BAB III

METODE PENELITIAN

3.1 Variabel Penelitian

3.1.1 Variabel Independen (Variabel Bebas / X )

Sugiyono (2019) mengemukakan definisi variabel independen (X) sebagai

variabel yang memengaruhi, memicu, maupun menyebabkan perubahan pada variabel

bebas lainnya. Terdapat dua variabel independen di penelitian ini, yakni:

3.1.1.1 Pajak Daerah (X1)

Yakni kewajiban yang dibayarkan oleh perseorangan maupun organisasi tanpa

ganti rugi langsung kepada daerah, dengan paksaan berlandaskan peraturan

perundang-undangan yang berlaku. Dipergunakan untuk mendanai pengelolaan dan

pembangunan daerah (UU No. 34 Tahun 2000 mengenai Pajak Daerah dan Retribusi

Daerah).

Indikator dalam pajak daerah direalisasikan sebagai data penerimaan Pajak

Kabupaten Rembang selama 60 bulan (5 tahun) mulai 2017 – 2021 yang berdasarkan

data dari Badan Pendapatan Pengelolaan Keuangan dan Aset Daerah (BPPKAD)

Kabupaten Rembang.

3.1.1.2 Retribusi Daerah (X2)

Yakni pembayaran atas penggunaan jasa maupun pemberian izin tertentu yang

disediakan pemerintah daerah agar menunjang kepentingan orang pribadi maupun

badan (Nurlan, 2008).

45
 46

Indikator pada retribusi daerah direalisasikan menjadi data penerimaan

Retribusi Kabupaten Rembang selama 60 bulan, dimulai dari 2017 – 2021 yang

diperoleh dapatkan dari BPPKAD Kabupaten Rembang.

3.1.2 Variabel Dependen (Variabel Terikat / Y)

Sugiyono (2019) mendefinisikan variabel dependen (Y) sebagai variabel yang

mendapat pengaruh dari variabel independen. Berikut variabel dependen di penelitian

ini:

3.1.2.1 Pendapatan Asli Daerah (Y)

Yakni penerimaan daerah dari berbagai sumber pengahasilan di daerah tersebut

dan pemungutannya dilakukan sesuai peraturan daerah yang berlaku berlandaskan UU

No. 33 Tahun 2004. Indikator dalam mengukur PAD di penelitian ini yaitu:

a) Total pemasukan Pajak Daerah Kabupaten Rembang selama 60 bulan (5 tahun)

mulai dari 2017 – 2021 data BPPKAD Kabupaten Rembang.

b) Total pemasukan Retribusi Daerah Kabupaten Rembang selama 60 bulan (5

tahun) mulai dari 2017 – 2021 data BPPKAD Kabupaten Rembang.

3.2 Definisi Operasional

Singarimbun (1997) menyatakan bahwa Definisi operasional dalam penelitian

merupakan suatu unsur yang menjadi petunjuk mengenai bagaimana suatu variabel

diukur agar memudahkan pelaksanaan penelitian. Variabel penelitian ada 2, yakni

Variabel Independen dengan Variabel Dependen.

 47

T ABEL 3.1 DEFINISI O PERASIONAL VARIABEL

No. Variabel Definisi Variabel Indikator Sumber

1. Pajak Iuran wajib yang Total pemasukan Dewi Ernita
Daerah dilangsungkan oleh Bea Perolehan Hak dan Agung
(X1) daerahterhadap atas Tanah dan Muhammad
perseorangan maupun Bangunan; Pajak Reza
organisasi tanpa ganti Air Tanah; Pajak
rugi langsung, yang Bumi Dan
bisa dilakukan dengan Bangunan
paksakan berlandaskan Perdesaan dan
peraturan perundang- Perkotaan;
undangan yang Pajak Hotel;
berlaku, iuran ini Pajak Hiburan;
digunakan bagi Pajak Mineral
pembiayaan Bukan Logam dan
pengelolaan Batuan; Pajak
pemerintah daerah Parkir; Pajak
serta pembangunan Penerangan Jalan;
daerah. Pajak Reklame;
Pajak Restoran;
serta Pajak Sarang
Burung Walet.
2. Retribusi Retribusi Daerah ialah Total pemasukan Dewi Ernita
Daerah pungutan daerah atau retribusi jasa dan Agung
(X2) pembayaran atas umum; retribusi Muhammad
Peng jasa usaha; dan Reza
retribusi perizinan
gunaan jasa maupun tertentu.
perizinan tertentu yang
diberikan dari
pemerintah daerah
demi kepentingan
orang pribadi maupun
badan.
3. Pendapata Penerimaan dari Total pemasukan Dewi Ernita
n Asli berbagai sumber Pajak Daerah serta dan Agung
Daerah pendapatan di daerah Retribusi Daerah. Muhammad
(Y) tersebut dan Reza
pemungutannya
dilakukan
berlandaskan peraturan
daerah yang berlaku
berdasarkan peraturan
perundang-undangan
yang berlaku
 48

3.3 Populasi dan Sampel

3.3.1 Populasi

Sugiyono (2019) mendefinisikan populasi sebagai wilayah generalisasi terdiri

dari objek dan subjek dengan keunggulan serta keunikan tersendiri yang kemudian

menarik peneliti untuk mempelajari dan menarik kesimpulan. Populasi pada penelitian

ini yakni keseluruhan data time series (data deretan waktu) penerimaan pajak daerah,

retribusi daerah, serta PAD Kabupaten Rembang selama periode 2017 – 2022.

3.3.2 Sampel

Sugiyono (2019) mendefinisikan sampel sebagai sebagian dari anggota

populasi yang dipilih sesuai dengan pedoman tertentu untuk dijadikan sampel yang

mewakili ukuran dan karakteristik populasi. Teknik Sampling yaitu suatu cara

pemerolehan sampel. Sampel yang hendak dipakai di penelitian bisa dipilih dengan

menggunakan berbagai pendekatan sampling. Metode pengambilan sampel yang

diterapkan yakni sampling jenuh, yang melibatkan pemilihan sampel yang dapat

mewakili dari seluruh populasi. Sampel di penelitian ini adalah Laporan Realisasi

Penerimaan Pemerintah Daerah Kab. Rembang periode anggaran 2017 – 2022.

3.4 Jenis dan Sumber Data

3.4.1 Jenis Data

Penelitian menggunakan data kuantitatif, Kuncoro (2013) data kuantitaf yakni

data yang pengukurannya berbentuk skala numerik (angka). Data penelitian diperoleh
 49

dari data sekunder, yakni data tahunan penerimaan pajak daerah serta retribusi daerah

Kabupaten Rembang yang diperoleh dari BPPKAD.

3.4.2 Sumber Data

Penelitian menggunakan data sekunder sebagai data yang diperoleh secara

tidak langsung melalui file data yang diperoleh dari BPPKAD Kab. Rembang serta

diperoleh dari beragam sumber referensi dengan topik pembahasan yang serupa

dengan penelitian ini. Data sekunder yang digunakan yakni Laporan Realisasi

Penerimaan Pemerintah Daerah Kab. Rembang periode anggaran 2017 – 2022. Pada

umumnya, data sekunder dikenal sebagai laporan historis tertulis yang telah

dipublikasikan dalam bentuk salinan.

3.5 Metode Pengumpulan Data

3.5.1 Survei Lapangan

Peneliti memperoleh informasi tentang penerimaan pajak daerah, retribusi

daerah, serta PAD dengan mengunjungi BPPKAD secara langsung dengan metode

survei lapangan.

3.5.2 Time Series Analysis

Pengumpulan data dengan analisis ini pengukurannya dilihat dari periode

waktu yang ditentukan. Metode pengukuran yang paling populer adalah frekuensi,

persentase, dan memeriksa kecenderungan sentral (central tedency) dari suatu gejala,

Data yang dianalisis pada metode time series analysis ini ialah kumpulan data terkait

PAD Kab. Rembang, berupa Pajak Daerah serta Retribusi Daerah.

 50

3.5.3 Studi Kepustakaan

Sugiyono (2019) menyatakan bahwa studi kepustakaan merupakan metode

yang memperoleh data penelitian melalui literatur beberapa buku, jurnal akuntansi,

internet, dan lainnya dengan tujuan mendapatkan pengetahuan, informasi, teori serta

jurnal yang relevan dengan permasalahan yang akan dianalisa.

3.6 Metode Analisis Data

Analisis data yakni teknik yang diterapkan saat mengefisienkan data supaya

lebih mudah dibaca dan diolah berdasarkan aturan maupun rumus yang sudah tersedia

sebelumnya. Analisis data berusaha untuk mengekstrak informasi dari data, dan

kemudian menggunakan temuan tersebut untuk mengatasi permasalahan. Peneliti

menggunakan analisis kuantitatif dalam penyelidikan ini (Sugiyono, 2019).

Kumpulan data besar adalah fokus dari jenis analisis yang dikenal sebagai

Analisis Kuantitatif, yang mengklasifikasikan data ke dalam kategori numerik. Metode

analisis data menggunakan analisis deskriptif, uji asumsi klasik, serta uji hipotesis

dengan bantuan komputer melalui program SPSS versi 20.

3.6.1 Analisis Deskriptif

Variabel pajak daerah, retribusi daerah, serta PAD dijelaskan dengan

menggunakan Analisis Deskriptif. Analisis Deskriptif dapat diuji dengan menawarkan

deskripsi maupun gambaran sekumpulan data berdasarkan nilai rata-rata (mean),

maksimum, minimum, standar deviasi, serta klasifikasi setiap variabel.

 51

3.6.2 Uji Asumsi Klasik

Hasil yang diperoleh sesudah mengetahui model regresi tidak dapat langsung

diinterpretasi. Hal tersebut dikarenakan model regresi harus diuji terlebih dahulu.

Apakah model regresi tersebut sudah memenuhi kriteria asumsi klasik. Uji asumsi

klasik meliputi:

3.6.3 Uji Normalitas

Bertujuan membuktikan dalam model regresi apakah variabel terikat

(dependen) dan variabel bebas (independen) terdistribusi secara normal maupun tidak

(Ghozali, 2018). Model regresi yang baik harus memiliki distribusi data normal

maupun mendekati data normal. Apabila terdapat data yang terdistribusi secara tidak

normal, maka uji statistik t serta f tidak bisa diterapkan. Uji normalitas dilaksanakan

dengan menggunakan pengujian non parametric Kolmogorov-Smirnov, yang

dilakukan dengan mengambil kesimpulan dari hasil nilai signifikasinya yang

terdistribusi normal maupun tidak. Bila nilai signifikasi > 0,05 maka variabel tersebut

terkontribusi normal. Namun, bila nilai signifikasi < 0,05 maka variabel tersebut tidak

terkontribusi normal (Ghozali, 2018).

3.6.3.1 Uji Multikolonieritas

Tujuannya untuk mengetahui ada atau tidaknya korelasi antar variabel bebas

(independen) pada model regresi (Ghozali, 2018). Korelasi antar variabel independen

tidak akan ditemukan bila model regresi itu bersifat baik. Apabila variabel saling

berkontribusi, artinya variabel tidaklah ortogonal. Mengutip Ghozali (2018), variabel

 52

ortogonal merupakan variabel independen yang bernilai korelasi 0 antar sesama

variabel independen.

Ketika mendeteksi ada maupun tidak adanya multikoloneritas, bisa diamati

dari nilai tolerance dan variance inflation factor (VIF). Nilai Tolerance ≥ 0,10

maupun nilai VIF ≤ 10 sering digunakan untuk menyatakan tidak adanya

multikolinearitas.

3.6.3.2 Uji Heteroskedastisitas

Tujuannya menguji apakah suatu pengamatan dengan pengamatan lainnya

terjadi perbedaan variabel pengganggu pada model regresinya. Apabila varian residu

dari suatu pengamatan ke pengamatan berikutnya yakni konstan, maka dianggap

Homoskedastisitas, tetapi bila varian residu dari satu pengamatan ke pengamatan

berikutnya berbeda disebut Heteroskedastistas. Apabila tidak terjadi

heteroskedastisitas maka model regresi dianggap normal (Ghozali, 2018).

Ketika mendeteksi ada maupun tidaknya heteroskedastisitas di model regresi

bisa diuji menggunakan uji glejser. Pengujian glejser dilaksanakan dengan

meregresikan variabel (X) sebagai variabel independen dengan nilai absolute

unstandardized residualnya. Apabila secara statistik variabel independen (x)

memberikan pengaruh terhadap variabel dependen (y), sehingga bisa diasumsikan

bahwa telah terjalin heteroskedastisitas. Apabila nilai signifikasinya melebihi 0,05

(5%) maka bisa disebutkan bahwasannya tidak ada terjalin heteroskedastisitas

(Ghozali, 2018).
 53

3.6.3.3 Uji Autokorelasi

Tujuannya menguji ada atau tidaknya penyimpangan asumsi klasik

autokorelasi di model regresi, yakni korelasi yang terdapat di antara residual suatu

pengamatan dengan pengamatan lainnya (Santoso, 2013) Autokorelasi dapat terjadi

dikarenakan observasi yang dilakukan dari waktu ke waktu secara berurutan dan saling

berkaitan satu sama lainnya (Ghozali, 2018).

Pada penelitian ini, uji autokorelasi dilaksanakan dengan mengamati nilai dari

DW (durbin-watson), dl, serta du yang diamati dari tabel durbin-watson berdasarkan

ketentuan (Ghozali, 2018):

Tabel 3.2 Ketentuan nilai durbin-watson

Hipotesis nol Keputusan Apabila

Tidak terdapat
Diterima dU < d <4-dU
autokorelasi

Tidak terdapat
Ditolak 4-dL < d < dL
autokorelasi

Tidak terdapat dL < d < dU

Ragu-Ragu
autokorelasi negatif 4-dL < d < 4-dU

3.6.4 Analisis Regresi Linear Berganda

Tujuannya mengukur konsistensi di antara variabel independen dengan

variabel dependen berdasarkan taraf signifikansi sebesar 0,05 (Ghozali, 2018).

Analisis ini berguna saat menguji pengaruh variabel independen yakni Pajak Daerah
 54

(X1) serta Retribusi Daerah (X2) terhadap variabel dependen yakni Pendapatan Asli

Daerah (Y), baik secara parsial maupun simultan.

Rumus saat menguji pengaruh variabel independen terhadap variabel

dependen berdasarkan (Ernita & Muhammad Reza, 2020) yakni:

𝐘 = 𝛂 + 𝛃𝟏 𝐗 𝟏 + 𝛃𝟐 𝐗 𝟐 + 𝐞

Keterangan:

Y = Penerimaan Pendapatan Asli Daerah (Juta Rupiah)

α = Konstanta

β1, β1 = Koefisien Regresi

X₁ = Penerimaan Pajak Daerah (Juta Rupiah)

X₂ = Penerimaan Retribusi Daerah (Juta Rupiah)

e = variabel pengganggu (standar error)

3.6.5 Uji Statistik F (Simultan)

Tujuannya mengetahui apakah terdapat pengaruh variabel independen yang

ada dalam model terhadap variabel dependen secara bersamaan. Kriteria pengujian Uji

F (Sugiyono, 2019) yakni:

1. Jika p value < 𝛼 = 0,05 , maka Ha diterima. Kesimpulannya antara

Penerimaan Pajak Daerah dan Retribusi Daerah secara simultan terdapat

pengaruh terhadap Pendapatan Asli Daerah.

2. Jika p value > 𝛼 = 0,05, maka Ha ditolak. Kesimpulannya antara Penerimaan

Pajak Daerah dan Retribusi Daerah secara simultan tidak terdapat pengaruh

terhadap Pendapatan Asli Daerah.

 55

3.6.6 Uji Statistik t (Parsial)

Uji t yakni uji korelasi koefisien parsial yang merupakan komponen dari uji

statistik (Sugiyono 2019). Uji t bertujuan agar memastikan bagaimana variabel

independen memengaruhi variabel dependen (Ghozali, 2018). Uji t dipergunakan

dalam mengukur pengaruh variabel independen terhadap variabel dependen

signifikansi secara parsial dalam Penerimaan Pajak Daerah serta Retribusi Daerah

terhadap PAD. Uji t membandingkan kedua variabel dengan taraf signifikansi 0,05

(5%). Hipotesa yang dipergunakan, yaitu:

1. Jika nilai signifikansi ≥ 0,05, maka Ha ditolak.

2. Jika nilai signifikansi ≤ 0,05, maka Ha diterima.

3.6.7 Koefisien Determinasi (𝑹𝟐 )

Menurut Ghozali (2018) sejauh mana suatu model dapat memperhitungkan

variasi yang diamati dalam variabel dependen dikuantifikasi oleh koefisien

determinasi (𝑹𝟐 ) .Antara nol dan satu, terletak nilai koefisien determinasi. Ketika

(𝑹𝟐 ) rendah, ini menunjukkan bahwa variabel independen hanya dapat menjelaskan

sebagian kecil dari varians dalam variabel dependen. Mendekati satu menunjukkan

bahwa secara praktis semua informasi yang dibutuhkan untuk meramalkan varians

variabel dependen disediakan oleh variabel independen.

Keterbatasan paling signifikan dari tes ini adalah potensi overfitting model

karena tingginya jumlah variabel independen yang diizinkan. Meskipun tidak jelas

apakah faktor-faktor ini berpengaruh atau tidak, jelas bahwa nilai (𝑹𝟐 ) tumbuh dengan

diperkenalkannya setiap variabel independen baru (Ghozali, 2018). Itu sebabnya

 56

penelitian ini menggunakan adjusted R square yang disesuaikan dengan nilai antara

nol dan satu untuk analisis ini. Nilai adjusted R square (𝑹𝟐 ) yang disesuaikan

mendekati 1 menunjukkan bahwa model melakukan pekerjaan yang lebih baik dalam

menjelaskan variabel independennya.