BAB 4 ANALISIS DAN PEMBAHASAN Pada bab sebelumnya telah dijelaskan mengenai populasi dan proses pengumpulan data untuk kepentingan analisis data penelitian. Penelitian dilakukan dengan cara pengumpulan dan penyajian suatu data sekunder. Data sekunder diambil dari publikasi resmi yang diterbitkan oleh Pemantauan data Direktorat Jenderal Pajak (DJP) dan Badan Pusat Statistik DKI Jakarta. Sampel yang digunakan dalam penelitian ini adalah Realisasi Penerimaan PPN dan PPnBM, Pertumbuhan Ekonomi dan Inflasi, selama periode Januari-Desember sejak tahun 2007-2012 di DKI Jakarta. Langkah-langkah dalam penelitian secara garis besar terdiri dari studi pustaka yang mendorong timbulnya korelasi permasalahan dan penyusunan hipotesis serta landasan teori variabel, definisi operasional terhadap suatu konsep. 4.1 Hasil Pengumpulan Data Sampel dalam penelitian ini adalah Pajak Pertambahan Nilai dan Pajak Pertambahan atas barang mewah di wilayah DKI Jakarta dari periode Januari 2007 sampai dengan Desember 2012 yakni sebanyak 72 sampel. Pengambilan sampel untuk penelitian ini menggunakan teknik Statistic Deskriptif yaitu memberikan gambaran umum mengenai variabel-variabel yang digunakan dalam penelitian ini. Data-data mengenai variabel tersebut baik independen, maupun dependen, dapat dilihat pada bagian lampiran penelitian ini. Pada bagian ini akan dipaparkan tentang analisis deskriptif masing-masing variabel dalam penelitian baik variabel independen maupun dependen.
48
4.2 Analisis Statistik Deskriptif Statistik deskriptif didefinisikan sebagai proses pengumpulan dan peringkasan data, serta upaya untuk menggambarkan berbagai karakteristik yang penting pada data yang telah teroganisir tersebut. Diketahui bahwa terdapat variabel penelitian (Pertumbuhan Ekonomi, inflasi dan Realisasi Penerimaan PPN dan PPnBM) dengan jumlah sampel secara keseluruhan sebanyak 72 sampel. Dengan nilai minimum sebagai nilai terendah untuk setiap variabel dan nilai maksimum untuk nilai tertinggi untuk setiap variabel dalam penelitian. Dalam tabel ini juga dapat dilihat mean dari setiap nilai dari masing-masing variabel. Selain itu juga dapat dilihat standar deviasi nilai dari data masing-masing variabel. Berdasarkan perhitungan statistik deskriptif diatas, menunjukkan jumlah sampel 72 yang terdiri dari 3 variabel yaitu Pertumbuhan Ekonomi, inflasi dan Realisasi Penerimaan PPN dan PPnBM selama enam tahun yaitu sejak tahun 2007 hingga 2012, Beberapa penjelasan mengenai hasil perhitungan statistik diuraikan sebagai berikut : 4.2.1 Realisasi Peneriman PPN dan PPnBM Pajak merupakan salah satu sumber penghasilan yang terdapat di wilayah DKI Jakarta. Jika dilihat, target penerimaan pajak senantiasa meningkat setiap tahun. Terdapat banyak faktor yang mempengaruhi penerimaan pajak antara lain ekonomi makro, berbagai kebijakan dibidang perpajakan serta langkah-langkah administrasi dibidang perpajakan.
49
Dalam sub bab ini akan dijelaskan mengenai kondisi penerimaan pajak yang digunakan dalam variabel penelitian berdasarkan data yang diperoleh dari Direktorat Jenderal Pajak.
Gambar 4 Grafik Realisasi Penerimaan PPN dan PPnBM Sumber : DJP Realisasi penerimaan PPN dan PPnBM dalam kurun waktu enam tahun terakhir mengalami peningkatan yang signifikan. Pada gambar 4 memperlihatkan bahwa selama tahun 2007 sampai dengan 2012 PPN dan PPnBM mengalami peningkatan penerimaan. Penerimaan PPN dan PPnBM mengalami pencapaian maksimal pada tahun 2012. Pada tahun 2008 masih menjukan trend yang positif terhadap penerimaan PPN dan PPnBM. Pada semester pertama tahun 2010 dibandingkan dengan semester tahun 2009 realisasi penerimaan PPN dan PPnBM mengalami peningkatan sebesar 16,5 persen. Realisasi penerimaan PPN dan PPnBM dalam data ini merupakan gabungan dari penerimaan PPN dan PPnBM. PPnBM merupakan jenis pajak yang dikenakan hanya sekali terhadap suatu
50
barang dikarenakan barang tersebut tergolong mewah. Tujuannya adalah untuk membatasi jumlah peredarannya. Tabel 1 . Descriptice Statistic Realisasi Penerimaan PPN dan PPnBM Descriptive Statistics N
Minimum
Maximum
Mean
Std. Deviation
Realisasi PPN
72
8308983449090 24761851230976 15399280733226, 3849922256196 ,00 ,00 8750 ,12650
Valid N (listwise)
72
Sumber: pengolahan aplikasi SPSS 20.0 Selanjutnya adalah informasi mengenai normalitas data. Variabel Realisasi Penerimaan PPN dan PPnBM (Y) mempunyai nilai Mean sebesar Rp 15.399.280.733.227, dengan nilai standar deviasinya Rp 3.849.922.256.196. Jika suatu variabel didistribusikan secara normal maka nilai koefisein Mean > Std dev . Karena nilai mean lebih dari nilai Std Deviation maka memenuhi syarat maka data realisasi penerimaan PPN dan PPnBM disimpulkan terdistribusi normal. 4.2.2 Pertumbuhan Ekonomi Pertumbuhan ekonomi adalah proses dimana terjadi kenaikan produk domestik bruto rill atau pendapatan nasional riil. Sedangkan data PDB yang diperoleh tersaji dalam bulanan selama enam tahun. Pertumbuhan ekonomi diestimasikan menggunaka harga konstan.
51
Gambar 5 Pertumbuhan Ekonomi Sumber : BPS DKI Jakarta
Berdasarkan Gambar 5 diketahui sejak tahun 2007
pada
umumnya pertumbuhan ekonomi cukup terkendali hingga tahun 2009. Kinerja perekonomian DKI Jakarta dalam kurun dua tahun terakhir (2007-2009) menunjukkan prestasi yang cukup menggembirakan. Kondisi ini tergambar dari pertumbuhan ekonomi DKI Jakarta yang mampu tumbuh diatas 5 persen dan diatas pertumbuhan Nasional. Krisis keuangan global makin dirasakan dampaknya pada semester I/2009, perekonomian Jakarta hanya tumbuh sebesar 5,12 persen. Pertumbuhan ini merupakan terendah selama enam tahun terakhir, namun demikian bila dibandingkan perekonomian dunia yang tumbuh negatif, pertumbuhan ekonomi Jakarta masih terjaga.
52
Table 2 Descriptive Statistic Pertumbuhan Ekonomi
Descriptive Statistics N
Pertumbuha Ekonomi 72 Valid N (listwise)
Minimum
Maximum
Mean
Std. Deviation
,05010
,06900
,0599389
,00650310
72
Sumber: pengolahan aplikasi SPSS 20.0 Standar deviasi pertumbuhan ekonomi diatas mengukur seberapa luas penyimpangan nilai pertumbuhan ekonomi dari nilai rata-ratanya. Berikut informasi mengenai normalitas data. Variabel Pertumbuhan Ekonomi (X1) mempunyai nilai Mean sebesar ,0599389 persen dalam hal ini menunjukkan rata-rata pengaruh Pertumbuhan ekonomi dalam realisasi penerimaan PPN dan PPnBm menunjukkan data yang terdistribusi normal, karena berada diatas standar deviasi sebesar ,00650310 persen, dan sangat fluktuatif dengan nilai maksimum sebesar ,06900 persen Minimum ,05010 persen terhadap realisasi penerimaan PPN dan PPnBM 4.2.3 Inflasi Inflasi yang terkendali merupakan prasyarat bagi pertumbuhan ekonomi yang berkesinambungan yang pada akhirnya memberikan manfaat bagi peningkatan kesejahteraan masyarakat. Pentingnya pengendalian inflasi didasarkan pada pertimbangan bahwa inflasi yang tinggi dan tidak tekendali memberikan dampak negatif kepada kondisi sosial ekonomi masyarakat.
53
Gambar 6 Inflasi Sumber : BPS DKI Jakarta Berdasarkan Gambar 6 diketahui sejak tahun 2007
pada
umumnya perkembangan harga-harga cukup terkendali hingga tahun 2009. Selama enam tahun, hanya terjadi inflasi diatas 10% yaitu tahun 2008. Perkembangan inflasi pada periode Jan-Des selama 2007-2012 menujukkan bahwa inflasi tertinggi pada bulan juni tahun 2008 dan inflasi terendah pada bulan november tahun 2009 . Table 3 Descriptive Statistic Inflasi Descriptive Statistics N
Inflasi Valid (listwise)
Minimum
72 -,00260 N
Maximum
Mean
Std. Deviation
,02500
,004905 ,00531148 6
72
Sumber: pengolahan aplikasi SPSS 20.0 Standar deviasi dari inflasi diatas persen mengukur seberapa luas penyimpangan nilai inflasi dari nilai rata-ratanya. Variabel Inflasi (X2) mempunyai nilai Mean sebesar ,0049056 persen, yang berarti pengaruh inflasi terhadap realisasi penerimaan PPN dan PPnBM tidak 54
normal, karena dibawah standar deviasi sebesar ,00531148 persen dan nilai maksimum sebesar ,02500 persen 4.3 Penguji Asumsi Klasik 1. Variabel Independen (X), yaitu ; X1 = Pertumbuhan ekonomi X2= Inflasi Variabel X1 dan X2 dinyatakan dalam satuan desimal. 2. Variabel dependen (Y), yaitu realisasi penerimaan PPN dan PPnBM. Variabel Y dalam penelitian ini merupakan nilai nominal penerimaan PPN dan PPnBM dalam miliyaran rupiah. Pengujian-pengujian yang akan dilakukan dalam penelitian ini adalah: Pengujian asumsi klasik terlebih dahulu akan dilakukan untuk menguji kesesuaian model yang akan dibuat dengan asumsi-asumsi klasik ini yang berperan dalam pembuatan hipotesis nantinya. Pengujian asumsi klasik yang dilakukan meliputi : Pengujian Asumsi-Asumsi Model Regresi Untuk mengetahui apakah model regresi yang dihasilkan merupakan model regresi yang menghasilkan estimator linier tidak bias terbaik maka perlu dilakukan pengujian gejala penyimpangan asumsi model klasik. Asumsi klasik pertama yang harus dipenuhi untuk mendapatkan model regresi yang baik adalah normalitas, non multikolinieritas, non heteroskedastisitas, dan non autokorelasi.
55
1. Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi, residual memiliki distribusi normal atau dengan kata lain dapat mewakili populasi yang sebarananya normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Uji ini perlu dilakukan sebab semua perhitungan statistik parametrik memiliki asusmsi normalitas sebaran. Model regresi yang baik adalah yang memiliki distribusi data normal atau mendekati normal. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik. a) Analisa grafik Kriteria pengambilan keputusan dengan analisis grafik (normal probability), yaitu sebagai berikut: 1. Jika data menyebar di sekitar garis diagonal dan mengikuti arah diagonal, maka model regresi memenuhi asumsi normalitas. 2. Jika data menyebar jauh dari garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
56
Gambar 7 .Normal P-Plot Hasil Regresi Awal Sumber : pengolahan dalam aplikasi SPSS Diagram P-P Plot adalah salah satu alat yang digunakan untuk pemeriksaan kenormalan data. Distribusi normal akan membentuk garis lurus diagonal, dan plotting data akan dibandingkan dengan garis diagonal. Dari gambar diatas dapat dilihat bahwa plotting data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal maka model regresi memenuhi asumsi normal sehingga dapat disimpulkan bahwa data tersebut normal. b) Kolmogorov-Smirnov Untuk lebih meyakinkan, mendeteksi normalitas data selanjutnya akan dilakukan dengan analisis One-Sample Kolmogrov-Sminov dengan menggunakan hipotesis sebagai berikut: 57
Ho : Data berdistribusi normal H1 : Data tidak berdistribusi normal Pengambilan
keputusan
untuk
menentukan
data
variabel penelitian
terdistribusi secara normal atau tidak adalah sebagai berikut: 1. Nilai Sig. ≥ 0,05, maka data berdistribusi normal 2. Nilai Sig. ≤ 0,05, maka data berdistribusi tidak normal
Tabel 4 One Sample K-S
One-Sample Kolmogorov-Smirnov Test Unstandardize d Residual N Mean Normal Parametersa,b Std. Deviation Absolute Most Extreme Positive Differences Negative Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
72 -,0041504 34269918657 05,71800000 ,091 ,076 -,091 ,773 ,589
a. Test distribution is Normal. b. Calculated from data.
Sumber: pengolahan aplikasi SPSS 20.0 Dari hasil diatas, besarnya nilai Kolmogorov-Smirnov adalah sebesar 0,773 dengan signifikansi sebesar 0,589. Karena nilai signifikansi KS-Z sebesar 0,589 > 0,05 maka dapat disimpulkan bahwa data berdistribusi normal.
58
2. Uji Heteroskedastisitas Uji heterokedasitisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain (Ghozali,2012). Ada beberapa cara yang dapat dilakukan untuk menguji adanya heteroskedastisitas, salah satunya yaitu dengan melihat grafik plot antara nilai prediksi variabel terikat (ZPRED) dengan residualnya (SRESID). Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homokedastisitas dan jika berbeda disebut heterokedastisitas. Regresi yang baik adalah yang homokedastisitas. Dasar analisis : 1) Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi Heteroskedastis. 2) Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi Heteroskedastis.
59
Gambar 8 Grafik Plot antar Nilai Prediksi dan Residual Sumber: pengolahan aplikasi SPSS 20.0 Berdasarkan hasil dari scatter plot tampak bahwa plot yang terbentuk menyebar tidak memiliki pola tertentu atau menyebar di atas dan di bawah angka nol pada sumbu Y serta di kanan dan kiri pada sumbu X. Hal ini menandakan bahwa pada model regresi sudah tidak terjadi hubungan antara variabel bebas dengan nilai residual. Dengan demikian asumsi non heteroskedastisitas model regresi terpenuhi. sehingga model regresi layak dipakai untuk memprediksi pengaruh Pertumbuhan ekonomi dan Inflasi terhadap Realisasi Penerimaan PPN dan PPnBM.
60
3. Multikolinieritas Multikolinearitas menunjukkan bahwa antara variabel independen mempunyai hubungan langsung (korelasi) yang sangat kuat. Dimana Model regresi yang baik tidak menunjukkan adanya gejala multikolinieritas. Multikolinearitas terjadi jika nilai Variance Inflaction Factor (VIF) lebih besar dari 10 atau nilai Tolerance lebih kecil dari 0,10. Hipotesis untuk uji multikolinearitas adalah sebagai berikut: H0 : tidak ada multikolinearitas H1 : ada multikolinearitas Kriteria keputusan uji multikolinearitas adalah sebagai berikut: a. Jika VIF > 10 atau Tolerance < 0,1 maka H1 ditolak, ada multikolinearitas. b. Jika VIF < 10 atau Tolerance > 0,1 maka H1 diterima, tidak ada multikolinearitas. Dari
hasil
pengolahan
data
statistik
diperoleh
tabel
pengujian
multikolinearitas sebagai berikut: Tabel 5 Hasil Pengujian Multikolinearitas Coefficientsa Model
Collinearity Statistics Tolerance VIF
(Constant) 1 Pertumbuhan Ekonomi ,998 Inflasi ,998 a. Dependent Variable: Realisasi PPN Sumber: pengolahan aplikasi SPSS 20.0
1,002 1,002
61
Hasil pengujian dengan menggunakan nilai VIF, dapat dilihat dari Tabel di atas terlihat bahwa nilai VIF kedua variabel bebas di atas adalah di bawah angka 10 yaitu Pertumbuhan Ekonomi (X1) = 1.002 dan Inflasi (X2) = 1.002. Sehingga dapat dikatakan model regresi bebas dari multikolinieritas. Dengan demikian tidak terjadi pelanggaran asumsi multikolinearitas pada model persamaan regresi. 4. Autokorelasi Autokorelasi menggambarkan adanya korelasi berurutan antara unsur–unsur variabel gangguan (disturbance term) dalam suatu rangkaian data runtun waktu (times series) atau urutan ruang (pada data cross section). Pengujian ini untuk membuktikan ada atau tidaknya autokorelasi dalam penelitian ini digunakan metode besaran nilai Durbin – Watson (D-W) yang dihasilkan melalui pengolahan data dalam aplikasi spss 20.0. Nilai ini kemudian dibandingkan dengan nilai kritis D-W dalam tabel Crirical Values of The Durbin- Watson Test Statistic. Nilai ini dapat digunakan sebagai pembanding uji DW, dengan aturan sebagai berikut: a. Bila DW < dl ; ada korelasi yang positif atau kecenderungan p=1 b. Bila DW <- DW <- Du ; tidak dapat mengambil keputusan c. Bila Du < DW < 4 -Du ; tidak ada korelasi positif atau negatif d. Bila 4 –Du >- DW <- 4 –Du ; tidak dapat mengambil kesimpulan e. Bila DW > 4 – Dl ; ada korelasi negatif Dari hasil perhitungan berdasarkan perhitungan diperoleh hasil yang dapat dilihat pada tabel dibawah ini :
62
Tabel 6 Model Summary Autokorelasi Model Summaryb
Adjusted Model R
1
.456a
R Std. Error of Durbin-
R Square Square
the Estimate
Watson
.208
3.47630E12
1.799
.185
a. Predictors: (Constant), Inflasi (X2), Pertumbuhan Ekonomi (X1) b. Dependent Variable: Realisasi PPN (Y) Sumber: pengolahan aplikasi SPSS 20.0
Kriteria pengujiannya sebagai berikut: Tabel 7 Kriteria Pengujian D-W
Dl
Du
4 –Du
Hasil
1,799
1,55
1,67
2,33
Tidak ada autokorelasi
Hasil dari tabel diatas nilai D-W berada diantara dU sampai 4-dU berarti dapat disimpulkan bahwa tidak terjadi gangguan autokorelasi. Analisis Hasil Pengujian Regresi Linear Berganda 63
Uji ini dilakukan untuk melihat apakah spesifikasi model yang digunakan sudah benar atau tidak. Apakah fungsi yang digunakan dalam studi empiris. Analisis regresi linier berganda ini, dilakukan dengan Pertumbuhan Ekonomi (X1) dan Inflasi (X2) sebagai variabel bebas serta Realisasi Penerimaan PPN dan PPnBM (Y) sebagai variabel terikat. Rumus regresi linier berganda adalah sebagai berikut: Realisasi Penerimaan PPN dan PPnBM = β0 + β1 X1 + β2 X2 + e Tabel 8 Tabel Model Summary Persamaan Kuadrat Coefficientsa Unstandardized Coefficients Model 1
B
Std. Error
(Constant)
-6.198E11
3.830E12
Pertumbuhan Ekonomi (X1)
2.697E14
6.350E13
Inflasi (X2)
-3.032E11
7.775E11
Standardized Coefficients Beta
Collinearity Statistics T
Sig.
Tolerance
VIF
-.162
.872
.456
4.248
.000
.998
1.002
-.042
-.390
.698
.998
1.002
a. Dependent Variable: Realisasi PPN (Y)
Dari tabel di atas diperoleh persamaan regresi sebagai berikut :
Y =- 6.198x1011 + 2.697x1014 X1 - 3.032x1011X2 Keterangan : a) X1 : Pertumbuhan Ekonomi b) X2 : Inflasi c) Y : Realisasi Penerimaan PPN dan PPnBM
64
Dari persamaan regresi linear berganda diatas dapat dijelaskan sebagai berikut: 1. Koefiensi regresi variabel Pertumbuhan Ekonomi (X1) adalah sebesar 2.697x1014, artinya jika variabel independen lain nilainya tetap atau nol dan nilai dari variabel Pertumbuhan Ekonomi mengalami kenaikan 1%, maka nilai dari variabel Realisasi PPN dan PPnBM akan mengalami kenaikan sebesar 2.697x1014. Begitupula sebaliknya, jika variabel independen lain nilainya tetap atau nol dan nilai dari variabel Pertumbuhan Ekonomi mengalami penurunan 1%, maka nilai dari variabel Realisasi PPN dan PPnBM akan mengalami penurunan sebesar 2.697x1014. Dalam hal ini pengaruh dari variabel independen Pertumbuhan Ekonomi adalah berbanding lurus dengan variabel Realisasi PPN dan PPnBM, artinya semakin meningkat Pertumbuhan Ekonomi, maka Realisasi PPN dan PPnBM juga akan semakin meningkat, begitu pula sebaliknya. 2. Koefiensi regresi variabel Inflasi (X2) adalah sebesar - 3.032x1011 , artinya jika variabel independen lain nilainya tetap dan nilai dari variabel Inflasi mengalami kenaikan 1%, maka nilai dari variabel Realisasi PPN dan PPnBM akan mengalami penurunan sebesar 3.032x1011. Dalam hal ini variabel inflasi tidak memiliki pengaruh terhadap realisasi PPN dan PPnBM sehingga tidak mempengaruhi penerimaan PPN dan PPnBM. Koefisien Determinasi Koefisien determinasi (R2) digunakan untuk mengukur seberapa baik garis regresi sesuai dengan data aktualnya (goodness of fit). Koefisien
65
determinasi ini mengukur presentase total variasi variabel dependen Y yang dijelaskan oleh variabel independen di dalam garis regresi. Tabel 9 Koefisien Determinasi Model Summaryb
R
R Square
Adjusted R Square
Std. Error of the Estimate
DurbinWatson
.456a
.208
.185
3.47630E12
1.799
Model
1
a. Predictors: (Constant), Inflasi (X2), Pertumbuhan Ekonomi (X1) b. Dependent Variable: Realisasi PPN (Y)
Sumber: pengolahan aplikasi SPSS 20.0 Dari
hasil
perhitungan
Autokorelasi
diatas
diperoleh
koefisien
determinasi atau Adjusted R Square adalah 0.185 artinya 18,5 % variabel terikat yaitu Realisasi PPN (Y) variasinya dapat dijelaskan oleh variabel Pertumbuhan Ekonomi (X1) dan Inflasi (X2). Sisanya sebesar 81,5 % dijelaskan oleh variabel diluar variabel yang digunakan. 4.4 Pengujian Hipotesis Berdasarkan pengujian atas penyimpangan asumsi klasik yang telah dilakukan diatas diketahui bahwa model sudah dapat dinyatakan tidak mengandung penyimpangan terhadap lima asumsi klasik yang diujikan. Selanjutnya melakukan pengujian hipotesis dari penelitian ini. Uji hipotesis berguna untuk memeriksa atau menguji apakah koefisien regresi yang dapat signifikan. Untuk memenuhi tujuan tersebut, maka semua koefisein regresi harus diuji. Ada dua jenis hipotesis terhadap koefiesen regresi yang dapat dilakukan yang disebut dengan uji- F dan uji- t. Uji- F digunakan untuk menguji koefisen 66
(slope) regresi secara bersama-sama sedang uji-t untuk menguji koefisen regresi , termasuk intercept secara individual. 1. Pengaruh Pertumbuhan Ekonomi, dan Inflasi secara bersama-sama terhadap Realisasi Penerimaan PPN dan PPnBM Uji F dilakukan untuk menguji koefisen slope regresi dari seluruh variabel bebas secara bersama-sama. H0 : β2 = β3 = 0 H1 : β2 ≠ β3 ≠ 0 Hipotesis yang digunakan dalam melakukan uji F adalah : 1) H0 : Pertumbuhan Ekonomi dan Inflasi secara bersama-sama tidak terdapat pengaruh yang signifikan terhadap Realisasi Penerimaan PPN dan PPnBM 2) H1: Pertumbuhan Ekonomi dan Inflasi secara bersama-sama terdapat pengaruh yang signifikan terhadap Realisasi Penerimaan PPN dan PPnBM Tabel 10 Pengujian F Test ANOVAb
Model 1
Sum of Squares
Df
Mean Square
F
Sig.
9.041
.000a
Regression
2.185E26
2
1.093E26
Residual
8.338E26
69
1.208E25
Total
1.052E27
71
a. Predictors: (Constant), Inflasi (X2), Pertumbuhan Ekonomi (X1) b. Dependent Variable: Realisasi PPN (Y)
Sumber: pengolahan aplikasi SPSS 20.0 67
Keputusan :Terdapat pengaruh yang signifikan antara variabel Pertumbuhan Ekonomi dan Inflasi secara bersama-sama terhadap Realisasi PPN. (p-value 0.000< 0.05) Tolak Ho Dari tabel diatas menunjukkan nilai signifikansi adalah 0.000 yang bernilai kurang dari α = 0.05, oleh karena itu keputusan adalah Tolak H0. Sehingga dapat disimpulkan terdapat pengaruh yang signifikan antara variabel Pertumbuhan Ekonomi dan Inflasi secara bersama-sama terhadap Realisasi PPN. Uji T (Parsial) Tabel 11 Pengujian T ( Parsial) Coefficientsa Standardized Unstandardized Coefficients Model 1
B
Std. Error
(Constant)
-6.198E11
3.830E12
Pertumbuhan Ekonomi
2.697E14
6.350E13
-3.032E11
7.775E11
Coefficients Beta
T
Sig.
-.162
.872
.456
4.248
.000
-.042
-.390
.698
(X1) Inflasi (X2)
a. Dependent Variable: Realisasi PPN (Y)
Sumber: pengolahan aplikasi SPSS 20.0
68
1.
Pertumbuhan Ekonomi (X1) Hipotesis : Ho: β2 = 0, Tidak terdapat pengaruh yang signifikan antara Pertumbuhan Ekonomi terhadap Realisasi PPN dan PPnBM Ha: β2 ≠ 0,
terdapat pengaruh yang signifikan antara Pertumbuhan
Ekonomi terhadap Realisasi PPN dan PPnBM Keputusan : Terdapat pengaruh yang signifikan antara Pertumbuhan Ekonomi terhadap Realisasi PPN dan PPnBM (p-value 0.000 < 0.05) Tolak Ho Jadi dapat disimpulkan bahwa secara parsial terdapat pengaruh yang signifikan antara Pertumbuhan Ekonomi terhadap Realisasi PPN. 2.
Inflasi (X2) Hipotesis : Ho: β3 = 0, tidak terdapat pengaruh yang signifikan antara Inflasi terhadap Realisasi PPN dan PPnBM Ha: β3 ≠ 0, terdapat pengaruh yang signifikan antara Inflasi terhadap Realisasi PPN dan PPnBM Keputusan : Tidak terdapat pengaruh yang signifikan antara Inflasi terhadap Realisasi PPN dan PPnBM (p-value 0.698 > 0.05) Menerima Ho
69
Jadi dapat disimpulkan bahwa secara parsial tidak terdapat pengaruh yang signifikan antara Inflasi terhadap Realisasi PPN dan PPnBM.
70
