Tabel 4.

6
Hasil Analisis Deskriptif

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation

10 238431000000.00 855842000000.70 464755200000. 177852199556.
Penerimaan PPh
3130 07240
Inflasi 10 2.78 11.06 5.8590 2.82752
Suku Bunga 10 5.77 9.25 6.8600 1.05314
Kurs 10 8991 13795 10925.60 1864.618
Valid N 10
(listwise)
Sumber: Output SPSS 21.0, data sekunder diolah 2017

Berdasarkan hasil perhitungan dari tabel 4.6 diatas dapat diketahui bahwa n

atau jumlah data pada setiap variabel yaitu 10 buah yang berasal dari sampel

penerimaan pajak penghasilan mulai tahun 2007 sampai dengan 2016. Masing-

masing variabel akan dijabarkan sesuai dengan data pada tabel 4.6 sebagai berikut:

a. Penerimaan Pajak Penghasilan

Pada tabel 4.6 diatas, variabel Penerimaan Pajak Penghasilan mempunyai

nilai mean Rp. 46.475.520.000.031,30 dan standar deviasi (std devition) sebesar Rp.

177.852.199.556.072,40 Hal ini berarti bahwa nilai mean lebih kecil daripada standar

deviasi, sehingga mengindikasikan bahwa hasil yang kurang baik. Sebab standar

deviasi merupakan pencerminan penyimpangan yang sangat tinggi, sehingga

penyebaran data menunjukkan hasil yang tidak normal dan menyebabkan bias. Nilai

minimal penerimaan pajak penghasilan sebesar Rp. 238.431.000.000,00 dan nilai

maksimumnya Rp. 855.842.000.000,70. Dengan hasil data tersebut menunjukkan

bahwa penerimaan pajak penghasilan mengalami fluktuasi yang besar.

b. Tingkat Inflasi

Pada tabel 4.6 diatas dapat dibuktikan bahwa, variabel Tingkat Inflasi

mempunyai nilai mean sebesar 5.8590 dengan standar deviasi (std devition) sebesar

2.82752 yang artinya bahwa nilai mean lebih besar dari pada standar deviasi,

sehingga mengindikasikan bahwa hasil yang cukup baik. Hal tersebut dikarenakan

standar deviasi adalah pencerminan penyimpangan yang sangat tinggi, sehingga

penyebaran data menunjukkan hasil yang normal dan tidak menyebabkan bias. Nilai

minimalnya sebesar 2.78% dan nilai maksimumnya sebesar 11.06%.

c. Tingkat Suku Bunga Sertifikat Bank Indonesia

Berdasarkan tabel 4.6 diatas, variabel tingakt suku bunga SBI diperoleh

bahwa nilai mean adalah 6.8600 dengan standar deviasi (std deviation) sebesar

1.05314 yang berarti nilai mean lebih besar dibandingkan dengan standar deviasi,

sehingga mengidentifikasikan hasil sebaran data yang cukup baik. Hal tersebut

dikarenakan standar deviasi adalah pencerminan penyimpangan yang sangat tinggi,

sehingga penyebaran data menunjukkan hasil yang normal dan tidak menyebabkan

bias. Nilai minimumnya sebesar 5.77% dan nilai maksimumnya sebesar 9.25%.

d. Nilai Tukar Kurs

Berdasarkan tabel 4.6 diatas, variabel nilai tukar kurs diperoleh bahwa nilai

mean adalah Rp. 10.925,60 dengan standar deviasi (std deviation) sebesar Rp.

1864.618 yang berarti nilai mean lebih besar dibandingkan dengan standar deviasi,
sehingga mengidentifikasikan hasil sebaran data yang cukup baik. Hal tersebut

dikarenakan standar deviasi adalah pencerminan penyimpangan yang sangat tinggi,

sehingga penyebaran data menunjukkan hasil yang normal dan tidak menyebabkan

bias. Nilai minimumnya sebesar Rp. 8.991 dan nilai maksimumnya sebesar

Rp.13.795,00.

1.3.1 Uji Asumsi Klasik

1.3.1.1 Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel

penggangu atau residual memilki distribusi normal. Seperti diketahui uji t dan uji F

mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini

dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Uji

normalitas data menjadi prasyarat pokok dalam analisis parametrik, karena data yang

digunakan harus berdistribusi normal. Pengujian normalitas dapat dilakukan dengan

menggunakan SPSS 21 dalam mengolah data. Untuk menguji apakah data bersifat

normal atau tidak maka peneliti menggunakan analisa Kolmogrov-Smirnov dan P-P

Plot sebagai berikut:

Tabel 4.7
One-Sample Kolmogorov-Smirnov Test

One-Sample Kolmogorov-Smirnov Test

Unstandardized
Residual
N 10
 Mean .0000000
Normal Parametersa,b
Std. Deviation .15803064
Absolute .238
Most Extreme Differences Positive .216
Negative -.238
Kolmogorov-Smirnov Z .753
Asymp. Sig. (2-tailed) .623
a. Test distribution is Normal.
b. Calculated from data.
Sumber: Output SPSS 21.0, data sekunder diolah 2017

Dari tabel 4.7 One Sample Kolmogrof-Smirnov Test diperoleh angka

probabilitas atau Asymp. Sig. (2-tailed). Tampak empat variabel yang diuji memilki

signifikansi data lebih dari 0,05% sebesar 0.623, yang berarti data-data tersebut

berdistribusi normal. Dengan kata lain semua variabel dalam penelitian dapat

dijadikan sebagai model analisis regresi.

Pengujian normalitas yang kedua yakni menggunakan pengujian normal P-P

Plot. Pada normalitas data dengan menggunakan normal P-P Plot, dengan kriteria

suatu variabel dikatakan normal jika gambar distribusi dengan titik-titik data yang

menyebar disekitar garis diagonal dan penyebaran titik-titik data searah mengikuti

garis diagonal. Hasil dari pengujian normal P-P Plot dapat dilihat dibawah ini:

Gambar 4.2
Normal P-P Plot
 Sumber: Output SPSS 21.0, data sekunder diolah 2017

Berdasarkan tabel 4.7 dan gambar 4.2 diatas, dapat disimpulkan bahwa

Kolmogrov-Smirnov dan P-P Plots menunjukkan pola distribusi normal. Pada gambar

diatas juga dapat dilihat bahwa titik-titik yang terbentuk menyebar disekitar garis

diagonal.

1.3.1.2 Uji Multikolonieritas

Uji multikolonieritas bertujuan untuk menguji apakah dalam model regresi

terdapat korelasi antar variabel bebas. Model regresi yang baik seharusnya tidak
terjadi korelasi diantara variabel bebas. Deteksi multikolonieritas dapat dilakukan

dengan menganalisis matriks korelasi antar variabel independen dan dengan melihat

nilai tolerance dan lawannya VIF. Adapun hasil uji multikolonieritas dengan

menggunakan matriks korelasi sebagai berikut:

Tabel 4.8
Hasil Uji Multikolonieritas

Coefficientsa
Model Unstandardized Standardize t Sig. Collinearity Statistics
Coefficients d
Coefficients
B Std. Error Beta Tolerance VIF
(Constant) 26.284 .584 45.003 .000
LN_X1 -.078 .152 -.105 -.517 .624 .745 1.341
1 Suku -.141 .071 -.404 -1.991 .094 .745 1.342
Bunga
Kurs .000 .000 .749 4.273 .005 .997 1.003
a. Dependent Variable: LN_Y
Sumber: Output SPSS 21.0, data sekunder diolah 2017

Hasil perhitungan nilai tolerance juga menunjukkan tidak ada variabel

independen yang memiliki tolerance kurang dari 0,10. Hasil perhitungan nilai

Variance Inflation Factor (VIF) juga menunjukkan hal yang sama tidak ada satu

variabel independen yang memiliki nilai VIF lebih dari 10. Berdasarkan Coefficients

pada gambar diatas maka dapat diketahui bahwa nilai VIF adalah 1,341 (variabel

tingkat inflasi), sebesar 1,342 (variabel tingkat suku bunga SBI) dan sebesar 1,003

(variabel nilai tukar kurs) Sehingga kesimpulannya bahwa variabel independen

terbebas dari asumsi klasik multikoloniaritas karena hasilnya lebih kecil daripada 10.
1.3.1.3 Uji Heteroskedastisitas

Untuk mengetahui ada atau tidaknya gejala heteroskedastisitas adalah melalui

uji Gletser dilakukan uji regresi kesalahan pengganggu terhadap setiap variabel bebas

yang diduga. Dari hasil pengujian tersebut akan diambil keputusan, yaitu jika t hitung

lebih besar dari t tabel pada taraf kepercayaan 95% atau signifikansi lebih kecil dari

0,05% maka signifikan dan berarti heteroskedastisitas terjadi. Adapun hasil uji

heteroskedastisitas sebagai berikut:

Tabel 4.9
Hasil Uji Heteroskedastisitas

Coefficientsa
Model Unstandardized Coefficients Standardized t Sig.
Coefficients
B Std. Error Beta
(Constant) .155 .177 .876 .415
LN_X1 -.085 .046 -.698 -1.849 .114
1
Suku Bunga .019 .022 .333 .882 .412
Kurs -4.760E-007 .000 -.015 -.045 .965
a. Dependent Variable: ABS_RES1
Sumber: Output SPSS 21.0, data sekunder diolah 2017

Dari hasil output SPSS tersebut diatas tampak nilai signifikansi variabel tingkat

inflasi 0.114 diatas 0,05 artinya tingkat inflasi tidak terjadi heteroskedastisitas,

sehingga tingkat inflasi terbebas dari masalah heteroskedastisitas. Selanjutnya dari

hasil output SPSS tersebut diatas juga tampak nilai signifikansi variabel tingkat suku

bunga SBI 0.412 diatas 0,05, sehingga variabel tingkat suku bunga SBI tidak terjadi
heteroskedastisitas, sehingga tingkat suku bunga SBI terbebas dari masalah

heteroskedastisitas. Dan yang terakhir hasil output SPSS diatas juga tampak nilai

signifikansi variabel nilai tukar kurs 0,965 diatas 0,05, sehingga variabel nilai tukar

kurs tidak terjadi heteroskedastisitas, sehingga nilai tukar kurs terbebas dari masalah

heteroskedastisitas.

Heteroskedastisitas untuk menunjukkan nilai varians antara nilai Y tidaklah

sama. Dampak terjadinya heteroskedastisitas yaitu interval keyakinan untuk koefisien

regresi menjadi semakin lebar dan uji signifikansi kurang kuat. Hasil pengujian

heterokedastisitas dapat ditunjukkan pada gambar berikut:

Gambar 4.3
Uji Heteroskedastisitas
 Sumber: Output SPSS 21.0, data sekunder diolah 2017

Salah satu cara untuk mendeteksi adanya heteroskedastisitas adalah dengan

melihat grafik plot antara nilai prediksi variabel independen (ZPRED) dengan

residualnya (SRESID). Deteksi ada atau tidaknya heteroskedastisitas dapat dilakukan

dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan

ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah

residual (Y prediksi Y sesungguhnya) yang telah di-studentized. Dari gambar 4.3

diatas terlihat titik-titik menyebar secara acak serta tersebar baik di atas maupun di

bawah angka 0 pada sumbu Y, tidak ada pola tertentu yang teratur. Oleh karena itu,

dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi ini.

1.3.1.4 Uji Autokorelasi

 Pengujian ada atau tidaknya autokorelasi dilakukan dengan menggunakan

metode Durbin-Watson. Adapun cara mendeteksi terjadi autokorelasi dalam model

analisis regresi dengan menggunakan Durbin-Watson dapat dijelaskan sebagai

berikut:

Tabel 4.10
Hasil Uji Autokorelasi
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Durbin-Watson
Estimate
1 .903a .816 .724 .19355 2.385
a. Predictors: (Constant), Kurs, LN_X1, Suku Bunga
b. Dependent Variable: LN_Y
Sumber: Output SPSS 21.0, data sekunder diolah 2017

Dengan nilai tabel pada tingkat signifikansi 5%, jumlah sampel 10 (n) dan

jumlah variabel independen 3 (k=3), Nilai Durbin Watson (DW Statistik) dari hasil

analisis regresi sebesar 2,385 dapat dilihat pada tabel 4.10 diatas. Dengan demikian

nilai Durbin Watson tersebut berada pada interval -2 sampai dengan +2 (-2 <2,385 <

+2), sehingga dapat dipastikan bahwa model regresi linier berganda tersebut tidak

terjadi gejala autokorelasi.

1.3.2 Uji Hipotesis

1.3.2.1 Analisis Regresi Linier Berganda

Dalam penelitian ini uji hipotesis menggunakan regresi berganda dimana akan

diuji secara empirik untuk mencari hubungan fungsional dua atau lebih variabel bebas

dengan variabel terikat, atau untuk meramalkan dua variabel bebas atau lebih

terhadap variabel terikat. Hasil uji linier berganda dalam penelitian ini dapat dilihat

dalam tabel dibawah ini.

Tabel 4.11
Hasil Uji Regresi Linier Berganda
Variabel Tingkat Inflasi, Tingkat Suku Bunga SBI, dan Nilai Tukar Kurs
Terhadap Penerimaan Pajak Penghasilan
Coefficientsa
Model Unstandardized Coefficients Standardized T Sig.
Coefficients
B Std. Error Beta
(Constant) 26.284 .584 45.003 .000
LN_X1 -.078 .152 -.105 -.517 .624
1
Suku Bunga -.141 .071 -.404 -1.991 .094
Kurs .000 .000 .749 4.273 .005
a. Dependent Variable: LN_Y
Sumber: Output SPSS 21.0, data sekunder diolah 2017

Berdasarkan hasil dari coefficients di atas dapat dikembangkan dengan

menggunakan model persamaan regresi linier berganda sebagai berikut:

Penerimaan pajak penghasilan = a + 1 Tingkat Inflasi + 2 Tingkat Suku Bunga SBI

+ 1 Nilai Tukar Kurs + apabila nilai pada tabel 4.11 diatas disubsitusikan maka

akan diperoleh nilai sebagai berikut:

Penerimaan Pajak Penghasilan (Y) = 26,284 - 0,078X1 - 0,141X2 + 0.000X3 + e

1. Konstanta sebesar 26,284 artinya jika tingkat inflasi, tingkat suku bunga SBI dan

nilai tukar kurs tidak ada maka penerimaan pajak penghasilan sebesar 26,284.

2. Koefisien Regresi X1 sebesar 0,078 artinya setiap tingkat inflasi kenaikan satu

satuan akan meningkatkan penerimaan pajak penghasilan sebesar 0,078. Dan

sebaliknya, setiap penurunan satu satuan tingkat inflasi, akan menurunkan

penerimaan pajak penghasilan sebesar 0,078, dengan anggapan bahwa X1 tetap.

3. Koefisien Regresi X2 sebesar 0,141 artinya setiap kenaikan satu satuan tingkat

suku bunga SBI akan meningkatkan penerimaan pajak penghasilan sebesar 0,141.

Dan sebaliknya setiap penurunan satu satuan tingkat suku bunga SBI, akan

menurunkan penerimaan pajak penghasilan sebesar 0,141. dengan anggapan

bahwa X2 tidak tetap. Tanda (+) menunjukkan arah hubungan yang searah

sedangkan tanda (-) menunjukkan arah hubungan yang berbanding terbalik antar

variabel independen (X) dengan variabel dependen Y.

4. Koefisien Regresi X3 sebesar 0.000 artinya setiap kenaikan satu satuan nilai tukar

kurs akan meningkatkan penerimaan pajak penghasilan sebesar 0.000. Dan

sebaliknya setiap penurunan satu satuan nilai tukar kurs, akan menurunkan

penerimaan pajak penghasilan sebesar 0.000.. dengan anggapan bahwa X3 tidak

tetap. Tanda (+) menunjukkan arah hubungan yang searah sedangkan tanda (-)

menunjukkan arah hubungan yang berbanding terbalik antar variabel independen

(X) dengan variabel dependen Y.

1.3.2.2 Uji Signifikansi Parameter Individual (Uji Statistik t)

Uji t dimaksud untuk menguji signifikan pengaruh variabel bebas dan terikat

secara individual. Dimana pengujian ini membandingkan antara probabilitas

signifikan dengan alpha 0,05 dengan derajat kebebasan (df) n-k-1 yaitu 10-3-1= 6 (n

adalah jumlah data atau responden dan k adalah jumlah variabel independent)

sehingga hasil yang diperoleh untuk t tabel adalah 1.94318.

Dari hasil pengujian ini probabilitas signifikan lebih kecil daripada alpha

0,05 maka diperoleh Ho ditolak dan Ha diterima, berarti ada hubungan dan bila

probabilitas signifikan lebih besar daripada alpha 0,05 maka diperoleh Ho diterima

dan Ha ditolak.

Dari pengujian pada varaibel tingkat inflasi, tingkat suku bunga SBI, dan

nilai tukar kurs terhadap penerimaan pajak penghasilan maka dapat disajikan pada

tabel berikut ini:

Tabel 4.12
Hasil Uji Statistik t
Coefficientsa
Model Unstandardized Coefficients Standardized t Sig.
Coefficients
B Std. Error Beta
(Constant) 26.284 .584 45.003 .000
LN_X1 -.078 .152 -.105 -.517 .624
1
Suku Bunga -.141 .071 -.404 -1.991 .094
Kurs .000 .000 .749 4.273 .005
a. Dependent Variable: LN_Y
Sumber: Output SPSS 21.0, data sekunder diolah 2017
 Selanjutnya untuk masing-masing hipotesis penelitian yang dikemukakan

sebelumnya dapat disimpulkan pada tabel 4.13 sebagai berikut:

Tabel 4.13
Hasil Pengujian Secara Individual atau Parsial Atas Semua Variabel
Independen
No Variabel Independen Sig.
1 Tingkat Inflasi -0,517 1.94318 0,624

2 Tingkat Suku Bunga SBI -1,991 1.94318 0,094

3 Nilai Tukar Kurs 4,273 1.94318 0,005

Berdasarkan tabel diatas maka dapat disimpulkan sebagai berikut:

a. Pengaruh tingkat inflasi terhadap penerimaan pajak penghasilan

Dari tabel diatas diketahui t hitung > t tabel (-0,517 > 1,66757) dengan tingkat

signifikan (0,624 > 0,05), artinya secara parsial tidak ada pengaruh yang signifikan

antara tingkat inflasi dengan penerimaan pajak penghasilan. Dengan demikian Ho

diterima dan Ha ditolak.

b. Pengaruh Tingkat Suku Bunga SBI terhadap penerimaan pajak penghasilan

Dari tabel diatas diketahui t hitung < t tabel (-0.067 < 1,66757) dengan tingkat

signifikan (0,094 > 0,05), artinya secara parsial tidak ada pengaruh yang signifikan

antara tingkat suku bunga SBI dengan penerimaan pajak penghasilan. Dengan

demikian Ho diterima dan Ha ditolak.

c. Pengaruh Nilai Tukar Kurs terhadap penerimaan pajak penghasilan

Dari tabel diatas diketahui t hitung < t tabel (4,273 > 1,66757) dengan tingkat

signifikan (0,005 < 0,05), artinya secara parsial ada pengaruh yang signifikan

antara nilai tukar kurs dengan penerimaan pajak penghasilan. Dengan demikian

Ho ditolak dan Ha diterima.

1.3.2.3 Uji Signifikansi Simultan (Uji Statistik F)

Uji F dimaksudkan untuk menguji hipotesis dalam penelitian ini yang

menyatakan bahwa variabel tingkat inflasi, tingkat suku bunga SBI, dan nilai tukar

kurs berpengaruh positif signifikan terhadap penerimaan pajak penghasilan. Uji F

menggunakan signifikan 0,05 (uji 2 sisi) untuk nilai F tabel menggunakan tingkat

keyakinan 95%, alpha 5% (jumlah variabel 1) yaitu 4-1= 3 atau (n-k) yaitu 10-4= 6.

Maka hasil untuk F tabel adalah 4.76.

menunjukkan apakah semua variabel independen mempunyai pengaruh secara

bersama-sama terhadap variabel dependen. Hasil uji F dapat dilihat dalam tabel di

bawah ini:
 Tabel 4.14
Hasil Uji Statistik F

ANOVAa
Model Sum of Squares Df Mean Square F Sig.
Regression .998 3 .333 8.884 .013b
1 Residual .225 6 .037
Total 1.223 9
a. Dependent Variable: LN_Y
b. Predictors: (Constant), Kurs, LN_X1, Suku Bunga
Sumber: Output SPSS 21.0, data sekunder diolah 2017

Berdasarkan tabel diatas didapatakan sig yaitu 0,013 < 0,05% angka ini

menunjukkan F hitung 8,884 > F tabel 4,76. Maka penulis berkesimpulan tingkat

inflasi, tingkat suku bunga SBI, dan nilai tukar kurs mempunyai pengaruh yang

berarti atau signifikan dengan penerimaan pajak penghasilan. Karena dari hasil

pengujian F hitung diketahui bahwa nilai F hitung yang diperoleh adalah sebesar

49,260 > F tabel 4,76. Maka dapat disimpulkan bahwa Ho ditolak dan Ha diterima.

1.3.2.4 Koefisien Determinasi ( )

Analisa koefisien determinasi dalam regresi linear berganda digunkan untuk

mengetahui persentase sumbangan pengaruh variabel independen yang terdiri sari

tingkat inflasi (X1), tingkat suku bunga SBI (X2), dan nilai tukar kurs (X3) secara

simultan terhadap penerimaan pajak penghasilan (Y). Nilai koefisien determinasi

antara 0 dan 1. Nilai 2 yang mendekati satu berarti variabel independen penelitian

memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi

variabel penerimaan pajak penghasilan. Hasil koefisien determinasi dapat dilihat

dalam tabel 4.15 dibawah ini:

Tabel 4.15
Hasil Uji Koefisien Determinasi

Model Summaryb
Model R R Square Adjusted R Std. Error of the Durbin-Watson
Square Estimate
1 .903a .816 .724 .19355 2.385
a. Predictors: (Constant), Kurs, LN_X1, Suku Bunga
b. Dependent Variable: LN_Y