BAB IV HASIL DAN PEMBAHASAN. menjadi 5 (lima) wilayah Kota Administrasi dan 1 (satu) Kabupaten

BAB IV HASIL DAN PEMBAHASAN A. Gambaran umum Provinsi DKI Jakarta mempunyai luas daratan 661,52 km2 dan lautan seluas 6.977,5 km2 serta tercatat sekitar 110 pulau yang tersebar di Kepulauan Seribu. Secara administrasi, Provinsi DKI Jakarta terbagi menjadi 5 (lima) wilayah Kota Administrasi dan 1 (satu) Kabupaten Administrasi yaitu Jakarta Pusat dengan luas daratan 47,90 km2; Jakarta Utara dengan luas daratan 154,01 km2; Jakarta Barat dengan luas daratan 126,15 km2; Jakarta Selatan dengan luas daratan 145,73 km2; Jakarta Timur dengan luas daratan 187,73 km2; dan Kabupaten Administrasi Kepulauan Seribu. Jumlah penduduk Provinsi DKI Jakarta 9,041 juta jiwa dengan kepadatan penduduk 13.667,01 jiwa per km2. Jakarta beriklim tropis, dengan suhu tahunan rata-rata 27°C dengan kelembaban 80-90%. Karena terletak di dekat garis khatulistiwa, arah angin dipengaruhi oleh angin musim. Angin musim barat bertiup antara November dan April, sedang angin musim timur antara Mei dan Oktober. Curah hujan rata-rata 2.000 mm, curah hujan paling besar sekitar bulan Januari dan paling kecil pada bulan September. Provinsi DKI Jakarta terletak disebelah Selatan Laut Jawa; sebelah Timur berbatasan dengan Kabupaten/Kota

42

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

43

Bekasi; sebelah Selatan dengan Kabupaten/Kota Bogor dan Depok serta sebelah Barat dengan Kabupaten/Kota Tangerang. Lokasi Provinsi DKI Jakarta yang strategis di Kepulauan Indonesia menjadikan Jakarta pintu gerbang utama dalam perdagangan antar pulau dan hubungan Internasional dengan pelabuhan utamanya Tanjung Priok dan Bandara Soekarno Hatta. Kedudukannya yang khas baik sebagai ibukota negara maupun sebagai ibukota daerah swantantra, menjadikan Jakarta istimewa

dan

berstatus sebagai Daerah Khusus Ibukota (DKI). Karena

fungsi yang diembannya sebagai pusat pemerintahan dan lebih dari 70% peredaran uang berada di Jakarta, menimbulkan konsekuensi sebagai pusat kegiatan ekonomi, perdagangan dan jasa, pusat kegiatan sosial dan budaya dengan berbagai sarana terbaik di Indonesia dalam bidang pendidikan, budaya, kesehatan, dan olahraga. Jakarta juga memiliki banyak

tempat

bersejarah dan warisan budaya. Pariwisata merupakan salah satu industri jasa yang pertumbuhannya paling cepat dan mempunyai banyak peluang untuk terus berkembang menjadikan Jakarta sebagai kota budaya dan pariwisata. Tata ruang kota Jakarta

untuk masa mendatang,

sesuai dengan Peraturan

Daerah DKI

Jakarta Nomor 6 Tahun 1999 tentang Rencana Tata Ruang Wilayah bahwa arahan penataan ruang wilayah akan ditujukan untuk melaksanakan 3 (tiga) misi utama, yaitu : a. membangun Jakarta yang berbasis pada masyarakat;


44

b. mengembangbiakan lingkungan kehidupan perkotaan yang berkelanjutan; c. mengembangkan

Jakarta

sebagai

kota

jasa

skala

nasional

dan

internasional. Penataan

ruang

kota

kehidupan masyarakat

Jakarta

yang

dimaksudkan

sejahtera

untuk

mewujudkan

dan

berkeadilan,

berbudaya

terselenggaranya pemanfaatan ruang wilayah yang berkelanjutan dan berwawasan lingkungan hidup sesuai dengan kemampuan daya dukung dan daya tampungnya, kemampuan masyarakat dan pemerintah, serta kebijakan pembangunan nasional dan daerah. Selain

itu

penataan

ruang

juga

bertujuan

untuk

mewujudkan

keterpaduan dalam penggunaan sumber daya alam dan sumber daya buatan

serta

terselenggaranya

pengaturan

pemanfaatan

ruang

pada

kawasan lindung dan budi daya. Dengan adanya penataan ruang yang lebih baik dan terarah, diharapkan visi pembangunan kota Jakarta yaitu agar sejajar dengan kota-kota besar negara maju lainnya dapat terwujud. B. Hasil Uji Statistik Deskriptif Statistik Deskriptif digunakan untuk melihat gambaran secara umum data yang telah dikumpulkan dalam penelitian ini adapun data yang dikumpulkan oleh peneliti adalah sebagai berikut,

dalam kegiatan

pembangunan diberbagai bidang, akan ditingkatkan dan disempurnakan dengan mengarahkan pada peningkatan kesejahteraan masyarakat dan


45

kesempatan kerja yang mengarah pada pembagian pendapatan yang lebih merata.Oleh karena itu, pelaksanaan pembangunan harus mengutamakan atau memprioritaskan kepada bidang – bidang pembangunan yang mengutamkan pertumbuhan segi pemerataan produksi dan stabilisasi daerah. Pertumbuhan ekonomi Provinsi DKI Jakarta menurut harga konstan dapat ditunjukkan Regional

oleh adanya kenaikan Pertumbuhan Produk Domestik

Bruto. Dalam Tabel disajikan mengenai PDRB

Provinsi DKI

Jakarta tahun 2004–2013 atas dasar harga konstan 2000, pertumbuhan yang tertinggi terjadi pada tahun 2011 sebesar 6,74 % dan pertumbuhan yang terendah pada tahun 2009 sebesar 5,01 %. Tabel 4.1 Pertumbuhan PDRB Perkapita Provinsi DKI Jakarta Tahun 2004 – 2013 Menurut Harga Konstan 2000 ( Dalam Ribuan Rupiah ) Tahun 2004

Jumlah PDRB 278.524.822

Pertumbuhan 5,65 %

2005

295.270.544

6,01 %

2006

312.826.713

5,95 %

2007

332.971.255

6,44 %

2008

353.694.057

6,22 %

2009

371.469.499

5,01 %

2010

395.622.437

6,51 %

2011

422.242.252

6,74 %

2012

449.805.416

6,50 %

2013

477.285.245

6, 11%

Sumber : BPS DKI Jakarta


46

Dari Tabel 4.1 dapat dilihat bahwa dalam tabel PDRB, pertumbuhan PDRB dapat di hitung dengan menggunakan rumus sebagai berikut (Sukirno,2007) : Laju Pertumbuhan = PDRB 1 - PDRB 0 X 100 % PDRB 0 Dimana : PDRB1

= Jumlah PDRB Tahun Sekarang

PDRB0

= Jumlah PDRB Tahun Lalu

Adapun perhitungannya pada tahun 2005 ; pertumbuhan PDRB Tahun 2005 = 295.270.544 – 278.524.822 X 100 % 278.524.822 = 6,01 % pertumbuhan PDRB Tahun 2006 = 312.826.713 – 295.270.544 X 100 % 295.270.544 = 5,95 %

pertumbuhan PDRB Tahun 2007 = 332.971.255 – 312.826.713 X 100 % 312.826.713 = 6,44 % pertumbuhan PDRB Tahun 2008 = 353.694.057 – 332.971.255 X 100 % 332.971.255 = 6,22 %


47

Tabel 4.2 Pertumbuhan Jumlah Industri Provinsi DKI Jakarta Tahun 2004 – 2013 Tahun

Jumlah

Pertumbuhan %

2004

1.842

-

2005

1.955

6,13

2006

2.955

31,25

2007

2.566

-13,16

2008

1.866

-27,28

2009

1.699

-8,94

2010

1.588

-6,53

2011

1.451

-8,62

2012

1.410

-2,82

2013

1.901

34,82

Sumber : BPS DKI Jakarta Dari tabel 4.2 diketahui pada tahun 2004 sampai dengan 2013 jumlah industri di Provinsi DKI Jakarta mengalami naik turun, namun di tahun 2006 sempat mengalami peningkatan. Penurunan ini dikarenakan dampak dari krisis moneter dan banyak industri yang merekolasi kegiatan usahanya ke daerah pinggiran Jakarta. Dari Tabel 4.2 dapat dilihat bahwa dalam tabel PDRB, pertumbuhan PDRB dapat di hitung dengan menggunakan rumus sebagai berikut (Sukirno,2007) : Laju Pertumbuhan = Jumlah Industri 1 - Jumlah Industri 0 X 100 % Jumlah Industri 0


48

pertumbuhan Industri Tahun 2005 = 1.955 – 1.842 X 100 % 1.842 = 6,13 % pertumbuhan Industri Tahun 2006 = 2.955 – 1.955 X 100 % 1.955 = 51,15 %

pertumbuhan Industri Tahun 2007 = 2.566 – 2.955 X 100 % 2.955 = -13,16 % pertumbuhan Industri Tahun 2008 = 1.866 – 2.566 X 100 % 2.566 = -27,28 %

Pajak Daerah yang dipungut oleh Provinsi DKI Jakarta ada 12 macam yaitu Pajak Kendaraan bermotor, Pajak

Bea Balik Nama Kendaraan

Bermotor, Pajak Bahan Bakar Kendaraan Bermotor, Pajak Air Tanah, Pajak Hotel, Pajak Restoran, Pajak Hiburan, Pajak Reklame, Pajak Penerangan Jalan, Pajak Parkir, Pajak Bea Perolehan Hasil Tanah dan Bangunan, Pajak Bumi dan Bangunan Perkotaan dan Pedesaan.Dari tahun anggaran 2004 – 2013 realisasi penerimaan Pajak Reklame terus mengalami peningkatan , dapat dilihat pada tabel 4.3


49

Tabel 4.3 Realisasi Penerimaan Pajak Reklame Terhadap Pajak Daerah Provinsi DKI Jakarta Tahun 2004 – 2013 Tahun

Pajak Daerah

Pajak Reklame

Kontribusi (%)

2004

5.497.782.459

135.368.465

2,46

2005

6.513.811.208

188.962.226

2,90

2006

6.482.649.163

234.243.268

3,61

2007

7.202.527.438

260.187.690

3,61

2008

8.751.273.782

306.953.676

3,51

2009

8.560.134.484

274.908.211

3,21

2010

10.751.745.000

258.172.000

2,40

2011

15.221.249.000

269.667.000

1,77

2012

17.721.493.000

483.179.000

2,72

2013

23.367.974.000

657.991.000

2,81

Sumber : DPP Provinsi DKI Jakarta, data diolah

Dari Tabel 4.3 dapat dilihat bahwa dalam tabel PDRB, Kontribusi Pajak Reklame dapat di hitung dengan menggunakan rumus sebagai berikut sebagai berikut : X 100% Tahun 2004 = 135.368.465 5.497.782.459 = 2,46 %

Tahun 2005 = 188.962.226 X 100% 6.513.811.208 = 2,90 %


50

Tabel 4.4 Hasil Uji Analisa Deskriptif Descriptive Statistics

N

Minimum

Maximum

Mean

Std. Deviation

Jumlah Industri (X1)

10

1410

2955

1800.30

166.013

PDRB (X2)

10

278524822

477285245

368974157.40

66761155.351

Pajak Reklame (Y)

10

135368465

657991000

306963253.60

152722244.060

Valid N (listwise)

10

Sumber : Output SPSS versi 20, diolah 2015 Dari output statistik deskriptif pada tabel 4.4 diatas dapat diketahui bahwa : 1. N = 10 berarti data yang diolah dalam penelitian ini adalah 10 tahun. Yang terdiri dari data variabel Jumlah Industri, Jumlah Produk Domestik Regional Bruto (PDRB) dan Penerimaan Pajak reklame 2. Jumlah Industri mempunyai nilai minimum sebanyak 1410 industri dan nilai maksimum 2955 dan mean atau rata – rata sebesar 1800 serta standar deviasi sebesar 166. Nilai minimum terjadi pada tahun 2012 dikarenakan banayak pengusaha yang memindahkan industrinya diluar kota Jakarta dan dipindahkan ke kota penyangga ibu kota dikarenaan UMR di kota tersebut masih rendah. Pertumbuhan industri maksimum terjadi pada tahun 2006 hal tersebut dikarenakan banyak pengusaha yang mendirikan perusahaan baru. 3. Nilai Produk Domestik Regional Bruto terendah / minimum

sebesar

278.524.822 dan nilai maksimum 477.285.245 dan mean atau rata-rata 368.974.157 serta standar deviasi 66.761.155. Nilai minimum terjadi pada


51

tahun 2004 hal ini disebabkan karena perekonomian di indonesia dan pada khusunsya di Jakarta masih mengalami kelesuan setelah terjadi peristiwa Reformasi. Nilai tertinggi atau maksimum terjadi pada tahun 2013 hal ini terjadi disebabkan sudah berkembang pesatnya ekonomi di Indonesia dan khusunya di Jakarta. 4. Pajak Reklame nilai minimum Rp.

135.368.465 dan nilai makimum

Rp. 657.991.000, mean atau rata-rata sebesar Rp. 306.963.253 serta nilai standar deviasi sebesar Rp. 152.722.244. Nilai Minimum terjadi pada tahun 2005 dan nilai tertinggi terjadi pada tahun 2010 hal ini disebabkan karena sudah banyaknya perusahaan inditri yang memasang reklame untuk mempromosikan produknya.

C. Uji Asumsi Klasik 1. Uji Normalitas Uji normalitas data dilakukan dengan analisa One-Sample Kolomongorov-Smirnov. Pengambilan keputusan untuk menentukan data variabel penelitian terdistribusi normal atau tidak adalah sebagai berikut : a. Nilai Asymp. Sig. (2-tailed) lebih besar dari 0,005 maka data terdistribusi normal. b. Nilai Asymp. Sig. (2-tailed) kurang dari 0,005 maka data terdistribusi tidak normal.


52

Tabel 4.5 One-Sample Kolmogorov-Smirnov Test

Standardized Residual

N

10

Normal Parameters

a,b

Mean

Std. Deviation

Most Extreme Differences

.0000000

.88191710

Absolute

.213

Positive

.213

Negative

-.135

Test Statistic

.213

.200c,d

Asymp. Sig. (2-tailed)

a. Test distribution is Normal.

Sumber : Data hasil pengolahan SPSS versi 20 Dari data diatas dapat dilihat bahwa nilai Asymp. Sig. (2-tailed) sebesar 0,200

atau nilainya lebih besar dari 0,05, maka dapat

disimpulkan bahwa data pada penelitian ini terdisribusi normal.

Sumber : Data hasil pengelolaan SPSS versi 20 Gambar 4.1


53

Dari gambar 4.1 diatas merupakan Uji Normalitas secara visual. Data residual disebut berdistribusi normal, jika sebarannya mendekati bentuk lonceng yang simetris. Secara penampakan visual residual berdistribusi normal, karena data residual membentuk lonceng yang simetris.

Sumber : Data hasil pengolahan SPSS Versi 20 Gambar 4.2

Pada Gambar 4.2 diatas dapat dilihat P plots titik - titik medekati sumbu diagonal, dan dapat disimpulkan bahwa data dalam penelitian ini normal.


54

2. Uji Heteroskedastisitas Heteroskedastisitas bertujuan untuk menguji terjadinya perbedaan variance residual suatu periode pengamatan ke periode pengamatan lain atau gambaran hubungan antara nilai yang diprediksi dengan Studentized Delete Residual nilai tersebut. Model regresi yng baik adalah model regresi yang memiliki persamaan

variance residual suatu periode

pengamatan dengan periode pengamatan lain. Cara memprediksi ada tidaknya heteroskedastisitas pada suatu model dapat dilihat pada pola gambar Scatterplot model tersebut.

Sumber : Data hasil pengolahan SPSS Versi 20 Gambar4.3


55

Pendeteksian ada tidaknya heteroskedastisitas dilakukan dengan cara melihat gambar4.3 diagram pencarnya (scatterplot diagram). Bila ada pola tertentu, seperti titik-titik yang membentuk suatu pola tertentu dan teratur (bergelombang, melebar kemudian menyempit) maka terjadi heteroskedastisitas. Jika tidak ada pola yang jelas, serta titik-titik menyebar maka tidak terjadi heteroskedastisitas. Berdasarkan diagram scatterplot di atas, terlihat bahwa data tidak membentuk suatu pola tertentu (berpencar tidak teratur). Hal ini berarti model penelitian terbebas dari masalah heterokedastisitas. 3. Uji Multikolinearitas Merupakan dimana antara variabel X (Independent) tidak boleh saling saling berkorelasi. Regresi yang baik adalah apabila tidak ada korelasi antara variabel independent. Semua model regresi bebas dari masalah multikolinearitas jika pada suatu model dapat dilihat dari beberapa hal, yang salah satunya yaitu jika nilai variance Inflasion Faktor (VIF) tidak lebih dari 10 dan nilai Tolerance tidak kurang dari 0,1 maka model dapat dikatakan terbebas dari multikolinearitas.


56

Tabel 4.6 Uji Multikolinearitas Coefficients

a

Standardized Unstandardized Coefficients

Model

1

B

(Constant)


Coefficients

Std. Error

3638269310.237

810222757.765

1411177.679

308479.856

3.807

.767

PDRB (X2)

Beta

Collinearity Statistics

t

Sig.

Tolerance

4.490

.003

1.534

4.575

.003

.277

3.608

1.664

4.963

.002

.277

3.608

a. Dependent Variable: Pajak Reklame (Y)

Sumber : Data hasil pengolahan SPSS versi 20 Berdasarkan data dari tabel 4.3 diatas ditunjukan bahwa nilai tolerance tidak ada yang kurang dari 0,1 dan VIF tidak ada yang lebih dari 10 . dengan demikian distribusi data tidak terkena multikolinearitas sehingga layak untuk dimasukkan ke dalam uji regresi dalam penelitian ini. 4. Uji Autokorelasi Autokorelasi bertujuan untuk mengetahui ada atau tidaknya korelasi periode penganggu sebelumnya. Autokorelasi sering terjadi pada sampel data series dengan n sampel adalah periode waktu. Cara mendeteksi autokorelasi dapat dilakukan dengan uji Durbin –Watson.


VIF

57

Tabel 4.7 Uji Autokorelasi b

Model Summary

Std. Error of the Model

1

R

R Square

.884a

Adjusted R Square

.782

.720

Estimate

80884830.773

Durbin-Watson

1.832

a. Predictors: (Constant), PDRB (X2), Jumlah Industri (X1)

b. Dependent Variable: Pajak Reklame (Y)

Sumber : Data hasil pengolahan SPSS Versi 20 Pada tabel 4.7 diatas menunjukan bahwa nilai DW sebesar 1.832 yang artinya jumlah N 10 dan jumlah variabel independen dua (K=2), maka akan didapat nilai du = 1,54 dan dl = 0,95 persamaannya 4-du = 41,54 = 2,46 karena du < d < 4-dl ( 1,54 < 1,832 < 3,05 maka dapat disimpulkan tidak terjadi autokorelasi.

D. Uji Kesesuaian Model 1. Determinasi (R2) Koefisien determinasi (R2) bertujuan untuk mengetahui seberapa besar kemampuan variable independent menjelaskan variable dependent. Nilai R Square dikatakan baik jika 0,5 karena nilai R Square berkisar antara 0 sampai 1.


58

Tabel 4.8 Analisis Koefisien Regresi

b

Model Summary

Std. Error of the Model

R

R Square

.884a

1

Adjusted R Square

.782

.720

Estimate

80884830.773

Durbin-Watson

1.832

a. Predictors: (Constant), PDRB (X2), Jumlah Industri (X1) b. Dependent Variable: Pajak Reklame (Y)

Sumber : Data hasil pengolahan SPSS Versi 20 Nilai R square = 0.782 dari tabel 4.8 di atas menunjukkan bahwa 78.2%. Dengan demikian variabel dependen yaitu Pajak Reklame sangat dipengaruhi oleh variabel independent yaiti jumlah industri dan Produk Domestik regional Bruto (PDRB) dan 21.8% sisanya dipengaruhi oleh variabel lain yang tidak dimasukkan dalam penelitian ini 2. Uji F Uji F bertujuan untuk mengetahui pengaruh secara bersama-sama antara variable independent terhadap variable dependent. Hasil uji ini pada outpus SPSS dapat dilihat dalam tabel ANOVA. Hasil F-test menunjukan variable independent secara bersama-sama berpengaruh terhadap variable dependent jika :


59

Ho = Tidak terdapat pengaruh Ha = Terdapat pengaruh Jika p-value > 0,05 maka Ho diterima, Ha ditolak, artinya tidak ada pengaruh. Jika p-value < 0,05 maka Ho ditolak, Ha diterima, artinya ada pengaruh. Tabel 4.9 Uji F ANOVAa

Model

1

Sum of Squares

Regression

Residual

Total

df

Mean Square

164120263530619712.000

2

82060131765309888.000

45796490944721872.000

7

6542355849245981.000

209916754475341600.000

9

F

Sig.

12.543

a. Dependent Variable: Pajak Reklame (Y)

b. Predictors: (Constant), PDRB (X2), Jumlah Industri (X1)

Sumber : Data hasil pengolahan SPSS Versi 20 Dari tabel 4.9 diatas dapat dilihat bahwa nilai F hitung sebesar 12.543 dengan nilai p-value atau nilai signifikansi sebesar 0,005, dapat diartikan bahwa 0,005 < 0,05, sehingga dapat disimpulkan bahwa Pajak Reklame secara bersama – sama dapat digunakan untuk mempengaruhi Pertumbuhan Jumlah Industri, dan Pertumbuhan Produk Domestik Regional Bruto (PDRB).


.005b

60

E. Uji Hipotesis 1. Uji t Uji t adalah pengujian yang bertujuan untuk mengetahui besarnya pengaruh masing – masing variable independent secara individual (parsial) terhadap variable dependent. Hasil uji ini pada output SPSS dapat dilihat pada tabel Coefisiena. Hasil T-test menunjukan variable independent secara individu berpengaruh terhadap variable dependent jika : Ho = Tidak terdapat pengaruh Ha = Terdapat pengaruh Jika p-value > 0,05 maka Ho diterima, Ha ditolak, artinya tidak ada pengaruh. Jika p-value < 0,05 maka Ho ditolak, Ha diterima, artinya ada pengaruh. Tabel 4.10 Hasil Uji t Coefficientsa


Model

1

B

(Constant)


PDRB (X2)

Coefficients

Std. Error

-3638269310.237

810222757.765

1411177.679

308479.856

3.807

.767

Beta

t

Sig.

4.490

.003

1.534

4.575

.003

1.664

4.963

.002

Sumber : Data hasil pengolahan SPSS Versi 20 Dari hasil uji t , didapat nilai probabilitas Jumlah Industri sebesar 0,003 dan PDRB sebesar 0,002. Karena probabilitas dibawah 0,05 maka


61

Jumlah Industri dan PDRB berpengaruh secara parsial terhadap Penerimaan Pajak Reklame di Provinsi DKI Jakarta. 2. Uji Analaisa Regresi Berganda Uji analisa regresi berganda digunakan untuk mengukur besarnya pengaruh

variabel

memprediksi independen.

independen

variabel

terhadap

dependen

variabel

dengan

dependen,

menggunakan

dan

variabel

Dalam penelitian ini, penggunaan model regresi linier

berganda ditujukan untuk mengukur besarnya pengaruh “ Pertumbuhan Jumlah industri dan Pertumbuhan Produk Domestik Regional Bruto (PDRB) terhadap penerimaan Pajak Reklame di Provinsi DKI Jakarta” Tabel 4.11 Hasil Uji Regresi Linier Berganda Coefficients

a


Model

1

B

(Constant)

Coefficients

Std. Error

3638269310.237

810222757.765

1411177.679

308479.856

3.807

.767


PDRB (X2)

Beta

t

4.490

.003

1.534

4.575

.003

1.664

4.963

.002

Sumber : Output SPSS versi 20 Dari kedua variabel independen yang dimasukan kedalam model regresi, variabel X1 memiliki signifikan pada ,003 dan X2 signifikan pada 0,002. Dari hasil tersebut dapat disimpulkan bahwa variabel Y dipengaruhi oleh variabel X1 dan X2 dengan persamaan sebagai berikut :


Sig.

62

Pajak Reklame = 3638269310.237 + 1411177.679 Jumlah Industri + 3.807 PDRB Persamaan regresi diatas menunjukan bahwa : 1.

Nilai koefisien regresi untuk variabel Pertumbuhan Jumlah Industri menengah besar

(X1) adalah

1411177.679. Hal ini menunjukan

bahwa variabel Jumlah Industri menengah besar berpengaruh positif terhadap Penerimaan Pajak Reklame di Provinsi DKI Jakarta. Semakin banyak Jumlah Industri menengah besar maka akan semakin meningkat Penerimaan Pajak Reklame di Provinsi DKI Jakarta. 2.

Nilai koefisien regresi untuk variabel Pertumbuhan Produk Domestik Regional Bruto (PDRB) adalah 3.807. Hal ini menunjukan bahwa variabel Produk Domestik Regional Bruto (PDRB) berpengaruh positif terhadap Penerimaan Pajak Reklame di Provinsi DKI Jakarta. Semakin tinggi Produk Domestik Regional Bruto (PDRB) maka akan semakin meningkat

Penerimaan Pajak Reklame di Provinsi DKI

Jakarta. 3.

Pengujian Hipotesis Ha1

: Tidak terdapat pengaruh antara Pertumbuhan Jumlah industri dan Pertumbuhan Produk Domestik Regional Bruto (PDRB) terhadap Penerimaan Pajak Reklame di Provinsi DKI Jakarta.

H01

:

B1 = 0


63

Ha1

: Terdapat pengaruh antara Pertumbuhan Jumlah industri dan Pertumbuhan Produk Domestik Regional Bruto (PDRB) terhadap Penerimaan Pajak Reklame di Provinsi DKI Jakarta.

H01

:

B1 ≠ 0

Kriteria yang ditetapkan untuk menguji hipotesis 1 yang diajukan apakah diterima atau ditolak dengan melihat tingkat signifikansi sebesar 5%. Ketentuan penerimaan atau penolakan terjadi jika taraf signifikansi (p-value)≤ 0.05 maka Ha1 diterima dan H01 ditolak. Dan sebaliknya, jika taraf signifikansi (p-value) > 0,05 maka H01 diterima dan Ha1 ditolak.

Sesuai dengan tabel 4.11 nilai sinifikansi variabel Jumlah

industri (X1) sebesar 0,003 . Hal ini menunjukan bahwa Ha1 yang menyatakan ada pengaruh positif antara Jumlah industri terhadap Penerimaan Pajak Reklame di Provinsi DKI Jakarta, diterima.

Pengujian Hipotesis 2 H02 : Tidak terdapat pengaruh antara Pertumbuhan Jumlah industri dan Pertumbuhan Produk Domestik Regional Bruto (PDRB) terhadap Penerimaan Pajak Reklame di Provinsi DKI Jakarta. H02

: B2 =

0

Ha2 : Terdapat pengaruh antara Pertumbuhan Jumlah industri dan Pertumbuhan Produk Domestik Regional Bruto (PDRB) terhadap Penerimaan Pajak

Reklame di Provinsi DKI Jakarta.

H02 : B2 ≠ 0


64

Kriteria yang ditetapkan untuk menguji hipotesis 2 yang diajukan apakah diterima atau ditolak dengan melihat tingkat signifikansi sebesar 5%. Ketentuan peneriman atau penolakan terjadi jika taraf signifikansi (p-value) ≤ 0.05 maka Ha2 diterima dan H02 ditolak. Dan sebaliknya, jika taraf signifikansi (p-value) >0.05 maka H02 diterima dan Ha2 ditolak. Sesuai dengan tabel 4.11, nilai signifikansi variabel Produk Domestik Regional Bruto (PDRB (X2) sebesar 0,002. Hal ini menunjukan bahwa Ha2 yang menyatakan terdapat pengaruh Pertumbuhan Produk Domestik Regional Bruto (PDRB) terhadap Penerimaan Pajak Reklame di Provinsi DKI Jakarta. Pengujian Hasil Dapat disimpulkan bahwa Pertumbuhan jumlah industri ( hipotesis 1 ) berpengaruh positif terhadap Penerimaan Pajak Reklame di Provinsi DKI Jakarta. Pertumbuhan Produk Domestik Regional Bruto (PDRB) ( hipotesis 2) juga berpengaruh positif terhadap Penerimaan Pajak Reklame di Provinsi DKI Jakarta.


BAB IV HASIL DAN PEMBAHASAN. menjadi 5 (lima) wilayah Kota Administrasi dan 1 (satu) Kabupaten

Recommend Documents