METODOLOGI PENELITIAN

3.2. Operasionalisasi Variabel

Menurut Sekaran (2006:115) variabel adalah segala sesuatu yang dapat membedakan atau membawa variasi pada nilai. Nilai dapat berbeda pada berbagai waktu untuk objek atau orang yang sama, atau pada waktu yang sama untuk objek atau orang yang berbeda.

Dalam penelitian ini terdapat 3 (tiga) variabel yang hendak diketahui hubungannya, yaitu: 2 (dua) variabel bebas dan 1 (satu) variabel terikat. Variabel terikat dan bebas dalam penelitian ini adalah sebagai berikut:

1. Variabel pertumbuhan ekonomi (X 1 ) yang diukur dalam persentase (%).

2. Variabel tingkat inflasi (X 2 ) yang diukur dalam persentase (%).

3. Variabel realisasi penerimaan PPN dan PPnBM (Y) diukur dalam jumlah rupiah.

Dalam pembahasan yang akan disampaikan pada bab selanjutnya, peneliti mendefinisikan variabel-variabel penelitian sebagai berikut:

1. Pertumbuhan Ekonomi adalah proses kenaikan output per kapita yang terjadi di suatu negara dari satu tahun ke tahun lainnya dalam jangka panjang.

2. Inflasi adalah suatu kondisi, ketika tingkat harga (agregat) meningkat secara terus menerus, dan mempengaruhi individu, dunia usaha dan pemerintah yang berarti juga penurunan nilai uang.

3. Realisasi Penerimaan PPN dan PPnBM adalah jumlah penerimaan PPN dan PPnBM yang direalisasikan oleh Direktorat Jenderal Pajak yang merupakan salah satu unsur penerimaan negara dalam Anggaran Pendapatan dan Belanja Negara (APBN).

3.3. Populasi dan Sampel Populasi adalah keseluruhan kelompok orang, kejadian, atau hal minat yang

ingin diteliti (Sekaran 2006:121). Sementara itu, Sugiyono (2008:115) mendefinisikan populasi sebagai: “wilayah generalisasi yang terdiri atas obyek atau subyek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya”. Jadi dapat disimpulkan bahwa populasi bukan hanya orang, tetapi juga kejadian, obyek, dan benda-benda alam yang lain yang ditetapkan oleh peneliti untuk dipelajari dan ditarik kesimpulannya.

Populasi dalam penelitian ini adalah Nota Keuangan dan Undang-Undang Pelaksanan Anggaran Pendapatan dan Belanja Negara . Penelitian ini akan menggunakan kategori data faktual yang bersumber dari data sekunder. Unit analisis data yang digunakan bersifat individu. Metode pemilihan data penelitian yang digunakan adalah metode sampel tahun 2003 sampai dengan tahun 2012.

J. Supranto menjelaskan bahwa dalam suatu penelitian, peneliti dapat meneliti seluruh elemen populasi yang disebut sensus, atau meneliti sebagian dari elemen-elemen populasi yang disebut sampel. Besarnya sampel biasanya dinyatakan dengan simbol ‘n’.

Karena adanya keterbatasan waktu dalam penelitian ini, maka untuk mengukur keterkaitan antara persentase pertumbuhan ekonomi dan tingkat inflasi tahunan terhadap realisasi penerimaan PPN dan PPnBM digunakan metode sampling.

3.4. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang

diperoleh dari publikasi resmi situs Kementerian Keuangan. Oleh karena data yang digunakan dalam penelitian ini merupakan data sekunder yang dipublikasikan oleh institusi yang kompeten, maka seluruh data sekunder yang diperoleh penulis adalah signifikan dan memenuhi syarat untuk dikaji lebih lanjut.

3.5. Metode Pengumpulan Data Penelitian ini menggunakan kategori data faktual yang bersumber dari

data sekunder. Data sekunder adalah data yang diperoleh melalui data yang diteliti atau dikumpulkan oleh pihak lain yang berkaitan dengan permasalahan dalam penelitian ini. Data dalam penelitian ini diperoleh dari publikasi resmi Kementerian Keuangan Republik Indonesia.

Peneliti juga menggunakan statistik parametris dalam pengolahan data yang bersifat korelasional dengan program aplikasi Statistical Package for the Social Science 17 (SPSS 17).

3.6. Pengujian Asumsi-Asumsi Model Regresi Model regresi linear berganda dapat disebut sebagai model yang baik jika model tersebut terbebas dari asumsi-asumsi klasik statistik. Oleh karena itu, sebelum peneliti dapat melakukan pengujian hipotesis, ada empat uji asumsi klasik yang harus dipenuhi sebelum analisis regresi linear berganda dapat dilakukan, yaitu: uji multikolinearitas, uji heteroskedastisitas, uji autokorelasi, dan

uji normalitas data.

A. Uji Multikolinearitas. Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi yang tinggi atau sempurna antar variabel independen (Ghozali 2009:25). Jika antar variabel independen terjadi multikolinearitas sempurna, maka koefisien regresi variabel independen tidak dapat ditentukan dan nilai standard error menjadi tidak terhingga. Prasyarat yang harus dipenuhi adalah tidak adanya multikolinearitas atau secara singkatnya antar variabel independen tidak boleh saling berkorelasi.

Penelitian ini melakukan uji multikolinearitas dengan melihat nilai tolerance dan variance inflation factor (VIF). Menurut Ghozali (2009:28) nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah tolerance < 0,10 atau sama dengan VIF > 10.

B. Uji Heteroskedastisitas. Menurut Ghozali (2009:36) uji heteroskedastisitas digunakan untuk mengetahui adanya ketidaksamaan variance dari residual untuk semua pengamatan pada model regresi. Prasyarat yang harus terpenuhi dalam model regresi adalah tidak adanya gejala heteroskedastisitas.

Penelitian ini menggunakan metode grafik untuk mendeteksi ada tidaknya heteroskedastisitas. Metode ini dilakukan dengan melihat grafik plot antara nilai prediksi variabel dependen yaitu ZPRED dengan residualnya SRESID. Apabila

grafik scatterplot antara SRESID dan ZPRED tidak membentuk suatu pola tertentu maka dapat disimpulkan tidak ada problem heteroskedastisitas pada

residual .

C. Uji Autokorelasi. Pengujian autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linear terdapat korelasi antar kesalahan pengganggu ( residual ) pada periode t dengan kesalahan pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Masalah ini timbul karena kesalahan pengganggu ( residual ) tidak bebas dari satu observasi ke observasi lainnya. Model regresi yang baik adalah regresi yang bebas dari problem autokorelasi. (Ghozali 2009:79).

Penelitian ini menggunakan uji run test untuk mendeteksi ada tidaknya problem autokorelasi. Uji run test dipergunakan untuk melihat apakah data residual bersifat acak atau tidak. Bila data residual bersifat tidak acak, berarti terjadi masalah autokorelasi. Residual regresi diolah dengan uji run test ,

kemudian dibandingkan dengan tingkat signifikasi (α) yang dipergunakan. Apabila nilai hasil uji run test lebih besar dari pada tingkat si gnifiknasi (α), maka tidak terdapat masalah autokorelasi pada data yang diuji.

D. Uji Normalitas Data. Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Hal ini penting untuk diketahui, karena uji F yang dilakukan dalam analisis regresi linear berganda mengasumsikan nilai residual mengikuti distribusi normal. Jika asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Ada dua cara untuk mendeteksi apakah residual memiliki distribusi normal atau tidak,

yaitu dengan analisis grafik dan uji statistik. Analisis grafik dilakukan dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari data sesungguhnya dengan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal dan ploting data akan dibandingkan dengan garis diagonal. Jika distribusi data adalah normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. (Ghozali 2009:107). Selain itu, penelitian ini juga menggunakan uji statistik Kolmogorov-Smirnov (KS) untuk menguji normalitas residual dengan bantuan software SPSS versi 17.

3.7. Metode Analisis Data Dalam rangka pembuktian hipotesis penelitian, maka peneliti akan melakukan beberapa pengujian atau analisis data. Pengujian-pengujian tersebut antara lain:

A. Statistik Deskriptif. Statistik deskriptif adalah metode statistik yang digunakan untuk

menggambarkan data yang telah dikumpulkan. Jadi dengan statistik deskriptif ini informasi-informasi sederhana dapat diketahui, seperti nilai tertinggi dan terendah dari suatu variabel. Selanjutnya dapat diketahui juga nilai mean (rata-rata) yang ada pada tiap-tiap variabel dan standar deviasi yang menjelaskan batas rata-rata sampel terhadap rata-rata populasi. (Priyatno 2009:50).

Penelitian ini menggunakan statistik deskriptif untuk memberikan gambaran mengenai variabel-variabel penelitian, yaitu pertumbuhan ekonomi, inflasi dan realisasi penerimaan PPN dan PPnBM. Variabel-variabel penelitian tersebut

disajikan dalam tabel statistik deskriptif yang menunjukkan mean (rata - rata) dan standar deviasi.

B. Analisis Regresi Linear Berganda. Menurut Ghozali (2009:13) analisis regresi linear berganda bertujuan untuk

menguji pengaruh dua atau lebih variabel independen (explanatory) terhadap satu variabel dependen. Analisis ini digunakan untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen, apakah masing-masing variabel independen berhubungan negatif atau positif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan. Peneliti menggunakan pengujian ini untuk mengetahui arah hubungan antar variabel, serta seberapa kuat hubungan tersebut jika dinyatakan dalam angka.

Di dalam analisis regresi linear berganda terdapat beberapa analisis, dimana tiap analisis memiliki kegunaannya masing-masing. Untuk pembuktian hipotesis dalam penelitian ini, analisis yang digunakan adalah sebagai berikut:

1. 2 Analisis Koefisien Determinasi (R ). Koefisien determinasi digunakan untuk mengukur seberapa jauh kemampuan

model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R 2 yang kecil berarti kemampuan variabel-

variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel

dependen. Secara umum koefisien determinasi untuk data silang (cross section) relatif rendah karena adanya variasi yang besar antara masing-masing pengamatan, sedangkan untuk data runtut waktu (time series) biasanya mempunyai koefisien determinasi yang tinggi. (Ghozali 2009:15).

2. Uji Parsial (t-test) Uji Parsial digunakan untuk mengetahui pengaruh masing-masing variabel

independen terhadap variabel dependen. (Ghozali, 2005:84). Untuk uji parsial ini tingkat signifikansi yang digunakan sebesar 5%.

3. Uji Signifikansi Simultan (Uji Statistik F) Uji F digunakan untuk mengetahui apakah semua variabel independen yang

dimasukkan dalam model mempunyai pengaruh secara bersama-sama atau simultan terhadap variabel dependen. Pengujian hipotesis ini sering disebut pengujian signifikansi keseluruhan (overall significance) terhadap garis regresi, yang ingin menguji apakah variabel dependen secara linear berhubungan dengan variabel-variabel independen. (Ghozali 2009:16).