BAB IV HASIL DAN PEMBAHASAN. Statistik deskriftif menggambarkan tentang ringkasan data-data penelitian. dalam penelitian ini sebanyak 10 sampel.

Transkripsi

1 57 BAB IV HASIL DAN PEMBAHASAN A. Penyajian dan Analisis Data I. Uji Statitik Deskriftif Statistik deskriftif menggambarkan tentang ringkasan data-data penelitian seperti minimum, maksimum, mean dan standar deviasi dari masing-masing variabel yang terdapat dalam penelitian. Perusahaan yang memenuhi kriteria dalam penelitian ini sebanyak 10 sampel. Tabel 4.1 diatas dapat diketahui bahwa : Dari ouput data statistik deskriftif pada tabel 4.1 a. N = 10 berarti jumlah data yang diolah dalam penelitian ini adalah 10 sampel yaitu terdiri dari 10 tahun, yang terdiri dari data variabel Pajak Daerah, Retribusi Daerah dan Pendapatan Asli Daerah.

2 58 b. Pendapatan Asli Daerah mempunyai nilai minimum sebesar Rp dan nilai maksimum sebesar Rp dan nilai mean atau rata-rata sebesar Rp , serta nilai standar deviasi sebesar Rp , nilai minimum terjadi pada tahun 2004 hal ini terjadi karena masih sedikit nya tingkat kesadaran wajib pajak untuk melaporkan pajak terhutang nya. Nilai maksimum terjadi di tahun 2013 hal ini terjadi karena meningkatnya kesadaran wajib pajak akan kewajibannya terhadap negara. c. Pajak Daerah mempunyai nilai Minimum Rp dan nilai maksimum Rp dan nilai mean atau rata-rata sebesar Rp serta nila standar deviasi sebesar Rp nilai minimum terjadi pada tahun 2004, hal ini disebabkan karena masih sedikit nya Kendaraan yang terdapat di Ibu Kota DKI Jakarta, tempat Hiburan dan Hotel yang masih sedikit didirikan oleh Pemprov DKI Jakarta Maupun pihak swasta untuk menyediakan wahana liburan bagi masyarakat, dan sedikit nya pengusaha kena pajak yang menggunakan jasa reklame untuk memasarkan produk nya. Nilai maksimum terjadi pada tahun 2013 hal ini terjadi karena menigkatnya pengguna kendaraan di Kota Jakarta, dan banyak wahana tempat hiburan dan ketatnya persaingan bisnis di Kota jakarta sehingga menimbulkan banyaknya pemakaian jasa Papan reklame.

3 59 d. Retribusi Daerah mempunyai nilai minimum Rp dan nilai maksimum Rp dan nilai mean atau rata-rata sebesar Rp serta nilai standar deviasi sebesar Rp II. Uji Asumsi Klasik 1. Uji Normalitas UjiNormalitas data dilakukan dengan analisis Grafik. Pengambilan keputusan untuk menentukan data variabel terdistribusi normal atau tidak normal adalah sebagai berikut : a. Nilai Asymp. Sig. (2-tailed) lebih besar dari 0,05 maka data terdistribusi normal. b. Nilai Asymp. Sig. (2-tailed) kurang dari 0,05 maka data terdistribusi tidak normal. Tabel 4.2

4 60 Dari tabel diatas dapat dilihat bahwa nilai variabel PD sebesar 0,730 dengan probabilitas 0,661 maka dapat disimpulkan bahwa variabel PD terdistribusi secara normal. Begitu juga dengan nilai variabel RD sebesar 1,040 dengan probabilitas 0,229 maka dapat disimpulkan bahwa variabel RD terdistribusi secara normal. Gambar 4.1

5 61 Gambar 4.2 Pada gambar diatas dapat dilihat P plots titik-titik mendekati sumbu diagonal, maka dapat disimpulkan bahwa dalam penelitian ini normal. 1. Uji Multikolonieritas Merupakan dimana antara variabel X (independent)tidak boleh saling berkorelasi. Regresi yang baik adalah apabila tidak ada korelasi antara variabel independent. Semua model regresi bebas dari masalah multikolinieritas jika pada suatu model dapat dilihat dari beberapa hal, yang salah satunya yaitu jika nilai Variance Inflasion Factor (VIF) tidak lebih dari 10 dan nilai Tolerance tidak kurang dari 0,1 maka model dapat dikatakan terbebas daari multikolinieritas.

6 62 Tabel Uji Heteroskedasititas heteroskedatisitasbertujuan untuk menguji terjadinya perbedaan variance residual suatu periode pengamatan keperiode pengamatan lain atau gambaran hubungan antara nilai yang diprediksi dengan Studentized Delete Residual nilai tersebut. Model regresi yang baik adalah model regresi yang memiliki persamaan variance residual suatu periode pengamatan dengan periode pengamatan lain. Cara memprediksi ada tidaknya heteroskedasititas pada suatu model dapat dilihat dari pola gambar Scatterplot model tersebut.

7 63 Gambar 4.3 Grafik scatterplot diatas menunjukan titik-titik data menyebar diatas dan dibawah titik angka nol dan sumbu Y. Maka dapat disimpulkan bahwa model regresi berganda tidak terjadi heterokedastitas dan layak digunakan dalam penelitian. 3. Uji Glejser Uji glejser mengusulkan untuk meregresi nilai absolut residual terhadap variabel independent Tabel 4.4 Uji Glejser

8 64 Hasil tampilan output SPSS pada table 4.4 dengan jelas menunjukan bahwa tidak ada satupun variable yang signifikan secara statistic mempengaruhi variable dependent nilai absolut. Hasil ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5%, jadi dapat disimpulkan bahwa model regresi tidak mengandung adanya Heteroskedasititas. 4. Uji Autokorelasi Autokorelasi bertujuan untuk mengetahui ada tidaknya korelasi periode pengganggu pada periode tertentu dengan variabel pengganggu sebelumnya. Autokorelasi sering terjadi pada sampel data series dengan N sampel adalah periode waktu. Cara mendeteksi autokorelasi dapat dilakukan dengan uji Durbin-Watson.

9 65 Tabel 4.5 Uji Autokorelasi Pada tabel 4.4 diatas menunjukan bahwa nilai DW sebesar 2,073 yang artinya -2 < 2,073 > 2 sehingga model regresi ini tidak terdapat autokorelasi. III. Uji Kesesuaian Model 1. Uji Koefisian Determinasi Koefisien determinasi (R 2 ) bertujuan untuk mengetahui seberapa besar kemampuan variabel independent menjelaskann variabel dependent. Untuk regresi berganda sebaiknya menggunakn R Square yang disesuaikan (Adjusted R Square). Nilai R Square dikatakan baik jika 0,5 karena nilai R Square berkisar antara 0 sampai 1.

10 66 Tabel 4.6 Uji Koefisien Determinasi Dari tabel 4.5 diatas dapat diketahui bahwa adjusted R Square sebesar 0,994 atau 99,4%. Dengan demikian variabel dependent yaitu Pendapatan Asli Daerah sangat dipengaruhi oleh variabel independent yaitu Pajak Daerah dan Retribusi Daerah, dan 0,6% dipengaruhi oleh variabel lain yang tidak dimasukan dalam penelitian ini. 2. Uji F Uji F bertujuan untuk mengetahui pengaruh secara bersama-sama antara variabel independent terhadap variabel dependent. Hasil uji ini pada outpit SPSS dapat dilihat dalam tabel ANOVA. Hasil F-test menunjukan variabel independent secara bersama-sama berpengaruh terhadap varibel dependent jika : Ho = Tidak terdapat pengaruh Ha = Terdapat pengaruh Jika p-value >0,05 maka Ho diterima, Ha ditolak artinya tidak ada pengaruh.

11 67 Jika p-value <0,05 maka Ho ditolak, Ha diterima artinya ada pengaruh. Tabel 4.7 Uji F Dari tabel 4.6 diatas dapat dilihat bahwa nilai F sebesar 739,948 dengan nilai p-value atau nilai signifikan 0,000, dapat diartikan bahwa 0,000 < 0,05, sehingga dapat disimpulkan bahwa Pendapatan Asli Daerah secara bersama-sama dapat digunakan untuk mempengaruhi Pajak Daerah dan Retribusi Daerah. IV. Uji Hipotesis 1. Uji T Uji T adalah pengujian yang bertujuan untuk mengetahui besarnya pengaruh masing-masing variabel independent secara individual (parsial) terhadap variabel dependent. Hasil uji ini pada output SPSS dapat dilihat pada tabel Coefisien a. Hasil T-test menunjukan variabel independent secara individu berpengaruh terhadap variabel dependent jika : Ho = Tidak terdapat Pengaruh

12 68 Ha = Terdapat pengaruh Jika p-value >0,05 maka Ho diterima, Ha ditolak artinya tidak ada pengaruh. Jika p-value <0,05 maka Ho ditolak, Ha diterima artinya ada pengaruh. Tabel 4.8 Uji T Dari tabel diatas dapat dilihat bahwa hasil uji t dari masing-masing variabel menunjukan nilai signifikan yang berbeda-beda. Uji t tersebut dapat diinterpretasikan untuk membuktikan hipotesis penelitian. H1 : Terdapat pengaruh positif dan signifikan Pajak Daerah terhadap Pendapatan Asli Daerah Provinsi DKI Jakarta. Dari tabel 4.7 dapat dilihat bahwa nilai t hitung untuk variabel Pajak Daerah sebesar 35,259 dengan signifikan 0,000 yang artinya nilai 0,000 < 0,05. Sehingga dapat disimpulkan bahwa variabel Pajak Daerah berpengaruh signifikan dan positif terhadap Pendapatan Asli DaerahProvinsi DKI Djakarta.

13 69 H2 :Terdapat pengaruh positif dan signifikan Retribusi Daerah terhadap Pendapatan Asli Daerah Provinsi DKI Jakarta. Dari tabel 4.7 dapat dilihat bahwa nilai t hitung untuk variabel Retribusi Daerah sebesar 2,562 dengan signifikan 0,037 yang artinya nilai 0,000 < 0,05. Sehingga dapat disimpulkan bahwa variabel Retribusi Daerah berpengaruh signifikan dan positif terhadap Pendapatan Asli DaerahProvinsi DKI Djakarta. 2. Uji Regresi Linear Berganda Regresi Linear Berganda merupakan alat ukur mengenai pengaruh yang terjadi antara variabel terikat atau variabel dependent (Y) dengan dua atau lebih variabel bebas atau variabel independent (x1,x2,x3...x4). Penambahan variabel bebas ini diharapkan dapat lebih menjelaskan karakteristik hubungan yang ada walaupun masih ada variabel yang terabaikan jika sebuah variabel dependent dihubungkan dengan 2 variabel independent maka persamaan regresi linear bergandanya ditulis sebagai berikut : Y = b 0 + b 1 X 1 + b 2 X 2 + e PAD = , ,155 (pajak daerah) + 1,094 (retribusi daerah) + 0 Dari persamaan regresi berganda diatas dapat dilihat bahwa dari masing-masing variabel independent mempunyai kontribusi yang sangat besar terhadap Pendapatan Asli Daerah Porvinsi DKI Djakarta. Oleh

14 70 karena itu kontribusi dari masing-masing variabel dapat di interpretasikan sebagai berikut : a. Nilai konstanta sebesar ,543 ini menunjukan bahwa apabila variabel independent konstan atau nol, maka PAD akan meningkat sebesar ,543 setiap bulannya. b. Koefisien regresi Pajak Daerah sebesar 1,155. Hal ini menyatakan bahwa pada setiap kenaikan satuan pajak daerah, maka pendapatan asli daerah akan meningkat sebesar 1,155. c. Koefisien regresi Retribusi Daerah sebesar 1,094. Hal ini menyatakan bahwa pada setiap kenaikan satuan retribusi daerah, maka pendapatan asli daerah akan meningkat sebesar 1,094. A. Pembahasan Secara Keseluruhan hasil Hipotesis adalah sebagai berikut : Tabel 4.8 Ringkasan Hasil Pengujian Hipotesis Kode Hipotesis Kesimpulan H1 Pajak Daerah berpengaruh positif dan signifikan Diterima terhadap Pendapatan Asli Daerah di Provinsi DKI Jakarta H2 Retribusi Daerah berpengaruh positif dan signifikan Diterima terhadap Pendapatan Asli Daerah di Provinsi DKI Jakarta H3 Pajak Daerah dan Retribusi Daerah berpengaruh positif Diterima dan signifikan secara bersama-sama terhadap Pendapatan Asli Daeah di Provinsi DKI Jakarta 1. Pengaruh Pajak Daerah Terhadap Pendapatan Asli Daerah di Provinsi DKI Jakarta

15 71 Dari hasil analisis yang menggunakan analisis Regresi Linear berganda dengan Pajak Daerah sebagai variabel independent menunjukkan adanya pengaruh yang positif dan signifikan terhadap Pendapatan Asli Daerah di Provinsi DKI Jakarta. Hal ini dapat dilihat dari nilai signifikan Pajak Daerah yang dibawah 0,05 yaitu sebesar 0,000. Hasil pengujian ini sama dengan penelitian terdahulu seperti pada penelitian Dina Anggraini (2010). 2. Pengaruh Retribusi Daerah terhadap Pendapatan Asli Daerah di Provinsi DKI Jakarta Dari hasil analisis yang menggunakan analisis Regresi Linear berganda dengan Retribusi Daerah sebagai variabel independent menunjukkan adanya pengaruh yang positif dan signifikan terhadap Pendapatan Asli Daerah di Provinsi DKI Jakarta. Hal ini dapat dilihat dari nilai signifikan Retribusi Daerah yang dibawah 0,05 yaitu sebesar 0,037. Hasil pengujian ini sama dengan penelitian terdahulu seperti pada penelitian Dina Anggraini (2010). 3. Pengaruh Pajak Daerah dan Retribusi Daerah secara Bersama-sama terhadap Pendapatan Asli Daerah di Provinsi DKI Jakarta Dari hasil analisis yang menggunakan analisis Regresi Linear berganda dengan Pajak Daerah dan Retribusi Daerah sebagai variabel independent menunjukkan adanya pengaruh yang positif dan signifikan secara bersama-sama terhadap Pendapatan Asli Daerah di Provinsi DKI Jakarta. Hal ini dapat dilihat dari nilai Koefisien Determinasi dengan nilai

16 72 Ajusted R Square 0,994 atau sebesar 99,4%. Hasil pengujian ini sama dengan penelitian terdahulu seperti pada penelitian Dina Anggraini (2010).