55
31 Kota Sibolga √
√ Sampel 15
32 Kota Tanjung Balai √
√ Sampel 16
33 Kota Tebing Tinggi √
√ Sampel 17
Sumber : http:id.wikipedia.orgwiki
, www.sumutprov.go.id
, 2009 BPS Badan Pusat Statistika Sumatera Utara 2009
B. Hasil Analisis Data Penelitian
1. Analisis Statistik Deskriptif
Berikut merupakan data statistik secara umum dari seluruh data yang digunakan :
Catatan : Angka-angka tersebut dinyatakan dalam ribuan rupiah Rp 000. Misalnya, Dana Alokasi Umum X1 tertinggi adalah Rp 748.707.000.000
Sumber : Diolah dari SPSS, 2009 Berdasarkan tabel 4.2 di atas, dapat dijelaskan bahwa dalam ribuan rupiah:
1. rata-rata dari dana alokasi umum adalah 281122313.73 dengan standard deviasi 168176919.220 dan jumlah data yang ada adalah 51. Nilai dana
alokasi umum X1 tertinggi adalah 748707000, dan nilai dana alokasi umum X1 yang terendah adalah 43399000,
2. rata-rata dari dana alokasi khusus X2 adalah 23011323.04 dengan standard deviasi 15589880.398 dan jumlah data yang ada adalah 51. Nilai dana alokasi
Tabel 4.2 Statistik Deskriptif
N Minimum
Maximum Mean
Std. Deviation DAU
51 43399000
748707000 281122313.73
168176919.220 DAK
51 4000000
67893565 23011323.04
15589880.398 UP
51 .1069719
5.3080708 1.100680530
.6904119284 Valid N listwise
51
Universitas Sumatera Utara
56
khusus X2 tertinggi adalah 67893565, dan nilai dana alokasi khusus X2 yang terendah adalah 4000000,
3.
rata-rata dari upaya pajak daerah Y adalah 1.100680530 dengan standar deviasi sebesar 0.6904119284 dan jumlah data yang ada sebanyak 51. Nilai
upaya pajak daerah Y terendah adalah 0.1069719 dan nilai upaya pajak daerah Y tertinggi adalah 5.3080708.
2. Pengujian Asumsi Klasik a. Uji normalitas.
Pengujian normalitas data dalam penelitian ini mengunakan uji statistik non
parametrik Kolmogorov-Smirnov K-S dengan membuat hipotesis:
H : Data residua l berdistribusi normal
H
1
: Data residua l tidak berdistribusi normal H
diterima apabila nilai signifikansinya lebih besar dari 0.05, sedangkan H ditolak jika nilai signifikansinya lebih kecil dari 0,05.
Universitas Sumatera Utara
57
Tabel 4.3 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
51 Normal Parameters
a
Mean .0000000
Std. Deviation .66413611
Most Extreme Differences Absolute
.222 Positive
.222 Negative
-.198 Kolmogorov-Smirnov Z
1.582 Asymp. Sig. 2-tailed
.013 a. Test distribution is Normal.
Sumber : Diolah dari SPSS, 2009 Hasil analisis metode One-Sample Kolmogorov-Smirnov, menunjukkan
bahwa Nilai Kolmogrov – Smirnov sebesar 1.582 dan tidak signifikan pada 0.05 karena Asymp. Sig. 2-tailed 0.0.13 dari 0.05, jadi kita menerima H
yang mengatakan bahwa residual terdistribusi secara tidak normal atau dengan kata
lain variabel residual berdistribusi tidak normal. Berikut ini turut dilampirkan grafik histogram dan plot data yang terdistribusi
normal. Hasil dari uji normalitas dengan grafik histogram, ditunjukkan sebagai berikut:
Universitas Sumatera Utara
58
Gambar 4.1 Uji Normalitas
Sumber : Diolah dari SPSS, 2009 Hasil uji normalitas di atas memperlihatkan bahwa pada grafik histogram di
atas distribusi data mengikuti kurva berbentuk lonceng yang menceng skewness kiri maupun menceng kanan atau bisa disimpulkan bahwa data
tersebut tidak normal.
Universitas Sumatera Utara
59
Gambar 4.2 Uji Normalitas
Sumber : Diolah dari SPSS, 2009 Hasil uji normalitas dengan menggunakan grafik normal plot, terlihat titik-
titik menyebar tidak disekitar garis diagonal serta penyebarannya menjauh dengan garis diagonal sehingga dapat disimpulkan bahwa data dalam model
regresi terdistribusi tidak normal. Semua hasil pengujian melalui analisis grafik dan statistik diatas menunjukkan hasil yang sama yaitu tidak normal,sehingga
dilakukan tindakan perbaikan yaitu dengan melakuakan transformasi seluruh variabel penelitian
kedalam fungsi Logaritma Natural LN. Hasil pengujian data ulang menghasilkan:
Universitas Sumatera Utara
60
Tabel 4.4 Setelah Transformasi dengan Logaritma Natural
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
51 Normal Parameters
a
Mean .0000000
Std. Deviation .41675698
Most Extreme Differences Absolute
.170 Positive
.094 Negative
-.170 Kolmogorov-Smirnov Z
1.213 Asymp. Sig. 2-tailed
.106 a. Test distribution is Normal.
Sumber : Diolah dari SPSS, 2009 Hasil analisis metode One-Sample Kolmogorov-Smirnov, menunjukkan
bahwa Nilai Kolmogrov – Smirnov sebesar 1.213 dan tidak signifikan pada 0.05 karena Asymp. Sig. 2-tailed 0.106 dari 0.05, jadi kita tidak dapat menolak
H yang mengatakan bahwa residual terdistribusi secara normal atau dengan kata
lain variabel residual berdistribusi normal. Berikut ini turut dilampirkan grafik histogram dan plot data yang terdistribusi
normal. Hasil dari uji normalitas dengan grafik histogram, ditunjukkan sebagai berikut:
Universitas Sumatera Utara
61
Gambar 4.3 Uji Normalitas
Sumber : Diolah dari SPSS, 2009 Hasil uji normalitas di atas memperlihatkan bahwa pada grafik histogram di
atas distribusi data mengikuti kurva berbentuk lonceng yang tidak menceng skewness kiri maupun menceng kanan atau bisa disimpulkan bahwa data
tersebut normal.
Universitas Sumatera Utara
62
Gambar 4.4
Sumber : Diolah dari SPSS, 2009 Hasil uji normalitas dengan menggunakan grafik normal plot, terlihat titik-
titik menyebar disekitar garis diagonal serta penyebarannya agak mendekati dengan garis diagonal sehingga dapat disimpulkan bahwa data dalam model
regresi terdistribusi secara normal. Semua hasil pengujian melalui analisis grafik dan statistik diatas menunjukkan hasil yang sama yaitu normal.
b. Uji Multikolinearitas
Mendeteksi ada tidaknya gejala multikolinearitas dalam penelitian ini adalah dengan melihat besaran korelasi antar variabel independen dan besarnya tingkat
Universitas Sumatera Utara
63
kolinearitas yang masih dapat ditolerir, yaitu: Tol 0.10 dan variance Inflation Factor VIF 10. Berikut disajikan tabel hasil pengujian:
Tabel 4.5 Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1 Constant
3.662 2.050
1.787 .080
LN_DAU -.369
.109 -.467
-3.393 .001 .862
1.160 LN_DAK
.207 .084
.338 2.451
.018 .862
1.160 a. Dependent Variable: LN_UP
Sumber : Diolah dari SPSS, 2009 Berdasarkan hasil pengujian di atas, dapat dilihat bahwa angka tolerance
dana alokasi umum X1, dana alokasi khusus X2 0,10 dan Variance Inflation Factor VIF nya 10. Hasil pengujian ini mengindikasikan bahwa
tidak terjadi multikolinearitas di antara variabel independen dalam penelitian.
c. Uji Heterokedasititas
Grafik scatterplot dan Uji Glejser digunakan dalam penelitian ini untuk mengetahui apakah dalam penelitian terjadi Heteroskedastisitas. Hasil dari uji
heteroskedastisitas dapat dilihat pada grafik scatterplot berikut ini:
Universitas Sumatera Utara
64
Gambar 4.5 Grafik Scatterplot
Sumber : Diolah dari SPSS, 2009 Gambar scatterplot di atas memperlihatkan bahwa titik-titik menyebar secara
acak serta tidak membentuk pola tertentu atau tidak teratur, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y. Gambar scaterplot ini
mengindikasikan tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai untuk memprediksi variabel devenden LN Upaya
Pajak Daerah berdasarkan masukan variabel indevenden, LN Dana Alokasi Umum dan LN Dana Alokasi Khusus.
Hasil dari uji heteroskedastisitas dapat dilihat juga pada statistik uji glejser
berikut ini:
Universitas Sumatera Utara
65
Tabel 4.6 Hasil Uji Heteroskedastisitas dengan Uji Glejser
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
.635 1.531
.415 .680
LN_DAU .073
.081 .135
.894 .376
LN_DAK -.106
.063 -.255
-1.687 .098
a. Dependent Variable: ABS
Sumber : Diolah dari SPSS, 2009 Berdasarkan hasil analitis diatas, dapat dilihat bahwa tidak ada satupun
variabel independen yang signifikan secara statistik mempengaruhi variabel dependen nilai Absolut Ut Absut. Terlihat dari probabilitas signifikansinya
diatas tingkat kepercayaan 5 0.05, jadi dapat disimpulkan bahwa model regresi tidak mengandung adanya heteroskedastisitas.
d. Uji Autokorelasi
Hasil dari uji autokorelasi dapat dilihat pada tabel berikut ini :
Tabel 4.7 Uji Autokorelasi
a. Predictors: Constant, LN_DAK, LN_DAU b. Dependent Variable: LN_UP
Sumber : Diolah dari SPSS, 2009 Cara yang dapat digunakan untuk mendeteksi masalah autokorelasi adalah
dengan menggunakan nilai uji Durbin Watson dengan ketentuan dari Prof. Singgih sebagai berikut:
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate Durbin-
Watson 1
.464
a
.215 .182
.42535 1.328
Universitas Sumatera Utara
66
1 angka D-W dibawah -2 berarti ada autokorelasi positif, 2 angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi,
3 angka D-W di atas +2 berarti ada autokorelasi negatif. Pada bagian model summary, hasil pengujian diatas terlihat bahwa angka D-
W sebesar +1.328 atau - 21.328+2 , karena angka D-W diantara -2 sampai +2, maka dapat disimpulkan bahwa dalam penelitian ini tidak ada autokorelasi
3. Model Dan Teknik Analisis Data a. Model Regresi Berganda
Berdasarkan nilai-nilai koefisien di atas, persamaan regresi yang dapat disusun untuk variabel dana alokasi umum dan dana alokasi khusus adalah
dalam ribuan rupiah :
Tabel 4.8 Hasil Analisis Regresi
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1 Constant
3.662 2.050
1.787 .080
LN_DAU -.369
.109 -.467
-3.393 .001
.862 1.160
LN_DAK .207
.084 .338
2.451 .018
.862 1.160
a. Dependent Variable: LN_UP
LNY = 3.662 − 0.369LNX
1
+0.207 LNX
1
Keterangan: LNY
= Logaritma Natural Realisasi Upaya Pajak Daerah
Universitas Sumatera Utara
67
LNX1 = Logaritma Natural Realisasi Dana Alokasi Umum
LNX2 = Logaritma Natural Realisasi Dana Alokasi Khusus
Interpretasi dari persamaan di atas adalah : a. konstanta a sebesar 3.662, menyatakan bahwa jika variabel independen
dianggap konstan, maka LN upaya pajak sebesar 3.362, b. koefisien X1 b1 = -0.369, ini menunjukkan apabila terjadi perubahan
variabel LN dana alokasi umum sebesar 1 akan menurunkan LN upaya pajak daerah sebesar -0.369 atau 36,6 dengan asumsi variabel lainnya tetap
atau sama dengan nol, ini berarti variabel X1 memiliki pengaruh negatif terhadap terhadap variabel Y,
c. koefisien X2 b2 = 0.027, ini menunjukkan bahwa apabila terjadi perubahan LN dana alokasi khusus sebesar 1, maka akan menaikkan LN upaya pajak
daerah sebesar 0.027 atau 2.27, dengan asumsi variabel lainnya tetap atau sama dengan nol, ini berarti variabel X2 memiliki pengaruh positif terhadap
variabel Y.
b. Pengujian Hipotesis 1. uji Parsial Uji t Statistik
Uji t digunakan untuk menguji signifikansi konstanta dan setiap variabel independennya. Hasil pengujian hipotesis dengan menggunakan uji t dapat
dilihat pada tabel berikut:
Universitas Sumatera Utara
68
Tabel 4.9 Uji statistik t
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1 Constant
3.662 2.050
1.787 .080
LN_DAU -.369
.109 -.467
-3.393 .001
.862 1.160
LN_DAK .207
.084 .338
2.451 .018
.862 1.160
sa. Dependent Variable: LN_UP
Sumber : Diolah dari SPSS, 2009 Kesimpulan yang dapat diambil dari analisis tersebut adalah sebagai berikut:
a. LN dana alokasi umum LNX1 mempunyai nilai signifikansi 0.001 yang berarti nilai ini lebih kecil dari 0.05, sedangkan nilai t
hitung
-3.393 t
tabel
2.010634722 t-
tabel = α , 0.05 : df ,48 = 2.010634722. Berdasarkan kedua
nilai tersebut disimpulkan bahwa H diterima, ini menunjukkan bahwa secara
parsial dana alokasi umum tidak memberikan pengaruh positif terhadap upaya pajak daerah,
b. LN dana alokasi khusus LNX2 mempunyai nilai signifikansi 0.018 yang lebih kecil dari 0.05, dan nilai t
hitung
2.451 t
tabel
2.010634722 t- tabel =
α , 0.05 : df ,48 = 2.010634722. Sehingga dapat disimpulkan bahwa variabel
dana alokasi khusus secara parsial berpengaruh secara signifikan terhadap upaya pajak daerah .
Universitas Sumatera Utara
69
2. uji simultan uji F statistik
Menguji pengaruh LN dana alokasi umum dan LN dana alokasi khusus secara bersama terhadap LN upaya pajak daerah digunakan uji statistik F, yang
dapat dilihat pada tabel berikut ini.
Tabel 4.10 Uji Statistik F
Berdasarkan tabel diatas dapat dilihat, bahwa nilai F hitung adalah 6.579 yang jauh lebih besar dari 4, dengan tingkat signifikansi 0,003
yang lebih kecil dari 0.05, ini menunjukkan bahwa pengaruh variabel independen, LNX1 dana alokasi
umum dan LNX2 dana alokasi khusus secara bersama-sama berpengaruh secara signifikan terhadap LNY upaya pajak daerah. Hasil analisis ini diperkuat
dengan membandingkan antara nilai F hitung 6,579 yang jauh lebih besar dari F tabel 3.190727336, dimana F tabel dihitung dengan menggunakan fungsi FINV
pada microsoft office excell α = 0,05: 2: 48 = 3.190727336.
ANOVA
b
Model Sum of
Squares df
Mean Square F
Sig. 1
Regression 2.381
2 1.190
6.579 .003
a
Residual 8.684
48 .181
Total 11.065
50 a. Predictors: Constant, LN_DAK, LN_DAU
b. Dependent Variable: LN_UP
Universitas Sumatera Utara
70
3. Koefisien Determinasi R
