Y = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2
Y : Penerimaan Negara
X1 : Pajak
X2 : Bukan Pajak
Pertama, dapat dilihat pada model regresi linear bahwa hubungan antara variabel dependen
dan independen mempunyai nilai R Squared sebesar 99.9% (0.999930 x 100%), yang
mengindikasikan bahwa variabel independen secara keseluruhan sudah cukup kuat dalam
menjelaskan variabel independen karena nilainya yang sudah diatas 50%.
Sementara, pada model regresi log-linear nilai R Squared memiliki nilai yang lebih kecil, yaitu
99.9% (0.999507 x 100%). Yang berarti, variabel independen dalam model log-linear kurang kuat
dalam menjelaskan variabel independen daripada model linear.
Hubungan Antara Variabel Independen Terhadap Variabel Dependen dalam Model Linear
dan Model Log-Linear
Pada Tabel diatas, pada model linear diperlihatkan bahwa variabel Pajak dan Bukan Pajak
mempunyai hubungan yang positif terhadap Penerimaan Pemerintah. Artinya adalah setiap
terjadi peningkatan dalam variabel independen, maka akan meningkatkan Jumlah Penerimaan
Negara. Dengan asumsi bahwa faktor-faktor lainnya dianggap tetap, maka setiap peningkatan
variabel Pajak dan Bukan Pajak sebesar 1, akan meningkatkan Penerimaan Pemerintah sebesar
1.002807 dan 1.007884.
Dan untuk model log-linear, variabel Pajak dan Bukan Pajak juga mempunyai hubungan yang
positif terhadap Penerimaan Negara. Ketika Pajak meningkat sebesar 1%, maka Penerimaan
Negara akan meningkat sebesar 0.779854% dan 0.209287%.
Dan untuk konstanta (C), dalam model linear, apabila diasumsikan bahwa semua variabel
independen nilainya 0 (nol), maka Penerimaan Negara adalah sebesar konstanta (C), yaitu
−425.9222. Dan dalam model log-linear nilai Penerimaan Negara akan sebesar 0.678134%
Dari hasil data tabel di atas, dapat diperoleh bahwa nilai probabilitas koefisien 𝑍1 pada persamaan
diatas adalah -1527500. Dengan demikian variabel 𝑍1 signifikan secara statistik karena nilainya
yang lebih kecil dari tingkat signifikansi 5%. Sehingga, hipotesis nol yang menyatakan bahwa
model fungsi regresi yang benar adalah bentuk linear diterima.
Dan nilai probabilitas koefisien 𝑍2 pada persamaan diatas adalah -5.89E-07. Dengan demikian,
variabel 𝑍2 signifikan secara statistik karena nilainya yang sangat lebih kecil dari tingkat
signifikansi 5%. Sehingga, hipotesis nol yang menyatakan bahwa model fungsi regresi yang
benar adalah bentuk log linear diterima.
Hasil kedua regresi menunjukan bahwa model fungsi linier maupun log linear bisa digunakan
untuk menjelaskan tentang Jumlah Penerimaan Negara. Tetapi melihat hasil-hasil ini, kita lebih
memilih model log linier.