ESTIMASI PENDAPATAN PAJAK PENGHASILAN ORANG PRIBADI DAN BADAN BASIS AKRUAL Formulasi dengan Menggunakan Model Statistik

ESTIMASI PENDAPATAN PAJAK PENGHASILAN ORANG PRIBADI DAN BADAN BASIS AKRUAL “Formulasi dengan Menggunakan Model Statistik”

Disusun oleh: Nama Peneliti/Pengkaji I NIP Pangkat/Golongan Jabatan

: Sri Suryanovi : 196411231985032001 : Pembina/IV.a : Widyaiswara Madya

Nama Peneliti/Pengkaji II NIP Pangkat/Golongan Jabatan

: Dyah Purwanti : 197505111994032001 : Pembina/IV.a : Widyaiswara Madya

BADAN PENDIDIKAN DAN PELATIHAN KEUANGAN JAKARTA 2013

Abstrak

UU Nomor 17 Tahun 2003, UU Nomor 1 Tahun 2004, dan PP Nomor 71 Tahun 2010 mengharuskan pemerintah menyusun laporan keuangan dengan menggunakan basis akrual.Basis tersebut harus sudah diterapkan ketika menyusun laporan keuangan tahun anggaran 2015.Kesulitan utama ketika basis akrual diterapkan adalah saat mengakui pendapatan, khususnya PPh Pasal 29. Hal itu terjadi karena adanya perbedaan waktu antara taxable event (bulan Januari-Desember) dengan penyampaian SPT Tahunan Orang Pribadi dan Badan (paling lambat bulan Maret dan April tahun berikutnya), serta dengan penyampaian Laporan Keuangan Kementerian Keuangan untuk di audit BPK (paling lambat akhir Februari tahun berikutnya). Perbedaan waktu tersebut menghendaki pemerintah untuk dapat mengestimasi jumlah PPh Pasal 29 yang menjadi haknya, agar dapat diakui sebagai pendapatan pajak tahun berjalan.IPSAS 23 menyatakan bahwa estimasi tersebut dapat dilakukan dengan menggunakan model statistik, dengan memasukan antara lain kejadian-kejadian dalam perekonomian.Penelitian ini dimaksudkan untuk melakukan estimasi tersebut. Penelitian ini dilakukan dengan pendekatan analisis statistik induktif, menggunakan data sekunder, yaitu PPh Pasal 25/29, PDB, ekspor, impor, selisih kurs US$, inflasi, ICP, dan lifting, periode 2009-2012.Data tersebut dimodelkan dan diregres dengan menggunakan metode VAR (vector autoregression). Model yang dipilih sudah tepat karena seluruh data stasioner pada derajat yang sama, lag optimal yang dipilih memiliki nilai Adj. R-Suared tinggi, yaitu 84,84% dan VAR-nya stabil. Rata-rata penyimpangan hasil estimasi PPh pasal 29 tiap-tiap tahun tidak sama, yaitu pada tahun 2010, lebih rendah 9,79% dibanding realisasinya; tahun 2011 lebih tinggi 5,67% dibanding realisasinya, dan tahun 2012 lebih tinggi 3,04% dibanding realisasinya. Rata-rata penyimpangan tersebut tidak selalu berada dalam batas materialitas audit BPK (yaitu antara 0,5%- 5%), sehingga model statistik yang dihasilkan dari kajian ini kurang dapat diandalkan untuk menaksir pendapatan PPh Pasal 29, untuk kepentingan penyusunan laporan keuangan basis akrual di bulan Desember. Penyebab penyimpangan yang cukup besar tersebut adalah karena, pertama, tidak ada pemisahan data antara PPh Pasal 25 dengan Pasal 29 dan antara PPh Pasal 25/29 Orang Pribadi dengan Badan. Ke dua, data PPh Pasal 25/29 tidak murni karena sudah bercampur dengan penerimaan yang berasal dari SKPKB, SKPKBT, sanksi perpajakan atau administrasi berupa denda dan/atau bunga; maupun karena adanya restitusi pajak dan imbalan bunga yang dibayarkan pemerintah terkait penerbitan SKPLB.

ii

Abstract Act No. 17 of 2003, Act No. 1 of 2004, and Government Regulation No. 71 of 2010 requires the government to prepare financial statements on accrual basis accounting.This basis have to had been applied when prepare financial statement budget year 2015. The primary difficulty in applying accrual basis is that when revenue is recognized, especially Income Tax article 29. It happened because, there is time difference between the taxable event (month of January to December) with the submission of SPT Tahunan personal and corporation (at the latest in March and April of the following year), as well as with the submission of Financial Statements of the Ministry of Finance to BPK to be audited (by the end of February next year). This difference is requires the government to be able to estimate the amount of income tax article 29, in order to be recognized as income tax for current year. IPSAS 23 states that the estimation can be done by using a statistical model, by including some events in the economy. This research is intended to perform estimation of that income tax. This research was conducted with the approach of inductive statistical analysis, using secondary data, namely Income Tax Article 25/29, GDP, exports, imports, foreign exchange U.S. $, inflation, ICP, and lifting, during period of 20092012. The data is modeled and regressed using the VAR (Vector Autoregression). The selected model have been appropriate because all the data has been stationared at the same degree, lag optimal selected have high Adj R-Suared, that is 84.84% and its VAR is stable. The average deviation of estimated income tax of article 29 at each year are not the same, ie in 2010, 9.79 % lower than its realization; in 2011, 5.67% higher than its realization, and in 2012, higher 3.04 % than its realization. This average deviation is not always in the range of audit materiality of BPK ( ie between 0.5 % - 5 %), so the existing statistical models in this study is less reliable for estimating the income Tax Article 29, in order to prepare financial statements on accrual basis in December.The cause of that big deviation (over 5%) due to some reasons. First, there is no separation of data between Income Tax Articles 25 with Article 29 and between Income Tax Article 25/29 of personal with corporation. Second , the data of Income Tax Article 25/29 is not pure because it was mixed with the revenue from SKPKB, SKPKBT, or administrative sanctions such as fines and / or interest. Third, data of Tax Article 25/29 is reduced due to tax refunds and interest paid in exchange for the issuance of SKPLB.

iii

DAFTAR ISI HALAMAN JUDUL............................................................................................................................................ i ABSTRAK................................................................................................................................................................ii ABSTRACT............................................................................................................................................................iii DAFTAR ISI ........................................................................................................................................................ iv DAFTAR LAMPIRAN ......................................................................................................................................... vi BAB I

PENDAHULUAN..............................................................................................................................1 A. LATAR BELAKANG....................................................................................................................1 B. RUMUSAN MASALAH..............................................................................................................8 C. RUANG LINGKUP......................................................................................................................9 D. TUJUAN PENELITIAN............................................................................................................ 10 E..MANFAAT PENELITIAN ........................................................................................................ 10 F. SISTEMATIKA PENULISAN.................................................................................................. 10

BAB II

LANDASAN TEORI ...................................................................................................................... 13 A. TINJAUAN PUSTAKA ........................................................................................................... 13 1. AKUNTANSI BERBASIS AKRUAL ............................................................................... 13 2. PENDAPATAN.................................................................................................................... 14 3. TITIK PENGAKUAN PENDAPATAN............................................................................ 15 4. PENDAPATAN PAJAK DALAM LKPP......................................................................... 17 5. PAJAK DAN TATA CARA PEMUNGUTANNYA....................................................... 17 6. KLASIFIKASI PAJAK ......................................................................................................... 19 7. PAJAK PENGHASILAN.................................................................................................... 21 8. PERTUMBUHAN EKONOMI.......................................................................................... 28 9. INFLASI.................................................................................................................................. 30 10. EKSPOR............................................................................................................................. 32 11. IMPOR................................................................................................................................. 33 12. NILAI TUKAR RUPIAH TERHADAP DOLAR AMERIKA (KURS US$)............. 34 13. INDONESIAN CRUDE PRICE (ICP)........................................................................... 37 14. LIFTING............................................................................................................................... 38 B. KERANGKA PEMIKIRAN TEORITIS................................................................................ 38 C. HIPOTESIS............................................................................................................................... 44

iv

BAB III

METODE KAJIAN AKADEMIS.................................................................................................. 45 A. JENIS PENELITIAN................................................................................................................ 45 B. JENIS DAN SUMBER DATA............................................................................................... 45 C. DEFINISI OPERASIONAL VARIABEL DAN PENGUKURANNYA.......................... 46 1. EKSPOR............................................................................................................................... 46 2. ICP .......................................................................................................................................... 46 3. IMPOR. .................................................................................................................................. 46 4. INFLASI.................................................................................................................................. 46 5. KURS US$............................................................................................................................ 47 6. LIFTING ................................................................................................................................. 47 7. PDB ........................................................................................................................................ 47 8. PPH25/29.............................................................................................................................. 47 D. METODE ANALISIS DATA.................................................................................................. 47 1. UJI TREND........................................................................................................................... 49 2. UJI STASIONERITAS DATA DAN DERAJAT INTEGRASI ................................... 49 3. UJI PENENTUAN LAG LENGTH................................................................................... 49 4. UJI STABILITAS VAR........................................................................................................ 50 5. UJI KAUSALITAS GRANGER........................................................................................ 50 6. VARIANCE DECOMPOSITION..................................................................................... 50

BAB IV

ANALISIS DAN PEMBAHASAN............................................................................................... 51 A. ANALISIS PERSIAPAN REGRESI DENGAN VAR...................................................... 53 B. STATISTIK DESKRIPTIF DATA PENELITIAN............................................................... 55 C. ANALISIS REGRESI DENGAN VAR................................................................................ 64

BAB V

SIMPULAN DAN SARAN............................................................................................................. 91

DAFTAR PUSTAKA......................................................................................................................................... 93

v

DAFTAR LAMPIRAN

Lampiran 1

Uji Stasioneritas Data

Lampiran 2

Uji Stabilitas VAR

Lampiran 3

Uji Adj R-Squared dengan VAR

Lampiran 4

Uji Kausalitas Granger

Lampiran 5

Variance Decomposition

Lampiran 6

Backcasting

Lampiran 7

Indeks Seasonal PPh pasal 25/29

vi

BAB I PENDAHULUAN

A. Latar Belakang Undang-Undang (UU) Nomor 17 Tahun 2003 tentang “Keuangan Negara,” mengharuskan Pemerintah menyusun laporan keuangan tahun anggaran 2008 dengan menggunakan basis akrual. Keharusan itu dinyatakan dalam pasal 36 ayat (1) UU tersebut yang berbunyi sebagai berikut: “Ketentuan mengenai pengakuan dan pengukuran pendapatan dan belanja berbasis akrual sebagaimana dimaksud dalam Pasal 1 angka 13, 14, 15, dan 16 undang-undang ini dilaksanakan selambat-lambatnya dalam 5 (lima) tahun. Selama pengakuan dan pengukuran pendapatan dan belanja berbasis akrual belum dilaksanakan, digunakan pengakuan dan pengukuran berbasis kas.” Hal

tersebut

dipertegas

lagi

oleh

UU

Nomor

1

Tahun

2004

tentang”Perbendaharaan Negara” pasal 70 ayat (2) yang menyatakan, bahwa: “Ketentuan mengenai pengakuan dan pengukuran pendapatan dan belanja berbasis akrual sebagaimana dimaksud dalam Pasal 12 dan Pasal 13 Undang-undang ini dilaksanakan selambat-lambatnya pada tahun anggaran 2008 dan selama pengakuan dan pengukuran pendapatan dan belanja berbasis akrual belum dilaksanakan, digunakan pengakuan dan pengukuran berbasis kas.”

Namun, sampai dengan saat ini pemerintah belum menerapkan akuntansi berbasis akrual. Hal ini terlihat dari Laporan Keuangan Pemerintah Pusat (LKPP) tahun anggaran 2011 yang masih disusun dengan menggunakanStandar Akuntansi Pemerintahan (SAP) Berbasis Kas Menuju Akrual, sebagaimana dinyatakandalam ringkasannya, antara lain sebagai berikut: ….”LKPP Tahun 2011 ini telah disusun dan disajikan sesuai dengan Peraturan Pemerintah Nomor 71 Tahun 2010tentang Standar Akuntansi Pemerintahan Lampiran II (PSAP Berbasis Kas Menuju Akrual).”

1


Peraturan Pemerintah (PP) Nomor 71 Tahun 2010,yang menggantikan PP Nomor 24 Tahun 2005, tentang “Standar Akuntansi Pemerintahan” terbit pada tanggal 22 Oktober Tahun 2010.Secara tegas, PP tersebut menyatakan bahwa Pemerintah menerapkan SAP Berbasis Akrual (pasal 4 ayat 1). Meskipun demikian, PP tersebut masih memberi kelonggaran bagi pemerintah untuk tetap menerapkan SAP Berbasis Kas Menuju Akrual sampai dengan tahun anggaran 2014. Hal ini dimungkinkan dengan adanya Lampiran II dalam PP Nomor 71 Tahun 2010 yang berisi tentang SAP Berbasis Kas Menuju Akrual. Lampiran I PP Nomor 71 Tahun 2010 tentang SAP Berbasis Akrual harus sudah diterapkan untuk menyusun laporan keuangan tahun anggaran 2015. Hal ini mengacu pada bunyi paragraf terakhir setiap Pernyataan Standar Akuntansi Pemerintahan (PSAP) yang terdapat dalam lampiran II PP Nomor 71 Tahun 2010. Paragraf yang dimaksud mengatur tentangtanggal pemberlakuan efektif SAP Berbasis Kas Menuju Akrual yang berbunyi, “Pernyataan Standar Akuntansi Pemerintahan

ini

dapat

diberlakukan

untuk

laporan

keuangan

atas

pertanggungjawaban pelaksanaan anggaran sampai dengan tahun anggaran 2014.” Masalah utama ketika akuntansi pendapatan basis akrual sudah diterapkan adalah penentuan titik pengakuan pendapatan. Hal ini disadari oleh IPSAS 9, 2012: 253, yang dalam pemaparan objective-nya mengatakan bahwa: “The primary issue in accounting for revenue is determining when to recognize revenue.”Selanjutnya dalam paparan objective tersebut dinyatakan pula bahwa kriteria untuk mengakui pendapatan adalah sebagai berikut: “Revenue is recognized when it is probable that (a) future economic benefits or service potential will flow to the entity, and (b) these benefits can be measured reliably.”

2

BAB I PENDAHULUAN

Permasalahannya terletak pada kemampuan untuk mengidentifikasikan pada titik mana suatu kejadian dianggap telah memenuhi kedua kriteria tersebut agar dapat diakui sebagai pendapatan. Dalam basis kas menuju akrual, titik pengakuan pendapatan, baik yang berasal dari transaksi pertukaran maupun transaksi non pertukaran lebih mudah ditentukan, karena pengakuannya adalah pada saat uang masuk ke Rekening Kas UmumNegara/Daerah (Lampiran I PSAP 02 Paragraf 21). Lain halnya dengan basis akrual yang mengakui pendapatan pada saat hak untuk memperoleh pendapatan telah terpenuhi walaupun kas belum diterima di Rekening Kas Umum Negara/Daerah atau oleh entitas pelaporan (Lampiran I Kerangka Konseptual, Paragraf 43). Titik pengakuan pendapatan yang berasal dari transaksi pertukaran,pada basis akrual relatif mudah ditentukan karena kedua kriteria pengakuan pendapatan biasanya terpenuhi ketika serah terima atas transaksi tersebut terjadi. Namun, titik pengakuan pendapatan yang berasal dari transaksi non pertukaran, khususnya Pajak Penghasilan (PPh) Orang Pribadi dan Badan relatif sulit ditentukan. PSAP 12 Paragraf 20 hanya mengatakan bahwa: “PendapatanLO yang diperoleh berdasarkan peraturan perundang-undangan diakui pada saat timbulnya hak untuk menagih pendapatan, misalnya pendapatan pajak.” Namun penentuan kapan hak tersebut timbul tidak dijelaskan lebih lanjut. IPSAS 23, 2012:par 44, mengatakan bahwa arus masuk sumber daya yang berasal dari transaksi non pertukaran yang telah diakui sebagai aset seharusnya juga diakui sebagai pendapatan sepanjang tidak ada pengakuan penambahan utang/kewajiban terkait arus masuk tersebut. Aset yang timbul dari pajak, menurut IPSAS 23, 2012: paragraf 59, seharusnya diakui ketika taxable

3


event terjadi dan kriteria pengakuan aset terpenuhi. Kriteria pengakuan aset yang dimaksud adalah jika kemungkinan besar (probable) arus masuk sumber daya akan terjadi dan nilainya dapat diukur dengan andal. Undang-undang Nomor 36 Tahun 2008 tentang Perubahan keempatatas UU Nomor 7 Tahun 1983 tentang Pajak Penghasilan, mengatakan bahwa Pajak Penghasilan dikenakan terhadap Subjek Pajak atas Penghasilan yang diterima atau diperolehnya dalam tahun pajak. Pajak Penghasilan Orang Pribadi maupun Badan ada yang bersifat final, artinya tidak diperhitungkan dalam Surat Pemberitahuan (SPT) Tahunan dan ada juga yang akan diperhitungkan dalam SPT. Penerimaan pajak yang bersifat final seharusnya sudah diakui sebagai pendapatan, karena sudah memenuhi kriteria pengakuan pendapatan yang disyaratkan IPSAS maupun PSAP. Pada pajak yang bersifat final, taxable eventnya sudah terjadi dan nilainya dapat diukur dengan andal. Selain itu, pendapatan pajak tersebut juga tidak akan diperhitungkan dalam SPT Tahunan sehingga jumlah tersebut sepenuhnya sudah menjadi hak pemerintah. Pajak Penghasilan yang akan diperhitungkan pada SPT Tahunan adalah PPh Pasal 21, 22, 23, 25, dan Pasal 26. Kesulitan yang timbul dalam menentukan

titik

pengakuan

pendapatan

pajak

penghasilan

jenis

tersebut(terutama PPh Pasal 25), terletak pada keandalan jumlah pajak yang sesungguhnya menjadi hak pemerintah,atau menjadi kewajiban wajib pajak pada tahun berjalan. Hal ini disebabkan karena adanya perbedaan waktu antara taxable event dengan waktu pembayaran dan pelaporan pajak, serta dengan waktu penyusunan dan penyampaian LKPP kepada Badan Pemeriksa Keuangan (BPK). Menurut UU Nomor 1 Tahun 2004, Pasal 55 ayat 3, LKPP harus disampaikan Presiden kepada BPK paling lambat 3 (tiga) bulan setelah tahun

4

BAB I PENDAHULUAN

anggaran berakhir. Padahal, batas waktu paling lambat penyampaian SPT Tahunan Orang Pribadi adalah tanggal 31 Maret tahun berikutnya, dan SPT Tahunan Badan paling lambat tanggal 30 April tahun berikutnya (UU No. 36 Tahun 2008 pasal 25 ayat 2). SPT Tahunan menurut UU No. 36 Tahun 2008merupakan sarana bagi wajib pajak untuk menetapkan jumlah pajak yang terutang dalam satu tahun pajak.Dalam SPT tersebut diperhitungkan jumlah PPh Pasal 21, 22, 23, 25 dan 26 yang telah dipungut dan disetor. Dari perhitungan tersebut akan diketahui kekurangan pajak yang masih harus dibayar oleh Wajib Pajak (PPh Pasal 29) atau kelebihan bayar, yang dapat diminta kembali oleh Wajib Pajak (PPh Pasal 28 A). PPh Pasal 21, 22, 23, dan 26 bersifat withholding, yang dipungut dan disetor sepanjang tahun berjalan.Jenispajaktersebut dipungut dan disetor oleh wajib pungut atas penghasilan yang bersifat regular, yang dibayarkannya kepada wajib pajak. Pajak Penghasilan jenis tersebut seharusnya sudah menjadi hak pemerintah ketika dipungut atau disetor oleh wajib pungut. Perbedaan waktu antara taxable event dengan tanggal penyetoran dan pelaporan atas jenis-jenis pajak tersebut masih dalam rentang waktu yang memungkinkan untuk dibukukan sebagai pendapatan pada tahun berjalan. Hal ini dapat dilihat dari tabel 1 berikut ini.

5


Tabel 1Waktu Pembayaran dan Pelaporan Pajak Terutang bagi Wajib Pungut

No.

Jenis

Pajak

yang

Dipungut/Dibayar

Paling Lambat

1

PPh pasal 21

2

PPh Pasal 22 import

3

4

Tanggal Pembayaran

PPh

Pasal

Paling Lambat

10 bulan berikutnya Bersaman

bendaharawan PPh Pasal 22 BBM,

20 bulan berikutnya dengan Hari kerja terakhir

pembayaran bea masuk

22 Pada

hari

Tanggal Pelaporan

yang

dengan pembayaran

sama

minggu berikutnya Paling lama 14 hari

10 bulan berikutnya

20 bulan berikutnya

dipungut Wajib Pajak 10 bulan berikutnya

20 bulan berikutnya

gas dan Pelumas PPh Pasal 22 yang

5

Badan Tertentu 6

PPh Pasal 23 dan 26

10 bulan berikutnya

20 bulan berikutnya

7

PPh Pasal 25

15 bulan berikutnya

20 bulan berikutnya

Sumber: diolah dari Peraturan Menteri Keuangan Nomor 80/PMK.03/2010 Dari tabel 1 terlihat bahwa pelaporan atas pembayaran PPh Pasal 21, 22, 23, dan 26 harus dilakukan paling lambat tanggal 20 bulan berikutnya. Dengan demikian, seluruh pembayaran PPh Pasal 21, 22, 23, dan 26 atas penghasilan selama tahun berjalan (Januari – Desember) harus sudah dilaporkan paling lambat tanggal 20 Januari tahun berikutnya. Pelaporan atas pembayaran pajak yang diterima pemerintah pada tanggal 20 Januari, masihdimungkinkan untuk dicatat sebagai pendapatan pajak tahun berjalan. Alasannya, taxable event sudah terjadi, jumlahnya dapat diukur dengan andal, dan masih dalam batas waktu pencatatan tahun berjalan. Selain itu, jika setelah diperhitungkan dengan SPT Tahunan terdapat pajak kurang bayar, kekurangan tersebut akan dilunasi sebagai pelunasan PPh Pasal 29.

6

BAB I PENDAHULUAN

PPh pasal 25 Orang Pribadi dan Badan bersifat self assessment, yang dihitung dan dibayar sendiri oleh wajib pajak.Perhitungan tersebut didasarkan pada jumlah kewajiban pajak tahun sebelumnya dikurangi dengan witholding tax yang sudah dipotong/dipungut pada tahun sebelumnya dan mengeluarkan penghasilan yang sifatnya tidak teratur. Perhitungan tersebut menunjukkan bahwa jumlah angsuran PPh Pasal 25 yang telah diangsur setiap bulan belum mencerminkan jumlah kewajiban pajak yang sesungguhnya. Jumlah kewajiban pajak yang sesungguhnya, atau dengan kata lain jumlah pendapatan pajak yang sesungguhnya menjadi hak pemerintah, barudapat diketahui setelah wajib pajak menyampaikan SPT Tahunan. Jumlah inilah yang seharusnya disajikan dalam laporan keuangan pemerintah pada tanggal 31 Desember, ketika basis akrual sudah diterapkan. Masalahnya, jumlah tersebut baru akan diketahui paling lambat tanggal 31 Maret tahun berikutnya (untuk PPh Orang Pribadi) dan tanggal 30 April tahun berikutnya (untuk PPh Badan), padahal LKPP harus disampaikan ke BPK paling lambat tanggal 31 Maret tahun berikutnya. Ketika akuntansi basis akrual sudah diterapkan, pemerintah seyogyanya mampu mengestimasi jumlah tersebut agar laporan keuangan yang disajikan mencerminkan basis akrual yang sesungguhnya. IPSAS 23, 2012:paragraf 68 memungkinkan kita untuk melakukan estimasiatas pendapatan PPh Orang Pribadi dan Badan pada tahun berjalan. Substansi paragraf tersebut adalah bahwa meskipun terdapat perbedaan waktu antara taxable event dengan pemungutan pajak, pemerintah bisa mengukur keandalan aset yang timbul dari transaksi pajak dengan menggunakan, misalnya model statistik yang dibuat berdasarkan sejarah pemungutan pajak pada periode sebelumnya. Model tersebut dapat memasukkan pertimbangan-pertimbangan

7


antara

lain

hubungan

antara

pajak

dengan

kejadian-kejadian

dalam

perekonomian.Dapat dipastikan bahwa pengukuran dengan menggunakan model tersebut

akan menghasilkan jumlah yang

berbeda dengan nilai

yang

sesungguhnya, yang baru diketahui pada tahun berikutnya. Revisi/koreksi atas perbedaan tersebut dibuat sesuai dengan IPSAS 3 tentang Accounting Policies, Changes in Accounting Estimates and Errors. Berdasarkan penjelasan di atas, peneliti tertarik untuk membuat model statistik yang dapat digunakan untuk mengestimasi jumlah pendapatan PPh Orang Pribadi dan Badan yang menjadi hak pemerintah pada tahun berjalan. Untuk itu peneliti memilih judul: ESTIMASI PENDAPATAN PAJAK PENGHASILAN ORANG PRIBADI DAN BADAN BASIS AKRUAL“Formulasi dengan Menggunakan Model Statistik” B. Rumusan Masalah SAP Berbasis Akrual dikembangkan dari SAP Berbasis Kas Menuju Akrual dengan mengacu pada Internatonal Public Sector Accounting Standards (IPSAS) dan memperhatikan peraturan perundangan yang berlaku, dan dikembangkan sesuai dengan basis akrual (PP Nomor 71 Tahun 2010, lampiran III, butir 15). Oleh karena pengembangan SAP Berbasis Akrual mengacu pada IPSAS, maka peneliti menjadikan IPSAS 23 sebagai dasar pijakan bagi penelitian ini. Kemampuan untuk mengestimasi jumlah pendapatan PPh Orang Pribadi dan Badan pada tahun berjalan menjadi hal yang penting bagi pemerintah ketika basis akrual sudah diterapkan.Estimasi tersebut dapat dilakukan dengan menggunakan model statistik seperti yang dinyatakan dalam IPSAS 23. Jumlah pendapatan PPh Orang Pribadi dan Badan yang dihasilkan dari simulasi dengan

8

BAB I PENDAHULUAN

menggunakan

model

tersebut

pasti

akan

berbeda

dengan

realisasinya.Perbedaan tersebut tentunya membutuhkan perlakuan akuntansi yang tepat agar koreksi atas perubahan estimasi pendapatan PPh tersebut dapat dilakukan. Sepanjang perbedaan tersebut berada di bawah nilai materialitas audit yang ditetapkan oleh BPK, maka model tersebut dapat diandalkan untuk mengestimasi/menaksir pendapatan PPh Orang Pribadi dan Badan. C. Ruang Lingkup Lingkup penelitian ini dibatasi pada upaya untuk mendapatkan model statistik yang dapat diandalkan, untuk mengestimasi pendapatan PPh Orang Pribadi dan Badan,khususnyaPPh Pasal 25/29, selama tahun berjalan.Periode penelitian mencakup data time series penerimaan PPh Pasal 25/29 Orang Pribadi dan Badan, periode 2005 s.d. 2012. Data time series tersebut akan disimulasikan dengan mempertimbangkan variable-variabel tertentu, terkait dengan kondisi ekonomi, untuk mendapatkan model statistik yang diinginkan. Variabel-variabel yang dimaksud adalah:ekspor, harga minyak mentah Indonesia (Indonesian Crude Price/ICP), impor, tingkat inflasi, kurs dolar Amerika, lifting, pendapatan domestik bruto (PDB). Keandalan estimasi pendapatan PPh Pasal 25/29 yang dihasilkan dari penggunaan model yang diperoleh,akan diuji dengan jumlah realisasinya. Selisih yang terjadi antara keduanya akan dibandingkan dengan tingkat materialitas audit yang ditetapkan oleh BPK. Jika selisih tersebut berada di bawah nilai materialitas audit BPK, peneliti menganggap bahwa model tersebut dapat diandalkan untuk mengestimasi pendapatan PPh Pasal 25/29 Orang Pribadi dan Badan. Namun, jika selisih tersebut melampaui nilai materialitas audit BPK, maka peneliti akan melakukan analisis lebih lanjut atas penyebabnya.

9


D. Tujuan Penelitian Penelitian ini bertujuan untuk mendapatkan model statistik yang dapat diandalkan, untuk mengestimasi pendapatan PPh Pasal 25/29 Orang Pribadi danBadan, ketika akuntansi basis akrual sudah diterapkan. Selain itu, penelitian ini juga bertujuan untuk mengusulkan koreksi yang diperlukan atas selisih yang timbul, antara estimasi pendapatan PPh Pasal 25/29 yang dihasilkan dari simulasi model statistik dengan realisasinya, yang dilaporkan dalam laporan keuangan. E. Manfaat Penelitian Hasil penelitian ini diharapkan dapat memberikan alternatif penggunaan model statistik bagi pemerintah, dalam mengestimasi pendapatan PPh Pasal 25/29 Orang Pribadi dan Badan, pada saat menyusun LKPP basis akrual. Begitu juga dengan koreksi atas perubahan estimasi yang diusulkan,diharapkan dapat digunakan untuk melengkapi model statistik yang diperoleh. Selain itu, hasil penelitian itu juga diharapkan dapat memberikan masukan bagi pemerintah untuk meminimalkan selisih yang timbul sebagai akibat penggunaan model tersebut. F. Sistematika Penulisan BAB I

:

PENDAHULUAN Bab ini mencakup uraian mengenai latar belakang penelitian, rumusan masalah, ruang lingkup, tujuan dan manfaat penelitian, serta sistematika penulisan

BAB II

:

LANDASAN TEORI Bab ini menguraikan tentang tinjauan pustaka atas teori-teori yang digunakan, kerangka pemikiran teoritis, dan hipotesis.

10

BAB I PENDAHULUAN

BAB III

:

METODE KAJIAN AKADEMIS. Bab ini menguraikan tentang jenis penelitian, jenis dan sumber data, definisi operasional variabel dan cara pengukurannya, dan metode analisis data

BAB IV

:

ANALISIS DAN PEMBAHASAN Bab ini menguraikan tentang analisis persiapan regresi, deskripsi data secara statistik, analisis regresi dan pembahasan.

BAB V

:

Penutup Bab penutup berisi simpulan dari hasil pembahasan di bab-bab sebelumnya, keterbatasan penelitian dan saran atas hasil penelitian.

11


12

BAB II LANDASAN TEORI

A. Tinjauan Pustaka Pada bab ini peneliti akan menyajikan tinjauan pustaka yang terkait dengan topik penelitian. Tinjauan pustakayang dilakukanmengacu pada PP Nomor 71 Tahun 2010, peraturan-peraturan yang terkait perpajakan, IPSAS, IAS, dan jurnal-jurnal akuntansi sektor publik. Menurut peneliti, acuan-acuan tersebut sudah cukup untuk memberikan landasan dalam membuat kajian akademis ini. Beberapa teori yang akan dibahas dalam penelitian ini adalah sebagai berikut. 1. Akuntansi Berbasis Akrual IPSAS 1, tentang Presentation of Financial Statements, paragraf 7 menyatakan bahwa: Accrual basis means a basis of accounting under which transactions and other events are recognized when they occur (and not only when cash or its equivalent is received or paid). Therefore, the transactions and events are recorded in the accounting records and recognized in the financial statements of the periods to which they relate….” Sementara itu, Accounts and Reports, Filing No. 4.030 Tahun 1998, menggambarkan akuntansi basis Akrual sebagai berikut: “Accrual basis accounting records the financial effects of transactions and other events and circumstances that have cash consequences in the periods in which those transactions, events and circumstances occur, regardless of the timing of related cash flows.” Skousen, dkk mendefinisikan basis akrual sebagai berikut: Accrual accounting recognizes revenues as they are earned, not necessarily when cash is received. Expenses are recognized and recorded when they are incurred, not necessarily when cash is paid. (Intermediate Accounting, Edition 17, K. Fred Skousen, dkk hal. 68)

13


Sama halnya dengan kedua definisi di atas, Lampiran I PSAP 01 paragraf 8 juga menyatakan bahwa: “basis Akrual adalah basis akuntansi yang mengakui pengaruh transaksi dan peristiwa lainnya pada saat transaksi dan peristiwa itu terjadi, tanpa memperhatikan saat kas atau setara kas diterima atau dibayar“. Dengan

demikian,

dari

beberapa

definisi

di

atas

peneliti

menyimpulkan“pada basis akrual, transaksi diakui pada saat timbul/terjadi tanpa memperhatikan kapan kas/setara kas diterima/dibayar. Pendapatan pada basis akrual diakui pada saat hak atas pendapatan timbul tanpa memperhatikan kapan kas/setara kas diterima, sedangkan beban diakui pada saat timbulnya kewajiban tanpa memperhatikan kapan kas/setara kas dibayar.” 2. Pendapatan The IASB’s Framework for the Preparation and Presentation of Financial Statements mendefinisikan pendapatan sebagai berikut: “income as “increases in economic benefits during the accounting period in the form of inflows or enhancements of assets or decreases of liabilities that result in increases in equity, other than those relating to contributions from equity participants.” (IPSAS 09, 2011. hal. 268). IPSASsendiri menggunakan istilah revenue dalam kaitannya dengan pendapatan, yang maknanya kurang lebihsama dengan pengertian income dalam The IASB’s. Menurut IPSAS, “Revenue is the gross inflow of economic benefits or service potential during the reporting period when those inflows result in an increase in net assets/equity, other than increases relating to contributions from owners.” (IPSAS 1, par 7, 2011). Senada dengan kedua definisi di atas, PSAP 12, paragraf 8, mendefinisikan pendapatan-LO (pendapatan basis akrual) sebagai: “hak pemerintah pusat/daerah yang diakui sebagaipenambah ekuitas dalam periode tahun anggaran yang bersangkutan

14


dan tidakperlu dibayar kembali.” Ketiga definisi di atas sama-sama mengakui bahwa pendapatan merupakan penambahan ekuitas pada periode munculnya pendapatan tersebut. Pendapatan bisa berasal dari transaksi pertukaran (Revenue from Exchange Transactions) maupun transaksi non pertukaran (Revenue from Non Exchange Transactions). IPSAS 9 paragraf 11 mendefinisikan transaksi pertukaran sebagai berikut: “Exchange transactions are transactions in which one entity receives assets or services, or has liabilities extinguished, and directly gives approximately equal value (primarily in the form of cash, goods, services, or use of assets) to another entity in exchange.” Contoh pendapatan dari transaksi pertukaran adalah penjualan barang/jasa. Sementara itu, transaksi non pertukaran menurut IPSAS 11 paragraf 9 adalah: “Non-exchange transactions are transactions that are not exchange transactions. In a non-exchange transaction, an entity either receives value from another entity without directly giving approximately equal value in exchange, or gives value to another entity without directly receiving approximately equal value in exchange.”

Contoh pendapatan dari transaksi non pertukaran adalah pajak dan transfer. 3. Titik Pengakuan Pendapatan Permasalahan utama dalam akuntansi pendapatan adalah menentukan kapan pendapatan seharusnya diakui. Hal ini juga diakui oleh IPSAS 9 yang dalam pemaparan objective-nyamengatakan bahwa: “The primary issue in accounting for revenue is determining when to recognize revenue.Revenue is recognized when it is probable that (a) future economic benefits or service potential will flow to the entity, and (b) these benefits can be measured reliably.”

15


Masalahnya terletak pada kemampuan untuk mengidentifikasikanpada titik mana suatu kejadian dianggap telah memenuhi kedua kriteria tersebut. Titik pengakuan pendapatan dari transaksi pertukaran pada umumnya lebih

mudah

ditentukan

karena

pemenuhan

kedua

kriteria

pengakuan

pendapatan lebih mudah diidentifikasi. Akan tetapi, pengakuan pendapatan dari transaksi non pertukaran lebih sulit ditentukan. IPSAS 23 paragraf 31, memberikan

kriteria

untuk

dapat

mengakui

pendapatan

dari

transaksi

nonpertukaran, yaitu sebagai berikut: An inflow of resources from a non-exchange transaction, other than services in-kind, that meets the definition of an asset shall be recognized as an asset when, and only when: (a) It is probable that the future economic benefits or service potential associated with the asset will flow to the entity; and (b) The fair value of the asset can be measured reliably. Selanjutnya IPSAS 23 paragraf 44 menambahkan bahwa “An inflow of resources from a non-exchange transaction recognized as an asset shall be recognized as revenue, except to the extent that a liability is also recognized in respect of the same inflow.” Khusus untuk pendapatan pajak, IPSAS 23 paragraf 59 mengatakan bahwa: “An entity shall recognize an asset in respect of taxes when the taxable event occurs and the asset recognition criteria are met.” SAP Berbasis akrual tidak secara spesifik membedakan transaksi pendapatan atas transaksi pertukaran dan non pertukaran. Namun tersirat bahwa PSAP 12 paragraf 19-20 mengakui pendapatan dari transaksi non pertukaran sebagai berikut, pendapatan-LO diakui pada saattimbulnya hak atas pendapatan; pendapatan-LO yang diperoleh berdasarkan peraturan perundang-undangan diakui pada saat timbulnya hak untuk menagih pendapatan.

16


4. Pendapatan Pajak dalam LKPP Dalam akuntansi basis kas menuju akrual, pendapatan pajak dilaporkan dalam Laporan Realisasi Anggaran (LRA) dan Laporan Arus Kas (LAK) dengan menggunakan basis kas. Setelah basis akrual diterapkan, maka pendapatan pajak juga disajikan dalam Laporan Operasional, namun dengan menggunakan basis akrual. 5. Pajak dan Tata Cara Pemungutannya Menurut UU No. 6 tahun 1983 sebagaimana telah diubah dengan Undang-undang No. 16 tahun 2009 tentang Ketentuan Umum dan Tata Cara Perpajakan, “Pajak adalah kontribusi wajib kepada negara yang terutang oleh orang pribadi atau badan yang bersifat memaksa berdasarkan undang-undang, dengan tidak mendapatkan imbalan secara langsung dan digunakan untuk keperluan negara bagi sebesar-besarnya kemakmuran rakyat.”Hal ini senada dengan pernyataan Prof. Dr. Adriani (Guru Besar Hukum Pajak Universitas Amsterdam), yang menyatakan bahwa, Pajak adalah iuran negara (yang dipaksakan) yang terutang oleh yang wajib membayarnya menurut peraturan-peraturan, dengan tidak mendapat prestasi kembali yang langsung dapat ditunjuk dan yang gunanya adalah untuk membiayai pengeluaran-pengeluaran umum berhubung dengan tugas negara untuk menyelenggarakan pemerintahan. Ada beberapa jenis sistem pemungutan pajak. Wirawan B, Ilyas dan Richard Burton dalam buku Hukum Pajak (2007: 22),mengatakan bahwa ada empat jenis sistem pemungutan pajak, yaitu: 1) Official Assessment System, dimana dalam sistem pemungutan ini fiskus secara aktif berperan dalam menghitung dan menetapkan besaran pajak yang harus dibayar oleh Wajib Pajak.

17


2) Self Assessment System, dimana dalam sistem pemungutan ini Wajib Pajak menghitung, menyetor, dan melaporkan pajak yang harus dibayar. 3) Semi Self Assessment System, dimana dalam sistem pemungutan ini Wajib Pajak dan fiskus sama-sama dilibatkan dalam penentuan besarnya pajak yang harus dibayar. 4) Withholding System, dimana dalam sistem pemungutan ini ditetapkan adanya pihak ketiga yang diberikan wewenang untuk memotong/ memungut besarnya pajak yang harus dibayar oleh Wajib Pajak selanjutnya pihak ketiga tersebut melakukan penyetoran pajak dan pelaporan kepada fiskus. Gunadi dkk (1999) mengatakan bahwa ada beberapa cara pemungutan pajak jika mendasarkan pada stelsel pajak, antara lain: 1) Stelsel Nyata. Pengenaan pajak didasarkan pada objek atau penghasilan yang nyata. Oleh karena itu pemungutannya baru dapat dilakukan pada akhir tahun pajak setelah penghasilan Wajib Pajak diketahui. Kelebihan cara ini adalah realistis dan kelemahannya pajak baru dipungut pada akhir tahun. 2) Stelsel Fiktif. Pengenaan pajak didasarkan pada anggaran yang diatur undang-undang, jadi dengan asumsi penghasilan tahun berjalan sama dengan tahun lalu maka besarnya pajak tahun berjalan sudah dapat ditentukan. Kelebihan cara ini adalah pajak dapat dibayar lebih dahulu dan kelemahannya pajak dibayar bukan didasari keadaan sebenarnya. 3) Stelsel Campuran.

18


Merupakan cara kombinasi antara stelsel nyata dan fiktif. Caranya pada awal tahun pajak dihitung berdasarkan anggapan sedangkan pada akhir tahun pajak disesuaikan dengan sebenarnya. 6. Klasifikasi Pajak Secara umum pajak dibagi menjadi dua kelompok, yaitu pajak langsung dan pajak tidak langsung. Pengertian pajak langsung dan pajak tidak langsung menurut Edhy (2003, 5) adalah sebagai berikut: a.

Pajak langsung, dalam pengertian ekonomis, ialah pajak yang harus dipikul sendiri oleh Wajib Pajak dan tidak dapat dilimpahkan kepada orang lain. Contoh: Pajak Penghasilan.

b.

Pajak tidak langsung, dalam pengertian ekonomis, ialah pajak yang pembebanannya dapat dipindahkan kepada pihak lain. Contoh: Pajak Pertambahan Nilai. Pemerintah

Indonesia

menggunakan

klasifikasi

tersebut

sebelum

reformasi perpajakan 1984. Permasalahan pada saat itu adalah banyaknya jenis pajak yang wajib dibayar oleh masyarakat dan tarifnya yang beragam menimbulkan kebingungan dan beban pajak berganda. Hal itu karena Indonesia masih menerapkan berbagai jenis pajak dengan dasar hukum berbagai ordonansi warisan penjajah dan undang-undang yang berlaku saat itu (Simanjuntak

dan

Mukhlis:

2012,

34-35).Kemudian,

jenis

pajak

ini

disederhanakan pada reformasi perpajakan 1984 melalui dua paket undangundang perpajakan, yang dapat dilihat pada tabel 3 berikut ini.

19


Tabel 2Perubahan Klasifikasi Jenis Pajak Sebelum 1984

Sesudah 1984

Dasar hukum

Pajak Perseroan Pajak Pendapatan Pajak Penghasilan

UU Nomor 7 Tahun 1983

Pajak Pertambahan Nilai dan PPnBM


Pajak Bumi dan Bangunan


Bea Meterai


Pajak Kekayaan Pajak Bunga, Dividen, dan Royalti Pajak Penjualan Pajak atas Tanah Verponding Verponding Indonesia Iuran Pembangunan Daerah (Ipeda) Bea Meterai 1922

Sumber: Simanjuntak dan Mukhlis (2012, 35) Perubahan klasifikasi jenis pajak menurut BPS sedikit berbeda dengan klasifikasi menurut Simanjuntak dan Mukhlis. BPS menggunakan klasifikasi jenis pajak berdasarkan publikasi resmi Kementerian Keuangan yang bersumber dari Undang-undang Perhitungan Anggaran Negara (UU PAN) sampai tahun 2004 dan Laporan Keuangan Pemerintah Pusat(LKPP) mulai tahun 2005. Perubahan klasifikasi jenis pajak menurut BPS dapat dilihat pada tabel 4 berikut ini.

Tabel 3Perubahan Klasifikasi Jenis Pajak Menurut BPS

20


Sebelum reformasi 1984

Sesudah reformasi 1984

Berlaku sejak

Pajak Perseroan Pajak Pendapatan Pajak Penghasilan

Semester I 1984/1985

Pajak Perseroan Minyak

Penerimaan Migas


Penerimaan lain-lain dari pajak langsung Penerimaan lain-lain dari pajak tidak langsung

Pajak lainnya


Pajak Pertambahan Nilai dan PPnBM


MPO Pajak Bunga, Dividen, dan Royalti (PBDN)

Pajak Penjualan Pajak Penjualan Impor

Sumber: Indikator Ekonomi, BPS (Mei 2012, 50) Setelah tahun 1984 realisasi penerimaan negara digolongkan menjadi penerimaan migas dan non migas sampai tahun 2000. Sesuai dengan Tabel 4 pajak perseroan minyak tidak dimasukkan ke dalam pajak penghasilan tetapi menjadi penerimaan migas sehingga jumlah ini tidak dimasukkan ke dalam jumlah

total

penerimaan

perpajakan.

Pada

tahun

2000,

PPh

mulai

diklasifikasikan menjadi PPh Migas dan PPh Non Migas. 7. Pajak Penghasilan Menurut Undang-Undang No. 36 tahun 2008 tentang Pajak Penghasilan, Pajak Penghasilan adalah pajak yang dikenakan terhadap Subjek Pajak Penghasilan (wajib pajak) atas Penghasilan yang diterima atau diperolehnya dalam tahun pajak. Pengertian Tahun Pajak menurut Pasal 1 Undang-Undang Nomor 16 Tahun 2000adalah jangka waktu satu tahun takwim kecuali bila Wajib

21


Pajak menggunakan tahun buku yang tidak sama dengan tahun takwim. Menurut Kamus Besar Bahasa Indonesia dalam Jaringan, takwim berarti penanggalan; kalender, sehingga tahun takwim berarti tahun kalender (dari tanggal 1 Januari – 31 Desember). Wajib Pajak dikenai pajak atas penghasilan yang diterima atau diperolehnya selama satu tahun pajak atau dapat pula dikenai pajak untuk penghasilan dalam bagian tahun pajak apabila kewajiban pajak subjektifnya dimulai atau berakhir dalam tahun pajak. a.

Pengelompokkan Pajak Penghasilan PengelompokkanPPh didasarkan pada transaksi atau kegiatan yang

menimbulkan pajak. Pengelompokkan berdasarkan transaksi tersebut diatur dalam peraturan perundangundangan perpajakan yang dapat dijelaskan sebagai berikut. 1). PPh Pasal 21. PPh Pasal 21 adalah pajak atas penghasilan berupa gaji, upah, honorarium, tunjangan, dan pembayaran lain dengan nama dan dalam bentuk apapun sehubungan dengan pekerjaan dan atau jabatan, jasa, dan kegiatan yang dilakukan oleh orang pribadi subjek pajak dalam negeri sebagai mana diatur dalam UU PPh Pasal 21. PPh pasal 21 dipungut atas penghasilan yang rutin diterima orang pribadi. Pelunasan/pembayaran PPh Pasal 21 dilakukan dengan menggunakan sistem withholding. Dalam Bagan Akun Standar (yang diatur dalam PMK Nomor 91/PMK.06/2007 (untuk selanjutnya disingkat BAS), pendapatan PPh Pasal 21 memiliki kode akun (MAP) 411121.

22


2). PPh Pasal 22. PPh Pasal 22 dipungut sehubungan dengan pembayaran atas penyerahan barang; kegiatan di bidang impor atau kegiatan usaha di bidang lain; dan pembelian atas barang yang tergolong sangat mewah. Pembayaran PPh Pasal 22 dilakukan dengan menggunakan sistem withholding. Dalam BAS, pendapatan PPh Pasal 22 diklasifikasikan lebih lanjut sesuai kode akunnya, yaitu: pendapatan PPh pasal 22 (MAP: 411122) dan pendapatan PPh pasal 22 Impor (MAP: 411123). 3). PPh Pasal 23 Pada dasarnya, PPh pasal 23 adalah pajak yang dipungut atas penghasilan yang diterima wajib pajak dalam negeri atau bentuk usaha tetap. Penghasilan yang dikenakan PPh Pasal 23 berupa dividen; bunga; royalti; hadiah, penghargaan, bonus dan sejenisnya selain yang telah dipotong PPh pasal 21; sewa dan penghasilan lain sehubungan dengan penggunaan harta kecuali selain yang telah dipotong PPh pasal 21; imbalan sehubungan dengan jasa teknik, jasa manajemen, jasa konstruksi, jasa konsultan, dan jasa lain selain jasa yang telah dipotong PPh Pasal 21. Pembayaran PPh Pasal 23 dilakukan dengan menggunakan sistem withholding. Dalam BAS, pendapatan PPh Pasal 23 memiliki kode akun (MAP) 411124. 4). PPh Pasal 25/29 Orang Pribadi dan Badan PPh Pasal 25 Orang Pribadi dan Badan merupakan angsuran pajak dalam tahun berjalan yang harus dihitung dan dibayar sendiri oleh wajib pajak setiap bulan dengan memperhitungkan besarnya witholding tax yang sudah dipotong/dipungut pada tahun sebelumnya dan mengeluarkan penghasilan yang sifatnya tidak teratur. PPh Pasal 25 bertujuan untuk meringankan Wajib

23


Pajak Orang Pribadi dan Badan dalam memenuhi kewajiban pajaknya pada saat berakhirnya tahun pajak melalui pembayaran angsuran pajak. Selain itu, PPh Pasal 25 juga dimaksudkan agar kas negara tetap terisi dari penerimaan pajak setiap bulan tanpa harus menunggu berakhirnya tahun pajak. PPh Pasal 29 merupakan jumlah kekurangan pajak yang harus dibayar oleh wajib pajak. Jumlah ini diperoleh dari perhitungan kewajiban perpajakan selama satu tahun pajak dikurangi dengan besarnya pajak yang sudah dipotong/dipungut pihak lain (PPh pasal 21, 22, 23, 26) serta angsuran pajak yang sudah dibayarkan sendiri (PPh pasal 25). Pembayaran PPh Pasal 25/29 dilakukan dengan menggunakan sistem self assessment. Dalam BAS, pendapatan

PPh

Pasal

25/29

diklasifikasikan

lebih

lanjut

menjadi:

Pendapatan PPh pasal 25/29 Orang Pribadi (MAP: 411125) dan Pendapatan PPh pasal 25/29 Badan (MAP: 411126). 5). PPh Pasal 26 PPh pasal 26 menurut Peraturan Menteri Keuangan (PMK) Nomor 252/PMK.03/2008 adalah pajak atas penghasilan berupa gaji, upah, honorarium, tunjangan, dan pembayaran lain dengan nama dan dalam bentuk apapun sehubungan dengan pekerjaan dan atau jabatan, jasa, dan kegiatan yang dilakukan oleh orang pribadi subjek pajak luar negeri, sebagimana dimaksud dalam UU PPh Pasal 26. PPh Pasal 26 dipungut atas penghasilan yang rutin diterima orang pribadi. Pembayaran PPh Pasal 26 dilakukan

dengan

menggunakan

sistem

withholding.

pendapatan PPh Pasal 26 memiliki kode akun (MAP) 411127.

24

Dalam

BAS,


6). PPh Final PPh Final dipungut dan dibayarkan atas penghasilan yang bukan berasal dari kegiatan rutin wajib pajak, misalnya atas penghasilan berupa hadiah undian. Pembayaran PPh Final dilakukan dengan menggunakan sistem withholding dan tidak dapat diperhitungkan dalam SPT Tahunan. Dalam BAS pendapatan PPh Final memiliki kode akun (MAP) 411128. b.

Angsuran Pajak Penghasilan. Menurut Mansury yang dikutip oleh Mansur, sistem perpajakan di

Indonesia menganut prinsip “convenience to pay” yang berarti bahwa Wajib Pajak diharapkan membayar pada saat yang paling tepat. Salah satu contohnya adalah membayar angsuran pajak setiap bulannya. Untuk Pajak Penghasilan, pembayaran angsuran pajak pada tahun berjalan dikenal dengan Pembayaran PPh Pasal 25, dan angsuran pajak ini nantinya akan diperhitungkan dengan Pajak Penghasilan terutang pada akhir tahun (Mansur dan Hadi, 2006:118). Menurut Gunadi (1999:80) bahwa PPh Pasal 25 adalah angsuran Pajak Penghasilan yang harus dilunasi oleh Wajib Pajak setiap bulannya yang bertujuan untuk mengurangi beban pajak diakhir tahun, serta menjamin terisinya kas negara setiap bulannya, tanpa harus menunggu tahun buku berakhir. Stelsel yang digunakan dalam PPh Pasal 25 adalah stelsel fiktif atau anggapan, hanya menganggap penghasilan dalam satu tahun tertentu dianggap sama dengan tahun pajak sebelumnya, karena belum diketahui dengan jelas berapa Pajak Penghasilan yang terutang karena tahun buku belum berakhir. Angsuran PPh Pasal 25 harus sudah disetor paling lambat tanggal 15 bulan berikutnya setelah masa pajak berakhir (PMK Nomor 80 Tahun 2010, Pasal 2 Butir 7). Pengertian Masa Pajak menurut Pasal 1 UU Nomor 16 Tahun

25


2000 adalah jangka waktu yang lamanya sama dengan 1 (satu) bulan takwim atau jangka waktu lain yang ditetapkan dengan Keputusan Menteri Keuangan paling lama 3 (tiga) bulan takwim. c.

Penyampaian Surat Pemberitahuan (SPT) Surat Pemberitahuan (SPT) adalah surat yang oleh Wajib Pajak

digunakan untuk melaporkan penghitungan pajak dan atau pembayaran pajak, objek Pajak dan atau bukan objek pajak dan atau harta dan kewajiban, menurut ketentuan peraturan perundang-undangan perpajakan (UU Nomor 16 Tahun 2000: Pasal 1). Berdasarkan waktu penyampaiannya SPT terdiri dari: SPT Masa dan SPT Tahunan. SPT Masa adalah SPT untuk suatu Masa Pajak. SPT Masa Pajak Penghasilan wajib disampaikan paling lama 20 (dua puluh) hari setelah Masa Pajak berakhir. SPT Tahunan adalah Surat Pemberitahuan untuk suatu Tahun Pajak atau Bagian Tahun Pajak. SPT Tahunan PPh Orang Pribadi wajib disampaikan paling lambat tanggal 31 Maret tahun berikutnya, sedang SPT Tahunan Badan paling lambat tanggal 30 April tahun berikutnya (UU nomor 28 Tahun 2007). d.

Penerimaan Pajak Penghasilan dan Perekonomian Pajak Penghasilan dihitung dari hasil perkalian tarif pajak dengan basis

pajak (dasar pengenaan pajak). Tarif pajak merupakan faktor internal yang penetapannya ditentukan oleh pemerintah, sedangkanbasis pajak termasuk faktor eksternal yang factor penentu utamanya adalah PDB. Semakin besar PDB, maka semakin besar basis pajak, sehingga semakin besar penerimaan perpajakan (Piana, 2003).

26


Todaro (2000, 282) menyatakan bahwa secara umum potensi perpajakan suatu negara tergantung pada lima faktor pokok sebagai berikut: a. Tingkat pendapatan riil per kapita b. Tingkat ketimpangan distribusi pendapatan tersebut di antara penduduknya c. Kekokohan struktur sektor-sektor perindustrian dalam perekonomian secara keseluruhan serta keandalan jenis kegiatan ekonomi negara tersebut d. Tatanan serta keandalan segenap kelembagaan sosial dan politik serta berbagai kelompok yang relatif mempunyai kekuatan (misalnya LSM). e. Kemampuan kelembagaan dan aparat administrasi birokrasi pemerintah, terutama kejujuran dan integritasnya. Menurut Badan Analisa Fiskal (2002: 71) realisasi penerimaan perpajakan di Indonesia ditentukan oleh dua faktor, yaitu: a.

Faktor eksternal. Salah satu faktor eksternal adalah perkembangan ekonomi makro. Faktor ekonomi makro yang menentukan penerimaan perpajakan antara lain adalah tingkat pertumbuhan ekonomi, perkembangan tingkat harga (inflasi), nilai tukar rupiah, harga minyak internasional, dan tingkat suku bunga.

b.

Faktor internal. Faktor-faktor internal yang dapat mempengaruhi realisasi penerimaan perpajakan adalah dasar pengenaan pajak (taxbase) atau objek pajak dan tarif pajak. Kondisi objek pajak ditentukan berdasarkan undang-undang. Untuk tarif pajak tertentu, kenaikan jumlah dan nilai objek pajak berpengaruh positif terhadap penerimaan pajaknya, sedangkan perubahan tarif pajak memiliki

pengaruh

yang

bervariasi

terhadap

realisasi

penerimaan

perpajakan.

27


8. Pertumbuhan Ekonomi Sukirno (2006, 423) mendefinisikan pertumbuhan ekonomi sebagai proses pertumbuhan output perkapita dalam jangka panjang. Artinya, dalam jangka panjang kesejahteraan tercermin pada peningkatan output perkapita yang sekaligus memberikan banyak alternatif dalam mengkonsumsi barang dan jasa serta diikuti oleh daya beli masyarakat yang semakin meningkat. Secara teoritis peningkatan output perkapita ini akan memicu kinerja ekonomi pelaku usaha sehingga laba yang diperoleh meningkat. Peningkatan laba tersebut akan memicu kenaikan penerimaan pajak. Sehingga pendapatan pajak tergantung pada keadaan perekonomian (Case dan Fair,2004,112) Dalam

penelitian

ini,

variabel

yang

digunakan

sebagai

ukuran

pertumbuhan ekonomi adalah pendapatan domestik bruto (PDB). Hal ini mengacu pada pendapat Abel (2011:26) yang mengatakan bahwa, “The broadest measure of aggregate economic activity, as well as the best-known and most often used, is the gross domestic product, or GDP.GDP may be measured by the product approach, the expenditure approach, or the income approach.” Pengertian PDB menurut Mankiw (2006: 6) adalah nilai pasar dari semua barang dan jasa akhir (final) yang diproduksi dalam sebuah negara pada suatu periode. Sementara itu Case and Fair (2009,23-24) secara jelas menyatakan, PDB adalah nilai

pasar semua barang jadi dan jasa akhir yang diproduksi

selama periode waktu tertentu oleh faktor-faktor produksi yang berlokasi di dalam sebuah negara. Barang atau jasa akhir yang dimaksud dalam pengertian di atas merujuk pada barang jadi dan jasa akhir yang tidak lagi digunakan untuk produksi lebih lanjut sehingga penggunaannya mutlak untuk konsumen akhir.

28


Perhitungan

PDB

berdasarkan

pendekatan

pendapatan

(income

approach)dilakukan dengan cara menjumlahkan data pendapatan yang diperoleh para

pemilik

sumber

daya

sebagai

imbalan

keikutsertaannya

dalam

pembentukan produk nasional, yang biasanya terdiri dari pendapatan upah dan gaji; sewa; bunga; dan laba, baik laba perusahaan perseorangan (yang tidak berbadan hukum) maupun laba perusahaan yang berbentuk badan hukum (Reksoprayitno, 2000:19 - 21). Perhitungan PDB berdasarkan pendekatan pengeluaran (the expenditure approach) menurut Reksoprayitno (2000: 18 - 19) dilakukan dengan cara menjumlahkan seluruh pengeluaran yang dilakukan oleh ke empat sektor dalam perekonomian, yaitu sektor konsumen, perusahaan, pemerintah, dan sektor perdagangan luar negeri, yang secara ringkas dapat dirumuskan sebagai berikut: Y = C + I + G + (X-I), dimana: Y = Pendapatan nasional (PDB) C = pengeluaran konsumsi I = pengeluaran investasi G = pengeluaran pembelian pemerintah X = Total ekspor I = Total impor Dari formula tersebut terlihat, bahwa ekspor neto (ekspor-impor) merupakan salah satu komponen dalam perhitungan PDB. Dengan demikian, kenaikan atau penurunan nilai ekpor neto berpengaruh terhadap kenaikan atau penurunan PDB. Kenaikan atau penurunan PDB berpengaruh terhadap penerimaan perpajakan.

29


9. Inflasi Abel (2011:6) berpendapat bahwa, “when the prices of most goods and services are rising over time, the economy is said to be experiencing inflation.” Jadi, inflasi adalah suatu proses meningkatnya harga barang dan jasa secara umum

(hamper

keseluruhan)

dan

terus-menerus.Berdasarkan

sumber

penyebabnya, inflasi dibedakan ke dalam 3 bentuk, yaitu: inflasi karena tarikan permintaan, karena desakan biaya, dan inflasi diimpor (Sadono, 2006:333). Inflasi karena tarikan permintaan umumnya terjadi karena pertumbuhan ekonomi yang pesat. Pada masa itu, kesempatan kerja yang tinggi mendorong peningkatan pendapatan masyarakat, sehingga pengeluaran untuk barang dan jasa juga akan meningkat melebihi kemampuan ekonomi dalam menyediakan barang dan jasa tersebut. Permintaan yang berlebihan ini akan menimbulkan inflasi. Inflasi karena desakan biaya juga biasanya terjadi ketika ekonomi berkembang pesat dan tingkat pengangguran sangat rendah. Jika permintaan terhadap barang dan jasa semakin meningkat, perusahaan akan berusaha menaikkan produksi dengan cara memberikan gaji dan upah yang lebih tinggi dan mencari pekerja baru dengan tawaran gaji yang lebih tinggi. Akibatnya, biaya produksinya meningkat sehingga harga produksinya juga meningkat. Inflasi karena impor timbul jika proses produksi dalam negeri sangat tergantung pada barang/bahan baku impor. Contohnya: efek kenaikan harga minyak dunia pada tahun 1970an terhadap perekonomian negara-negara pengimpor minyak. Minyak penting artinya dalam proses produksi barangbarang industri. Kenaikan harga minyak telah menaikkan biaya produksi yang berakibat pada kenaikan harga-harga barang dan jasa (Sadono, 2006:336).

30


Selain itu, inflasi karena impor juga dapat terjadi akibat depresiasi mata uang negara pengmpor (Sadono, 2006: 336). Inflasi dapat memiliki dampak positif dan dampak negatif terhadap pertumbuhan ekonomi, tergantung tinggi atau tidaknya inflasi. Inflasi dengan tingkatanyang rendah, akan mempunyai pengaruh yang positif dalam arti dapat mendorong perekonomian lebih baik, yaitu membuat orang semangat untuk bekerja, menabung dan mengadakan investasi. Hal ini karena meskipun ada kenaikan upah/biaya produksi namun kenaikan harga barang lebih tinggi dari kenaikan biaya produksi tersebut. Kondisi iniakan menambah keuntungan perusahaan

dan

hal

ini

cenderung

membuat

pengusaha

menambah

investasiproduksinya (biasanya terjadi pada pengusaha besar), sehingga pertumbuhan ekonomi akan meningkat. Peningkatan pertumbuhan ekonomi akan berpengaruh positif terhadap penerimaan pajak. Sebaliknya, dalam masa inflasi yang parah, yaitu pada saat terjadi inflasi tak terkendali (hiperinflasi),kondisi perekonomian akan mengalami penurunan. Kenaikan harga yang tinggi dan cepat, menyebabkan pemilik modal (pengusaha) tidak mau menambah investasi dalam kegiatan produksi karenasangat tidak

menguntungkan.

Biaya produksi yang

tinggi akan

menyebabkan harga jual yang tinggi pula, sementara kemampuan riil masyarakat

secara

ekonomis

menurun.

Akibatnya,pengusaha

mungkin

akanmenghentikan produksinya untuk sementara waktu. Bahkan, bila tidak sanggup mengikuti laju inflasi, mereka mungkin akan bangkrut (biasanya terjadi pada pengusaha kecil). Pada masa ini, pemilik modal biasanya lebih suka menggunakan uangnya untuk tujuan spekulasi seperti membeli tanah dan rumah. Hal ini mengakibatkan berkurangnya investasi produksi sehingga tingkat

31


pertumbuhan ekonomi akan menurun dan akibatnya pengangguran akan bertambah banyak. Penurunan pertumbuhan ekonomi akan berpengaruh negartif terhadap penerimaan pajak. Inflasiyangtinggi menabung karena

nilai

juga

menyebabkan

uang akan

semakin

orang turun.

enggan

Meskipun

untuk tabungan

menghasilkan bunga, namun jika tingkat inflasi di atas bunga tabungan, maka nilai uang tetap saja turun. Bila orang enggan menabung, dunia usaha dan investasi akan sulit berkembang,karena, untuk berkembang dunia usaha membutuhkan dana dari bank yang diperoleh dari tabungan masyarakat. Inflasi yang tinggi dapat juga menimbulkan efek yang buruk dalam dunia perdagangan karena menyebabkan barang-barang negara tersebut tidak mampu bersaing di pasaran internasional. Harga barang domestik yang tinggi akan menurunkan ekspor. Di sisi lain, inflasi yang tinggi menyebabkan biaya produksi dalam negeri semakin tinggi, sehingga pengusaha lebih suka mengimpor barangbarang yang harganya relatif lebih murah. Akibatnya, kegiatan proses produksi dalam negeri akan menurun, pengangguran akan meningkat, daya beli masyarakat menurun dan kondisi perekonomian juga akan menurun. 10. Ekspor Ekspor adalah pengiriman dan penjualan barang-barang buatan dalam negeri ke negara-negara lain (Sukirno, 2006: 203). Salah satu faktor yang mempengaruhi ekspor adalah nilai tukar atau kurs (N. Gregory Mankiw, Principles of Economics Edisi 3, terjemahan: hal. 230-231, Salemba Empat, Jakarta 2006).Hal ini bisa dijelaskan sebagai berikut: ceteris paribus, penguatan (apresiasi) nilai rupiah terhadap nilai dolar Amerika membuat barang-barang kita menjadi lebih mahal dibandingkan barang luar negeri yang perdagangannya

32


menggunakan mata uang dolar Amerika. Hal ini dapat mengurangi permintaan ekspor atas barang kita, terlebih jika ada produk yang sama, yang berasal dari negara lain,yang harganya lebih murah. Demikan juga sebaliknya, ceteris paribus pelemahan (depresiasi) nilai rupiah terhadap nilai dolar Amerika membuat barang-barang kita menjadi lebih murah dibandingkan barang luar negeri yang perdagangannya juga menggunakan mata uang dolar Amerika. Hal ini dapat meningkatkan permintaan ekspor atas barang kita. Kejadian lain yang juga dapat berakibat terhadap penambahan/ penurunan ekspor adalah tingkat inflasi. Jika tingkat inflasi di dalam negeri lebih rendah dibandingkan tingkat inflasi yang terjadi di negara-negara pengimpor barang-barang ekspor kita, maka ekspor akan bertambah Reksoprayitno (2010:194). Demikian juga sebaliknya, Jika tingkat inflasi di dalam negeri lebih tinggi dibandingkan tingkat inflasi yang terjadi di negara-negara pengimpor barang-barang ekspor kita, maka ekspor akan menurun. Menurut Sukirno (2006: 206) ekspor akan secara langsung mempengaruhi pendapatan nasional. Akan tetapi hubungan yang sebaliknya tidak berlaku. Kenaikan pendapatan nasional belum tentu menaikkan ekspor. Fungsi ekspor adalah pengeluaran otonomi yaitu tingkatnya tidak dipengaruhi oleh pendapatan nasional. 11. Impor Impor adalah pembelian dan pemasukan barang dari luar negeri ke dalam suatu perekonomian (Sukirno, 2006: 206).Salah satu faktor yang mempengaruhi impor adalah nilai tukar atau kurs (Mankiw, 2006:230-231). Hal ini bisa dijelaskan sebagai berikut: ceteris paribus, penguatan nilai rupiah terhadap nilai dolar Amerika membuat harga barang-barang impor dalam kurs dolar Amerika menjadi lebih murah. Hal ini dapat mendorong peningkatan impor, terlebih jika ternyata

33


harga barang dalam negeri lebih mahal dari pada harga barang impor. Demikan juga sebaliknya, ceteris paribus pelemahan (depresiasi) nilai rupiah terhadap nilai dolar Amerika membuat harga barang-barang impor menjadi lebih mahal. Hal ini dapat mengakibatkan turunnya impor. Sementara itu, Reksoprayitno (2010:194) berpendapat bahwa kejadian lain yang juga dapat mengakibatkan bertambahnya impor antara lain adalah tingkat inflasi di dalam negeri yang lebih tinggi dibandingkan tingkat inflasi yang terjadi di negara-negara lain, khususnya di negara-negara penghasil barangbarang yang kita impor. Dengan mengacu pada formula perhitungan PDB, maka peningkatan impor akan mengakibatkan penurunan PDB dan penurunan impor akan menaikkan PDB. Kenaikan atau penurunan PDB akan berpengaruh terhadap penerimaan perpajakan. Seberapa besar ekspor dan impor mempengaruhi keseimbangan pendapatan nasional tergantung ekspor neto,yaitu ekspor dikurangi impor. Apabila ekspor neto positif maka akan meningkatkan pendapatan nasional dan kesempatan kerja (Sukirno, 2006: 203). Peningkatan pendapatan nasional berarti PDB, dan peningkatan PDB akan meningkatkan potensi penerimaan pajak. 12. Nilai Tukar Rupiah terhadap Dolar Amerika (Kurs US$) Menurut IPSAS 4 (2012: paragraf 10), Exchange rate is the ratio of exchange for two currencies, Dari definisi di atas disimpulkan bahwa, nilai tukar merupakan rasio pertukaran dua mata uang yang berbeda. Dalam penelitian ini,nilai tukar yang digunakan adalah nilai tukar rupiah terhadap dolar Amerika Serikat, sesuai yang digunakan pemerintah ketika menetapkan asumsi makrobagi penyusunan anggaran pendapatan dan belanja negara (APBN).

34


Menurut Abel (2011:474), exchange rate dibedakan ke dalam nominal exchange rate (nilai tukar nominal) dan real exchange rate (nilai tukar riil). Nilai tukar nominal adalah nilai yang digunakan seseorang saat menukar mata uang suatu negara dengan mata uang negara lain (Mankiw, terjemahan, 2006:243). Nilai ini sering hanya disebut sebagai nilai tukar. Jadi, nilai tukar rupiah terhadap dolar Amerika adalah jumlah rupiah yang dibutuhkan untuk membeli 1 (satu) dolar Amerika. Nilai tukar riil adalah nilai yang digunakan seseorang saat menukar barang dan jasa dari suatu negara dengan barang dan jasa dari negara lain (Mankiw, terjemahan, 2006:243). Nilai tukar ini merupakan ukuran harga relatif barang dan jasa domestik terhadap barang-barang dan jasa yang tersedia di luar negeri. Nilai tukar riilbergantung pada nilai tukar nominal dan harga-harga barang antar 2 negara yang diukur dalam mata uang lokal. Menurut Abel (2011, 513 - 514): Other factors held constant, a decline in the real exchange rate makesdomestic goods cheaper relative to foreign goods and thus tends to increase net exports in the long run. Because a drop in the real exchange rate raises the cost of imports, however, it may cause net exports to fall in the short run before physical flows of exports and imports have had time to adjust.

Hal yang sama dinyatakan oleh Case dan Fair (2004, 394-397),bila mata uang suatu negara mengalami penurunan nilai (depresiasi) maka harga impornya akan naik dan harga ekspornya (dalam mata uang asing) akan turun sehingga akan menaikkan ekspor. Hal ini terjadi karena barang-barang produksi dalam negeri menjadi tidak terlalu mahal dan akan bersaing di pasar dunia. Pembeli asing akan menaikkan pengeluaran mereka untuk membeli produk buatan negara tersebut. Selain itu pembeli domestik akan cenderung menggunakan produk

35


dalam negeri untuk menggantikan barang impor yang lebih mahal. Sehingga pengeluaran agregat untuk keluaran dalam negeri akan naik dan PDB akan naik. Pelemahan nilai mata uang ini akan menguntungkan perusahaan dalam negeri yang mengekspor barang, dimana depresiasi akan membawa dampak positif berupa kenaikan nilai penjualan (nilai penjualan dalam mata uang asing akan direalisasikan lebih banyak dalam mata uang sendiri). Kenaikan nilai penjualan ini akan membuat laba perusahaan menjadi meningkat. Namun, disisi lain depresiasi akan membawa efek negatif terhadap perusahaan yang bergerak di bidang impor, menggunakan bahan baku impor, atau memiliki utang dalam mata uang asing. Kondisi tersebut akan meningkatkan biaya bahan baku dan peralatan yang digunakan oleh perusahaan sehingga biaya produksi meningkat yang akhirnya akan menyebabkan penurunan laba yang dihasilkan. Dari gambaran tersebut disimpulkan bahwa depresiasi

mata uang

sebuah negara cenderung akan menaikkan PDB-nya (Case dan Fair, 2004, 395). Implikasinya, peningkatanPDB akanberpengaruh positif terhadap peningkatan penerimaan pajak. Sebaliknya apabila mata uang suatu negara mengalami kenaikan (apresiasi) maka harga impornya akan turun dan harga ekspornya akan naik. Hal ini akan memicu pertumbuhan impor dan mengecilkan nilai ekspor, sehinggaekspor neto akan menjadi lebih kecil. Akibatnya pengeluaran agregat untuk keluaran dalam negeri akan semakin turun dan PDB juga akan turun. Implikasinya, penurunan PDB akan berpengaruh negatif terhadap penerimaan perpajakan.

36


13. Indonesian Crude Price (ICP) Pengertian Indonesian Crude Price (ICP) menurut Direktorat Jenderal Anggaran (2009,3) adalah harga rata-rata minyak mentah Indonesia di pasar internasional

yang

dipakai

sebagai

indikator

perhitungan

hasil

bagi

minyak.Formulasi perhitungan ICPsetelah Juli tahun 2007, adalah = 50% Platts + 50% RIM. Platts adalah penyedia jasa informasi energi terbesar di dunia, yang tidak hanya terbatas pada minyak. Data yang diambil Platts berasal dari pasar internasional, sedang RIM berasal dari pasar Jepang. Penetapan ICP dilakukan oleh pemerintah (cq. Menteri ESDM) setiap bulan berdasarkan hasil formulasi tersebut (Du Quintono, 2012). Berdasarkan formulasi perhitungannya dapat disimpulkan bahwa ICP sangat dipengaruhi oleh kondisi harga minyak internasional.Ada dua faktor

kondisi pasar minyak internasional yang mempengaruhi ICP. Pertama faktor fundamental, yaitu faktor yang dipengaruhi mekanisme penawaran dan permintaan. Kedua, faktor non fundamental, merupakan faktor lain di luar mekanisme penawaran dan permintaan, seperti: kekhawatiran pasar akibat gangguan politik, keamanan, dan aksi spekulasi di pasar minyak Minyak mentah merupakan dasar pembuatan bahan bakar yang digunakan untuk menyuplai energi baik untuk keperluan industri maupun rumah tangga, sehingga merupakan salah satu faktor produksi. Perubahan harga minyak mentah akan mempengaruhi biaya energi dalam faktor produksi yang akhirnya akan mempengaruhi biaya produksi. Hamilton (1983) dalam Guo dan Kliesen (2005,670) menyatakan bahwa terdapat hubungan negatif antara perubahan harga minyak mentah dengan pertumbuhan PDB. Peningkatan harga minyak mentah akan menaikkan biaya produksi yang pada akhirnya

37


output/keluaran agregat akan semakin berkurang. Selain itu peningkatan biaya produksi akibat peningkatan harga minyak mentah akan memicu terjadinya inflasi

(Gresspan

and

Bernake,

2004)

dalam

Guo

dan

Kliesen

(2005,677).Dengan demikian, perubahan harga minyak akan mempengaruhi laba perusahaan laba. Hal ini akanberpengaruh pula terhadap penerimaan negarayang berasal dari pajak. 14. Lifting Lifting minyak bumi adalah tingkat produksi minyak mentah dan /atau gas bumi yang siap dijual atau dibagi di titik penyerahan (custody transfer point atau point of sales). Produksi minyak mentah sendiri merupakan total produksi minyak dari perut bumi yang beberapa bagiannya ada yang dipakai untuk kegiatan ekplorasi minyak bumi. Jadi lifting minyak bumi adalah total produksi dikurangi minyak yang dipakai lagi untuk eksplorasi (DJA, 2013, 73). Minyak bumi merupakan salah satu faktor produksi yang mempengaruhi produksi

barang

demikian,jikalifting

dan

jasa

Indonesia

suatu tidak

negara

dalam

suatu

waktu.Dengan

mampu memenuhi kebutuhan dalam

negeri,maka pemerintah akanmengimpor minyak untuk memenuhinya. Dengan demikian lifting berpengaruh terhadap impor, sedangkan impor berpengaruh terhadap PDB, sehingga pada akhirnya penerimaan pajak

juga akan

terpengaruh. B. Kerangka Pemikiran Teoritis Ada 2 kriteria yang harus dipenuhi agar pendapatan PPh Pasal 25/29 Orang Pribadi dan Badan dapat diakui dan dilaporkan dalam LKPP tanggal 31 Desember, yaitu: kejadiannya telah memenuhi taxable event dan dapat diukur

38


dengan andal. Kriteria pertama dapat terpenuhi karena PPh Pasal 25/29 disetor atas penghasilan dalam satu tahun pajak (1 Januari – 31 Desember). Namun, kriteria kedua sulit dipenuhi karena adanya perbedaan waktu antara taxable event dengan penyampaian SPT Tahunan dan batas waktu penyampaian LKPP. Perbedaan tersebut tidak memungkinkan bagi pemerintah untuk mengetahui dan menyajikan jumlah pendapatan pajak yang sesungguhnya menjadi hak pemerintah dalam laporan keuangan tahun berjalan. IPSAS 23 mengisyaratkan bahwa dimungkinkan bagi pemerintah untuk mengestimasi jumlah pendapatan pajak dengan menggunakan model statistik, berdasarkan sejarah penerimaan pajak tahun-tahun sebelumnya. Estimasi tersebut dilakukan dengan mempertimbangkan antara lain faktor-faktor ekonomi yang mempengaruhi pendapatan pajak. Dalam penelitian ini, peneliti mencoba membuat model statistik untuk mengestimasi pendapatan PPh Pasal 25/29 dengan memasukkan beberapa veriabel dalam asumsi ekonomi makro yang digunakan pemerintah dalam penyusunan APBN.

Variabel-variabel tersebut adalah ekspor, harga minyak

mentah Indonesia (Indonesian Crude Price/ICP), impor, tingkat inflasi, kurs dolar Amerika, lifting, pendapatan domestik bruto (PDB). Alasan memasukkan PDB sebagai variabel bebas adalah karena PDB merupakan salah satu ukuran pertumbuhan ekonomi.Jika dilihat dari sisi pengeluaran, peningkatan PDB dapat diartikan sebagai peningkatan daya beli masyarakat, peningkatan daya beli masyarakat berarti ada peningkatan terhadap penghasilan masyarakat. Dengan demikian, peningkatan PDB seharusnya mampu

mendorong

menggunakan

data

peningkatan triwulanan

pajak

selama

penghasilan.Dalam

1984-2009,

penelitian

Kusumastuti

(2010)

menyimpulkan bahwa pertumbuhan ekonomi berpengaruh signifikan terhadap

39


penerimaan perpajakan. Selain itu, hasil penelitian Djermor (2011), yang menggunakan model Vektor Auto Regression (VAR) dengan Uji Kausalitas Granger, menunjukkan bahwa pertumbuhan ekonomi berpengaruh positif terhadap penerimaan perpajakan, namun sebaliknya penerimaan perpajakan tidak berpengaruh terhadap pertumbuhan ekonomi. Alasan memasukkan variabel inflasi sebagai variabel bebas dalam penelitian adalah karena inflasi bisa memiliki dampak positif maupun dampak negatif terhadap pertumbuhan ekonomi, tergantung parah atau tidaknya inflasi. Apabila inflasi itu ringan, akanberpengaruh positif dalam arti dapat mendorong perekonomian lebih baik. Pada tingkat inflasi ringan pengusaha akan giat meningkatkan

usahanya

karena

harga

produknya

meningkat

sehingga

keuntungan yang diharapkan juga meningkat. Peningkatan ini seharusnya juga diikuti dengan peningkatan pajak yang harus mereka bayar Sebaliknya, dalam masa inflasi yang parah, yaitu pada saat terjadi inflasi tak terkendali (hiperinflasi), keadaan perekonomian menjadi kacau, daya beli masyarakat sangat menurun dan investasi di sektor industri juga dipastikan akan menurun. Pada kondisi ini banyak pengusaha akan mengalami kerugian bahkan kebangkrutan sehingga jumlah pajak yang harus mereka bayar juga akan berkurang/menurun.Sampai dengan saat ini peneliti belum menemukan hasil penelitian yang menyimpulkan pengaruh inflasi terhadap penerimaan pajak penghasilan. Alasan memasukkan variabel kurs dolar Amerika, ekspor, dan impor dalam penelitian adalah karena, sampai dengan saat ini mata uang dolar Amerika masih mendominasi transaksi perekonomian dunia. Penguatan maupun pelemahan nilai tukar rupiah terhadap dolar Amerika dapat membawa dampak bagi dunia usaha, terutama yang produknya ditujukan untuk ekpor dan/atau bahan bakunya berasal dari impor.

40


Dari sisi ekspor, bagi pengusaha yang sebagian besar mengekspor produknya, penguatan nilai rupiah akan mengurangi jumlah rupiah yang diterima dari nilai ekspor dalam jumlah dolar yang sama. Dengan demikian keuntungan yang diperoleh akan berkurang sehingga jumlah pajak yang harus dibayarnya juga akan menurun.Begitu juga sebaliknya, jika nilai rupiah melemah maka jumlah rupiah yang diterima dari ekspor dalam jumlah dolar yang sama, akan meningkat. Dengan demikian keuntungan pengusaha akan meningkat sehingga jumlah pajak yang harus dibayarnya juga meningkat. Dari sisi impor,pengusaha yang produknya atau bahan bakuya sebagian besar berasal dari impor dapat diuntungkan dengan adanya penguatan nilai rupiah. Mereka akan memperoleh barang/bahan baku produksi dalam jumlah yang lebih banyak dengan nilai rupiah yang sama. Hal ini dapat meningkatkan keuntungan mereka karena harga pokok produksi semakin kecil. Dengan demikian jumlah pajak yang harus mereka bayar juga akan meningkat. Namun sebaliknya, jika nilai rupiah melemah, maka barang/bahan baku produksi yang diperoleh pengusaha dari nilai rupiah yang sama akan senakin sedikit. Akibatnya, keuntungan mereka berkurang karena harga pokok produksi semakin tinggi, sehingga jumlah pajak yang harus mereka bayar juga akan menurun. Alasan memasukkan variabel ICP adalah karena ICP dapat memberikan gambaran terhadap harga minyak dunia. Setelah Juli tahun 2007, formulasi perhitungan ICP adalah = 50% Platts + 50% RIM. Platts adalah penyedia jasa informasi energi terbesar di dunia, yang tidak hanya terbatas pada minyak, namun juga gas alam, petrokimia, batubara dan tenaga nuklir. RIM Intelligence Co adalah badan independen yang berpusat di Tokyo dan Singapura yang menyediakan data harga minyak untuk pasar Asia Pasific dan Timur Tengah.

41


Melihat formulasi tersebut, maka kenaikan harga minyak mentah dunia juga akan berdampak terhadap kenaikan ICP. Sepanjang tidak ada kenaikan harga bahan bakar minyak (BBM) dalam negeri, maka bagi pengusaha yang bahan baku produknya berasal dari dalam negeri tidak akan begitu terpangaruh. Namun bagi pengusaha yang produk atau bahan bakunya dari impor pasti akan terpengaruh, karena kenaikan harga minyak dunia berpengaruh secara global terhadap kenaikan seluruh harga barang. Hal ini akan menambah biaya produksinya sehingga keuntungannya menjadi berkurang dan pada akhirnya jumlah pajak yang harus mereka bayar juga akan menurun.Alasan memasukkan variabel lifting adalah karena penurunan lifting akan mengurangi penghasilan wajib pajak sektor industri hulu migas yang berasal dari lifting migas, sehingga akan mengurangi jumlah pajak penghasilan yang harus mereka bayar. Alasan memasukkan lifting dalam penelitian ini adalah karena minyak merupakan salah satu kebutuhan utama di hampir semua sektor perekonomian. Jikalifting Indonesia tidak sesuai atau jauh dari asumsi lifting yang ditargetkan, pemerintah akanmengimpor minyak untuk memenuhi volume kebutuhan minyak di Indonesia. Dengan demikian lifting dapat berpengaruh terhadap PDB. Variabel-variabel yang dipilih tersebut akan di regresi untuk mendapatkan model statistik yang dapat diandalkan dalam mengestimasi pendapatan PPh Pasal 25/29 Orang Pribadi dan Badan. Hasil perhitungan yang diperoleh dari simulasi model tersebut akan dibandingkan dengan realisasi penerimaan PPh Pasal 25/29 Orang Pribadi dan Badan. Selanjutnya, selisih yang terjadi dari pembandingan tersebut akan dibandingkan dengan kriteria materialitas audit yang ditetapkan oleh BPK. Jika selisih tersebut berada di bawah batas materialitas BPK, maka model tersebut dianggap dapat diandalkan untuk

42


menaksir pendapatan PPh Pasal 25/29 dan akan diusulkan koreksinya berdasarkan SAP Berbasis Akrual dan dengan mengacu pada IPSAS. Sebaliknya, jika selisih tersebut melampaui batas materialitas BPK maka model tersebut tidak dapat diandalkan dan peneliti akan mencari penyebab selisih tersebut. Berdasarkan peikiran tersebut, peneliti menyusun kerangka berfikir sebagaimana digambarkan dalam bagan 1 berikut.

Bagan 1 Kerangka Pemikiran Teoritis

Penyusunan model statistik untuk mengestimasi/mengukur pendapatan PPh Pasal 25/29 basis akrual dalam rangka penyusunan LKPP, didasarkan pada bagan 1. Masing-masing variabel tersebut, yaitu PPh25/29, ekspor, ICP, impor, inflasi, kurs US$, lifting dan PDB dapat berperan sebagai variabel bebas ketika menaksir nilai variabel yang lain dan dapat juga bertindak sebagai variabel tidak bebas ketika menaksir nilainya sendiri.

43


C. Hipotesis. Hipotesis yang diajukan dalam penelitian iniadalah: Ho : Diduga ekspor, ICP, impor, inflasi, kurs US$, lifting dan PDB secara simultan berpengaruh terhadap pendapatan PPh Pasal 25/29. H1 : Diduga ekspor, ICP, impor, inflasi, kurs US$, lifting dan PDB secara simultan tidak

44

berpengaruh

terhadap

pendapatan

PPh

Pasal

25/29.

BAB III METODE KAJIAN AKADEMIS A. Jenis Penelitian Penelitian ini bersifat kuantitatif dengan pendekatan analisis statistik induktif atau inferensi. Menurut Supranto (2009, 98) statistik induktif (inference) adalah pengambilan kesimpulan mengenai nilai sebenarnya dari parameter (yang dihitung berdasarkan populasi), yang didasarkan atas perhitungan sampel, sehingga

kesimpulan

tersebut

mengandung

unsur

ketidakpastian

(uncertaintyfactor). Santoso (2012, 147) menjelaskan bahwa statistik inferensi mempelajari pengambilan keputusan tentang parameter populasi dari sampel yang tersedia. Hal tersebut dilakukan melalui dua langkah, yaitu: 1.

Estimasi (memperkirakan) nilai parameter populasi berdasarkan sampel yang ada;

2.

Uji hipotesis statistik. Tujuannya untuk menguji apakah data dari sampel sudah cukup kuat untuk menggambarkan populasi. Dengan kata lain apakah dapat dilakukan generalisasi tentang populasi berdasarkan sampel.

B. Jenis dan Sumber Data Kajian ini mengunakan data time series yang berupa data sekunder. Data tersebut berupa realisasi penerimaan PPh Pasal 25/29 Orang Pribadi dan Badan secara bulanan yang bersumber dari Kantor Pusat Direktorat Jenderal pajak; realisasi ekspor, ICP, impor, inflasi, kurs US$, lifting dan PDB yang diperoleh dari badan kebijakan fiskal. Data-data tersebut peneliti ambil dalam rentang waktu antara tahun anggaran 2005-2012. Selain itu, peneliti juga akanmelakukan wawancara dengan pihak-pihak terkait dan kompeten untuk meyakinkan keandalan data dan model statistik yang diperoleh.

45


C. Definisi Operasional Variabel dan Pengukurannya Variabel yang digunakan dalam penelitian terdiri dari PPh25/29, ekspor, ICP, impor, inflasi, kurs US$, lifting, dan PDB. Variabel-variabel tersebut merupakan bagian dari asumsi makro yang digunakan pemerintah ketika menyusun APBN. Penjelasan singkat mengenai definisi operasional dari variabel yang digunakan dalam penelitian ini dan carapengukurannya adalah sebagai berikut. 1. Ekspor Data ekspor yang digunakan adalah realisasi total ekspor secara bulanan (Januari 2005 - Desember 2012) dan diperoleh dari Badan Kebijakan Fiskal. Nilai ekspor adalah dalam juta US$. 2. ICP ICP adalah harga minyak mentah Indonesia dan data yang digunakan adalah data realisasi ICP secara bulanan (Januari 2005 - Desember 2012) yang diperoleh dari Badan Kebijakan Fiskal. Nilai ICP adalah dalam US$/barel. 3. Impor. Data ekspor yang digunakan adalah realisasi total impor secara bulanan (Januari 2005 - Desember 2012) yang diperoleh dari Badan Kebijakan Fiskal. Nilai impor adalah dalam juta US$. 4. Inflasi Data ekspor yang digunakan adalah realisasi inflasi bulanan (Januari 2005 Desember 2012) yang diperoleh dari Badan Kebijakan Fiskal. Angka inflasi yang diambil adalah inflasi menurut komponen (yoy) dalam persentase.

46

BAB III METODE KAJIAN AKADEMIS

5. Kurs US$ Data kurs US$ yang digunakan adalah realisasi rata-rata nilai tukar rupiah terhadap dolar secara bulanan (Januari 2005 - Desember 2012) yang diperoleh dari Badan Kebijakan Fiskal. 6. Lifting Data lifting yang digunakan adalah realisasi lifting (Januari 2005 - Desember 2012) yang diperoleh dari Badan Kebijakan Fiskal dalam million barrel crude oil per day (mbcd) 7. PDB Data PDB yang digunakan adalah realisasi PDB secara kuartalan dalam milyaran rupiah (Januari 2005 - Desember 2012) yang diperoleh dari Badan Kebijakan Fiskal. Data PDB yang diambil adalah dari sisi pengeluaran. Untuk menyamakan data time seriesnya, peneliti melakukan interpolasi data kuartalan PDB menjadi bulanan. 8. PPh25/29 Data PPh25/29 yang digunakan adalah realisasi penerimaan PPh25/29 secara bulanan dalam milyaran rupiah (Januari 2005 - Desember 2012) yang diperoleh dari Kantor Pusat Direktorat Jenderal Pajak. D. Metode Analisis Data Pendekatan statistik inferensi dalam penelitian ini dimaksudkan untuk mencari model statistik yang dapat diandalkan guna mengestimasi pendapatan PPh pasal 25/29 Orang Pribadi dan Badan dalam rangka penyajian LKPP. Variabel-veriabel yang digunakan dalam model tersebut adalah ekspor, ICP, impor, inflasi, kurs US$, lifting, dan PDB. Variabel-variabel tersebut akan dianalisis secara ekonometrik untuk mendapatkan model yang diinginkan. Analisis

tersebut

dilakukan

dengan

menggunakan

metode

Vector

Autoregression (VAR).

47


Alasan menggunakan metode VAR karena metode tersebut bisa dipadankan dengan suatu model persamaan simultan. Dalam Analisis VAR kita mempertimbangkan beberapa variabel endogen secara bersama-sama dalam suatu model. Perbedaannya dengan model persamaan simultan biasa adalah bahwa dalam Analisis VAR masing-masing variabel selain diterangkan oleh nilainya di masa lampau, juga dipengaruhi oleh nilai masa lalu dari semua variabel endogen lainnya dalam model yang diamati. Selain itu, dalam analisis VAR biasanya tidak ada variabel eksogen dalam model tersebut (Hadi, 2003). Penjelasan hubungan variable-variabel yang dipilih dengan pendapatan PPh Pasal 25/29 juga akan dikaji untuk mendapatkan keyakinan yang memadai bahwa model yang terpilih dapat diandalkan untuk mengestimasi pendapatan PPh pasal 25/29 Orang Pribadi dan Badan. Setelah model statistik diperoleh, langkah berikutnya adalah menguji keandalannya dalam mengestimasi PPh 25/29 dengan cara, membandingkan hasil estimasi yang diperoleh dari model tersebut dengan data realisasinya. Selisih yang terjadi akan dibandingkan dengan tingkat materialitas audit BPK. Jika nilai selisih tersebut dibawah nilai materialitas BPK, maka model tersebut dapat diandalkan untuk mengestimasi pendapatan PPh Pasal 25/29 basis akrual. Penelitian ini juga mengajukan usulan koreksi terkait dengan perbedaan antara hasil estimasi dengan realisasinya.Jika selisih tersebut melampaui batas materialitas BPK maka akan dianalisis lebih lanjut untuk mengidentifikasikan penyebabnya

48

BAB III METODE KAJIAN AKADEMIS

Alat analisis yang digunakan dalam penelitian ini adalah sebagai berikut. 1. Uji Trend Alat ini digunakan untuk mengetahui apakah data mengandung trend atau tidak dan apakah terdapat unsur seasonal dalam data. Analisis ini dilakukan dengan melihat grafik baris dari data yang akan diuji. Jika ada data yang mengandung seasonal maka terlebih dahulu dilakukan penyesuaian untuk menghilangkan seasonal dan mencari indeks seasonalnya. 2. Uji Stasioneritas Data dan Derajat Integrasi Uji stasioner data atau uji akar unit digunakan untuk melihat apakah data yang diamati stationer atau tidak. Tesini merupakan keharusan dari analisis VAR, karena jika data yang diamati stationer, makaakan meningkatkan akurasi dari analisis VAR. (Ariyo, 10). Uji stasioner data dalam penelitian ini dilakukan dengan menggunakan Augmented Dickey-Fuller (ADF), hingga data pada seluruh variabel stasioner pada derajat yang sama. Data yang stasioner adalah data yang variansnya tidak terlalu besar dan mempunyai kecenderungan untuk mendekati nilai rata-ratanya (Enders 1995, dalam Ajija, 165). 3. Uji Penentuan Lag Length Uji lag length dimaksudkan untuk mendapatkan lag yang paling optimal bagi model yang akan diamati. Hal ini perlu karena jika lag yang digunakan terlalu sedikit maka residual dari regresi tidak akan menampilkan proses white noise sehingga model tidak dapat mengestimasi actual error secara tepat. Akibatnya ᵧ dan standar kesalahan tidak diestimasi secara baik. Namun, jika memasukkan lag terlalu banyak, maka dapat mengurangi kemampuan untuk menolak Ho karena tambahan parameter yang terlalu banyak akan mengurangi derajat bebas (Ajija, 166).

49


4. Uji Stabilitas VAR Uji stabilitas VAR dimaksudkan untuk mendapatkan keyakinan bahwa VAR memenuhi kondisi untuk dikatakan stabil. Hal ini perlu agar nilai estimasi yang diperoleh berasal dari VAR yang stabil. 5. Uji kausalitas granger Uji kausalitas granger dilakukan untuk melihat hubungan kausalitas antar variabelyang diuji. Uji ini digunakan untuk melihat apakah terjadi hubungan dua arah antar dua variabel; atau hanya hubungan satu arah, atau tidak ada hubungan sama sekali (independen). 6. Variance Decomposition Variance decompositiondilakukan untuk melihat besaran kontribusi masing-masing variabel terhadap estimasi (estimasi) variabel lain dan terhadap variabelnya sendiri.

50

BAB IV ANALISIS DAN PEMBAHASAN

Bab ini menjabarkan deskripsi data atas variabel-variabel yang diteliti, antara lain: nilai rata-rata (mean), Nilai tengah (median), sebaran data (range), nilai maksimum, nilai minimum, simpangan baku (standar deviasi),

dan nilai

probabilitas jarque bera. Selain itu juga disajikan diagram histogram terkait data yang diteliti untuk memperlihatkan kemencengan kurvanya. Pembahasan hasil estimasi yang dilakukan dengan menggunakan MetodeVAR, juga disajikan dalam bab ini. Selain melakukan estimasi dengan menggunakan metode VAR, estimasi juga dilakukan dengan menggunakan ARIMA. Data PPh Pasal 25/29 yang digunakan dalam ARIMA adalah data trendnya saja, yaitu data PPh Pasal 25/29 setelah seasonalnya disesuaikan dengan Census X12. Estimasi dilakukan dengan menggunakan data periode 2009-2012 agar dapat dibandingkan dengan hasil estimasi yang menggunakan VAR dengan periode yang sama. Estimasi PPh Pasal 25/29 dengan menggunakan model ARIMA menghasilkan penyimpangan yang besar, yaitu rata-rata lebih tinggi 13,79% dari data realisasinya. Oleh karena itu, model statistik dengan menggunakan metode ARIMA dalam kajian ini tidak dapat digunakan untuk mengestimasi PPh Pasal25/29, untuk tujuan penyusunan laporan keuangan basis akrual. Estimasi dengan metode VAR dilakukan dua kali pada model yang sama namun dengan periode data yang berbeda. Estimasi pertama dilakukan dengan menggunakan data dari Januari 2005 sampai dengan Desember 2012, sedang estimasi ke dua dilakukan dengan menggunakan data dari Januari 2009 sampai dengan Desember 2012.

51


Estimasi pendapatan PPh Pasal 25/29 periode Januari 2005 - Desember 2012, yang menggunakan data PPh Pasal 25/29 setelah penyesuaian seasonal dengan census 12, menghasilkan selisih (penyimpangan) yang cukup besar, yaitu rata-rata lebih tinggi 16,94% dari data realisasinya. Selisih tersebut jauh lebih besar dibandingkan dengan hasil estimasi dengan periode data dari Januari 2009 - Desember 2012, yang hanya sebesar 7,96%. Perbedaan tersebut disebabkan karena perubahan batas waktu penyampaian SPT Tahunan Badan. Sebelum UU Nomor 28 Tahun 2007 terbit, SPT Tahunan PPh Badan dan Orang Pribadi harus disampaikan paling lambat 3 bulan setelah berakhirnya tahun pajak (berarti tanggal 31 Maret tahun berikutnya). Setelah UU Nomor 28 Tahun 2007 terbit, maka SPT Tahunan PPh Orang Pribadi paling lambat disampaikan 3 bulan setelah berakhirnya tahun pajak. Namun, SPT Tahunan PPh Badan paling lambat disampaikan 4 bulan setelah berakhirnya tahun pajak (berarti tanggal 30 April tahun berikutnya). Peraturan tersebut mulai berlaku tanggal 1 Januari 2008, untuk SPT Tahunan PPh Orang Pribadi dan Badan tahun pajak 2008 yang disampaikan di tahun 2009. Perubahan tersebut menyebabkan perbedaan indeks seasonal antara data PPh25/29 tahun 2005-2012 dengan data PPh25/29 tahun 2009-2012. Oleh karena itu, peneliti memilih untuk melakukan estimasi dengan menggunakan data periode 2009-2012. Selanjutnya, peneliti mencoba menggunakan data PPh Pasal 25/29 setelah seasonalnya disesuaikan dengan moving average. Hasil estimasinya menunjukkan rata-rata penyimpangan sebesar 0,83% dibandingkan dengan data realisasinya. Jumlah ini jauh lebih kecil dibandingkan dengan hasil estimasi yang menggunakan data PPh Pasal 25/29 yang seasonalnya disesuaikan dengan Census X12, yaitu rata-rata 16,94% dari data realisasinya. Oleh karena itu, dalam penelitian ini, digunakan data trend PPh Pasal 25/29 yang penyesuaian seasonalnya dilakukan dengan moving average.

52


A. Analisis Persiapan Regresi dengan VAR. Grafik 1 Grafik Baris PPh 25/29 PPH 3.5E+13 3.0E+13 2.5E+13 2.0E+13 1.5E+13 1.0E+13 5.0E+12 0.0E+00 2005

2006

2007

2008

2009

2010

2011

2012

Proses persiapan regresi diawali dengan melihat grafik baris dari semua variabel yang diteliti. Dari hasil pengamatan diketahui bahwa semua variabel, kecuali PPh 25/29 datanya menunjukkan trend dan tidak terdapat seasonal. Data PPh25/29 disamping menunjukan trend juga terdapat seasonal seperti yang terlihat dari grafik 1. Oleh karena itu, khusus untuk variabel PPh Pasal 25/29 dilakukan penyesuaian seasonal, yaitu sifat seasonal datanya dihilangkan, sehingga hanya data trendnya saja yang dimasukkan dalam model. Proses penghilangan seasonal data PPh Pasal 25/29 dilakukan dengan 2 cara, yaitu dengan Census X12 dan moving average. Regresi dengan VAR dilakukan atas kedua jenis data tersebut, yaitu atas data trend PPh Pasal 25/29 yang

penyesuaiannya

dilakukan

dengan

Census

X12

maupun

yang

penyesuaiannya dilakukan dengan moving average. Regresi yang dilakukan dengan data trend PPh Pasal 25/29 yang penyesuaian seasonalnya dilakukan dengan moving average menghasilkan ratarata penyimpangan estimasi yang kecil, yaitu rata-rata lebih rendah 0,83%

53


dibandingkan dengan data realisasinya. Sementara itu, regresi yang dilakukan dengan data trend PPh Pasal 25/29 yang penyesuaian seasonalnya dilakukan dengan Census X12 menghasilkan rata-rata penyimpangan estimasi yang besar, yaitu rata-rata lebih tinggi 16,94% dari data realisasinya. Oleh karena itu, pembahasan regresi selanjutnya dalam penelitian ini hanya difokuskan pada model VAR dengan data trend PPh Pasal 25/29 yang telah dihilangkan seasonalnya dengan moving average. Garafik 2 berikut ini merupakan gambaran data trend PPh Pasal 25/29 (setelah seasonalnya dihilangkan). Grafik2. Grafik Data Trend PPh25/29

DPPHSA 1.2E+13

1.1E+13

1.0E+13

9.0E+12

8.0E+12

7.0E+12 I

II

III 2009

IV

I

II

III

2010

IV

I

II

III

2011

IV

I

II

III

2012

IV

I

II

2013

Setelah semua data diyakini tidak mengandung unsur seasonal, selanjutnya dilakukan uji stasioneritas data untuk melihat derajat stasionernya. Mula-mula dilakukan uji stasioner pada seluruh data pada derajat level. Jika pada derajat ini data belum stasioner maka dilanjutkan dengan uji stasoner pada derajat first difference dan second difference. Hal ini dimaksudkan agar semua data dari variabel yang diuji stasioner pada derajat yang sama.

54


Langkah berikutnya adalah melakukan uji lag length criteria untuk mengetahui panjang lag optimal yang direkomendasikan oleh eviews. Pengujian untuk mendapatkan panjang lag paling optimal dilengkapi dengan uji kestabilan VAR pada lag yang direkomendasikan oleh eviews. Lag yang dipilih adalah yang VAR-nya stabil, dan nilai Adj. R-squared- nya paling tinggi. Tahap berikutnya adalah melakukan uji pairwise granger causality untuk melihat keterkaitan (pengaruh) antar variabel-variabel yang diteliti. Untuk melihat besarnya kontribusi tiap-tiap variabel (dalam presentase) terhadap hasil estimasi variabel yang lain dan terhadap variabelnya sendiri dilakukan uji variance decomposition. Terakhir dilakukan backcasting dan dicari selisih antara hasil estimasi dengan data realisasinya. B. Statistik Deskriptif Data Penelitian Gambaran statistik data trend PPh 25/29 setelah dideferensiasikan pada second difference dapat dilihat pada grafik 3 berikut ini.

Grafik 3. Histogram DPPhSA

7

Series: DPPHSA Sample 2009M03 2013M04 Observations 46

6 5

Mean Median Maximum Minimum Std. Dev. Skew ness Kurtosis

4 3 2

Jarque-Bera 2.588394 Probability 0.274118

1 0 7.0e+12

9.24e+12 9.02e+12 1.18e+13 7.21e+12 1.33e+12 0.254492 1.955299

8.0e+12

9.0e+12

1.0e+13

1.1e+13

1.2e+13

55


Grafik 3 merupakan gambaran statistik data PPh 25/29 pada diferensi ke dua setelah seasonalnya dihilangkan (DPPHSA). Nilai mean DPPHSA adalah Rp9,241,806,999,323,50dan mediannya Rp9.022.084.661.444,3. Data DPPHSA memiliki range yang lebar, yang ditunjukkan dari besarnya selisih antara nilai maksimum

dengan

nilai

Rp11.759.472.305.004,40

minimumnya.

dan

nilai

Nilai

minimumnya

maksimumnya

sebesar

Rp7,205,008,471,733.50

sehingga rangenya berkisar sebesar Rp4,554,463,833,270.90. Standar deviasi (simpangan baku) adalah ukuran sebaran statistik yang mengukur bagaimana nilai-nilai data tersebar di sekitar nilai rata-ratanya. Nilai simpangan baku yang semakin kecil menunjukkan bahwa data cenderung mendekati nilai rata-rata, sebaliknya nilai simpangan baku yang semakin besar menunjukkan bahwa data tersebar dalam rentang yang jauh dari nilai rataratanya. Standar deviasi data DPPHSA sebesar Rp1,334,795,310,625.37. Nilai standar deviasi data DPPHSA yang relatif kecil (14,44% dari nilai rata-ratanya) menunjukkan bahwa data cenderung mendekati nilai rata-ratanya. Skewness mengukur kesimetrisan distribusi data di sekitar rata-ratanya. Data yang berdistribusi normal memiliki nilai skewness 0 (nol). Nilai skewness positif berarti distribusi data memiliki ekor ke kanan dan jika nilainya negatif berarti distribusi data memiliki ekor ke kiri. Nilai Skewness DPPHSA positif 0,25 berarti distribusi data memiliki ekor ke kanan. Jarque-bera merupakan uji statistik untuk menguji apakah data berdistribusi normal atau tidak, yang dapat dilihat dari nilai probabilitasnya. Nilai probabilitas jarque-bera DPPHSA (0,27) lebih besar dari nilai α 10% (0,1). Hal ini menunjukkan bahwa pada tingkat kepercayaan 90% data tersebut sudah terdistribusi dengan normal.

56


Gambaran statistik data ICP setelah dideferensikan pada second difference dapat dilihat pada grafik 4 berikut ini.

Grafik 4. Histogram DICP

10

Series: DICP Sample 2009M01 2012M12 Observations 46

8


6

4

2

90.64839 88.45500 128.1400 41.89000 23.90704 -0.286411 2.002009


0 40

50

60

70

80

90

100

110

120

130

Grafik 4 merupakan gambaran statistik data ICP pada diferensi ke dua (DICP). Nilai mean DICP adalah Rp90,65 dan mediannya Rp88,46. Data DICP memiliki range yang cukup lebar, yang ditunjukkan dari besarnya selisih antara nilai maksimum dengan nilai minimumnya. Nilai maksimumnya sebesar Rp128,14 dan nilai minimumnya Rp41,89 sehingga rangenya berkisar sebesar Rp86,25 Standar deviasi data DICP sebesar Rp23,91. Nilai standar deviasi data DICP yang relatif kecil (26,37%) menunjukkan bahwa data tersebut cenderung mendekati nilai rata-ratanya. Nilai Skewness DICP negatif 0,29 berarti distribusi data memiliki ekor ke kiri. Nilai probabilitas jarque-bera DICP (0,28) lebih besar dari nilai α 10%. Hal ini menunjukkan bahwa pada tingkat kepercayaan 90% data sudah terdistribusi dengan normal.

57


Gambaran statistik data impor setelah dideferensikan pada second difference dapat dilihat pada grafik 5 berikut ini.

Grafik 5. Histogram DIMPOR

8

Series: DIMPOR Sample 2009M01 2012M12 Observations 46

7 6


5 4 3

12347.94 12592.30 17207.90 5939.040 3375.572 -0.261872 1.795893

2


1 0 6000

8000

10000

12000

14000

16000

18000

Grafik 5 merupakan gambaran statistik data impor pada diferensi ke dua (DIMPOR).

Nilai

mean

DIMPOR

adalah

Rp12.347,94

dan

mediannya

Rp12.592,30. Data DIMPOR memiliki range yang cukup lebar, yang ditunjukkan dari besarnya selisih antara nilai maksimum dengan nilai minimumnya. Nilai maksimumnya

sebesar

Rp17.207,90

dan

nilai

minimumnya

Rp5.939,04

sehingga rangenya berkisar sebesar Rp11.268,86. Standar deviasi data DIMPOR sebesar Rp3.375,57. Nilai standar deviasi data DIMPOR yang relatif kecil (27,34%) menunjukkan bahwa data cenderung mendekati nilai rata-ratanya.. Nilai Skewness DIMPOR negatif 0,26 berarti distribusi data memiliki ekor ke kiri. Nilai probabilitas jarque-bera DIMPOR (0,19) lebih besar dari nilai α 10%. Hal ini menunjukkan bahwa pada tingkat kepercayaan 90% data terdistribusi dengan normal.

58


Gambaran statistik data ekspor setelah dideferensikan pada second difference dapat dilihat pada grafik 6 berikut ini. Grafik 6. Histogram DEKSPOR

8

Series: DEKSPOR Sample 2009M01 2012M12 Observations 46

7 6


5 4 3

13783.14 14407.45 18647.80 7134.320 3227.505 -0.388873 2.018831

2


1 0 8000

10000

12000

14000

16000

18000

Grafik 6 merupakan gambaran statistik data ekspor pada diferensi ke dua (DEKSPOR). Nilai mean DEKSPOR adalah Rp13.783,14 dan mediannya Rp14.407,45. Data DEKSPOR memiliki range yang cukup lebar, yang ditunjukkan dari besarnya selisih antara nilai maksimum dengan nilai minimumnya. Nilai maksimumnya sebesar Rp18.647,80 dan nilai minimumnya Rp7.134,32 sehingga rangenya berkisar sebesar Rp11.513,48. Standar deviasi data DEKSPOR sebesar Rp3.227,51. Nilai standar deviasi data DEKSPOR yang relatif kecil (23,42% dari nilai rata-ratanya) menunjukkan bahwa data cenderung mendekati nilai rata-ratanya. Nilai Skewness DEKSPOR negatif 0,39 berarti distribusi data memiliki ekor ke kiri. Nilai probabilitas jarque-bera DEKSPOR (0,22) lebih besar dari nilai α 10%. Hal ini menunjukkan bahwa pada tingkat kepercayaan 90% data terdistribusi dengan normal.

59


Gambaran statistik data inflasi setelah dideferensikan pada second difference dapat dilihat pada grafik 7 berikut ini.

Grafik 7. Histogram DINFLASI

16

Series: DINFLASI Sample 2009M01 2012M12 Observations 46

14 12


10 8 6

4.669348 4.325000 7.420000 3.560000 0.950206 1.940706 5.780712

4


2 0 3.5

4.0

4.5

5.0

5.5

6.0

6.5

7.0

7.5

Grafik 7 merupakan gambaran statistik data inflasi pada diferensi ke dua (DINFLASI). Nilai mean DINFLASI adalah Rp4,67 dan mediannya Rp4,32. Data DINFLASI memiliki range yang cukup lebar, yang ditunjukkan dari besarnya selisih antara nilai maksimum dengan nilai minimumnya. Nilai maksimumnya sebesar Rp7,42 dan nilai minimumnya Rp3,56

sehingga rangenya berkisar

sebesar Rp3,86. Standar deviasi data DINFLASI sebesar Rp0,95. Nilai standar deviasi data DINFLASI yang kecil (20,35%) menunjukkan bahwa data cenderung mendekati nilai rata-ratanya. Nilai Skewness DINFLASI positif 1,94 berarti distribusi data memiliki ekor ke kanan. Nilai probabilitas jarque-bera DINFLASI (0,00) lebih kecil dari nilai α 10%. Hal ini menunjukkan bahwa pada tingkat kepercayaan 90% data tidak terdistribusi dengan normal.

60


Gambaran statistik data ICP setelah dideferensikan pada second difference dapat dilihat pada grafik 8 berikut ini.

Grafik 8. Histogram DKURS

14

Series: DKURS Sample 2009M01 2012M12 Observations 46

12 10


8 6 4

9399.972 9169.530 11852.75 8532.000 778.9060 1.753189 5.792860


2 0 8500

9000

9500

10000

10500

11000

11500

12000

Grafik 8 merupakan gambaran statistik data kurs pada diferensi ke dua (DKURS). Nilai mean DKURS adalah Rp9.399,97 dan mediannya Rp9.169,53. Data DKURS memiliki range yang cukup lebar, yang ditunjukkan dari besarnya selisih antara nilai maksimum dengan nilai minimumnya. Nilai maksimumnya sebesar Rp11.852,75 dan nilai minimumnya Rp8.532

sehingga rangenya

berkisar sebesar Rp3.320,75. Standar deviasi data DKURS sebesar Rp778,91. Nilai standar deviasi data DKURS yang kecil (8,29% dari nilai rata-ratanya) menunjukkan bahwa data cenderung mendekati nilai rata-ratanya. Nilai Skewness DKURS positif 1,75 berarti distribusi data memiliki ekor ke kanan. Nilai probabilitas jarque-bera DKURS (0,00) lebih kecil dari nilai α 10%. Hal ini menunjukkan bahwa pada tingkat kepercayaan 90% pun data tidak terdistribusi dengan normal.

61


Gambaran statistik data PDB setelah dideferensikan pada second difference dapat dilihat pada grafik 9 berikut ini.

Grafik 9. Histogram DPDB

8

Series: DPDB Sample 2009M01 2012M12 Observations 46

7 6


5 4 3

572339.9 562621.8 709459.2 431734.1 85227.50 0.048553 1.734773

2


1 0 450000

500000

550000

600000

650000

700000

Grafik 9 merupakan gambaran statistik data PDB pada diferensi ke dua (DPDB). Nilai mean DPDB adalah Rp572.339,89 dan mediannya Rp562.621,82. Data DPDB memiliki range yang cukup lebar, yang ditunjukkan dari besarnya selisih antara nilai maksimum dengan nilai minimumnya. Nilai maksimumnya sebesar Rp709.459,18 dan nilai minimumnya Rp431.734,05 sehingga rangenya berkisar sebesar Rp277.725,13. Standar deviasi data DPDB sebesar Rp85.227,50. Nilai standar deviasi data DPDB yang relatif kecil (14,89% dari nilai rata-ratanya) menunjukkan bahwa data cenderung mendekati nilai rata-ratanya. Nilai Skewness DPDB positif 0,05 berarti distribusi data memiliki ekor ke kanan. Nilai probabilitas jarque-bera DPDB (0,21) lebih besar dari nilai α 10%. Hal ini menunjukkan bahwa pada tingkat kepercayaan 90% data terdistribusi dengan normal.

62


Gambaran statistik data lifting setelah dideferensikan pada second difference dapat dilihat pada grafik 10 berikut ini.

Grafik 10. Histogram DLIFTING 10

Series: DLIFTING Sample 2009M01 2012M12 Observations 46

8


6

4

2

911.6391 913.9200 1109.380 772.2700 71.29436 0.157203 2.895234


0 750

800

850

900

950

1000

1050

1100

Grafik 10 merupakan gambaran statistik data lifting pada diferensi ke dua (DLIFTING). Nilai mean DLIFTING adalah Rp911,64 dan mediannya Rp913,92. Data DLIFTING memiliki range yang cukup lebar, yang ditunjukkan dari besarnya selisih antara nilai maksimum dengan nilai minimumnya. Nilai maksimumnya sebesar Rp1.109,38 dan nilai minimumnya Rp772,27

sehingga rangenya

berkisar sebesar Rp337,11. Standar deviasi data DLIFTING sebesar Rp71,29. Nilai standar deviasi data DLIFTING yang relatif kecil (7,82% dari nilai rata-ratanya) menunjukkan bahwa data cenderung mendekati nilai rata-ratanya, atau dengan kata lain data tersebar dalam rentang yang relatif sempit. Nilai Skewness DLIFTING positif 0,16 berarti distribusi data memiliki ekor ke kanan. Nilai probabilitas jarque-bera DLIFTING (0,90) lebih besar dari nilai α 10%. Hal ini menunjukkan bahwa pada tingkat kepercayaan 90% data terdistribusi dengan normal.

63


C. Analisis Regresi dengan VAR 1. Uji Stasioneritas Data dan Derajat Integrasi Langkah pertama yang dilakukan dalam estimasi model ekonomi atas data time series dengan menggunakan metode VAR adalah dengan melakukan uji stasioneritas data atau disebut juga stationary stochastik process. Hal ini penting karena pada model yang stasioner sifat-sifat statistik di masa yang akan datang dapat diramalkan berdasarkan data historis yang telah terjadi di masa lalu (Rosadi, 2012: 38). Data yang stasioner adalah data yang variansnya tidak terlalu besar dan mempunyai kecenderungan untuk mendekati nilai rata-ratanya (Enders, 1995 dalam Ajija, 165). Dengan Uji stasioneritas data dapat diketahui apakah data atas variabel yang akan diuji stasioner dan pada derajat berapa data tersebut stasioner. Uji stasioneritas data yang dilakukan dalam kajian ini menggunakan Augmented Dickey Fuller (ADF) dengan memasukkan komponen konstanta dan trend karena dalam data yang akan diuji terdapat trend. Hasil uji stasioneritas data bisa dilihat dalam lampiran 1 Kriteria yang digunakan dalam uji stationeritas dengan ADF adalah jika nilai ADF statisik (ADF Test Statistik) nya lebih besar atau lebih negatif daripada nilai kritis Mckinnon (Mckinnon Critical Value), maka data tersebut dinyatakan telah stasioner karena tidak mengandung unit root. Sebaliknya, jika hasil stationeritas menunjukkan nilai ADF statisik yang lebih kecil atau tidak lebih negatif daripada Mckinnon Critical Value, maka data tersebut tidak stasioner pada derajat level karena mengandung unit root. Selanjutnya, jika hasil uji stasioner pada level menunjukkan bahwa data tidak stasioner maka, harus dilakukan diferensiasi data agar diperoleh data yang stasioner. Diferensiasi data dilakukan dengan menggunakan fasilitas yang ada dalam eviews 7.

64


Dalam kajian ini uji stasioner dilakukan pada level of confidence 99%, 95%, dan 90%. Dari hasil pengujian tersebut tidak ada satu variabelpun dalam model yang datanya stasioner pada derajat level. Hal ini dibuktikan dari nilai ADF Test Statistik seluruh variabel tersebut yang lebih besar (tidak lebih negatif) dari pada nilai Mckinnon Critical Value. Ringkasan hasil uji stasioner pada derajat level dapat dilihat dalam tabel 1 berikut.

Tabel 1. Ringkasan Hasil Uji Stasioner pada derajat level

Variabel

Nilai ADF Test Statistik

Mckinnon Critical Value (1% level)



Ekspor

-2,346718

-3,581152

-2,926622

-2,601424

ICP

-2,115451

-3,577723

-2,925169

-2,600658

Impor

-1,984096

-3,588509

-2,929734

-2,603064

Inflasi

-3,487579

-3,577723

-2,925169

-2,600658

Kurs

-2,437095

-3,577723

-2,925169

-2,600658

Lifting

-2,358844

-3,584743

-2,928142

-2,602225

PDB

-1,407663

-3,581152

-2,926622

-2,601424

PPhSA

-6,213234

-4,175640

-3,513075

-3,186854

Sumber: data diolah Dari tabel 1 terlihat bahwa, nilai ADF statistik pada derajat level untuk variabel EKSPOR adalah negatif 2.346718. Nilai tersebut tidak lebih negatif dari Mckinnon Critical Value 1%= -3,581152, 5%= -2,926622, 10%= -2,601424). Dengan demikian, data variabel EKSPOR tidak stasioner (mengandung akar unit) pada derajat level. Variabel-variabel yang lain juga memperlihatkan bahwa nilai ADF statistik mereka pada derajat level tidak lebih negatif dari Mckinnon Critical Value 1%, 5%, dan 10%. Oleh karena data variabel-variabel tersebut tidak ada yang stasioner pada derajat level, maka pengujian dilanjutkan pada derajat first difference.

65


Hasil uji stasioner pada derajat first difference atas variabel ekspor, ICP, impor, inflasi, kurs, dan lifting menunjukkan bahwa data yang dimiliki veriabelvariabel tersebut sudah stasioner. Hal ini ditunjukkan dari nilai ADF yang dihasilkan dari uji stasioner pada derajat tersebut lebih negatif dari nilai Mckinnon Critical Value. Misalnya nilai ADF statistik pada derajat first difference untuk variabel EKSPOR adalah negatif 11,21848. Jumlah tersebut lebih negatif dari Mckinnon Critical Value 1%= -4,170583, 5%= -3,510740, 10%= -3,185512. Namun data yang dimiliki variabel PDB tidak stasioner pada derajat ini, yang ditunjukkan dari nilai ADFnya yang tidak lebih negatif dari nilai Mckinnon Critical Value. Nilai ADF data dalam variabel PDB pada uji stasioner di derajat first difference adalah negatif 0,354269. Nilai tersebut tidak lebih negatif dari Mckinnon Critical Value 1%= -4,226815, 5%= -3.536601, 10%= -3,200320. Ringkasan hasil uji stasioner pada derajat first difference dapat dilihat dalam tabel 2 berikut.

Tabel 2. Ringkasan Hasil Uji Stasioner pada derajat First Difference Variabel

Mckinnon Critical Value


(1% level)

(5% level)

(10% level)

D(EKSPOR) -11,21848

-4,170583

-3,510740

-3,185512

D(ICP)

-5,821410

-4,170583

-3,510740

-3,185512

D(IMPOR)

-7,016185

-4,180911

-3,515523

-3,188259

D(INFLASI)

-5,394794

-4,170583

-3,510740

-3,185512

D(KURS)

-7,422767

-4,170583

-3,510740

-3,185512

D(LIFTING)

-10,90124

-4,175640

-3,513075

-3,186854

66

Nilai ADF Test Mckinnon Statistik Critical Value


Variabel

Nilai ADF Test Mckinnon Statistik Critical Value



(1% level)

(5% level)

(10% level)

D(PDB)

-0,354269

-4,226815

-3,536601

-3,200320

D(PPHSA)

-9,916871

-4,180911

-3,515523

-3,188259

Sumber: data diolah Oleh karena masih ada satu variabel (yaitu variabel PDB) yang datanya belum stasioner pada derajat first difference, maka pengujian dilanjutkan pada derajat second difference. Hasil uji stasioner pada derajat second difference atas variabel ekspor, ICP, impor, inflasi, kurs, lifting, PPh dan PDB menunjukkan bahwa data yang dimiliki veriabel-variabel tersebut sudah stasioner. Hal ini ditunjukkan dari nilai ADF yang dihasilkan dari uji stasioner pada derajat tersebut lebih negatif dari nilai Mckinnon Critical Value baik pada level 1%, 5%, maupu 10%. Contohnya, nilai ADF statistik untuk variabel DEKSPOR adalah negatif 6,728836. Jumlah tersebut lebih negatif dari Mckinnon Critical Value 1%= -4,192337, 5%= 3.520787, 10%= -3.191277. Hasil uji akar unit dari semua variabel tersebut diringkaskan dalam tabel 3 berikut.

Tabel 3. Ringkasan Hasil Uji Stasioner pada derajat Second Difference Variabel

Nilai ADF Test Statistik




D(EKSPOR,2)

-6,728836

-4,192337

-3,520787

-3,191277

D(ICP,2)

-9,734913

-4,175640

-3,513075

-3,186854

D(IMPOR,2)

-7,375838

-4,192337

-3,520787

-3,191277

D(INFLASI,2)

-6,282107

-4,186481

-3,518090

-3,189732

67


D(KURS,2)

-10,06231

-4,180911

-3,515523

-3,188259

D(LIFTING,2)

-5,045245

-4,219126

-3,533083

-3,198312

D(PDB,2)

-5,567253

-4,226815

-3,536601

-3,200320

D(PPHSA,2)

-6,986797

-4,198503

-3,523623

-3,192902

Sumber: data diolah Selanjutnya dilakukan uji lag (lag length) untuk melihat lag yang paling optimal dari model yang akan diestimasi. 2. Penentuan Lag Length Estimasi VAR berkaitan erat dengan pengujian Granger Causality. Estimasi VAR menggunakan OLS yang mengasumsikan tidak boleh ada korelasi serialerror-nya. Oleh karena itu untuk menghilangkan korelasi serial adalah dengan menambahkan lag variabel dependen-nya. Dalam estimasi VAR, penentuan panjang lag ditentukan sejauh mana model tersebut fit dengan aktual data. Penentuan tersebut dapat menggunakan kriteria AIC (akaike Information Criterion), SC (Schwartz Criterion), Hannan-Quin (HQ) dan banyak lagi kriteria lain yang disediakan oleh software Eviews 7.0. Lag yang dipilih berdasarkan kriteria tersebut, digunakan untuk pengujian Granger Causality. Hasil uji lag length atas model dapat dilihat pada tabel 4 berikut ini. Tabel 4. Hasil uji lag

Hasil Uji Lag Length Criteria VAR Lag Order Selection Criteria Endogenous variables: DEKSPOR DLIFTING DPDB DPPHSA Exogenous variables: C Date: 10/04/13 Time: 20:26 Sample: 2009M03 2013M04 Included observations: 43

68

DICP

DIMPOR

DINFLASI

DKURS

Lag

LogL

LR

FPE

AIC

SC

HQ

0 1

-3192.926 -2922.428

NA 427.7649*

6.28e+54 4.45e+50*

148.8803 139.2757

149.2079 142.2247*

149.0011 140.3632*


2 3

-2859.071 -2785.020

76.61750 61.99560

6.28e+50 1.03e+51

139.3056 138.8382*

144.8759 147.0298

141.3598 141.8590

* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion

Dari tabel 4 terlihat bahwa lag optimal yang disarankan eviews adalah lag 1 dan lag 3 karena pada lag tersebut keduanya mendapatkan tanda bintang. Untuk memilih lag yang optimal dari ke dua lag yang direkomendasikan tersebut, langkah pertama dilakukan pengujian stabilitas VAR (lampiran 2). Hasil uji stabilitas VAR menunjukkan bahwa pada lag 1 dan 3 VAR memenuhi kondisi stabil. Langkah selanjutnya adalah menilai adj. R-squared yang dihasilkan VAR dengan menggunakan ke dua lag tersebut. Nilai adj. R-squared yang paling tinggilah yang dipilih. Dari hasil uji tersebut diperoleh bahwa nilai adj. R-squared yang dihasilkan VAR dengan lag 3 (84,84%) lebih tinggi dibandingkan dengan yang dihasilkan dari lag 1(82,28%). Dengan demikian lag yang paling optimal pada estimasi VAR ini adalah lag 3. Perhitungan nilai adj. R-squared kedua lag tersebut terdapat dalam lampiran 3. 3. Uji Kausalitas Granger Langkah selanjutnya adalah melakukan uji Kausalitas Granger. Dari hasil uji ini dapat terlihat adanya granger cause. Sebuah variabel dikatakan granger cause jika memiliki pengaruh terhadap variabel lain, artinya variabel tersebut dapat membantu dalam mempredikasikan variabel lain yang dipengaruhinya. Meskipun demikian, pernyataan granger cause tidak berarti menggambarkan suatu kausalitas. Uji kausalitas granger dilakukan dengan menggunakan lag yang dihasilkan dari uji lag length yang telah dilakukan, yaitu lag 3.

69


Kriteria yang digunakan dalam pengujian granger adalah jika nilai Fstatistik lebih kecil dari α maka, Ho ditolak, dengan kata lain, jika nilai F-statistik lebih kecil dari α maka variabel yang bersangkutan mempengaruhi variabel yang lain. Hasil uji kausalitas granger dapat dilihat pada lampiran 4. Berdasarkan uji tersebut diketahui bahwa terdapat beberapa variabel yang memiliki hubungan dua arah (saling mempengaruhi) namun juga ada variabel yang saling independen antara satu dengan yang lain (tidak saling mempengaruhi). Nilai probabilitas F-statistik DICP terhadap DEKSPOR 0,0286 dan sebaliknya nilai probabilitas F-statistik DEKSPOR terhadap DICP 0,0342. Ke dua nilai tersebut lebih kecil dari pada α 10%, sehingga Ho ditolak. Dengan demikian terdapat hubungan dua arah antara variabel DICP dengan DEKSPOR, artinya variabel DICP mempengaruhi variabel DEKSPOR dan variabel DEKSPOR mempengaruhi variabel DICP. Nilai probabilitas F-statistik DLIFTING terhadap DIMPOR 0,0701 dan sebaliknya nilai probabilitas F-statistik DIMPOR terhadap DLIFTING 0,0857. Ke dua nilai tersebut lebih kecil dari pada α 10%, sehingga Ho ditolak. Dengan demikian terdapat hubungan dua arah antara variabel DLIFTINGdengan DIMPOR, artinya variabel DLIFTING mempengaruhi variabel DIMPOR dan variabel DIMPOR mempengaruhi variabel DDLIFTING. Nilai probabilitas F-statistik DPPHSA terhadap DKURS 0,0057 dan sebaliknya nilai probabilitas F-statistik DKURS terhadap DPPHSA 0,0022. Ke dua nilai tersebut lebih kecil dari pada α 10%, sehingga Ho ditolak. Dengan demikian terdapat hubungan dua arah antara variabel DPPHSA dengan DKURS, artinya variabel DPPHSA mempengaruhi variabel DKURS dan variabel DKURSmempengaruhi variabelDPPHSA.

70


Nilai probabilitas F-statistik DPPHSA terhadap DLIFTING 0,0191 dan sebaliknya nilai probabilitas F-statistik DLIFTING terhadap DPPHSA 0,0604. Ke dua nilai tersebut lebih kecil dari pada α 10%, sehingga Ho ditolak. Dengan demikian terdapat hubungan dua arah antara variabel DPPHSA dengan DLIFTING, artinya variabel DPPHSA mempengaruhi variabel DLIFTINGdan variabel DLIFTING mempengaruhi variabelDPPHSA. Nilai probabilitas F-statistik DPDB terhadap DEKSPOR 0,9741 dan sebaliknya nilai probabilitas F-statistik DEKSPOR terhadap DPDB 0,2055. Ke dua nilai tersebut lebih besar dari pada α 10%, sehingga Ho diterima. Dengan demikian tidak terdapat hubungan dua arah antara variabel DPDB dengan variabel DEKSPOR, artinya kedua variabel tersebut saling independen antara satu dengan yang lain. Nilai probabilitas F-statistik DIMPOR terhadap DEKSPOR 0,7468 dan sebaliknya nilai probabilitas F-statistik DEKSPOR terhadap DIMPOR 0,5908. Ke dua nilai tersebut lebih besar dari pada α 10%, sehingga Ho diterima. Dengan demikian tidak terdapat hubungan dua arah antara variabel DIMPOR dengan variabel DEKSPOR, artinya kedua variabel tersebut saling independen antara satu dengan yang lain. Nilai probabilitas F-statistik DINFLASI terhadap DEKSPOR 0,8357 dan sebaliknya nilai probabilitas F-statistik DEKSPOR terhadap DINFLASI 0,6402. Ke dua nilai tersebut lebih besar dari pada α 10%, sehingga Ho diterima. Dengan demikian tidak terdapat hubungan dua arah antara variabel DINFLASI dengan variabel DEKSPOR, artinya kedua variabel tersebut saling independen antara satu dengan yang lain.

71


Nilai probabilitas F-statistik DKURS terhadap DEKSPOR 0,4222 dan sebaliknya nilai probabilitas F-statistik DEKSPOR terhadap DKURS0,4564. Ke dua nilai tersebut lebih besar dari pada α 10%, sehingga Ho diterima. Dengan demikian tidak terdapat hubungan dua arah antara variabel DKURSdengan variabel DEKSPOR, artinya kedua variabel tersebut saling independen antara satu dengan yang lain. Nilai probabilitas F-statistik DLIFTING terhadap DEKSPOR 0,3263 dan sebaliknya nilai probabilitas F-statistik DEKSPOR terhadap DLIFTING 0,1725. Ke dua nilai tersebut lebih besar dari pada α 10%, sehingga Ho diterima. Dengan demikian tidak terdapat hubungan dua arah antara variabel DLIFTING dengan variabel DEKSPOR, artinya kedua variabel tersebut saling independen antara satu dengan yang lain. Nilai probabilitas F-statistik DINFLASI terhadap DICP 0,9101 dan sebaliknya nilai probabilitas F-statistik DICP terhadap DINFLASI 0,7868. Ke dua nilai tersebut lebih besar dari pada α 10%, sehingga Ho diterima. Dengan demikian tidak terdapat hubungan dua arah antara variabel DINFLASI dengan variabel DICP, artinya kedua variabel tersebut saling independen antara satu dengan yang lain. Nilai probabilitas F-statistik DLIFTING terhadap DICP 0,4652 dan sebaliknya nilai probabilitas F-statistik DICP terhadap DLIFTING 0,1779. Ke dua nilai tersebut lebih besar dari pada α 10%, sehingga Ho diterima. Dengan demikian tidak terdapat hubungan dua arah antara variabel DLIFTING dengan variabel DICP, artinya kedua variabel tersebut saling independen antara satu dengan yang lain.

72


Nilai probabilitas F-statistik DPDB terhadap DICP 0,6309 dan sebaliknya nilai probabilitas F-statistik DICP terhadap DPDB 0,1717. Ke dua nilai tersebut lebih besar dari pada α 10%, sehingga Ho diterima. Dengan demikian tidak terdapat hubungan dua arah antara variabel DPDB dengan variabel DICP, artinya kedua variabel tersebut saling independen antara satu dengan yang lain. Nilai probabilitas F-statistik DINFLASI terhadap DIMPOR 0,9772 dan sebaliknya nilai probabilitas F-statistikDIMPOR terhadap DINFLASI 0,2680. Ke dua nilai tersebut lebih besar dari pada α 10%, sehingga Ho diterima. Dengan demikian tidak terdapat hubungan dua arah antara variabel DINFLASI dengan variabel DIMPOR, artinya kedua variabel tersebut saling independen antara satu dengan yang lain. Nilai probabilitas F-statistik DPDB terhadap DINFLASI 0,5899 dan sebaliknya nilai probabilitas F-statistik DINFLASI terhadap DPDB 0,9386. Ke dua nilai tersebut lebih besar dari pada α 10%, sehingga Ho diterima. Dengan demikian tidak terdapat hubungan dua arah antara variabel DPDB dengan variabel DINFLASI, artinya kedua variabel tersebut saling independen antara satu dengan yang lain. Nilai probabilitas F-statistik DLIFTING terhadap DKURS0,2783 dan sebaliknya nilai probabilitas F-statistik DKURS terhadap DLIFTING 0,9143. Ke dua nilai tersebut lebih besar dari pada α 10%, sehingga Ho diterima. Dengan demikian tidak terdapat hubungan dua arah antara variabel DLIFTING dengan variabel DKURS, artinya kedua variabel tersebut saling independen antara satu dengan yang lain. Nilai probabilitas F-statistik DPPHSA terhadap DEKSPOR 0,9574 (lebih besar dari α 10%), artinya variabel DPPHSAtidak mempengaruhi variabel

73


DEKSPOR.

Namun,

nilai

probabilitas

F-statistik

DEKSPOR

terhadap

DPPHSA0,0397 (lebih kecil dari α 10%), yang berarti bahwa variabel DEKSPOR mempengaruhi variabel DPPHSA. Dengan demikian, tidak terjadi hubungan dua arah (kausalitas) antara variabel DEKSPOR dengan variabel DPPHSA. Nilai probabilitas F-statistik DIMPOR terhadap DICP 0,1195 (lebih besar dari α 10%), artinya variabel DIMPOR

tidak mempengaruhi variabel DICP.

Namun, nilai probabilitas F-statistik DICP terhadap DIMPOR 0,0011 (lebih kecil dari α 10%), yang berarti bahwa variabel DICP mempengaruhi variabel DIMPOR. Dengan demikian, tidak terjadi hubungan dua arah (kausalitas) antara variabel DICP dengan variabel DIMPOR. Nilai probabilitas F-statistik DKURS terhadap DICP 0,9014 (lebih besar dari α 10%), artinya variabel DKURS tidak mempengaruhi variabel DICP. Namun, nilai probabilitas F-statistik DICP terhadapDKURS 0,0661 (lebih kecil dari α 10%), yang berarti bahwa variabel DICP mempengaruhi variabel DKURS. Dengan demikian, tidak terjadi hubungan dua arah (kausalitas) antara variabel DICP dengan variabel DKURS. Nilai probabilitas F-statistik DPPHSA terhadap DICP 0,7115 (lebih besar dari α 10%), artinya variabel DPPHSA tidak mempengaruhi variabel DICP. Namun, nilai probabilitas F-statistik DICP terhadapDPPHSA 0,0032 (lebih kecil dari α 10%), yang berarti bahwa variabel DICP mempengaruhi variabel DPPHSA. Dengan demikian, tidak terjadi hubungan dua arah (kausalitas) antara variabel DICP dengan variabel DPPHSA. Nilai probabilitas F-statistik DKURS terhadap DIMPOR 0,4493 (lebih besar dari α 10%), artinya variabel DKURS tidak mempengaruhi variabel DIMPOR. Namun, nilai probabilitas F-statistik DIMPOR terhadapDKURS 0,0919 (lebih kecil dari α 10%), yang berarti bahwa variabel DIMPOR mempengaruhi

74


variabel DKURS. Dengan demikian, tidak terjadi hubungan dua arah (kausalitas) antara variabel DKURS dengan variabel DIMPOR. Nilai probabilitas F-statistik DPDB terhadap DIMPOR 0,3797 (lebih besar dari α 10%), artinya variabel DPDB tidak mempengaruhi variabel DIMPOR. Namun, nilai probabilitas F-statistik DIMPOR terhadapDPDB 0,0882 (lebih kecil dari α 10%), yang berarti bahwa variabel DIMPOR mempengaruhi variabel DPDB. Dengan demikian, tidak terjadi hubungan dua arah (kausalitas) antara variabel DPDB dengan variabel DIMPOR. Nilai probabilitas F-statistik DPPHSA terhadap DIMPOR 0,7525 (lebih besar dari α 10%), artinya variabel DPPHSA tidak mempengaruhi variabel DIMPOR. Namun, nilai probabilitas F-statistik DIMPOR terhadapDPPHSA 0,0004 (lebih kecil dari α 10%), yang berarti bahwa variabel DIMPOR mempengaruhi variabel DPPHSA. Dengan demikian, tidak terjadi hubungan dua arah (kausalitas) antara variabel DPPHSA dengan variabel DIMPOR. Nilai probabilitas F-statistik DPPHSA terhadap DPDB 0,8694 (lebih besar dari α 10%), artinya variabel DPPHSA tidak mempengaruhi variabel DPDB. Namun, nilai probabilitas F-statistik DPDB terhadapDPPHSA 0,0014 (lebih kecil dari α 10%), yang berarti bahwa variabel DPDB mempengaruhi variabel DPPHSA. Dengan demikian, tidak terjadi hubungan dua arah (kausalitas) antara variabel DPPHSA dengan variabel DPDB. Nilai probabilitas F-statistik DKURS terhadap DINFLASI 0,0081 (lebih kecil dari α 10%), artinya variabel DKURS berpengaruh terhadap variabel DINFLASI. Namun, nilai probabilitas F-statistik DINFLASIterhadap DKURS 0,6304 (lebih besar dari α 10%), yang berarti bahwa variabel DINFLASItidak mempengaruhi variabel DKURS. Dengan Demikiantidak terjadi hubungan dua arah (kausalitas) antara variabel DKURS dengan variabel DINFLASI.

75


Nilai probabilitas F-statistik DLIFTING terhadap DINFLASI 0,0395 (lebih kecil dari α 10%), artinya variabel DLIFTING berpengaruh terhadap variabel DINFLASI. Namun, nilai probabilitas F-statistik DINFLASI terhadap DLIFTING 0,3546 (lebih besar dari α 10%), yang berarti bahwa variabel DINFLASI tidak mempengaruhi variabel DLIFTING. Dengan Demikiantidak terjadi hubungan dua arah (kausalitas) antara variabel DLIFTING dengan variabel DINFLASI. Nilai probabilitas F-statistik DPPHSA terhadap DINFLASI 0,0030 (lebih kecil dari α 10%), artinya variabel DPPHSA berpengaruh terhadap variabel DINFLASI. Namun, nilai probabilitas F-statistik DINFLASI terhadap DPPHSA 0,1171 (lebih besar dari α 10%), yang berarti bahwa variabel DINFLASI tidak mempengaruhi variabel DPPHSA. Dengan Demikian tidak terjadi hubungan dua arah (kausalitas) antara variabel DINFLASI dengan variabel DPPHSA. Nilai probabilitas F-statistik DPDB terhadap DKURS 0,0120 (lebih kecil dari α 10%), artinya variabel DPDB berpengaruh terhadap variabel DKURS. Namun, nilai probabilitas F-statistik DKURS terhadap DPDB 0,6325 (lebih besar dari α 10%), yang berarti bahwa variabel DKURS tidak mempengaruhi variabel DPDB. Dengan Demikian tidak terjadi hubungan dua arah (kausalitas) antara variabel DPDB dengan variabel DKURS. Nilai probabilitas F-statistik DPDB terhadap DLIFTING 0,0060 (lebih kecil dari α 10%), artinya variabel DPDB berpengaruh terhadap variabel DLIFTING. Namun, nilai probabilitas F-statistik DLIFTING terhadap DPDB 0,9887 (lebih besar dari α 10%), yang berarti bahwa variabel DLIFTING tidak mempengaruhi variabel DPDB. Dengan Demikian tidak terjadi hubungan dua arah (kausalitas) antara variabel DPDB dengan variabel DLIFTING.

76


5. Variance Decomposition Variance Decomposition digunakan untuk mengetahui seberapa besar suatu variabel mempengaruhi variabel lainnya (dalam satuan persen) pada masing-masing periode (periode 1 sampai dengan periode 10). Variance Decomposition mengindikasikan sejumlah informasi pada kontribusi masingmasing variabel terhadap variabel lainnya dalam model Vector Autoregression. Variance decomposition dari seluruh variabel dapat dilihat di lampiran 5. Tabel 5 berikut hanya ini menggambarkan Variance Decomposition dari variabel DPPHSA. Tabel 4. Variance Decomposition variabel DPPHSA.

Variance Decomposition of DPPH_SA S.E.

DEKSPOR

DICP

5.79E+11 6.28E+11 7.21E+11 7.51E+11 7.71E+11 7.98E+11 8.35E+11 8.68E+11 8.93E+11 8.99E+11

0.827560 2.866332 3.856964 3.564328 4.710564 4.819089 7.405635 8.842643 10.24633 10.39744

13.80592 14.16893 14.04900 13.17974 12.68585 13.73257 13.57313 12.78342 12.67307 12.51241

DIMPOR

DINFLASI DKURS DLIFTING

1.599617 1.583220 1.414991 1.747540 2.284303 2.833828 8.363836 2.613574 9.918749 2.957526 11.23315 2.956264 12.04516 2.771479 15.44827 3.106812 15.56364 3.779486 15.78650 3.807722

3.087610 8.496428 6.853135 6.366492 6.038305 5.659922 5.305345 4.908670 4.902368 4.908292

3.881436 3.386081 6.927316 6.752072 6.908380 6.630158 6.366622 6.190901 6.693790 6.609207

DPDB

DPPH_SA

2.314568 3.654216 14.44057 14.09125 13.75055 14.01096 14.55013 13.57861 12.84137 13.10339

72.90007 64.26548 48.75489 45.06871 43.03007 40.95789 37.98250 35.14068 33.29994 32.87504

Cholesky Ordering: DEKSPOR DICP DIMPOR DINFLASI DKURS DLIFTING DPDB DPPH_SA

Pada awal periode, kontribusi (pengaruh) paling besar terhadap hasil estimasi DPPHSA diberikan oleh dirinya sendiri, yaitu sebesar 72,79%, sedang sisanya diberikan oleh variabel-variabel yang lain. Variabel DEKSPOR memberikan kontribusi sebesar 0,053% terhadap estimasi variabel DPPHSA, sedang variabel DICP sebesar 8,55%, variabel DIMPOR sebesar 1,68%, variabel DINFLASI sebesar 0,99%, variabel DKURS sebesar 3,01%, variabel DLIFTING sebesar 12,92%, dan variabel DPDB sebesar 0,01%. Kontribusi variabel DEKSPOR terhadap variabel DPPHSA semakin tahun semakin meningkat sehingga pada periode ke sepuluh kontribusinya naik cukup

77


signifikan menjadi sebesar 6,98% jika dibanding dengan periode ke satu yang hanya sebesar 0,053%. Hasil ini selaras dengan hasil uji kausalitas granger bahwa variabel DEKSPOR berpengaruh terhadap variabel DPPHSA. Kontribusi variabel DICP terhadap hasil estimasi DPPHSA pada periode ke dua mengalami kenaikan menjadi 13,88%. Meskipun sempat mengalami penurunan namun pada periode 7 dan 8 mengalami kenaikan sehingga menjadi 20,48% dan 20,68%. Akan tetapi, pada periode 9 dan 10 mengalami sedikit penurunan, sehingga di periode 10 menjadi 19,18%. Hal ini selaras dengan hasil hasil uji kausalitas granger bahwa variabel DIICP berpengaruh terhadap variabel DPPHSA Kontribusi variabel DIMPOR terhadap hasil estimasi DPPHSA setiap periode terlihat menunjukkan adanya peningkatan. Pada periode kesepuluh kontribusinya menjadi sebesar 11,16%. Peningkatan yang cukup signifikan jika dibandingkan dengan periodepertama yang hanya sebesar 1,68%. Hasil ini selaras dengan hasil uji kausalitas granger bahwa variabel DIIMPOR berpengaruh terhadap variabel DPPHSA. Kontribusi variabel DINFLASI terhadap hasil estimasi DPPHSA pada setiap periode mengalami kenaikan walaupun jumlahnya tidak signifikan. Hal ini ditunjukkan dari nilai kontribusinya di periode ke sepuluh yang hanya menunjukkan jumlah sebesar 4,60%. Hasil ini mendukung hasil uji kausalitas granger bahwa variabel DINFLASI tidak berpengaruh terhadap variabel DPPHSA. Kontribusi variabel DKURS terhadap hasil estimasi DPPHSA cenderung konstan di kisaran angka 4% - 5%. Dari hasil uji kausalitas granger terlihat bahwa variabel DKURS berpengaruh terhadap variabel DPPHSA. Kontribusi variabel DLIFTING terhadap hasil estimasi DPPHSA pada setiap periode cenderung mengalami penurunan. Namun, dari hasil uji kausalitas

78


granger terlihat bahwa variabel DLIFTING berpengaruh terhadap variabel DPPHSA. Kontribusi variabel DPDB terhadap hasil estimasi DPPHSA pada setiap periode mengalami peningkatan meskipun jumlahnya tidak signifikan. Dari hasil uji kausalitas granger terlihat bahwa variabel DPDB berpengaruh terhadap variabel DPPHSA. 6. Backtesting Proses backtesting dilakukan dengan membandingkan data hasil estimasi menggunakan metode VAR dengan data aslinya dan menghitung seberapa besar rata-rata penyimpangan (selisih) yang terjadi. Model yang dipilih sudah tepat, karena sudah memenuhi semua kondisi yang dipersyaratkan untuk melaksanakan estimasi dengan menggunakan metode tersebut. Pertama, seluruh variabel datanya telah stasioner pada derajat yang sama, yaitu pada derajat second difference. Ke dua, hasil uji lag length criteria menghasilkan lag yang paling optimal, yaitu lag 3, yang didukung dengan nilai Adjusted R-Squared yang paling tinggi. Ke tiga, VAR yang dihasilkan dari lag yang dipilih (lag 3) memenuhi kondisi stabil (VAR nya stabil). Ke empat nilai adj. R-squared model yang dipilih cukup besar, yaitu 84,84%. Artinya variabel-variabel yang dipilih secara simultan mampu menjelaskan variabel DPPHSA sebesar 84,84% sedang sisanya dijelaskan oleh variabel-variabel lain di luar model. D. Pembahasan Berikut ini adalah pembahasan hasil estimasi VAR dengan menggunakan data periode 2009-2012. Hasil lengkap perhitungan rata-rata selisih antara

79


taksiran dengan nilai realisasinya, atas variabel-variabel yang terdapat dalam model dapat dilihat pada lampiran 6. 1. Penyimpangan Hasil Estimasi atas Variabel-Variabel selain PPh Pasal 25/29 Pada proses pengolahan data, hasil estimasi variabel lifting, kurs, PDB, ekspor, ICP, impor, dan inflasi menggunakan notasi DLIFTING, DKURS, DPDB, DEKSPOR, DICP, DIMPOR, dan DINFLASI, karena variabel-variabel tersebut telah dideferensiasikan pada derajat second difference. Rata-rata selisih (penyimpangan) hasil estimasi dengan data realisasinya atas variabel lifting dan kurs US$sangat kecil karena tidak mencapai 1%. Rata-rata penyimpangan pada hasil estimasi variabel lifting adalah lebih tinggi sebesar 0,48% dari data realisasinya. sedang rata-rata penyimpangan pada hasil estimasi variabel DKURS adalah lebih tinggi sebesar 0,77% dari data realisasinya. Rata-rata penyimpangan hasil estimasi dengan data realisasinya atas variabel PDB, ekspor, ICP, impor dan inflasi relatifkecil karena tidak mencapai angka3%. Rata-rata penyimpangan pada hasil estimasi variabel PDB adalah lebih kecil 1,71% dari data realisasinya;

rata-rata penyimpangan pada hasil

estimasi variabel ekspor adalah lebih rendah sebesar 2,02% dari data realisasinya; rata-rata penyimpangan pada hasil estimasi variabel ICP adalah lebih rendah sebesar 2,21% dari data realisasinya; rata-rata penyimpangan pada hasil estimasi variabel impor adalah lebih rendah sebesar 2,86% dari data realisasinya; rata-rata penyimpangan pada hasil estimasi variabel inflasi adalah lebih rendah sebesar 2,68% dari data realisasinya. 2. Gambaran Penyimpangan Hasil Estimasi Variabel PPh Pasal 25/29 dengan Data Realisasinya

80


Pada proses pengolahan data, hasil estimasi variabel PPh Pasal 25/29 menggunakan notasi DPPHSA karena variabel tersebut telah dideferensiasikan pada derajat second differencedan dilakukan penyesuaian seasonalnya dengan menggunakan moving average. Model yang digunakan untuk menaksir PPh Pasal 25/29 dalam penelitian ini adalah sebagai berikut: dpphsa

=

21759354.4636*dekspor(-1) 78020608.243*dekspor(-3) 37574220051.3*dicp(-2)

-

110536237.211*dekspor(-2)

-

+

32699631703.7*dicp(-1)

-

+

16366577696.9*dicp(-3)

+

22252778.6266*dimpor(-1)

+

30420876.207*dimpor(-2)

+

372192316.054*dimpor(-3)

+

185493012142*dinflasi(-1)

-

366268975704*dinflasi(-2)

+

266061183791*dinflasi(-3)

+

1205963573.45*dkurs(-1)

-

244780814.326*dkurs(-2)

-

548162321.221*dkurs(-3)

-

916384389.875*dlifting(-1)

+

909941234.619*dlifting(-2)

+

213051461.901*dlifting(-3)

+

22402837.9155*dpdb(-1)

-

41393023.1853*dpdb(-2)

+

0.057349670183*dpphsa(-1)

+

20334271.6027*dpdb(-3)

-

0.0117827424948*dpphsa(-2)

+

0.122830674638*dpphsa(-3)

–

484084564548.

Rata-rata penyimpangan hasil estimasi variabelPPh Pasal 25/29 dengan menggunakan

model

tersebut

sangat

kecil,

yaitu

lebih

rendah0,83%

dibandingkan dengan data realisasinya. Gambaran statistik penyimpangan hasil estimasi variabel PPh Pasal 25/29 dengan data realisasinya dapat dilihat dari grafik 11 berikut ini.

81


Grafik 11. Histogram Penyimpangan Hasil Estimasi PPh 25/29 14

Series: SELISIH Sample 2009M06 2012M12 Observations 43

12 10 8 6 4 2

Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis

-0.008335 -0.023500 0.197800 -0.106700 0.061140 1.406662 5.578756

Jarque-Bera Probability

26.09522 0.000002

0 -0.10

-0.05

0.00

0.05

0.10

0.15

0.20

Rata- rata penyimpangan hasil estimasi PPh Pasal 25/29 lebih rendah 0,83% dibandingkan realisasinya, dengan nilai median sebesar 2,3%. Nilai penyimpangan tertinggi hasil estimasi PPh Pasal 25/29 adalah 19,78% lebih besar dari realisasinya,yang terjadi di bulan Desember tahun 2010. Nilai penyimpangan terendah hasil estimasi PPh Pasal 25/29 adalah 10,67% lebih kecil dari realisasinya, yang terjadi di bulan Desember tahun 2011. Dengan demikian, range atas penyimpangan tersebut cukup lebar, yaitu mencapai 30,45%.

Tabel 5. Rata-Rata Penyimpangan estimasi PPh 25/29 dengan Realisasinya Nilai Penyimpangan ≥ 10%

5% - 10%

2009 Bulan Juni

Desember

2010 Nilai

Bulan

2011 Nilai

Bulan

2012 Nilai

Bulan

+15.43 Juli

-10,21%

Desember

+19,78% Desember

-6,76% Januari

+8,83% Januari

April

-9,65%

Juni

+6,76%

-10,67% Desember

82

+12,15%

-7,02%

Agustus

Sumber: data diolah

Nilai

-6,38%


Pola penyimpangan hasil estimasi PPh Pasal 25/29, dalam jumlah yang signifikan (melampaui 10%)dan dalam jumlah yang cukup besar (antara 5%10%)terlihat tidak beraturan setiap tahunnya. Hal ini dapat dilihat dari tabel 5 sebelumnya. Pada tahun 2009, penyimpangan hasil estimasi yang besarnya melampaui 10% dari nilai realisasinya terjadi di bulan Juniyaitu lebih besar 15,43% dibanding realisasinya; sedang padatahun 2010terjadi di bulan Juliyaitu lebih kecil 10,21% dibanding realisasinyadan di bulan Desemberyaitu lebih besar 19,78% dibanding realisasinya. Penyimpangan dalam kisaran jumlah tersebut juga terjadi di bulan Desember Tahun 2011, yaitu lebih kecil 10,67% dibanding realisasinyadan di bulan Desember Tahun 2012 yaitu lebih besar 12,15% dibanding realisasinya. Pada tahun 2009, penyimpangan hasil estimasi yang besarnya antara 5%-10%dari nilai realisasinya terjadi di bulan Desember (lebih kecil 6,76% dibanding realisasinya, sedang pada tahun 2010 terjadi di bulan Januari (lebih besar 8,83% dibanding realisasinya), bulan April (lebih kecil 9,65% dibanding realisasinya), dan bulan Juni (lebih besar 6,76% dibanding realisasinya). Penyimpangan dalam kisaran jumlah tersebut juga terjadi di bulan Januari tahun 2011 (lebih kecil 7,02% dibanding realisasinya)dan di bulan Agustus Tahun 2012 (lebih kecil 6,38% dibanding realisasinya). Ketidakteraturan pola penyimpangan hasil estimasi yang nilainya signifikan tersebut disebabkan karena, pertama adanya penerimaan setoran yang berasal dari Surat Ketetapan Pajak Kurang Bayar (SKPKB). SKPKB diterbitkan atas dasar beberapa hal, antara lain berdasarkan hasil pemeriksaan atau keterangan lain bahwa pajak terutang tidak/kurang dibayar (Pasal 13 ayat

83


(1) UU KUP). Pemeriksaan pajak tersebut biasanya dilakukan untuk kewajiban pajak periode yang lalu (bisa 2 – 5 tahun pajak sebelumnya). Namun, setoran yang diterima pemerintah atas SKPKB tersebut dicatat dan dilaporkan sebagai pendapatan PPh25/29 tahun berjalan pada bulan diterimanya. Ke dua, dalam jumlah pendapatan PPh 25/29 tahun berjalan dapat juga termasuk setoran atas Surat Ketetapan Pajak Kurang Bayar Tambahan (SKPKBT). SKPKBT diterbitkan jika ditemukan bukti baru yang menyebabkan pajak yang terutang dalam Surat Ketetapan Pajak (SKP) sebelumnya menjadi kurang bayar (Pasal 15 ayat (1) UU KUP). SKPKBT umumnya diterbitkan atas SKP tahun-tahun sebelumnya (2-5 tahun yang lalu). Setoran yang diterima atas SKPKB tersebut juga dicatat dan dilaporkan sebagai pendapatan PPh25/29 tahun berjalan. Ke tiga, dalam jumlah pendapatan PPh 25/29 tahun berjalan dapat juga termasuk sanksi administrasi berupa denda dan/atau bunga yang jumlahnya bisa signifikan. Bunga dan denda tersebut besarnya bervariasi, yaitu: 2% per bulan maksimal

24

bulan

untuk

SKPKB

yang

diterbitkan

berdasarkan

hasil

pemeriksaan atau keterangan lain bahwa pajak terutang tidak/kurang dibayar (Pasal 13 ayat (2) UU KUP); kenaikan 50% dari pajak yang tidak/kurang dibayar untuk SKPKB yang diterbitkan, karena SPT tidak disampaikan dalam jangka waktu penyampaian padahal telah diterbitkan surat teguran atasnya, atau kewajiban pembukuan atau pencatatan tidak dipenuhi sehingga tidak dapat diketahui besarnya pajak terutang (Pasal 13 ayat (3) UU KUP); sebesar 100% dari pokok pajak yang ditagih dalam SKPKB (Pasal 15 ayat (2) UU KUP). Ke empat, jumlah pendapatan PPh 25/29 tahun berjalan dapat juga berkurang dari yang seharusnya karena adanya restitusi pajak (pengembalian

84


atas kelebihan pembayaran pajak dari wajib pajak). Restitusi pajak dibayarkan berdasarkan Surat Ketetapan Pajak Lebih Bayar (SKPLB). Dalam SKPLB ditentukan jumlah kelebihan pembayaran pajak yang disebabkan kredit pajak lebih besar dari pajak terutangnya atau pajak yang seharusnya tidak terutang. Penerbitan SKPLB baru dilakukan jika berdasarkan hasil pemeriksaan ditemukan bahwa terdapat kelebihan pembayaran pajak terutang yang disebabkan oleh jumlah kredit pajak atau pajak yang dibayarkan lebih besar dari pajak terutang atau pajak yang tidak terutang. Proses pemeriksaan kelebihan pembayaran pajak sampai dengan terbitnya SKPLB dan pembayaran restitusi umumnya memakan waktu lebih dari satu tahun anggaran, sehingga melampaui tahun buku (tahun anggaran yang bersangkutan). Padahal, pembayaran restitusi atas SKPLB tersebut dibukukan dan dilaporkan sebagai pengurang pendapatan PPh25/29 tahun berjalan pada bulan dibayarkannya. Ke lima jumlah pendapatan PPh 25/29 tahun berjalan dapat saja kurang dari yang seharusnya karena adanya imbalan bunga yang dibayarkan pemerintah terkait penerbitan SKPLB. Bunga tersebut besarnya adalah 2% dari jumlah kelebihan pajak dan langsung dibukukan sebagai pengurang pendapatan pajak pada saat dibayarkan. Meskipun terdapat beberapa penyimpangan hasil estimasi yang nilainya signifikan, namun rata-rata penyimpangan hasil estimasiPPh Pasal 25/29 periode 2009-2012 lebih kecil 0,83% dari data realisasinya. Oleh karena penelitian ini bertujuan untuk melaporkan hasil estimasi kekurangan PPh Pasal 25/29 yang akan dibayarkan ketika SPT Tahunan di sampaikan (untuk selanjutnya disebut PPh Pasal 29), maka nilai taksiran di bulan penyampaianSPT Tahunan itulah yang akan diambil untuk dilaporkan sebagai pendapatan_LO pajak di LKPP. Nilai

85


penyimpangan di bulan-bulan tersebut menentukan apakah model yang diusulkan dapat digunakan untuk menaksir PPh Pasal 29 ketika basis akrual sudah diterapkan. 3. Gambaran Penyimpangan Hasil Estimasi Variabel PPh Pasal 29 dengan Data Realisasinya Penyampaian SPT Tahunan PPh Pasal 25/29 Orang Pribadi dan Badan paling lambat disampaikan masing-masing pada bulan Maret dan April tahun berikutnya. Sepanjang bulan-bulan tersebut, wajib pajak bisa saja memasukkan SPT Tahunan dan menyetor PPh Pasal 29 atas jumlah pajak kurang bayarnya.Dengan demikian, disamping angsuran masa PPh Pasal 25, penerimaan PPh Pasal 25/29 Orang Pribadi dan Badan pada bulan Januari April juga termasuk setoran PPh Pasal 29. Berdasarkan pemikiran tersebut, perhitungan penyimpangan estimasi PPh Pasal 29 dilakukan beberapa tahap. Tahap pertama, menghitung estimasi penerimaan PPh Pasal 29 pada bulan Januari – April. Caranya, mengurangi estimasi PPh Pasal 25/29 bulanbulan tersebut dengan estimasi penerimaannya di bulan November tahun sebelumnya. Bulan November dipilih sebagai acuan karena,pertama lebih dekat dengan bulan Januari_April tahun berikutnya setelah Desember. Kedua, kecil sekali kemungkinan WP menyetorkan PPh Pasal 29nya di bulan itu. Ketiga, penyimpangan hasil estimasi PPh Pasal 25/29 dengan realisasinya pada bulan tersebut, di setiap tahunnya, relatif stabil (tidak berfluktuasi tajam), dibanding dengan bulan Desember yang penyimpangannya sangat besar dan berfluktuasi tajam. Tahap kedua, menghitungkemungkinan realisasi penerimaan PPh Pasal 29 pada bulan Januari – April., dengan mengurangirealisasi penerimaan PPh

86


Pasal 25/29 bulan-bulan tersebut dengan realisasi penerimaannya di bulan November tahun lalu. Jumlah perhitungan tahap pertama dibandingkan dengan jumlah perhitungan tahap ke dua, akan menghasilkan rata-rata penyimpangan estimasi PPh Pasal 29. Hasil perhitungan berdasarkan tahapan tersebut dapat dilihat dalam lampiran 7. Dari perhitungan tersebut diperoleh hasil sebagai berikut. Rata-rata penyimpangan estimasi PPh Pasal 29 tiap-tiap tahun tidak sama. Pada tahun 2010, rata-rata penyimpangan estimasi PPh Pasal 29 lebih rendah 9,79% dibanding perkiraan realisasinya. Jumlah ini melampaui batas materialitas audit BPK sehingga tidak dapat dilaporkan dalam LRA maupun neraca di bulan Desember tahun 2009, karena dapat berpengaruh terhadap opini audit BPK. Pada tahun 2011,rata-rata penyimpangan hasil estimasi PPh Pasal 29 lebih tinggi 5,67% dibanding perkiraanrealisasinya. Jumlah ini di atas batas materialitas audit BPK, sehingga tidak dapat dilaporkan dalam LRA maupun neraca bulan Desember tahun 2010,karena dapat berpengaruh terhadap opini audit BPK. Pada tahun 2012 rata-rata penyimpangan hasil estimasi PPh Pasal 29 lebih tinggi3,04% dibanding perkiraanrealisasinya. Jumlah ini tidak melampaui batas materialitas audit BPK, sehingga dapat dilaporkan dalam LRA maupun neraca bulan Desember tahun 2011, karena selisih tersebut tidak akan mempengaruhi opini audit BPK. Perbedaan rata-rata penyimpangan yang cukup besar setiap tahunnya, atas estimasi PPh Pasal 29 (kekurangan angsuran PPh Pasal 25/29 yang harus dibayar wajib pajak), mengakibatkan model yang ada dalam kajian ini kurang

87


dapat diandalkan untuk mengestimasi pendapatan PPh Pasal 29 basis akrual guna kepentingan penyusunan LKPP. Alasannya, karena dikhawatirkan pada tahun berikutnya terjadi penyimpangan yang lebih besar lagi. Adanya perbedaan penyimpangan yang cukup besar tersebut, selain disebabkan karena ke lima faktor yang sudah dijelaskan sebelumnya, juga dimungkinkan karena tidak adanya pemisahan data antara PPh Pasal 25 dengan PPh Pasal 29 serta antara PPh Pasal 25/29 Orang Pribadi dengan Badan. Perlu dilakukan penelitian lebih lanjut dengan melakukan estimasi secara terpisah antara PPh Pasal 25 dengan PPh pasal 29 dan antara PPh Pasal 25/29 Orang Pribadi dengan PPh 25/29 Badan. Ruang lingkupnya perlu dipersempit menjadi penerimaan pajak menurutsektor dengan wilayah tertentu, untuk memudahkan pengambilan data.Selain itu, data yang digunakan adalah data penerimaan PPh25/29 murni, dalam arti tidak tercampur dengan bunga/sanksi pajak, restitusi, dan penerimaan kurang bayar dari tahun-tahun sebelumnya. Tambahan dan/atau pengurangan variabel diluar variabel yang digunakan dalam penelitian ini juga bisa dilakukan agar adj.R-squared nya bisa ditingkatkan, sehingga hasil estimasi yang dilakukan dapat mendekati nilai realisasinya. Jika hasil estimasi mendekati nilai realisasinya (selisih yang terjadi berkisar antara 0,5%-5%), maka model tersebut dapat digunakan untuk menaksir PPh 29 basis akrual, khususnya untuk menyajikan pendapatan-LO pajak di laporan realisasi anggaran dan piutang pajak di neraca. Jika keakuratan hasil estimasi PPh Pasal 29 dapat diandalkan, maka selisih yang terjadi antara hasil estimasi dengan realisasinya dapat dikoreksi sebagai koreksi kesalahan tahun berjalan, baik pada akun pendapatan LO maupun pada akun piutang pajak. Perhitungan selisih taksiran tersebut disampaikan kepada BPK, dan dapat dimasukkan sebagai koreksi audit atau

88


koreksi pembukuan biasa akibat kesalahan estimasi. Jika jumlah realisasi penerimaan PPh Pasal 25/29 ternyata lebih kecil dari nilai estimasinya, maka koreksi dilakukan dengan cara mengurangi akun pendapatan-LO dan akun piutang pajak, masing-masing sebesar selisih tersebut. Namun, jika jumlah realisasi penerimaan PPh Pasal 25/29 ternyata lebih besar dari nilai estimasinya, maka koreksi dilakukan dengan cara menambah akun pendapatan-LO dan akun piutang pajak, masing-masing sebesar selisih tersebut. Koreksi yang menambah atau mengurangi pendapatan-LO masih mungkin dilakukan karena LKPP belum terbit. LKPP dikatakan sudah terbit kalau sudah diundangkan oleh DPR.

Hal ini sesuai dengan SAP Basis Akrual yang

menyatakan bahwa, koreksi kesalahan baik yang berulang maupun yang tidak berulang yang terjadi pada periode berjalan, baik yang mempengaruhi posisi kas maupun

yang

tidak,

dilakukan

dengan

pembetulan

pada

akun

yang

bersangkutan dalam periode berjalan, baik pada akun pendapatan-LRA atau akun belanja, maupun akun pendapatan-LO atau akun beban (PSAP 10 par. 12 dan 34). Dirjen Pajak perlu membukukan dan melaporkan secara terpisah atas penerimaan yang berasal dari: angsuran masa PPh25, setoran PPh pasal 29, setoran atas SKPKB dan SKPKBT; bunga atau sanksi administrasi perpajakan; dan atas restitusi yang dibayarkan. Hal ini dimaksudkan agar data series PPh pasal 25 dan PPh pasal 29 mencerminkan nilai yang sesungguhnya sehingga keakuratan hasil estimasi pendapatan PPh Pasal 29 dapat diandalkan. 4. Keterbatasan Penelitian Data Realisasi penerimaan PPh Pasal 25/29 yang diterima bukan merupakan data murni angsuran PPh Pasal 25/29, karena sudah bercampur

89


dengan bunga/sanksi administrasi lainnya, SKPKB, SKPKBT, dan restitusi. Selain itu, data yang diterima juga tidak memisahkan antara penerimaan PPh Pasal 25 dengan PPh Pasal 29, dan antara PPh Pasal 25/29 Orang Pribadi dengan Badan. Keterbatasan data tersebut mengakibatkan hasil estimasi yang dilakukan dengan menggunakan model dalam penelitian ini kurang bisa diandalkan untuk menyajikan pendapatan-LO pajak pada akhir tahun dalam LKPP.

90

BAB V SIMPULAN dan SARAN

Berdasarkan hasil

penelitian

yang

telah

dibahas

pada

bab-bab

sebelumnya, maka dapat ditarik simpulan sebagai berikut: A. Simpulan 1. Rata-rata penyimpangan hasil estimasi PPh Pasal 25/29 sepanjang periode 2009-2012 adalah lebih rendah 0,83% dibanding realisasinya. Namun, ratarata penyimpangan hasil estimasi PPh pasal 29 tiap-tiap tahun tidak sama, dan fluktuasinya cukup tajam (besar).

Pada tahun 2010, rata-rata

penyimpangan hasil estimasi PPh Pasal 29 lebih rendah 9,79% dibanding realisasinya; pada tahun 2011 hasil estimasi tersebut lebih tinggi 5,67% dibanding realisasinya, dan pada tahun 2012 lebih tinggi 3,04% dibanding realisasinya. Hal ini mengakibatkan model statistik yang ada dalam kajian ini kurang dapat diandalkanuntuk menaksir pendapatan PPh Pasal 29 basis akrual, untuk kepentingan penyusunan LKPP bulan Desember. 2. Rata-rata penyimpangan hasil estimasi variabel PPh Pasal 25/29 yang cukup fluktuatif disebabkan karena, tidak ada pemisahan antara data PPh Pasal 25 dengan Pasal 29 dan antara PPh Pasal 25/29 Orang Pribadi dengan Badan. Selain itu, selisih tersebut juga dapat terjadi karena jumlah yang dicatat dan dilaporkan dalam pendapatan PPh pasal 25/29 termasuk penerimaan setoran yang berasal dari: a. Surat Ketetapan Pajak Kurang Bayar (SKPKB) atas periode pajak tahun sebelumnya (2-5 tahun yang lampau)

91


b.

Surat Ketetapan Pajak Kurang Bayar Tambahan (SKPKBT) atas SKP tahun-tahun sebelumnya (2-5 tahun yang lalu).

c. Sanksi perpajakan atau administrasi berupa denda dan/atau bunga. d. Jumlah pendapatan PPh 25/29 tahun berjalan dapat juga kurang dari yang

seharusnya

karena

adanya

restitusi

pajak

atas

kelebihan

pembayaran pajak tahun-tahun sebelumnya berikut imbalan bunga yang dibayarkan pemerintah terkait penerbitan SKPLB. B. SARAN 1. Perlu dilakukan penelitian lebih lanjut dengan memisahkan data antara PPh Pasal 25 dengan Pasal 29 dan antara PPh Pasal 25/29 Orang Pribadi dengan Badan. Selain itu, data yang digunakan adalah data penerimaan PPh25/29 murni, yang tidak tercampur dengan pendapatan bunga/sanksi pajak, restitusi, dan penerimaan kurang bayar dari tahun-tahun sebelumnya. Ruang lingkup penelitian juga perlu dipersempit sehingga data yang digunakan adalah data PPh Pasal 25/29 per sektor dan per wilayah. Tambahan dan/atau pengurangan variabel diluar variabel yang telah digunakan perlu dilakukan agar adj.R-squared nya bisa ditingkatkan. 2. Selain pemisahan atas pencatatan dan pelaporan antara PPh Pasal 25/29 Orang Pribadi dengan Badan, Dirjen Pajak juga perlu membukukan dan melaporkan secara terpisah atas penerimaan yang berasal dari: angsuran masa PPh Pasal 25; Pasal 29; bunga atau sanksi administrasi perpajakan; setoran pajak kurang bayar tahun-tahun buku sebelumnya; dan restitusi yang dibayarkan. Hal ini dimaksudkan agar data series PPh Pasal 25 dan Pasal 29 mencerminkan nilai yang sesungguhnya sehingga keakuratan hasil estimasi pendapatan PPh Pasal 29 dapat diandalkan untuk kepentingan penyusunan LKPP.

92

DAFTAR PUSTAKA

Abel, Andrew B., et.al. 2011. Macro Economics, Seventh Edition.United States of America: Pearson Education, Inc. Accounts and Reports, Filing No. 4.030 tahun 1998. Policy and Procedure Manual. Web:www.da.ks.gov/ar/ppm/ Badan Analisa Fiskal. 2002. Bunga Rampai Kebijakan Fiskal. Jakarta: Badan Analisa Fiskal. Du Quintono. 2012. Indonesian Crude Price. Diakses dari web: http:// du02051951.blogdetik.com/2012/04/04/indonesian-crude-price/, Tanggal 16-11-2013 jam 20.58, Di unggah tanggal 4 April 2012 jam 11.37. Case,Karl E., dan Ray C, Fair. 2004. Prinsip-prinsip Ekonomi Makro. Penerjemah: Benyamin Molan. Jakarta: Index. Dornsburg, Rudiger, et.al. 2004. Ekonomi Makro Edisi 8. Penerjemah: Yusuf Wibisono dan Roy Indra Mirazudin. Jakarta: Media Global Edukasi. Fuad, Noor. 2006. Ekonomi Makro: Teori, Kebijakan dan Aplikasinya di Indonesia. Lembaga Pengkajian Keuangan Publik dan Akuntansi Pemerintah. Jakarta: BPPK. Gunadi dkk. 1999. Perpajakan. Jakarta: FEUI. Guo, Hui dan Kevin L.Kliesen. 2005. Oil Price Volatility and U.S Macroeconomic Activity. Federal Reseve Bank of St.Louis Review hal 669-683. Sumber http://www.research.stlouisfed.org/publications/review/05/11/KliesenGuo. pdf (diakses 20 November 2013) International Accounting Standards Board, 2008. International Accounting Standard. International Federation of Accountants, 2012. IFAC Handbook of International Public Sector Accounting Pronouncements. International Federation of Accountants, 2012. International Public Sector Accounting Standard 1, Presentation of Financial Statements. International Federation of Accountants, 2012. International Public Sector Accounting Standard 9, Revenue From Exchange Transactions. International Federation of Accountants, 2012. International Public Sector Accounting Standard 23, Revenue From Exchange Transactions (Taxes and Transfers).

93


Ilyas, Wirawan B. dan Richard Burton. 2007. Hukum Pajak. Jakarta: Salemba Empat. Komite Standar Akuntansi Pemerintahan, 2010. Pernyataan Standar Akuntansi Pemerintahan Basis Akrual 01, Penyajian Laporan Keuangan Komite Standar Akuntansi Pemerintahan, 2010. Pernyataan Standar Akuntansi Pemerintahan Basis Akrual 12, Laporan Operasional. Mankiw, Gregory N. 2009. Makroekonomi edisi keenam. Penerjemah Fitria Liza dan Imam Nurmawan. Jakarta: Erlangga. Mansur, Muhammad dan Teguh Hadi Wardoyo. 2006. Pajak Terapan Brevet A&B. Jakarta: PT Bina Artha Profesitama. Piana, Valentino. 2001. Key Concept’sGlossary. The EconomicsWeb Institute. http://www.economicswebinstitute.org/glossary/ (diakses 3 November 2012). Pusat Bahasa Kementerian Pendidikan Nasional. Kamus Besar Bahasa Indonesia dalam Jaringan. (http://www.pusatbahasa.kemdiknas.go.id) Sadono Sukirno. 2006. Pengantar Teori Makro Ekonomi: Edisi Ketiga. Jakarta: Raja Grafindo Persada. Soediyono Reksoprayitno. 2000. Pengantar Teori Makro Ekonomi: Edisi Keenam. Yogyakarta: BPFE. Skousen K. Fred, Stice Earl K dan Stice James D, 2010. Intermediate Accounting. Edition 17th. USA: South-Western Cengage Learning. Todaro, Michael P. 2000. Pembangunan Ekonomi di Dunia Ketiga. Edisi Ketujuh. Penerjemah Haris Munandar. Jakarta: Erlangga DPR RI, 2000. Undang-Undang Nomor 16 Tahun 2000, tentang Perubahan Kedua atas Undang Undang Nomor 6 Tahun 1983 tentang Ketentuan Umum dan Tata Cara Perpajakan. DPR RI, 2003. Undang-Undang nomor 17 Tahun 2003, tentang Keuangan Negara. DPR RI, 2004. Undang-Undang nomor 1 Tahun 2004, tentang Perbendaharaan Negara DPR RI, 2007.Undang-Undang Nomor 28 tahun 2007 tentang Perubahan Ketiga atas Undang-undang Nomor 6 Tahun 1983 tentang Ketentuan Umum dan Tata Cara Perpajakan

94

DAFTAR PUSTAKA

DPR RI, 2008. Undang-Undang Nomor 36 Tahun 2008 tentang Perubahan Keempat Undang-Undang Nomor 7 Tahun 1983 tentang Pajak Penghasilan. DPR RI, 2009. Undang-Undang Nomor 16 Tahun 2009 tentang Penatapan Peraturan Pemerintah Pengganti Undang Undang Nomor 5 Tahun 2008 tentang Perubahan Keempat atas Undang-Undang Nomor 6 Tahun 1983 tentang Ketentuan Umum dan Tata Cara Perpajakan menjadi Undang Undang. Pemerintah RI, 2010. Peraturan Pemerintah nomor 71 Tahun 2010, tentang Standar Akuntansi Pemerintahan. Kementerian Keuangan RI, 2007. Peraturan Menteri Keuangan Nomor 91/PMK.06/2007 tentang Bagan Akun Standar. Kementerian Keuangan RI, 2008. Peraturan Menteri Keuangan Nomor 252/PMK.03/2008 tentang Petunjuk Pelaksanaan Pemotongan Pajak atas Penghasilan Sehubungan dengan Pekerjaan, Jasa, dan Kegiatan Orang Pribadi. Kementerian Keuangan, 2010. Peraturan Menteri Keuangan Nomor 80/PMK.03/2010 tentang Perubahan atas PMK Nomor 184/PMK.03/2007 tentang Penentuan Tanggal jatuh Tempo Pembayaran dan Penyetoran Pajak, Penentuan Tempat Pembayaran Pajak, dan Tata Cara Pembayaran, Penyetoran dan Pelaporan Pajak, serta Tata Cara Pengangsuran dan Penundaan Pembayaran Pajak. Tim Direktorat Penyusun APBN. 2013. Dasar-Dasar Prektek Penyusunan APBN di Indonesia. Jakarta: direktorat Jenderal Anggaran, Kementerian Keuangan.

95

Lampiran: 1/1-9

Uji Stationer Data Uji Stationer Data padaDerajatLevel Null Hypothesis: EKSPOR has a unit root Exogenous: Constant Lag Length: 1 (Automatic - based on SIC, maxlag=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-2.346718 -3.581152 -2.926622 -2.601424

0.1623

Null Hypothesis: ICP has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=9)


t-Statistic

Prob.*

-2.115451 -3.577723 -2.925169 -2.600658

0.2397

*MacKinnon (1996) one-sided p-values.

Null Hypothesis: IMPOR has a unit root Exogenous: Constant Lag Length: 3 (Automatic - based on SIC, maxlag=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values.

t-Statistic

Prob.*

-1.984096 -3.588509 -2.929734 -2.603064

0.2925

Lampiran: 1/2-9

Null Hypothesis: INFLASI has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=9)


t-Statistic

Prob.*

-3.487579 -3.577723 -2.925169 -2.600658

0.0127


Null Hypothesis: KURS has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=9)


t-Statistic

Prob.*

-2.437095 -3.577723 -2.925169 -2.600658

0.1374


Null Hypothesis: LIFTING has a unit root Exogenous: Constant Lag Length: 2 (Automatic - based on SIC, maxlag=9)


t-Statistic

Prob.*

-2.358844 -3.584743 -2.928142 -2.602225

0.1589

Lampiran: 1/3-9

Null Hypothesis: PPHSA has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic - based on SIC, maxlag=9)


t-Statistic

Prob.*

-6.213234 -4.175640 -3.513075 -3.186854

0.0000


Null Hypothesis: PDB has a unit root Exogenous: Constant Lag Length: 1 (Automatic - based on SIC, maxlag=9)


t-Statistic

Prob.*

-1.407663 -3.581152 -2.926622 -2.601424

0.5705


Simpulan: padaderajat level hampirsemua data, kecualivariabel DPPHSA tidakstasionerpadaderjat level

Lampiran: 1/4-9

Uji Stationer Data padaDerajatFirst Difference Null Hypothesis: D(PPHSA) has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic - based on SIC, maxlag=9)


t-Statistic

Prob.*

-9.916871 -4.180911 -3.515523 -3.188259

0.0000


Null Hypothesis: D(EKSPOR) has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic - based on SIC, maxlag=9)


t-Statistic

Prob.*

-11.21848 -4.170583 -3.510740 -3.185512

0.0000


Null Hypothesis: D(ICP) has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic - based on SIC, maxlag=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-value.

t-Statistic

Prob.*

-5.821410 -4.170583 -3.510740 -3.185512

0.0001

Lampiran: 1/5-9

Null Hypothesis: D(IMPOR) has a unit root Exogenous: Constant, Linear Trend Lag Length: 2 (Automatic - based on SIC, maxlag=9)


t-Statistic

Prob.*

-7.016185 -4.180911 -3.515523 -3.188259

0.0000


Null Hypothesis: D(INFLASI) has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic - based on SIC, maxlag=9)


t-Statistic

Prob.*

-5.394794 -4.170583 -3.510740 -3.185512

0.0003


Null Hypothesis: D(KURS) has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic - based on SIC, maxlag=9)


t-Statistic

Prob.*

-7.422767 -4.170583 -3.510740 -3.185512

0.0000

Lampiran: 1/6-9

Null Hypothesis: D(LIFTING) has a unit root Exogenous: Constant, Linear Trend Lag Length: 1 (Automatic - based on SIC, maxlag=9)


t-Statistic

Prob.*

-10.90124 -4.175640 -3.513075 -3.186854

0.0000


Null Hypothesis: D(PDB) has a unit root Exogenous: Constant, Linear Trend Lag Length: 9 (Automatic - based on SIC, maxlag=9)


t-Statistic

Prob.*

-0.354269 -4.226815 -3.536601 -3.200320

0.9857

Padaderajatfirst difference data PDB tidakstasioner

Lampiran: 1/7-9

HasilUjiStasioner Data padaDerajatSecond Difference

Null Hypothesis: D(PDB,2) has a unit root Exogenous: Constant, Linear Trend Lag Length: 8 (Automatic - based on SIC, maxlag=9)


t-Statistic

Prob.*

-5.567253 -4.226815 -3.536601 -3.200320

0.0003


Null Hypothesis: D(EKSPOR,2) has a unit root Exogenous: Constant, Linear Trend Lag Length: 3 (Automatic - based on SIC, maxlag=9)


t-Statistic

Prob.*

-6.728836 -4.192337 -3.520787 -3.191277

0.0000


Null Hypothesis: D(ICP,2) has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic - based on SIC, maxlag=9)


t-Statistic

Prob.*

-9.734913 -4.175640 -3.513075 -3.186854

0.0000

*MacKinnon (1996) one-sided p-values. Lampiran: 1/8-9

Null Hypothesis: D(IMPOR,2) has a unit root Exogenous: Constant, Linear Trend Lag Length: 3 (Automatic - based on SIC, maxlag=9)


t-Statistic

Prob.*

-7.375838 -4.192337 -3.520787 -3.191277

0.0000


Null Hypothesis: D(INFLASI,2) has a unit root Exogenous: Constant, Linear Trend Lag Length: 2 (Automatic - based on SIC, maxlag=9)


t-Statistic

Prob.*

-6.282107 -4.186481 -3.518090 -3.189732

0.0000


Null Hypothesis: D(KURS,2) has a unit root Exogenous: Constant, Linear Trend Lag Length: 1 (Automatic - based on SIC, maxlag=9)


t-Statistic

Prob.*

-10.06231 -4.180911 -3.515523 -3.188259

0.0000

*MacKinnon (1996) one-sided p-values. Lampiran: 1/9-9

Null Hypothesis: D(LIFTING,2) has a unit root Exogenous: Constant, Linear Trend Lag Length: 7 (Automatic - based on SIC, maxlag=9)


t-Statistic

Prob.*

-5.045245 -4.219126 -3.533083 -3.198312

0.0011


Null Hypothesis: D(PPHSA,2) has a unit root Exogenous: Constant, Linear Trend Lag Length: 2 (Automatic - based on SIC, maxlag=9)


t-Statistic

Prob.*

-6.986797 -4.198503 -3.523623 -3.192902

0.0000


Seluruh data sudahstasionerpadaderajatsecond difference

Lampiran: 2/1-2

HasilUjiStabilitas VAR Lag 1 Roots of Characteristic Polynomial Endogenous variables: DEKSPOR DICP DIMPOR DINFLASI DKURS DLIFTING DPDB DPPHSA Exogenous variables: C Lag specification: 1 1 Date: 10/04/13 Time: 20:28 Root 0.964837 - 0.014992i 0.964837 + 0.014992i 0.865223 0.603434 -0.060152 - 0.192647i -0.060152 + 0.192647i -0.117822 -0.072738 No root lies outside the unit circle. VAR satisfies the stability condition.

Modulus 0.964954 0.964954 0.865223 0.603434 0.201819 0.201819 0.117822 0.072738

Lampiran: 2/2-2

HasilUjiStabilitas VAR Lag 3

Roots of Characteristic Polynomial Endogenous variables: DEKSPOR DICP DIMPOR DINFLASI DKURS DLIFTING DPDB DPPHSA Exogenous variables: C Lag specification: 1 3 Date: 10/04/13 Time: 20:30 Root 0.965405 0.379953 + 0.857539i 0.379953 - 0.857539i 0.930856 0.830709 0.707560 + 0.430441i 0.707560 - 0.430441i 0.044374 - 0.804895i 0.044374 + 0.804895i 0.765502 - 0.247549i 0.765502 + 0.247549i -0.403928 - 0.667503i -0.403928 + 0.667503i -0.570560 + 0.528143i -0.570560 - 0.528143i -0.703539 + 0.300842i -0.703539 - 0.300842i 0.252232 - 0.686929i 0.252232 + 0.686929i 0.076128 - 0.575616i 0.076128 + 0.575616i -0.546877 -0.440889 + 0.074993i -0.440889 - 0.074993i No root lies outside the unit circle. VAR satisfies the stability condition.

Modulus 0.965405 0.937943 0.937943 0.930856 0.830709 0.828203 0.828203 0.806117 0.806117 0.804533 0.804533 0.780204 0.780204 0.777478 0.777478 0.765162 0.765162 0.731774 0.731774 0.580628 0.580628 0.546877 0.447222 0.447222

Lampiran: 3/1-2 UjiAdj R-Squared denganVAR padaLag 1

Vector Autoregression Estimates Date: 10/04/13 Time: 20:27 Sample (adjusted): 2009M04 2012M12 Included observations: 45 after adjustments Standard errors in ( ) & t-statistics in [ ] DEKSPOR

DICP

DIMPOR

DINFLASI

DKURS

DLIFTING

DPDB

DPPHSA

DEKSPOR(-1)

0.182232 (0.21093) [ 0.86396]

0.001674 (0.00124) [ 1.35210]

0.034474 (0.18448) [ 0.18687]

2.08E-05 (5.7E-05) [ 0.36310]

-0.037646 (0.04393) [-0.85688]

0.012757 (0.01335) [ 0.95532]

0.643520 (1.12410) [ 0.57247]

1.90E+08 (1.2E+08) [ 1.54649]

DICP(-1)

44.16882 (19.7474) [ 2.23669]

0.816145 (0.11590) [ 7.04183]

50.89618 (17.2717) [ 2.94679]

-0.001365 (0.00535) [-0.25509]

-3.836701 (4.11327) [-0.93276]

-0.946106 (1.25021) [-0.75676]

96.01649 (105.242) [ 0.91234]

3.37E+09 (1.2E+10) [ 0.29244]

DIMPOR(-1)

-0.100232 (0.21346) [-0.46956]

-0.002236 (0.00125) [-1.78445]

0.072396 (0.18670) [ 0.38777]

3.23E-05 (5.8E-05) [ 0.55842]

0.044754 (0.04446) [ 1.00657]

-0.018901 (0.01351) [-1.39860]

2.158974 (1.13760) [ 1.89783]

-47121066 (1.2E+08) [-0.37820]

DINFLASI(-1)

835.2031 (349.922) [ 2.38682]

0.468618 (2.05373) [ 0.22818]

31.10900 (306.053) [ 0.10165]

0.805590 (0.09484) [ 8.49403]

88.34470 (72.8866) [ 1.21208]

-5.946368 (22.1535) [-0.26842]

-2134.161 (1864.87) [-1.14440]

-3.00E+11 (2.0E+11) [-1.46855]

DKURS(-1)

-2.005537 (0.65176) [-3.07711]

-0.000771 (0.00383) [-0.20161]

-0.094943 (0.57005) [-0.16655]

0.000107 (0.00018) [ 0.60511]

0.831539 (0.13576) [ 6.12518]

-0.024951 (0.04126) [-0.60470]

5.130094 (3.47348) [ 1.47693]

1.34E+09 (3.8E+08) [ 3.51337]

DLIFTING(-1)

4.860597 (2.55511) [ 1.90230]

0.006991 (0.01500) [ 0.46620]

5.889535 (2.23478) [ 2.63540]

-7.02E-05 (0.00069) [-0.10133]

-0.743033 (0.53221) [-1.39612]

-0.350482 (0.16176) [-2.16663]

-12.06062 (13.6172) [-0.88569]

-5.79E+08 (1.5E+09) [-0.38811]

DPDB(-1)

0.011652 (0.00794) [ 1.46831]

6.06E-05 (4.7E-05) [ 1.30076]

0.025367 (0.00694) [ 3.65469]

-2.44E-06 (2.2E-06) [-1.13666]

0.001983 (0.00165) [ 1.19958]

-0.000384 (0.00050) [-0.76411]

0.872031 (0.04229) [ 20.6188]

15761367 (4632028) [ 3.40269]

DPPHSA(-1)

8.70E-11 (2.8E-10) [ 0.31291]

7.08E-14 (1.6E-12) [ 0.04339]

-2.71E-10 (2.4E-10) [-1.11410]

1.15E-13 (7.5E-14) [ 1.51945]

-8.81E-11 (5.8E-11) [-1.52160]

1.30E-11 (1.8E-11) [ 0.73981]

6.26E-10 (1.5E-09) [ 0.42225]

-0.141982 (0.16230) [-0.87483]

C

11731.68 (6057.22) [ 1.93681]

-14.02661 (35.5504) [-0.39456]

-10063.87 (5297.83) [-1.89962]

-0.312024 (1.64173) [-0.19006]

1810.684 (1261.68) [ 1.43514]

1736.509 (383.481) [ 4.52828]

2025.447 (32281.3) [ 0.06274]

-1.14E+13 (3.5E+12) [-3.21480]

0.922322 0.905060 33054171 958.2126 53.43123 -367.7596 16.74487 17.10621 13927.66 3109.832

0.951111 0.940247 1138.592 5.623837 87.54552 -136.5471 6.468762 6.830094 91.73191 23.00662

0.947210 0.935479 25285718 838.0818 80.74320 -361.7317 16.47696 16.83830 12475.66 3299.400

0.926560 0.910240 2.428196 0.259711 56.77446 1.836829 0.318363 0.679696 4.608889 0.866860

0.940515 0.927297 1434097. 199.5897 71.14985 -297.1634 13.60726 13.96859 9360.700 740.2199

0.393545 0.258777 132485.4 60.66424 2.920170 -243.5724 11.22544 11.58677 913.8667 70.46254

0.996944 0.996264 9.39E+08 5106.687 1467.801 -443.0553 20.09135 20.45268 575422.3 83551.86

0.855028 0.822812 1.13E+25 5.59E+11 26.54040 -1276.079 57.11463 57.47596 9.28E+12 1.33E+12

R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent

Lampiran: 3/2-2 UjiAdj R-Squared denganVAR pada Lag 3

Vector Autoregression Estimates Date: 10/04/13 Time: 20:29 Sample (adjusted): 2009M06 2012M12 Included observations: 43 after adjustments Standard errors in ( ) & t-statistics in [ ] DEKSPOR

DICP

DIMPOR

DINFLASI

DKURS

DLIFTING

DPDB

DPPHSA

DEKSPOR(-1)

-0.268560 (0.25470) [-1.05443]

0.000666 (0.00179) [ 0.37138]

0.014249 (0.23013) [ 0.06192]

-2.42E-05 (6.2E-05) [-0.39224]

0.035676 (0.03483) [ 1.02430]

0.004275 (0.01645) [ 0.25988]

3.236960 (1.46843) [ 2.20437]

21759354 (1.5E+08) [ 0.14350]

DEKSPOR(-2)

0.313000 (0.26543) [ 1.17922]

0.001718 (0.00187) [ 0.91848]

0.282386 (0.23983) [ 1.17745]

6.23E-06 (6.4E-05) [ 0.09669]

-0.019885 (0.03630) [-0.54784]

0.004652 (0.01714) [ 0.27133]

1.656879 (1.53031) [ 1.08271]

-1.11E+08 (1.6E+08) [-0.69952]

DEKSPOR(-3)

0.150881 (0.23672) [ 0.63738]

0.002720 (0.00167) [ 1.63065]

0.121929 (0.21389) [ 0.57006]

4.29E-05 (5.7E-05) [ 0.74614]

-0.033794 (0.03237) [-1.04395]

-0.015807 (0.01529) [-1.03385]

0.155922 (1.36479) [ 0.11425]

-78020608 (1.4E+08) [-0.55363]

DICP(-1)

-28.60036 (36.1042) [-0.79216]

0.696354 (0.25439) [ 2.73732]

-40.85027 (32.6217) [-1.25224]

-0.002980 (0.00876) [-0.34009]

2.763536 (4.93726) [ 0.55973]

-1.747906 (2.33200) [-0.74953]

-1.582611 (208.156) [-0.00760]

3.27E+10 (2.1E+10) [ 1.52134]

DICP(-2)

104.1458

-0.000540

91.74588

0.012984

-8.253929

-2.222421

-135.5539

-3.76E+10

(43.4208) [ 2.39852]

(0.30595) [-0.00176]

(39.2326) [ 2.33851]

(0.01054) [ 1.23206]

(5.93781) [-1.39006]

(2.80459) [-0.79242]

(250.339) [-0.54148]

(2.6E+10) [-1.45356]

DICP(-3)

-85.13376 (38.8911) [-2.18903]

-0.342062 (0.27403) [-1.24827]

-2.284300 (35.1398) [-0.06501]

-0.013040 (0.00944) [-1.38149]

8.775763 (5.31837) [ 1.65008]

1.481669 (2.51201) [ 0.58983]

144.7110 (224.223) [ 0.64539]

1.64E+10 (2.3E+10) [ 0.70689]

DIMPOR(-1)

0.153434 (0.31518) [ 0.48682]

0.000446 (0.00222) [ 0.20069]

-0.057871 (0.28478) [-0.20321]

-1.24E-07 (7.6E-05) [-0.00162]

-0.022617 (0.04310) [-0.52475]

-0.000246 (0.02036) [-0.01210]

0.945769 (1.81714) [ 0.52047]

22252779 (1.9E+08) [ 0.11860]

DIMPOR(-2)

-0.087509 (0.25840) [-0.33865]

-9.38E-05 (0.00182) [-0.05149]

-0.539449 (0.23348) [-2.31048]

-6.03E-05 (6.3E-05) [-0.96113]

0.004124 (0.03534) [ 0.11671]

-0.002248 (0.01669) [-0.13470]

-0.385989 (1.48980) [-0.25909]

30420876 (1.5E+08) [ 0.19775]

DIMPOR(-3)

-0.410945 (0.31702) [-1.29627]

0.000456 (0.00223) [ 0.20394]

-0.517432 (0.28644) [-1.80641]

1.06E-05 (7.7E-05) [ 0.13735]

-0.007233 (0.04335) [-0.16683]

-0.003546 (0.02048) [-0.17316]

-0.514286 (1.82775) [-0.28138]

3.72E+08 (1.9E+08) [ 1.97207]

DINFLASI(-1)

1831.975 (852.882) [ 2.14798]

-0.524897 (6.00946) [-0.08735]

308.4705 (770.616) [ 0.40029]

0.925912 (0.20699) [ 4.47315]

-37.19451 (116.632) [-0.31891]

114.2278 (55.0883) [ 2.07354]

-6014.453 (4917.22) [-1.22314]

1.85E+11 (5.1E+11) [ 0.36533]

DINFLASI(-2)

-29.21438 (1120.88) [-0.02606]

0.593753 (7.89775) [ 0.07518]

-453.4634 (1012.76) [-0.44775]

-0.210530 (0.27204) [-0.77391]

-186.6031 (153.280) [-1.21740]

-155.3444 (72.3982) [-2.14569]

-5204.774 (6462.31) [-0.80541]

-3.66E+11 (6.7E+11) [-0.54889]

DINFLASI(-3)

-379.0688 (674.930) [-0.56164]

-3.209316 (4.75559) [-0.67485]

203.0871 (609.829) [ 0.33302]

0.118649 (0.16380) [ 0.72433]

176.2876 (92.2968) [ 1.91001]

88.79909 (43.5942) [ 2.03695]

2668.093 (3891.25) [ 0.68567]

2.66E+11 (4.0E+11) [ 0.66216]

DKURS(-1)

-3.258432 (1.48869) [-2.18880]

-0.008269 (0.01049) [-0.78835]

-0.623188 (1.34509) [-0.46331]

-0.000243 (0.00036) [-0.67252]

0.895693 (0.20358) [ 4.39975]

0.069698 (0.09616) [ 0.72484]

6.205491 (8.58288) [ 0.72301]

1.21E+09 (8.9E+08) [ 1.36073]

DKURS(-2)

1.988572 (1.79404) [ 1.10843]

0.010824 (0.01264) [ 0.85628]

0.966166 (1.62100) [ 0.59603]

0.000543 (0.00044) [ 1.24808]

-0.157152 (0.24534) [-0.64056]

-0.213096 (0.11588) [-1.83896]

4.462353 (10.3434) [ 0.43142]

-2.45E+08 (1.1E+09) [-0.22919]

DKURS(-3)

-2.258474 (1.17445) [-1.92300]

0.001411 (0.00828) [ 0.17055]

-1.341458 (1.06117) [-1.26413]

-0.000318 (0.00029) [-1.11475]

0.114614 (0.16061) [ 0.71363]

-0.019616 (0.07586) [-0.25858]

1.906861 (6.77120) [ 0.28161]

-5.48E+08 (7.0E+08) [-0.78400]

DLIFTING(-1)

-1.041781 (3.63995) [-0.28621]

-0.021024 (0.02565) [-0.81972]

1.000266 (3.28885) [ 0.30414]

0.000807 (0.00088) [ 0.91386]

0.129288 (0.49776) [ 0.25974]

-0.886891 (0.23511) [-3.77229]

-19.89358 (20.9858) [-0.94796]

-9.16E+08 (2.2E+09) [-0.42289]

DLIFTING(-2)

-8.970050 (4.53950) [-1.97600]

-0.061496 (0.03199) [-1.92262]

-6.508767 (4.10164) [-1.58687]

0.000643 (0.00110) [ 0.58381]

0.658104 (0.62078) [ 1.06013]

-0.736372 (0.29321) [-2.51141]

-25.95470 (26.1721) [-0.99169]

9.10E+08 (2.7E+09) [ 0.33670]

DLIFTING(-3)

-5.365285 (4.34378) [-1.23516]

-0.043408 (0.03061) [-1.41826]

-2.776267 (3.92479) [-0.70737]

-0.000681 (0.00105) [-0.64572]

0.807985 (0.59401) [ 1.36022]

-0.185308 (0.28057) [-0.66048]

-3.652191 (25.0437) [-0.14583]

2.13E+08 (2.6E+09) [ 0.08239]

DPDB(-1)

0.007441 (0.04394) [ 0.16936]

-8.70E-05 (0.00031) [-0.28109]

0.035377 (0.03970) [ 0.89114]

1.74E-05 (1.1E-05) [ 1.63629]

-0.005548 (0.00601) [-0.92342]

-0.004840 (0.00284) [-1.70561]

1.146472 (0.25331) [ 4.52591]

22402838 (2.6E+07) [ 0.85648]

DPDB(-2)

-0.053990 (0.06456) [-0.83623]

-0.000293 (0.00045) [-0.64314]

-0.023194 (0.05834) [-0.39760]

-1.85E-05 (1.6E-05) [-1.17981]

0.013479 (0.00883) [ 1.52670]

0.001308 (0.00417) [ 0.31370]

-0.158957 (0.37223) [-0.42704]

-41393023 (3.8E+07) [-1.07692]

DPDB(-3)

0.068884 (0.04082) [ 1.68754]

0.000259 (0.00029) [ 0.89917]

0.026866 (0.03688) [ 0.72844]

5.49E-06 (9.9E-06) [ 0.55409]

-0.006090 (0.00558) [-1.09103]

0.001569 (0.00264) [ 0.59522]

-0.243602 (0.23534) [-1.03511]

20334272 (2.4E+07) [ 0.83677]

DPPHSA(-1)

-1.93E-10 (3.2E-10) [-0.60979]

-6.05E-13 (2.2E-12) [-0.27199]

-3.24E-10 (2.9E-10) [-1.13723]

6.83E-14 (7.7E-14) [ 0.89159]

-6.07E-12 (4.3E-11) [-0.14049]

3.56E-11 (2.0E-11) [ 1.74458]

1.84E-09 (1.8E-09) [ 1.01129]

-0.057350 (0.18795) [-0.30513]

DPPHSA(-2)

-3.32E-11 (3.5E-10) [-0.09463]

1.67E-12 (2.5E-12) [ 0.67365]

2.72E-10 (3.2E-10) [ 0.85711]

-1.08E-13 (8.5E-14) [-1.27272]

-2.03E-11 (4.8E-11) [-0.42368]

3.45E-11 (2.3E-11) [ 1.52337]

1.96E-09 (2.0E-09) [ 0.96895]

0.011783 (0.20893) [ 0.05640]

DPPHSA(-3)

1.22E-10 (3.5E-10) [ 0.34421]

1.26E-12 (2.5E-12) [ 0.50245]

3.69E-10 (3.2E-10) [ 1.15091]

-9.09E-14 (8.6E-14) [-1.05669]

6.47E-11 (4.8E-11) [ 1.33348]

1.36E-11 (2.3E-11) [ 0.59169]

3.07E-09 (2.0E-09) [ 1.49954]

0.122831 (0.21109) [ 0.58188]

C

45754.42 (17800.4) [ 2.57042]

122.3313 (125.422) [ 0.97536]

7846.885 (16083.4) [ 0.48789]

-0.732326 (4.32012) [-0.16952]

-1075.731 (2434.20) [-0.44192]

4663.764 (1149.74) [ 4.05637]

-18396.19 (102626.) [-0.17925]

-4.84E+11 (1.1E+13) [-0.04568]

0.960729 0.908367 13656301 871.0243 18.34785 -333.3874 16.66918 17.69313 14209.20 2877.422

0.963775 0.915474 677.9931 6.137286 19.95372 -120.3100 6.758605 7.782558 93.90433 21.10968

0.971958 0.934570 11148880 787.0084 25.99603 -329.0258 16.46632 17.49027 12765.38 3076.734

0.955405 0.895946 0.804393 0.211396 16.06815 24.53130 0.021800 1.045753 4.484419 0.655342

0.977049 0.946447 255381.2 119.1127 31.92784 -247.8346 12.68998 13.71393 9244.866 514.7139

0.721842 0.350965 56973.65 56.26013 1.946310 -215.5810 11.18981 12.21377 910.3316 69.83396

0.998314 0.996066 4.54E+08 5021.810 444.0651 -408.7180 20.17293 21.19688 581682.9 80062.85

0.935038 0.848422 4.84E+24 5.19E+11 10.79520 -1202.186 57.07843 58.10239 9.30E+12 1.33E+12

R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent

Determinant resid covariance (dof adj.) Determinant resid covariance Log likelihood Akaike information criterion Schwarz criterion

2.65E+49 2.49E+46 -2785.020 138.8382 147.0298

Lampiran: 4

UjiKausalitas Granger Pairwise Granger Causality Tests Date: 10/04/13 Time: 20:40 Sample: 2009M03 2013M04 Lags: 3 Null Hypothesis:

Obs

F-Statistic

Prob.

DICP does not Granger Cause DEKSPOR DEKSPOR does not Granger Cause DICP

43

3.38101 3.21395

0.0286 0.0342

DIMPOR does not Granger Cause DEKSPOR DEKSPOR does not Granger Cause DIMPOR

43

0.41000 0.64559

0.7468 0.5908

DINFLASI does not Granger Cause DEKSPOR DEKSPOR does not Granger Cause DINFLASI

43

0.28532 0.56719

0.8357 0.6402

DKURS does not Granger Cause DEKSPOR DEKSPOR does not Granger Cause DKURS

43

0.95978 0.88839

0.4222 0.4564

DLIFTING does not Granger Cause DEKSPOR DEKSPOR does not Granger Cause DLIFTING

43

1.19270 1.75895

0.3263 0.1725

DPDB does not Granger Cause DEKSPOR DEKSPOR does not Granger Cause DPDB

43

0.07296 1.60387

0.9741 0.2055

DPPHSA does not Granger Cause DEKSPOR DEKSPOR does not Granger Cause DPPHSA

43

0.10365 3.07623

0.9574 0.0397

DIMPOR does not Granger Cause DICP DICP does not Granger Cause DIMPOR

43

2.08421 6.61498

0.1195 0.0011

DINFLASI does not Granger Cause DICP DICP does not Granger Cause DINFLASI

43

0.17881 0.35356

0.9101 0.7868

DKURS does not Granger Cause DICP DICP does not Granger Cause DKURS

43

0.19171 2.61373

0.9014 0.0661

DLIFTING does not Granger Cause DICP DICP does not Granger Cause DLIFTING

43

0.87087 1.73122

0.4652 0.1779

DPDB does not Granger Cause DICP DICP does not Granger Cause DPDB

43

0.58158 1.76270

0.6309 0.1717

DPPHSA does not Granger Cause DICP DICP does not Granger Cause DPPHSA

43

0.46057 5.51974

0.7115 0.0032

DINFLASI does not Granger Cause DIMPOR DIMPOR does not Granger Cause DINFLASI

43

0.06677 1.36838

0.9772 0.2680

DKURS does not Granger Cause DIMPOR DIMPOR does not Granger Cause DKURS

43

0.90285 2.31844

0.4493 0.0919

DLIFTING does not Granger Cause DIMPOR DIMPOR does not Granger Cause DLIFTING

43

2.56124 2.38040

0.0701 0.0857

DPDB does not Granger Cause DIMPOR DIMPOR does not Granger Cause DPDB

43

1.05615 2.35500

0.3797 0.0882

DPPHSA does not Granger Cause DIMPOR DIMPOR does not Granger Cause DPPHSA

43

0.40186 7.64088

0.7525 0.0004

DKURS does not Granger Cause DINFLASI DINFLASI does not Granger Cause DKURS

43

4.58422 0.58238

0.0081 0.6304

DLIFTING does not Granger Cause DINFLASI DINFLASI does not Granger Cause DLIFTING

43

3.08243 1.11799

0.0395 0.3546

DPDB does not Granger Cause DINFLASI DINFLASI does not Granger Cause DPDB

43

0.64716 0.13483

0.5899 0.9386

DPPHSA does not Granger Cause DINFLASI DINFLASI does not Granger Cause DPPHSA

43

5.56880 2.10179

0.0030 0.1171

DLIFTING does not Granger Cause DKURS DKURS does not Granger Cause DLIFTING

43

1.33466 0.17246

0.2783 0.9143

DPDB does not Granger Cause DKURS DKURS does not Granger Cause DPDB

43

4.20243 0.57920

0.0120 0.6325

DPPHSA does not Granger Cause DKURS DKURS does not Granger Cause DPPHSA

43

4.92616 5.87969

0.0057 0.0022

DPDB does not Granger Cause DLIFTING DLIFTING does not Granger Cause DPDB

43

4.88396 0.04116

0.0060 0.9887

DPPHSA does not Granger Cause DLIFTING DLIFTING does not Granger Cause DPPHSA

43

3.75710 2.69516

0.0191 0.0604

DPPHSA does not Granger Cause DPDB DPDB does not Granger Cause DPPHSA

43

0.23788 6.39437

0.8694 0.0014

Lampiran: 5 Variance Decomposition dengan Lag 3

Period

S.E.

DEKSPOR

DICP

1 2 3 4 5 6 7 8 9 10

871.0243 1035.032 1242.753 1386.019 1559.036 1775.593 1867.171 1943.019 2017.157 2082.186

100.0000 72.01957 56.41980 48.85653 48.46726 50.25330 48.86598 49.27378 47.15230 47.55551

0.000000 0.187635 15.75665 15.68641 15.58211 13.58497 12.98864 11.99504 12.48679 12.45092

Period

S.E.

DEKSPOR

DICP

1 2 3 4 5 6 7 8 9

6.137286 8.355610 9.971307 10.91701 11.47328 12.10121 12.63420 13.17143 13.88705

1.312218 3.549621 3.962838 8.735928 12.18143 16.69866 18.78974 20.47354 23.77255

98.68778 93.35975 85.16484 77.87093 71.02783 63.84790 58.57451 54.00157 48.83493

Variance Decomposition of DEKSPOR: DIMPOR DINFLASI DKURS 0.000000 4.846621 3.428155 3.286820 3.565454 6.683392 6.268408 6.661575 6.328547 6.193857

0.000000 14.93302 12.32221 12.46165 10.78618 8.512443 8.738111 8.406352 8.342817 8.010759

0.000000 6.325455 5.095848 7.954112 6.426114 6.276009 5.675476 5.512226 6.041146 6.033304

Variance Decomposition of DICP: DIMPOR DINFLASI DKURS 0.000000 0.417923 0.420480 0.450373 0.424581 0.384996 0.389199 0.444274 0.781540

0.000000 0.039975 0.403909 0.389148 2.151483 3.433191 3.698664 3.984491 3.848186

0.000000 0.806354 1.446635 1.400239 1.281895 1.164192 1.592650 1.585898 1.913091

DLIFTING

DPDB

DPPHSA

0.000000 0.915838 6.126928 5.313243 9.502790 9.047978 10.21766 10.49449 10.23026 10.38916

0.000000 0.094740 0.202438 5.495127 4.551808 4.384711 4.615187 5.216943 7.094083 7.184533

0.000000 0.677113 0.647978 0.946106 1.118288 1.257197 2.630543 2.439600 2.324063 2.181950

DLIFTING

DPDB

DPPHSA

0.000000 1.540562 6.764156 9.019301 8.742769 9.988639 10.69405 11.34520 11.47595

0.000000 0.183188 1.762588 1.745387 1.590912 1.441462 2.938743 4.615080 6.093632

0.000000 0.102628 0.074552 0.388691 2.599099 3.040953 3.322446 3.549940 3.280125

10

14.54534

25.45123

45.31820

Period

S.E.

DEKSPOR

DICP

1 2 3 4 5 6 7 8 9 10

787.0084 852.4648 1047.630 1280.163 1382.601 1551.466 1584.912 1643.166 1703.262 1760.698

28.22008 24.97619 16.83689 13.54644 15.80556 21.16646 21.31057 20.77404 20.90801 21.68134

0.230289 6.067013 17.68519 34.59028 35.46460 29.27563 28.53779 27.58182 28.16997 27.48327

Period

S.E.

DEKSPOR

DICP

1 2 3 4 5 6 7 8 9 10

0.211396 0.322854 0.360823 0.387775 0.403936 0.425606 0.446599 0.457274 0.466930 0.481118

10.81386 11.76502 13.66307 18.70004 20.73055 22.73609 23.53861 23.67939 25.09264 26.05356

6.703171 9.933528 8.135690 7.091798 7.221307 7.913398 8.250054 7.966965 7.672032 8.210383

Period

S.E.

DEKSPOR

DICP

1 2

119.1127 163.6305

18.06218 13.73812

22.64272 15.84732

1.616529

3.582110

1.976566

Variance Decomposition of DIMPOR: DIMPOR DINFLASI DKURS 71.54963 61.01560 46.91987 31.85580 30.08650 30.23204 28.97144 30.96839 28.90797 28.19587

0.000000 1.460028 2.806576 2.177446 2.229596 2.169976 2.175408 2.215945 2.347219 2.198954

0.000000 0.077469 0.238248 2.269314 1.947002 1.829476 1.796597 1.858787 2.635413 2.886850

Variance Decomposition of DINFLASI: DIMPOR DINFLASI DKURS 0.001682 1.311047 1.314677 1.309691 1.841534 1.724512 1.775019 1.955348 1.948543 2.873366

82.48129 69.83323 66.52630 58.80874 54.95694 53.13673 51.42585 49.93774 48.31572 45.89931

0.000000 0.589972 1.345885 1.327923 1.283056 1.194065 1.250134 1.317924 1.330072 1.334494

Variance Decomposition of DKURS: DIMPOR DINFLASI DKURS 9.932237 18.19946

1.397327 2.191199

47.96554 47.34139

11.55126

7.424103

3.079993

DLIFTING

DPDB

DPPHSA

0.000000 0.539986 7.552736 5.068341 5.306254 7.719798 8.745332 8.328540 7.989911 8.322370

0.000000 3.029345 2.364469 6.389153 5.480351 4.628790 4.777622 4.739824 5.697359 6.090624

0.000000 2.834368 5.596018 4.103230 3.680134 2.977827 3.685238 3.532654 3.344143 3.140727

DLIFTING

DPDB

DPPHSA

0.000000 0.719621 0.594743 4.610952 5.172130 4.771555 4.642127 4.891645 5.080063 5.276027

0.000000 4.971258 7.659337 7.203431 7.082056 6.798307 7.547996 8.744259 9.091536 8.809599

0.000000 0.876328 0.760299 0.947425 1.712426 1.725339 1.570203 1.506723 1.469397 1.543259

DLIFTING

DPDB

DPPHSA

0.000000 0.684778

0.000000 1.970831

0.000000 0.026892

3 4 5 6 7 8 9 10

193.7157 223.2965 236.3224 255.2473 267.8992 279.3219 292.3072 303.0262

17.09529 20.88928 22.13888 25.35360 25.39708 25.48864 26.90471 27.11598

19.02538 18.10972 18.63976 17.47858 16.50508 16.37435 14.96867 14.28163

Period

S.E.

DEKSPOR

DICP

1 2 3 4 5 6 7 8 9 10

56.26013 70.31448 76.41171 86.10783 94.21927 97.76672 101.2769 102.0686 103.0017 103.3825

0.529572 0.987133 2.174642 6.158241 11.67541 12.22053 11.47255 11.37497 11.63248 11.84411

15.20081 10.47339 9.796291 8.034344 10.31733 11.32465 11.79765 11.61845 12.38238 12.33405

Period

S.E.

DEKSPOR

DICP

1 2 3 4 5 6 7 8 9

5021.810 8988.774 12646.72 15152.67 17126.49 18711.19 20192.74 21250.38 22024.92

11.96730 27.36802 30.11109 30.77974 30.41210 28.94121 28.14913 28.41527 29.39777

0.091204 0.037314 0.050418 0.964015 4.537093 9.841959 13.82321 15.23774 15.37171

15.95126 13.76882 12.62630 11.07451 10.06641 9.382584 8.661843 8.360368

3.710075 3.732028 3.970490 4.542393 5.639870 7.110527 8.103294 8.895449

40.00975 34.10016 31.63346 28.40719 27.92558 26.50363 25.65458 24.52325

Variance Decomposition of DLIFTING: DIMPOR DINFLASI DKURS 0.957704 0.865728 1.463409 2.277379 4.629096 5.423513 8.006153 7.887598 8.020941 7.977879

2.613271 3.612115 6.813223 11.34317 9.630108 9.102367 8.505772 8.446109 8.305721 8.245733

1.462299 1.047656 6.199989 7.652739 7.002308 7.321844 8.932014 10.01750 9.837039 9.769225

Variance Decomposition of DPDB: DIMPOR DINFLASI DKURS 10.63634 11.13409 10.25866 8.349243 6.775379 5.734995 5.180500 5.112748 5.028269

0.268815 1.923789 6.114526 10.66067 12.60603 13.31872 13.64638 13.84108 13.71647

0.218876 0.072537 0.037436 0.107022 0.099080 0.086386 0.074252 0.067387 0.085999

2.152112 5.876605 6.033180 7.808131 8.037894 8.407878 8.503182 8.665312

1.406206 1.543988 1.465118 1.360020 1.352578 1.283283 1.437961 1.560103

0.649933 1.979396 3.492805 3.975577 5.075516 5.449103 5.765761 6.597911

DLIFTING

DPDB

DPPHSA

79.23635 69.70637 60.24618 51.77773 44.16262 41.11149 38.31234 37.77163 37.14051 36.87664

0.000000 8.297472 9.063542 7.155505 6.766019 7.812297 7.667333 7.629508 7.521027 7.776856

0.000000 5.010134 4.242727 5.600888 5.817103 5.683299 5.306189 5.254232 5.159902 5.175514

DLIFTING

DPDB

DPPHSA

8.654349 9.517826 12.05606 13.13212 12.99115 12.47377 12.43572 12.78757 13.33130

68.16311 49.12565 40.52464 34.13327 29.86705 26.14805 22.77174 20.75909 19.50340

0.000000 0.820782 0.847171 1.873925 2.712121 3.454902 3.919069 3.779118 3.565074

10

22736.60

30.65493

15.12251

Period

S.E.

DEKSPOR

DICP

1 2 3 4 5 6 7 8 9 10

5.19E+11 5.64E+11 5.96E+11 6.31E+11 6.41E+11 6.66E+11 7.09E+11 7.24E+11 7.50E+11 7.57E+11

0.053129 0.521827 1.639013 1.727393 1.792053 2.625765 4.047344 4.206808 6.464597 6.979369

8.551550 13.88016 15.46577 13.77144 14.40221 16.33354 20.48006 20.68335 19.35088 19.18272

4.832944

13.32037

0.080813

Variance Decomposition of DPPHSA: DIMPOR DINFLASI DKURS 1.678194 1.435555 1.453042 9.089841 8.938442 10.38890 9.240315 10.82375 11.34483 11.15547

0.985443 0.947728 3.154504 3.633393 3.557573 3.305424 3.927667 3.941793 4.322552 4.595573

3.010818 5.273999 5.355724 5.018769 4.875111 4.670880 4.469203 4.293583 4.312396 4.242122

13.77817

18.83441

3.375850

DLIFTING

DPDB

DPPHSA

12.92275 13.45540 13.58230 12.55144 12.66847 11.83170 10.67673 10.37448 11.14985 11.24064

0.010164 2.738982 4.008161 4.359783 5.453908 5.244217 5.317581 5.378822 5.444151 5.675783

72.78795 61.74635 55.34148 49.84794 48.31223 45.59957 41.84110 40.29742 37.61073 36.92832

Cholesky Ordering: DEKSPOR DICP DIMPOR DINFLASI DKURS DLIFTING DPDB DPPHSA

Lampiran: 6/1-8 Ba ckca s ti ng PPh Pa s a l 25/29 obs

DPPHSA_0

Indeks

Ta ks i ra n PPh25/29

PPh25/29_Rea l

% Sel i s i h

s ea s ona l 2009M06

8,777,636,000,000.00

0.893469253

7,842,547,878,495.75

6,794,002,547,692.00

2009M07

7,410,489,000,000.00

0.980462899

7,265,709,531,602.47

7,183,627,262,428.00

1.14%

2009M08

7,454,276,000,000.00

0.833337169

6,211,925,257,806.96

6,374,372,818,755.00

-2.55%

2009M09

7,649,973,000,000.00

0.831546087

6,361,305,112,737.46

6,459,767,530,112.00

-1.52%

2009M10

7,706,829,000,000.00

0.850124317

6,551,762,738,403.82

6,566,367,177,370.00

-0.22%

2009M11

7,885,147,000,000.00

0.891841155

7,032,298,608,288.27

7,183,473,857,838.00

-2.10%

2009M12

7,983,578,000,000.00

1.250093665

9,980,220,284,989.68

10,704,258,898,145.00

-6.76%

2010M01

8,096,663,000,000.00

0.746704589

6,045,815,417,516.14

5,555,331,987,554.00

8.83%

2010M02

8,024,465,000,000.00

0.853168358

6,846,219,629,150.03

7,010,854,598,829.00

-2.35%

2010M03

8,021,938,000,000.00

1.012769551

8,124,374,544,958.59

8,324,271,171,406.00

-2.40%

2010M04

7,970,378,000,000.00

2.96484701

23,630,951,381,247.40

26,153,797,691,680.00

-9.65%

2010M05

8,202,849,000,000.00

0.908600893

7,453,115,929,442.04

7,780,892,050,247.00

-4.21%

2010M06

8,390,854,000,000.00

0.893469253

7,496,970,053,949.33

7,022,077,404,392.00

6.76%

2010M07

8,320,251,000,000.00

0.980462899

8,157,697,419,971.21

9,085,480,652,264.00

-10.21%

2010M08

8,349,564,000,000.00

0.833337169

6,958,002,025,049.21

7,257,936,842,870.00

-4.13%

2010M09

8,403,247,000,000.00

0.831546087

6,987,687,159,771.12

7,350,082,201,176.00

-4.93%

2010M10

8,564,581,000,000.00

0.850124317

7,280,958,571,397.04

7,458,196,950,348.00

-2.38%

2010M11

8,787,845,000,000.00

0.891841155

7,837,361,835,277.52

8,000,912,830,792.00

-2.04%

2010M12

8,895,952,000,000.00

1.250093665

11,120,773,242,861.10

9,284,448,040,157.00

19.78%

2011M01

8,932,776,000,000.00

0.746704589

6,670,144,831,521.11

7,173,382,236,108.00

-7.02%

2011M02

8,988,801,000,000.00

0.853168358

7,668,960,590,983.12

7,599,836,997,058.00

0.91%

2011M03

9,113,428,000,000.00

1.012769551

9,229,802,381,982.12

9,097,932,767,109.00

1.45%

2011M04

9,300,302,000,000.00

2.96484701

27,573,972,576,070.80

26,864,325,337,162.00

2.64%

2011M05

9,462,494,000,000.00

0.908600893

8,597,630,501,750.03

8,351,642,567,156.00

2.95%

2011M06

9,543,467,000,000.00

0.893469253

8,526,794,329,856.49

8,773,787,514,060.00

-2.82%

2011M07

9,597,485,000,000.00

0.980462899

9,409,977,970,942.50

9,557,838,318,959.00

-1.55%

2011M08

9,696,745,000,000.00

0.833337169

8,080,658,025,543.11

8,500,993,361,645.00

-4.94%

2011M09

9,855,054,000,000.00

0.831546087

8,194,931,589,497.61

8,353,545,071,812.00

-1.90%

2011M10

10,016,800,000,000.00

0.850124317

8,515,525,256,631.92

8,792,667,961,292.00

-3.15%

2011M11

10,126,940,000,000.00

0.891841155

9,031,621,866,810.96

8,887,684,664,588.00

1.62%

2011M12

10,194,350,000,000.00

1.250093665

12,743,892,357,823.10

14,265,318,881,581.00

-10.67%

2012M01

10,271,300,000,000.00

0.746704589

7,669,626,844,779.58

7,891,307,104,708.00

-2.81%

2012M02

10,392,220,000,000.00

0.853168358

8,866,313,275,021.51

9,127,290,036,188.00

-2.86%

2012M03

10,534,140,000,000.00

1.012769551

10,668,656,236,065.40

11,033,825,421,570.00

-3.31%

2012M04

10,652,170,000,000.00

2.96484701

31,582,054,373,679.90

30,601,334,838,945.00

3.20%

2012M05

10,731,880,000,000.00

0.908600893

9,750,995,755,360.18

9,778,411,420,425.00

-0.28%

2012M06

10,800,040,000,000.00

0.893469253

9,649,503,669,287.40

9,958,165,617,885.00

-3.10%

2012M07

10,891,770,000,000.00

0.980462899

10,678,976,394,813.10

10,596,252,143,456.00

0.78%

2012M08

11,009,260,000,000.00

0.833337169

9,174,425,559,741.00

9,799,605,358,044.00

-6.38%

2012M09

11,123,050,000,000.00

0.831546087

9,249,328,701,452.21

9,691,554,108,170.00

-4.56%

2012M10

11,209,290,000,000.00

0.850124317

9,529,290,003,185.81

9,944,873,855,350.00

-4.18%

2012M11

11,275,310,000,000.00

0.891841155

10,055,785,494,045.80

9,907,351,037,986.00

1.50%

2012M12

11,347,770,000,000.00

1.250093665

14,185,775,393,363.40

12,649,263,893,761.00

12.15%

RATA-RATA SELISIH

15.43%

-0.83%

Lampiran: 6/2-8 Ba ckca s ti ng Eks por obs

DEKSPOR_0

Eks por Ri i l

2009M06

8,174.66

2009M07

9,053.97

9,684.15

-6.51%

2009M08

9,149.81

10,543.78

-13.22%

2009M09

9,861.04

9,842.57

0.19%

2009M10

10,419.31

12,242.67

-14.89%

2009M11

10,642.50

10,758.80

-1.08%

2009M12

10,567.21

11,245.29

-6.03%

2010M01

10,819.58

11,595.87

-6.69%

2010M02

11,690.13

11,166.45

4.69%

2010M03

12,164.38

12,774.40

-4.78%

2010M04

12,614.33

12,035.20

4.81%

2010M05

12,569.61

12,656.64

-0.69%

2010M06

12,687.45

12,330.10

2.90%

2010M07

13,304.83

12,486.90

6.55%

2010M08

13,886.39

13,726.50

1.16%

2010M09

14,274.07

12,181.60

17.18%

2010M10

14,402.76

14,399.60

0.02%

2010M11

14,476.20

15,633.30

-7.40%

2010M12

14,726.99

16,829.90

-12.50%

2011M01

15,145.43

14,606.20

3.69%

2011M02

15,488.62

14,415.30

7.45%

2011M03

15,624.09

16,366.00

-4.53%

2011M04

15,620.35

16,554.20

-5.64%

2011M05

15,667.93

18,287.40

-14.32%

2011M06

15,873.44

18,386.90

-13.67%

2011M07

16,117.27

17,418.50

-7.47%

2011M08

16,233.68

18,647.80

-12.95%

2011M09

16,197.25

17,543.40

-7.67%

2011M10

16,145.33

16,957.70

-4.79%

2011M11

16,196.33

17,235.50

-6.03%

2011M12

16,323.39

17,077.70

-4.42%

2012M01

16,406.29

15,570.07

5.37%

2012M02

16,373.92

15,695.44

4.32%

2012M03

16,284.46

17,251.52

-5.61%

2012M04

16,241.22

16,173.19

0.42%

2012M05

16,273.67

16,829.55

-3.30%

2012M06

16,315.95

15,441.46

5.66%

2012M07

16,291.24

16,090.60

1.25%

2012M08

16,199.83

14,047.01

15.33%

2012M09

16,110.86

15,898.12

1.34%

2012M10

16,077.02

15,324.00

4.91%

2012M11

16,078.08

16,316.90

-1.46%

2012M12

16,053.06

15,393.90

4.28%

. RATA-RATA SELISIH

9,381.48

% Sel i s i h -12.86%

-2.02%

Lampiran: 6/3-8 Ba ckca s ti ng ICP obs

DICP_0

ICP Ri i l

% Sel i s i h

2009M06

52.82

68.91

-23.35%

2009M07

61.02

64.85

-5.90%

2009M08

69.71

72.50

-3.85%

2009M09

69.32

67.07

3.35%

2009M10

66.75

72.53

-7.97%

2009M11

65.28

77.08

-15.31%

2009M12

65.82

75.58

-12.91%

2010M01

67.82

77.33

-12.29%

2010M02

72.66

74.05

-1.88%

2010M03

75.20

78.71

-4.46%

2010M04

75.44

85.54

-11.81%

2010M05

78.38

77.02

1.77%

2010M06

81.94

75.27

8.86%

2010M07

85.20

73.75

15.53%

2010M08

87.39

75.97

15.04%

2010M09

88.36

76.76

15.11%

2010M10

89.89

82.30

9.22%

2010M11

92.28

85.10

8.43%

2010M12

94.71

91.37

3.66%

2011M01

96.74

97.09

-0.36%

2011M02

98.25

103.30

-4.89%

2011M03

99.43

113.10

-12.09%

2011M04

100.83

123.40

-18.29%

2011M05

102.52

115.10

-10.93%

2011M06

104.09

113.90

-8.61%

2011M07

105.15

117.15

-10.24%

2011M08

105.79

111.67

-5.26%

2011M09

106.46

111.00

-4.09%

2011M10

107.44

109.25

-1.66%

2011M11

108.55

112.90

-3.85%

2011M12

109.41

110.70

-1.17%

2012M01

109.91

115.91

-5.18%

2012M02

110.32

122.17

-9.70%

2012M03

110.90

128.14

-13.46%

2012M04

111.64

124.63

-10.43%

2012M05

112.29

113.76

-1.29%

2012M06

112.69

99.08

13.74%

2012M07

112.92

102.88

9.76%

2012M08

113.20

111.72

1.33%

2012M09

113.62

111.02

2.34%

2012M10

114.08

109.85

3.85%

2012M11

114.40

106.68

7.23%

2012M12

114.55

106.90

7.16%

RATA-RATA SELISIH

-2.21%

Lampiran: 6/4-8 Ba ckca s ti ng Impor obs

DIMPOR_0

Impor Ri i l

% Sel i s i h

2009M06

6,591.72

7,935.47

-16.93%

2009M07

7,256.73

8,683.34

-16.43%

2009M08

8,066.00

9,707.30

-16.91%

2009M09

8,822.89

8,516.60

3.60%

2009M10

9,344.65

9,430.13

-0.91%

2009M11

9,393.90

8,861.10

6.01%

2009M12

8,855.23

9,156.50

-3.29%

2010M01

8,820.77

9,490.46

-7.06%

2010M02

9,883.59

9,498.14

4.06%

2010M03

10,315.82

10,972.60

-5.99%

2010M04

10,337.54

11,235.80

-7.99%

2010M05

10,459.46

9,980.35

4.80%

2010M06

10,584.68

11,760.00

-9.99%

2010M07

11,079.33

12,625.90

-12.25%

2010M08

11,668.77

12,171.60

-4.13%

2010M09

11,988.81

9,654.10

24.18%

2010M10

12,120.30

12,120.00

0.00%

2010M11

12,196.25

13,007.60

-6.24%

2010M12

12,409.93

13,146.70

-5.60%

2011M01

12,854.69

12,558.70

2.36%

2011M02

13,273.87

11,749.90

12.97%

2011M03

13,459.98

14,486.20

-7.08%

2011M04

13,510.77

14,888.20

-9.25%

2011M05

13,643.40

14,825.90

-7.98%

2011M06

13,950.61

15,072.10

-7.44%

2011M07

14,301.29

16,207.30

-11.76%

2011M08

14,520.39

15,075.40

-3.68%

2011M09

14,591.61

15,169.10

-3.81%

2011M10

14,658.01

15,533.40

-5.64%

2011M11

14,837.34

15,393.90

-3.62%

2011M12

15,095.15

16,475.60

-8.38%

2012M01

15,311.39

14,554.62

5.20%

2012M02

15,417.35

14,866.79

3.70%

2012M03

15,467.11

16,325.66

-5.26%

2012M04

15,566.42

16,937.88

-8.10%

2012M05

15,745.73

17,036.76

-7.58%

2012M06

15,935.92

16,727.52

-4.73%

2012M07

16,057.98

16,354.45

-1.81%

2012M08

16,111.76

13,813.88

16.63%

2012M09

16,168.30

15,348.56

5.34%

2012M10

16,281.90

17,207.90

-5.38%

2012M11

16,430.61

16,935.00

-2.98%

2012M12

16,550.96

15,582.00

6.22%

RATA-RATA SELISIH

-2.86%

Lampiran: 6/5-8 Ba ckca s ti ng Infl a s i obs

DINFLASI_0

Infl a s i Ri i l

% Sel i s i h

2009M06

7.02

5.56

26.14%

2009M07

6.50

4.91

32.47%

2009M08

5.48

4.84

13.15%

2009M09

4.97

4.86

2.42%

2009M10

4.93

4.52

8.98%

2009M11

4.73

4.29

10.19%

2009M12

4.54

4.28

6.26%

2010M01

4.35

4.43

-1.86%

2010M02

4.22

3.88

8.87%

2010M03

4.23

3.56

18.76%

2010M04

4.15

3.70

12.39%

2010M05

4.07

3.81

6.79%

2010M06

4.10

3.97

3.45%

2010M07

4.17

4.15

0.57%

2010M08

4.19

4.24

-1.17%

2010M09

4.16

4.02

3.39%

2010M10

4.14

4.19

-1.08%

2010M11

4.18

4.31

-3.08%

2010M12

4.24

4.28

-0.98%

2011M01

4.28

4.18

2.39%

2011M02

4.28

4.36

-1.78%

2011M03

4.27

4.45

-4.14%

2011M04

4.28

4.62

-7.34%

2011M05

4.32

4.64

-6.95%

2011M06

4.36

4.63

-5.78%

2011M07

4.37

4.55

-4.04%

2011M08

4.36

5.15

-15.38%

2011M09

4.35

4.93

-11.84%

2011M10

4.36

4.43

-1.47%

2011M11

4.39

4.44

-1.14%

2011M12

4.40

4.34

1.39%

2012M01

4.39

4.29

2.40%

2012M02

4.37

4.31

1.55%

2012M03

4.37

4.25

2.74%

2012M04

4.38

4.24

3.47%

2012M05

4.39

4.14

5.99%

2012M06

4.38

4.15

5.51%

2012M07

4.36

4.28

1.91%

2012M08

4.35

4.16

4.49%

2012M09

4.35

4.12

5.56%

2012M10

4.35

4.59

-5.20%

2012M11

4.35

4.40

-1.25%

2012M12

4.33

4.40

-1.62%

RATA-RATA SELISIH

2.68%

Lampiran: 6/6-8 Ba ckca s ti ng Kurs obs

DKURS_0

Kurs Ri i l

% Sel i s i h

2009M06

10,996.44

10,207.00

7.73%

2009M07

10,450.94

10,111.00

3.36%

2009M08

10,270.95

9,788.00

4.93%

2009M09

10,069.28

9,901.00

1.70%

2009M10

9,891.66

9,483.00

4.31%

2009M11

9,735.04

9,469.00

2.81%

2009M12

9,550.66

9,458.00

0.98%

2010M01

9,451.88

9,275.45

1.90%

2010M02

9,344.71

9,348.21

-0.04%

2010M03

9,265.31

9,173.73

1.00%

2010M04

9,223.43

9,027.33

2.17%

2010M05

9,145.53

9,183.21

-0.41%

2010M06

9,072.16

9,148.36

-0.83%

2010M07

8,992.61

9,049.00

-0.62%

2010M08

8,939.55

8,973.45

-0.38%

2010M09

8,918.06

8,975.79

-0.64%

2010M10

8,896.21

8,929.00

-0.37%

2010M11

8,873.14

8,938.00

-0.73%

2010M12

8,844.71

9,023.00

-1.98%

2011M01

8,825.32

9,037.00

-2.34%

2011M02

8,826.37

8,913.00

-0.97%

2011M03

8,838.54

8,761.00

0.89%

2011M04

8,849.80

8,651.00

2.30%

2011M05

8,854.92

8,556.00

3.49%

2011M06

8,860.33

8,564.00

3.46%

2011M07

8,878.55

8,533.24

4.05%

2011M08

8,910.23

8,532.00

4.43%

2011M09

8,945.08

8,765.50

2.05%

2011M10

8,975.14

8,895.24

0.90%

2011M11

9,001.55

9,015.00

-0.15%

2011M12

9,033.01

9,088.00

-0.61%

2012M01

9,073.80

9,109.14

-0.39%

2012M02

9,119.16

9,025.76

1.03%

2012M03

9,161.79

9,165.33

-0.04%

2012M04

9,199.58

9,175.50

0.26%

2012M05

9,237.41

9,292.18

-0.59%

2012M06

9,280.48

9,451.14

-1.81%

2012M07

9,328.30

9,456.59

-1.36%

2012M08

9,375.86

9,499.84

-1.31%

2012M09

9,419.47

9,566.35

-1.54%

2012M10

9,460.66

9,597.13

-1.42%

2012M11

9,503.67

9,616.48

-1.17%

2012M12

9,550.25

9,645.89

-0.99%

RATA-RATA SELISIH

0.77%

Lampiran: 6/7-8 Ba ckca s ti ng Li fti ng obs

DLIFTING_0

Li fti ng Ri i l

% Sel i s i h

2009M06

937.50

911.60

2.84%

2009M07

902.45

926.65

-2.61%

2009M08

938.59

933.30

0.57%

2009M09

917.37

976.18

-6.02%

2009M10

967.90

962.45

0.57%

2009M11

964.73

915.38

5.39%

2009M12

901.06

1,109.38

-18.78%

2010M01

978.27

782.43

25.03%

2010M02

984.99

954.75

3.17%

2010M03

947.11

994.41

-4.76%

2010M04

956.47

920.59

3.90%

2010M05

936.56

990.53

-5.45%

2010M06

939.22

971.62

-3.33%

2010M07

946.43

920.63

2.80%

2010M08

939.55

875.10

7.36%

2010M09

936.08

989.40

-5.39%

2010M10

932.37

912.46

2.18%

2010M11

927.80

1,026.23

-9.59%

2010M12

927.59

952.89

-2.65%

2011M01

929.93

772.27

20.41%

2011M02

926.68

892.00

3.89%

2011M03

919.02

954.34

-3.70%

2011M04

912.81

865.40

5.48%

2011M05

910.94

834.51

9.16%

2011M06

910.75

976.32

-6.72%

2011M07

908.78

877.37

3.58%

2011M08

903.16

878.80

2.77%

2011M09

896.83

971.74

-7.71%

2011M10

893.45

858.19

4.11%

2011M11

891.72

948.46

-5.98%

2011M12

889.55

968.38

-8.14%

2012M01

885.33

790.45

12.00%

2012M02

879.47

884.37

-0.55%

2012M03

874.52

862.20

1.43%

2012M04

871.50

860.81

1.24%

2012M05

869.17

842.91

3.12%

2012M06

865.79

852.93

1.51%

2012M07

860.92

813.55

5.82%

2012M08

855.92

872.14

-1.86%

2012M09

852.22

848.63

0.42%

2012M10

849.63

823.96

3.12%

2012M11

846.78

906.99

-6.64%

2012M12

842.81

948.94

-11.18%

RATA-RATA SELISIH

0.48%

Lampiran: 6/8-8 Ba ckca s ti ng PDB obs

DPDB_0

PDB Ri i l

% Sel i s i h

2009M06

451,341.10

468,475.94

-3.66%

2009M07

459,073.70

481,669.42

-4.69%

2009M08

468,400.10

487,103.09

-3.84%

2009M09

475,206.20

489,436.89

-2.91%

2009M10

482,081.40

481,643.83

0.09%

2009M11

488,546.60

483,048.08

1.14%

2009M12

492,514.00

486,622.69

1.21%

2010M01

495,311.80

493,694.11

0.33%

2010M02

497,890.10

500,614.57

-0.54%

2010M03

502,043.00

508,710.52

-1.31%

2010M04

507,802.00

519,631.26

-2.28%

2010M05

514,897.20

528,841.24

-2.64%

2010M06

522,658.00

537,989.75

-2.85%

2010M07

529,317.30

550,524.96

-3.85%

2010M08

535,528.80

556,964.40

-3.85%

2010M09

542,236.40

560,756.24

-3.30%

2010M10

549,561.20

555,307.51

-1.03%

2010M11

557,051.00

558,748.89

-0.30%

2010M12

563,729.90

564,487.39

-0.13%

2011M01

569,696.30

575,567.67

-1.02%

2011M02

575,911.40

583,616.95

-1.32%

2011M03

582,858.70

591,679.87

-1.49%

2011M04

590,232.70

598,052.88

-1.31%

2011M05

597,337.50

607,420.76

-1.66%

2011M06

603,822.90

618,079.96

-2.31%

2011M07

610,049.30

637,535.12

-4.31%

2011M08

616,528.70

645,148.49

-4.44%

2011M09

623,320.40

648,424.69

-3.87%

2011M10

630,013.40

638,348.04

-1.31%

2011M11

636,216.50

639,711.69

-0.55%

2011M12

642,008.60

643,499.95

-0.23%

2012M01

647,795.30

652,059.18

-0.65%

2012M02

653,824.60

658,936.89

-0.78%

2012M03

659,925.00

666,479.44

-0.98%

2012M04

665,743.50

675,691.71

-1.47%

2012M05

671,166.90

683,810.27

-1.85%

2012M06

676,410.20

691,839.99

-2.23%

2012M07

681,732.20

704,530.51

-3.24%

2012M08

687,137.80

708,820.37

-3.06%

2012M09

692,399.10

709,459.18

-2.40%

2012M10

697,339.90

706,446.95

-1.29%

2012M11

702,027.10

699,783.68

0.32%

2012M12

706,666.60

689,469.37

2.49%

RATA-RATA SELISIH

-1.71%

Lampiran: 7

Rata-Rata Penyimpangan Estimasi PPh Pasal 29 dengan Realisasinya

2009M11 2010M01 2010M02 2010M03 2010M04 Total

2010M11 2011M01 2011M02 2011M03 2011M04 Total

2011M11 2012M01 2012M02 2012M03 2012M04 Total

Est. PPh25/29 Est. PPh29 Aktual PPh 25/29 Aktual PPh29 Selisih 7,032,298,608,288.27 7,183,473,857,838.00 6,045,815,417,516.14 -986,483,190,772.13 5,555,331,987,554.00 -1,628,141,870,284.00 6,846,219,629,150.03 -186,078,979,138.25 7,010,854,598,829.00 -172,619,259,009.00 8,124,374,544,958.59 1,092,075,936,670.31 8,324,271,171,406.00 1,140,797,313,568.00 23,630,951,381,247.40 16,598,652,772,959.10 26,153,797,691,680.00 18,970,323,833,842.00 16,518,166,539,719.00 18,310,360,018,117.00 -9.79%

7,837,361,835,277.52 8,000,912,830,792.00 6,670,144,831,521.11 -1,167,217,003,756.42 7,173,382,236,108.00 -827,530,594,684.00 7,668,960,590,983.12 -168,401,244,294.40 7,599,836,997,058.00 -401,075,833,734.00 9,229,802,381,982.12 1,392,440,546,704.59 9,097,932,767,109.00 1,097,019,936,317.00 27,573,972,576,070.80 19,736,610,740,793.20 26,864,325,337,162.00 18,863,412,506,370.00 19,793,433,039,447.00 18,731,826,014,269.00

5.67%

8,194,931,589,497.61 8,353,545,071,812.00 7,669,626,844,779.58 -525,304,744,718.03 7,891,307,104,708.00 -462,237,967,104.00 8,866,313,275,021.51 671,381,685,523.90 9,127,290,036,188.00 773,744,964,376.00 10,668,656,236,065.40 2,473,724,646,567.80 11,033,825,421,570.00 2,680,280,349,758.00 31,582,054,373,679.90 23,387,122,784,182.30 30,601,334,838,945.00 22,247,789,767,133.00 26,006,924,371,555.90 25,239,577,114,163.00

3.04%

Lampiran: 8

Indeks Seasonal PPhPasal 25/29

Date: 10/06/13 Time: 20:16 Sample: 2009M01 2012M12 Included observations: 48 Ratio to Moving Average Original Series: PPH Adjusted Series: PPHSA Scaling Factors: 1 2 3 4 5 6 7 8 9 10 11 12

0.7467045889789595 0.8531683581584606 1.012769550819097 2.964847009921916 0.9086008933532784 0.8934692528256756 0.9804628994932015 0.8333371688688435 0.8315460868603678 0.8501243168109501 0.8918411550587808 1.250093665395357

ESTIMASI PENDAPATAN PAJAK PENGHASILAN ORANG PRIBADI DAN BADAN BASIS AKRUAL Formulasi dengan Menggunakan Model Statistik

Recommend Documents