Kajian Pengaruh Retribusi Daerah dan Impor Sektor Industri Terhadap Penerimaan Pemerintah Propinsi Sumatera Utara.

KAJIAN PENGARUH RETRIBUSI DAERAH DAN IMPOR SEKTOR INDUSTRI TERHADAP PENERIMAAN PEMERINTAH

PROPINSI SUMATERA UTARA

TUGAS AKHIR

DIAN ARISANDI 112407103

PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2014

KAJIAN PENGARUH RETRIBUSI DAERAH DAN IMPOR SEKTOR INDUSTRI TERHADAP PENERIMAAN PEMERINTAH

PROPINSI SUMATERA UTARA

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya

DIAN ARISANDI 112407103

PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

PERSETUJUAN

Judul : KAJIAN PENGARUH RETRIBUSI DAERAH

DAN IMPOR SEKTOR INDUSTRI TERHADAP PENERIMAAN PEMERINTAH PROPINSI SUMATERA UTARA

Kategori : TUGAS AKHIR

Nama : DIAN ARISANDI

Nomor Induk Mahasiswa : 112407103

Program Studi : D3 STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM UNIVERSITAS SUMATERA UTARA

Disetujui di Medan, Juli 2014

Disetujui oleh:

Program Studi D3 Statistika FMIPA USU Pembimbing, Ketua,

Dr. Faigiziduhu Bu’ulölö, M.Si Dr. Esther Sorta M. Nababan M.Sc NIP. 19531218 198003 1 003 NIP. 19610318 198711 2 001

PERNYATAAN

KAJIAN PENGARUH RETRIBUSI DAERAH DAN IMPOR SEKTOR INDUSTRI TERHADAP PENERIMAAN PEMERINTAH PROPINSI

SUMATERA UTARA

TUGAS AKHIR

Saya mengakui bahwa Tugas Akhir ini adalah hasil karya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, Juni 2014

DIAN ARISANDI NIM. 112407103

PENGHARGAAN

Puji dan syukur Penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpahan karunia-Nya Penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan judul Kajian Pengaruh Retribusi Daerah dan Impor Sektor Industri Terhadap Penerimaan Pemerintah Propinsi Sumatera Utara.

Terima kasih Penulis sampaikan kepada Ibu Dr. Esther Sorta M. Nababan M.Sc, selaku pembimbing yang telah meluangkan waktunya selama penyusunan tugas akhir ini. Terima kasih kepada Bapak Dr. Faigiziduhu Bu’ulölö, M.Si dan Bapak Dr. Suwarno Ariswoyo, M.Si selaku Ketua dan Sekretaris Program Studi D3 Statistika FMIPA USU, Bapak Prof.Dr. Tulus, M.Si dan Ibu Dr. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU Medan, Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU Medan, seluruh staf dan Dosen Program Studi D3 Statistika FMIPA USU, Pegawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada Bapak tercinta Supriyadi dan Ibu tercinta Susiani, dan keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Daftar Isi v

Daftar Tabel vii

Daftar Gambar viii

BAB 1 Pendahuluan 1

1.1 Latar Belakang 1

1.2 Perumusan Masalah 2

1.3 Batasan Masalah 2

1.4 Maksud dan Tujuan Penelitian 3

1.5 Manfaat Penelitian 3

1.6 Lokasi Penelitian 3

1.7 Metode Penelitian 4

1.8 Tinjaun Pustaka 4

1.9 Sistematika Penulisan 6

BAB 2 Landasan Teori 8

2.1 Pengertian Regresi 8

2.2 Persamaan Regresi 9

2.3 Regresi Linier Sederhana 10

2.4 Regresi Linier Berganda 10

2.5 Uji Persyaratan Regresi Linier Ganda 11 2.6 Membentuk Persamaan Regresi Linier Berganda 13

2.7 Koefisien Determinasi 15

2.8 Koefisien Korelasi 16

2.9 Uji Regresi Linier Berganda 19

2.10 Uji Koefisien Regresi Berganda 21

BAB 3 Sejarah Singkat Tempat Riset 23

3.1 Sejarah Badan Pusat Statistik 23

3.2 Visi dan Misi 23

3.2.1 Visi 23

3.4 Tugas, Fungsi, dan Kewenangan Badan Pusat Statistik 24

3.4.1 Tugas 25

3.4.2 Fungsi 25

3.4.3 Kewenangan 25

3.5 Landasan Hukum 26

3.6 Struktur Organisasi 27

BAB 4 Pengolahan Data 28

4.1 Data dan Pembahasan 28

4.2 Persamaan Regresi Linier Berganda 30

4.3 Analisis Residu 35

4.4 Koefisien Determinasi 37

4.5 Koefisien Korelasi 38

4.6 Uji Regresi Linier Berganda 40

4.7 Uji Koefisien Regresi Linier Berganda 42

BAB 5 Implementasi Sistem 46

5.1 Pengertian Implementasi Sistem 46

5.2 SPSS Dalam Statistika 46

5.3 Mengaktifkan SPSS 47

5.4 Mengoperasikan SPSS 48

5.5 Input Variabel (Variable View) 48

5.6 Input Data (Data View) 49

5.7 Pengolahan Data dengan Analisis Regresi 50

BAB 6 Kesimpulan dan Saran 53

6.1 Kesimpulan 53

6.2 Saran 54

Daftar Pustaka Lampiran

DAFTAR TABEL

Halaman Tabel 2.1 Interpretasi Koefisien Korelasi Nilai r 19 Tabel 4.1 Data Retribusi Daerah, Ekspor Barang Konsumsi 29

dan Penerimaan Pemereintah Propinsi Sumatera Utara Tahun 2001-2012

Tabel 4.2 Data yang Telah Disederhanakan 29

Tabel 4.3 Nilai-Nilai Koefisien Persamaan Regresi Linier Berganda 30

Tabel 4.4 Penyimpangan Nilai Koefisien 35

DAFTAR GAMBAR

Halaman Gambar 5.1 Print Screen Tampilan Jendela Start Windows 47

Gambar 5.2 Tampilan Jendela Awal SPSS 48

Gambar 5.3 Tampilan Jendela Awal Variable View 49

Gambar 5.4 Tampilan Jendela Data View 49

Gambar 5.5 Tampilan Pengolahan Data dengan Regresi Linier 50

Gambar 5.6 Tampilan Jendela Regresi Linier 51

Gambar 5.7 Tampilan Menu Jendela Statistik Regresi Linier 51 Gambar 5.8 Tampilan Jendela Regresi Linier Plot 52 Gambar 5.9 Tampilan Jendela Regresi Linier Save 52

pengelolaan kekayaan daerah yang dipisahkan, dan lain-lain. Komponen PAD tersebut secara penuh dapat digunakan oleh daerah sesuai dengan kebutuhan dan prioritas daerah, disamping itu memperhatikan adanya upaya yang dilakukan oleh pemerintah Propinsi Sumatera Utara dalam menggali sumber-sumber pendapatan daerah. Hal ini semakin leluasa dilakukan Pemerintah Propinsi Sumatera Utara setelah diberlakukan otonomi daerah.

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Kebutuhan masyarakat yang meningkat mendorong pemerintah daerah untuk mengupayakan peningkatan penerimaan daerah dengan memberi perhatian pada perkembangan Pendapatan Asli Daerah (PAD). Sumber-sumber PAD adalah hasil pajak daerah, hasil retribusi daerah, hasil pengelolaan kekayaan daerah yang dipisahkan, dan lain-lain. Komponen PAD tersebut secara penuh dapat digunakan oleh daerah sesuai dengan kebutuhan dan prioritas daerah, disamping itu memperhatikan adanya upaya yang dilakukan oleh pemerintah Propinsi Sumatera Utara dalam menggali sumber-sumber pendapatan daerah. Hal ini semakin leluasa dilakukan Pemerintah Propinsi Sumatera Utara setelah diberlakukan otonomi daerah.

Berbagai cara dilakukan Pemerintah Daerah untuk meningkatkan pendapatan daerahnya dalam upaya memenuhi kebutuhan belanja pemerintah daerah bagi pelaksanaan kegiatannya. Pertama, Pemerintah Daerah dapat memperoleh dana dari sumber-sumber yang dikategorikan Pendapatan Asli Daerah (PAD). Kedua, memperoleh transfer dana dari APBN yang dialokasikan dalam bentuk dana perimbangan yang terdiri dari bagi hasil pajak, bagi hasil bukan pajak, dana alokasi umum, dan dana alokasi khusus. Pengalokasian dana perimbangan ini selain ditunjukan untuk memberikan kepastian sumber

pendanaan bagi APBD, juga bertujuan untuk mengurangi/memperkecil perbedaan kapasitas fiskal antar daerah (Tangkilisan 2005:71).

Disamping itu, banyak faktor lain yang juga dapat mempengaruhi penerimaan pemerintah daerah seperti impor hasil kekayaan daerah seperti impor sektor minyak dan gas bumi, sektor pertanian, sektor pertambangan dan penggalian,dan sektor industri.

Berdasarkan penjelasan di atas maka penulis mengambil judul tugas akhir yaitu Kajian Pengaruh Retribusi Daerah dan Impor Sektor Industri Terhadap Penerimaan Pemerintah Propinsi Sumatera Utara.

1.2 Perumusan Masalah

Berdasarkan latar belakang masalah diatas, perumusan masalah penelitian adalah mencari seberapa besar nilai pengaruh dan mana yang lebih dominan berpengaruh antara retribusi daerah dan impor sektor industri terhadap penerimaan pemerintah Propinsi Sumatera Utara.

1.3 Batasan Masalah

Untuk memberikan kejelasan dan memberikan kemudahan penelitian ini agar tidak jauh menyimpang dari sasaran yang ingin dicapai, penulis hanya meneliti pengaruh penerimaan pemerintah Propinsi Sumatera Utara dengan faktor-faktor yang mempengaruhi yaitu retribusi daerah dan impor sektor industri. Data kuantitatif yang digunakan adalah data retribusi daerah, data impor sektor industri

dan data penerimaan pemerintah Propinsi Sumatera Utara dari tahun 2001 sampai tahun 2012.

1.4 Maksud dan Tujuan Penelitian

Adapun tujuan dari penelitian ini adalah untuk membuktikan secara empiris seberapa besar pengaruh retribusi daerah dan Impor sektor industri terhadap penerimaan pemerintah Propinsi Sumatera Utara dari tahun 2001 sampai tahun 2011.

1.5 Manfaat Penelitian

Dapat merupakan rujukan bagi Lembaga atau Instansi dan masyarakat pada umumnya untuk mengetahui perkembangan penerimaan Pemerintah Sumatera Utara pada pengaruh retribusi daerah dan impor sektor industri, dan juga sebagai bahan pertimbangan dan pengambilan kebijakan dalam masalah perkembangan retribusi daerah dan impor sektor industri.

1.6 Lokasi penelitian

Penelitian dan riset data dilakukan di Badan Pusat Statistik Propinsi Sumatera Utara.

1.7 Metode Penelitian

Metode penelitian yaitu suatu cara yang terdiri dari langkah-langkah atau urutan kegiatan yang berfungsi sebagai pedoman umum yang digunakan untuk melaksanakan penelitian sehingga apa yang menjadi tujuan dari penelitian itu dapat terwujud.

Metode penelitian yang digunakan penulis adalah dengan cara sebagai berikut: a. Penelitian kepustakaan yaitu metode pengumpulan data untuk memperoleh data

dan informasi dari perpustakaan, yaitu dengan membaca buku-buku, referensi dan bahan-bahan yang bersifat teoritis yang mendukung penulisan tugas akhir. b. Pengumpulan data untuk keperluan riset ini, telah dilakukan oleh penulis

dengan menggunakan data sekunder yang diperoleh dari kantor Badan Pusat Statistik Propinsi Sumatera Utara. Data yang dikumpulkan tersebut kemudian disusun dan disajikan dalam bentuk angka-angka dengan tujuan untuk mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.

1.8 Tinjauan Pustaka

Menyatakan perubahan nilai variabel itu dapat pula disebabkan oleh berubahnya variabel lain yang berhubungan dengan variabel tersebut. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh variabel lain diperlukan alat analisis yang memungkinkan untuk membuat perkiraan nilai variabel tersebut pada nilai tertentu variabel yang mempengaruhinya (Algifari, 2002).

Dalam ilmu statistika, teknik yang umum digunakan untuk mengkaji hubungan antara dua atau lebih variabel adalah analisa regresi. Model matematis

dalam menjelaskan hubungan antara variabel dalam analisis regresi menggunakan persamaan regresi.

Prinsip dasar yang harus dipenuhi dalam membangun suatu persamaan regresi adalah bahwa antara variabel dependen dan variabel independen mempunyai sifat hubungan sebab akibat, baik yang didasarkan pada teori hasil penelitian sebelumnya, ataupun yang berdasarkan pada penjelasan logis tertentu.

Bentuk hubungan antara variabel dapat searah atau dapat berlawanan arah. Hubungan antara variabel searah artinya perubahan nilai yang satu dengan nilai yang lain searah. Hubungan antara variabel berlawanan arah artinya perubahan nilai yang satu dengan nilai yang lain berlawanan arah. (Usman, Husain, 1995).

Regresi ganda berguna untuk mendapatkan pengaruh dua variabel kriterium atau untuk mencari hubungan fungsional dua prediktor atau lebih dengan variabel kriteriumnya atau untuk meramalkan dua variabel prediktor atau lebih terhadap variabel kriteriumnya (Sudjana, 2001).

Setelah mengetahui hubungan fungsional antara variabel-variabel dimana persamaan regresinya telah ditentukan dan telah melakukan pengujian maka persoalan berikutnya yang dirasakan perlu, jika data hasil pengamatan terdiri dari banyak variabel adalah seberapa kuat hubungan antara variabel-variabel itu. Dengan kata lain perlu ditentukan derajat hubungan antara variabel-variabel tersebut.

Studi yang membahas derajat hubungan antara varibel-variabel tersebut dikenal dengan nama analisis korelasi. Ukuran yang dipakai untuk mengetahui derajat hubungan, terutama data kuantitatif dinamakan koefisien korelasi.

Jika kenaikan di dalam suatu variabel diikuti dengan kenaikan di dalam variabel lain, maka dapat dikatakan bahwa kedua variabel tersebut mempunyai korelasi yang positif. Tetapi jika kenaikan di dalam suatu variabel diikuti oleh penurunan di dalam variabel lain, maka dapat dikatakan bahwa variabel tersebut mempunyai korelasi yang negatif. Dan jika tidak ada perubahan pada variabel walaupun variabel lainnya berubah maka dikatakan bahwa kedua variabel tersebut tidak mempunyai hubungan.

1.9 Sistematika Penulisan

Sistematika penulisan diuraikan untuk memberikan kerangka atau gambaran dalam tugas akhir ini. Dalam penyusunan tugas akhir ini penulis membagi enam bab di mana masing-masing bab terdiri dari sub-sub bab. Adapun sistematika penulisannya adalah sebagai berikut:

BAB 1 : PENDAHULUAN

Bab ini menjelaskan latar belakang masalah, rumusan masalah, batasan masalah, tujuan, manfaat, metode penelitian dan sistematika penulisan.

BAB 2 : LANDASAN TEORI

Bab ini menguraikan tentang pengertian regresi, regresi linier berganda, uji regresi linier berganda dan korelasi regresi linier ganda serta uji koefisien regresi linier berganda.

BAB 3 : SEJARAH SINGKAT TEMPAT RISET

Bab ini menjelaskan tentang sejarah, visi, misi, kedudukan, tugas, fungsi dan struktur organisasi Badan Pusat Statistik Propinsi Sumatera Utara.

BAB 4 : PENGOLAHAN DATA

Bab ini menguraikan pengolahan data dengan menggunakan metode analisis regresi linier berganda, korelasi ganda dan pengujian koefisien regresi linier berganda.

BAB 5 : IMPLEMENTASI SISTEM

Bab ini menjelaskan tentang program atau software yang digunakan untuk mengolah/menganalisis data. Penulis menggunakan program SPSS (Statistic product and service solution).

BAB 6 : KESIMPULAN DAN SARAN

Bab ini merupakan bab penutup yang merupakan kesimpulan dari pembahasan serta saran-saran penulis berdasarkan kesimpulan yang di dapat

BAB 2

LANDASAN TEORI

2.1 Pengertian Regresi

Analisis regresi merupakan suatu model matematis yang dapat di gunakan untuk mengetahui pola hubungan antara dua atau lebih variabel. Istilah regresi yang berarti ramalan atau taksiran pertama kali di perkenalkan Sir Francis Galton pada tahun 1877, sehubungan dengan penelitiannya terhadap tinggi manusia, yaitu antara tinggi anak dan tinggi orang tuanya. Dalam penelitiannya, Galton menemukan bahwa tinggi anak dan orang tuanya cenderung meningkat atau menurun dari berat rata-rata populasi. Garis yang menunjukkan hubungan tersebut disebut garis regresi.

Analisis regresi lebih akurat dalam melakukan analisis korelasi, karena pada analisis itu kesulitan dalam menunjukkan slop (tingkat perubahan suatu variabel terhadap variabel lainnya dapat ditentukan). Jadi dengan analisis regresi, peramalan atau perkiraan nilai variabel terikat pada nilai variabel bebas lebih akurat pula. Karena merupakan suatu prediksi, maka nilai prediksi tidak selalu tepat dangan nilai riilnya, semakin kecil tingkat penyimpangan antara nilai prediksi dengan nilai riilnya, maka semakin tepat persamaan regresi yang dibentuk.

Dapat disimpulkan bahwa analisis regresi adalah metode statistika yang digunakan untuk menentukan kemungkinan bentuk hubungan antara

variabel-variabel, dengan tujuan pokok dalam penggunaan metode ini adalah untuk meramalkan atau memperkirakan nilai dari suatu variabel lain yang diketahui.

2.2 Persamaan Regresi

Persamaan Regresi (regression equation) adalah suatu persamaan matematis yang mendefinisikan hubungan antara dua variabel. Persamaan regresi yang digunakan untuk membuat taksiran mengenai variabel dependen disebut persamaan regresi estimasi, yaitu suatu formula matematis yang menunjukkan hubungan keterkaitan antara satu atau beberapa variabel yang nilainya sudah diketahui dengan satu variabel yang nilainya belum diketahui.

Sifat hubungan antar variabel dalam persamaan regresi merupakan hubungan sebab akibat (causal relationship). Oleh karena itu, sebelum menggunakan persamaan regresi dalam menjelaskan hubungan antara dua atau lebih variabel, maka perlu diyakini terlebih dahulu bahwa secara teoritis atau perkiraan sebelumnya , dua atau lebih variabel tersebut memiliki hubungan sebab akibat. Variabel yang nilainya akan mempengaruhi nilai variabel lain disebut dengan variabel bebas (independent variabel), sedangkan variabel yang nilainya dipengaruhi oleh nilai variabel lain disebut variabel terikat (dependent variabel).

Ada dua jenis Persamaan Regresi Linier, yaitu sebagai berikut:

1. Analisis Regresi Sederhana (simple analisis regresi) 2. Analisis Regresi Berganda (multiple analisis regresi)

2.3 Regresi Linier Sederhana

Regresi linier sederhana merupakan suatu proses untuk mendapatkan hubungan matematis dalam bentuk suatu persamaan antara variabel tak bebas tunggal dangan variabel bebas tunggal atau dengan kata lain, regresi linier yang hanya melibatkan suatu peubah bebas � yang dihubungkan dengan satu peubah tak bebas �. Bentuk umum model regresi linier sederhana yaitu :

�= �₀ + �₁�₁ + �_� (2.1) Dimana: � = Variabel tak bebas (dependent)

�0 = parameter intersep

�1 = koefisien regresi (slop)

�1 = variabel bebas (independent)

�� = kesalahan penduga

2.4 Regresi Linier Berganda

Disamping hubungan linier dua variabel, hubungan linier lebih dari dua variabel dapat juga terjadi. Pada hubungan ini, perubahan satu variabel dipengaruhi oleh lebih dari satu variabel lain. Maka regresi linier berganda adalah analisis regresi yang menjelaskan hubungan antara peubah respon (variable dependent) dengan faktor-faktor yang mempengaruhi lebih dari satu predator (variabel independent).

Tujuan analisis regresi linier berganda adalah untuk mengukur intensitas hubungan antara dua variabel atau lebih dan membuat prediksi / perkiraan nilai � atas nilai �. Bentuk umum persamaan regresi linier berganda yang mencakup dua atau lebih variabel, yaitu:

� = �₀ + ��₁ + �₂�₂ + �₃�₃ + ... + �_��_� + �_� (2.2) Model diatas merupakan model regresi untuk populasi, sedangkan apabila hanya menarik sebagian berupa sampel dari populasi secara acak dan tidak mengetahui regresi populasi untuk keperluan analisis, variabel bebas akan dinyatakan dengan �₁ , �₂ , ... , �_� (k ≥ 1) sedangkan variabel tidak bebas dinyatakan dengan �.

�� = �₀ + ��₁ + �₂�₂ + ��₃ + ... + ��_� + � (2.3) Dimana: �� = variabel tidak bebas (dependent)

�0 , ... , �� = koefisien regresi

�1 , ... , �� = variabel bebas (independent)

e = kesalahan pengganggu

2.5 Uji Persyaratan Regresi Linier Berganda

Beberapa hal lain yang penting juga untuk dipahami dalam penggunan analisis linier berganda yaitu perlunya melakukan uji asumsi klasik atau uji persyaratan analisis regresi anda sehingga persamaan garis regresi yang diperoleh benar-benar dapat digunakan untuk memprediksi variabel dependen atau kriterium. Uji

Persyaratan tersebut harus terpenuhi, apabila tidak maka akan menghasilkan garis regresi yang tidak cocok untuk memprediksi.

Sebelum masuk pada uji persyaratan perlu di pahami bahwa statistik sebagai alat analisis dikelompokkam menjadi dua bagian yang berbeda, yaitu kelompok statistik parametrik dan statistik parametrik. Pada statistik non-parametrik tidak memerlukan persyaratan tertentu sedangkan pada statistik parametrik memerlukan persyaratan yang harus dipenuhi. Oleh karena itu, dalam uji persyaratan regresi linier ganda yang harus dilakukan pada dasarnya juga dikelompokkan menjadi dua bagian, yaitu uji persyaratan untuk masuk ke statistik parametrik dan uji persyaratan untuk menggunakan regresi linier ganda.

Uji asumsi klasik yang secara minimal perlu dilakukan oleh penulis menggunakan regresi linier ganda sebagai alat analisis yaitu berupa:

1. Uji persyaratan untuk statistik parametrik yang berupa: a. Uji normalitas

b. Uji homogenitas

2. Uji persyaratan untuk regresi linier ganda, yang terdiri atas: a. Uji linieritas garis regresi

b. Tidak terdapat saling hubungan antara variabel bebas (uji multikolinieritas)

c. Tidak terdapat autokorelasi antar data pengamatan d. Tidak terjadi adanya heteroskedasitas (Gujarat, 1997)

2.6 Membentuk Persamaan Regresi Linier Berganda

Dalam regresi linier berganda variabel tak bebas (�), tergantung kepada dua atau lebih variabel bebas (�). Bentuk persamaan regresi linier berganda yang mencakup dua atau lebih variabel, yaitu:

� = � + �₁�₁ + �₂�₂ + �₂�₃ + ... + �_��_� + � (2.4) Dimana: � = variabel terikat (dependen)

� , �₁ , �₂ , �₃ , ... , �_� = koefisien regresi

�₁ , �₂ , �₃ , ... , �_� = variabel bebas (independen)

� = kesalahan pengganggu (disturbance terma) Untuk hal ini, penulis menggunakan regresi linier berganda dengan tiga variabel, yaitu satu variabel tak bebas (dependen variabel) dan dua variabel bebas (independen variable). Bentuk umum persamaan regresi linier berganda tersebut yaitu:

� = � + �₁�₁ + �₂�₂ (2.5) Nilai dari koefisien �, �₁, �₂ dapat ditentukan dengan metode kuadrat terkecil (least squared) seperti berikut ini:

�1 =

�Σ�22�(Σ�1�) –(Σ�2�) (Σ�1�2)

�Σ�12��Σ�22�− (Σ�1Σ�2)²

(2.6)

�2 =

�Σ�12� (Σ�2�)− (Σ�1�) (Σ�1�2)

�Σ�12��Σ�22�− (Σ�1Σ�2)²

�

=

∑ �−�1Σ�1−�2Σ�2

�

(2.8)

Harga-harga � , �₁ , �₂ yang telah didapat kemudian disubstitusikan kedalam persamaan (2.5) sehingga diperoleh model regresi linier berganda � atas

�1 dan �2. Dalam persamaan model regresi linier yang diperoleh, maka antara nilai � dan �� akan menimbulkan perbedaan hasil yang sering disebut sebagai kekeliruan. Untuk mengetahui ketepatan persamaan estimasi dapat digunakan kesalahan standar estimasi (standard error of estimate). Besarnya kesalahan standar estimasi menunjukkan ketepatan persamaan estimasi untuk menjelaskan nilai variabel tidak bebas yang sesungguhnya. Semakin kecil nilai kesalahan standar estimasi, maka tinggi ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variabel tidak bebas sesungguhnya. Sebaliknya, semakin besar nilai kesalahan standar estimasi, makin rendah ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variabel tidak bebas sesungguhnya. Kesalahan standar estimasi dapat ditentukan dengan rumus:

��.12 =

�

Σ(�_�−��)²

�−�−1 (2.9)

Dimana: �_�.12 = Kesalahan baku

�� = nilai data sebenarnya

��� = nilai taksiran

� = banyak ukuran sampel

2.7 Koefisien Determinasi

Koefisien determinasi adalah salah satu nilai statistik yang dapat digunakan untuk mengetahui apakah ada hubungan pengaruh antara dua variabel. Nilai koefisien determinasi menunjukkan persentase nilai variabel dependen yang dapat dijelaskan oleh persamaan regresi yang dihasilkan. Koefisien determinasi yang dinyatakan �2 untuk pengujian regresi linier berganda yang mencakup lebih dari dua variabel adalah untuk mengetahui proporsi keragaman total dalam variabel tak bebas (�) yang dapat dijelaskan atau diterangkan oleh variabel-variabel bebas (�) yang ada dalam model persamaan regresi linier berganda secara bersama-sama. Maka �2 akan ditentukan dengan rumus, yaitu:

�2 ₌ �����

Σ�2 (2.10)

Dengan:

����� = �1 ∑ �1� + �2∑ �2� + ... + �� ∑ ��� (2.11) Harga �2 yang diperoleh sesuai dengan variasi yang dijelaskan masing-masing variabel yang tinggal dalam regresi. Hal ini mengakibatkan variasi yang dijelaskan penduga yang disebabkan oleh variabel yang berpengaruh saja (bersifat nyata).

2.8 Koefisien Korelasi

Setelah mengetahui hubungan fungsional antara variabel-variabel dimana persamaan regresinya telah ditentukan dan telah melakukan pengujian maka persoalan berikutnya yang perlu dirasakan yaitu, jika data hasil pengamatan terdiri dari banyak variabel adalah seberapa kuat hubungan antara variabel-variabel itu. Dengan kata lain perlu ditentukan derajat hubungan antara variabel-variabel tersebut.

Studi yang membahas derajat hubungan antara varibel-variabel tesebut dikenal dengan nama analisis korelasi. Ukuran yang dipakai untuk mengetahui derajat hubungan, terutama data kuantitatif dinamakan koefisien korelasi. Besarnya ukuran yang dipakai variabel yang satu dengan variabel yang lain dinyatakan dengan koefisien korelasi yang disimbolkan dengan “�” yang besarnya adalah akar koefisien determinasi. Atau secara matematis dapat ditulis sebagai berikut:

� = √�2 _(2.12)

Koefisien korelasi (�) dapat digunakan untuk:

1. Mengetahui keeratan hubungan (korelasi linier) antara dua variabel 2. Mengetahui arah hubungan antara dua variabel

Untuk mengetahui keeratan hubungan antara dua variabel dengan menggunakan koefisien korelasi adalah dengan menggunakan nilai absolut dari koefisien tersebut. Besarnya koefisien korelasi (�) antara dua variabel nol sampai dengan satu. Apabila dua variabel mempunyai nilai � = 0, berarti antara dua

mempunyai � = ±1, maka dua buah variabel tersebut mempunyai hubungan yang sempurna.

Semakin tinggi nilai koefisien korelasi antara dua buah variabel (semakin mendekati 1), maka tingkat keeratan hubungan antara dua variabel tersebut semakin tinggi. Dan sebaliknya semakin rendah koefisien korelasi antara dua buah variabel (semakin mendekati 0), maka tingkat keeratan hubungan antara dua variabel tersebut semakin lemah. Hubungan antar dua variabel dapat dikelompokkan menjadi 3 jenis hubungan sebagai berikut:

1. Korelasi Positif

Terjadinya korelasi positif apabila perubahan pada variabel yang satu diikut dengan perubahan variabel yang lain dengan arah yang sama (berbanding lurus). Artinya, apabila variabel yang satu meningkat, maka akan di ikuti dengan peningkatan variabel lain.

2. Korelasi Negatif

Korelasi negatif terjadi apabila perubahan pada variabel yang satu diikuti dengan perubahan variabel yang lain dengan arah yang berlawanan (berbanding terbalik). Artinya apabila variabel yang satu meningkat, maka akan diikuti dengan penurunan pada variabel yang lain dan sebaliknya.

3. Korelasi Nihil

Korelasi nihil terjadi apabila perubahan pada variabel yang satu diikuti perubahan pada variabel yang lain dengan arah yang tidak teratur (acak), artinya apabila variabel yang satu meningkat, kadang diikuti dengan

peningkatan pada variabel yang lain dan kadang diikuti dengan penurunan pada variabel yang lain.

Selain diturunkan dari koefisien determinasi (�2), koefisien korelasi (�) dapat pula ditentukan dengan menggunakan formulasi sebagai berikut:

���1 =

� Σ��1− (Σ�)(Σ�1)

�(�Σ�2− (Σ�)²) ��Σ�₁2− (Σ�1)²�

(2.13)

Dimana: �_��1 = koefisien korelasi antara� dan �

�₁ = variabel bebas (independen)

� = variabel terikat (dependen)

Untuk mencari korelasi antara variabel � terhadap �₁ atau �_{�.1,2,3,…,�} dapat dicari dengan rumus :

��.1,2,3,…,� =

� Σ�_��_�− (Σ�_�) (Σ�_�) ���Σ�_�2_{− (Σ�}

�)²���Σ�_�2− (Σ�_�)²�

(2.14)

Jika kenaikan didalam satu variabel diikuti dengan kenaikan variabel lain maka dapat dikatakan bahwa kedua variabel tersebut mempunyai korelasi yang positif. Tetapi jika kenaikan didalam satu variabel diikuti penurunan didalam variabel lain, maka dapat dikatakan bahwa variabel tersebut mempunyai korelasi yang negatif. Dan jika tidak ada perubahan pada variabel walaupun variabel lainnya berubah maka dikatakan bahwa kedua variabel tersebut tidak mempunyai hubungan. Interpretasi harga r akan disajikan dalam tabel berikut:

Tabel 2.1 Interpretasi Koefisien Korelasi Nilai r

� Interpretasi

0 0,01 – 0,20 0,21 - 0,40 0,41 – 0,60 0,61 – 0,80 0,81 – 0,99

1

Tidak berkorelasi Sangat rendah

Rendah Agak rendah

Cukup Tinggi Sangat tinggi

2.9 Uji Regresi Linier Berganda

Pengujian hipotesis bagi koefisien-koefisien regresi linier berganda dapat dilakukan secara serentak atau keseluruhan. Pengujian regresi linier perlu dilakukan untuk mengetahui apakah variabel-variabel bebas secara bersamaan memiliki pengaruh terhadap variabel tak bebas. Langkah-langkah pengujiannya adalah sebagi berikut:

1. Menentukan formulasi hipotesis

�0 : �1 = �2 = �3 = ... = �� = 0 (�1, �2, ... , �� tidak mempengaruhi �)

�1: minimal ada satu parameter koefisien regresi yang tidak sama dengan nol atau mempengaruhi �.

2. Penentuan nilai kritis. Nilai kritis dalam pengujian hipotesis terhadap koefisien regresi dapat ditentukan dengan menggunakan tabel distribusi normal dengan memperhatikan tingkat signifikan (�) dan banyaknya sampel digunakan serta nilai �_{�����} dengan derajat kebebasan v1= k dan v2= n-k-1. 3. Menentukan kriteria pengujian

�₀ diterima bila �_{ℎ�����} ≤�_{�����}

�₀ ditolak bila �_{ℎ�����} >�_{�����}

4. Menetukan nilai statistik � dengan rumus :

� =

�� ��� � �� ���

(� −�−1)

(2.15)

Dimana: ��_��� = jumlah kuadrat regresi

����� = jumlah kuadrat residu (sisa)

(n-k-1) = derajat kebebasan

����� = �1 ∑ �1� + �2 ∑ �2�

����� = ∑��� − ���²

2.10 Uji Koefisien Regresi Berganda

Keberartian adanya variabel-variabel bebas dalam regresi linier berganda perlu diuji untuk menunjukkan seberapa besar pengaruh yang diberikan pada variabel tak bebas. Dan cara yang tepat untuk mengujinya adalah dengan menggunakan uji statistik t (student).

Dimisalkan populasi mempunyai model regresi berganda sebagai berikut:

�_{� ,�} = �₀ + �₁�₁+ �2�2+ … + ����

Yang akan ditaksir oleh regresi berbentuk : ��= �0+ �1�1+ �2�2+ … + ����. Adanya kriteria bahwa variabel-variabel tersebut memberikan pengaruh yang berarti atau tidak terhadap variabel tak bebas akan diuji hipotesis �₀ melawan hipotesis tandingan �₁ dalam bentuk:

�0 = �� = 0 i = 1,2,...,k

�1 = �� ≠ 0 i = 1,2,...,k

Untuk menguji hipotesis tersebut digunakan kekeliruan baku taksiran �_�2_{,1,2,3,…,�}.

Jadi untuk melihat kekeliruan baku dari koefisien �_� adalah:

��

_�

=

�

��,1,2,…,�

2

�∑ �_��2_{��1−�}

��2�

Dimana:

�

_{�.1,2,…,�}

=

�

∑(��−��)²

�−�−1

∑ �

_��2

₌

_��

��

− �

� �

�

²

�

_��

=

�Σ����− (Σ��)�Σ���

��� ∑x_i2− (ΣX_i)² �n∑x_j2−ΣX_j�²�

Kemudian dicari perhitungan statistik t yaitu:

�

_�

=

��

��� (2.17)

Dari tabel distribusi t-student serta dk = (n-k-1), �_{�����= �}

��−�−1_∝� , dimana kriteria

pengujian diperoleh :

�0 : ditolak jika �� > ������

BAB 3

SEJARAH SINGKAT TEMPAT RISET

3.1 Sejarah Badan Pusat Statistik

Badan pusat statistik (BPS) adalah lembaga negara non departemen. BPS melakukan kegiatan yang ditugaskan oleh pemerintah antara bidang pertanian, agrarian, pertambangan, kependudukan, sosial, ketenagakerjaan, keuangan, pendapatan, dan keagamaan. Selain hal-hal di atas BPS juga bertugas untuk melaksanakan koordinasi dilapangan, kegiatan statistik dari segenap instansi baik dipusat maupun didaerah dengan tujuan mencegah dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi, memajukan keseragaman dalam penggunaan definisi, klasifikasi dan ukuran-ukuran lainnya.

3.2 Visi dan Misi 3.2.1 Visi

Visi dari Badan Pusat Statistik adalah pelopor data statistik terpercaya untuk semua.

3.2.2 Misi

1. Memperkuat landasan kontitusional dan operasional lembaga statistik untuk penyelenggaraan statistik yang efektif dan efisien.

2. Menciptakan insan statistik yang kompeten dan profesional, didukung pemanfaaatn teknologi informasi mutakhir untuk kemajuan perstatistikan Indonesia.

3. Meningkatkan penerapan standar klasifikasi, konsep dan definisi, pengukuran, dan kode etik statistik yanng bersifat universal dalam setiap penyelenggaraan statistik.

4. Meningkatkan kualitas pelayanan informasi statistik bagi semua pihak. 5. Meningnkatkan koordinasi, integrasi, dan sinkronisasi kegiatan yang

diselenggarakan pemerintah dan swasta, dalam kerangka Sistem Statistik Nasional (SSN) yang efektif dan efisien.

3.3 Kependudukan

BPS Propvinsi Sumatera Utara adalah Perwakilan Badan Pusat Statistik RI di Provinsi Sumatera Utara yang berada dibawah dan bertanggung jawab kepada Kepala BPS RI dan melaksanakan koordinasi dangan Kepala Daerah setempat.

3.4 Tugas, Fungsi, dan Kewenangan Badan Pusat Statistik

Tugas, fungsi, dan kewenangan BPD telah menerapkan dalam keputusan Presiden RI (Keppres) Nomor 103 Tahun 2001. Dalam menjalankan tugas, fungsi dan kewenangannya seperti tercantum dibawah ini. BPS juga dibatasi oleh 10 prinsip etika perstatistikaan yang tercantum dalam United Nations Fundamental Principles of Official Statistics.

3.4.1 Tugas

Tugas BPS Provinsi Sumatera Utara adalah melaksanakan penyelenggaraan statistik dasar di Provinsi Sumatera Utara sesuai dengan ketentuan peraturan perundang-undangan yang berlaku.

3.4.2 Fungsi

Dalam melaksanakan tugas sebagaimana dimaksud, BPS menyelenggarakan fungsi:

1. Pengkajian, penyusunan, dan perumusan kebijakan dibidang statistik. 2. Pengkoordinasian kegiatan statistik nasional dan regional.

3. Penetapan dan penyelenggara statistik dasar.

4. Pembinaan dan fasilitasi terhadap kegiatan instansi pemerintah dibidang kegiatan statistik.

5. Penyelenggaraan pembinaan dan pelayanan administrasi umum dibidang perencanaan umum, ketatausahaan, organisasi, tata laksana, kepegawaian, keuangan, kearsipan, kehumasan, hukum, perlengkapan, dan rumah tangga.

3.4.3 Kewenangan

Dalam menyelenggarakan fungsi sebagaimana dimaksud, BPS mempunyai kewenangan:

2. Perumusan kebijakan dibidangnya untuk mendukung pembangunan secara makro

3. Penetapan sistem informasi dibidangnya

4. Penetapan dan penyelenggaraan statistik nasional

5. Kewenangan lain sesuai dengan ketentuan peraturan perundang-undangan yang berlaku, yaitu:

1. Perumusan dan pelaksanaan kebijakan tertentu dibidang kegiatan statistik

2. Penyusunan pedoman penyelenggaraan survei statistik sektoral

3.5 Landasan Hukum

1. Undang-Undang Nomor 16 Tahun 1997 tentang Statistik menjamin kepastian hukum bagi penyelenggara dan pengguna satistik baik pemerintah maupun masyarakat. Dengan adanya Undang-Undang Statistik ini maka kepentingan masyarakat pengguna statistik akan terjamin terutama atas nilai informasi yang diperolehnya.

2. Peraturan Pemerintah Republik Indonesia Nomor 51 Tahun 1999 tentang Penyelenggaraan Statistik yang mengamanatkan bahwa BPS berkewajiban menyelenggarakan kegiatan statistik dasar.

3. Keputusan Presiden Republik Indonesia Nomor 103 Tahun 2001 tentang Kedudukan, Tugas, Fungsi, Kewenangan, Susunan Organisasi, dan Tata Kerja Lembaga Pemerintah Non Departemen yang menetapkan kedudukan BPS sebagai lembaga pemerintah non departemen yang mempunyai tugas menyelenggarakan kegiatan statistik dasar.

4. Keputusan Kepala Badan Pusat Statistik Nomor 121 Tahun 2001 tentang Organisasi dan Tata Kerja Perwakilan Badan Pusat Statistik di Daerah.

3.6 Struktur Organisasi

Bentuk struktur organisasi yang diterapkan Kantor Badan Pusat Statistik Provinsi Sumatera Utara adalah : Struktur Organisasi Garis (line) dan staf. Wewenang mengenai tugas dan tanggung jawab perusahaan dipegang sepenuhnya oleh pejabat pimpinan (Kepala Kantor). Selanjutnya mengenai urusan-urusan dalam fungsi organisasi atau perusahaan, pimpinan berwenang kepada pejabat staf (Kepala Bagian) yang memberikan bahan masukan kepada pimpinan dalam pengambilan keputusan dan tidak berwenang memberikan perintah kepada pegawai yang ada dalam organisasi walaupun seorang pegawai termasuk kedalam satuan organisasi yang dipimpin oleh seorang pejabat lain.

BAB 4

PENGOLAHAN DATA

4.1 Data dan Pembahasan

Data merupakan alat untuk mengambil suatu keputusan atau untuk memecahkan suatu persoalan. Keputusan yang baik dapat dihasilkan jika pengambilan keputusan tersebut didasarkan atas data yang baik. Salah satu kegunaan dari data adalah untuk memperoleh dan mengetahui gambaran tentang suatu keadaan atau permasalahan.

Untuk membahas dan memecahkan masalah tentang pengaruh retribusi daerah dan impor sektor industri terhadap penerimaan pemerintah Propinsi Sumatera Utara seperti yang diuraikan sebelumnya, penulis mengumpulkan data yang berhubungan dengan permasalahan tersebut. Data yang dikumpulkan adalah data setelah era reformasi mengenai retribusi daerah, impor sektor industri dan penerimaan Pemerintah Sumatera Utara dari tahun 2001-2012.

Tabel 4.1 Data Retribusi Daerah, Impor Sektor Industri dan Penerimaan Pemerintah Propinsi Sumatera Utara Tahun 2001-2012

Tahun Penerimaan Pemerintah (Rp)

Retribusi Daerah (Rp)

Impor Sektor Industri (Ton)

2001 1.066.803.843 15.448.298 2.091.126

2002 1.179.912.701 7.127.396 2.151.741

2003 1.571.972.617 16.928.483 1.732.586

2004 1.882.698.582 23.756.055 2.297.180

2005 1.742.474.554 19.101.900 3.279.565

2006 2.517.402.983 11.714.728 3.742.273

2007 2.975.150.652 13.611.811 4.105.259

2008 3.620.112.147 29.409.174 5.295.049

2009 3.823.149.652 29.456.736 4.572.378

2010 4.232.169.601 35.813.385 5.424.706

2011 5.363.366.624 31.297.594 5.606.821

2012 7.922.705.446 33.494.628 5.798.142

Sumber : Badan Pusat Statistik Propinsi Sumatera Utara

Dari tabel di atas dapat dilihat bahwa ada sebuah variabel dependen dan dua buah variabel independen yang mempunyai nilai cukup besar dengan satuan Rupiah dan Ton. Penulis menyederhanakan nilai-nilai trersebut ke dalam bentuk satuan yang lebih sederhana seperti tabel berikut:

Tabel 4.2 Data Yang Telah Disederhanakan

Tahun Penerimaan Pemerintah (Rp)

Retribusi Daerah (Rp)

Impor Sektor Industri (Ton)

2001 1.066,804 15,448 2,091

2002 1.179,913 7,127 2,152

2003 1.571,973 16,928 1,733

2004 1.882,700 23,756 2,297

2005 1.742,475 19,102 3,280

2006 2.517,403 11,715 3,742

2007 2.975,151 13,612 4,105

2008 3.620,112 29,409 5,295

2009 3.823,150 29,457 4,572

2010 4.232,170 35,813 5,425

2011 5.363,367 31,298 5,607

Keterangan:

Penerimaan Pemerintah (Rupiah) = �

Retribusi daerah (Rupiah) = �₁

Impor Sektor Industri (Ton) = �₂

4.2 Persamaan Regresi Linier Berganda

Untuk mencari persamaan regresi linier berganda, terlebih dahulu dihitung koefisien-koefisien regresinya dengan mencari penggandaan suatu variabel dengan variabel lainnya. Dengan koefisien-koefisien yang didapat dari perhitungan-perhitungan yang ada, maka dapat ditentukan untuk mencari persamaan regresi linier bergandanya. Adapun nilai-nilai koefisiennya adalah sebagai berikut:

Tabel 4.3 Nilai-Nilai Koefisien Persamaan Regresi Linier Berganda

Tahun � �₁ �₂ �₁�₂ ��₁

2001 1.066,804 15,448 2,091 32,302 16.479,988 2002 1.179,913 7,127 2,152 15,337 8.409,240 2003 1.571,973 16,928 1,733 29,336 26.610,360 2004 1.882,700 23,756 2,297 54,568 44.725,421 2005 1.742,475 19,102 3,280 62,655 33.284,757 2006 2.517,403 11,715 3,742 43,838 29.491,376 2007 2.975,151 13,612 4,105 55,877 40.497,755 2008 3.620,112 29,409 5,295 155,721 106.463,874 2009 3.823,150 29,457 4,572 134,677 112.618,530 2010 4.232,170 35,813 5,425 194,286 151.566,704 2011 5.363,367 31,298 5,607 175,488 167.862,660 2012 7.922,705 33,495 5,798 194,204 265.371,004 Total 37.897,923 267,160 46,097 1.148,288 1.003.381,667

Sambungan Tabel 4.3

Tahun ��₁ �₁2 �₂2 �2

2001 2.230,687 238,641 4,372 1.138.070,774 2002 2.539,173 50,794 4,631 1.392.194,688 2003 2.724,229 286,557 3,003 2.471.099,113 2004 4.324,562 564,348 5,276 3.544.559,290 2005 5.715,318 364,886 10,758 3.036.219,126 2006 9.420,122 137,241 14,003 6.337.317,864 2007 12.212,995 185,287 16,851 8.851.523,473 2008 19.168,493 864,889 28,037 13.105.210,890 2009 17.479,442 867,715 20,903 14.616.475,920 2010 22.959,522 1.282,571 29,431 17.911.262,910 2011 30.072,400 979,565 31,438 28.765.705,580 2012 45.935,843 1.121,915 33,617 62.769.254,520 Total 174.782,785 6.944,409 202,320 163.938.894,1

Dari tabel di atas maka diperoleh:

� = 12 ∑ ��1 = 1.003.381,669

∑ � = 37.897,923 ∑ ��2 = 174.782,785

∑ �1 = 267,160 ∑ �12 = 6.944,409

∑ �2 = 46,097 ∑ �22 = 202,320

Persamaan regresi linier bergandanya adalah:

Ŷ = �+ �₁�₁+ �₂�₂ (4.1) Nilai-nilai a, b1, b2 dapat ditentukan dengan rumus metode kuadrat terkecil (least squared) sebagai berikut:

�1 =

�∑ �22�(∑ �1 �) − (∑ �2 �) (∑ �1�2)

�∑ �12��∑ �22�− (∑ �1∑ �2)2

(4.2)

�2 =

�∑ �12�(∑ �2 �) − (∑ �1 �) (∑ �1�2)

�∑ �12��∑ �22�− (∑ �1∑ �2)2

(4.3)

�

=

∑ �−�1∑ �1−�2∑ �2

�

(4.4)

Dimana:

∑ �12 = ∑ �12–

(∑ �₁)2

� (4.5)

= 6.944,409 – (267,160) 2

12

= 996,537

∑ �22 = ∑ �22–

(∑ �₂)2

� (4.6)

= 202,320 – (46,097) 2

12

∑ �1�2 = ∑X1X2 –

(∑ �₁)(∑ �₁)

� (4.7)

= 1.148,288 – (267,160)(46,097)

12

= 122,015

∑ �1� = ∑ �1� –

�∑�₁��∑��

� (4.8)

= 1.003.381,669 – (267,160)(37.897,923)

12

=

159.647,577

∑ �2� = ∑ �2� –

(∑ �₂)(∑ �)

� (4.9)

= 174.782,785 – (46,097)(37.897,923)

12

= 29.201,072

∑y2 = ∑Y2–

(∑ �)2

� (4.10)

= 163.938.894,1 – (37.897,923) 2

12

Dapat diperoleh:

�1 =

�∑ �22�(∑ �1 �) − (∑ �2 �) (∑ �1�2)

�∑ �12��∑ �22�− (∑ �1∑ �2)2

= (25,242)(159.647,577) –(29.201,072) (122,015)

(996,537)(25,242)− (122,015)²

= 446.855,339

10.266,927

= 43,523

�2 =

�∑ �12�(∑ �2 �) − (∑ �1 �) (∑ �1�2)

�∑ �12��∑ �22�− (∑ �1∑ �2)2

= (996,537) (29.201,072)− (159.647,577) (122,015)

(996,537) (25,242)− (122,015)²

= 9.620.549,580

10.266,927

= 937,042

�

=

∑ �−�1∑ �1−�2∑ �2

�

=(37.897,923)−(43,523)(267,160)−(937,042)(46,097)

12

= −1.410,376

Dengan demikian, diperoleh persamaan regresi linier berganda atas �₂ dan

Ŷ = �+ �1�1+ �2�2 (4.11) = −1410,376 + 43,523�₁ + 937,042�₂

Dengan menggunakan SPSS perhitungan selanjutnya dapat dilihat dilampiran 1.

4.3 Analisis Residu

Dengan didapat persamaan regresi linier bergandanya, maka untuk mengetahui seberapa besar diperkirakan penyimpangan tingkat penerimaan pemerintah Propinsi Sumatera Utara, maka dapat dihitung dengan mencari koefisien-koefisien dari analisis residunya pada tabel 4.4 sebagai berikut:

Tabel 4.4 Penyimpangan Nilai Koefisien

Tahun � Ŷ � − Ŷ (� − Ŷ)2

2001 1.066,804 1.221,322 -154,518 23.875,851 2002 1.179,913 916,327 263,586 69.477,682 2003 1.571,973 950,275 621,698 386.508,242 2004 1.882,700 1.775,942 106,758 11.397,300 2005 1.742,475 2.494,498 -752,023 565.538,752 2006 2.517,403 2.605,907 -88,504 7.832,977 2007 2.975,151 3.028,616 -53,465 2.858,558 2008 3.620,112 4.831,229 -1.211,117 1.466.805,107 2009 3.823,150 4.155,837 -332,687 110.680,663 2010 4.232,170 5.231,766 -999,596 999.192,261 2011 5.363,367 5.205,801 157,566 24.826,935 2012 7.922,705 5.480,396 2.442,308 5.964.871,293 Total 37.897,923 37.897,918 0,005 9.633.865,621

Sehingga kesalahan bakunya dapat dihitung dengan menggunakan rumus:

��.12 =

�

∑(�_�−Ŷ) 2

�−�−1 (4.12)

Dengan:

∑((�_�− Ŷ)2 = 9.633.865,621 � = 12

� = 2

Diperoleh:

��.12 =

�

∑(�_�−Ŷ) 2

�−�−1

=

�

9.633.865,621

12−2−1

=�1.070.429,513 = 1034,615

Dengan penyimpangan nilai yang didapat, ini berarti bahwa rata-rata tingkat penerimaan pemerintah Propinsi Sumateta Utara yang sebenarnya akan menyinpang dari rata-rata tingkat penerimaan pemerintah yang diperkirakan adalah sebesar 1034,615 (perhitungan selanjutnya dapat dilihat pada lampiran 1).

4.4 Koefisien Determinasi

Untuk menganalisis dan mengetahui seberapa besar pengaruh retribusi daerah dan impor sektor industri terhadap penerimaan Propinsi Sunatera Utara, maka dapat dilakukan perhitungan sebagai berikut:

�2₌ �����

∑ �2 (4.13)

Dengan:

����� =�1∑ �1�+�2∑ �2� (4.14)

= (43,523)(159.647,577) + (937,042)(29.201,072)

= 6.948.341,494 + 27.362.630,91

= 34.310.972,4

∑ �2 _{= 44.251.180,120} Sehingga diperoleh:

�2

₌

34.310.972,4

44.251.180,120

�2 _{= 0,78}

� = √0,78 � = 0,88

Dari hasil perhitungan diperoleh koefisien determinasi (�2) sebesar 0,78 berarti sekitar 78% tingkat penerimaan pemerintah Sumatera Sumatera Utara dipengaruhi oleh retribusi daerah dan impor sektor industri.

Dengan mencari akar dari koefisien determinasi, maka didapat koefisien korelasinya (�) sebesar 0,88 (perhitungan dapat dilihat pada output SPSS di lampiran 1).

4.5 Koefisien Korelasi

Untuk mengukur besar pengaruh variabel terikat (dependen) terhadap variabel bebas (independen), dapat dilihat dari besarnya koefisien korelasinya, yaitu:

1. Koefisien korelasi antara � (penerimaan pemerintah) dengan �₁ (retribusi daerah).

���1 =

�Σ��1− (Σ�)(Σ�1)

�(�Σ�2− (Σ�)²) ��Σ�₁2− (Σ�₁)²�

(4.15)

= (12)(1.003.381,669)− (37.897,923)(267,160)

�(12 � 163.938.894,1− (37.897,923)²) �12 � 6.944,409 – (267,160)²�

= (12.040.580,03)− (10.124.809,11)

�(1.967.266,729−1.436.252,568)(83.332,908−71.374,466)

= 1.915.770,919

�(531.014.161,5)(11.958,442)

=

1.915.770,919

2.519.940,925

Nilai yang positif menandakan hubungan yang searah antara� (penerimaan pemerintah) dengan �₁ (retribusi daerah), artinya jika semakin meningkat retribusi daerah maka akan meningkat pula penerimaan pemerintah dan sebaliknya, jika semakin menurun retribusi daerah maka akan semakin menurun juga penerimaan pemerintah dengan hubungan antara � dan �₁ tergolong kuat dengan nilai r yang tinggi sebesar 0.76.

2. Koefisien korelasi antara � (penerimaan pemerintah) dengan �₂(impor sektor industri).

���2 =

�Σ��2− (Σ�)(Σ�2)

�(�Σ�2_{− (Σ�)²) ��Σ�}

22− (Σ�2)²�

(4.16)

= (12)(174.782,785)− (37.897,923)(46,097)

�(12 � 163.938.894,1− (37.897,923)²) �12 � 202,320 – (46,097)²�

= (2.097.393,420)− (1.746.980,557)

�(1.967.266,729−1.436.252,568)(2.427,84−2.124,933)

= 350.412,864

�(531.014.161,5)(302,906)

=350.412,864 401.058,212

=0,874

Nilai yang positif menandakan hubungan yang searah antara � (penerimaan pemerintah) dengan �₂ (impor sektor industri), artinya jika semakin tinggi impor sektor industri maka akan semakin meningkat pula penerimaan

pemerintah Propinsi Sumatera Utara dan sebaliknya jika tingkat impor sektor industri menurun maka penerimaan pemerintah akan menurun juga dengan korelasi yang tergolong sedikit rendah dengan nilai r sebesar 0,874.

4.6 Uji Regresi Linier Berganda

Pengujian hipotesis bagi koefisien-koefisien regresi linier berganda dapat dilakukan secara serentak atau keseluruhan. Pengujian regresi linier perlu dilakukan untuk mengetahui apakah retribusi daerah dan impor sektor industri memiliki pengaruh terhadap penerimaan Propinsi Sumatera Utara.

Langkah-langkah pengujiannya adalah sebagai berikut:

1. Menentukan formulasi hipotesis

�0 : �1 = �2 = 0

Artinya �₁ (retribusi daerah) dan �₂ (impor) tidak mempengaruhi tingkat penerimaan pemerintah Propinsi Sumatera Utara.

�1: �1≠�2≠ 0

Artinya minimal ada parameter koefisien regresi yang tidak sama dengan nol atau mempunyai pengaruh terhadap tingkat penerimaan pemerintah Propinsi Sumatera Utara.

2. Menentukan taraf nyata α dengan nilai Ftabel dengan derajat kebebasan �₁ = � dan �₂ = � − � −1

dengan:

� = 0,05 �

�2 = � − � −1 = 12−2−1 = 9 Maka diperoleh �_{�����} sebesar 4,26. 3. Menentukan kriteria pengujian

�0 diterima jika �ℎ����� ≤������

�0ditolak jika�ℎ����� > ������ 4. Menentukan nilai statistik

� =

�� ��� � �� ���

(� −�− 1)

(4.17)

Dengan:

����� = jumlah kuadrat regresi

����� = jumlah kuadrat residu (sisa)

(� − � −1) = derajat kebebasan

����� = �1∑ �1�+�2∑ �2�

=(43,523)(159.647,577) + (937,042)(29.201,072)

=6.948.341,494 + 27.362.630,91

=34.310.972,4

Maka diperoleh:

�=

�� ��� � �� ���

(� −�− 1)

=

34.310 .972 ,4 2 9.633 .865 ,621

(12−2−1)

=

17.155.486,2 1.070.429,513

= 16,026

Dapat dilihat nilai hitung �_{ℎ�����} = 16,026 >�_{�����} = 4,26. Artinya �₀ ditolak. Hal ini menunjukkan bahwa minimal ada parameter koefisien regresi yang tidak sama dengan nol atau retribusi daerah dan impor sektor industri mempunyai pengaruh terhadap penerimaan pemerintah Propinsi Sumatera Utara (perhitungan dapat diperoleh dengan menggunakan SPSS dengan output pada lampiran 1).

4.7 Uji Koefisien Linier Regresi Berganda

Keberartian adanya variabel-variabel bebas dalam regresi linier berganda perlu diuji untuk menunjukkan seberapa besar pengaruh yang diberikan pada variabel tak bebas. Dan cara yang tepat untuk mengujinya adalah dengan menggunakan uji statistik t (student).

Koefisien korelasi antara retribusi daerah (�₁) dengan impor sektor industri (�₂).

�12 =

�Σ�1�2− (Σ�1)(Σ�2)

���Σ�12− (Σ�1)²���Σ�22− (Σ�1)²�

�12 =

(12)(1.148,288)− (267,160)(46,097)

�(12 � 6.944,409)− (267,160)²)(12 � 202,320 )− (46,097)²)

�12 =

13.779,456 – 12.315,275

�(83.332,908− 71.374,466)(2.427,84− 2.124,933)

�12 =

1464 ,181

�(11.958,442) (302,907)

�12 =

1464 ,181 1.903,232 �12 = 0,76 �₁₂2 = 0,591361

��2.12 = (1.034,615)2 = 1.070.428,198 (nilai tersebut didapat dari rumus 4.12)

∑�12j = (∑�1.�– ��1)2 \ = 996,537

∑�22j = (∑�2.�– ��2)2 = 25,244

Nilai diatas diperoleh dari tabel 4.5 berikut:

Tabel 4.5 Perhitungan Jumlah Kuadrat

Tahun �₁ �₂ �_1� – ��₁ �_2�– ��₁ (�_1� – ��₁)2 ₍�

1� –��2)2

2001 15,448 2,091 -6,815 -1,75 46,444 3,063

2002 7,127 2,152 -15,136 -1,689 229,098 2,853

2003 16,928 1,733 -5,335 -2,108 28,462 4,444

2004 23,756 2,297 1,493 -1,544 2,229 2,384

2005 19,102 3,280 -3,161 -0,561 9,992 0,315

2006 11,715 3,742 -10,548 -0,099 111,260 0,010

2007 13,612 4,105 -8,651 0,264 74,840 0,070

2008 29,409 5,295 7,146 1,454 51,065 2,114

2009 29,457 4,572 7,194 0,731 51,754 0,534

2010 35,813 5,425 13,55 1,584 183,603 2,509

2011 31,298 5,607 9,035 1,766 81,631 3,119

2012 33,495 5,798 11,232 1,957 126,158 3,830

Maka diperoleh:

��1 =

�

�_�2.12

�∑�12��(1−�122 )

=

�

1.070.428,198

(966,537)(1−0,591361 )

=

�

1.070.428,198 407,224

=�2.628,598 = 51,270

��2 =

�

�_�2.12

�∑�22��(1−�122 )

=

�

1.070.428,198

(25,244)(1−0,591361 )

=

�

1.070.428,198

10,316

= _√103.763,881 = 322,124

�1 = �1

�_�1

=

43,523

51,270

=

0,848

�2 = �2

��2

=

937,042

322,124

=

2,907

dari tabel distribusi t dengan dk = �₂ = � − � −1 = 9 dan α = 0,05 maka dapat dilihat bahwa �_{�����} = 2,262

maka dari perhitungan thitung diatas diperoleh:

�1 < ������ maka �0 diterima

�2 > ������ maka �0 ditolak

Dari kedua koefisien tersebut menunjukkan bahwa variabel �₁(retribusi daerah) tidak memiliki pengaruh yang berarti atau signifikan terrhadap persamaan rergresi yang ditentukan, sedangkan variabel �₂ (impor sektor industri) memiliki pengaruh yang berarti atau signifikan terhadap � (penerimaan pemerintah). Perhitungan ini dapat dilihat dengan menggunakan SPSS pada lampiran 1.

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

Implementasi sistem merupakan prosedur yang dilakukan untuk menyelesaikan desain sistem yang ada dalam desain yang disetujui, menginstal dan memulai sistem baru atau sistem yang diperbaiki.

Tahapan implementasi sistem merupakan tahapan-tahapan penerapan hasil desain tertulis ke dalam programming. Dalam pengolahan data dalam hal ini menggunakan software SPSS 19.0 for windows sebagai implementasi sistem dalam memperoleh hasil perhitungan.

5.2 SPSS dalam Statistika

SPSS (Statistic Package for Service Solution) merupakan salah satu paket program komputer yang digunakan dalam mengolah data statistik. SPSS merupakan software yang paling populer, dan banyak digunakan sebagai alat bantu dalam berbagai riset. SPSS pertama kali diperkenalkan oleh tiga mahasiswa Standford University pada tahun 1968. SPSS sebelumnya dirancang untuk pengolahan data statistik pada ilmu-ilmu sosial, sehingga SPSS merupakan singkatan dari Statistical Package for the social sciences. Namun, dalam perkembangan selanjutnya penggunaan SPSS diperluas untuk berbagai jenis user, sehingga SPSS yang sebelumnya disingkat dari Statistical Package for the social

sciences berubah menjadi Statistical Product and Service Solution. Penggunaan SPSS dimaksudkan untuk melakukan analisis dengan praktis, cepat dan akurat.

5.3 Mengaktifkan SPSS

Harus dipastikan terlebih dahulu bahwa SPSS telah terinstal pada komputer. Jika pada menu pilihan windows sudah tersedia SPSS, maka SPSS dapat dibuka dengan cara memilih menu start kemudian klik SPSS 19.0, seperti gambar berikut.

5.4 Mengoperasikan SPSS

Setelah mengklik pilihan SPSS Statistics 19.0, maka akan muncul tampilan jendela seperti gambar 5.2 berikut:

Gambar 5.2 Tampilan Jendela Awal SPSS

5.5 Input Variabel (Variable View₎

Setelah jendela Variabel View terbuka, maka lakukan pengisian variabel-variabel yang akan dianalisis seperti berikut:

a. Name : digunakan untuk memberikan nama variabel b. Tipe : digunakan untuk menentukan tipe data c. Width : digunakan untuk menentukan lebar kolom d. Decimals : digunakan untuk memberikan nilai desimal e. Label : digunakan untuk memberi nama label

f. Value : digunakan untuk menjelaskan nilai data pada kolom g. Missing : digunakan untuk menentukan data yang hilang h. Columns : digunakan untuk menentukan lebar kolom

i. Align : digunakan untuk menentukan rata kanan, kiri, atau tengah j. Measure : digunakan untuk menentukan tipe data atau ukuran data,

nominal, ordinal atau skala

Gambar 5.3 Tampila Jendela Variabel View

5.6 Input Data (Data View₎

Setelah selesai mengisi Variabel View, klik pilihan Data View dan masukkan data berdasarkan jenis variabel yang telah didefinisikan terlebih dahulu pada Variabel View.

5.7 Pengolahan Data dengan Analisis Regresi

Pada layar kerja Data View, klik Analyze yang terdapat pada menu kemudian pilih regression dan klik Linier, seperti pada gambar 5.5 berikut:

Gambar 5.5 Tampilan Pengolahan Data Dengan Regresi Linear

Kemudian dilanjutkan untuk melengkapi jendela-jendela Linier Regression. Pada kotak dependen isikan variabel � (Penerimaan Pemerintah) sedangkan pada kotak independen isikan dengan variabel �₁ (Retribusi Daerah) dan �₂ (Impor sektor Industri). Pilih Methode: Enter, seperti pada gambar berikut:

Gambar 5.6 Tampilan Jendela Regresi Linear

Kemudian klik Statistics dan pilih Estimates, Durbin Watson, Descriptive, dan Collinierity Diagnostics, lalu klik continue, seperti pada gambar 5.7 berikut ini:

Gambar 5.7 Tampilan Jendela Statistik Regresi Linear

Kemudian dilanjutkan dengan memilih plots, maka pada layar akan tampak tampilan Windows Linier Regression: Plots. Masukkan variabel SDRESID pada kotak pilihan �, dan masukkan variabel ZPRED pada kotak pilihan �.

Pada kolom Standarized Residual Plots pilih Hitogram dan Normal Probability Plots. Pilih Continue kemudian klik OK.

Gambar 5.8 Tampilan Jendela Regresi Linear Plot

Dilanjutkan klik Save dan pilih Residual Standardized dan terakhir klik OK, seperti pada gambar 5.9 dibawah ini:

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan hasil pengolahan data, maka dapat diambil kesimpulan sebagai berikut:

1. Persamaan regresi linier berganda yang diperoleh adalah: Ŷ =−1410,376 + 43,523 �₁ + 937,042 �₂. Atau dengan kata lain, Penerimaan Pemerintah =

̶

1410,376 + 43,523 Retribusi Daerah+ 937,042 Impor sektor Industri.

2. Dari hasil kajian didapat antara � (Penerimaan Pemerintah) dengan �₁ (Retribusi Daerah) memiliki korelasi yang kuat sebesar 0,76. Sedangkan korelasi antara� (Penerimaan Pemerintah) dengan �₂ (Impor Sektor Industri) juga sangat kuat sebesar 0,874.

3. Tingkat penerimaan pemerintah Propinsi Sumatera Utara dipengaruhi oleh retribusi daerah dan impor sektor industri sebesar 78%, dan 22% dipengaruhi oleh faktor lain.

4. Retribusi daerah dan impor sektor industri mempunyai pengaruh terhadap penerimaan pemerintah Propinsi Sumatera Utara.

5. Berdasarkan gambar histogram dan normal P-P Plot of Regression Standardlized Residual pada lampiran dapat juga dipastikan bahwa model regresi tersebut memenuhi asumsi normalitas.

6.2 Saran

Penulis dapat menyarankan agar metode regresi linier dapat dipakai untuk mencari pengaruh penerimaan pemerintah terhadap impor sektor industri maupun faktor-faktor lainnya.

DAFTAR PUSTAKA

Algifari.1997. Analisis Regresi, Edisi Pertama. BPFE. Yogyakarta.

Algifari. 2000. Analisis Regresi Teori, Kasus dan Solusi, Edisi Kedua. BPFE. Yogyakarta.

[BPS] Badan Pusat Statistik, Provinsi Sumatera Utara. 2013. Statistik Keuangan Pemerintah Daerah Sumatera Utara. BPS PROVSU, Medan.

Sri Adiningsih, M.Sc, Dra. 1999. Statistik. BPFE. Yogyakarta. Sudjana. 2005. Metode Statistika, Edisi Keenam. Tarsito. Bandung. Sudjana. 1996. Teknik Analisis Regresi dan Korelasi Bagi Para Peneliti.

Bandung: Tarsito.

[USU] Universitas Sumatera Utara, FMIPA. 2013. Panduan Tata Cara Penulisan Skripsi dan Tugas Akhir. FMIPA USU, Edisi Kedua, Medan

Lampiran 1

Variables Entered/Removedb

Model

Variables Entered

Variables

Removed Method 1 impor,

retribusi_daerah

. Enter

a. All requested variables entered.

b. Dependent Variable: penerimaan_pemerintah

Correlations

penerimaan_pemerintah retribusi_daerah impor Pearson Correlation penerimaan_pemerintah 1,000 ,760 ,874

retribusi_daerah ,760 1,000 ,769 Impor ,874 ,769 1,000 Sig. (1-tailed) penerimaan_pemerintah . ,002 ,000 retribusi_daerah ,002 . ,002 Impor ,000 ,002 . N penerimaan_pemerintah 12 12 12 retribusi_daerah 12 12 12

Impor 12 12 12

Model Summaryb

Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 ,88a ,78 ,734 1034,615 1,139 a. Predictors: (Constant), impor, retribusi_daerah

b. Dependent Variable: penerimaan_pemerintah

ANOVAb

Model Sum of Squares df Mean Square F Sig. 1 Regression 34310972,476 2 17310550,238 16,026 ,001a

Residual 9633865,621 9 1070428,198 Total 41944838,097 11

DAFTAR PUSTAKA

Algifari.1997. Analisis Regresi, Edisi Pertama. BPFE. Yogyakarta.

Algifari. 2000. Analisis Regresi Teori, Kasus dan Solusi, Edisi Kedua. BPFE. Yogyakarta.

[BPS] Badan Pusat Statistik, Provinsi Sumatera Utara. 2013. Statistik Keuangan Pemerintah Daerah Sumatera Utara. BPS PROVSU, Medan.

Sri Adiningsih, M.Sc, Dra. 1999. Statistik. BPFE. Yogyakarta. Sudjana. 2005. Metode Statistika, Edisi Keenam. Tarsito. Bandung. Sudjana. 1996. Teknik Analisis Regresi dan Korelasi Bagi Para Peneliti.

Bandung: Tarsito.

[USU] Universitas Sumatera Utara, FMIPA. 2013. Panduan Tata Cara Penulisan Skripsi dan Tugas Akhir. FMIPA USU, Edisi Kedua, Medan

ANOVAb

Model Sum of Squares df Mean Square F Sig. 1 Regression 34310972,476 2 17310550,238 16,026 ,001a

Residual 9633865,621 9 1070428,198 Total 41944838,097 11

a. Predictors: (Constant), impor, retribusi_daerah b. Dependent Variable: penerimaan_pemerintah

Coefficientsa Model Unstandardized Coefficients Standardized Coefficients

t Sig.

Collinearity Statistics B Std. Error Beta Tolerance VIF 1(Constant)

-1410,376

866,367 -1,678 ,128

retribusi_daerah 43,523 51,270 ,216 ,848 ,398 ,408 2,450 Impor 937,042 322,124 ,708 2,907 ,017 ,408 2,450 a. Dependent Variable: penerimaan_pemerintah

Collinearity Diagnosticsa

Model Dimension Eigenvalue Condition Index

Variance Proportions

(Constant) retribusi_daerah impor 1 1 2,887 1,000 ,01 ,01 ,01

2 ,083 5,905 ,95 ,16 ,06 3 ,031 9,716 ,03 ,83 ,93 a. Dependent Variable: penerimaan_pemerintah

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N Predicted Value 886,80743 5502,22559 3158,16025 1774,083642 12 Std. Predicted Value -1,280 1,321 ,000 1,000 12 Standard Error of Predicted

Value

321,022 633,519 508,868 96,611 12

Adjusted Predicted Value 646,18341 5634,05273 3119,99369 1810,371268 12 Residual -1224,982910 2420,479248 ,000000 935,661151 12 Std. Residual -1,184 2,340 ,000 ,905 12 Stud. Residual -1,298 2,689 ,016 1,031 12 Deleted Residual -1470,692261 3196,309814 38,166558 1217,848879 12 Stud. Deleted Residual -1,357 5,717 ,262 1,821 12 Mahal. Distance ,143 3,209 1,833 ,963 12 Cook's Distance ,000 ,773 ,099 ,219 12 Centered Leverage Value ,013 ,292 ,167 ,088 12 a. Dependent Variable: penerimaan_pemerintah

55

DAFTAR PUSTAKA

Algifari.1997. Analisis Regresi, Edisi Pertama. BPFE. Yogyakarta.

Algifari. 2000. Analisis Regresi Teori, Kasus dan Solusi, Edisi Kedua. BPFE.

Yogyakarta.

[BPS] Badan Pusat Statistik, Provinsi Sumatera Utara. 2013. Statistik Keuangan

Pemerintah Daerah Sumatera Utara. BPS PROVSU, Medan.

Sri Adiningsih, M.Sc, Dra. 1999. Statistik. BPFE. Yogyakarta.

Sudjana. 2005. Metode Statistika, Edisi Keenam. Tarsito. Bandung.

Sudjana. 1996. Teknik Analisis Regresi dan Korelasi Bagi Para Peneliti.

Bandung: Tarsito.

[USU] Universitas Sumatera Utara, FMIPA. 2013. Panduan Tata Cara Penulisan

Skripsi dan Tugas Akhir. FMIPA USU, Edisi Kedua, Medan

Lampiran 1

Variables Entered/Removedb

Model

Variables Entered

Variables

Removed Method

1 impor,

retribusi_daerah

. Enter

a. All requested variables entered.

b. Dependent Variable: penerimaan_pemerintah

Correlations

penerimaan_pemerintah retribusi_daerah impor

Pearson Correlation penerimaan_pemerintah 1,000 ,760 ,874

retribusi_daerah ,760 1,000 ,769

Impor ,874 ,769 1,000

Sig. (1-tailed) penerimaan_pemerintah . ,002 ,000

retribusi_daerah ,002 . ,002

Impor ,000 ,002 .

N penerimaan_pemerintah 12 12 12

retribusi_daerah 12 12 12

Impor 12 12 12

Model Summaryb

Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson

1 ,88a ,78 ,734 1034,615 1,139

a. Predictors: (Constant), impor, retribusi_daerah b. Dependent Variable: penerimaan_pemerintah

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 34310972,476 2 17310550,238 16,026 ,001a

Residual 9633865,621 9 1070428,198

55

DAFTAR PUSTAKA

Algifari.1997. Analisis Regresi, Edisi Pertama. BPFE. Yogyakarta.

Algifari. 2000. Analisis Regresi Teori, Kasus dan Solusi, Edisi Kedua. BPFE.

Yogyakarta.

[BPS] Badan Pusat Statistik, Provinsi Sumatera Utara. 2013. Statistik Keuangan

Pemerintah Daerah Sumatera Utara. BPS PROVSU, Medan.

Sri Adiningsih, M.Sc, Dra. 1999. Statistik. BPFE. Yogyakarta.

Sudjana. 2005. Metode Statistika, Edisi Keenam. Tarsito. Bandung.

Sudjana. 1996. Teknik Analisis Regresi dan Korelasi Bagi Para Peneliti.

Bandung: Tarsito.

[USU] Universitas Sumatera Utara, FMIPA. 2013. Panduan Tata Cara Penulisan

Skripsi dan Tugas Akhir. FMIPA USU, Edisi Kedua, Medan

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 34310972,476 2 17310550,238 16,026 ,001a

Residual 9633865,621 9 1070428,198

Total 41944838,097 11

a. Predictors: (Constant), impor, retribusi_daerah b. Dependent Variable: penerimaan_pemerintah

Coefficientsa Model Unstandardized Coefficients Standardized Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1(Constant)

-1410,376

866,367 -1,678 ,128

retribusi_daerah 43,523 51,270 ,216 ,848 ,398 ,408 2,450

Impor 937,042 322,124 ,708 2,907 ,017 ,408 2,450

a. Dependent Variable: penerimaan_pemerintah

Collinearity Diagnosticsa

Model Dimension Eigenvalue Condition Index

Variance Proportions

(Constant) retribusi_daerah impor

1 1 2,887 1,000 ,01 ,01 ,01

2 ,083 5,905 ,95 ,16 ,06

3 ,031 9,716 ,03 ,83 ,93

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 886,80743 5502,22559 3158,16025 1774,083642 12

Std. Predicted Value -1,280 1,321 ,000 1,000 12

Standard Error of Predicted Value

321,022 633,519 508,868 96,611 12

Adjusted Predicted Value 646,18341 5634,05273 3119,99369 1810,371268 12

Residual -1224,982910 2420,479248 ,000000 935,661151 12

Std. Residual -1,184 2,340 ,000 ,905 12

Stud. Residual -1,298 2,689 ,016 1,031 12

Deleted Residual -1470,692261 3196,309814 38,166558 1217,848879 12

Stud. Deleted Residual -1,357 5,717 ,262 1,821 12

Mahal. Distance ,143 3,209 1,833 ,963 12

Cook's Distance ,000 ,773 ,099 ,219 12

Centered Leverage Value ,013 ,292 ,167 ,088 12