BAB IV HASIL DAN PEMBAHASAN. menjadi 5 (lima) wilayah Kota Administrasi dan 1 (satu) Kabupaten

BAB IV HASIL DAN PEMBAHASAN A. Gambaran umum Provinsi DKI Jakarta mempunyai luas daratan 661,52 km2 dan lautan seluas 6.977,5 km2 serta tercatat sekitar 110 pulau yang tersebar di Kepulauan Seribu. Secara administrasi, Provinsi DKI Jakarta terbagi menjadi 5 (lima) wilayah Kota Administrasi dan 1 (satu) Kabupaten Administrasi yaitu Jakarta Pusat dengan luas daratan 47,90 km2; Jakarta Utara dengan luas daratan 154,01 km2; Jakarta Barat dengan luas daratan 126,15 km2; Jakarta Selatan dengan luas daratan 145,73 km2; Jakarta Timur dengan luas daratan 187,73 km2; dan Kabupaten Administrasi Kepulauan Seribu. Jumlah penduduk Provinsi DKI Jakarta 9,041 juta jiwa dengan kepadatan penduduk 13.667,01 jiwa per km2. Jakarta beriklim tropis, dengan suhu tahunan rata-rata 27 C dengan kelembaban 80-90%. Karena terletak di dekat garis khatulistiwa, arah angin dipengaruhi oleh angin musim. Angin musim barat bertiup antara November dan April, sedang angin musim timur antara Mei dan Oktober. Curah hujan rata-rata 2.000 mm, curah hujan paling besar sekitar bulan Januari dan paling kecil pada bulan September. Provinsi DKI Jakarta terletak disebelah Selatan Laut Jawa; sebelah Timur berbatasan dengan Kabupaten/Kota 42

43 Bekasi; sebelah Selatan dengan Kabupaten/Kota Bogor dan Depok serta sebelah Barat dengan Kabupaten/Kota Tangerang. Lokasi Provinsi DKI Jakarta yang strategis di Kepulauan Indonesia menjadikan Jakarta pintu gerbang utama dalam perdagangan antar pulau dan hubungan Internasional dengan pelabuhan utamanya Tanjung Priok dan Bandara Soekarno Hatta. Kedudukannya yang khas baik sebagai ibukota negara maupun sebagai ibukota daerah swantantra, menjadikan Jakarta istimewa dan berstatus sebagai Daerah Khusus Ibukota (DKI). Karena fungsi yang diembannya sebagai pusat pemerintahan dan lebih dari 70% peredaran uang berada di Jakarta, menimbulkan konsekuensi sebagai pusat kegiatan ekonomi, perdagangan dan jasa, pusat kegiatan sosial dan budaya dengan berbagai sarana terbaik di Indonesia dalam bidang pendidikan, budaya, kesehatan, dan olahraga. Jakarta juga memiliki banyak tempat bersejarah dan warisan budaya. Pariwisata merupakan salah satu industri jasa yang pertumbuhannya paling cepat dan mempunyai banyak peluang untuk terus berkembang menjadikan Jakarta sebagai kota budaya dan pariwisata. Tata ruang kota Jakarta untuk masa mendatang, sesuai dengan Peraturan Daerah DKI Jakarta Nomor 6 Tahun 1999 tentang Rencana Tata Ruang Wilayah bahwa arahan penataan ruang wilayah akan ditujukan untuk melaksanakan 3 (tiga) misi utama, yaitu : a. membangun Jakarta yang berbasis pada masyarakat;

44 b. mengembangbiakan lingkungan kehidupan perkotaan yang berkelanjutan; c. mengembangkan Jakarta sebagai kota jasa skala nasional dan internasional. Penataan ruang kota Jakarta dimaksudkan untuk mewujudkan kehidupan masyarakat yang sejahtera berbudaya dan berkeadilan, terselenggaranya pemanfaatan ruang wilayah yang berkelanjutan dan berwawasan lingkungan hidup sesuai dengan kemampuan daya dukung dan daya tampungnya, kemampuan masyarakat dan pemerintah, serta kebijakan pembangunan nasional dan daerah. Selain itu penataan ruang juga bertujuan untuk mewujudkan keterpaduan dalam penggunaan sumber daya alam dan sumber daya buatan serta terselenggaranya pengaturan pemanfaatan ruang pada kawasan lindung dan budi daya. Dengan adanya penataan ruang yang lebih baik dan terarah, diharapkan visi pembangunan kota Jakarta yaitu agar sejajar dengan kota-kota besar negara maju lainnya dapat terwujud. B. Hasil Uji Statistik Deskriptif Statistik Deskriptif digunakan untuk melihat gambaran secara umum data yang telah dikumpulkan dalam penelitian ini adapun data yang dikumpulkan oleh peneliti adalah sebagai berikut, dalam kegiatan pembangunan diberbagai bidang, akan ditingkatkan dan disempurnakan dengan mengarahkan pada peningkatan kesejahteraan masyarakat dan

45 kesempatan kerja yang mengarah pada pembagian pendapatan yang lebih merata.oleh karena itu, pelaksanaan pembangunan harus mengutamakan atau memprioritaskan kepada bidang bidang pembangunan yang mengutamkan pertumbuhan segi pemerataan produksi dan stabilisasi daerah. Pertumbuhan ekonomi Provinsi DKI Jakarta menurut harga konstan dapat ditunjukkan oleh adanya kenaikan Pertumbuhan Produk Domestik Regional Bruto. Dalam Tabel disajikan mengenai PDRB Provinsi DKI Jakarta tahun 2004 2013 atas dasar harga konstan 2000, pertumbuhan yang tertinggi terjadi pada tahun 2011 sebesar 6,74 % dan pertumbuhan yang terendah pada tahun 2009 sebesar 5,01 %. Tabel 4.1 Pertumbuhan PDRB Perkapita Provinsi DKI Jakarta Tahun 2004 2013 Menurut Harga Konstan 2000 ( Dalam Ribuan Rupiah ) Tahun Jumlah PDRB Pertumbuhan 2004 278.524.822 5,65 % 2005 295.270.544 6,01 % 2006 312.826.713 5,95 % 2007 332.971.255 6,44 % 2008 353.694.057 6,22 % 2009 371.469.499 5,01 % 2010 395.622.437 6,51 % 2011 422.242.252 6,74 % 2012 449.805.416 6,50 % 2013 477.285.245 6, 11% Sumber : BPS DKI Jakarta

46 Dari Tabel 4.1 dapat dilihat bahwa dalam tabel PDRB, pertumbuhan PDRB dapat di hitung dengan menggunakan rumus sebagai berikut (Sukirno,2007) : Laju Pertumbuhan = PDRB 1 - PDRB 0 X 100 % PDRB 0 Dimana : PDRB 1 PDRB 0 = Jumlah PDRB Tahun Sekarang = Jumlah PDRB Tahun Lalu Adapun perhitungannya pada tahun 2005 ; pertumbuhan PDRB Tahun 2005 = 295.270.544 278.524.822 X 100 % 278.524.822 = 6,01 % pertumbuhan PDRB Tahun 2006 = 312.826.713 295.270.544 X 100 % 295.270.544 = 5,95 % pertumbuhan PDRB Tahun 2007 = 332.971.255 312.826.713 X 100 % 312.826.713 = 6,44 % pertumbuhan PDRB Tahun 2008 = 353.694.057 332.971.255 X 100 % 332.971.255 = 6,22 %

47 Tabel 4.2 Pertumbuhan Jumlah Industri Provinsi DKI Jakarta Tahun 2004 2013 Tahun Jumlah Pertumbuhan % 2004 1.842-2005 1.955 6,13 2006 2.955 31,25 2007 2.566-13,16 2008 1.866-27,28 2009 1.699-8,94 2010 1.588-6,53 2011 1.451-8,62 2012 1.410-2,82 2013 1.901 34,82 Sumber : BPS DKI Jakarta Dari tabel 4.2 diketahui pada tahun 2004 sampai dengan 2013 jumlah industri di Provinsi DKI Jakarta mengalami naik turun, namun di tahun 2006 sempat mengalami peningkatan. Penurunan ini dikarenakan dampak dari krisis moneter dan banyak industri yang merekolasi kegiatan usahanya ke daerah pinggiran Jakarta. Dari Tabel 4.2 dapat dilihat bahwa dalam tabel PDRB, pertumbuhan PDRB dapat di hitung dengan menggunakan rumus sebagai berikut (Sukirno,2007) : Laju Pertumbuhan = Jumlah Industri 1 - Jumlah Industri 0 X 100 % Jumlah Industri 0

48 pertumbuhan Industri Tahun 2005 = 1.955 1.842 X 100 % 1.842 = 6,13 % pertumbuhan Industri Tahun 2006 = 2.955 1.955 X 100 % 1.955 = 51,15 % pertumbuhan Industri Tahun 2007 = 2.566 2.955 X 100 % 2.955 = -13,16 % pertumbuhan Industri Tahun 2008 = 1.866 2.566 X 100 % 2.566 = -27,28 % Pajak Daerah yang dipungut oleh Provinsi DKI Jakarta ada 12 macam yaitu Pajak Kendaraan bermotor, Pajak Bea Balik Nama Kendaraan Bermotor, Pajak Bahan Bakar Kendaraan Bermotor, Pajak Air Tanah, Pajak Hotel, Pajak Restoran, Pajak Hiburan, Pajak Reklame, Pajak Penerangan Jalan, Pajak Parkir, Pajak Bea Perolehan Hasil Tanah dan Bangunan, Pajak Bumi dan Bangunan Perkotaan dan Pedesaan.Dari tahun anggaran 2004 2013 realisasi penerimaan Pajak Reklame terus mengalami peningkatan, dapat dilihat pada tabel 4.3

49 Tabel 4.3 Realisasi Penerimaan Pajak Reklame Terhadap Pajak Daerah Provinsi DKI Jakarta Tahun 2004 2013 Tahun Pajak Daerah Pajak Reklame Kontribusi (%) 2004 5.497.782.459 135.368.465 2,46 2005 6.513.811.208 188.962.226 2,90 2006 6.482.649.163 234.243.268 3,61 2007 7.202.527.438 260.187.690 3,61 2008 8.751.273.782 306.953.676 3,51 2009 8.560.134.484 274.908.211 3,21 2010 10.751.745.000 258.172.000 2,40 2011 15.221.249.000 269.667.000 1,77 2012 17.721.493.000 483.179.000 2,72 2013 23.367.974.000 657.991.000 2,81 Sumber : DPP Provinsi DKI Jakarta, data diolah Dari Tabel 4.3 dapat dilihat bahwa dalam tabel PDRB, Kontribusi Pajak Reklame dapat di hitung dengan menggunakan rumus sebagai berikut sebagai berikut : Tahun 2004 = 135.368.465 X 100% 5.497.782.459 = 2,46 % Tahun 2005 = 188.962.226 X 100% 6.513.811.208 = 2,90 %

50 Tabel 4.4 Hasil Uji Analisa Deskriptif Descriptive Statistics N Minimum Maximum Mean Std. Deviation Jumlah Industri (X1) 10 1410 2955 1800.30 166.013 PDRB (X2) 10 278524822 477285245 368974157.40 66761155.351 Pajak Reklame (Y) 10 135368465 657991000 306963253.60 152722244.060 Valid N (listwise) 10 Sumber : Output SPSS versi 20, diolah 2015 Dari output statistik deskriptif pada tabel 4.4 diatas dapat diketahui bahwa : 1. N = 10 berarti data yang diolah dalam penelitian ini adalah 10 tahun. Yang terdiri dari data variabel Jumlah Industri, Jumlah Produk Domestik Regional Bruto (PDRB) dan Penerimaan Pajak reklame 2. Jumlah Industri mempunyai nilai minimum sebanyak 1410 industri dan nilai maksimum 2955 dan mean atau rata rata sebesar 1800 serta standar deviasi sebesar 166. Nilai minimum terjadi pada tahun 2012 dikarenakan banayak pengusaha yang memindahkan industrinya diluar kota Jakarta dan dipindahkan ke kota penyangga ibu kota dikarenaan UMR di kota tersebut masih rendah. Pertumbuhan industri maksimum terjadi pada tahun 2006 hal tersebut dikarenakan banyak pengusaha yang mendirikan perusahaan baru. 3. Nilai Produk Domestik Regional Bruto terendah / minimum sebesar 278.524.822 dan nilai maksimum 477.285.245 dan mean atau rata-rata 368.974.157 serta standar deviasi 66.761.155. Nilai minimum terjadi pada

51 tahun 2004 hal ini disebabkan karena perekonomian di indonesia dan pada khusunsya di Jakarta masih mengalami kelesuan setelah terjadi peristiwa Reformasi. Nilai tertinggi atau maksimum terjadi pada tahun 2013 hal ini terjadi disebabkan sudah berkembang pesatnya ekonomi di Indonesia dan khusunya di Jakarta. 4. Pajak Reklame nilai minimum Rp. 135.368.465 dan nilai makimum Rp. 657.991.000, mean atau rata-rata sebesar Rp. 306.963.253 serta nilai standar deviasi sebesar Rp. 152.722.244. Nilai Minimum terjadi pada tahun 2005 dan nilai tertinggi terjadi pada tahun 2010 hal ini disebabkan karena sudah banyaknya perusahaan inditri yang memasang reklame untuk mempromosikan produknya. C. Uji Asumsi Klasik 1. Uji Normalitas Uji normalitas data dilakukan dengan analisa One-Sample Kolomongorov-Smirnov. Pengambilan keputusan untuk menentukan data variabel penelitian terdistribusi normal atau tidak adalah sebagai berikut : a. Nilai Asymp. Sig. (2-tailed) lebih besar dari 0,005 maka data terdistribusi normal. b. Nilai Asymp. Sig. (2-tailed) kurang dari 0,005 maka data terdistribusi tidak normal.

52 Tabel 4.5 One-Sample Kolmogorov-Smirnov Test Standardized Residual N 10 Normal Parameters a,b Mean.0000000 Std. Deviation.88191710 Most Extreme Differences Absolute.213 Positive.213 Negative -.135 Test Statistic.213 Asymp. Sig. (2-tailed).200 c,d a. Test distribution is Normal. Sumber : Data hasil pengolahan SPSS versi 20 Dari data diatas dapat dilihat bahwa nilai Asymp. Sig. (2-tailed) sebesar 0,200 atau nilainya lebih besar dari 0,05, maka dapat disimpulkan bahwa data pada penelitian ini terdisribusi normal. Sumber : Data hasil pengelolaan SPSS versi 20 Gambar 4.1

53 Dari gambar 4.1 diatas merupakan Uji Normalitas secara visual. Data residual disebut berdistribusi normal, jika sebarannya mendekati bentuk lonceng yang simetris. Secara penampakan visual residual berdistribusi normal, karena data residual membentuk lonceng yang simetris. Sumber : Data hasil pengolahan SPSS Versi 20 Gambar 4.2 Pada Gambar 4.2 diatas dapat dilihat P plots titik - titik medekati sumbu diagonal, dan dapat disimpulkan bahwa data dalam penelitian ini normal.

54 2. Uji Heteroskedastisitas Heteroskedastisitas bertujuan untuk menguji terjadinya perbedaan variance residual suatu periode pengamatan ke periode pengamatan lain atau gambaran hubungan antara nilai yang diprediksi dengan Studentized Delete Residual nilai tersebut. Model regresi yng baik adalah model regresi yang memiliki persamaan variance residual suatu periode pengamatan dengan periode pengamatan lain. Cara memprediksi ada tidaknya heteroskedastisitas pada suatu model dapat dilihat pada pola gambar Scatterplot model tersebut. Sumber : Data hasil pengolahan SPSS Versi 20 Gambar4.3

55 Pendeteksian ada tidaknya heteroskedastisitas dilakukan dengan cara melihat gambar4.3 diagram pencarnya (scatterplot diagram). Bila ada pola tertentu, seperti titik-titik yang membentuk suatu pola tertentu dan teratur (bergelombang, melebar kemudian menyempit) maka terjadi heteroskedastisitas. Jika tidak ada pola yang jelas, serta titik-titik menyebar maka tidak terjadi heteroskedastisitas. Berdasarkan diagram scatterplot di atas, terlihat bahwa data tidak membentuk suatu pola tertentu (berpencar tidak teratur). Hal ini berarti model penelitian terbebas dari masalah heterokedastisitas. 3. Uji Multikolinearitas Merupakan dimana antara variabel X (Independent) tidak boleh saling saling berkorelasi. Regresi yang baik adalah apabila tidak ada korelasi antara variabel independent. Semua model regresi bebas dari masalah multikolinearitas jika pada suatu model dapat dilihat dari beberapa hal, yang salah satunya yaitu jika nilai variance Inflasion Faktor (VIF) tidak lebih dari 10 dan nilai Tolerance tidak kurang dari 0,1 maka model dapat dikatakan terbebas dari multikolinearitas.

56 Tabel 4.6 Uji Multikolinearitas Coefficients a Standardized Unstandardized Coefficients Coefficients Collinearity Statistics Model B Std. Error Beta t Sig. Tolerance VIF 1 (Constant) 3638269310.237 810222757.765 4.490.003 Jumlah Industri (X1) 1411177.679 308479.856 1.534 4.575.003.277 3.608 PDRB (X2) 3.807.767 1.664 4.963.002.277 3.608 a. Dependent Variable: Pajak Reklame (Y) Sumber : Data hasil pengolahan SPSS versi 20 Berdasarkan data dari tabel 4.3 diatas ditunjukan bahwa nilai tolerance tidak ada yang kurang dari 0,1 dan VIF tidak ada yang lebih dari 10. dengan demikian distribusi data tidak terkena multikolinearitas sehingga layak untuk dimasukkan ke dalam uji regresi dalam penelitian ini. 4. Uji Autokorelasi Autokorelasi bertujuan untuk mengetahui ada atau tidaknya korelasi periode penganggu sebelumnya. Autokorelasi sering terjadi pada sampel data series dengan n sampel adalah periode waktu. Cara mendeteksi autokorelasi dapat dilakukan dengan uji Durbin Watson.

57 Tabel 4.7 Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1.884 a.782.720 80884830.773 1.832 a. Predictors: (Constant), PDRB (X2), Jumlah Industri (X1) b. Dependent Variable: Pajak Reklame (Y) Sumber : Data hasil pengolahan SPSS Versi 20 Pada tabel 4.7 diatas menunjukan bahwa nilai DW sebesar 1.832 yang artinya jumlah N 10 dan jumlah variabel independen dua (K=2), maka akan didapat nilai du = 1,54 dan dl = 0,95 persamaannya 4-du = 4-1,54 = 2,46 karena du < d < 4-dl ( 1,54 < 1,832 < 3,05 maka dapat disimpulkan tidak terjadi autokorelasi. D. Uji Kesesuaian Model 1. Determinasi (R 2 ) Koefisien determinasi (R 2 ) bertujuan untuk mengetahui seberapa besar kemampuan variable independent menjelaskan variable dependent. Nilai R Square dikatakan baik jika 0,5 karena nilai R Square berkisar antara 0 sampai 1.

58 Tabel 4.8 Analisis Koefisien Regresi Model Summary b Std. Error of the Model R R Square Adjusted R Square Estimate Durbin-Watson 1.884 a.782.720 80884830.773 1.832 a. Predictors: (Constant), PDRB (X2), Jumlah Industri (X1) b. Dependent Variable: Pajak Reklame (Y) Sumber : Data hasil pengolahan SPSS Versi 20 Nilai R square = 0.782 dari tabel 4.8 di atas menunjukkan bahwa 78.2%. Dengan demikian variabel dependen yaitu Pajak Reklame sangat dipengaruhi oleh variabel independent yaiti jumlah industri dan Produk Domestik regional Bruto (PDRB) dan 21.8% sisanya dipengaruhi oleh variabel lain yang tidak dimasukkan dalam penelitian ini 2. Uji F Uji F bertujuan untuk mengetahui pengaruh secara bersama-sama antara variable independent terhadap variable dependent. Hasil uji ini pada outpus SPSS dapat dilihat dalam tabel ANOVA. Hasil F-test menunjukan variable independent secara bersama-sama berpengaruh terhadap variable dependent jika :

59 Ho = Tidak terdapat pengaruh 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 4.9 Uji F ANOVA a Model Sum of Squares df Mean Square F Sig. 1 Regression 164120263530619712.000 2 82060131765309888.000 12.543.005 b Residual 45796490944721872.000 7 6542355849245981.000 Total 209916754475341600.000 9 a. Dependent Variable: Pajak Reklame (Y) b. Predictors: (Constant), PDRB (X2), Jumlah Industri (X1) Sumber : Data hasil pengolahan SPSS Versi 20 Dari tabel 4.9 diatas dapat dilihat bahwa nilai F hitung sebesar 12.543 dengan nilai p-value atau nilai signifikansi sebesar 0,005, dapat diartikan bahwa 0,005 < 0,05, sehingga dapat disimpulkan bahwa Pajak Reklame secara bersama sama dapat digunakan untuk mempengaruhi Pertumbuhan Jumlah Industri, dan Pertumbuhan Produk Domestik Regional Bruto (PDRB).

60 E. Uji Hipotesis 1. Uji t Uji t adalah pengujian yang bertujuan untuk mengetahui besarnya pengaruh masing masing variable independent secara individual (parsial) terhadap variable dependent. Hasil uji ini pada output SPSS dapat dilihat pada tabel Coefisien a. Hasil T-test menunjukan variable independent secara individu berpengaruh terhadap variable dependent jika : Ho = Tidak terdapat pengaruh 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 4.10 Hasil Uji t Coefficients a Standardized Unstandardized Coefficients Coefficients Model B Std. Error Beta t Sig. 1 (Constant) -3638269310.237 810222757.765 4.490.003 Jumlah Industri (X1) 1411177.679 308479.856 1.534 4.575.003 PDRB (X2) 3.807.767 1.664 4.963.002 Sumber : Data hasil pengolahan SPSS Versi 20 Dari hasil uji t, didapat nilai probabilitas Jumlah Industri sebesar 0,003 dan PDRB sebesar 0,002. Karena probabilitas dibawah 0,05 maka

61 Jumlah Industri dan PDRB berpengaruh secara parsial terhadap Penerimaan Pajak Reklame di Provinsi DKI Jakarta. 2. Uji Analaisa Regresi Berganda Uji analisa regresi berganda digunakan untuk mengukur besarnya pengaruh variabel independen terhadap variabel dependen, dan memprediksi variabel dependen dengan menggunakan variabel independen. Dalam penelitian ini, penggunaan model regresi linier berganda ditujukan untuk mengukur besarnya pengaruh Pertumbuhan Jumlah industri dan Pertumbuhan Produk Domestik Regional Bruto (PDRB) terhadap penerimaan Pajak Reklame di Provinsi DKI Jakarta Tabel 4.11 Hasil Uji Regresi Linier Berganda Coefficients a Standardized Unstandardized Coefficients Coefficients Model B Std. Error Beta t Sig. 1 (Constant) 3638269310.237 810222757.765 4.490.003 Jumlah Industri (X1) 1411177.679 308479.856 1.534 4.575.003 PDRB (X2) 3.807.767 1.664 4.963.002 Sumber : Output SPSS versi 20 Dari kedua variabel independen yang dimasukan kedalam model regresi, variabel X 1 memiliki signifikan pada,003 dan X 2 signifikan pada 0,002. Dari hasil tersebut dapat disimpulkan bahwa variabel Y dipengaruhi oleh variabel X 1 dan X 2 dengan persamaan sebagai berikut :

62 Pajak Reklame = 3638269310.237 + 1411177.679 Jumlah Industri + 3.807 PDRB Persamaan regresi diatas menunjukan bahwa : 1. Nilai koefisien regresi untuk variabel Pertumbuhan Jumlah Industri menengah besar (X 1 ) adalah 1411177.679. Hal ini menunjukan bahwa variabel Jumlah Industri menengah besar berpengaruh positif terhadap Penerimaan Pajak Reklame di Provinsi DKI Jakarta. Semakin banyak Jumlah Industri menengah besar maka akan semakin meningkat Penerimaan Pajak Reklame di Provinsi DKI Jakarta. 2. Nilai koefisien regresi untuk variabel Pertumbuhan Produk Domestik Regional Bruto (PDRB) adalah 3.807. Hal ini menunjukan bahwa variabel Produk Domestik Regional Bruto (PDRB) berpengaruh positif terhadap Penerimaan Pajak Reklame di Provinsi DKI Jakarta. Semakin tinggi Produk Domestik Regional Bruto (PDRB) maka akan semakin meningkat Penerimaan Pajak Reklame di Provinsi DKI Jakarta. 3. Pengujian Hipotesis H a1 : Tidak terdapat pengaruh antara Pertumbuhan Jumlah industri dan Pertumbuhan Produk Domestik Regional Bruto (PDRB) terhadap Penerimaan Pajak Reklame di Provinsi DKI Jakarta. H 01 : B 1 = 0

63 Ha 1 : Terdapat pengaruh antara Pertumbuhan Jumlah industri dan Pertumbuhan Produk Domestik Regional Bruto (PDRB) terhadap Penerimaan Pajak Reklame di Provinsi DKI Jakarta. H 01 : B 1 0 Kriteria yang ditetapkan untuk menguji hipotesis 1 yang diajukan apakah diterima atau ditolak dengan melihat tingkat signifikansi sebesar 5%. Ketentuan penerimaan atau penolakan terjadi jika taraf signifikansi (p-value) 0.05 maka H a1 diterima dan H 01 ditolak. Dan sebaliknya, jika taraf signifikansi (p-value) > 0,05 maka H 01 diterima dan H a1 ditolak. Sesuai dengan tabel 4.11 nilai sinifikansi variabel Jumlah industri (X 1 ) sebesar 0,003. Hal ini menunjukan bahwa H a1 yang menyatakan ada pengaruh positif antara Jumlah industri terhadap Penerimaan Pajak Reklame di Provinsi DKI Jakarta, diterima. Pengujian Hipotesis 2 H 02 : Tidak terdapat pengaruh antara Pertumbuhan Jumlah industri dan Pertumbuhan Produk Domestik Regional Bruto (PDRB) terhadap Penerimaan Pajak Reklame di Provinsi DKI Jakarta. H 02 : B 2 = 0 H a2 : Terdapat pengaruh antara Pertumbuhan Jumlah industri dan Pertumbuhan Produk Domestik Regional Bruto (PDRB) terhadap Penerimaan Pajak Reklame di Provinsi DKI Jakarta. H 02 : B 2 0

64 Kriteria yang ditetapkan untuk menguji hipotesis 2 yang diajukan apakah diterima atau ditolak dengan melihat tingkat signifikansi sebesar 5%. Ketentuan peneriman atau penolakan terjadi jika taraf signifikansi (p-value) 0.05 maka H a2 diterima dan H 02 ditolak. Dan sebaliknya, jika taraf signifikansi (p-value) >0.05 maka H 02 diterima dan H a2 ditolak. Sesuai dengan tabel 4.11, nilai signifikansi variabel Produk Domestik Regional Bruto (PDRB (X 2 ) sebesar 0,002. Hal ini menunjukan bahwa Ha 2 yang menyatakan terdapat pengaruh Pertumbuhan Produk Domestik Regional Bruto (PDRB) terhadap Penerimaan Pajak Reklame di Provinsi DKI Jakarta. Pengujian Hasil Dapat disimpulkan bahwa Pertumbuhan jumlah industri ( hipotesis 1 ) berpengaruh positif terhadap Penerimaan Pajak Reklame di Provinsi DKI Jakarta. Pertumbuhan Produk Domestik Regional Bruto (PDRB) ( hipotesis 2) juga berpengaruh positif terhadap Penerimaan Pajak Reklame di Provinsi DKI Jakarta.