Prosedur Pengumpulan Data Metode Analisis Data Analisis data dalam penelitian ini dilakukan dengan melakukan analisis Uji Normalitas

3.4 Prosedur Pengumpulan Data

Dalam mengumpulkan data peneliti melakukan teknik dokumentasi yakni memperoleh data penelitian langsung dari tempat penelitian berupa data realisasi PAD dan data realisasi pajak hotel dan pajak reklame dari Dispenda Kabupaten Karo selama tahun 2005-2009.

3.5 Metode Analisis Data Analisis data dalam penelitian ini dilakukan dengan melakukan analisis

kontribusi, uji asumsi klasik, pengujian hipotesis.

3.5.1 Analisis Kontribusi

Analisis kontribusi digunakan untuk mengetahui seberapa besar kontribusi yang dapat disumbangkan dari penerimaan pajak hotel dan pajak reklame terhadap pendapatan asli daerah Kabupaten Karo. Perbandingan yang digunakan adalah realisasi pendapatan pajak hotel dan pajak reklame terhadap PAD. Rumus yang digunakan menghitung kontribusi adalah: Keterangan : Pn = kontribusi penerimaan pajak hotel dan pajak reklame terhadap pendapatan asli daerah rupiah. QX = jumlah penerimaan pajak hotel dan pajak reklamerupiah. QY = jumlah penerimaan pendapatan asli daerah rupiah. n = tahun periode tertentu. Universitas Sumatera Utara

3.5.2 Uji Asumsi Klasik

a. Uji Normalitas

Uji normalitas data bertujuan untuk menguji apakah dalam variabel dependen dengan variabel independen mempunyai distribusi normal atau tidak. Proses uji normalitas data dilakukan dengan menggunakan uji Kolmogorov Smirnov. Distribusi data dapat dilihat dengan membandingkan Zhitung dan Ztabel dengan kriteria sebagai berikut : 1 Jika Zhitung Kolmogorov Smirnov Ztabel 1,96, atau angka signifikan taraf signifikan α 0,05 maka distribusi data dikatakan normal. 2 Jika Zhitung Kolmogorov Smirnov Ztabel 1,96, atau angka signifikan taraf signifikan α 0,05 maka distribusi data dikatakan tidak normal.

3.5.3 Uji Multikolinieritas

Uji multikolinieritas bertujuan untuk mengidentifikasi ada tidaknya hubungan antar variabel independen dalam model regresi. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebasnya. Untuk menguji ada tidaknya multikolinieritas, dapat dilakukan dengan cara : 1 Nilai R 2 pada estimasi model regresi, 2 Menganalisis matrik korelasi variabel-variabel independen, 3 Menggunakan variance inflation factor dan nilai tolerance. Multikolinieritas terjadi jika VIF lebih dari 10 dan nilai tolerance lebih kecil dari 0,10. Universitas Sumatera Utara

3.5.4 Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode saat ini dengan kesalahan penggangu pada periode sebelumnya. Autokorelasi sering terjadi pada sampel dengan data time series. Pengujian autokorelasi dilakukan dengan menggunakan uji Durbin-Watson. Kriteria untuk penilaian terjadinya autokorelasi yaitu : 1 Angka D-W di bawah -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 autokorelasi negatif.

3.5.5 Uji Heterokedasititas

Uji heterokedasititas dilakukan untuk menguji apakah dalam sebuah model regresi telah terjadi ketidaksamaan varian dari residual suatu pengamatan ke pengamatan yang lainnya. Model regresi yang baik adalah model regresi yang memiliki persamaan variance residual atau homokedastisitas. Untuk melihat ada tidaknya heterokedasititas dapat dilakukan dengan melihat grafik Scatterplot. Cara memprediksi pola gambar Scatterplot adalah dengan : 1 Titik-titik data menyebar di atas dan di bawah atau di sekitar angka 0, 2 Titik data tidak mengumpul hanya di atas atau di bawah saja, 3 Penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar, Universitas Sumatera Utara 4 Penyebaran titik-titik data sebaiknya tidak berpola.

3.5.6 Pengujian Hipotesis

Model penelitian ini menggunakan model regresi linier berganda. Model regresi linier berganda adalah model regresi yang memiliki lebih dari satu variabel independen. Model regresi linier berganda dikatakan model yang baik jika model tersebut memiliki asumsi normalitas data dan terbebas dari asumsi-asumsi klasik statistik baik multikolinieritas, autokorelasi dan heterokedastisitas. Persamaan regresi linier berganda yaitu : Y = α + β 1 X 1 + β 2 X 2 + ε Keterangan : Y = Indeks Pengungkapan, X 1 = Pajak Hotel, X 2 = Pajak Reklame, α = Konstanta, ε = error, β 1 , β 2 = koefisien regresi yang menunjukkan perubahan variabel dependen berdasarkan pada variabel independen.

a. Uji Parsial t-test