BAB III KERANGKA KONSEPTUAL DAN HIPOTESIS 3.1 Kerangka

BAB III
KERANGKA KONSEPTUAL DAN HIPOTESIS
3.1 Kerangka Konsep
Berdasarkan landasan teori dan rumusan masalah penelitian, dapat dilihat
gambaran dalam penelitian ini sebagai berikut :
Jumlah Wajib Pajak
(X1)
Jumlah Penduduk
(X2)
Penerimaan Pajak
Parkir
(Y)
Jumlah Kenderaan
(X3)
Jumlah Inflasi
(X4)
PDRB
(Z)
Gambar 3.1 Kerangka Konseptual
3.1.1 Jumlah Wajib Pajak Berpengaruh Terhadap Penerimaan Pajak Parkir
Jumlah wajib pajak yang besar pada suatu daerah, diharapkan mampu
untuk menambah realisasi penerimaan pajak parkir. Hal ini dapat dijadikan
sebuah dugaan bahwa semakin besar jumlah wajib pajak, akan semakin tinggi
pula penerimaan pajak parkir.
30
Universitas Sumatera Utara
3.1.2 Jumlah Penduduk Berpengaruh Terhadap Penerimaan Pajak Parkir
Jumlah penduduk suatu daerah diharapkan mampu mendorong aktivitas
dan mobilitas kendaraan yang terjadi di suatu daerah, yang pada akhirnya akan
berdampak pula pada penerimaan pajak parkir di daerah tersebut. Sehingga dapat
dijadikan hipotesis bahwa jumlah penduduk berpengaruh terhadap penerimaan
pajak parkir.
3.1.3 Jumlah kenderaan Berpengaruh Terhadap Penerimaan Pajak Parkir
Jumlah kendaraan yang besar di suatu daerah, diharpakan mampu untuk
meningkatkan penerimaan pajak parkir suatu daerah. Hal ini dikarenakan
kendaraan yang banyak, akan membutuhkan lahan parkir yang banyak pula.
Dengan demikian, dapat diduga bahwa jumlah kendaraan berpengaruh terhadap
inflasi.
3.1.4 Inflasi Berpengaruh Terhadap Penerimaan Pajak Parkir
Laju inflasi dapat mempengaruhi kondisi perekonomian suatu daerah.
Inflasi yang tinggi akan menyebabkan kenaikan harga dan menurunnya daya beli
masyarakat. Hal ini akan berdampak pada pendapatan masyarakat itu sendiri,
yang pada akhirnya memiliki implikasi pada penerimaan pajak yang akan diterima
oleh negara. Oleh karena itu, dapat diambil dugaan bahwa inflasi berpengaruh
terhadap penerimaan pajak parkir.
3.1.5 PDRB Mampu Memoderasi Jumlah Wajib Pajak, Jumlah Penduduk,
Jumlah Kenderaan dan Inflasi dengan Penerimaan Pajak Parkir
PDRB merupakan salah satu indikator pertumbuhan ekonomi di suatu
daerah. Perumbuhan ekonomi di suatu daerah dinilai dapat berdampak terhadap
31
Universitas Sumatera Utara
hubungan antara wajib pajak, jumlah penduduk, jumlah kendaraan dan inflasi
terhadap penerimaan pajak parkir, sehingga dapat dibuat sebuah dugaan bahwa
PDRB mampu memoderasi hubungan antara wajib
pajak,
jumlah
penduduk,
jumlah kendaraan dan Jumlah Inflasi terhadap penerimaan pajak parkir.
3.2 Hipotesis Penelitian
Berdasarkan kerangka konseptual yang telah dikemukakan di atas, maka
hipotesis penelitian dapat dirumuskan sebagai berikut :
H1
: Jumlah wajib pajak, jumlah penduduk, jumlah kendaraan dan Jumlah
Inflasi berpengaruh secara simultan dan parsial terhadap penerimaan
pajak parkir di Kota Medan.
H2
: PDRB mampu memoderasi pengaruh jumlah wajib pajak, jumlah
penduduk, jumlah kendaraan dan Jumlah Inflasi terhadap terhadap
penerimaan pajak parkir di Kota Medan.
32
Universitas Sumatera Utara
BAB IV
METODE PENELITIAN
4.1 Jenis Penelitian
Penelitian ini adalah penelitian pengujian hipotesis (hypothesis testing)
yang bertujuan untuk menguji hipotesis yang diajukan oleh peneliti mengenai
pengaruh jumlah wajib pajak, jumlah penduduk, jumlah kendaraan dan Jumlah
Inflasi terhadap penerimaan pajak parkir, dengan PDRB sebagai variabel
moderating. Menurut Sekaran (2006), pengujian hipotesis harus dapat
menjelaskan sifat dari hubungan tertentu, memahami perbedaan antar kelompok
atau independensi dua variabel atau lebih.
4.2 Lokasi Penelitian
Lokasi dalam penilitian ini dilakukan di pemerintah kota medan yang
melaksanakan tugas penerimaan pendapatan yakni dinas pendapatan kota Medan
(DISPENDA) yang beralamat di Jl. Jend. Besar A.H. Nasution No. 32
Medan, Sumatera Utara, Indonesia 20143. Adapun waktu penelitian ini yaitu
pada Bulan Desember 2016 hingga Januari 2017.
4.3 Populasi dan Sampel
Di dalam penelitian ini menggunakan pengamatan data penerimaan pajak
parkir selama 3 tahun dengan pengamatan bulanan (Time Series), sehinga
pengamatan yang diperoleh menjadi 36 bulan yakni dari bulan Januari 2013Desember 2015. Data yang digunakan berupa data sekunder laporan penerimaan
pajak parkir, jumlah wajib pajak parkir, jumlah kendraan, jumlah penduduk
Jumlah Inflasi dan PDRB harga berlaku di kota Medan.
33
Universitas Sumatera Utara
4.4 Metode Pengumpulan Data
Metode dalam pengumpulan data penelitian ini adalah data sekunder dan
teknik yang digunakan dalam pengumpulan data tersebut adalah dengan teknik
dokumentasi, yakni melakukan pencatatan dan pengkopian atas data-data
sekunder yang diperoleh dari Dinas Pendapatan Kota Medan, Dinas Pendapatan
pemerintah Sumatera Utara dan Badan Pusat Statistik Kota Medan. Data yang
diperoleh dalam penelitian ini adalah laporan penerimaan pajak parkir di Kota
Medan, Jumlah Kenderaan, Jumlah Wajib Pajak Parkir, Jumlah Inflasi, jumlah
penduduk dan PDRB harga berlaku.
4.5. Definisi Operasional Variabel dan Metode Pengukuran Variabel
4.5.1
Jumlah Wajib Pajak.
Jumlah wajib pajak merupakan jumlah total dari orang pribadi ataupun
badan yang menurut ketentuan pajak ditentukan untuk melakukan kewajiban
pajak. Dalam konteks pajak parkir, maka jumlah wajib pajak parkir diukur
melalui nilai logaritma natural dari jumlah wajib pajak parkir yang terdapat di
Kota Medan.
4.5.2 Jumlah Penduduk.
Penduduk menurut Badan Pusat Statistik (BPS) adalah semua orang yang
berdomisili di wilayah geografis suatu daerah selama 6 bulan atau lebih dan/atau
mereka yang berdomisili kurang dari 6 bulan tetapi bertujuan untuk menetap.
Pengukuran yang digunakan adalah nilai logaritma natural (Ln) dari jumlah
penduduk di Kota Medan.
34
Universitas Sumatera Utara
4.5.3 Jumlah Kenderaan.
Jumlah kendaraan adalah jumlah dari seluruh kendaraan bermotor di kota
Medan yang teregistrasi dan terdaftar dalam pencatatan data Dinas Pendapatan
Pemerintah Provinsi Sumatera Utara. Pengukuran yang digunakan adalah nilai
logaritma natural dari jumlah kendaraan.
4.5.4 Inflasi.
Inflasi adalah meningkatnya harga-harga secara umum dan terus-menerus
dalam periode tertentu. Data inflasi ditunjukkan dalam nilai presentase.
4.5.5 Penerimaan Pajak Parkir
Variabel dependen adalah variabel yang dijelaskan atau yang dipengaruhi
oleh variabel independen. Variabel dependen dalam penelitian ini adalah
penerimaan pajak parkir yang ada di Dinas Pendapatan Pemerintah Kota Medan.
Penerimaan pajak parkir adalah pembayaran atau iuran yang diterima dari orang
pribadi atau badan melalui pemotongan pajak atas jasa parkir. Pengukuran
penerimaan pajak parkir dapat diukur melalui nilai logaritma natural dari total
penerimaan pajak parkir.
4.5.6 Produk Domestik Regional Bruto (PDRB)
Variabel moderating adalah variabel yang akan memperkuat atau
memperlemah hubungan antara variabel independen lainnya terhadap variabel
dependen. Variabel moderating dalam penelitian ini adalah PDRB. PDRB yang
dimaksud adalah jumlah nilai tambah barang dan jasa yang dihasilkan dari seluruh
kegiatan pekonomian di seluruh daerah dalam tahun tertentu atau periode tertentu.
PDRB diukur melalui nilai logaritma natural dari satuan rupiah PDRB. Dari
35
Universitas Sumatera Utara
uraian definisi operasional variable diatas dapat dilihat dalam bentuk tabel 4.1
dibawah ini:
Tabel 4.1
Definisi Operasional Variabel
Jenis
Variabel
Jumlah Wajib
Pajak
(X1)
Jumlah
Penduduk
(X2)
Jumlah
Kendaraan
(X3)
Inflasi
(X4)
Indikator
Skala
Pengukuran
Rasio
Jumlah Wajib Pajak (WP) adalah Orang Pribadi
atau Badan yang terdaftar dan memiliki Nomor
Pokok Wajib Pajak Daerah (NPWPD) menurut
ketentuan peraturan perundang-undangan
perpajakan yang ditentukan untuk melakukan
kewajiban perpajakan dibidang pajak parkir.
Jumlah
wajib pajak
parkir
Semua orang yang berdomisili di wilayah geografis
suatu daerah selama 6 bulan atau lebih dan/atau
mereka yang berdomisili kurang dari 6 bulan tetapi
bertujuan untuk menetap.
Jumlah dari seluruh kendaraan bermotor yang
teregistrasi dalam pencatatan data Dinas Pendapatan
Daerah.
Jumlah
penduduk
Rasio
Jumlah
kendaraan
Rasio
Laju inflasi
Rasio
Penerimaan
pajak parkir
Rasio
PDRB
Rasio
Tingkat kenaikan harga-harga secara umum dan
terus-menerus dalam periode tertentu.
Penerimaan
Pajak Parkir
(Y)
PDRB
(Z)
Definisi
Pembayaran yang diterima dari wajib pajak parkir
orang pribadi atau badan melalui pemotongan pajak
atas jasa parkir yang digunakan.
Jumlah nilai tambah barang dan jasa yang dihasilkan
dari seluruh kegiatan pekonomian di seluruh daerah
dalam tahun tertentu atau periode tertentu.
4.6. Metode Analisis Data
Metode analisis data yang digunakan adalah teknik analisis statistik
dengan melakukan pengujian regresi berganda dari data sekunder. Peneliti
melakukan terlebih dahulu uji asumsi klasik sebelum melakukan uji hipotesis.
Kuncoro (2005) menyatakan bahwa ”satu di antara syarat mendasari penggunaan
model regresi adalah dipenuhinya semua asumsi klasik”, agar hasil pengujian
36
Universitas Sumatera Utara
bersifat tidak bias dan efisien dengan bantuan SPSS. Metode analisis data
menggunakan statistik deskriptif, uji asumsi klasik dan uji regresi berganda.
4.6.1 Statistik Deskriptif
Statistika deskriptif adalah metode-metode yang berkaitan dengan
pengumpulan dan penyajian suatu gugus data sehingga memberikan informasi
yang berguna. Statistika deskriptif hanya memberikan informasi mengenai data
yang dipunyai dan sama sekali tidak menarik inferensia atau kesimpulan apapun
tentang gugus induknya yang lebih besar. Contoh statistika deskriptif yang sering
muncul adalah nilai rata-rata (mean), standar deviasi, varian, maksimum,
minimum (Ghozali, 2013 : 19). Dengan Statistika deskriptif, kumpulan data yang
diperoleh akan tersaji dengan ringkas dan rapi serta dapat memberikan informasi
inti dari kumpulan data yang ada.
4.6.2 Uji Asumsi Klasik
Untuk melakukan uji asumsi klasik terhadap data skunder ini, maka peneliti
melakukan uji normalitas, uji multikolonieritas, dan uji autokeralasi.
a. Uji normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi,
variabel bebas dan variabel terikat keduanya mempunyai distribusi normal
ataukah tidak (Ghozali, 2013:35). Model regresi yang baik adalah memiliki
distribusi data normal atau mendekati normal. Pengujian normalitas dalam
penelitian ini menggunakan metode pengujian kolmogrov-smirnov dan diagram
histogram. Kriteria pengambilan keputusan adalah:
1. Jika nilai sig. atau probabilitas > 0,05, maka data berdistribusi normal.
2. Jika nilai sig. atau probabilitas < 0,05, maka data berdistribusi tidak normal.
37
Universitas Sumatera Utara
Hal tersebut juga dapat dilihat pada diagram histogram dimana dasar
pengambilan keputusan adalah apabila grafik histogram tidak condong ke kiri dan
ke kanan maka data penelitian berdistribusi normal, dan sebaliknya.
b. Uji Multikolinearitas
Uji multikolinearitas dilakukan dengan tujuan untuk mengetahui apakah
pada model regresi ditemukan korelasi antara variabel independen. Model regresi
yang baik adalah jika tidak ditemukannya korelasi antara variabel independen.
Untuk mendeteksi apakah suatu model regresi mengalami multikolinieritas, dapat
diperiksa menggunakan VIF. VIF merupakan singkatan dari Variance Inflation
Factor. Nilai VIF < 10 berarti tidak terjadi multikolinieritas yang serius di dalam
model regresi tersebut.
c. Uji Heterokedastisitas
Heterokedastisitas adalah varian residual yang tidak konstan pada regresi
sehingga akurasi hasil prediksi menjadi meragukan. Model yang digunkan adalah
dengan menggunakan grafik scaterplot. Model regresi linier berganda dikatakan
tidak terdapat heterokedastisitas jika fisik residu tidak membentuk pola maka data
bebas dari asumsi tentang heterokedastisitas.
d. Uji Autokolerasi
Uji autokorelasi bertujuan menguji apakah dalam model, regresi linear
ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada
masalah autokorelasi. Autokorelasi muncul karena observasi yang berurutan
sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual
(kesalahan pengganggu) tidak bebas dari satu observasi ke observasi lainnya.
38
Universitas Sumatera Utara
Deteksi ada tidaknya autokorelasi pada penelitian ini yaitu dengan melihat
nilai hitung Durbin Watson dengan diteksi uji autokorelasi sebagi berikut :
a. Jika d < dL maka terdapat autokorelasi
b. Jika d > dU maka tidak terdapat autokorelasi
c. Jika dL < d < dU maka pengujian tidak menyakinkan atau tidak ada
kesimpulan yang pasti.
4.6.3 Uji Regresi Berganda
Untuk mengetahui pengaruh variabel independen secara parsial dan
simultan berpengaruh signifikan terhadap variabel dependen, maka analisa
statistik yang digunakan adalah dengan menggunakan analisis regresi berganda.
Adapun pengujian varibel moderating dengan menggunakan uji residual, dimana
persamaan regresi berganda pada model I dan uji residual pada model II, yaitu :
Y
= b0 + b1 X1 + b2 X2 + b3 X3 + b4 X4 + e …………. Model 1
Keterangan :
Y
= Penerimaan Pajak Parkir
b0 = Intercept
X1 = Jumlah Wajib Pajak
b1 = Koefisiensi Regresi
X2 = Jumlah Penduduk
Jumlah Wajib Pajak
X3 = Jumlah Kendaraan
b2 = Koefesiensi Regresi Jumlah
X4 = Inflasi
Penduduk
b3 = Koefisiensi Regresi
Y
= Penerimaan Pajak Parkir
e
= error
Jumlah Kendaraan
b4 = Koefisiensi Regresi Inflasi
39
Universitas Sumatera Utara
4.6.4 Uji Hipotesis Penelitian
Metode yang digunakan
menggunakan
analisis
untuk
menguji
hipotesis
pertama
regresi berganda. Hipotesis pertama diuji dengan
menentukan tingkat signifikansi dengan uji simultan (Uji Ftest dan R2) dan U j i
p a r s i a l ( u j i t t e s t ) s e b a gi b e r i k u t :
a. Uji Determinasi (R2)
Uji Determinasi (R2)digunakan untuk mengukur sejauh mana kemampuan
model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi
adalah di antara nol dan satu. Nilai yang mendekati satu berarti variabel-variabel
independen memberikan hampir semua informasi yang dibutuhkan untuk
memprediksi variasi variabel dependen. Dari penelitian di atas dengan
menggunakan lebih dari 2 variabel maka digunakan adjusted R square karena
lebih akurat dibandingkan dengan R2.
b. Uji Statistik F (Uji Signifikansi Simultan)
Uji statistik F pada dasarnya menunjukkan apakah semua variabel bebas
yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama
terhadap variabel terikat. Uji F bertujuan untuk mengetahui pengaruh antara
variabel independen dengan variabel dependen secara simultan.Untuk mengetahui
apakah terdapat pengaruh yang signifikan dari variabel masing-masing
independen terhadap suatu variabel dependen.Secara bebas dengan Signifikan
sebesar 0,05, dapat disimpulkan (Ghozali, 2013:98).Pedoman yang digunakan
untuk menerima atau menolak hipotesis yaitu:
40
Universitas Sumatera Utara
Hipotesis diterima jika F-hitung > F-tabel , atau nilai p-value pada kolom sig. <
level of significant (α) 5%.
Hipotesis diterima jika F-hitung < F-tabel, atau nilai p-value pada kolom sig. >
level of significant (α) 5%.
c.
Uji statistik t (Uji Signifikansi Parsial)
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu
variabel penjelas secara individual dalam menerangkan variabel-variabel terikat
(Kuncoro, 2013 : 244). Uji t bertujuan untuk mengetahui pengaruh antara variabel
independen dengan variabel dependen secara parsial. Uji ini digunakan untuk
mengetahui pengaruh jumlah wajib pajak, jumlah penduduk, jumlah kendaraan,
Jumlah Inflasi variabel
terhadap variabel
yaitu penerimaan pajak parkir.
Pedoman yang digunakan untuk menerima atau menolak hipotesis yaitu:
Hipotesis diterima jika t-hitung > t-tabel atau nilai p-value pada kolom sig. < level
of significant (α) 5%.
Hipotesis diterima jika t-hitung < t-tabel atau nilai p-value pada kolom sig. > level
of significant (α) 5%.
4.6.5
Uji Moderasi (Uji Residual)
Uji Moderasi (Uji residual) digunakan untuk menguji apakah variabel Z
(PDRB) mampu memoderasi hubungan antara variabel X yaitu jumlah wajib
pajak, jumlah penduduk, jumlah kendaraan, dan inflasi terhadap variabel Y yaitu
penerimaan pajak parkir. Perhitungan dalam penelitian ini, terlebih dahulu dihitung
koefisien korelasi dengan menggunakan bantuan SPSS 19 dengan model I sebagai
berikut :
41
Universitas Sumatera Utara
Z = α + bı Xı + b2 X2 + b3X3 + b4X4 + e ………………………………. (1)
| e | = α + b5Y ………………………………………………………….... (2)
Keterangan :
Y
= Penerimaan Pajak Parkir
b0 = Intercept
X1 = Jumlah Wajib Pajak
b1 = Koefisiensi Regresi
X2 = Jumlah Penduduk
Jumlah Wajib Pajak
X3 = Jumlah Kendaraan
b2 = Koefesiensi Regresi Jumlah
X4 = Inflasi
Penduduk
b5 = Koefisiensi Regresi Residual Y
b3 = Koefisiensi Regresi
Jumlah Kendaraan
Z
= PDRB
e
= error
b4 = Koefisiensi Regresi Inflasi
42
Universitas Sumatera Utara
43
BAB V
HASIL PENELITIAN DAN PEMBAHASAN
5.1 Deskriptif Data
5.1.1
Analisis Data
1.
Data Jumlah Wajib Pajak
Berdasarkan data yang didapatkan dari Dinas Pendapatan Daerah
(Dispenda) Kota Medan dari Januari 2013 s.d Desember 2015 adalah sebagai
berikut :
Tabel 5.1
Perkembangan Jumlah Wajib Pajak
Bulan / Tahun
2013
2014
2015
Januari
47
57
110
Februari
47
60
124
Maret
47
62
129
April
50
64
136
Mei
50
66
142
Juni
51
68
152
Juli
53
70
156
Agustus
53
70
158
September
54
73
158
Oktober
56
76
161
November
57
77
161
Desember
57
77
161
Sumber : Data Dispenda Kota Medan, diolah 2016
Berdasarkan angka di atas, penulis menggambarkan perkembangan jumlah
wajib pajak sebagai berikut :
Universitas Sumatera Utara
44
200
150
100
2013
50
2014
0
2015
Gambar 5.1 Perkembangan Jumlah Wajib Pajak
Berdasarkan data di atas bahwa trend perkembangan jumlah wajib pajak
setiap tahun meningkat terutama tahun 2015 yang jumlah wajib pajak meningkat
drastis dari 70-an hingga 160-an wajib pajak.
2.
Data Jumlah Penduduk Kota Medan
Berdasarkan data yang didapatkan dari Badan Pusat Statitstik Kota Medan
dari Januari 2013 s.d Desember 2015 adalah sebagai berikut :
Tabel 5.2
Perkembangan Jumlah Penduduk Kota Medan
Bulan / Tahun
2013
2014
Januari
2,117,429
2,127,891
Februari
2,113,261
2,132,974
Maret
2,110,233
2,138,392
April
2,108,278
2,144,078
Mei
2,107,329
2,149,963
Juni
2,107,318
2,155,983
Juli
2,108,179
2,162,068
Agustus
2,109,845
2,168,153
September
2,112,248
2,174,169
Oktober
2,115,321
2,180,051
November
2,118,998
2,185,730
Desember
2,123,210
2,191,140
Sumber : Data Statistik Sumatera Utara, diolah 2016
2015
2,196,214
2,200,884
2,205,083
2,208,744
2,211,801
2,214,186
2,215,831
2,216,671
2,216,637
2,215,663
2,213,681
2,221,021
Berdasarkan angka di atas, penulis menggambarkan perkembangan jumlah
penduduk Kota Medan sebagai berikut :
Universitas Sumatera Utara
45
2 ,2 4 0 ,0 0 0 .0 0
2 ,2 2 0 ,0 0 0 .0 0
2 ,2 0 0 ,0 0 0 .0 0
2 ,1 8 0 ,0 0 0 .0 0
2 ,1 6 0 ,0 0 0 .0 0
2 ,1 4 0 ,0 0 0 .0 0
2 ,1 2 0 ,0 0 0 .0 0
2 ,1 0 0 ,0 0 0 .0 0
2 ,0 8 0 ,0 0 0 .0 0
2 ,0 6 0 ,0 0 0 .0 0
2 ,0 4 0 ,0 0 0 .0 0
2013
2014
2015
Gambar 5.2 Perkembangan Jumlah Penduduk Kota Medan
Berdasarkan data di atas bahwa trend perkembangan jumlah penduduk
warga kota Medan setiap tahun meningkat terutama tahun 2015 yang jumlah
penduduk meningkat terus dari tahun 2013 hingga 2015 yang memungkinkan
besar peluang banyak masyarakat yang akan menggunakan alat transportasi
pribadi sehingga dapat diduga akan meningatkan jumlah penerimaan pajak parkir.
3.
Data Jumlah Kendaraan di Kota Medan
Berdasarkan data yang diperoleh dari Unit Pelaksana Tugas (UPT) Dinas
Pendapatan Provinsi Sumatera Utara dari bulan Januari 2013 sampai dengan bulan
Desember 2015 adalah sebagai berikut :
Tabel 5.3
Perkembangan Jumlah Kendaran di Kota Medan
Bulan / Tahun
Januari
Februari
Maret
April
Mei
Juni
Juli
2013
158.862
185.462
211.323
242.662
269.116
293.533
323.302
2014
486.416
513.266
537.107
567.421
589.001
620.563
646.404
2015
847.832
872.549
899.347
924.609
949.001
976.094
1.003.368
Universitas Sumatera Utara
46
Agustus
350.879
678.712
1.028.830
September
382.197
720.606
1.056.674
Oktober
411.397
757.590
1.082.223
November
435.485
788.798
1.104.267
Desember
463.451
820.216
1.125.817
Sumber : Data Dispenda Sumatera Utara, diolah 2016
Berdasarkan angka di atas, penulis menggambarkan perkembangan jumlah
kenderan di Kota Medan sebagai berikut :
Gambar 5.3 Perkembangan Jumlah Kendaran di Kota Medan
Berdasarkan data di atas bahwa trend perkembangan jumlah kendaran di
Kota Medan
setiap tahun meningkat dari tahun 2013 hingga tahun 2015
mengindikasikan banyaknya jumlah kendaraan yang terdaftar dan teregitrasi di
Kota Medan sehingga memberikan peluang untuk meningkatkan pendapatan
daerah dalam bidang sektor pajak parkir di Kota Medan.
4.
Data Jumlah Inflasi
Berdasarkan data yang didapatkan dari Badan Pusat Statitstik Kota Medan
dari tahun 2013 s.d 2015 adalah sebagai berikut :
Universitas Sumatera Utara
47
Tabel 5.4
Jumlah Inflasi Kota Medan (%)
Bulan / Tahun
2013
2014
2015
Januari
1.21
1.00
-0.35
Februari
0.80
-0.59
-1.36
Maret
0.42
-0.34
-0.01
April
0.74
0.34
0.96
Mei
0.34
0.30
1.01
Juni
1.28
0.60
0.77
Juli
2.74
0.80
0.82
Agustus
0.50
0.67
0.59
September
0.12
0.23
2.44
Oktober
1.00
0.71
-0.33
November
0.61
1.75
0.53
Desember
-0.07
2.53
1.37
Sumber : Data Badan Pusat Statistik Sumatera Utara, diolah 2016
Berdasarkan angka di atas, penulis menggambarkan Jumlah Inflasi di Kota
Medan sebagai berikut :
3 .0 0
2 .5 0
2 .0 0
1 .5 0
1 .0 0
2 0 13
0 .5 0
2 0 14
0 .0 0
2 0 15
-0 .5 0
-1 .0 0
-1 .5 0
-2 .0 0
Gambar 5.4 Perkembangan Inflasi di Kota Medan
Berdasarkan data di atas bahwa trend Jumlah Inflasi di Kota Medan setiap
tahun mengalami fluktuasi terutama di bulan Mei-Oktober memiliki sumbangsih
Universitas Sumatera Utara
48
inflasi yang tinggi yang berdampak pada kenaikan harga sehingga dampaknya
pada meningkatnya disemua harga harga yang menyebabkan kecilnya
kemungkinan masyarakat untuk membayar pajak.
5.
Data Jumlah Penerimaan Pajak Parkir Kota Medan
Berdasarkan data yang didapatkan dari Dinas Pendapatan Daerah
(Dispenda) Kota Medan dari tahun 2013 s.d 2015 adalah sebagai berikut :
Tabel 5.5
Perkembangan Jumlah Penerimaan Pajak
Bulan / Tahun
2013
2014
2015
Januari
549.137.300,00
460.060.983,00
860.312.348,00
Februari
1.247.064.576,51 1.043.600.654,26 1.710.856.423,00
Maret
1.844.774.177,15 1.550.861.139,26 2.786.438.491.61
April
2.340.710.894,15 2.192.890.970,26 3.816.515.910,61
Mei
3.044.229.253,60 2.532.807.087,59 4.697.037.165,61
Juni
3.677.717.450,27 3.491.374.027,09 5.749.293.127,61
Juli
4.291.134.853,67 4.091.327.752,67 6.779.018.515,54
Agustus
5.101.574.230,67 4.855.749.425,67 7.623.193.090,54
September
5.619.677.460,67 5.661.139.147,67 8.595.198.102,54
Oktober
6.102.884.535,00 6.380.122.943,47 9.822.507.048,54
November
6.639.287.918,00 7.249.500.252,14 10.855.964.209,54
Desember
7.317.646.365,67 8.119.739.943,14 11.649.898.659,54
Sumber : Data Dispenda Kota Medan, diolah 2016
Berdasarkan angka di atas, penulis menggambarkan perkembangan jumlah
penerimaan pajak sebagai berikut :
Universitas Sumatera Utara
49
1 4 ,0 0 0 ,0 0 0 ,0 0 0 .0 0
1 2 ,0 0 0 ,0 0 0 ,0 0 0 .0 0
1 0 ,0 0 0 ,0 0 0 ,0 0 0 .0 0
8 ,0 0 0 ,0 0 0 ,0 0 0 .0 0
6 ,0 0 0 ,0 0 0 ,0 0 0 .0 0
2013
4 ,0 0 0 ,0 0 0 ,0 0 0 .0 0
2014
2 ,0 0 0 ,0 0 0 ,0 0 0 .0 0
2015
-
Gambar 5.5 Perkembangan Jumlah Penerimaan Pajak
Berdasarkan data di atas bahwa trend perkembangan jumlah wajib pajak
setiap tahun meningkat terutama tahun 2015 yang jumlah penerimaan pajak parkir
meningkat drastis dibandingkan dengan tahun sebelumnya.
6.
Data Perkembangan PDRB Kota Medan
Berdasarkan data yang didapatkan dari Badan Pusat Statistik (BPS) Kota
Medan perkembangan PDRB Kota Medan dari tahun 2013 s.d 2015 adalah
sebagai berikut :
Tabel 5.6
Perkembangan Jumlah PDRB (miliar rupiah)
Bulan / Tahun
2013
2014
Januari
10.374,03
11.680,92
Februari
10.480,18
11.793,08
Maret
10.586,84
11.905,74
April
10.693,99
12.018,91
Mei
10.801,65
12.132,57
Juni
10.909,80
12.246,73
Juli
11.018,46
12.361,40
Agustus
11.127,62
12.476,57
September
11.237,28
12.592,23
Oktober
11.347,44
12.708,40
November
11.458,10
12.825,07
Desember
11.569,26
12.942,24
Sumber : Data diolah penulis, diolah 2016
2015
13.059,91
13.178,08
13.296,75
13.415,92
13.535,59
13.655,76
13.776,44
13.897,61
14.019,29
14.141,46
14.264,14
14.387,32
Universitas Sumatera Utara
50
Berdasarkan angka di atas jumlah PDRB harga berlaku cenderung terus
menerus naik setiap bulannya. penulis menggambarkan perkembangan PDRB
adalah sebagai berikut :
1 6 ,0 0 0 .0 0
1 4 ,0 0 0 .0 0
1 2 ,0 0 0 .0 0
1 0 ,0 0 0 .0 0
8 ,0 0 0 .0 0
20 13
6 ,0 0 0 .0 0
4 ,0 0 0 .0 0
20 14
2 ,0 0 0 .0 0
20 15
0 .0 0
Gambar 5.6 Perkembangan Jumlah PDRB
Berdasarkan data di tas bahwa trend perkembangan PDRB setiap tahun
bervariasi pada tahun 2013-2015.
5.1.2
Uji Asumsi Klasik
Untuk melakukan uji asumsi klasik terhadap data skunder ini, maka
peneliti melakukan uji normalitas, uji multikolonieritas, dan uji autokeralasi.
a) Uji normalitas
Uji Normalitas bertujuan untuk menguji apakah variabel dependen
berdistribusi normal, yaitu menggunakan uji statistik Kolmogorov-Smirnov
(K-S). Dasar pengambilan keputusan adalah jika probabilitas signifikannya >
0,05 maka model regresi memenuhi asumsi normalitas.
Berikut tabel hasil uji normalitas data dengan menggunakan kolmogorovsmirnov :
Universitas Sumatera Utara
51
Tabel 5.7
Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual
N
36
Normal Parameters
a,b
Mean
Std. Deviation
Most Extreme Differences
.0000000
176.18159678
Absolute
.145
Positive
.075
Negative
-.145
Kolmogorov-Smirnov Z
.869
Asymp. Sig. (2-tailed)
.437
a. Test distribution is Normal.
b. Calculated from data.
Berdasarkan tabel One-Sample Kolmogorov-Smirnov Test di atas nilai
signifikansi lebih besar dari 0,05 sehingga dapat dinyatakan bahwa data tersebut
berdistribusi normal. Untuk lebih jelasnya, dapat dilihat juga dengan
menggunakan diagram histogram dan P-Plot berikut:
Histogram
Dependent Variabel: Penerimaan pajak parkir
Gambar 5.7 Uji Normalitas Histogram
Universitas Sumatera Utara
52
Normal P-P Plot of Regression Standardized Residual
Dependent Variabel: Penerimaan pajak parkir
Gambar 5.8 Uji Normalitas P-Plot
b) Uji Multikolineritas
Uji Multikolinearitas dilakukan untuk memastikan bahwa tidak terdapat
multikolinieritas dalam data dari variabel-variabel independennya. Maksudnya
adalah tidak ada korelasi yang sempurna atau korelasi yang tidak sempurna tetapi
relatif tinggi pada variabel-variabel bebasnya. Data dikatakan tidak mengalami
multikolinearitas apabila nilai Tolerance ≥ 0,10 dan nilai VIF ≤ 10. Hasil uji
multikoliniearitas dapat di lihat pada tabel berikut ini :
Tabel 5.8
Uji Multikolinieritas
Coefficientsa
Model
Correlations
Zero-order
1
Partial
Collinearity Statistics
Part
Tolerance
VIF
wajib pajak
.555
.165
.100
.140
7.142
jumlah penduduk
.498
-.576
-.420
.045
9.042
jumlah kendaraan
.598
.621
.472
.043
9.266
Inflasi
.330
.511
.354
.997
1.003
a. Dependent Variable: Penerimaan Pajak parkir
Universitas Sumatera Utara
53
Berdasarkan Tabel 5.8 diatas hasil uji multikolinearitas menunjukkan
bahwa seluruh variabel independen memiliki Tolerance ≥ 0,10 dan nilai VIF ≤ 10
sehingga dapat disimpulkan bahwa data penelitian ini tidak terdapat
multikolinearitas.
c) Heterokedastisitas
Heterokedastisitas adalah varian residual yang tidak konstan pada regresi
sehingga akurasi hasil prediksi menjadi meragukan. Model yang digunkan adalah
dengan menggunakan grafik scaterplot di bawah ini :
Scatterplot
Dependent Variabel : Penerimaan Pajak Parkir
Gambar 5.9 Uji Heterokedastisitas
Model regresi linier berganda dikatakan tidak terdapat heterokedastisitas
jika fisik residu tidak membentuk pola, maka data bebas dari asumsi tentang
heterokedastisitas. Berdasarkan scatterplot diatas terlihat bahwa titik-titik ada
Universitas Sumatera Utara
54
yang menyebar secara acak, tidak membentuk suatu pola tertentu atau tidak
teratur serta titik-titik tersebut juga menyebar di atas dan dibawah angka 0 pada
sumbu Y Hal ini mengindikasikan tidak terjadi heteroskedastisitas.
d)
Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model, regresi linear
ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada
masalah autokorelasi. Autokorelasi muncul karena observasi yang berurutan
sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual
(kesalahan pengganggu) tidak bebas dari satu observasi ke observasi lainnya.
Deteksi ada tidaknya autokorelasi pada penelitian ini yaitu dengan melihat
nilai hitung
Durbin Watson Deteksi
ada
tidaknya
autokorelasi
pada
penelitian ini yaitu dengan melihat nilai hitung Durbin Watson dengan diteksi
uji autokorelasi sebagi berikut :
a. Jika d < dL maka terdapat autokorelasi
b. Jika d > dU maka tidak terdapat autokorelasi
c. Jika dL < d < dU maka pengujian tidak menyakinkan atau tidak ada
kesimpulan yang pasti.
Data dari analisa dengan menggunakan SPSS adalah sebagai berikut :
Tabel 5.9
Uji Autokorelasi
Model
1
Durbin-Watson
1.898
Universitas Sumatera Utara
55
Pada hasil uji di atas, bahwa hasil durbin waston adalah 1,693 nilai ini
akan dibandingkan dengan niali tabel sig 5% dengan n= 36 dan jumlah k = 5
dU = 1,799 dan dL= 1,175 artinya pada tabel ini d > dU atau 1,898 > 1,799
artinya terdapat tidak terjadi autokorelasi.
5.1.3 Uji Regresi Berganda
Pengujian regresi berganda dilakukan dengan penerapan uji persamaan
regresi linear berganda. Analisis regresi linear berganda adalah hubungan secara
linear antara dua atau lebih variabel independen dengan variabel dependen.
Hasil uji regresi berganda dapat di lihat pada tabel berikut ini :
Tabel 5.10
Hasil Uji Regresi Berganda
Coefficientsa
Standardized
Unstandardized Coefficients
Model
(Constant)
1
wajib pajak
B
28284.055
10.838
Std. Error
7209.177
2.975
jumlah penduduk
1366.339
jumlah kendaraan
Inflasi
Coefficients
Beta
.266
T
3.923
3.643
Sig.
.000
.001
348.331
1.970
3.923
.000
22.617
5.126
2.277
4.412
.000
125.483
37.916
.355
3.310
.002
a. Dependent Variable: Penerimaan Pajak Parkir
Perhitungan dalam penelitian ini, terlebih dahulu dihitung koefisien
korelasi dengan menggunakan bantuan SPSS 19 dengan model I sebagai
berikut :
Y=b0 + b1 X1 + b2 X2 + b3 X3 + b4 X4 + e……………………………… Model 1
Z = α + bı Xı + b2 X2 + b3X3 + b4X4 + e ………………………………. Model 2
| e | = α + b5Y ………………………………………………………….....Model 3
Universitas Sumatera Utara
56
Keterangan :
Y
= Penerimaan Pajak Parkir
b0 = Intercept
X1 = Jumlah Wajib Pajak
b1 = Koefisiensi Regresi
X2 = Jumlah Penduduk
Jumlah Wajib Pajak
b2 = Koefesiensi Regresi Jumlah
Penduduk
b3 = Koefisiensi Regresi
Jumlah Kendaraan
X3 = Jumlah Kendaraan
X4 = Inflasi
Y
= Penerimaan Pajak Parkir
Z
= PDRB
e
= error
b4 = Koefisiensi Regresi Inflasi
Berdasarkan persamaan diatas maka dapat dijelaskan hasil uji regresi linier
berganda sebagai berikut :
1.
Apabila wajib pajak (X1) mengalami peningkatan sebesar satu satuan maka
Penerimaan Pajak Parkir (Y) mengalami peningkatan sebesar sebesar Rp.
10,838. Artinya, jika Penerimaan Pajak Parkir mengalami peningkatan maka
hal ini disebabkan karena bertambahnya jumlah penduduk.
Peningkatan
jumlah wajib pajak akan meningkatkan penerimaan dalam sektor pajak
perparkiran.
2.
Apabila jumlah penduduk (X2) mengalami peningkatan sebesar satu satuan
maka Penerimaan Pajak Parkir (Y) mengalami peningkatan sebesar
1.366,339. Artinya, jika Penerimaan Pajak Parkir mengalami peningkatan
maka hal
ini
disebabkan karena
bertambahnya
jumlah penduduk.
Universitas Sumatera Utara
57
Peningkatan jumlah penduduk akan meningkatkan penerimaan dalam sektor
pajak perparkiran.
3.
Apabila jumlah kendaraan (X3) mengalami peningkatan sebesar satu satuan
maka Penerimaan Pajak Parkir (Y) mengalami peningkatan sebesar sebesar
Rp. 22,617. Artinya, jika Penerimaan Pajak Parkir mengalami peningkatan
maka hal ini disebabkan karena bertambahnya jumlah kenderaan.
Peningkatan jumlah kenderaan akan meningkatkan penerimaan dalam sektor
pajak perparkiran.
4.
Apabila Jumlah Inflasi (X4) mengalami peningkatan sebesar satu persen
maka Penerimaan Pajak Parkir (Y) mengalami peningkatan sebesar sebesar
Rp. 125,483. Artinya, jika Penerimaan Pajak Parkir mengalami peningkatan
maka hal ini disebabkan karena meningkatnya Jumlah Inflasi.
5.1.4
Uji Hipotesis Penelitian
a. Koefisien Determinasi
Koefisien determinasi (Adjusted R2) mengukur seberapa jauh kemampuan
model dalam menerangkan variasi variabel dependen. Nilai Adjusted R2 yang
mendekati satu berarti variabel-variabel independen memberikan hampir semua
informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.
Menurut Sugiyono, (2009 : 73) pedoman untuk memberikan interpretasi
koefisien korelasi sebagai berikut:
0,00– 0,25
0,25 – 0,50
0,50 – 0,75
0,75 – 0,99
0,99 – 1,00
= Sangat Rendah
= Rendah
= Sedang
= Kuat
= Sangat Kuat
Universitas Sumatera Utara
58
Hasil uji koefisien determinasi (Adjusted R2) dapat dilihat pada Tabel 5.11
berikut:
Tabel 5.11
Uji Koefisien Determinasi
Model Summaryb
Model
1
R
.803a
R Square
.645
Adjusted R
Std. Error of the
Square
Estimate
.599
187.20339
a. Predictors: (Constant), inflasi, jumlah penduduk, wajib pajak, jumlah
kendaraan
b. Dependent Variable: Penerimaan Pajak Kendaraan
Sumber: Output SPSS
Hasil uji koefisien determinasi ini dapat dilihat melalui R2, namun demikian
berdasarkan buku Ghozali (2013: 97) telah dijelaskan bahwa kelemahan mendasar
penggunaan koefisien determinasi R2 adalah bias terhadap jumlah variabel
independen yang dimasukkan kedalam model. Setiap tambahan satu variabel,
maka R2 pasti meningkat tidak perduli apakah variabel tersebut berpengaruh
secara signifikan atau tidak berpengaruh secara signifikan terhadap variabel
dependen. Oleh karena itu, banyak peneliti menganjurkan untuk menggunakan
nilai R2 pada saat mengevaluasi mana model regresi terbaik.
Berdasarkan tabel 5.20, nilai Koefisien (R) sebesar 0,803 yang
menunjukkan hubungan antara variabel yang kuat, dengan koefisien determinasi
(R square) sebesar 0,645 atau 64,5% dalam kategori sedang. Nilai ini berarti
variabel jumlah wajib pajak, pertumbuhan penduduk, jumlah kendaraan dan
inflasi dapat menjelaskan variabel Penerimaan Pajak Parkir sebesar 60,3%.
Sedangkan sisanya 35,5% dipengaruhi oleh variabel lain yang tidak diteliti dalam
penelitian ini.
Universitas Sumatera Utara
59
Artinya, variabel jumlah wajib pajak, jumlah penduduk, jumlah
kenderaan, dan inflasi belum mampu mewakili secara sempurna (100%) untuk
menilai Penerimaan Pajak Parkir pada di Kota Medan. Namun demikian, variabel
penelitian, teori dan hasil penelitian telah dipaparkan secara baik dan mendalam di
dalam penelitian ini, tetapi tidak menutup kemungkinan bahwa terdapat variabel
lainnya yang lebih kuat yang mampu mengukur Penerimaan Pajak Parkir daripada
variabel-variabel
independen
ini.
Kelemahan
korelasi
diantara
variabel
independen yang belum mampu mewakili secara mutlak terhadap hasil penelitian
ini, bukanlah merupakan sesuatu yang mutlak akan terjadi juga pada objek
penelitian yang lain atau melakukan penambahan objek penelitian lainnya, maka
dari itu teori dan hasil penelitian tidak selamanya berbanding lurus.
b. Uji F (Uji Secara Simultan)
Uji Statistik F pada dasarnya menunjukan apakah semua variabel
independen yang digunakan dalam model mempunyai pengaruh secara simultan
terdahap variabel dependen. Hasil uji F dapat dilihat pada tabel 5.12 berikut ini :
Tabel 5.12
Uji F (Uji Simultan)
ANOVAb
Model
1
Sum of Squares
df
Mean Square
Regression
1974764.830
4
493691.207
Residual
1086398.427
31
35045.111
Total
3061163.256
35
F
Sig.
14.087
.000a
a. Predictors: (Constant), inflasi, jumlah penduduk, wajib pajak, jumlah kendaraan
b. Dependent Variable: Penerimaan Pajak Parkir
Pada Tabel 5.21 dapat dilihat bahwa diperoleh nilai F
hitung
adalah 14,087
dengan tingkat signifikansi 0,000. Dengan penggunaan tingkat signifikansi (α)
5%. Berdasarkan Tabel diperoleh 0,000 < 0,05, ini menunjukan bahwa secara
Universitas Sumatera Utara
60
simultan variabel jumlah wajib pajak, jumlah penduduk, jumlah kendaaan, dan
inflasi berpengaruh signifikan terhadap Penerimaan Pajak Parkir. Hasil analisis ini
diperkuat dengan membandingkan antara Fhitung 14,087 yang jauh lebih besar dari
Ftabel yaitu 2,53 dimana Ftabel dihitung dengan menggunakan ketentuan tingkat
signifikansi 5%, dengan df=n-k-1 (pada penelitian ini df =36-5-1=30), sehingga
didapat nilai F tabel sebesar 2,53 maka Fhitung > F tabel atau 14,087 > 2,53 sehingga
dapat dismpulkan bahwa secara simultan semua varibel independent berpengaruh
positif dan signifikan atau H1 diterima.
c. Uji t (Uji Secara Parsial)
Uji parsial (Uji t) pada dasarnya menunjukkan seberapa jauh satu variabel
independen secara individual atau parsial dapat menerangkan variasi variabel
dependen. Metode dalam penentuan t tabel menggunakan ketentuan tingkat
signifikansi 5%, dengan df=n-k-1 (pada penelitian ini df=36-5-1=30), sehingga
didapat nilai t tabel sebesar 2,042. Hasil uji t dapat dilihat pada tabel 5.13 berikut :
Tabel 5.13
Uji t (Uji Parsial)
Coefficientsa
Unstandardized
Standardized
Coefficients
Coefficients
Model
B
1
(Constant)
Std. Error
28284.055
7209.177
10.838
2.975
jumlah penduduk
1366.339
jumlah kendaraan
wajib pajak
inflasi
Beta
T
Sig.
3.923
.000
.266
3.643
.001
348.331
1.970
3.923
.000
22.617
5.126
2.277
4.412
.000
125.483
37.916
.355
3.310
.002
a. Dependent Variable: Penerimaan Pajak Parkir
Sumber: Output SPSS
Universitas Sumatera Utara
61
Dari nilai-nilai koefisien tersebut, maka dapat disusun persamaan regresi
sebagai berikut:
Y
= 28284,055 + 10,838X1 + 1366,339X2 + 22,617X3 + 125,483X4 +ɛ
Berdasarkan persamaan regresi tersebut dapat dijelaskan sebagai berikut:
1. Nilai thitung untuk jumlah wajib pajak adalah 10,838 dengan tingkat
signifikansi 0,001 maka variabel jumlah wajib pajak berpengaruh terhadap
Penerimaan Pajak Parkir dengan nilai thitung (3,643) > ttabel (2,042) dan nilai
signifikan (0,001) < 0,05.
2. Nilai thitung untuk jumlah pertumbuhan penduduk adalah 1366,339 dengan
tingkat
signifikansi
0,000
maka
variabel
jumlah
pertumbuhan
pendudukberpengaruh secara positif dan signifikan terhadap Penerimaan
Pajak Parkir dengan nilai thitung (3,923) > ttabel (2,042) dan nilai signifikan
(0,000) < 0.05.
3. Nilai thitung untuk jumlah kendaraan adalah
22,617 dengan tingkat
signifikansi 0,000 maka variabel jumlah kendaraan berpengaruh secara
positif dan signifikan terhadap Penerimaan Pajak Parkir dengan nilai thitung
(4,412) > ttabel (2,042) dan nilai signifikan (0,000) < 0.05.
4. Nilai thitung untuk inflasi adalah 125,483 dengan tingkat signifikansi 0,002
maka variabel inflasi berpengaruh secara positif dan signifikan terhadap
Penerimaan Pajak Parkir dengan nilai thitung (3,310) > ttabel (2,042) dan
nilai signifikan (0,002) < 0.05.
Universitas Sumatera Utara
62
5.1.5 Uji Moderasi (Uji Residual)
Uji Residual dilakukan untuk melihat apakah variabel moderating dapat
memperkuat atau memperlemah pengaruh variabel independen terhadap variabel
dependen. Hasil uji residual PDRB (Z) dapat dilihat pada Tabel 5.14 dan Tabel
5.15 sebagai berikut :
Tabel 5.14
Uji Residual
Model
Unstandardized Coefficients
B
1
(Constant)
Std. Error
14.109
1.424
wajib pajak
.001
.000
jumlah penduduk
.213
.069
jumlah kendaraan
.042
.001
Inflasi
.004
.007
Sumber: Output SPSS
Tabel 5.15
Uji Residual
Coefficientsa
Model
Standardized
Unstandardized Coefficients
B
1
(Constant)
Penerimaan Pajak parkir
Std. Error
-167.936
45.611
.355
.082
Coefficients
Beta
T
.596
Sig.
-3.682
.001
4.325
.000
a. Dependent Variable: Unstandardized Residual
Sumber: Output SPSS
Berdasarkan tabel 5.14 dan tabel 5.15 dapat dilihat persamaan hasil uji
residual sebagai berikut :
Z = 14,109 + 0,001X1 - 0,213 X2+ 0,042 X3 + 0,004X4
| e | = - 167,936 + 0,596Y
Universitas Sumatera Utara
63
Output coefficient tabel 5.14 menggambarkan nilai signifikan 0,000 < 0,05
dan nilai koefisien parameternya positif yaitu 0,596 maka dapat disimpulkan
bahwa variabel PDRB sebagai variabel moderasi mampu memoderasi antara
jumlah wajib pajak, pertumbuhan penduduk, jumlah kendaraan dan inflasi dengan
Penerimaan Pajak Parkir pada Dispenda Kota Medan atau H2 diterima.
5.2 Pembahasan Hasil Penelitian
Berdasarkan hasil pengujian hipotesis maka dapat dibuat pembahasan
sebagai berikut :
5.2.1
Pengaruh Wajib Pajak terhadap Penerimaan Pajak Parkir
Hasil pengujian hipotesis secara parsial menunjukkan bahwa wajib pajak
berpengaruh positif dan signifikan terhadap Penerimaan Pajak Parkir. Hal ini
dapat dilihat dengan nilai signifikan 0,001 lebih kecil dari α = 0,05. wajib pajak
akan mampu meningkatkan Penerimaan Pajak Parkir dikarenakan semakin tinggi
wajib pajak maka akan meningkatkan upaya wajib pajak untuk melaksanakan
kewajiban perpajakannya sehingga berdampak positif terhadap Penerimaan Pajak
Parkir dan nilai jumlah wajib pajak dibandingkan dengan tahun sebelumnya (2013
dan 2014) di tahun 2015 lebih meningkat.
5.2.2
Pengaruh Jumlah Penduduk terhadap Penerimaan Pajak Parkir
Hasil pengujian hipotesis secara parsial menunjukkan bahwa jumlah
penduduk berpengaruh positif dan signifikan terhadap Penerimaan Pajak Parkir.
Hal ini dapat dilihat dengan nilai signifikan 0,000 lebih kecil dari α = 0,05.
Menurut Budiharjo (2003:25) mengatakan bahwa, jumlah penduduk yang besar
bagi Indonesia oleh perencanaan pembangunan dipandang sebagai asset modal
besar pembangunan tetapi sekaligus juga sebagai beban. Pembangunan sebagai
Universitas Sumatera Utara
64
asset apabila dapat meningkatkan produksi nasional. Hal ini juga sejalan dengan
penelitian Muhammad Masrofi (2004) bahwa jumlah penduduk, berpengaruh
terhadap penerimaan pajak.
5.2.3
Pengaruh Jumlah kendaraan terhadap Penerimaan Pajak Parkir
Hasil pengujian hipotesis secara parsial menunjukkan bahwa Jumlah
kendaraan berpengaruh positif dan signifikan terhadap Penerimaan Pajak Parkir.
Hal ini dapat dilihat dengan nilai signifikan 0,000 lebih kecil dari α = 0,05.
Jumlah kendaraan adalah variabel yang paling logis dan dominan karena dasar
perhitungan pajak perkir adalah satuan dari jumlah unit kendaraan yang ada di
suatu wilayah termasuk di kota Medan. Penelitian ini berbeda dengan penelitian
oleh Sutrisno (2002), yang menyatakan bahwa jumlah kenderaan tidak
berpengaruh secara signifikan. Terhadap pajak parkir. Peningkatan jumlah
kendaraan bermotor juga terjadi di Indonesia. Data dari Asosiasi Industri
Otomotif Indonesia (Gaikindo) dan Asosiasi Industri Sepeda Motor Indonesia
(AISI) menunjukkan jumlah populasi kendaraan bermotor di Indonesia hingga
2014 mencapai 111.917.270 unit. Jumlah kendaran bermotor akan mempengaruhi
peneriman Pajak parkir secara tidak langsung. Semakin banyak jumlah kendaran
bermotor, diharapkan akan meningkatkan peneriman Pajak parkir (Nuringsih,
2006).
5.2.4
Pengaruh Inflasi terhadap Penerimaan Pajak Parkir
Hasil pengujian hipotesis secara parsial menunjukkan bahwa Inflasi
berpengaruh positif dan signifikan terhadap Penerimaan Pajak parkir. Hal ini
dapat dilihat dengan nilai signifikan 0,002 lebih kecil dari α = 0,05. Ini
disebabkan
karena
dengan
keterbatasan
parkir
yang
tersedia
tidak
Universitas Sumatera Utara
65
mencukupi/tidak dapat menampung permintaan kenderaan untuk parkir sehingga
pengelola parkir akan menaikkan tarif parkir, nantinya hasil pungutan atas tarif
parkir tersebut akan disetorkan 10% kepada pemerintah daaerah selaku pemungut
pajak parkir yang pada akhirnya akan berkonstribusi pada penerimaan pajak
parkir. Lerner mengungkapkan (1976:43) inflasi adalah keadaan dimana terjadi
kelebihan
permintaan (excess demand) terhadap barang dan jasa secara
keseluruhan. Menurut teori Keynes, inflasi terjadi karena suatu masyarakat ingin
hidup di luar batas kemampuan ekonominya. Menurut pandangan teori ini, proses
inflasi terjadi tidak lain karena perebutan bagian di antara kelompok-kelompok
sosial yang menginginkan bagian yang lebih besar dari pada yang bisa disediakan
oleh msyarakat tersebut. Proses ini kemudian diterjemahkan menjadi keadaan
dimana permintaan masyarakat akan jasa parkir selalu melebihi jumlah
ketersediaan parkir. Hasil penelitian ini tidak sejalan dengan penelitian Sutrisno
(2002) yang menyatakan bahwa inflasi berpengaruh secara negative.
5.2.5
Pengaruh variabel Wajib Pajak, Jumlah penduduk, Inflasi, dan
Jumlah kendaraan terhadap Penerimaan Pajak Parkir
Hasil pengujian hipotesis secara simultan menunjukkan bahwa jumlah
wajib pajak, jumlah kenderaan, jumlah Penduduk dan Inflasi secara bersama-sama
berpengaruh signifikan terhadap Penerimaan Pajak Parkir. Hal ini dapat dilihat
melalui uji F-tabel di atas dengan nilai signifikan 0,000 lebih kecil dari α = 0,05
(0,000 < α = 0,05) atau H1 diterima. Penelitian ini sejalan dengan penelitian
Sutrisno (2002) dan penelitian Muhammad Masrofi (2004).
Universitas Sumatera Utara
66
5.2.6
Pengaruh PDRB sebagai Variabel Moderating
Hasil uji residual menunjukkan nilai koefisien positif sebesar 0,596 dan
nilai signifikan 0,000 lebih kecil dari α = 0,05 (0,000 < α = 0,05). Artinya PDRB
merupakan variabel moderasi yang mampu menguatkan hubungan antara variabel
jumlah wajib pajak, jumlah penduduk, jumlah kenderaan dan inflasi dengan
penerimaan pajak parkir. PDRB dianggap sebagai variabel moderasi apabila nilai
nilai signifikan lebih kecil dari α = 0,05. Maka hipotesis H2 diterima.
PDRB merupakan jumlah barang dan jasa akhir yang dihasilkan oleh suatu
perekonomian daerah dalam satu tahun dan dinyatakan dalam harga pasar. Produk
domestik regional bruto harga berlaku pada skala daerah dapat digunakan sebagai
pengukur pertumbuhan ekonomi yang lebih baik karena lebih tepat mencerminkan
kesejahteraan penduduk suatu daerah. Besar kecilnya penerimaan pajak sangat
ditentukan oleh PDRB, jumlah penduduk dan kebijakan pemerintah baik pusat
maupun daerah, jadi PDRB dan jumlah penduduk berpengaruh terhadap
penerimaan masing-masing jenis pajak daerah tersebut (Musgrave, 1993:35).
Universitas Sumatera Utara
67
BAB VI
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Berdasarkan hasil analisis data serta pembahasan yang dilakukan pada bab
sebelumnya, maka penelitian ini menghasilkan beberapa kesimpulan sebagai
berikut :
1. secara simultan bahwa jumlah wajib pajak, jumlah kenderaan, jumlah
Penduduk dan Inflasi secara bersama-sama berpengaruh signifikan
terhadap Penerimaan Pajak Parkir. Dan
secara parsial wajib pajak,
jumlah penduduk, jumlah kendaraan dan inflasi juga berpengaruh positif
signifikan terhadap penerimaan pajak parkir di Kota Medan.
2. PDRB mampu memoderasi pengaruh jumlah wajib pajak, jumlah
penduduk, jumlah kendaraan dan inflasi terhadap penerimaan pajak parkir
di Kota Medan.
6.2 Keterbatasan Penelitian
Penelitian ini memiliki beberapa keterbatasan, antara lain:
1. Objek penelitian hanya terbatas pada satu objek yaitu Pemerintah Kota
Medan di Sumatera Utara.
2. Variabel independen yang digunakan dalam penelitian ini hanya
menggunakan jumlah wajib pajak parkir, jumlah penduduk, jumlah
kenderaan dan Jumlah Inflasi.
3. Di dalam penelitian ini hanya 36 jumlah pengamatan yaitu dari bulan
Januari 2013-Desember 2015.
Universitas Sumatera Utara
68
6.3 Saran
Adapun saran atas kesimpulan dan keterbatasan penelitian di atas, adalah
sebagai berikut:
1. Objek
penelitian
selanjutnya
diharapkan
meneliti
di
seleruh
Kabupaten/Kota provinsi Sumatera Utara sehingga cakupan penelitian
lebih luas dan dapat menggambarkan bagaimana tentang pajak parkir yang
ada di provinsi Sumatera Utara.
2. Peneliti selanjutnya diharapkan menambah variabel independen antara lain
pendapatan perkapita, konsumsi masyarakat atau investasi.
3. Peneliti selanjutnya diharapkan menambah jumlah pengamatan sehinga
data yang diperoleh lebih dari 36 bulan
Universitas Sumatera Utara