BAB IV ANALISIS HASIL DAN PEMBAHASAN

51

BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Data Penelitian Objek dalam penelitian ini adalah semua klasifikasi dan mempublikasikan Laporan Keuangan bulanan di Dinas Pengelolaan Keuangan dan Asset Daerah (DPKD) Kota Tangerang secara berturut- turut mulai Januari 2009 sampai dengan Juni 2011, dan januari – juni 2011. Berdasarkan kriteria dalam pemilihan sampel, maka sampel yang digunakan dalam penelitian ini adalah Laporan Keuangan bulanan dari Pendapatan Asli Daerah, Pajak Reklame dan Pajak Hiburan dalam masa periode Januari 2009 sampai dengan Juni 2011, sehingga jumlah sampel dengan total Periode 2,5 Tahun atau 30 Bulan. Variabel yang digunakan dalam penelitian ini adalah Pajak Reklame dan Pajak Hiburan. Variabel-variabel ini merupakan variabel yang dapat mempengaruhi Pendapatan Daerah dalam penyampaian laporan keuangan Dinas terkait. Dengan variabel tersebut dapat diperoleh hasil faktor-faktor apa sajakah yang berpengaruh terhadap Pendapatan Asli Daerah dalam penyampaian laporan keuangan Dinas Pengelolaan Keuangan dan Asset Daerah (DPKD) Kota Tangerang. Tabel 4.1 menunjukan realisasi dari Pajak Asli Daerah (PAD), Pajak Reklame, dan Pajak Hiburan yang telah terhitung dalam laporan keuangan bulanan periode Januari 2009 sampai Juni 2011. Diketahui bahwa dari bulan ke bulan periode penelitian prentase Pajak reklame dan hiburan di Kota

http://digilib.mercubuana.ac.id/

52

Tangerang meningkat. Dikarenakan jumlah Pajak Reklame dan Pajak Hiburan meningkat maka Pendapatan Daerah pun menjadi meningkat selama periode penelitian ini.


53

Tabel 4.1 Realisasi Pajak Reklame, Pajak Hiburan, dan Pajak Asli Daerah (PAD) Kota Tangerang Periode 2009-2011 PERIODE

PAJAK REKLAME (RP)

PAJAK HIBURAN (RP)

750234250.00 Januari 2009 1654750000.00 Februari 1564325000.00 Maret 2146750261.00 April 3012250000.00 Mei 4707999416.00 Juni 6084494959.00 Juli 7372114284.00 Agustus 8319312177.00 September 9031149151.00 Oktober 10239496076.00 Nopember 11590440410.00 Desember 757523650.00 Januari 2010 1890584561.00 Februari 3493534261.00 Maret 4799870096.00 April 6138021232.00 Mei 7803292695.00 Juni 9130991335.00 Juli 10529660966.00 Agustus 11116739276.00 September 12656390027.00 Oktober 14312531158.00 Nopember 16240810965.00 Desember 843058810.00 Januari 2011 1486276999.00 Februari 2458501778.00 Maret 3603719107.00 April 4872440797.00 Mei 6300378738.00 Juni Sumber: Data Sekunder diolah

250678431.00 324850304.00 456750404.00 684560000.00 875254681.00 914281619.00 1140811207.00 1307861541.00 1412886149.00 1523291443.00 1689327640.00 1888824323.00 213956003.00 452955530.00 677554938.00 915552018.00 1152778762.00 1417331308.00 1658132145.00 1863378333.00 2079558736.00 2278317431.00 2466736836.00 2825504440.00 315367833.00 588280260.00 902641881.00 1140642290.00 1498675568.00 1879244663.00


PAD (RP) 49520000000.00 83042250000.00 98210160000.00 66723250000.00 67057234000.00 82795064917.00 99444305869.00 115295731355.00 130344979453.00 147161294743.00 167191028929.00 207563690138.00 13207079729.00 21699151119.00 45569260379.00 63951287312.00 85725569419.00 105498509703.00 119001977173.00 143120063347.00 159761302901.00 186844638181.00 207203351349.00 247429944546.00 21264913290.00 50016171922.00 93693988808.00 126711685041.00 170623907512.00 208154139544.00

54

B. Analisis Hasil Penelitian 1. Analisis Statistic Deskriptif Statistik

deskriptif

adalah

statistik

yang

berfungsi

untuk

mendeskripsikan atau memberi gambaran terhadap obyek yang diteliti melalui data sampel atau populasi sebagaimana adanya, tanpa melakukan analisis dan membuat kesimpulan yang berlaku untuk umum. Deskripsi suatu data dilihat dari nilai rata-rata (mean), standar deviasi, maksimum, minimum. Berikut ini akan dijelaskan olahan SPSS meliputi data PAD, Pajak Reklame, dan Pajak hiburan: Tabel 4.2 Deskriptif Variabel Penelitian Descriptive Statistics N

Minimum

Maximum

Mean

Pajakreklame 30 750234250 16240810965 6.16E9 Pajakhiburan 30 213956003 2825504440 1.23E9 PAD 30 13207079729 2.E11 1.13E11 Valid N (listwise) 30 Sumber :Output SPSS, diolah oleh Peneliti

Std. Deviation 4.368E9 6.972E8 6.179E10

Tabel diatas menjelaskan bahwa: a. Nilai

Pajak

Reklame

tertinggi

(maximum)

adalah

Rp.16.240.810.965, sedangkan nilai terendah (minimum) adalah Rp.750.234.250 yang dimiliki oleh Dinas Pemerintah Kota Tangerang. Rata-rata dari nilai variable Pajak Reklame adalah Rp.6.160.000.000 dengan tingkat rata-rata penyimpangan sebesar


55

Rp.4.368.000.000. Hal ini menunjukkan bahwa data pada variable Pajak Reklame memiliki sebaran yang tidak begitu besar, karena standar deviasi lebih kecil dari nilai mean-nya. b. Nilai

Pajak

Hiburan

tertinggi

(maximum)

adalah

sebesar

Rp.2.825.504.440 yang dimiliki oleh Dinas Pemerintahan Kota Tangerang,

sedangkan

nilai

terendah

(minimim)

adalah

Rp.213.956.003. Rata-rata dari nilai variable Pajak Hiburan adalah Rp.1.230.000.000 dengan tingkat rata-rata penyimpangan sebesar Rp.697.200.000. Hal ini menunjukkan bahwa data pada variable Pajak Hiburan memiliki sebaran yang tidak begitu besar, karena standar deviasi lebih kecil dari nilai mean-nya. c. Nilai variable Pajak Asli Daerah (PAD) tertinggi (maximum) adalah sebesar Rp. 200.000.000.000 yang dimiliki oleh Dinas Pemerintah Kota Tangerang, sedangkan nilai terendah (minimum) adalah Rp.13.207.079.729. Dengan nilai rata-rata (mean) sebesar Rp.113.000.000.000

dan

standar

deviasi

sebesar

Rp.61.790.000.000 . Hal ini menunjukkan bahwa data pada variable Pajak Asli Daerah (PAD) memiliki sebaran yang tidak begitu besar, karena standar deviasi lebih kecil dari nilai mean-nya Penerimaan pajak reklame, pajak hiburan dan PAD di atas rata-rata terjadi pada setiap bulan Desember mulai dari tahun 2009-2011. Hal ini disebabkan karena pada akhir tahun lah biasanya para WP memiliki likuiditas untuk melunasi pajaknya dan di sisi lain para pengutip pajak


56

juga dituntut untuk dapat memenuhi target penerimaan pajak untuk tahun yang bersangkutan. 2. Pengujian Asumsi Klasik Pengujian hipotesis dalam penelitian ini akan menggunakan analisis regresi sehingga terhadap data penelitian terlebih dahulu harus dilakukan uji asumsi klasik. Salah satu syarat untuk bisa menggunakan persamaan regresi berganda adalah terpenuhinya uji asumsi klasik. Persamaan regresi di atas harus bersifat BLUE ( Best Linier Unbiased Estimator), artinya pengambilan keputusan melaui uji F dan Uji t tidak boleh bias. Untuk menghasilkan keputusan yang BLUE maka harus dipenuhi diantaranya tiga asumsi dasar. Tiga asumsi dasar yang tidak boleh dilanggar oleh regresi linier berganda yaitu tidak boleh ada autokorelasi, tidak boleh ada multikolinieritas dan tidak boleh ada heterokedastisitas. Apabila salah satu dari asumsi dasar tersebut dilanggar, maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE (Best Linier Unbiased Estimator), sehingga pengambilan keputusan melalui F dan uji t menjadi bias. a. Uji Normalitas Uji normalitas diperlukan untuk mengetahui apakah data yang terkumpul dari setiap variabel dependen dan independen atau keduanya mempunyai distribusi normal atau tidak.Model regresi yang baik adalah yang mendekati normal. Untuk melihat model regresi


57

normal atau tidak, metode yang diumumnya digunakan adalah metode grafik dan metode Kolmogorof Smirnov (Imam Ghozali,2006) 1. Metode Grafik : Melihat Grafik histogram yang membandingkan antara

data

observasi

dengan

distribusi

yang

mendeekati

distribusinormal. Atau dapat juga melihat Probability Plot yang membandingkan distribusi komulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Dengan dasar pengambilan keputusan: 

Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.



Jika data menyebar jauh dari diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.

2. Metode Kolmogorov Smirnov Pada uji statistik ini, bila nilai Kolmogrov-smirnov lebih besar (>) dari α = 0,05, maka data berdistribusi normal. Dalam penelitian ini awal mula dilakukann uji normalitas, data yang diteliti tidak berasumsi normal. Oleh karena itu penulis melakukan data tersebut dengan mengubah data menggunakan uji


58

kolmogorov smirnov atau dengan kata lain me LN kan data tersebut. Sehingga, setelah data diuji dengan asumsi tersebut maka data berasumsi normal. Tabel 4.3 Hasil Uji Normalitas One-Sample Kolmogorov-Smirnov Test pajakreklame pajakhiburan N Normal Parametersa,,b Most Extreme Differences

Mean Std. Deviation Absolute Positive Negative

Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a. Test distribution is Normal. b. Calculated from data. Sumber: output SPSS, diolah oleh peneliti

30 6.16E9 4.368E9 .121 .121 -.108 .663 .771

PAD

30 30 1.23E9 1.13E11 6.972E8 6.179E10 .106 .086 .106 .086 -.073 -.070 .578 .468 .892 .981

Dari tabel output SPSS diatas terlihat bahwa, Pajak Reklame memiliki nilai signifikan 0.771, Pajak Hiburan memiliki nilai signifikan 0.892, Pajak Asli Daerah (PAD) memiliki nilai signifikan 0.981. dengan nilai signifikan jauh di atas 0.05 yang berarti nilai residual terdistribusi secara normal sehingga data sudah memenuhi asumsi normalitas dan bisa dianalisis lebih lanjut dengan menggunakan analisis regresi. Hal ini juga dapat dilihat dari hasil uji normalitas pada grafik histogram dan grafik probability plot.


59

Dengan metode grafik juga menunjukkan bahwa data telah berdistribusi normal, hal ini terlihat dari grafik histogram dan plot pada grafik di bawah ini dimana terlihat bahwa titik-titik residual tersebar di sekitar garis lurus. Gambar 4.1 Grafik Histogram

Sumber : Output SPSS, diolah oleh Peneliti Grafik histogram di atas menunjukkan bahwa data telah terdistribusi secara normal., maka model regresi memenuhi asumsi normalitas. Hal ini dapat dilihat dari grafik histogram yang menunjukkan distribusi data mengikuti garis diagonal yang tidak menceng (skewness) ke kiri maupun menceng ke kanan. Ini menunjukkan bahwa data penelitian yang mencakup variabel Pajak Reklame, Pajak Hiburan, dan Pajak Asli Daerah (PAD) telah menunjukkan distribusi data normal yang diperlukan sebelum melakukan pengujian hipotesis. Hal ini juga didukung dengan hasil uji


60

normalitas dengan menggunakan grafik plot yang ditampilkan pada Gambar 4.2. Gambar 4.2 Grafik Normal Probability Plot

Sumber : Output SPSS, diolah oleh Peneliti Menurut Ghozali (2005:112), pendeteksian normalitas dapat dilakukan dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik, yaitu jika data (titik) menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, hal ini menunjukkan data yang telah terdistribusi normal. Gambar 4.2 menunjukkan bahwa data (titik) menyebar di sekitar dan mendekati garis diagonal.Ini menunjukkan bahwa data penelitian yang mencakup variabel pajak reklame, pajak hiburan, dan pajak asli daerah telah menunjukkan distribusi data normal yang diperlukan sebelum melakukan pengujian hipotesis.


61

Hal ini sejalan dengan hasil pengujian dengan menggunakan histogram bahwa data telah terdistribusi normal. Karena secara keseluruhan data telah terdistribusi secara normal, maka dapat dilakukan pengujian asumsi klasik lainnya. b. Uji Multikolinearitas Multikolinieritas adalah keadaan di mana terjadi hubungan linier yang sempurna atau mendekati sempurna antar variabel independen dalam model regresi.Uji multikolinieritas digunakan untuk mengetahui ada atau tidaknya hubungan linear antar variabel independen dalam model regresi. (Priyatno,2010:81). Model regresi yang baik seharusnya tidak

terjadi

korelasi

diantara

variabel

idependenya.

Uji

multikoliearitas dengan SPSS dilakukan dengan uji regresi, dapat dideteksi dengan nilai patokan VIF (Variance Inflation

Factor).

Menurut Santoso (2001), pada umumnya jika VIF lebih besar dari 10, maka variabel tersebut mempunyai persoalan multikolinieritas dengan variabel

bebas.

Ketentuan

pengambilan

keputusan

multikolinieritas, yaitu: Jika VIF > 10, maka terjadi multikolinieritas Jika VIF < 10, maka tidak terjadi multikolinieritas


dalam

uji

62

Tabel 4.4 Uji Multikolinearitas Coefficientsa Unstandardized Coefficients Model 1

B (Constant)

Std. Error

Standardized Coefficients Beta

T

1.128E11 1.070E10

Unstandardized Residual

1.000

Collinearity Statistics

.486

.362

Sig.

10.540

.000

2.057

.049

Tolerance VIF

a. Dependent Variable: PAD Sumber: output SPSS, diolah oleh peneliti c. Uji Heteroskedastisitas Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual suatu pengamatan ke pengamatan lain. Model regresi yang baik adalah homokedastisitas atau tidak terjadi heterokedastisitas. Heterokedastisitas muncul apabila kesalahan atau residual dari model yang diamati tidak memiliki varians yang konstan dari suatu observasi ke observasi lainnya. Artinya, setiap observasi mempunyai reliabilitas yang berbeda akibat perubahan dalam kondisi yang melatarbelakangi tidak terangkum dalam spesifikasi model. Ada beberapa cara yang dapat dipakai untuk mendeteksi apakah serangkaian data itu mengandung masalah heteroskedastisitas atau tidak. Beberapa cara tersebut adalah dengan metode grafik, uji korelasi Spearman, uji Park, uji Glejer dan uji Goldfeld-Quant(Gujarati;2002).


1.000 1.000

63

Pada penelitian ini akan digunakan metode grafik. Pendektesian gejala tersebut adalah dengan melihat pola tertentu pada grafik, dimana sumbu Y adalah residual (Y prediksi – Y sesungguhnya), sedangkan sumbu X adalah prediksi. Gambar 4.3 Scatterplot

Sumber : Output SPSS, diolah oleh Peneliti

Pada hasil pengolahan data dengan SPSS, jelas terlihat bahwa pola penyebaran titik-titik di atas dan di bawah 0 pada sumbu Y tidak membentuk menyempit),

pola maka

tertentu dapat

heterokedastisitas.Sehingga

(bergelombang, disimpulkan model

regresi


melebar,

kemudian

bahwa

tidak

terjadi

layak

dipakai

untuk

64

memprediksi nilai Pajak berdasarkan masukan variable independent Pajak Reklame dan Pajak Hiburan. d. Uji Autokorelasi Pengujian autokorelasi bertujuan untuk menguji apakah dalam model regresi linear terdapat korelasi pengganggu antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1. Autokorelasi menunjukkan adanya korelasi diantara data pengamatan yang tersusun baik seperti data cross section dan/atau time series. Jika terjadi autokorelasi dalam model regresi linear berarti koefisien korelasi yang diperoleh menjadi tidak akurat, sehingga model regresi yang baik adalah model yang bebas dari autokorelasi. Ada beberapa cara yang dapat digunakan untuk mendeteksi ada tidaknya autokorelasi salah satunya adalah metode Durbin-Watson. Perlu dicatat bahwa uji Durbin-Watson ini hanya digunakan untuk autokorelasi tingkat satu (first order autocorrelation) dan mensaratkan adanya intercept dalam model regresi dan tidak ada variabel lag diantara variabel independen. Hipotesis yang diuji adalah : Ho : ρ = 0 (Bebas autokorelasi) Ho :ρ ≠ 0 (Ada autokorelasi) Keputusan ada tidaknya autokorelasi adalah :  Ho ditolak jika dhitung< dl atau dhitung> 4 – du terdapat autokorelasi  Ho diterima jika du < dhitung< 4 – du tidak terdapat autokorelasi


65

 Tidak ada Kesimpulan Jika: dl ≤ dhitung ≤ du atau 4 – du ≤ dhitung ≤ 4 – dl Tabel 4.5 Hasil uji autokorelasi Model Summaryb Adjusted Std. Error of DurbinR Square R Square the Estimate Watson

Model R 1

.932a

.869

.859

2.320E10

.742

a. Predictors: (Constant), pajakhiburan, pajakreklame b. Dependent Variable: PAD Sumber: output SPSS, diolah oleh peneliti Sebuah regresi tidak mengalami autokorelasi jika nilai DW berada diantara DU dan 4-DU. Dari tabel Durbin Watson untuk jumlah pengamatan sebanyak 30 (tiga puluh) dan jumlah variabel bebas adalah 2 (dua), maka : DU = 1,284 ; 4-DU = 2,716 ; DW = 1,567. Dengan demikian DU
3. Koefisien Determinan ( Koefisien independen

)

determinasi menjelaskan

menunjukkan variabel

seberapa

dependennya.

besar Nilai

variabel koefisien

determinasi adalah nol sampai dengan satu. Untuk data timeseries


66

memiliki koefisien determiansi yang cukup tinggi karena tidak ada variasi di setiap pengamatannya. Tabel 4.6 Hasil Uji Koefisien Korelasi dan Koefisien Determinan Model Summaryb Model

R

R Square

Adjusted R Square

Std. Error of the Estimate

1 .932a .869 .859 2.320E10 a. Predictors: (Constant), pajakhiburan, pajakreklame b. Dependent Variable: PAD Sumber: output SPSS, diolah oleh peneliti

DurbinWatson .742

Tabel di atas menunjukkan nilai koefisien determinasi yang ditunjukkan dengan nilai R2 namun karena dalam penelitian menggunakan variabel independen lebih dari satu maka penulis menggunakan nilai adjusted R2 untuk menunjukkan nilai koefisien determinasi. Dari Tabel di atas nilai adjusted R2 adalah 0.859 atau 85,9% yang artinya bahwa PAD Tangerang dijelaskan sebesar 85,9% oleh pajak reklame dan pajak hiburan sedangkan sisanya 14,1% dijelaskan oleh variabel lain yang tidak dijelaskan dalam penelitian ini. 4. Pengujian Hipotesis Untuk mengetahui apakah variabel independen dalam model regresi berpengaruh terhadap variabel dependen, maka dilakukan pengujian dengan menggunakan uji t (t test) dan uji F (F test).


67

a. Uji Simultan / Uji F / ANOVA Uji F, yaitu suatu uji untuk mengetahui pengaruh antara variabelvariabel bebas secara bersama-sama (simultan) terhadap variabel terikat. Apabila hasil perhitungan F hitung < F tabel maka Ho diterima sehingga dapat dikatakan bahwa variabel dari model regresi tidak mampu menjelaskan variabel terikat atau tidak memeliki pengaruh yang signifikan. Sebaliknya jika F hitung > F tabel maka Ho ditolak, dengan demikian dapat dikatakan bahwa variabel bebas dari model regresi linier berganda mampu menjelaskan variabel terikat atau berpengaruh secara signifikan (Priyatno,2010:67). Berikut ini adalah hipotesisnya menurut Suliyanto (2005:65) :  Ho :bj = 0 :pajak reklame (X1), pajak hiburan (X2) secara bersama-sama tidak mempunyai pengaruh yang signifikan terhadap nilai perusahaan (Y).  H1 : bj ≠ 0 : pajak reklame (X1), pajak hiburan (X2) secara bersama-sama mempunyai pengaruh yang signifikan terhadap nilai perusahaan (Y).


68

Tabel 4.7 Uji simultan / uji F ANOVAb Sum of Squares

Model 1

Df

Mean Square

Regression

9.620E22

2

4.810E22

Residual

1.454E22

27

5.385E20

Total

1.107E23

29

F

Sig.

89.328

.000a

a. Predictors: (Constant), pajakhiburan, pajakreklame b. Dependent Variable: PAD Sumber : Output SPSS, diolah oleh Peneliti Dari hasil analisis regresi dapat diketahui bahwa secara bersama-sama variable independen memiliki pengaruh yang tidak signifikan terhadap variable dependen. Hal ini dapat dibuktikan dari nilai F hitung sebesar 89.328 dengan probabilitas 0,000. Karena probabilitas jauh lebih besar dari tingkat signifikansi yang digunakan yaitu 0.05 atau 5% maka model regresi dapat digunakan untuk meprediksi pendapatan asli daerah atau dapat dikatakan bahwa pajak reklame (X1) dan pajak hiburan (X2) secara bersama-sama mempunyai pengaruh yang signifikan terhadap pendapatan asli daerah(Y). b. Uji Parsial / Uji t Uji t, yaitu uji untuk mempengaruhi pengaruh variabel-variabel bebas secara parsial terhadap variabel terikat. Apabila t hitung > t tabel, maka Ho ditolak, dengan demikian variabel bebas dapat menjelaskan variabel terikat yang ada dalam model. Sebaliknya apabila t hitung < T tabel, maka Ho diterima, dengan demikian variabel bebas tidak dapat menjelaskan variabel terikat atau dengan kata lain tidak ada pengaruh antara dua variabel yang diuji. Berikut ini adalah hipotesisnya menurut Suliyanto (2005:65) :


69

 Ho : bj = 0 : Pajak Reklame (X1) dan Pajak Hiburan (X2) secara parsial tidak mempunyai pengaruh yang signifikan terhadap Pajak Asli Daerah (Y).  H1 : bj ≠ 0 : Pajak Reklame (X1) dan Pajak Hiburan (X2), secara parsial mempunyai pengaruh yang signifikan terhadap Pajak Asli Daerah (Y). Tabel 4.8 Uji Parsial atau Uji t

Model 1

(Constant)

Unstandardized Coefficients

Standardized Coefficients

B

Std. Error

Beta

5.228E9

9.679E9

pajakreklame 5.777

3.524

.408

pajakhiburan 116.729 22.077 1.317 Sumber : Output SPSS, diolah oleh Peneliti

T

Sig.

.540

.594

1.639

.113

5.287

.000

Berdasarkan hasil uji t, maka pengambilan keputusannya adalah sebagai berikut: 1. Pengaruh Pajak Reklame terhadap Pendapatan Asli Daerah Analisis

pengaruh

Pajak

Reklame

terhadap

Pendapatan Asli Daerah dapat dilihat pada table 4.8. Berdasarkan hasil perhitungan data menggunakan program SPSS diketahui bahwa nilai terhitung pajak daerah 1.639 dan tingkat signikansi sebesar 0.133 artinya Pajak Reklame tidak memiliki pengaruh. Hal ini dikarenakan banyaknya permasalahan reklame yang belum terselesaikan, mulai dari


70

masalah reklame liar yang tidak memiliki surat ijin sampai terjadinya kebocoran di penerimaan pajak reklame. 2. Pengaruh Pajak Hiburan terhadap Pendapatan Asli Daerah Berdasarkan hasil perhitungan data menggunakan program SPSS diperoleh hasil bahwa nilai t-hitung sebesar 5.287 dan nilai signikansi 0.000. Artinya Pajak Hiburan memiliki pengaruh positif dan signifikan, karena hasil dari pajak hiburan lebih besar di bandingkan dengan pajak reklame. Pajak Hiburan di wilayah Kota Tangerang lebih dominan dibandingan dengan Pajak Reklame.

c. Analisis Regresi Berganda Dengan melihat Tabel 4.9, dapat disusun persamaan regresi linear berganda sebagai berikut: Pendapatan Daerah = 0,408 Pajak Reklame + 1.317 Pajak Hiburan + e Persamaan regresi di atas dapat diartikan sebagai berikut: a) Variable Pajak Reklame menunjukkan tidak berpengaruh terhadap Pendapatan Asli Daerah pada dinas pengelolaan keuangan dan asset daerah (dpkd) periode Januari 2009 sampai Juni 2011 dengan nilai koefisien regresi sebesar 0.408. Hal ini berarti bahwa setiap adanya peningkatan atau penurunan Pajak


71

Reklame akan mengakibatkan peningkatan atau penurunan pendapatan daerah juga. b) Variable Pajak Hiburan menunjukkan pengaruh positif namun signifikan terhadap Pendapatan Asli Daerah pada dinas pengelolaan keuangan dan asset daerah (dpkd) periode Januari 2009 sampai Juni 2011 dengan nilai koefisien regresi sebesar 1.317. Hal ini berarti bahwa setiap adanya peningkatan atau penurunan Pajak Hburan akan mengakibatkan peningkatan atau penurunan Pendapatan Asli Daerah juga. C. Pembahasan Hasil Penelitian 1. Analisis Pengaruh Pajak Reklame Terhadap Pendapatan Asli Daerah Pada variable ini, dijelaskan bahwa Pajak Reklame tidak mempunyai pengaruh terhadap Pendapatan Asli Daerah periode Januari 2009 sampai Juni 2011 nilai koefisien regresi sebesar 0.408. Hasil penelitian yang membuktikan bahwa Pajak Reklame di wilayah kota tangerang tidak mempengaruhi secara signifikan terhadap Pendapatan Asli Daerah menjelaskan bahwa tingkat Profitabilitas Dinas Pengelolaan Keuangan dan Asset Daerah (DPKD)

akan berdampak pada tingkat pembagian

pendapatan yang dilakukan oleh pemerintah daerah. 2. Analisis Pengaruh Pajak Hiburan Terhadap Pendapatan Asli Daerah Variable Pajak Hiburan menunjukan pengaruh positif dan signifikan terhadap Pendapatan Asli Daerah pada Dinas Pengelolaan Keuangan dan


72

Asset Daerah, periode Januari 2009 sampai Juni 2011 dengan koefisien regresi sebesar 1.317. pajak hiburan secara umum lebih kecil dibandingkan dengan Pajak Reklame.


BAB IV ANALISIS HASIL DAN PEMBAHASAN

Recommend Documents