80
Ho ditolak jika F
hitung
F
tabel
Ho diterima jika F
hitung
F
tabel
Karena F
hitung
140,338 F
tabel
2,228 maka Ho ditolak dan H
1
diterima yang berarti secara simultan bahwa Jumlah kendaraan bermotor X
1
, Kurs Rp Terhadap US X
2
, Jumlah Wajib Pajak Kendaraan Bermotor X
3
dan Jumlah Penduduk Sidoarj X
4
,berpengaruh signifikan terhadap Penerimaan Pajak sebagai variabel terikat. Ini berarti Hipotesis
yang diajukan oleh penulis telah terbukti kebenarannya.
4.5.2. Uji Hipotesis Secara Parsial
Selanjutnya untuk mengetahui adanya pengaruh secara parsial antara Variabel Jumlah kendaraan bermotor X
1
terhadap Penerimaan PajakY digunakan uji t dengan langkah – langkah sebagai berikut :
a. Ho
:
1
= 0 tidak ada pengaruh antara variabel X
1
, dengan variabel Y H
1
:
1
0 ada pengaruh antara variabel X
1
dengan variabel Y b.
2 = 0,052 = 0,025 dengan df
= n – k – 1 = 15 – 4 – 1 = 10
c. t
hitung
= 1
Se 1
= 022
, 166
, = 7,391
d. t
tabel
2 = 0,025 = 2,228
81
e. Pengujian hipotesis :
Gambar 6 : Kurva Di Stribusi Penolakan Dan Penerimaan Hipotesis Secara Parsial Untuk Variabel X
1
t
hitung
= 7,391
t
tabel
= 2,228
Daerah Penolakan Ho
Daerah Penolakan Ho
Daerah Penerimaan Ho t
tabel
= -2,228
Dari perhitungan secara parsial diperoleh t
hitung
= 7,391 sedangkan t
tabel
= 2,228 pada df = 10 dengan tingkat signifikansi sebesar 0,05. Karena t
hitung
t
tabel
maka Ho ditolak dan H
1
diterima. Sehingga secara parsial Jumlah kendaraan bermotor X
1
berpengaruh signifikan dan berhubungan positif terhadap Penerimaan Pajak Y.
Sedangkan Nilai Koefisien Determinasi Parsial r
2
untuk Jumlah kendaraan bermotor sebesar 0,919
2
= 0,8446 yang berarti dapat menunjukkan bahwa Penerimaan Pajak mampu dijelaskan oleh variabel
Jumlah kendaraan bermotor hingga 84,46. Sedangkan sisanya sebesar 15,54 dijelaskan oleh faktor lain..
Selanjutnya untuk mengetahui adanya pengaruh secara parsial antara variabel Kurs X
2
terhadap Penerimaan Pajak Y digunakan uji t dengan langkah – langkah sebagai berikut :
82
a. Ho :
2
= 0 tidak ada pengaruh antara varible X
2
dengan variabel Y H
1
:
2
0 ada pengaruh antara variabel X
2
dengan variabel Y b.
2 = 0,025 dengan df = 10
c. t
hitung
=
2 2
Se
= 0,832
1,246 = 1,498
d. t
tabel
2 = 0,025 = 2,228
e. Pengujian Hipotesis :
Gambar7: Kurva Distribusi Penolakan dan Penerimaan Hipotesis Secara Parsial Untuk Variabel X
2.
t
tabel
= 2,228
Daerah Penolakan Ho
Daerah Penolakan Ho
Daerah Penerimaan Ho t
tabel
= -2,228
t
hitung
= 1,498
Berdasarkan perhitungan secara parsial diperoleh t
hitung
=1,498 sedangkan t
tabel
= 2,228 ada df = 10 dengan tingkat signifikasi sebesar 0,05. Karena t
hitung
1,498 t
tabel
2,228, maka Ho ditolak dan H
1
diterima. Sehingga secara parsial Kurs X
2
tidak berpengaruh signifikan dan berhubungan positif terhadap Penerimaan Pajak Y.
83
Nilai Koefisien determinasi parsial r
2
parsial untuk Kurs sebesar 0,342
2
= 0,1170 yang berarti dapat menunjukkan bahwa kontribusi pengaruh variabel Kurs Rp Terhadap US dan terhadap variabel Penerimaan Pajak
sebesar 11,70. Sedangkan sisanya sebesar 88,30 dijelaskan oleh variabel lain yang tidak termasuk dalam model.
Selanjutnya untuk mengetahui adanya pengaruh secara parsial antara Variabel Jumlah wajib pajak kendaraan bermotor X
3
, terhadap Penerimaan Pajak Y digunakan uji t dengan langkah – langkah sebagai
berikut : a.
Ho :
1
= 0 tidak ada pengaruh antara variabel X
3
, dengan variabel Y H
1
:
1
0 ada pengaruh antara variabel X
3
dengan variabel Y b.
2 = 0,052 = 0,025 dengan df
= n – k – 1 = 15 – 4 – 1 = 10
c. t
hitung
=
3 3
Se
= 146
, 346
, = 2,369
d. t
tabel
2 = 0,025 = 2,228
e. Pengujian hipotesis :
Gambar 8 : Kurva Distribusi Penolakan dan Penerimaan Hipotesis Secara Parsial Untuk variabel X
3
.
t
tabel
= 2,228
Daerah Penolakan Ho
Daerah Penolakan Ho
Daerah Penerimaan Ho t
hitung
= 2,369
t
tabel
= -2,228
84
Dari perhitungan secara parsial diperoleh t
hitung
= 2,369 sedangkan t
tabel
= 2,228 pada df = 10 dengan tingkat signifikansi sebesar 0,05. Karena t
hitung
2,369 t
tabel
2,228, maka Ho ditolak dan H
1
diterima. Sehingga secara parsial Jumlah Wajib Pajak Kendaraan Bermotor berpengaruh
signifikan dan berhubungan positif terhadap Penerimaan PajakY. Sedangkan
Nilai Koefisien
Determinasi Parsial r
2
untuk Jumlah Wajib Pajak Kendaraan Bermotor sebesar 0,697
2
= 0,4858 yang berarti dapat menunjukkan bahwa Penerimaan Pajak mampu dijelaskan oleh
variabel Jumlah Wajib Pajak Kendaraan Bermotor hingga 48,58. Sedangkan sisanya sebesar 51,42 dijelaskan oleh faktor lain.
Selanjutnya untuk mengetahui adanya pengaruh secara parsial antara Variabel Jumlah penduduk X
4
, terhadap Penerimaan Pajak Y digunakan uji t dengan langkah – langkah sebagai berikut :
a. Ho
:
1
= 0 tidak ada pengaruh antara variabel X
4
, dengan variabel Y . H
1
:
1
0 ada pengaruh antara variabel X
4
dengan variabel Y . b.
2 = 0,052 = 0,025 dengan df
= n – k – 1 = 15 – 4 – 1 = 10
c. t
hitung
=
4 4
Se
= 038
, 111
, = 2,922
d. t
tabel
2 = 0,025 = 2,228
e. Pengujian hipotesis :
85
Gambar 9 : Kurva Distribusi Penolakan dan Penerimaan Hipotesis secara parsial untuk variabel X
4
.
t
tabel
= 2,228
Daerah Penolakan Ho
Daerah Penolakan Ho
Daerah Penerimaan Ho t
hitung
= 2,922
t
tabel
= -2,228
Dari perhitungan secara parsial diperoleh t
hitung
= 2,922 sedangkan t
tabel
= 2,228 pada df = 10 dengan tingkat signifikansi sebesar 0,05. Karena t
hitung
2,992 t
tabel
2,228 maka Ho ditolak dan H
1
diterima. Sehingga secara parsial Jumlah penduduk berpengaruh signifikan dan berhubungan
positif terhadap Penerimaan Pajak Y. Sedangkan
Nilai Koefisien
Determinasi Parsial r
2
untuk Jumlah penduduk sebesar 0,799
2
= 0,6384 yang berarti dapat menunjukkan bahwa Penerimaan Pajak mampu dijelaskan oleh variabel Jumlah wajib pajak
kendaraan bermotor hingga 63,84. Sedangkan sisanya sebesar 36,16 dijelaskan oleh faktor lain.
Dari keempat variabel bebas tersebut diatas, maka variabel bebas yang dominan mempengaruhi variabel Penerimaan Pajak adalah variabel
Jumlah kendaraan bermotor X
1
, karena variabel ini memiliki koefisien regresi yang distandarkan standardized coeficients sebesar 0,821 lebih
86
tinggi dibandingkan dengan koefisien regresi yang distandarkan dari dua variabel bebas lainnya
4.6. Pembahasan