77 Model regresi linier berganda yang diperoleh adalah sebagai berikut:
Widarjono,2007:63
Sedangkan Ekonometrika ditulis :
Dimana : PPh
= Penerimaan Pajak Penghasilan SBI
= Suku bunga SBI USD
= Kurs USD INF
= Tingkat Inflasi α
= Konstanta β1,β2, β3
=Koefisien regresi
dari masing-masing
variabel yang
mempengaruhi penerimaan pajak penghasilan. ɛt
= Variabel diluar model tetapi tidak ikut berpengaruh terhadap variabel terikat.
1. Uji Linearitas
Sebelum analisis regresi dilaksanakan, terlebih dahulu dilakukan pengujian linearitas yaitu uji normalitas data dan bebas dari asumsi klasik yang
meliputi multikolinearitas, autokorelasi dan heterokedastisitas.
a. Uji Asumsi Klasik
Uji penyimpangan asumsi klasik dilakukan dengan model estimasi OLS. Ada beberapa pengujian asumsi klasik yaitu sebagai berikut :
Y = f X1,X2,X3, ɛ
Y = α + β1X1 + β2X2 + β3X3 + ɛt PPh = α + β1SBI + β1USD + β1INF + ɛt
78
1. Normalitas
Sebelum analisis regresi dilaksanakan, terlebih dahulu dilakukan pengujian linieritas yaitu uji normalitas data dan bebas dari asumsi klasik yang
meliputi multikolinieritas, autokorelasi dan heteroskedastis. Sujianto 2006 menjelaskan bahwa uji distribusi normal adalah uji untuk mengukur apakah
datanya memiliki distribusi normal sehingga dapat dipakai dalam statistik parametik.
Uji normalitas dilakukan dengan metode kolmogorov-Smirnov Test terhadap Normalitas data. Uji kolmogorov- Smirnov didefinisikan sebagai
berikut: Ho : data berdistribusi normal
Hi : data berdistribusi tidak normal Pengujian asumsi klasik dilakukan untuk melihat apakah model yang
diteliti mengalami penyimpangan klasik atau tidak, sehingga pemeriksaan penyimpangan terhadap asumsi klasik ini perlu dilakukan. Asumsi klasik yang
dipakai untuk membentuk model adalah uji multikolinieritas, uji autokorelasi dan uji heteroskedastisitas.
2. Multikolinearitas
Salah satu asumsi yang digunakan dalam metode OLS adalah tidak ada hubungan linear antara variabel independen. Adanya hubungan antara variabel
independen dalam satu regresi disebut multikolinearitas. Hubungan linear antara variabel independen dapat terjadi dalam bentuk hubungan linear yang sempurna
79 dan hubungan linear yang kurang sempurna. Konsekuensinya terhadap estimator
OLS jika terjadi hubungan antara variabel independen di dalam satu model yaitu estimator masih bersifat BLUE Best Linear Unbiased Estimator = tidak bias,
linear dan mempunyai varian yang minimum. Namun, estimator mempunyai varian dan kovarian yang besar sehingga sulit mendapatkan estimasi yang tepat.
Pada penelitan ini, pendeteksian multikolinearitas dengan menggunakan “uji koefisien korelasi” r. Sebagai aturan main yang kasar rule of tumb, jika
koefisien korelasi cukup tinggi, misalnya: di atas 0,85, maka kita duga ada multikolinearitas dalam model. Sebaliknya, jika koefisien relatif rendah maka kita
duga model tidak , uji koefisien korelasinya sebagai berikut: mengandung unsur kolinearitas. Hubungan yang bersifat individual ini, misalnya: variabel X
1
dengan variabel X
2
.
Jika r 0,85 ada multikolinearitas
Jika r 0,85 tidak ada multikolinearitas Masalah ini sering timbul pada data runtut waktu, di mana korelasi antar variabel
independen cukup tinggi. Korelasi yang tinggi ini terjadi karena data-data tersebut mempunyai tren yang sama, sehingga data akan naik turun secara bersamaan.
3. Heteroskedastisitas
Suatu asumsi kritis dari model regresi linear klasik adalah bahwa gangguan semuanya mempunyai varian yang sama, jika asumsi ini tidak terpenuhi
akan terjadi heteroskedastisitas atau dengan kata lain salah satu penyimpangan dalam asumsi klasik, di mana kondisi tertentu disturbance mengandung varian