dan target pajak daerah. Kemudian hasil perhitungan yang diperoleh dinyatakan efektif atau tidak. Parameter yang digunakan untuk
menyatakan apakah pemungutan pajak telah efektif atau belum yaitu dengan melihat apakah target yang telah dirancang sebelumnya
tercapai atau tidak. Apabila target telah tercapai berarti tingkat pencapaiannya telah efektif.
3.3.4 Analisis Regresi Berganda
Berdasarkan Mattjik Sumertajaya 2000, persamaan regresi berganda adalah persamaan regresi dengan satu peubah tak bebas Y
dengan lebih dari satu peubah bebas X1, X2, .....Xp. Analisis ini digunakan untuk mengetahui hubungan antara variabel dependen
peubah tak bebas dengan variabel independen peubah bebas. Model yang dibentuk oleh peneliti yaitu:
PAD = a+b
1
JW+b
2
JWP+b
3
TI+ei………………………………….............4
Keterangan: PAD
: Pendapatan Asli Daerah Rupiah a
: Konstanta b
1
- b
3
: Koefisien Regresi ei
: error JW
: Jumlah Wisatawan orang JWP
: Jumlah Wajib Pajak orang TI
: Tingkat Inflasi persen Dalam model regresi ada beberapa syarat yang harus dipenuhi
yaitu residual menyebar saling bebas mengikuti sebaran normal, residual memiliki ragam yang homogen atau tidak terdapat masalah
heteroskedastisitas dan tidak ada korelasi yang tinggi antar variabel. Karena itu, terlebih dahulu perlu dilakukan uji normalitas dan uji
homogenitas. Kemudian untuk regresi berganda dilakukan uji penyimpangan asumsi klasik yang terdiri dari multikolinearitas,
heteroskedastisitas dan otokorelasiautokorelasi.
1. Uji Normalitas
Uji normalitas adalah uji yang dilakukan untuk mengetahui kenormalan data, apakah data yang digunakan dapat dianggap
normal atau tidak. Jika data tidak berdistribusi normal, maka data selanjutnya akan diolah dengan statistik nonparametrik dan
sebaliknya jika data menyebar normal maka data akan diolah dengan statistik parametrik. Pengolahan stastik parametrik yaitu
dalam penelitian ini menggunakan regresi berganda. Pengujian normalitas menggunakan Kolmogorov-Smirnov. Nilai sisaan atau
residual dinyatakan menyebar normal jika signifikansinya lebih besar dari 5 atau 0,05. Selain itu juga, uji normalitas ini dapat
dilihat dari grafik probability Plot of RESI 1. Hipotesis yang digunakan untuk uji normalitas ini yaitu:
H
0 :
sisaan menyebar normal H
1 :
sisaan tidak menyebar normal 2. Uji Homogenitas
Uji homogenitas digunakan untuk mengetahui apakah nilai residual atau nilai sisaan yang sama atau tidak. Salah satu cara
untuk mengetahui ada tidaknya penyimpangan ini yaitu dengan grafik fitted value dengan residual. Residual atau nilai sisaan
dikatakan homogen jika gambar dalam grafik tidak berpola. Konsekuensi tidak adanya homogenitas atau konsekuensi adanya
heteroskedastisitas yaitu
kemungkinan untuk
mengambil kesimpulan yang salah dalam uji F dan uji t karena pengujian
tingkat signifikansi yang kurang tepat. 3. Uji multikolinieritas
Multikolinieritas yaitu penyimpangan uji asumsi klasik dimana antarvariabel independen yang terdapat dalam model
memiliki hubungan yang sempurna atau mendekati sempurna koefisien korelasinya tinggi atau bahkan 1. Uji multikolinearitas
digunakan untuk mengetahui apakah terjadi korelasi yang kuat di antara variabel-variabel independen yang diikutsertakan dalam
pembentukan model. Ada beberapa metode pengujian yang dapat digunakan untuk menguji ada tidaknya masalah multikolinearitas,
yaitu: 1. dengan membandingkan nilai koefisien determinasi individual
r
2
dengan nilai determinasi secara serentak R
2
. 2. dengan melihat nilai eigenvalue dan condition index.
3. dengan melihat nilai Variance Inflation Factor VIF untuk masing-masing variabel independen, yaitu jika suatu variabel
independen mempunyai nilai VIF 5 maka model tersebut mengalami masalah multikolinearitas Santoso, 2001.
Dalam penelitian ini, untuk melihat apakah terjadi masalah multikolinearitas atau tidak dengan melihat hasil perhitungan nilai
VIF. 4. Pengujian heteroskedastisitas
Heteroskedastisitas artinya varians variabel dalam model tidak sama. Pengujian ini digunakan untuk melihat nilai varians
antar nilai variabel dependen Y apakah homogen atau heterogen. Pendeteksian ada tidaknya heteroskedastisitas ada tiga cara, yaitu
uji korelasi ranking Spearman, uji Glesjer Glesjer Test dan uji Park Park Test. Uji ranking Spearman ditandai dengan hasil t
hitung yang lebih besar dari t
tabel
menolak H . Uji Glesjer Glesjer
Test dilakukan dengan membuat model regresi yang melibatkan nilai absolute residual e sebagai variabel dependen, jika semua
variabel independen signifikan maka dalam model tersebut terdapat heteroskedastisitas. Uji Park Park Test dilakukan dengan
membuat model regresi yang melibatkan nilai logaritma residual kuadrat log e
2
sebagai variabel dependen, jika semua variabel independen signifikan maka dalam model tersebut terdapat
heteroskedastisitas. Salah
satu cara untuk menghilangkan
heteroskedastisitas dalam
model regresi
yaitu dengan
mentransformasi variabel menjadi log Algifari, 2000.
5. Pengujian otokorelasiautokorelasi Pengujian otokorelasi bertujuan untuk melihat apakah ada
korelasi antar anggota sampel yang diurutkan berdasarkan waktu. Penyimpangan ini biasanya terjadi pada penelitian yang
menggunakan data time series. Pengujian otokorelasi menggunakan Uji Durbin-Watson dengan tingkat kepercayaan α = 5 dan
daerah autokorelasi terdiri dari tiga yaitu: a 1,65 DW 2,35 tidak terjadi autokorelasi
b 1,21 DW 1,65 atau 2,35 DW 2,79 tidak dapat disimpulkan
c DW 1,21 atau DW 2,79 terjadi autokorelasi 6. Uji t-Statistik metode pengujian parsial
Dilakukan untuk mengetahui pengaruh variabel bebas secara individual terhadap variabel tidak bebas. Adapun hipotesis yang
digunakan adalah sebagai berikut: a. Peubah jumlah wisatawan
H : Tidak terdapat pengaruh yang signifikan antara jumlah
wisatawan JW terhadap Pendapatan Asli Daerah PAD.
H
1
: Terdapat pengaruh yang signifikan antara
jumlah wusatawan JW terhadap Pendapatan Asli Daerah
PAD. b. Peubah jumlah wajib pajak
H : Tidak terdapat pengaruh yang signifikan antara jumlah
wajib pajak JWP terhadap Pendapatan Asli Daerah PAD.
H
1
: Terdapat pengaruh yang signifikan antara jumlah wajib pajak JWP terhadap Pendapatan Asli Daerah PAD.
c. Peubah Tingkat Inflasi H
: Tidak terdapat pengaruh yang signifikan antara tingkat inflasi TI terhadap Pendapatan Asli Daerah PAD.
H
1
: Terdapat pengaruh yang signifikan antara tingkat inflasi TI terhadap Pendapatan Asli Daerah PAD.
Selanjutnya hasil perhitungan dilihat hasilnya dan termasuk ke dalam kelompok mana. Hal ini dibedakan berdasarkan:
1 t
hitung
t
tabel
atau t
hitung
-t
tabel
maka H ditolak dan H
1
diterima, berarti variabel independen berpengaruh secara signifikan
terhadap variabel dependen. 2
-
t
tabel
t
hitung
t
tabel
maka H diterima dan H
1
ditolak berarti variabel independen tidak berpengaruh secara signifikan
terhadap variabel dependen. 7. Uji F statistik metode pengujian global
Uji F dilakukan untuk mengetahui apakah variabel independen secara keseluruhan signifikan dalam mempengaruhi
variabel dependen. Adapun hipotesis yang digunakan adalah sebagai berikut:
H : Tidak terdapat pengaruh yang signifikan antara jumlah
wisatawan JW, jumlah wajib pajak JWP dan tingkat inflasi TI terhadap Pendapatan Asli Daerah Y secara
bersama-sama. H
1
: Terdapat pengaruh yang signifikan antara jumlah wisatawan JW, jumlah wajib pajak JWP dan tingkat inflasi TI
terhadap Pendapatan Asli Daerah Y secara bersama-sama. Dengan membandingkan nilai F
hitung
dengan nilai F
tabel
dapat diketahui tingkat signifikansinya. Apabila:
a Jika F
hitung
F
tabel
atau F
hitung
-F
tabel
maka H ditolak dan H
1
diterima, b Jika
-
F
tabel
F
hitung
F
tabel
maka H diterima dan H
1
ditolak. 8. Koefisien Korelasi r
Nilai koefisien korelasi r digunakan untuk mengetahui keeratan hubungan antara dua variabel dan mengetahui arah
hubungan antara dua variabel. Dalam penelitian ini menggunakan Pendapatan Asli Daerah PAD sebagai variabel dependen Y
sedangkan jumlah wisatawan, jumlah wajib pajak dan tingkat inflasi sebagai variabel independen X Nilai koefisien korelasi
berkisar antar -1 sampai +1 yang kiteria pemanfaatannya dijelaskan sebagai berikut:
a Jika nilai r 0 artinya telah terjadi hubungan yang linier positif, yaitu makin besar nilai variabel X independen, makin besar
pula nilai variabel Y dependen dan sebaliknya. b Jika nilai r 0 artinya telah terjadi hubungan yang linier negatif,
yaitu makin kecil nilai variabel X independen maka makin besar nilai variabel Y dependen dan sebaliknya.
c Jika nilai r = 0 artinya tidak ada hubungan sama sekali antara variabel X independen dengan variabel Y dependen.
d Jika nilai r = +1 atau r = -1 telah terjadi hubungan linier sempurna yaitu berupa garis lurus, sedangkan untuk nilai r yang
makin mengarah ke angka 0 maka garis makin tidak lurus. 9. Koefisien Determinasi r
2
Koefisien determinasi adalah salah satu nilai statistik yang dapat digunakan untuk mengetahui apakah ada hubungan pengaruh
antara dua variabel. Selain itu, r
2
dapat menunjukkan ragam naik atau turunnya variabel dependen Y yang diterangkan oleh
pengaruh linear variabel independen X. Ukuran nilai r
2
adalah semakin mendekati angka satu berarti garis regresi yang terbentuk
dapat meramalkan variabel dependen Y secara lebih baik menuju kesempurnaan artinya pengaruhnya semakin kuat.
IV. HASIL DAN PEMBAHASAN
