Variabel penelitian
Definisi variabel
Pengukuran variabel
Skala
pengukuran
Investasi X5 strategis diantara sesama pelaku
usaha dengan Pemerintah Kota yang kenyataannya mampu
menumbuhkan minat berinvestasi para pemilik modal untuk
menanamkan modalnya di Kota Medan, di berbagai bidang
lapangan usaha potensial. pertumbuhan ekonomi di
Kota Medan
dan penanaman modal ini
berasal dari PMAPMDN yang diukur dalam jutaan
rupiah.
4.5. Teknik Analisa Data
Model yang digunakan dalam penelitian ini menggunakan model analisis regresi berganda yang dijabarkan dalam rumus di bawah ini:
Y = â + â
1
X₁ + â
2
X₂ + â
3
X₃ + â
4
X₄ + â
5
X₅ + e
Di mana: Variabel dependen terikat;
Y = Penerimaan PBB P2 dalam Rp. 000.000,- Variabel independen bebas;
X
1
= Jumlah Wajib Pajak perlembar SPPT PBB X
2
= PDRB perkapita ADHB dalam Rp. 000.000,- X
3
= Inflasi dalam persentase X
4
= Tingkat Suku Bunga dalam persentase X
5
= Investasi dalam Rp. 000.000,-
â = Intercept konstanta.
â
1
= Koefisien regresi jumlah wajib pajak
â₂ = Koefisien regresi PDRB perkapita ADHB
â₃ = Koefisien regresi inflasi
â₄ = Koefisien regresi tingkat suku bunga â₅
= Koefisien regresi investasi. e = Error term
4.5.1. Statistik deskriptif
Statistik deskriptif bertujuan untuk mengembangkan atau menggambarkan profil data penelitian dan mengidentifikasi variabel-variabel pada setiap hipotesis.
Statistik deskriptif yang digunakan antara lain rata-rata mean, maksimum, Lanjutan Tabel 4.1
Universitas Sumatera Utara
minimum, dan standar deviasi. Variabel yang digunakan adalah, jumlah wajib pajak, PDRB perkapita ADHB, inflasi, tingkat suku bunga dan investasi terhadap
penerimaan Pajak Bumi dan Bangunan Perdesaan dan Perkotaan Kota Medan.
4.5.2. Pengujian asumsi klasik
Sebelum dilakukan pengujian hipotesis dengan menggunakan analisis regresi berganda, maka diperlukan pengujian asumsi klasik yang meliputi
pengujian Normalitas, Multikolinieritas, Autokorelasi dan Heteroskedastisitas. 4.5.2.1. Uji normalitas data
Uji Normalitas bertujuan untuk menguji apakah dalam model regresi, variabel independen dan dependen memiliki distribusi normal atau tidak. Model
regresi yang baik apabila distribusi data normal atau mendekati normal Ghozali, 2006. Uji normalitas dideteksi dengan melihat penyebaran data pada sumbu
diagonal dari grafik atau dapat juga dengan melihat histogram dari residualnya. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal
atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas, begitu juga sebaliknya.
4.5.2.2. Uji multikolinieritas Multikolinieritas bertujuan untuk menguji apakah dalam model regresi
ditemukan adanya korelasi antar variabel bebas Ghozali, 2006. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Jika variabel
bebas ini saling berkorelasi maka variabel ini tidak ortogonal. Variabel ortogonal adalah variabel bebas yang nilai korelasi antar sesama variabel bebas sama dengan
nol. Pengujian multikolinieritas pada penelitian ini dilakukan dengan uji collinierity statistic. Menurut Ghozali, 2006 dalam melakukan uji
Universitas Sumatera Utara
multikolinieritas harus terlebih dahulu diketahui Variance Inflation Factor VIF. Pedoman untuk mengambil suatu keputusan adalah sebagai berikut:
a. Jika Variance Inflation Factor VIF 10, maka artinya terdapat persoalan multikolinieritas diantara variabel bebas.
b. Jika Variance Inflation Factor VIF 10, maka artinya tidak terdapat persoalan multikolinieritas diantara variabel bebas.
Cara lain yang digunakan adalah dengan Uji R² koefisien determinasi. Uji R² ini digunakan untuk mengetahui seberapa jauh persamaan regresi yang dicari
dapat menjelaskan variabel terikatnya atau seberapa jauh variabel bebas “X” dapat menjelaskan variasi yang terjadi pada variabel terikat “Y”. Nilai R² mempunyai
interval mulai dari 0 sampai 1 atau 0 ≤ R² ≤ 1 . Semakin besar R² mendekati 1 semakin kuat dan positif model regresi tersebut. Semakin mendekati 0 nol maka
variabel bebas secara keseluruhan tidak dapat menjelaskan variabelitas dari variabel terikat.
4.5.2.3. Uji heteroskedastisitas Uji heteroskedastisitas bertujuan untuk menguji apakah di dalam model
regresi terjadi ketidaksamaan variasi dari data pengamatan yang satu ke pengamatan yang lain. Salah satu cara untuk mendeteksi heteroskedastisitas ini
adalah dengan melihat pola sebaran pada grafik scatter plot. Jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur maka
mengindikasikan telah terjadi heteroskedastisitas dan 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 Ghozali, 2006.
Universitas Sumatera Utara
4.5.2.4. Uji autokorelasi Data yang digunakan dalam penelitian ini merupakan data time series,
sehingga menggunakan pengujian autokorelasi. Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan
pengganggu pada periode tertentu e
t
dengan kesalahan pengganggu pada periode sebelumnya e
t-1
. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang
waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya Ghozali, 2006.
Uji Autokorelasi dapat dilakukan dengan Uji Durbin-Watson DW test. DW Test digunakan untuk autokorelasi tingkat satu dan mensyaratkan adanya intercept
konstanta dalam model regresi dan tidak ada variabel lagi diantara variabel independen Ghozali, 2006. Singgih 2000, bila angka DW diantara -2 sampai
+2, berarti tidak terjadi autokorelasi.
4.5.3. Pengujian hipotesis
