh:

ditolak. Hal ini menunjukkan bahwa minimal ada parameter koefisien regresi

yang tidak sama dengan nol atau retribusi daerah dan impor sektor industri

mempunyai pengaruh terhadap penerimaan pemerintah Propinsi Sumatera Utara

(perhitungan dapat diperoleh dengan menggunakan SPSS dengan output pada

lampiran 1).

4.7 Uji Koefisien Linier Regresi Berganda

Keberartian adanya variabel-variabel bebas dalam regresi linier berganda perlu

diuji untuk menunjukkan seberapa besar pengaruh yang diberikan pada variabel

tak bebas. Dan cara yang tepat untuk mengujinya adalah dengan menggunakan uji

statistik t (student).

Koefisien korelasi antara retribusi daerah (�₁) dengan impor sektor industri (�₂).

�12 =

�Σ�1�2− (Σ�1)(Σ�2)

���Σ�12− (Σ�1)²���Σ�22− (Σ�1)²�

�12 =

(12)(1.148,288)− (267,160)(46,097)

�(12 � 6.944,409)− (267,160)²)(12 � 202,320 )− (46,097)²)

�12 =

13.779,456 – 12.315,275

�(83.332,908− 71.374,466)(2.427,84− 2.124,933)

�12 =

Nilai diatas diperoleh dari tabel 4.5 berikut:

Tabel 4.5 Perhitungan Jumlah Kuadrat

Maka diperoleh:

��1 =

�

�_�2.12

�∑�12��(1−�122 )

=

�

1.070.428,198

(966,537)(1−0,591361 )

=

�

1.070.428,198 407,224

=�2.628,598

= 51,270

��2 =

�

�_�2.12

�∑�22��(1−�122 )

=

�

1.070.428,198

(25,244)(1−0,591361 )

=

�

1.070.428,198

10,316

= _√103.763,881

�1 = �1

�_�1

=

43,523

51,270

=

0,848

�2 = �2

��2

=

937,042

322,124

=

2,907

dari tabel distribusi t dengan dk = �₂ = � − � −1 = 9 dan α = 0,05 maka

dapat dilihat bahwa �_{�����} = 2,262

maka dari perhitungan thitung diatas diperoleh:

�1 < ������ maka �0 diterima

�2 > ������ maka �0 ditolak

Dari kedua koefisien tersebut menunjukkan bahwa variabel �₁(retribusi daerah)

tidak memiliki pengaruh yang berarti atau signifikan terrhadap persamaan rergresi

yang ditentukan, sedangkan variabel �₂ (impor sektor industri) memiliki pengaruh

yang berarti atau signifikan terhadap � (penerimaan pemerintah). Perhitungan ini

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

Implementasi sistem merupakan 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 dalam hal ini

menggunakan software SPSS 19.0 for windows sebagai implementasi sistem

dalam memperoleh hasil perhitungan.

5.2 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 SPSS merupakan

singkatan dari Statistical Package for the social sciences. Namun, dalam

perkembangan selanjutnya penggunaan SPSS diperluas untuk berbagai jenis user,

sciences berubah menjadi Statistical Product and Service Solution. Penggunaan

SPSS dimaksudkan untuk melakukan analisis dengan praktis, cepat dan akurat.

5.3 Mengaktifkan SPSS

Harus dipastikan terlebih dahulu bahwa SPSS telah terinstal pada komputer. Jika

pada menu pilihan windows sudah tersedia SPSS, maka SPSS dapat dibuka

dengan cara memilih menu start kemudian klik SPSS 19.0, seperti gambar

berikut.

5.4 Mengoperasikan SPSS

Setelah mengklik pilihan SPSS Statistics 19.0, maka akan muncul tampilan

jendela seperti gambar 5.2 berikut:

Gambar 5.2 Tampilan Jendela Awal SPSS

5.5 Input Variabel (Variable View₎

Setelah jendela Variabel View terbuka, maka lakukan pengisian variabel-variabel

yang akan dianalisis seperti berikut:

a. Name : digunakan untuk memberikan nama variabel

b. Tipe : digunakan untuk menentukan tipe data

c. Width : digunakan untuk menentukan lebar kolom

d. Decimals : digunakan untuk memberikan nilai desimal

e. Label : digunakan untuk memberi nama label

f. Value : digunakan untuk menjelaskan nilai data pada kolom

g. Missing : digunakan untuk menentukan data yang hilang

i. Align : digunakan untuk menentukan rata kanan, kiri, atau tengah

j. Measure : digunakan untuk menentukan tipe data atau ukuran data,

nominal, ordinal atau skala

Gambar 5.3 Tampila Jendela Variabel View

5.6 Input Data (Data View₎

Setelah selesai mengisi Variabel View, klik pilihan Data View dan masukkan

data berdasarkan jenis variabel yang telah didefinisikan terlebih dahulu pada

Variabel View.

5.7 Pengolahan Data dengan Analisis Regresi

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

pilih regression dan klik Linier, seperti pada gambar 5.5 berikut:

Gambar 5.5 Tampilan Pengolahan Data Dengan Regresi Linear

Kemudian dilanjutkan untuk melengkapi jendela-jendela Linier Regression.

Pada kotak dependen isikan variabel � (Penerimaan Pemerintah) sedangkan

pada kotak independen isikan dengan variabel �₁ (Retribusi Daerah) dan �₂

Gambar 5.6 Tampilan Jendela Regresi Linear

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

Collinierity Diagnostics, lalu klik continue, seperti pada gambar 5.7 berikut

ini:

Gambar 5.7 Tampilan Jendela Statistik Regresi Linear

Kemudian dilanjutkan dengan memilih plots, maka pada layar akan tampak

tampilan Windows Linier Regression: Plots. Masukkan variabel SDRESID

Pada kolom Standarized Residual Plots pilih Hitogram dan Normal

Probability Plots. Pilih Continue kemudian klik OK.

Gambar 5.8 Tampilan Jendela Regresi Linear Plot

Dilanjutkan klik Save dan pilih Residual Standardized dan terakhir klik OK,

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan hasil pengolahan data, maka dapat diambil kesimpulan sebagai

berikut:

1. Persamaan regresi linier berganda yang diperoleh adalah: Ŷ =−1410,376 +

43,523 �₁ + 937,042 �₂. Atau dengan kata lain, Penerimaan Pemerintah =

̶

1410,376 + 43,523 Retribusi Daerah+ 937,042 Impor sektor Industri.

2. Dari hasil kajian didapat antara � (Penerimaan Pemerintah) dengan �₁

(Retribusi Daerah) memiliki korelasi yang kuat sebesar 0,76. Sedangkan

korelasi antara� (Penerimaan Pemerintah) dengan �₂ (Impor Sektor Industri)

juga sangat kuat sebesar 0,874.

3. Tingkat penerimaan pemerintah Propinsi Sumatera Utara dipengaruhi oleh

retribusi daerah dan impor sektor industri sebesar 78%, dan 22% dipengaruhi

oleh faktor lain.

4. Retribusi daerah dan impor sektor industri mempunyai pengaruh terhadap

penerimaan pemerintah Propinsi Sumatera Utara.

5. Berdasarkan gambar histogram dan normal P-P Plot of Regression

Standardlized Residual pada lampiran dapat juga dipastikan bahwa model

6.2 Saran

Penulis dapat menyarankan agar metode regresi linier dapat dipakai untuk

mencari pengaruh penerimaan pemerintah terhadap impor sektor industri maupun

DAFTAR PUSTAKA

Algifari.1997. Analisis Regresi, Edisi Pertama. BPFE. Yogyakarta.

Algifari. 2000. Analisis Regresi Teori, Kasus dan Solusi, Edisi Kedua. BPFE. Yogyakarta.

[BPS] Badan Pusat Statistik, Provinsi Sumatera Utara. 2013. Statistik Keuangan Pemerintah Daerah Sumatera Utara. BPS PROVSU, Medan.

Sri Adiningsih, M.Sc, Dra. 1999. Statistik. BPFE. Yogyakarta.

Sudjana. 2005. Metode Statistika, Edisi Keenam. Tarsito. Bandung.

Sudjana. 1996. Teknik Analisis Regresi dan Korelasi Bagi Para Peneliti. Bandung: Tarsito.

[USU] Universitas Sumatera Utara, FMIPA. 2013. Panduan Tata Cara Penulisan Skripsi dan Tugas Akhir. FMIPA USU, Edisi Kedua, Medan

Lampiran 1

a. All requested variables entered.

b. Dependent Variable: penerimaan_pemerintah

Correlations

penerimaan_pemerintah retribusi_daerah impor

Pearson Correlation penerimaan_pemerintah 1,000 ,760 ,874

retribusi_daerah ,760 1,000 ,769

Impor ,874 ,769 1,000 Sig. (1-tailed) penerimaan_pemerintah . ,002 ,000 retribusi_daerah ,002 . ,002

Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson

1 ,88a ,78 ,734 1034,615 1,139

a. Predictors: (Constant), impor, retribusi_daerah b. Dependent Variable: penerimaan_pemerintah

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 34310972,476 2 17310550,238 16,026 ,001a

Residual 9633865,621 9 1070428,198

DAFTAR PUSTAKA

Algifari.1997. Analisis Regresi, Edisi Pertama. BPFE. Yogyakarta.

Algifari. 2000. Analisis Regresi Teori, Kasus dan Solusi, Edisi Kedua. BPFE. Yogyakarta.

[BPS] Badan Pusat Statistik, Provinsi Sumatera Utara. 2013. Statistik Keuangan Pemerintah Daerah Sumatera Utara. BPS PROVSU, Medan.

Sri Adiningsih, M.Sc, Dra. 1999. Statistik. BPFE. Yogyakarta.

Sudjana. 2005. Metode Statistika, Edisi Keenam. Tarsito. Bandung.

Sudjana. 1996. Teknik Analisis Regresi dan Korelasi Bagi Para Peneliti. Bandung: Tarsito.

[USU] Universitas Sumatera Utara, FMIPA. 2013. Panduan Tata Cara Penulisan Skripsi dan Tugas Akhir. FMIPA USU, Edisi Kedua, Medan

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 34310972,476 2 17310550,238 16,026 ,001a

Residual 9633865,621 9 1070428,198

Total 41944838,097 11

a. Predictors: (Constant), impor, retribusi_daerah b. Dependent Variable: penerimaan_pemerintah

Coefficientsa

a. Dependent Variable: penerimaan_pemerintah

Collinearity Diagnosticsa

Model Dimension Eigenvalue Condition Index

Variance Proportions

(Constant) retribusi_daerah impor

1 1 2,887 1,000 ,01 ,01 ,01

2 ,083 5,905 ,95 ,16 ,06

3 ,031 9,716 ,03 ,83 ,93

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 886,80743 5502,22559 3158,16025 1774,083642 12 Std. Predicted Value -1,280 1,321 ,000 1,000 12 Standard Error of Predicted

Value

321,022 633,519 508,868 96,611 12

Adjusted Predicted Value 646,18341 5634,05273 3119,99369 1810,371268 12 Residual -1224,982910 2420,479248 ,000000 935,661151 12 Std. Residual -1,184 2,340 ,000 ,905 12 Stud. Residual -1,298 2,689 ,016 1,031 12 Deleted Residual -1470,692261 3196,309814 38,166558 1217,848879 12 Stud. Deleted Residual -1,357 5,717 ,262 1,821 12 Mahal. Distance ,143 3,209 1,833 ,963 12 Cook's Distance ,000 ,773 ,099 ,219 12 Centered Leverage Value ,013 ,292 ,167 ,088 12