50
kenaikan Produk Domestik Regional Bruto. Dalam Tabe 4.4 disajikan mengenai PDRB Kota Jember tahun 2001-2011 atas dasar harga konstan 2000, pertumbuhan
yang tertinggi terjadi pada tahun 2010 sebesar
3.670.685,00
4.2 Statistik Deskriptif
Variabel yang digunakan dalam penelitian ini adalah jumlah penduduk, jumlah industri, penerimaan pajak reklame, dan penerimaan PDRB di Kabupaten
Jember. Berikut ini disajikan statistik deskriptif untuk masing-masing variabel yang digunakan dalam penelitian ini.
Tabel 4.5 Statistik Deskriptif Variabel Penelitian
Variabel Minimum
Maximum Mean
Std Deviation
PDRB 1198373,69
4953666,31 2317310,27
849259,94 PDK
513606,00 795363,00
556806,61 59042,81
ID 1218,00
8789,00 4677,02
1729,79 RE
16,81 64,47
36,59 9,88
Sumber: Lampiran 2 Berdasarkan Tabel 4.5 dapat dilihat bahwa jumlah penduduk di Kabupaten
Jember tahun 2001 sampai dengan 2011 memiliki rata-rata 2.317.310 jiwa.Rata- rata jumlah industri dari tahun 2001 sampai dengan 2011 adalah sebanyak 4.677
industri. Rata-rata penerimaan pajak reklame dari tahun 2001 sampai dengan 2011 adalah sebanyak Rp. 36,59 Milyar.Rata-rata penerimaan PDRB dari tahun 2001
sampai dengan 2011adalah sebanyak Rp. 2.317.310,27 Milyar.
4.3 Analisis Data
Analisis data dalam penelitian ini dilakukan dengan menggunakan analisis kontribusi pajak dan retribusi daerah dan regresi linier berganda Multiple
Regression Model dengan menggunakan uji model klasik OLS-Ordinary Least Square. Hasil analisis dapat dinyatakan sebagai berikut.
4.3.1 Hasil Analisis Regresi Linier Berganda
Analisis regresi berkaitan dengan studi ketergantungan suatu variabel dependen pada satu atau lebih variabel independen. Tujuan penelitian ini adalah
49
51
untuk mengetahui jumlah penduduk, jumlah industri, dan PDRB terhadap penerimaan Pajak reklame di Kabupaten Jember. Adapun hasil dari pengujian
dengan regresi linier berganda secara ringkas dapat disajikan sebagai berikut:
Tabel 4.6 Ringkasan Hasil Perhitungan Regresi Linier Berganda Keterangan
Koef. Regresi t
hitung
Sig.
Konstanta 14.050
1.053 0.299
PDK 7,130
0.253 0,802
ID 0.002
2.083 0.044
PDRB 4.73006
2.421 0.020
R R Square
F
hitung
Fsig = 0,541
= 0,239 = 5.510
= 0,003 Sumber: Lampiran 3
Berdasarkan hasil analisis dapat dilihat bagaimana pengaruh variabel- variabel jumlah penduduk, jumlah industri, dan PDRB, apakah varibel-variabel
tersebut mempunyai pengaruh positif atau negatif. Jika positif menunjukkan bahwa penerimaan pajak reklame akan berubah searah dengan perubahan variabel
bebasnya, sedangkan bila berpengaruh negatif maka perubahan penerimaan Pajak Reklame ke arah yang berlawanan dengan perubahan variabel bebasnya.
Berdasarkan hasil analisis didapat persamaan regresi sebagai berikut: Y = 14.050 +7,130 PDK + 0.002 ID+ 4.73006 PDRB
Adapun interpretasidari model regresi tersebut adalah sebagai berikut: 1 Konstanta sebesar 14.050 artinya apabila jumlah penduduk, jumlah industri,
dan PDRB sama dengan nol, maka besarnya penerimaan pajak Reklame akan mengalami peningkatan menjadi Rp. 14.050.
2
b1
= 7,130, artinya apabila jumlah industri dan penerimaan PDRB konstan, maka
kenaikan jumlah
penduduk sebesar
1 orang
akan meningkatkanpenerimaan Pajak Reklame sebesar Rp. 7,130.
3 b
2
= 0.002, artinya apabila jumlah penduduk dan penerimaan PDRB konstan, maka kenaikan jumlah industry sebesar 1 buah akan meningkatkan
penerimaan Pajak reklame sebesar Rp. 0.002.
50
52
4 b
3
= 4.73006, artinya apabila jumlah penduduk dan jumlah industri konstan, maka kenaikan penerimaan PDRB sebesar Rp. 1 akan meningkatkan
penerimaan Pajak Reklame sebesar Rp. 4.730.060. Nilai koefisien determinasi berganda R
2
dimaksudkan untuk mengetahui besarnya sumbangan dari variabel-variabel bebas terhadap variabel-variabel
terikat. Nilai koefisien determinasi terletak antara 0 dan 1. Apabila R square atau R
2
= 1, maka garis regresi dari model tersebut memberikan sumbangan sebesar 100 terhadap perubahan variabel terikat. Apabila R
2
= 0, maka model tersebut tidak bisa mempengaruhi atau tidak bisa memberikan sumbangan terhadap
perubahan variabel terikat. Kecocokan model akan semakin lebih baik apabila mendekati satu.
Berdasarkan hasil analisis yang bisa dilihat pada tabel 4.6 diperoleh hasil koefisien determinasi berganda R
2
sebesar 0,541, hal ini berarti 54.1 perubahan penerimaan Pajak Reklame dipengaruhi oleh variabel jumlah
penduduk, jumlah industri, dan penerimaan PDRB sedangkan sisanya sebesar 45.9 disebabkan oleh faktor lain yang tidak termasuk dalam persamaan regresi
yang dibuat.
4.3.2 Pengujian Statistik
Uji statistik dimaksudkan untuk mengetahui pengaruh suatu variabel bebas terhadap variabel terikat. Dalam hal ini pengujian dilakukan untuk mengetahui
apakah hipotesis yang telah ditentukan sebelumnya sesuai dengan kenyataan. Pada penelitian ini, hipotesis yang diajukan akan diuji dengan uji t.
Uji t dimaksudkan untuk mengetahui pengaruh masing-masing variabel independen terhadap variabel dependen. Caranya adalah dengan membandingkan
nilai probabilitas t
hitung
dengan level of significance α = 5. Masing-masing
variabel bebas dikatakan mempunyai pengaruh yang signifikan nyata apabila nilai probabilitas t hitung ≤ level of significance α = 5.
Hasil perhitungan uji t dengan menggunakan program SPSS for Windows dapat dilihat pada tabel 4.6. Berdasarkan tabel tersebut dapat diketahui besarnya
pengaruh masing-masing variabel bebas terhadap variabel terikat sebagai berikut:
51
53
1. Pengaruh variabel jumlah penduduk X
1
terhadap penerimaan Pajak Reklame Y
Dari tabel 4.6 dapat diketahui bahwa t
hitung
sebesar 7,130 dan tingkat probabilitas t
hitung
sebesar 0,802. Karena tingkat probabilitasnya lebih besar dari 5, maka H
a1
di tolak, berarti secara parsial variabel jumlah penduduk mempunyai pengaruh signifikan terhadap penerimaan Pajak Reklame.
Sehingga hipotesis yang menyatakan bahwa jumlah penduduk mempunyai pengaruh yang positif dan signifikan terhadap penerimaan Pajak Reklame di
Kabupaten Jember terbukti kebenarannya atau Ha
1
di tolak. 2. Pengaruh variabel jumlah industriX
2
terhadap penerimaan Pajak Reklame Y
Dari tabel 4.6 dapat diketahui bahwa t
hitung
sebesar 0.002 dan tingkat probabilitas t
hitung
sebesar 0.044. Karena tingkat probabilitasnya lebih kecil dari 5, maka H
a2
diterima, berarti secara parsial variabel jumlah industri mempunyai pengaruh signifikan terhadap penerimaan Pajak Reklame.
Sehingga hipotesis yang menyatakan bahwa Jumlah Industri Industri Makanan dan Minuman berpengaruh Positif dan signifikan terhadap penerimaan Pajak
Reklame di Kabupaten Jember terbukti kebenarannya atau Ha
2
diterima. 3. Pengaruh variabel penerimaan PDRB X
4
terhadap penerimaan Pajak Reklame Y
Dari tabel 4.6 dapat diketahui bahwa t
hitung
sebesar 4.73006 dan tingkat probabilitas t
hitung
sebesar 0.020. Karena tingkat probabilitasnya lebih kecil dari 5, maka H
a3
diterima, berarti secara parsial variabel penerimaan PDRB mempunyai pengaruh signifikan terhadap penerimaan Pajak Reklame.
Sehingga hipotesis yang menyatakan bahwa penerimaan PDRB mempunyai pengaruh positif dan signifikan terhadap penerimaan Pajak Reklame di
Kabupaten Jember terbukti kebenarannya atau Ha
3
diterima.
4.4 Uji Asumsi Klasik
Sebelum menguji lebih lanjut hasil estimasi regresi, agar hasil yang diberikan memenuhi persyaratan BLUE Best, Linier, Unbiased, Estimator perlu
52
54
dilakukan uji asumsi klasik yang meliputi uji multikolinieritas, uji heteroskedastisitas dan uji autokorelasi sebagai berikut:
a. Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi,
variabel terikat dan variabel bebas kedua-duanya mempunya distribusi normal atau tidak. Pengambilan kesimpulan dengan melihat tampilan grafik histogram
maupun grafik normal plot. Secara ringkas hasil uji normalitas dapat dilihat pada gambar 4.1 sebahai berikut
Gambar 4.1 Hasil Uji Normalitas Sumber: Lampiran 3
Dari grafik hasil uji normalitas terhadap model regresi yang dapat dilihat pada lampiran 3, terlihat titik-titik menyebar di sekitar garis diagonal, serta
penyebarannya mengikuti arah garis diagonal. Maka model regresi layak dipakai karena telah memenuhi asumsi normalitas.
b. Uji Autokorelasi
53
55
Uji Autokorelasi dilakukan untuk menguji asumsi bahwa data haruslah bersifat bebas dalam pengertian bahwa data pada periode sebelumnya ataupun
pada periode sesudahnya.Menurut Gujarati 1999 pengujian autokorelasi dilakukan untuk mendeteksi apakah terjadi korelasi diantara anggota serangkaian
data penelitian yang diruntut waktu time series atau menurut ruang cross section. Pada data yang diruntut waktu, memang kemungkinan kecenderungan
untuk terjadinya gejala ini sangat besar. Sedangkan pada data cross section memang ada kemungkinan data disuatu tempat mempengaruhi atau dipengaruhi di
tempat lainnya. Apabila terjadi gejala autokorelasi merupakan suatu masalah yang cukup
pelik, karena uji F dan uji t sudah tidak efektif lagi. Dan bilamana uji tetap dilaksanakan, maka kesimpulan yang didapat akan bersifat meragukan. Pengujian
autokorelasi dilakukan dengan pengujian uji statistik Durbin Watson, dimana besarnya dilambangkan dengan d atau DW. Dapat dilihat pada lampiran 3 bahwa
pada penelitian ini didapat nilai DW sebesar 1,841 yang berarti terletak diantara dU d 4
– dU 1,6591.841 2,341. Hal ini berarti model regresi di atas tidak terdapat masalah autokorelasi.
c. Uji Heteroskedastisitas Uji yang digunakan dalam penelitian ini untuk mendeteksi gejala
heteroskedastisitas adalah uji glejser yang dilakukan dengan cara melakukan regresi varian gangguan residual dengan variabel bebasnya sehingga didapat
nilai P. Untuk mengetahui adanya gejala gangguan atau tidak adalah apabila nilai P
0,05, berarti menunjukkan tidak terjadi gangguan dan begitu pula sebaliknya.
Tabel 4.7 Hasil Pengujian Heteroskedastisitas dengan Uji Glejser
Variabel t
hitung
Sig. Keterangan
PDK ID
PDRB -1.670
1.503 1.705
0,101 0,141
0,096 Non Heteroskedastisitas
Non Heteroskedastisitas Non Heteroskedastisitas
Sumber: Lampiran4 Berdasarkan Tabel 4.7 diketahui bahwa t statistik menunjukkan tidak
adanya pengaruh yang signifikan masing-masing variabel independen terhadap variabel dependen dimana variabel dependen yaitu e
i
atau error absolut, hal ini
54
56
dapat dibuktikan dengan diperolehnya nilai signifikansi untuk masing-masing variabel yang lebih besar dari 0,05 P 0,05 . Dari hasil tersebut dapat dikatakan
bahwa tidak ada gejala heteroskedastisitas. d. Uji Multikolinieritas
Menurut Gujarati 1999 multikolinieritas menunjukkan adanya hubungan linier sempurna atau pasti diantara beberapa atau semua variabel penjelas dari
model regresi. Cara untuk mendeteksi ada tidaknya gejala multikolinieritas yaitu dengan melihat nilai Variance Inflation Factor VIF, dimana VIF
10 berarti terjadi multikolinieritas Hakim, 2000.
Adapun nilai VIF untuk masing-masing variabel bebas X terhadap variabel terikat Y disajikan pada tabel berikut ini:
Tabel 4.8 Hasil Uji Multikolinieritas Variabel
Nilai VIF Keterangan
PDK ID
PDRB 1,630
1,035 1,590
Non multikolinieritas Non multikolinieritas
Non multikolinieritas
Sumber: Lampiran3 Berdasarkan hasil pengujian yang tercermin dalam Tabel 4.8 maka dapat
disimpulkan bahwa tidak terjadi multikolinieritas, karena didapat nilai VIF 10,
artinya tidak terjadi hubungan linier antara variabel bebas yang digunakan dalam model regresi.
4.5 Pembahasan