BAB IV ANALISIS HASIL DAN PEMBAHASAN

51 BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Data Penelitian Objek dalam penelitian ini adalah semua klasifikasi dan mempublikasikan Laporan Keuangan bulanan di Dinas Pengelolaan Keuangan dan Asset Daerah (DPKD) Kota Tangerang secara berturut- turut mulai Januari 2009 sampai dengan Juni 2011, dan januari juni 2011. Berdasarkan kriteria dalam pemilihan sampel, maka sampel yang digunakan dalam penelitian ini adalah Laporan Keuangan bulanan dari Pendapatan Asli Daerah, Pajak Reklame dan Pajak Hiburan dalam masa periode Januari 2009 sampai dengan Juni 2011, sehingga jumlah sampel dengan total Periode 2,5 Tahun atau 30 Bulan. Variabel yang digunakan dalam penelitian ini adalah Pajak Reklame dan Pajak Hiburan. Variabel-variabel ini merupakan variabel yang dapat mempengaruhi Pendapatan Daerah dalam penyampaian laporan keuangan Dinas terkait. Dengan variabel tersebut dapat diperoleh hasil faktor-faktor apa sajakah yang berpengaruh terhadap Pendapatan Asli Daerah dalam penyampaian laporan keuangan Dinas Pengelolaan Keuangan dan Asset Daerah (DPKD) Kota Tangerang. Tabel 4.1 menunjukan realisasi dari Pajak Asli Daerah (PAD), Pajak Reklame, dan Pajak Hiburan yang telah terhitung dalam laporan keuangan bulanan periode Januari 2009 sampai Juni 2011. Diketahui bahwa dari bulan ke bulan periode penelitian prentase Pajak reklame dan hiburan di Kota

52 Tangerang meningkat. Dikarenakan jumlah Pajak Reklame dan Pajak Hiburan meningkat maka Pendapatan Daerah pun menjadi meningkat selama periode penelitian ini.

53 Tabel 4.1 Realisasi Pajak Reklame, Pajak Hiburan, dan Pajak Asli Daerah (PAD) Kota PERIODE Tangerang Periode 2009-2011 PAJAK REKLAME (RP) PAJAK HIBURAN (RP) PAD (RP) Januari 2009 750234250.00 250678431.00 49520000000.00 Februari 1654750000.00 324850304.00 83042250000.00 Maret 1564325000.00 456750404.00 98210160000.00 April 2146750261.00 684560000.00 66723250000.00 Mei 3012250000.00 875254681.00 67057234000.00 Juni 4707999416.00 914281619.00 82795064917.00 Juli 6084494959.00 1140811207.00 99444305869.00 Agustus 7372114284.00 1307861541.00 115295731355.00 September 8319312177.00 1412886149.00 130344979453.00 Oktober 9031149151.00 1523291443.00 147161294743.00 Nopember 10239496076.00 1689327640.00 167191028929.00 Desember 11590440410.00 1888824323.00 207563690138.00 Januari 2010 757523650.00 213956003.00 13207079729.00 Februari 1890584561.00 452955530.00 21699151119.00 Maret 3493534261.00 677554938.00 45569260379.00 April 4799870096.00 915552018.00 63951287312.00 Mei 6138021232.00 1152778762.00 85725569419.00 Juni 7803292695.00 1417331308.00 105498509703.00 Juli 9130991335.00 1658132145.00 119001977173.00 Agustus 10529660966.00 1863378333.00 143120063347.00 September 11116739276.00 2079558736.00 159761302901.00 Oktober 12656390027.00 2278317431.00 186844638181.00 Nopember 14312531158.00 2466736836.00 207203351349.00 Desember 16240810965.00 2825504440.00 247429944546.00 Januari 2011 843058810.00 315367833.00 21264913290.00 Februari 1486276999.00 588280260.00 50016171922.00 Maret 2458501778.00 902641881.00 93693988808.00 April 3603719107.00 1140642290.00 126711685041.00 Mei 4872440797.00 1498675568.00 170623907512.00 Juni 6300378738.00 1879244663.00 208154139544.00 Sumber: Data Sekunder diolah

54 B. Analisis Hasil Penelitian 1. Analisis Statistic Deskriptif Statistik deskriptif adalah statistik yang berfungsi untuk mendeskripsikan atau memberi gambaran terhadap obyek yang diteliti melalui data sampel atau populasi sebagaimana adanya, tanpa melakukan analisis dan membuat kesimpulan yang berlaku untuk umum. Deskripsi suatu data dilihat dari nilai rata-rata (mean), standar deviasi, maksimum, minimum. Berikut ini akan dijelaskan olahan SPSS meliputi data PAD, Pajak Reklame, dan Pajak hiburan: Tabel 4.2 Deskriptif Variabel Penelitian Descriptive Statistics N Minimum Maximum Mean Std. Deviation Pajakreklame 30 750234250 16240810965 6.16E9 4.368E9 Pajakhiburan 30 213956003 2825504440 1.23E9 6.972E8 PAD 30 13207079729 2.E11 1.13E11 6.179E10 Valid N (listwise) 30 Sumber :Output SPSS, diolah oleh Peneliti Tabel diatas menjelaskan bahwa: a. Nilai Pajak Reklame tertinggi (maximum) adalah Rp.16.240.810.965, sedangkan nilai terendah (minimum) adalah Rp.750.234.250 yang dimiliki oleh Dinas Pemerintah Kota Tangerang. Rata-rata dari nilai variable Pajak Reklame adalah Rp.6.160.000.000 dengan tingkat rata-rata penyimpangan sebesar

55 Rp.4.368.000.000. Hal ini menunjukkan bahwa data pada variable Pajak Reklame memiliki sebaran yang tidak begitu besar, karena standar deviasi lebih kecil dari nilai mean-nya. b. Nilai Pajak Hiburan tertinggi (maximum) adalah sebesar Rp.2.825.504.440 yang dimiliki oleh Dinas Pemerintahan Kota Tangerang, sedangkan nilai terendah (minimim) adalah Rp.213.956.003. Rata-rata dari nilai variable Pajak Hiburan adalah Rp.1.230.000.000 dengan tingkat rata-rata penyimpangan sebesar Rp.697.200.000. Hal ini menunjukkan bahwa data pada variable Pajak Hiburan memiliki sebaran yang tidak begitu besar, karena standar deviasi lebih kecil dari nilai mean-nya. c. Nilai variable Pajak Asli Daerah (PAD) tertinggi (maximum) adalah sebesar Rp. 200.000.000.000 yang dimiliki oleh Dinas Pemerintah Kota Tangerang, sedangkan nilai terendah (minimum) adalah Rp.13.207.079.729. Dengan nilai rata-rata (mean) sebesar Rp.113.000.000.000 dan standar deviasi sebesar Rp.61.790.000.000. Hal ini menunjukkan bahwa data pada variable Pajak Asli Daerah (PAD) memiliki sebaran yang tidak begitu besar, karena standar deviasi lebih kecil dari nilai mean-nya Penerimaan pajak reklame, pajak hiburan dan PAD di atas rata-rata terjadi pada setiap bulan Desember mulai dari tahun 2009-2011. Hal ini disebabkan karena pada akhir tahun lah biasanya para WP memiliki likuiditas untuk melunasi pajaknya dan di sisi lain para pengutip pajak

56 juga dituntut untuk dapat memenuhi target penerimaan pajak untuk tahun yang bersangkutan. 2. Pengujian Asumsi Klasik Pengujian hipotesis dalam penelitian ini akan menggunakan analisis regresi sehingga terhadap data penelitian terlebih dahulu harus dilakukan uji asumsi klasik. Salah satu syarat untuk bisa menggunakan persamaan regresi berganda adalah terpenuhinya uji asumsi klasik. Persamaan regresi di atas harus bersifat BLUE ( Best Linier Unbiased Estimator), artinya pengambilan keputusan melaui uji F dan Uji t tidak boleh bias. Untuk menghasilkan keputusan yang BLUE maka harus dipenuhi diantaranya tiga asumsi dasar. Tiga asumsi dasar yang tidak boleh dilanggar oleh regresi linier berganda yaitu tidak boleh ada autokorelasi, tidak boleh ada multikolinieritas dan tidak boleh ada heterokedastisitas. Apabila salah satu dari asumsi dasar tersebut dilanggar, maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE (Best Linier Unbiased Estimator), sehingga pengambilan keputusan melalui F dan uji t menjadi bias. a. Uji Normalitas Uji normalitas diperlukan untuk mengetahui apakah data yang terkumpul dari setiap variabel dependen dan independen atau keduanya mempunyai distribusi normal atau tidak.model regresi yang baik adalah yang mendekati normal. Untuk melihat model regresi

57 normal atau tidak, metode yang diumumnya digunakan adalah metode grafik dan metode Kolmogorof Smirnov (Imam Ghozali,2006) 1. Metode Grafik : Melihat Grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendeekati distribusinormal. Atau dapat juga melihat Probability Plot yang membandingkan distribusi komulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Dengan dasar pengambilan keputusan: Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas. Jika data menyebar jauh dari diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas. 2. Metode Kolmogorov Smirnov Pada uji statistik ini, bila nilai Kolmogrov-smirnov lebih besar (>) dari α = 0,05, maka data berdistribusi normal. Dalam penelitian ini awal mula dilakukann uji normalitas, data yang diteliti tidak berasumsi normal. Oleh karena itu penulis melakukan data tersebut dengan mengubah data menggunakan uji

58 kolmogorov smirnov atau dengan kata lain me LN kan data tersebut. Sehingga, setelah data diuji dengan asumsi tersebut maka data berasumsi normal. Tabel 4.3 Hasil Uji Normalitas One-Sample Kolmogorov-Smirnov Test pajakreklame pajakhiburan PAD N 30 30 30 Normal Parameters a,,b Mean 6.16E9 1.23E9 1.13E11 Std. Deviation 4.368E9 6.972E8 6.179E10 Most Extreme Differences Absolute.121.106.086 Positive.121.106.086 Negative -.108 -.073 -.070 Kolmogorov-Smirnov Z.663.578.468 Asymp. Sig. (2-tailed).771.892.981 a. Test distribution is Normal. b. Calculated from data. Sumber: output SPSS, diolah oleh peneliti Dari tabel output SPSS diatas terlihat bahwa, Pajak Reklame memiliki nilai signifikan 0.771, Pajak Hiburan memiliki nilai signifikan 0.892, Pajak Asli Daerah (PAD) memiliki nilai signifikan 0.981. dengan nilai signifikan jauh di atas 0.05 yang berarti nilai residual terdistribusi secara normal sehingga data sudah memenuhi asumsi normalitas dan bisa dianalisis lebih lanjut dengan menggunakan analisis regresi. Hal ini juga dapat dilihat dari hasil uji normalitas pada grafik histogram dan grafik probability plot.

59 Dengan metode grafik juga menunjukkan bahwa data telah berdistribusi normal, hal ini terlihat dari grafik histogram dan plot pada grafik di bawah ini dimana terlihat bahwa titik-titik residual tersebar di sekitar garis lurus. Gambar 4.1 Grafik Histogram Sumber : Output SPSS, diolah oleh Peneliti Grafik histogram di atas menunjukkan bahwa data telah terdistribusi secara normal., maka model regresi memenuhi asumsi normalitas. Hal ini dapat dilihat dari grafik histogram yang menunjukkan distribusi data mengikuti garis diagonal yang tidak menceng (skewness) ke kiri maupun menceng ke kanan. Ini menunjukkan bahwa data penelitian yang mencakup variabel Pajak Reklame, Pajak Hiburan, dan Pajak Asli Daerah (PAD) telah menunjukkan distribusi data normal yang diperlukan sebelum melakukan pengujian hipotesis. Hal ini juga didukung dengan hasil uji

60 normalitas dengan menggunakan grafik plot yang ditampilkan pada Gambar 4.2. Gambar 4.2 Grafik Normal Probability Plot Sumber : Output SPSS, diolah oleh Peneliti Menurut Ghozali (2005:112), pendeteksian normalitas dapat dilakukan dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik, yaitu jika data (titik) menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, hal ini menunjukkan data yang telah terdistribusi normal. Gambar 4.2 menunjukkan bahwa data (titik) menyebar di sekitar dan mendekati garis diagonal.ini menunjukkan bahwa data penelitian yang mencakup variabel pajak reklame, pajak hiburan, dan pajak asli daerah telah menunjukkan distribusi data normal yang diperlukan sebelum melakukan pengujian hipotesis.

61 Hal ini sejalan dengan hasil pengujian dengan menggunakan histogram bahwa data telah terdistribusi normal. Karena secara keseluruhan data telah terdistribusi secara normal, maka dapat dilakukan pengujian asumsi klasik lainnya. b. Uji Multikolinearitas Multikolinieritas adalah keadaan di mana terjadi hubungan linier yang sempurna atau mendekati sempurna antar variabel independen dalam model regresi.uji multikolinieritas digunakan untuk mengetahui ada atau tidaknya hubungan linear antar variabel independen dalam model regresi. (Priyatno,2010:81). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel idependenya. Uji multikoliearitas dengan SPSS dilakukan dengan uji regresi, dapat dideteksi dengan nilai patokan VIF (Variance Inflation Factor). Menurut Santoso (2001), pada umumnya jika VIF lebih besar dari 10, maka variabel tersebut mempunyai persoalan multikolinieritas dengan variabel bebas. Ketentuan pengambilan keputusan dalam uji multikolinieritas, yaitu: Jika VIF > 10, maka terjadi multikolinieritas Jika VIF < 10, maka tidak terjadi multikolinieritas

62 Tabel 4.4 Uji Multikolinearitas Model Unstandardized Coefficients Sumber: output SPSS, diolah oleh peneliti Coefficients a Standardized Coefficients Collinearity Statistics B Std. Error Beta T Sig. Tolerance VIF 1 (Constant) 1.128E11 1.070E10 10.540.000 Unstandardized Residual a. Dependent Variable: PAD 1.000.486.362 2.057.049 1.000 1.000 c. Uji Heteroskedastisitas Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual suatu pengamatan ke pengamatan lain. Model regresi yang baik adalah homokedastisitas atau tidak terjadi heterokedastisitas. Heterokedastisitas muncul apabila kesalahan atau residual dari model yang diamati tidak memiliki varians yang konstan dari suatu observasi ke observasi lainnya. Artinya, setiap observasi mempunyai reliabilitas yang berbeda akibat perubahan dalam kondisi yang melatarbelakangi tidak terangkum dalam spesifikasi model. Ada beberapa cara yang dapat dipakai untuk mendeteksi apakah serangkaian data itu mengandung masalah heteroskedastisitas atau tidak. Beberapa cara tersebut adalah dengan metode grafik, uji korelasi Spearman, uji Park, uji Glejer dan uji Goldfeld-Quant(Gujarati;2002).

63 Pada penelitian ini akan digunakan metode grafik. Pendektesian gejala tersebut adalah dengan melihat pola tertentu pada grafik, dimana sumbu Y adalah residual (Y prediksi Y sesungguhnya), sedangkan sumbu X adalah prediksi. Gambar 4.3 Scatterplot Sumber : Output SPSS, diolah oleh Peneliti Pada hasil pengolahan data dengan SPSS, jelas terlihat bahwa pola penyebaran titik-titik di atas dan di bawah 0 pada sumbu Y tidak membentuk pola tertentu (bergelombang, melebar, kemudian menyempit), maka dapat disimpulkan bahwa tidak terjadi heterokedastisitas.sehingga model regresi layak dipakai untuk

64 memprediksi nilai Pajak berdasarkan masukan variable independent Pajak Reklame dan Pajak Hiburan. d. Uji Autokorelasi Pengujian autokorelasi bertujuan untuk menguji apakah dalam model regresi linear terdapat korelasi pengganggu antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1. Autokorelasi menunjukkan adanya korelasi diantara data pengamatan yang tersusun baik seperti data cross section dan/atau time series. Jika terjadi autokorelasi dalam model regresi linear berarti koefisien korelasi yang diperoleh menjadi tidak akurat, sehingga model regresi yang baik adalah model yang bebas dari autokorelasi. Ada beberapa cara yang dapat digunakan untuk mendeteksi ada tidaknya autokorelasi salah satunya adalah metode Durbin-Watson. Perlu dicatat bahwa uji Durbin-Watson ini hanya digunakan untuk autokorelasi tingkat satu (first order autocorrelation) dan mensaratkan adanya intercept dalam model regresi dan tidak ada variabel lag diantara variabel independen. Hipotesis yang diuji adalah : Ho : ρ = 0 (Bebas autokorelasi) Ho :ρ 0 (Ada autokorelasi) Keputusan ada tidaknya autokorelasi adalah : Ho ditolak jika d hitung < dl atau d hitung > 4 du terdapat autokorelasi Ho diterima jika du < d hitung < 4 du tidak terdapat autokorelasi

65 Tidak ada Kesimpulan Jika: dl d hitung du atau 4 du d hitung 4 dl Tabel 4.5 Hasil uji autokorelasi Model Summary b Model R R Square Adjusted Std. Error of Durbin- R Square the Estimate Watson 1.932 a.869.859 2.320E10.742 a. Predictors: (Constant), pajakhiburan, pajakreklame b. Dependent Variable: PAD Sumber: output SPSS, diolah oleh peneliti Sebuah regresi tidak mengalami autokorelasi jika nilai DW berada diantara DU dan 4-DU. Dari tabel Durbin Watson untuk jumlah pengamatan sebanyak 30 (tiga puluh) dan jumlah variabel bebas adalah 2 (dua), maka : DU = 1,284 ; 4-DU = 2,716 ; DW = 1,567. Dengan demikian DU<DW<4-DU yaitu 1,284 < 1,567 < 2,716, maka tidak terdapat autokorelasi. 3. Koefisien Determinan ( ) Koefisien determinasi menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Nilai koefisien determinasi adalah nol sampai dengan satu. Untuk data timeseries

66 memiliki koefisien determiansi yang cukup tinggi karena tidak ada variasi di setiap pengamatannya. Tabel 4.6 Hasil Uji Koefisien Korelasi dan Koefisien Determinan Model R R Square Model Summary b Adjusted R Square Std. Error of the Estimate Durbin- Watson 1.932 a.869.859 2.320E10.742 a. Predictors: (Constant), pajakhiburan, pajakreklame b. Dependent Variable: PAD Sumber: output SPSS, diolah oleh peneliti Tabel di atas menunjukkan nilai koefisien determinasi yang ditunjukkan dengan nilai R2 namun karena dalam penelitian menggunakan variabel independen lebih dari satu maka penulis menggunakan nilai adjusted R2 untuk menunjukkan nilai koefisien determinasi. Dari Tabel di atas nilai adjusted R2 adalah 0.859 atau 85,9% yang artinya bahwa PAD Tangerang dijelaskan sebesar 85,9% oleh pajak reklame dan pajak hiburan sedangkan sisanya 14,1% dijelaskan oleh variabel lain yang tidak dijelaskan dalam penelitian ini. 4. Pengujian Hipotesis Untuk mengetahui apakah variabel independen dalam model regresi berpengaruh terhadap variabel dependen, maka dilakukan pengujian dengan menggunakan uji t (t test) dan uji F (F test).

67 a. Uji Simultan / Uji F / ANOVA Uji F, yaitu suatu uji untuk mengetahui pengaruh antara variabelvariabel bebas secara bersama-sama (simultan) terhadap variabel terikat. Apabila hasil perhitungan F hitung < F tabel maka Ho diterima sehingga dapat dikatakan bahwa variabel dari model regresi tidak mampu menjelaskan variabel terikat atau tidak memeliki pengaruh yang signifikan. Sebaliknya jika F hitung > F tabel maka Ho ditolak, dengan demikian dapat dikatakan bahwa variabel bebas dari model regresi linier berganda mampu menjelaskan variabel terikat atau berpengaruh secara signifikan (Priyatno,2010:67). Berikut ini adalah hipotesisnya menurut Suliyanto (2005:65) : Ho :bj = 0 :pajak reklame (X 1 ), pajak hiburan (X 2 ) secara bersama-sama tidak mempunyai pengaruh yang signifikan terhadap nilai perusahaan (Y). H 1 : bj 0 : pajak reklame (X 1 ), pajak hiburan (X 2 ) secara bersama-sama mempunyai pengaruh yang signifikan terhadap nilai perusahaan (Y).

68 Model Tabel 4.7 Uji simultan / uji F ANOVA b Sum of Squares Df Mean Square F Sig. 1 Regression 9.620E22 2 4.810E22 89.328.000 a Residual 1.454E22 27 5.385E20 Total 1.107E23 29 a. Predictors: (Constant), pajakhiburan, pajakreklame b. Dependent Variable: PAD Sumber : Output SPSS, diolah oleh Peneliti Dari hasil analisis regresi dapat diketahui bahwa secara bersama-sama variable independen memiliki pengaruh yang tidak signifikan terhadap variable dependen. Hal ini dapat dibuktikan dari nilai F hitung sebesar 89.328 dengan probabilitas 0,000. Karena probabilitas jauh lebih besar dari tingkat signifikansi yang digunakan yaitu 0.05 atau 5% maka model regresi dapat digunakan untuk meprediksi pendapatan asli daerah atau dapat dikatakan bahwa pajak reklame (X 1 ) dan pajak hiburan (X 2 ) secara bersama-sama mempunyai pengaruh yang signifikan terhadap pendapatan asli daerah(y). b. Uji Parsial / Uji t Uji t, yaitu uji untuk mempengaruhi pengaruh variabel-variabel bebas secara parsial terhadap variabel terikat. Apabila t hitung > t tabel, maka Ho ditolak, dengan demikian variabel bebas dapat menjelaskan variabel terikat yang ada dalam model. Sebaliknya apabila t hitung < T tabel, maka Ho diterima, dengan demikian variabel bebas tidak dapat menjelaskan variabel terikat atau dengan kata lain tidak ada pengaruh antara dua variabel yang diuji. Berikut ini adalah hipotesisnya menurut Suliyanto (2005:65) :

69 Model Ho : bj = 0 : Pajak Reklame (X 1 ) dan Pajak Hiburan (X 2 ) secara parsial tidak mempunyai pengaruh yang signifikan terhadap Pajak Asli Daerah (Y). H 1 : bj 0 : Pajak Reklame (X 1 ) dan Pajak Hiburan (X 2 ), secara parsial mempunyai pengaruh yang signifikan terhadap Pajak Asli Daerah (Y). Unstandardized Coefficients Tabel 4.8 Uji Parsial atau Uji t B Std. Error Beta Standardized Coefficients 1 (Constant) 5.228E9 9.679E9.540.594 T Sig. pajakreklame 5.777 3.524.408 1.639.113 pajakhiburan 116.729 22.077 1.317 5.287.000 Sumber : Output SPSS, diolah oleh Peneliti Berdasarkan hasil uji t, maka pengambilan keputusannya adalah sebagai berikut: 1. Pengaruh Pajak Reklame terhadap Pendapatan Asli Daerah Analisis pengaruh Pajak Reklame terhadap Pendapatan Asli Daerah dapat dilihat pada table 4.8. Berdasarkan hasil perhitungan data menggunakan program SPSS diketahui bahwa nilai terhitung pajak daerah 1.639 dan tingkat signikansi sebesar 0.133 artinya Pajak Reklame tidak memiliki pengaruh. Hal ini dikarenakan banyaknya permasalahan reklame yang belum terselesaikan, mulai dari

70 masalah reklame liar yang tidak memiliki surat ijin sampai terjadinya kebocoran di penerimaan pajak reklame. 2. Pengaruh Pajak Hiburan terhadap Pendapatan Asli Daerah Berdasarkan hasil perhitungan data menggunakan program SPSS diperoleh hasil bahwa nilai t-hitung sebesar 5.287 dan nilai signikansi 0.000. Artinya Pajak Hiburan memiliki pengaruh positif dan signifikan, karena hasil dari pajak hiburan lebih besar di bandingkan dengan pajak reklame. Pajak Hiburan di wilayah Kota Tangerang lebih dominan dibandingan dengan Pajak Reklame. c. Analisis Regresi Berganda Dengan melihat Tabel 4.9, dapat disusun persamaan regresi linear berganda sebagai berikut: Pendapatan Daerah = 0,408 Pajak Reklame + 1.317 Pajak Hiburan + e Persamaan regresi di atas dapat diartikan sebagai berikut: a) Variable Pajak Reklame menunjukkan tidak berpengaruh terhadap Pendapatan Asli Daerah pada dinas pengelolaan keuangan dan asset daerah (dpkd) periode Januari 2009 sampai Juni 2011 dengan nilai koefisien regresi sebesar 0.408. Hal ini berarti bahwa setiap adanya peningkatan atau penurunan Pajak

71 Reklame akan mengakibatkan peningkatan atau penurunan pendapatan daerah juga. b) Variable Pajak Hiburan menunjukkan pengaruh positif namun signifikan terhadap Pendapatan Asli Daerah pada dinas pengelolaan keuangan dan asset daerah (dpkd) periode Januari 2009 sampai Juni 2011 dengan nilai koefisien regresi sebesar 1.317. Hal ini berarti bahwa setiap adanya peningkatan atau penurunan Pajak Hburan akan mengakibatkan peningkatan atau penurunan Pendapatan Asli Daerah juga. C. Pembahasan Hasil Penelitian 1. Analisis Pengaruh Pajak Reklame Terhadap Pendapatan Asli Daerah Pada variable ini, dijelaskan bahwa Pajak Reklame tidak mempunyai pengaruh terhadap Pendapatan Asli Daerah periode Januari 2009 sampai Juni 2011 nilai koefisien regresi sebesar 0.408. Hasil penelitian yang membuktikan bahwa Pajak Reklame di wilayah kota tangerang tidak mempengaruhi secara signifikan terhadap Pendapatan Asli Daerah menjelaskan bahwa tingkat Profitabilitas Dinas Pengelolaan Keuangan dan Asset Daerah (DPKD) akan berdampak pada tingkat pembagian pendapatan yang dilakukan oleh pemerintah daerah. 2. Analisis Pengaruh Pajak Hiburan Terhadap Pendapatan Asli Daerah Variable Pajak Hiburan menunjukan pengaruh positif dan signifikan terhadap Pendapatan Asli Daerah pada Dinas Pengelolaan Keuangan dan

72 Asset Daerah, periode Januari 2009 sampai Juni 2011 dengan koefisien regresi sebesar 1.317. pajak hiburan secara umum lebih kecil dibandingkan dengan Pajak Reklame.