TUGAS KELOMPOK STATISTIK TIRANI pca
TUGAS KELOMPOK STATISTIK
ANALISIS MULTIVARIAT
”PRINCIPAL COMPONENT ANALYSIS (pca)”
OLEH
GROUP TIRANI
TITIK SANDORA
ROSMAWATY
(087017117)
(087017115)
NONI HILWA MUIS
(087017110)
SEKOLAH PASCA SARJANA
UNIVERSITAS SUMATERA UTARA
MEDAN
2 0 10
Pendahuluan Analisis Komponen Utama.
Salah satu metode yang dapat digunakan untuk menganalisis data yang memiliki
variabel yang banyak adalah metode analisis komponen utama. Metode ini akan
digunakan untuk mengukur karakteristik faktor-faktor yang mempengaruhi pajak dan
retribusi daerah di Kabupaten Tulungagung. Variabel-variabel yang merupakan variabel
dasar yang digunakan dalam analisis ini akan diseleksi berdasarkan kelengkapan dan
kemampuan variabel dalam menjelaskan keragaman karakteristik faktor-faktor yang
mempengaruhi pajak dan retribusi daerah. Proses analisis ini akan menghasilkan
beberapa faktor utama penciri utama keragaman perkembangan faktor-faktor yang
mempengaruhi penerimaan pajak dan retribusi daerah tersebut.
Dengan menggabungkan berbagai literatur dan pengamatan serta kelengkapan dan
kemampuan variabel dalam menjelaskan keragaman karakteristik, akhirnya metode ini
akan menggunakan 7 variabel yang akan dijadikan pada analisis faktor yang
mempengaruhi pajak daerah dan 12 variabel yang dijadikan bahan analisis pada faktor
yang mempengaruhi retribusi daerah. Analisis ini menggunakan alat bantu SPSS 13.
Konsep dasar analisis komponen utama ini adalah :
1. Analisis komponen utama tidak mengkaitkan antara variabel independent dan
dependent
tapi mereduksi atau meringkas dari banyak variabel menjadi sedikit
variabel.
2. Teknik yang digunakan adalah teknik interdepensi, yakni seluruh set hubungan
yang interdependent di teliti. Prinsipnya menggunakan korelasi.
3. Analisis komponen utama menekankan adanya COMMUNALITY = jumlah varian
yang disumbangkan oleh suatu variabel pada variabel lainnya.
4. Adanya koefisien nilai komponen utama, sehingga komponen utama 1 menyerap
sebagian besar seluruh variabel, komponen utama 2 menyerap sebagian besar sisa
varian setelah diambil untuk komponen utama 1. Komponen utama 2 tidak
berkorelasi dengan komponen utama 1, sehingga jumlah variansi yang dijelaskan
adalah semua komponen utama nantinya adalah 100 persen.
Sedangkan teknik statistik untuk analisis komponen utama adalah :
1. Matrik korelasi
2. Communality : Jumlah varian yang disumbangkan oleh variabel terhadap
variabel lainnya
3. Akar ciri (Eigen value) : Jumlah varian yang dijelaskan oleh setiap komponen
utama. Hanya akar ciri > 1 yang dimasukkan dalam model.
4. Scree plot. Plot dari eigen value sebagai sumbu vertikal dan banyaknya faktor
sebagai sumbu dasar, untuk menentukan banyaknya faktor yang bias di tarik.
Jenis dan Sumber data dari Penelitian
Data yang digunakan berasal dari data sekunder dengan jenis data time series.
Data yang dikumpulkan berupa data perkembangan pendapatan daerah, pendapatan
perkapita, realisasi penerimaan Pendapatan Asli daerah, Pajak daerah, Retribusi Daerah,
Laba Perusahaan Daerah, lain-lain PAD yang sah, jumlah hotel, jumlah perusahaan,
jumlah kendaraan bermotor wajib uji, panjang jalan, jumlahpenerbitan akta sipil, jumlah
rumah sakit dan puskesmas, jumlah pasar, jumlah juru parkir, jumlah karcis terminal,
jumlah restoran, jumlah penduduk dan tingkat inflasi, jumlah rumah tangga, pendapatan
perkapita, PDRB Kabupaten Tulungagung tahun 2003 – 2007.
Masalah Penelitian yang telah direview dan terkait dengan PCA
Menganalisis komponen penerimaan keuangan daerah yang sangat berpengaruh
terhadap belanja rutin dan belanja pembangunan daerah.
Metode Analisis Komponen Utama (Principle Component Analysis)
Analisis komponen utama merupakan suatu metode analisis yang digunakan
untuk menentukan komponen-komponen utama sebagai hasil dari reduksi variabel ke
dalam suatu kelompok variabel baru. Dengan demikian analisis ini dapat menerangkan
sebanyak mungkin variansi total dalam data dengan jumlah faktor yang seminim
mungkin. Analisis komponen utama sering digunakan sebagai analisis antara maupun
analisis
akhir. Sebagai analisis
antara analisis
komponen
utama
bermanfaat
menghilangkan multikolinearitas atau untuk mereduksi variabel-variabel yang berukuran
besar ke dalam variabel baru yang berukuran sederhana. Sedangkan untuk analisis akhir
analisis komponen utama umumnya digunakan untuk mengelompokkan variabel-variabel
penting dari suatu kumpulan variabel besar untuk menduga suatu fenomena, sekaligus
memahami struktur dan melihat hubungan antar variabel. Pada dasarnya analisis
komponen utama adalah analisis yang mentransformasikan data sejumlah p ke dalam
struktur data baru sejumlah k dengan jumlah k < p. Perhitungan dengan analisis
komponen utama memerlukan beberapa pertimbangan, yang sekaligus menggambarkan
adanya kendala dan tujuan yang ingin dicapai dari analisis komponen utama. Di dalam
analisis komponen utama akan dihitung vektor pembobot yang secara matematis
ditujukan untuk memaksimumkan keragaman dari kelompok variabel baru. Hasil analisis
komponen utama antara lain nilai akar cirri (eigen value), proporsi dan kumulatif akar
ciri, nilai pembobot (eigen vector) atau sering disebut PC Loading.
Secara umum pembentukan komponen utama disusun sebagai berikut :
Y1 = a1X = a11X1+a21X2+.+ap2Xp
Y2 = a2X = a12X1+a22X2+.+ap2Xp.
Yp = apX = a1pX1+a2pX2+.+appXp
dengan keragaman masing-masing adalah
Var (Yi) = a.iΣ ai = λi.
dimana i = 1,2,.,p dan
λi = akar ciri dari komponen utama ke i dan keragaman totalnya adalah :
Var (Y) = α11+α22+.+αpp = λ1 +λ2.+ . +λp.
dimana α = simpangan baku dan
λ1 +λ2.+ . +λp adalah akar ciri dari komponen utama.
Besarnya proporsi dari keragaman total populasi yang dapat diterangkan oleh komponen
utama ke i adalah :
Proporsi =
λ1
λ1 + λ
2+...
; i = 1,2,3,.p
λp
sehingga nilai proporsi dari keragaman total yang dapat diterangkan oleh komponen
utama, kedua atau sejumlah komponen utama secara bersama-sama adalah semaksimal
mungkin dengan meminimalisasi informasi yang hilang. Dalam menginterpretasikan
hasil analisis komponen utama terdapat kriteria yang membantu menentukan berapa
banyak komponen yang diinterpretasikan. Pemilihan komponen utama digunakan jika
nilai akar cirinya lebih dari 1 (λi > 1)2, sebab jika memiliki akar ciri kurang dari satu
memberikan informasi yang lebih sedikit dibandingkan variabel asal yang distandarisasi
dengan nilai keragaman satu (Hair, dkk, 1975). Proporsi keragaman yang dianggap cukup
mewakili total keragaman data jika kumulatif mencapai 10-80 persen (Timn, 1975).
Penggunaan plot scree graph juga dapat membantu dalam menentukan berapa banyak
hasil komponen utama yang akan digunakan.
1. Analisis Komponen Utama Penerimaan Pajak kabupaten Tulungagung
Variabel-variabel yang digunakan dalam menganalisis penerimaan pajak daerah
berdasarkan kontribusi terhadap masing-masing pajak yang berlaku, yaitu variabel yang
mempunyai pengaruh secara umum terhadap variabel tak bebas. Dalam proses analisis
dilakukan seleksi variabel berdasarkan pertimbangan kelengkapan data dan kemampuan
variabel tersebut terhadap total penerimaan pajak daerah. Setelah dilakukan seleksi
ternyata terdapat 7 variabel yang terpilih yaitu jumlah hotel, jumlah restoran, jumlah
perusahaan, jumlah rumah tangga, jumlah penduduk, tingkat inflasi, pendapatan
perkapita. Seleksi variabel selanjutnya dilakukan melalui teknik analisis komponen utama
dengan mengelompokkan variabel-variabel penting untuk melakukan pendugaan,
sekaligus memahami struktur dan melihat hubungan antar variabel di wilayah studi.
Analisis komponen utama terhadap penerimaan pajak daerah di Kabupaten Tulungagung
menghasilkan dua komponen utama yang merupakan kombinasi linier dengan peubah
aslinya yang bersifat saling bebas. Komponen utama satu yang mempunyai akar ciri 4,61
mempunyai varian sebesar 65,85 persen. Artinya komponen utama satu ini mampu
menjelaskan keragaman data sebesar 65,85 persen dari keseluruhan data. Sedangkan
komponen utama dua mempunyai akar ciri 2,03 dan varian sebesar 29,04 persen, artinya
komponen utama dua ini hanya mampu menjelaskan sebesar 29,04 persen dari
keseluruhan data. Sedangkan untuk Komponen Nilai Akar Ciri komponen tiga sampai
tujuh tidak digunakan sebab akar cirinya kurang dari satu, sebab jika memiliki akar ciri
kurang dari satu memberikan informasi yang lebih sedikit dibandingkan variabel asal
yang distandarisasi dengan nilai keragaman satu (Hair, dkk, 1975). Sehingga dari analisis
komponen utama untuk penerimaan pajak mempunyai dua komponen yang mampu
menjelaskan keragaman data sebesar 94,90 persen yang merupakan nilai kumulatif akar
ciri yang disesuaikan dengan kriteria penentuan jumlah komponen utama yang dapat
digunakan.
Tabel Nilai Akar Ciri Penerimaan Pajak Kabupaten Tulungagung
Komponen
Nilai Akar Ciri
Total
(1)
(2)
Varian (%)
(3)
1
2
3
4
5
6
7
4,61
2,03
0,29
0,07
1,90E-16
-6,88E-17
-5,22E-16
65,85
29,04
4,14
0,97
2,72E-15
-9,83E-16
-7,45E-15
Kumulatif Varian (%)
(4)
65,85
94,90
99,03
100,00
100,00
100,00
100,00
Sedangkan untuk mengetahui variabel mana yang memiliki kontribusi yang tinggi
dapat dilihat pada nilai loading yang besar dengan mengabaikan tanda positif dan negatif,
sebab tanda tersebut hanya merupakan tanda korelasi yang bersifat positif atau negatif
terhadap komponen utamanya. Dalam penelitian ini menggunakan rule of thum sebesar
0,5 yang berarti bahwa variabel yang mempunyai korelasi signifikan memiliki loading
score ≥ 0,5.
Tabel : Nilai Loading pada PC1 dan PC2 Analisis Penerimaan Retribusi Daerah
Kabupaten Tulungagung
variabel
1
RT
komponen
(1)
(2)
2
0,99
3
-0,11
PDD
INF
PDKP
AKTE
PJ
KSH
PRS
PSR
KWU
JP
KC
0,98
0,35
1,00
-0,22
0,94
0,91
0,87
0,87
0,92
-0,67
-0,68
0,10
-0,80
-0,03
0,93
0,15
0,34
0,33
-0,28
0,16
0,69
-0,49
Dari hasil pengolahan dengan SPSS dapat dijelaskan sebagai berikut :
1. Pada Komponen utama 1 (Principle Component 1), dari 12 variabel yang diamati,
hanya 2 variabel yang tidak mempunyai korelasi yang Signifikan yaitu jumlah akte
dan tingkat inflasi. Dari nilai loading yang Signifikan, jumlah juru parkir dan jumlah
karcis terminal yang mempunyai korelasi negatif. Artinya semakin banyak jumlah
juru parkir atau jumlah karcis terminal, maka penerimaan retribusi akan menurun. Hal
ini perlu diperhatikan, sehingga pengawasan pengelolaan hasil retribusi oleh petugas
perlu ditingkatkan agar penyalahgunaan keuangan oleh petugas dapat diminimalkan.
Selain itu dapat juga dengan meningkatkan kesejahteraan para petugas.
2. Komponen Utama 2 (Principle Component 2) , ada sekitar 3 variabel yang
berkorelasi secara Signifikant, yaitu inflasi, jumlah akte, juru parkir. Inflasi
berbanding terbalik dengan penerimaan retribusi, artinya jika inflasi tinggi maka
penerimaan daerah dari retribusi akan menurun. Hal ini perlu diperhatikan oleh
pemerintah, agar penerimaan retribusi dapat sesuai dengan target, maka inflasi setiap
saat harus tetap di jaga kestabilannya.
Kesimpulan
Berdasarkan hasil analisis dengan analisis komponen utama terhadap penerimaan
pajak ditunjukkan bahwa penerimaan pajak daerah mempunyai dua komponen utama
yang mampu menjelaskan keragaman data sebesar 94,90 persen yang merupakan nilai
kumulatif akar ciri yang disesuaikan dengan kriteria penentuan jumlah komponen utama
yang dapat digunakan. Sedangkan penerimaan retribusi daerah di Kabupaten
Tulungagung menghasilkan 2 komponen utama yang mampu menjelaskan keragaman
data sebesar 88,86 persen yang merupakan nilai kumulatif akar ciri yang disesuaikan
dengan kriteria penentuan jumlah komponen utama yang dapat digunakan.
Dari hasil analisis komponen utama, baik untuk penerimaan pajak maupun retribusi
ada salah satu variabel yang mempunyai korelasi negatif yaitu variabel tingkat inflasi.
Sedangkan variabel-variabel lain yang diamati mempunyai hubungan yang positif.
.
ANALISIS MULTIVARIAT
”PRINCIPAL COMPONENT ANALYSIS (pca)”
OLEH
GROUP TIRANI
TITIK SANDORA
ROSMAWATY
(087017117)
(087017115)
NONI HILWA MUIS
(087017110)
SEKOLAH PASCA SARJANA
UNIVERSITAS SUMATERA UTARA
MEDAN
2 0 10
Pendahuluan Analisis Komponen Utama.
Salah satu metode yang dapat digunakan untuk menganalisis data yang memiliki
variabel yang banyak adalah metode analisis komponen utama. Metode ini akan
digunakan untuk mengukur karakteristik faktor-faktor yang mempengaruhi pajak dan
retribusi daerah di Kabupaten Tulungagung. Variabel-variabel yang merupakan variabel
dasar yang digunakan dalam analisis ini akan diseleksi berdasarkan kelengkapan dan
kemampuan variabel dalam menjelaskan keragaman karakteristik faktor-faktor yang
mempengaruhi pajak dan retribusi daerah. Proses analisis ini akan menghasilkan
beberapa faktor utama penciri utama keragaman perkembangan faktor-faktor yang
mempengaruhi penerimaan pajak dan retribusi daerah tersebut.
Dengan menggabungkan berbagai literatur dan pengamatan serta kelengkapan dan
kemampuan variabel dalam menjelaskan keragaman karakteristik, akhirnya metode ini
akan menggunakan 7 variabel yang akan dijadikan pada analisis faktor yang
mempengaruhi pajak daerah dan 12 variabel yang dijadikan bahan analisis pada faktor
yang mempengaruhi retribusi daerah. Analisis ini menggunakan alat bantu SPSS 13.
Konsep dasar analisis komponen utama ini adalah :
1. Analisis komponen utama tidak mengkaitkan antara variabel independent dan
dependent
tapi mereduksi atau meringkas dari banyak variabel menjadi sedikit
variabel.
2. Teknik yang digunakan adalah teknik interdepensi, yakni seluruh set hubungan
yang interdependent di teliti. Prinsipnya menggunakan korelasi.
3. Analisis komponen utama menekankan adanya COMMUNALITY = jumlah varian
yang disumbangkan oleh suatu variabel pada variabel lainnya.
4. Adanya koefisien nilai komponen utama, sehingga komponen utama 1 menyerap
sebagian besar seluruh variabel, komponen utama 2 menyerap sebagian besar sisa
varian setelah diambil untuk komponen utama 1. Komponen utama 2 tidak
berkorelasi dengan komponen utama 1, sehingga jumlah variansi yang dijelaskan
adalah semua komponen utama nantinya adalah 100 persen.
Sedangkan teknik statistik untuk analisis komponen utama adalah :
1. Matrik korelasi
2. Communality : Jumlah varian yang disumbangkan oleh variabel terhadap
variabel lainnya
3. Akar ciri (Eigen value) : Jumlah varian yang dijelaskan oleh setiap komponen
utama. Hanya akar ciri > 1 yang dimasukkan dalam model.
4. Scree plot. Plot dari eigen value sebagai sumbu vertikal dan banyaknya faktor
sebagai sumbu dasar, untuk menentukan banyaknya faktor yang bias di tarik.
Jenis dan Sumber data dari Penelitian
Data yang digunakan berasal dari data sekunder dengan jenis data time series.
Data yang dikumpulkan berupa data perkembangan pendapatan daerah, pendapatan
perkapita, realisasi penerimaan Pendapatan Asli daerah, Pajak daerah, Retribusi Daerah,
Laba Perusahaan Daerah, lain-lain PAD yang sah, jumlah hotel, jumlah perusahaan,
jumlah kendaraan bermotor wajib uji, panjang jalan, jumlahpenerbitan akta sipil, jumlah
rumah sakit dan puskesmas, jumlah pasar, jumlah juru parkir, jumlah karcis terminal,
jumlah restoran, jumlah penduduk dan tingkat inflasi, jumlah rumah tangga, pendapatan
perkapita, PDRB Kabupaten Tulungagung tahun 2003 – 2007.
Masalah Penelitian yang telah direview dan terkait dengan PCA
Menganalisis komponen penerimaan keuangan daerah yang sangat berpengaruh
terhadap belanja rutin dan belanja pembangunan daerah.
Metode Analisis Komponen Utama (Principle Component Analysis)
Analisis komponen utama merupakan suatu metode analisis yang digunakan
untuk menentukan komponen-komponen utama sebagai hasil dari reduksi variabel ke
dalam suatu kelompok variabel baru. Dengan demikian analisis ini dapat menerangkan
sebanyak mungkin variansi total dalam data dengan jumlah faktor yang seminim
mungkin. Analisis komponen utama sering digunakan sebagai analisis antara maupun
analisis
akhir. Sebagai analisis
antara analisis
komponen
utama
bermanfaat
menghilangkan multikolinearitas atau untuk mereduksi variabel-variabel yang berukuran
besar ke dalam variabel baru yang berukuran sederhana. Sedangkan untuk analisis akhir
analisis komponen utama umumnya digunakan untuk mengelompokkan variabel-variabel
penting dari suatu kumpulan variabel besar untuk menduga suatu fenomena, sekaligus
memahami struktur dan melihat hubungan antar variabel. Pada dasarnya analisis
komponen utama adalah analisis yang mentransformasikan data sejumlah p ke dalam
struktur data baru sejumlah k dengan jumlah k < p. Perhitungan dengan analisis
komponen utama memerlukan beberapa pertimbangan, yang sekaligus menggambarkan
adanya kendala dan tujuan yang ingin dicapai dari analisis komponen utama. Di dalam
analisis komponen utama akan dihitung vektor pembobot yang secara matematis
ditujukan untuk memaksimumkan keragaman dari kelompok variabel baru. Hasil analisis
komponen utama antara lain nilai akar cirri (eigen value), proporsi dan kumulatif akar
ciri, nilai pembobot (eigen vector) atau sering disebut PC Loading.
Secara umum pembentukan komponen utama disusun sebagai berikut :
Y1 = a1X = a11X1+a21X2+.+ap2Xp
Y2 = a2X = a12X1+a22X2+.+ap2Xp.
Yp = apX = a1pX1+a2pX2+.+appXp
dengan keragaman masing-masing adalah
Var (Yi) = a.iΣ ai = λi.
dimana i = 1,2,.,p dan
λi = akar ciri dari komponen utama ke i dan keragaman totalnya adalah :
Var (Y) = α11+α22+.+αpp = λ1 +λ2.+ . +λp.
dimana α = simpangan baku dan
λ1 +λ2.+ . +λp adalah akar ciri dari komponen utama.
Besarnya proporsi dari keragaman total populasi yang dapat diterangkan oleh komponen
utama ke i adalah :
Proporsi =
λ1
λ1 + λ
2+...
; i = 1,2,3,.p
λp
sehingga nilai proporsi dari keragaman total yang dapat diterangkan oleh komponen
utama, kedua atau sejumlah komponen utama secara bersama-sama adalah semaksimal
mungkin dengan meminimalisasi informasi yang hilang. Dalam menginterpretasikan
hasil analisis komponen utama terdapat kriteria yang membantu menentukan berapa
banyak komponen yang diinterpretasikan. Pemilihan komponen utama digunakan jika
nilai akar cirinya lebih dari 1 (λi > 1)2, sebab jika memiliki akar ciri kurang dari satu
memberikan informasi yang lebih sedikit dibandingkan variabel asal yang distandarisasi
dengan nilai keragaman satu (Hair, dkk, 1975). Proporsi keragaman yang dianggap cukup
mewakili total keragaman data jika kumulatif mencapai 10-80 persen (Timn, 1975).
Penggunaan plot scree graph juga dapat membantu dalam menentukan berapa banyak
hasil komponen utama yang akan digunakan.
1. Analisis Komponen Utama Penerimaan Pajak kabupaten Tulungagung
Variabel-variabel yang digunakan dalam menganalisis penerimaan pajak daerah
berdasarkan kontribusi terhadap masing-masing pajak yang berlaku, yaitu variabel yang
mempunyai pengaruh secara umum terhadap variabel tak bebas. Dalam proses analisis
dilakukan seleksi variabel berdasarkan pertimbangan kelengkapan data dan kemampuan
variabel tersebut terhadap total penerimaan pajak daerah. Setelah dilakukan seleksi
ternyata terdapat 7 variabel yang terpilih yaitu jumlah hotel, jumlah restoran, jumlah
perusahaan, jumlah rumah tangga, jumlah penduduk, tingkat inflasi, pendapatan
perkapita. Seleksi variabel selanjutnya dilakukan melalui teknik analisis komponen utama
dengan mengelompokkan variabel-variabel penting untuk melakukan pendugaan,
sekaligus memahami struktur dan melihat hubungan antar variabel di wilayah studi.
Analisis komponen utama terhadap penerimaan pajak daerah di Kabupaten Tulungagung
menghasilkan dua komponen utama yang merupakan kombinasi linier dengan peubah
aslinya yang bersifat saling bebas. Komponen utama satu yang mempunyai akar ciri 4,61
mempunyai varian sebesar 65,85 persen. Artinya komponen utama satu ini mampu
menjelaskan keragaman data sebesar 65,85 persen dari keseluruhan data. Sedangkan
komponen utama dua mempunyai akar ciri 2,03 dan varian sebesar 29,04 persen, artinya
komponen utama dua ini hanya mampu menjelaskan sebesar 29,04 persen dari
keseluruhan data. Sedangkan untuk Komponen Nilai Akar Ciri komponen tiga sampai
tujuh tidak digunakan sebab akar cirinya kurang dari satu, sebab jika memiliki akar ciri
kurang dari satu memberikan informasi yang lebih sedikit dibandingkan variabel asal
yang distandarisasi dengan nilai keragaman satu (Hair, dkk, 1975). Sehingga dari analisis
komponen utama untuk penerimaan pajak mempunyai dua komponen yang mampu
menjelaskan keragaman data sebesar 94,90 persen yang merupakan nilai kumulatif akar
ciri yang disesuaikan dengan kriteria penentuan jumlah komponen utama yang dapat
digunakan.
Tabel Nilai Akar Ciri Penerimaan Pajak Kabupaten Tulungagung
Komponen
Nilai Akar Ciri
Total
(1)
(2)
Varian (%)
(3)
1
2
3
4
5
6
7
4,61
2,03
0,29
0,07
1,90E-16
-6,88E-17
-5,22E-16
65,85
29,04
4,14
0,97
2,72E-15
-9,83E-16
-7,45E-15
Kumulatif Varian (%)
(4)
65,85
94,90
99,03
100,00
100,00
100,00
100,00
Sedangkan untuk mengetahui variabel mana yang memiliki kontribusi yang tinggi
dapat dilihat pada nilai loading yang besar dengan mengabaikan tanda positif dan negatif,
sebab tanda tersebut hanya merupakan tanda korelasi yang bersifat positif atau negatif
terhadap komponen utamanya. Dalam penelitian ini menggunakan rule of thum sebesar
0,5 yang berarti bahwa variabel yang mempunyai korelasi signifikan memiliki loading
score ≥ 0,5.
Tabel : Nilai Loading pada PC1 dan PC2 Analisis Penerimaan Retribusi Daerah
Kabupaten Tulungagung
variabel
1
RT
komponen
(1)
(2)
2
0,99
3
-0,11
PDD
INF
PDKP
AKTE
PJ
KSH
PRS
PSR
KWU
JP
KC
0,98
0,35
1,00
-0,22
0,94
0,91
0,87
0,87
0,92
-0,67
-0,68
0,10
-0,80
-0,03
0,93
0,15
0,34
0,33
-0,28
0,16
0,69
-0,49
Dari hasil pengolahan dengan SPSS dapat dijelaskan sebagai berikut :
1. Pada Komponen utama 1 (Principle Component 1), dari 12 variabel yang diamati,
hanya 2 variabel yang tidak mempunyai korelasi yang Signifikan yaitu jumlah akte
dan tingkat inflasi. Dari nilai loading yang Signifikan, jumlah juru parkir dan jumlah
karcis terminal yang mempunyai korelasi negatif. Artinya semakin banyak jumlah
juru parkir atau jumlah karcis terminal, maka penerimaan retribusi akan menurun. Hal
ini perlu diperhatikan, sehingga pengawasan pengelolaan hasil retribusi oleh petugas
perlu ditingkatkan agar penyalahgunaan keuangan oleh petugas dapat diminimalkan.
Selain itu dapat juga dengan meningkatkan kesejahteraan para petugas.
2. Komponen Utama 2 (Principle Component 2) , ada sekitar 3 variabel yang
berkorelasi secara Signifikant, yaitu inflasi, jumlah akte, juru parkir. Inflasi
berbanding terbalik dengan penerimaan retribusi, artinya jika inflasi tinggi maka
penerimaan daerah dari retribusi akan menurun. Hal ini perlu diperhatikan oleh
pemerintah, agar penerimaan retribusi dapat sesuai dengan target, maka inflasi setiap
saat harus tetap di jaga kestabilannya.
Kesimpulan
Berdasarkan hasil analisis dengan analisis komponen utama terhadap penerimaan
pajak ditunjukkan bahwa penerimaan pajak daerah mempunyai dua komponen utama
yang mampu menjelaskan keragaman data sebesar 94,90 persen yang merupakan nilai
kumulatif akar ciri yang disesuaikan dengan kriteria penentuan jumlah komponen utama
yang dapat digunakan. Sedangkan penerimaan retribusi daerah di Kabupaten
Tulungagung menghasilkan 2 komponen utama yang mampu menjelaskan keragaman
data sebesar 88,86 persen yang merupakan nilai kumulatif akar ciri yang disesuaikan
dengan kriteria penentuan jumlah komponen utama yang dapat digunakan.
Dari hasil analisis komponen utama, baik untuk penerimaan pajak maupun retribusi
ada salah satu variabel yang mempunyai korelasi negatif yaitu variabel tingkat inflasi.
Sedangkan variabel-variabel lain yang diamati mempunyai hubungan yang positif.
.