Dalam penyajiannya, hasil analisis ini didasarkan pada distribusi frekuensi jawaban responden yang memberikan gambaran mengenai distribusi subjek
menurut kategori-kategori nilai setiap alternatif jawaban yang tersedia di angket. Untuk menentukan kriteria deskriptif persentase yang diperoleh, maka dibuat
tabel kriteria yang disusun dalam perhitungan: a. Persentase tertinggi
= x 100 = 100
b. Persentase terendah =
x 100 = 20 c. Rentang
= 100 - 25 = 80 d. Kelas interval
= 5 e. Panjang kelas interval
= 80 : 5 = 16
Dengan panjang kelas interval 16 dan persentase 20 dapat dibuat kriteria pada tabel dibawah ini sebagai berikut:
Tabel 3.5 Kriteria SPPT, Pelayanan Perpajakan, Kesadaran Wajib Pajak dan
Kepatuhan Wajib Pajak Interval Skor Persentase
Kriteria
84 Skor ≤100 Sangat Baik
68 Skor ≤84 Baik
52 Skor ≤68 Kurang Baik
36 Skor ≤52 Tidak Baik
20 Skor ≤ 36 Sangat Tidak Baik
Sumber: Data yang diolah, 2015
3.6.2 Uji Asumsi Klasik
1. Uji Normalitas
Uji normalitas data bertujuan untuk menguji apakah dalam model regresi variabel bebas dan variabel terikat mempunyai distribusi normal atau tidak. Model
regresi yang baik adalah yang memilki distribusi normal atau mendekati normal. Alat analisis yang digunakan pada penelitian ini dalam uji normalitas adalah uji
Kolmogorov – Smirnov. Alat ini digunakan untuk memberikan angka-angka yang
lebih detail untuk menguatkan apakah terjadi normalitas atau tidak dari data-data yang digunakan.
“Normalitas terjadi apabila hasil dari Asyimp. Sign Kolmogorov – Smirnov lebih dari 0,05”, Ghozali, 2011:165.
2. Uji Multikolonieritas
Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independent.
“Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen
”, Ghozali, 2011:105. Untuk mendeteksi ada atau tidaknya multikolinearitas di
dalam model regresi dapat dilihat dari nilai Tolerance dan Variance Inflation Factor VIF. Pedoman suatu model regresi yang bebas dari multikolonieritas
adalah mempunyai nilai VIF kurang dari 10 dan nilai Tolerance lebih besar dari 0,10.
3. Uji Heteroskedastisitas
Uji heteroskedastisitas
digunakan untuk
mengetahui terjadinya
penyimpangan model karena varian gangguan antara satu observasi. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi
heteroskedastisitas. Cara untuk mendeteksi ada atau tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik plot nilai prediksi variabel terikat yaitu
ZPRED dengan residulnya SRESID. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot
antara SRESID dan ZPRED. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur maka mengindikasikan telah terjadi
heteroskedastisitas. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas
Ghozali, 2011:139.
3.6.3 Analisis Regresi Linier Berganda
