BAB IV ANALISA HASIL DAN PEMBAHASAN

Transkripsi

1 BAB IV ANALISA HASIL DAN PEMBAHASAN A. Analisis Data 1. Analisa Statistik Deskriptif Statistik deskriftif menggambarkan tentang ringkasan data-data penelitian seperti minimum, maksimum, mean, dan standar deviasi dari masingmasing variabel yang terdapat dalam suatu penelitian. Dari hasil pengumpulan data sekunder mengenai Pendapatan Daerah, PDRB, Pajak dan Retribusi daerah, serta Kepadatan Penduduk tahun , maka statistik deskriptif yaitu nilai minimum, maksimum, mean dan standar deviasi variabel penelitian ini adalah sebagai berikut : Tabel 4.1 Descriptive Statistics N Minimum Maximum Mean Std. Deviation PENDAPATAN 63 11,76 13,55 12,6147,44021 PDRB 63 13,34 15,04 14,3264,51889 PAJAK 63 11,41 13,25 12,2920,46756 RETRIBUSI 63 9,33 12,26 10,6520,69455 KEPADATAN_PDDK 63 2,75 5,12 3,1624,47795 Valid N (listwise) 63 Sumber : Hasil Olah Data SPSS, 2014 Berdasarkan perhitungan SPSS versi 20 maka hasil uji statistik deskriptif dalam penelitian ini adalah sebagai berikut : 61

2 62 a. Pendapatan Daerah Pendapatan daerah memiliki nilai minimum sebesar Rp ,-. Hasil penelitian menunjukkan pendapatan daerah terendah diperoleh oleh provinsi D.I. Yogyakarta pada tahun Sedangkan nilai maksimum sebesar Rp ,- diperoleh ooleh provinsi DKI Jakarta pada tahun Hal ini dipengaruhi oleh semakin tingginya penerimaan dari pajak dan retribusi dari tahun ke tahun sehingga penerimaan asli daerah dari bagi hasil pajak juga semakin meningkat. Untuk nilai rata-rata (mean) dari pendapatan daerah dalam penelitian ini berdasarkan perhitungan SPSS adalah sebesar 12,6147 dengan standar deviasi adalah sebesar 0, b. Produk Domestik regional Bruto (PDRB) PDRB memiliki nilai minimum sebesar Rp ,- yaitu pada tahun 2004 di provinsi DI Yogyakarta. Sedangkan nilai maksimum PDRB dalam penelitian ini adalah Rp ,- diperoleh oleh provinsi DKI Jakarta pada tahun Hal ini menunjukkan tingkat produktivitas regional di provinsi DKI Jakarta merupakan yang tertinggi. Untuk nilai rata-rata(mean) PDRB di provinsi di Jawa dan Bali selama tahun ( 9 tahun ) dalam penelitian ini adalah sebesar 14,3264 dengan standar deviasi 0, c. Pajak Daerah Pajak daerah memiliki nilai minimum sebesar Rp ,- pada provinsi D I Yogyakarta pada tahun 2004, dan nilai maksimum adalah sebesar Rp ,30 di provinsi DKI Jakarta pada tahun Nilai rata-rata (mean) pajak daerah untuk tahun (5 tahun) dalam penelitian ini adalah

3 63 sebesar 12,2920,- dengan standar deviasi dalam penelitian ini adalah sebesar 0,46756 yang besar nilainya lebih kecil dari mean atau nilai rata-rata. d. Retribusi Daerah Retribusi daerah dalam penilitian ini menurut hasil SPSS memiliki nilai minimum sebesar Rp ,- di peroleh daerah provinsi Banten pada tahun 2004 sedangkan nilai maksimalnya adalah sebesar Rp ,- diperoleh oleh provinsi DKI Jakarta pada tahun Untuk nilai rata-rata (mean) retribusi daerah adalah sebesar 10,6520 dengan standar deviasi sebesar 0,69455 lebih kecil dari nilai rata-rata (mean). d. Kepadatan Penduduk Dalam penelitian ini variabel kepadatan penduduk memiliki nilai minimal sebesar 584 yaitu di provinsi Bali pada tahun 2004 sedangkan nilai maksimalnya adalah sebesar ,82 yaitu pada provinsi DKI Jakarta di tahun 2012.Dengan demikian dapat diketahui bahwa Provinsi DKI Jakarta adalah provinsi dengan tingkat kepadatan penduduk yang tertinggi selama tahun Nilai ratarata (mean) variabel kepadatan penduduk adalah sebesar 3,1624 dengan standar deviasi sebesar 0, B. Uji Asumsi Klasik a. Uji Normalitas Data Uji normalitas data dalam penelitian ini dilakukan dengan dua (2) cara yaitu dengan menggunakan grafik normal probability plot dan dengan menggunakan metode uji One Sample Kolmogorov-Smirnov Test. Dengan

4 64 menggunakan grafik normal probabilty plot,maka suatu data dapat dikatakan memiliki distribusi normal jika membentuk satu garis diagonal dan ploting data residual akan dibandingkan dengan garis diagonal. Jika distribusi data residual normal maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonal. Dalam penelitian ini hasil Normal P-Plot dan histogram adalah : Gambar 4.1 Histogram Sumber : Olah Data SPSS, 2014 Gambar 4.2 Normal P-Plot Sumber : Hasil Olah Data SPSS, 2014

5 65 Dilihat dari grafik dan histogram hasil olah data SPSS di atas maka terlihat bahwa data dalam penelitian ini berdistribusi normal dimana hasil histogram membentuk kurva yang seimbang sedangkan dalam grafik terlihat membentuk dan mengikuti pola distribusi normal sehingga dapat dikatakan bahwa data dalam penelitian ini berdistribusi normal. Untuk lebih meyakinkan apakah data yang ada benar-benar berdistribusi normal atau tidak dan data dapat digunakan untuk uji-uji berikutnya peneliti juga melakukan uji dengan metode Kolmogorov-Smirnov dengan hasil sebagai berikut : Tabel 4.2 One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 63 Normal Parameters a,b Mean 0E-7 Std. Deviation, Most Extreme Differences Absolute,130 Positive,130 Negative -,087 Kolmogorov-Smirnov Z 1,034 Asymp. Sig. (2-tailed),236 a. Test distribution is Normal. b. Calculated from data. Sumber : Hasil Olah Data SPSS,2014 Berdasarkan hasil uji normalitas dengan Kolmogorov-Smirnov Test diperoleh nilai Kolmogorov_Smirnov Z sebesar 1,034 dan Asymp.sig. sebesar 0,236 lebih besar dari 0,05 maka dapat disimpulkan data berdistribusi normal dan pengujian berikutnya dapat dilanjutkan.

6 66 b. Uji Multikolinearitas Uji ini dilakukan dengan melihat nilai VIF (variance inflation factor) dan Tolerance. Karena itulah maka nilai VIF dari semua variabel bebas lebih kecil dari 10 dan juga nilai tolerance dari seluruh variabel bebas yang lebih besar dari 0,1 maka dapat disimpulkan bahwa dalam model regresi yang digunakan tidak terdapat multikoliniaritas. Hasil uji multikolinearitas dalam penelitian ini adalah sebagai berikut : Tabel 4.3 Tabel Uji Multikolinearitas Coefficients a Model Collinearity Statistics (Constant) Tolerance PDRB,185 5,419 1 PAJAK,229 4,369 RETRIBUSI,609 1,642 KEPADATAN_PDDK,612 1,635 Sumber: Hasil Olah Data SPSS, 2014 VIF Dalam tabel output diatas terlihat bahwa nilai VIF untuk variabel bebas PDRB adalah 5,419, untuk variabel bebas Pajak Daerah sebesar 4,369. Sedangkan pada variabel bebas Retribusi Daerah nilai VIF adalah sebesar 1,642 dan variabel bebas kepadatan penduduk sebesar 1,635. Keempat variabel bebas tersebut diatas semuanya memiliki nilai VIF yang bernilai lebih kecil dari 10 sehingga dapat dikatakan tidak terjadi multikolinearitas dalam penelitian ini. c. Uji Autokorelasi Uji ini dilakukan untuk mengetahui ada atau tidaknya korelasi antara variabel pengganggu pada periode tertentu dengan variabel pengganggu pada

7 67 periode sebelumnya. Dalam penelitian ini metode yang digunakan untuk melakukan uji autikorelasi adalah dengan Durbin Watson ( DW Test ) dengan ketentuan sebagai berikut : 1. Jika nilai d lebih kecil dari dl atau lebih besar dari (4-dL) maka hipotesis nol (Ho) ditolak yang berarti terdapat autokorelasi. 2. Jika nilai d terletak antara du dan (4-dU) maka hipotesis nol (Ho) diterima yang berarti tidak ada autokorelasi. 3. Jika nilai d terletak antara dl dan du atau diantara (4-dU) dan (4-dL) maka tidak menghasilkan kesimpulan yang pasti. Sedangkan menurut Ghazali (2005) dan menurut Singgih (2000) cara untuk mendeteksi ada atau tidaknya gejala autokorelasi dalam suatu penelitian melalui metode tabel Durbin Watson dapat ditentukan dengan penilaian atau kriteria pengujian autokorelasi sebagai berikut : 1) D-W lebih kecil dari -2 : Jika nilai D-W lebih kecil dari -2 berarti ada korelasi positif, 2) D-W antara -2 dan +2 : Jika nilai D-W terletak di antara -2 sampai +2 berarti tidak ada terjadi gejala autokorelasi, 3) D-W > +2 : Jika nilai D-W lebih besar dari +2 berarti terjadi autokorelasi negatif. Adapun berdasarkan hasil perhitungan SPSS maka hasil uji Durbin Watson Test dalam penelitian ini adalah sebagai seperti tergambar pada tabel 4.4 dihalaman berikutnya.

8 68 Tabel 4.4 Tabel Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1,978 a,957,954,09440,852 a. Predictors: (Constant), KEPADATAN_PDDK, PAJAK, RETRIBUSI, PDRB b. Dependent Variable: PENDAPATAN Sumber : Hasil Olah Data SPSS, 2014 Berdasarkan tabel output diatas diketahui bahwa nilai D-W hitung atau d adalah sebesar 0,852. Dengan demikian dapat ditentukan bahwa nilai T = 63 dan nilai k = 5. Selanjutnya pada tabel Durbin Watson di dapat nilai dl dan du yaitu dl = 1,460 dan du= 1,749. Diketahui nilai d = 0,852 maka kita hitung terlebih dahulu nilai (4-d) = (4-0,852) = 3,148. Berdasarkan hasil perhitungan itu maka dapat disimpulkan bahwa nilai d = 0,852 lebih kecil dari nilai du = 1,749 yang artinya terdapat autokorelasi positif dan nilai (4 d) = 3,148 lebih besar dari nilai du = 1,749 yang artinya terdapat autokorelasi negatif. Namun ini berarti juga bahwa nilai d atau nilai D-W berada di antara nilai -2 dan +2 yang artinya tidak terdapat gejala autokorelasi. Dengan demikian dapat disimpulkan bahwa pada analisis regresi tidak terdapat autokorelasi. d. Uji Heteroskedastisitas Uji ini dilakukan untuk mengetahui apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan lain. Dalam penelitian ini peneliti melakukan uji heteroshedastisitas dengan melihat grafik scatterplot antara standardized predictted value (ZPRED) dengan studentized residual (SRESID). Adapun dasar atau kriteria metode ini adalah sebagai berikut :

9 69 - Jika ada pola tertentu, seperti titik-titik yang ada membentuk suatu pola tertentu yang teratur maka terjadi heteroskedastisitas. - Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, artinya tidak terjadi heteroskedastisitas. Grafik scatterplot dalam penelitian ini adalah sebagai berikut : Gambar 4.3 Sumber : Hasil Olah Data SPSS, 2014 Dalam grafik scatterplot diatas terlihat bahwa titik titik menyebar dengan pola yang tidak jelas diatas dan dibawah angka 0 pada sumbu Y. Dengan demikian dapat disimpulkan bahwa tidak terjadi heteroskedastisitas. C. Uji Kesesuaian Model a. Uji Koefisien Determinasi (R 2 ) Uji ini bertujuan untuk menentukan persentasse total variasi dalam variabel terikat yang diterangkan variabel bebas secara bersama-sama. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R 2 yang kecil berarti

10 70 kemampuan variabel-variabel independen dalam menjelaskan variabel dependen sangat terbatas. Sedangkan jika nilainya mendekati 1 berarti variabel-variabel independen memberikan hampir senua informasi yang dibutuhkan untuk memprediksi variasi-variabel dependen. Model Summary untuk penelitian ini adalah seperti terlihat pada tabel 4.4 diatas. Berdasarkan output SPSS di atas terlihat bahwa nilai R Square adalah sebesar 0,957. Ini berarti bahwa sebesar 95,7 % variasi variabel dependen Pendapatan Daerah dapat dijelaskan oleh variasi dari variabel independennya yaitu ; PDRB, Pajak Daerah, Retribusi Daerah, Dana Perimbangan dan Kepadatan Penduduk. Sedangkan sisanya sebesar 4,3% dijelaskan sebab yang lain diluar model. Dan untuk nilai Adjusted R Square adalah sebesar 0,954 yang artinya bahwa variabel PDRB, Pajak Daerah, Retribusi Daerah, dan Kepadatan Penduduk berpengaruh sebesar 95,4% terhadap Pendapatan Daerah. b. Uji F Uji ini dilakukan untuk mengetahui apakah variabel-variabel independen secara simultan berpengaruh signifikan terhadap variabel dependen. Dalam uji ini terlihat bagaimanakah pengaruh semua variabel bebasnya secara bersama-sama terhadap variabel terikatnya. Hasil uji F ini dapat dilihat pada hasil output SPSS dalam tabel ANOVA. Hasil uji ANOVA dalam penelitian ini adalah sebagai berikut :

11 71 Tabel 4.5 ANOVA a Model Sum of Squares Df Mean Square F Sig. Regression 11, , ,543,000 b 1 Residual,517 58,009 Total 12, a. Dependent Variable: PENDAPATAN b. Predictors: (Constant), KEPADATAN_PDDK, PAJAK, RETRIBUSI, PDRB Sumber : Hasil Olag Data SPSS, 2014 Berdasarkan tabel ANOVA diatas terlihat bahwa nilai F Hitung adalah sebesar 322,543 dengan nilai signifikasi adalah sebesar 0,000 lebih kecil dari nilai α = 0,05 atau 5%. ini berarti bahwa Ho ditolak yang artinya semua variabel independen secara bersama-sama merupakan penjelas yang signifikan terhadap variabel dependen. Dengan kata lain terdapat pengaruh yang signifikan secara bersama- sama antara variabel bebas PDRB, Pajak Daerah, Retribusi Daerah dan Kepadatan Penduduk terhadap variabel terikat Pendapatan Daerah. Atau dapat dikatakan bahwa nilai dari variabel- variabel bebas tersebut secara keseluruhan mempengaruhi Pendapatan Daerah D. Uji Hipotesis a. Uji T Uji t dilakukan untuk mengetahui seberapa besar pengaruh masingmasing variabel independen secara parsial ( individual ) terhadap variabel dependen. Dengan perhitungan SPSS hasil uji t dalam penelitian ini adalah sebagai berikut :

12 72 Tabel 4.6 Tabel Uji t Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta (Constant) 1,606,340 4,719,000 PDRB,536,054,632 9,963,000 1 PAJAK,150,054,159 2,796,007 RETRIBUSI,062,022,097 2,792,007 KEPADATAN_PDDK,263,032,286 8,204,000 Sumber : Hasil Olah Data SPSS, 2014 Setelah mengetahui nilai t hitung maka selanjutnya dicari nilai t tabel dengan ketentuan nilai n = 63 dan jumlah variabel dependen dan independen = 5, sehingga didapat nilai df adalah ( 63-5 = 58 ), dan nilai α = 5%. Setelah dicari dalam tabel t maka didapat nilai t tabel adalah sebesar 1,672. Dengan demikian dapat untuk periode penelitian ini yaitu tahun didapat hasil sebagai berikut : a. Variabel PDRB memiliki nilai t hitung sebesar 9,963. Nilai ini lebih besar dari nilai t tabel sebesar 1,699. Berdasarkan hasil tersebut maka variabel PDRB mempunyai pengaruh yang signifikan terhadap variabel pendapatan daerah, sehingga hipotesis H1 dalam penelitian ini diterima. b. Untuk variabel pajak daerah nilai t hitung adalah sebesar 2,796 lebih besar dari nilai α (1,672). Artinya terdapat pengaruh yang signifikan antara variabel independen pajak daerah dan variabel dependen pendapatan daerah, sehingga hipotesis H2 dapat diterima. c. Untuk variabel retribusi daerah memiliki nilai t hitung sebesar 2,792 lebih besar dari nilai 1,672 yang berarti terdapat pengaruh yang signifikan antara variabel retribusi daerah dengan variabel pendapatan daerah, sehingga hipotesis H3 yang menyatakan bahwa variabel retribusi

13 73 daerah berpengaruh signifikan terhadap variabel pendapatan daerah diterima. d. Dan untuk variabel kepadatan penduduk nilai t hitung adalah 8,204 diatas nilai 1,672 artinya terdapat pengaruh yang signifikan dari kepadatan penduduk terhadap pendapatan daerah, dengan demikian hipotesis H5 dalam penelitian ini dapat diterima. b. Analisis Regresi Linear Berganda Regresi linear berganda merupakan alat ukur mengenai pengaruh yang terjadi antara variabel dependen (y) dengan satu atau lebih variabel independen (X 1, X 2,...). Berdasarkan tabel coefficients diatas ( tabel 4.6 ) maka persamaan regresi linear berganda dituliskan sebagai berikut : Y Pend._Dae =1,606+0,536 PDRB + 0,150 Pajak_DAer + 0,062 Retrib_Dae + 0,263 Kepadatan_Pddk + e Interpretasi dari regresi di atas adalah sebagai berikut : a. Konstanta (a) Ini berarti jika semua variabel bebas (independen) memiliki nilai nol (0) maka nilai variabel terikat (dependen) adalah sebesar 1,606. b. PDRB (X 1 ), terhadap pendapatan daerah (variabel Y) Nilai koefisien PDRB untuk variabel X 1 adalah sebesar 0,536. Ini menunjukkan bahwa dalam penelitian ini dalam periode tahun setiap ada kenaikan PDRB satu satuan maka varabel pendapatan daerah juga akan naik sebesar 0,536 dengan asumsi bahwa variabel bebas yang lain dari model regresi adalah tetap.

14 74 c. Pajak Daerah (X 2 ) terhadap pendapatan daerah (variabel Y) Nilai koefisien Pajak Daerah untuk variabel X 2 adalah sebesar 0,150. Ini berarti dalam penelitian ini setiap kenaikan pajak daerah satu satuan maka variabel pendapatan daerah akan naik sebesar 0,150 dengan asumsi bahwa variabel bebas yang lainnya adalah tetap. d. Retribusi Daerah (X 3 ) terhadap pendapatan daerah (variabel Y) Nilai koefisien retribusi daerah untuk variabel X 3 adalah sebesar 0,062 artinya dalam penelitian ini setiap kenaikan pajak satu satuan maka variabel pendapatan daerah juga akan naik sebesar 0,062 dengan asumsi bahwa variabel bebas lainnya adalah tetap. e. Kepadatan Penduduk (X 5 ) terhadap pendapatan daerah (variabel Y) Untuk variabel ini nilai koefisien untuk variabel X 5 adalah sebesar 0,263 dengan tanda negatif, ini berarti bahwa setiap ada kenaikan kepadatan penduduk satu satuan maka pendapatan daerah turun sebesar 0,263 dengan asumsi variabel bebas lainnya adalah tetap. E. Pembahasan Berdasarkan hasil pengujian hipotesis dengan melakukan uji statistik maka dalam penelitian ini didapat hasil sebagai berikut : 1. Pengaruh PDRB terhadap Pendapatan Daerah Dalam penelitian ini didapat hasil bahwa PDRB berpengaruh signifikan terhadap Pendapatan Daerah. Hasil ini sejalan dengan hasil penelitian sebelumnya yang dilakukan oleh Indra Rindu K pada tahun 2012 dalam skripsinya yang

15 75 berjudul Analisa Faktor Yang Mempengaruhi Pendapatan Asli Daerah di Makassar tahun dimana hasilnya adalah bahwa PDRB berpengaruh positif terhadap PAD. Seperti diketahui PDRB merupakan pencerminan kemajuan daerah. Semakin tinggi tingkat produktivitas masyarakat suatu daerah tertentu dapat menjadi indikator peningkatan pendapatan daerah tersebut. 2. Pengaruh Pajak Daerah terhadap Pendapatan Daerah Mengenai pengaruh pajak daerah terhadap pendapatan daerah dalam penelitian ini didapat hasil bahwa pajak daerah berpengaruh signifikan terhadap pendapatan daerah. Penelitian tentang ini banyak dilakukan dan memiliki hasil yang sama. diantaranya penelitian yang dilakukan oleh Septian Dwi Kurniawan pada tahun 2010 dalam skripsinya yang berjudul Pengaruh Penerimaan Pajak dan Retribusi Daerah terhadap peningkatan PAD di Kabupaten Ponorogo yang hasilnya bahwa pajak berpengaruh positif signifikan terhadap PAD. Di provinsi di Jawa dan Bali di mana tingkat produktivitas masyarakatnya lebih tinggi dibanding provinsi lainnya, penerimaan asli daerah dari sektor pajak merupakan pemberi kontribusi terbesar bagi pendapatan daerah. 3. Pengaruh retribusi daerah terhadap Pendapatan Daerah Sama halnya dengan pajak daerah, dalam penelitian ini retribusi daerah juga berpengaruh signifikan terhadap pendapatan daerah. Hasil yang sama juga didapat dari penelitian yang dilakukan oleh Septian Dwi Kurniawan pada tahun 2010 yang hasilnya bahwa retribusi daerah berpengaruh signifikan positif terhadap Pendapatan Asli Daerah.

16 76 4. Pengaruh Kepadatan Penduduk terhadap Pendapatan Daerah. Kepadatan penduduk berhubungan dengan jumlah penduduk dan pendapatan perkapita suatu daerah. Dengan adanya penduduk menjamin tersedianya sumber daya manusia sebagai faktor yang yang penting bagi produktivitas ekonomi suatu daerah yang pada akhirnya berpengaruh pada tingkat pendapatan daerah tersebut. Dalam penelitian ini didapatkan hasil bahwa kepadatan penduduk berpengaruh signifikan terhadap pendapatan daerahi provinsi di Jawa dan Bali.