4. HASIL PENELITIAN DAN ANALISIS
4.1. Hasil Penelitian
4.1.1. Gambaran Umum Penagihan Pajak di Kantor Pelayanan Pajak Surabaya Rungkut
Kantor Pelayanan Pajak Surabaya Rungkut dibentuk berdasarkan Keputusan Menteri Keuangan Republik Indonesia Nomor 443/KMK.01/2001 tanggal 23 Juli 2001 tentang Organisasi dan Tata Kerja Kantor Wilayah Direktorat Jenderal Pajak, Kantor Pelayanan Pajak, Kantor Pelayanan Pajak Bumi dan Bangunan, Kantor Pemeriksaan dan Penyidikan Pajak dan Kantor Penyuluhan dan Pengamatan Potensi Pajak.
Kantor Pelayanan Pajak Surabaya Rungkut merupakan pecahan dari Kantor Pelayanan Pajak Surabaya Wonocolo, sehingga wilayah kerja Kantor Pelayanan Pajak Surabaya Rungkut sebelumnya merupakan wilayah kerja Kantor Pelayanan Pajak Surabaya Wonocolo.
Wilayah kerja Kantor Pelayanan Pajak Surabaya Rungkut terdiri dari tiga kecamatan dan limabelas kelurahan, yaitu:
1. Kecamatan Rungkut
Kecamatan Rungkut terdiri dari enam kelurahan, yaitu:
- Kelurahan Kalirungkut - Kelurahan Kedungbaruk - Kelurahan Medokan Ayu - Kelurahan Penjaringan Sari - Kelurahan Rungkut Kidul - Kelurahan Wonorejo
2. Kecamatan Tenggilis Mejoyo
Kecamatan Tenggilis Mejoyo terdiri dari lima kelurahan, yaitu:
- Kelurahan Kendangsari - Kelurahan Kutisari - Kelurahan Panjang Jiwo
- Kelurahan Prapen
- Kelurahan Tenggilis Mejoyo 3. Kecamatan Gunung Anyar
Kecamatan Gunung Anyar terdiri dari empat kelurahan, yaitu:
- Kelurahan Gunung Anyar
- Kelurahan Gunung Anyar Tambak - Kelurahan Rungkut Menanggal - Kelurahan Rungkut Tengah
Dengan total luas wilayah 3.631 ha dan jumlah penduduk sebanyak 238.495 jiwa atau 74.124 kepala keluarga, dimana wilayah ini berkembang dengan cukup baik di bidang ekonomi karena ditunjang oleh faktor antara lain:
1. Banyaknya industri yang berkembang di daerah ini yang disebabkan wilayah Kecamatan Rungkut merupakan salah satu sentra industri di wilayah Kotamadya Surabaya. Selama ini kawasan ini lebih dikenal sebagai kawasan Surabaya Industrial Estate Rungkut (SIER).
2. Wilayah Kecamatan Gununganyar, Rungkut maupun Tenggilis Mejoyo yang merupakan kawasan pengembangan pemukiman baru, sehingga sangat potensial untuk pengembangan usaha di bidang perdagangan maupun jasa.
Sektor usaha yang menonjol adalah perdagangan dan industri, untuk industri sebagian besar berada di kawasan Surabaya Industrial Estate Rungkut (SIER) di Kecamatan Rungkut yang merupakan salah satu sentra industri di wilayah kotamadya Suabaya, serta home industri yang mulai berkembang di wilayah kecamatan Rungkut dan Gununganyar.
Sektor perdagangan pada umumnya berkembang secara merata baik di wilayah kecamatan Rungkut, Gununganyar maupun Tenggilis Mejoyo, hal ini disebabkan berkembangnya pemukiman-pemukiman baru di ketiga wilayah tersebut, serta makin meningkatnya kondisi sosial ekonomi di wilayah ini karena adanya perumahan-perumahan kelas menengah dan beberapa perumahan mewah.
Kinerja seksi penagihan pajak di KPP Surabaya Rungkut mencatat bahwa tunggakan pajak per 1 Januari 2002 sebesar Rp. 42.268.375.894,00 dengan penambahan tunggakan pajak selama bulan Januari sampai dengan Desember 2002 sebesar Rp. 20.538.007.328,00. pencairan tunggakan pajak selama tahun 2002 sebesar Rp. 16.430.785.353,00 yang didapat dari pembayaran sebesar Rp.
9.863.395.476,00, pemindahbukuan sebesar Rp. 2.828.429.498,00, keberatan sebesar Rp. 697.574.313,00 dan penghapusan sebesar Rp. 3.041.386.066,00.
Saldo tunggakan pajak per 31 Desember 2002 sebesar Rp. 46.375.597.869,00.
Adapun tindakan penagihan aktif yang dilakukan oleh KPP Surabaya Rungkut yang meliputi Surat Teguran, Surat Paksa, Surat Pemberitahuan Melaksanakan Lelang dan pengumuman lelang selama tahun 2002 dengan rincian sebagai berikut, yaitu Surat Teguran sebanyak 3096 lembar, Surat Paksa sebanyak 569 lembar, Surat pemberitahuan Melaksanakan Penyitaan (SPMP) sebanyak 36 lembar, pengumuman lelang sebanyak 2 lembar. Sedangkan jumlah Surat Tagihan Pajak (STP) tahun 2002 sebanyak 1916 lembar dan Surat Ketetapan Pajak (SKP) sebanyak 940 lembar.
Sedangkan tunggakan pajak per 1 Januari 2003 di KPP Surabaya Rungkut sebesar Rp. 46.375.597.869,00 dengan penambahan tunggakan pajak selama bulan Januari sampai dengan Desember 2003 sebesar Rp. 28.360.039.792,00.
Pencairan tunggakan pajak selama tahun 2003 sebesar Rp. 36.067.079.816,00 yang diakibatkan karena adanya pembayaran sebesar Rp. 9.683.882.793,00, pemindahbukuan sebesar Rp. 8.866.769.899,00, keberatan sebesar Rp.
9.885.949.785,00 sedangkan penghapusan tahun 2003 sebesar Rp.
7.640.477.339,00 Saldo tunggakan pajak per 31 Desember 2003 Rp.
48.668.557.845,00. Adapun tindakan penagihan aktif selama tahun 2003 yaitu Surat Teguran sebanyak 3.804 lembar, Surat Paksa sebanyak 1.058 lembar, Surat Pemberitahuan Melaksanakan Penyitaan (SPMP) sebanyak 50 lembar, pengumuman lelang 3 lembar, dan lelang telah dilaksanakan tanggal 20 Maret 2003 atas 3 (tiga) Wajib Pajak. Jumlah Surat Tagihan Pajak (STP) tahun 2003 sebanyak 3.462 lembar dan Surat Ketetapan Pajak (SKP) sebanyak 375 lembar.
Penerimaan pajak tahun 2002 yang berhasil direalisasikan oleh KPP Surabaya Rungkut secara keseluruhan adalah sebesar Rp. 315.047.504.837,00 dan pada tahun 2003 meningkat menjadi Rp. 394.579.467.331,00.
Juru sita yang bertugas di Kantor Pelayanan Pajak Surabaya Rungkut sebanyak 2 orang.
4.1.2. Deskripsi Data Penelitian
Sebelum dilakukan analisa, pada tabel 4.1 di bawah ini akan dijabarkan data yang diperoleh penulis dalam penelitian ini. Data yang diperoleh antara lain jumlah Surat Paksa yang diterbitkan, jumlah Wajib Pajak aktif, dan jumlah pencairan tunggakan pajak di Kantor Pelayanan Pajak Surabaya Rungkut tahun 2002 sampai dengan tahun 2003.
Tabel 4.1 Jumlah Surat Paksa yang diterbitkan, Jumlah Wajib Pajak aktif, Jumlah pencairan tunggakan pajak Tahun 2002-2003
n
Jumlah Surat Paksa yang
diterbitkan Jumlah Wajib Pajak
aktif Pencairan Tunggakan Pajak (Y)
(Bulan) (X1) (X2) (Dalam Rupiah)
Jan-2002 31 6515 43,081,097
Februari 15 6626 28,433,524
Maret 26 6681 165,198,774
April 12 6911 45,795,636
Mei 14 6936 51,071,263
Juni 6 7063 1,874,498,641
Juli 26 7114 2,096,202,977
Agustus 36 7184 785,310,181
September 101 7628 3,415,582,550
Oktober 98 7760 1,984,950,447
November 80 8039 644,953,413
Desember 124 8161 5,295,706,850
Total 569 16,430,785,353
n Jumlah Surat
Paksa yang Jumlah Wajib Pajak
aktif melakukan Pencairan Tunggakan Pajak (Y)
diterbitkan pembayaran
(Bulan) (X1) (X2) (Dalam Rupiah)
Jan-2003 17 8238 1,849,319,199
Februari 45 8750 1,229,263,619
Maret 60 9350 7,138,913,352
April 143 8039 2,519,558,753
Mei 161 4568 409,851,210
Juni 102 5386 651,804,870
Juli 90 8325 394,887,205
Agustus 67 8468 823,742,581
September 76 8556 958,293,041
Oktober 59 8628 1,129,722,924
November 58 8735 1,118,809,960
Desember 180 9853 17,842,913,102
Total 1058 36,067,079,816
Sumber: KPP Surabaya Rungkut, telah diolah kembali.
4.1.3. Hasil Statistik Deskriptif
Berikut pada tabel 4.2 akan disajikan hasil statistik deskriptif dari masin- masing variabel.
Tabel 4.2 Statistik Deskriptif Descriptive Statistics
2187411048.7 3749075318 24
67.7917 49.2518 24
7646.4167 1211.5281 24
Pencairan Tunggakan Pajak (Y)
Jumlah Surat Paksa (X1) Jumlah Wajib Pajak (X2)
Mean Std. Deviation N
Sumber: Lampiran 5
- Rata-rata jumlah Pencairan tunggakan pajak (dengan jumlah data 24 buah) adalah Rp. 2.187.411.048,7 (dalam rupiah), dengan standar deviasi Rp. 3.749.075.318
- Rata-rata jumlah Surat Paksa yang diterbitkan (dengan jumlah data 24 buah) adalah 67,79 SP dengan standar deviasi 49,25
- Rata-rata jumlah Wajib Pajak aktif melakukan pembayaran (dengan jumlah data 24 buah) adalah 7.646,41 WP dengan standar deviasi 1.211,52
4.1.4. Pengujian Asumsi Klasik
Dalam penelitian ini terdapat variabel independen dan variabel dependen sebagai berikut:
- Variabel Independen (X), yaitu:
X1 = Jumlah Surat Paksa yang diterbitkan
X2 = Jumlah Wajib Pajak aktif melakukan pembayaran - Variabel Dependen (Y), yaitu Pancairan Tunggakan Pajak
Model regresi berganda yaitu sebuah model regresi linier yang meliputi lebih dari satu variabel bebas atau dependen. Sebelum membuat model regresi linier berganda terlebih dahulu dilakukan uji asumsi klasik. Adapun pengujian asumsi klasik ini ada 4 (empat), yaitu:
1. Multikolinieritas
Suatu model regresi yang baik seharusnya bebas dari masalah multikolineritas. Seperti telah dijelaskan pada Bab III, penelitian ini menggunakan besaran korelasi antar variabel independen untuk mendeteksi adanya multikolinieritas. Adapun hasil asumsi multikolineritas disajikan pada tabel:
Tabel 4.3 Output Pengujian Besaran Korelasi Antar Variabel Independen
Correlations
1.000 .543 .542
.543 1.000 .125
.542 .125 1.000
. .003 .003
.003 . .280
.003 .280 .
24 24 24
24 24 24
24 24 24
Pencairan Tunggakan Pajak (Y)
Jumlah Surat Paksa (X1) Jumlah Wajib Pajak (X2) Pencairan Tunggakan Pajak (Y)
Jumlah Surat Paksa (X1) Jumlah Wajib Pajak (X2) Pencairan Tunggakan Pajak (Y)
Jumlah Surat Paksa (X1) Jumlah Wajib Pajak (X2) Pearson Correlation
Sig. (1-tailed)
N
Pencairan Tunggakan
Pajak (Y) Jumlah Surat
Paksa (X1) Jumlah Wajib Pajak (X2)
Sumber: Lampiran 1
Suatu model regresi dikatakan bebas dari masalah multikolineritas jika korelasi antar variabel independennya lebih kecil dari 0,8. Dari tabel di atas dapat dilihat bahwa korelasi antara variabel X1 jumlah Surat Paksa yang diterbitkan dengan variabel X2 jumlah WP aktif melakukan pembayaran adalah sebesar 0,125. Oleh karena korelasi antara jumlah Surat Paksa yang diterbitkan dengan jumlah WP aktif melakukan pembayaran adalah sebesar 0,125 atau lebih kecil dari 0,8 maka dapat dikatakan antara jumlah Surat Paksa yang diterbitkan dengan jumlah WP aktif melakukan pembayaran bebas dari masalah multikolineritas.
Selain itu untuk mendeteksi adanya masalah multikolineritas dapat dideteksi melalui besaran VIF (Variance Inflation Factor) dan Tolerance.
Adapun hasil uji besaran VIF dan Tolerance disajikan pada tabel 4.4 di bawah ini:
Coefficientsa
Collinearity Statistics
Model Tolerance VIF
1 X1
X2
.984 .984
1.016 1.016 a. Dependent variable: Y
Sumber: Lampiran 1
Pedoman suatu model regresi yang bebas masalah multikolinieritas adalah:
- Mempunyai nilai VIF di sekitar angka 1
- Mempunyai angka TOLERANCE mendekati 1
Pada tabel di atas terlihat untuk kedua variabel, nilai VIF ada di sekitar angka 1 yaitu 1,016 untuk variabel jumlah Surat Paksa yang diterbitkan (X1) dan 1,016 untuk variabel jumlah Wajib Pajak aktif melakukan pembayaran (X2). Demikian juga angka tolerance mendekati angka 1 untuk kedua variabel, yaitu 0,984 baik untuk variabel X1 maupun X2. Dengan demikian dapat disimpulkan pada model regresi tersebut tidak terdapat masalah multikolinieritas.
2. Heteroskedastisitas
Setelah melakukan uji asumsi multikolinieritas, selanjutnya dilakukan uji asumsi heteroskedastisitas. Dalam asumsi ini dilakukan pengujian apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual dari satu pengamatan ke pengamatan yang lain. Jika varians residual dari satu pengamatan ke pengamatan lain berbeda disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Adapun dasar pengambilan keputusan:
- Jika ada pola tertentu, seperti titik-titik (point-point) yang ada membentuk suatu pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka telah terjadi heteroskedastisitas.
- Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 (nol) pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Pada gambar 4.1 di bawah ini akan disajikan grafik hasil pengujian heteroskedastisitas:
Gambar 4.1. Output Pengujian Heteroskedastisitas
Scatterplot
Dependent Variable: Pencairan Tunggakan Pajak (Y)
Regression Studentized Residual
4 3 2 1 0 -1 -2
Sumber: Lampiran 2
Dalam gambar 4.1 di atas dapat dilihat bahwa titik-titik tidak membentuk suatu pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 (nol) pada sumbu Y, hal ini membuktikan tidak terjadi heteroskedastisitas.
3. Normalitas
Selanjutnya akan dilakukan pengujian normalitas. Model regresi yang baik adalah distribusi data normal atau mendekati normal. Deteksi adanya normalitas ialah dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik.
Adapun dasar dari pengambilan keputusannya adalah:
- Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka memenuhi asumsi normalitas.
- Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
Untuk mendeteksi adanya normalitas, maka pada gambar 4.2 di bawah ini akan disajikan grafik hasil pengujian normalitas.
Gambar 4.2 Output Pengujian Normalitas
Normal P-P Plot of Regression Standardized Residual Dependent Variable: Pencairan Tunggakan Pajak (Y)
Expected Cum Prob
1.00
.75
.50
.25
Sumber: Lampiran 3
Dari gambar 4.2 di atas terlihat bahwa data (titik-titik) menyebar di sekitar garis diagonal dan penyebarannya mengikuti arah garis diagonal tersebut. Hal ini membuktikan bahwa uji asumsi normalitas telah terpenuhi.
4. Autokorelasi
Pengujian asumsi klasik yang terakhir adalah autokorelasi. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Deteksi adanya autokorelasi yaitu dengan melihat besaran Durbin-Watson (D-W). Secara umum bisa diambil patokan bahwa:
- Angka D-W di bawah -2 berarti ada autokorelasi positif
- Angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi - Angka D-W di atas +2 berarti ada autokorelasi negative
Pada tabel 4.5 di bawah ini akan disajikan hasil pengujian autokorelasi:
Tabel 4.5 Output Pengujian Autokorelasi
Model Summaryb
Model Durbin-Watson
1 1.403
a. Predictors: (Constant), X2, X1 b. Dependent Variable: Y
Sumber: Lampiran 4
Panduan yang lebih jelas mengenai angka atau nilai kritis D-W (Durbin- Watson) dengan = 0,05 untuk mendeteksi autokorelasi bisa dilihat pada Critical Values of Durbin-Watson Test Statistic (lihat Lampiran 12). Dari tabel nilai kritis tersebut, untuk n = 24 dan k = 2, diketahui bahwa nilai dL = 1,19 dan nilai dU = 1,55. Angka Durbin-Watson pada tabel 4.5 di atas adalah sebesar 1,403. Angka Durbin-Watson sebesar 1,403 terletak diantara 1,19 (dU) dan 2,81 (4-dU), dan angka tersebut termasuk dalam daerah “No Autokorelation” atau daerah tidak ada autokorelasi. Untuk lebih jelasnya dapat dilihat pada gambar 4.3 di bawah ini:
Sumber: Aczel, D. Amir, 1999, hal 580
Setelah dilakukan 4 (empat) pengujian asumsi klasik di atas, dapat disimpulkan bahwa model regresi telah bebas dari masalah multikolinieritas, heteroskedastisitas, autokorelasi, dan telah memenuhi asumsi normalitas.
Langkah pengujian yang selanjutnya adalah uji simultan (uji F) yang bertujuan untuk mengetahui pengaruh variabel-variabel independen yaitu variabel jumlah Surat paksa yang diterbitkan (X1) dan variabel jumlah Wajib Pajak aktif (X2) secara keseluruhan (simultan) terhadap variabel dependen yaitu variabel pencaian tunggakan pajak (Y) di Kantor Pelayanan Pajak Surabaya Rungkut. Pada tabel 4.6 di bawah ini akan disajikan hasil uji simultan (uji F).
Tabel 4.6 Hasil Uji Simultan (Uji F) ANOVAb
Model df F Sig.
