Uji Asumsi Klasik Analisis Data

Berikut ini pada Gambar 5.2 merupakan hasil uji Normalitas P Plot berdasarkan hasil olah data SPSS 16 : Gambar 5.2 Hasil Uji Normalitas P Plot Pengaruh Persepsi Kebermanfaatan, Kemudahan Penggunaan, dan Kepuasan Wajib Pajak Dalam Menggunakan e-Filing Berdasarkan tampilan gambar grafik histogram maupun normal probability plot dapat diketahui bahwa pola grafik histogram berdistribusi normal. Sedangkan pada grafik normal probalility plot terlihat titik-titik menyebar disekitar garis diagonal, serta penyebarannya mengikuti arah garis diagonal. Dengan demikian, kedua grafik tersebut memenuhi asumsi normal. 2 Uji Statistik Uji statistik sederhana dapat dilakukan dengan melihat nilai kurtosis dan skewness dari residual dan juga dengan menggunakan uji statistic non-parametrik Kolmogorov-SmirnovK-S. Rasio skewness atau rasio kurtosis dapat menunjukkan suatu data berdistribusi normal atau tidak. Bila rasio skewness dan rasio kurtosis berada diantara -2 hingga +2, maka distribusi data adalah normal. Berikut ini pada tabel 5.13 merupakan hasil uji statistik sederhana dengan menggunakan SPSS 16 dimana perhitungannya dengan menggunakan rumusan rasio skewness dan rasio kurtosis. Tabel 5.13 Hasil uji statistik sederhana Descriptive Statistics N Skewness Kurtosis Statistic Statistic Std. Error Statistic Std. Error P 38 -.719 .383 1.015 .750 Valid N listwise 38 Sumber: Data diolah dari program SPSS 16 Berdasarkan hasil uji normalitas sederhana pada tabel 5.13 terlihat bahwa nilai untuk semua rasio berada diantara -2 hingga +2 dengan rumusan skewness 0,7190,383 = -1,877 dan nilai rasio kurtosis 1,0150,750 = 1,353. Maka dapat disimpulkan -2 -1,877 2 untuk nilai rasio skewness dan -2 1,353 +2 untuk nilai rasio kurtosis yang artinya bahwa distribusi data normal. Uji statistik non-parametrik juga merupakan salah satu cara untuk melihat data terdistribusi normal dengan melihat besarnya nilai Kolmogorov-Smirnov Z pada Tabel. Berikut Tabel 5.14 hasil uji normalitas Non-Parametrik berdasarkan hasil olah data dengan menggunakan SPSS 16: Tabel 5.14 Hasil uji normalitas Non-Parametrik One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 38 Normal Parameters a Mean .0000000 Std. Deviation 1.80644755 Most Extreme Differences Absolute .125 Positive .062 Negative -.125 Kolmogorov-Smirnov Z .771 Asymp. Sig. 2-tailed .592 a. Test distribution is Normal. Sumber: Data diolah dari data SPSS 16 Hasil uji Kolmogorov-Smirnov dapat diketahui bahwa besarnya nilai Kolmogorov-Smirnov 0,771 dan signifikansi pada 0,592. Hal ini berarti signifikansi lebih besar dari 0,05 sehingga data bisa dikatakan berdistribusi normal. b. Uji multikolineritas Uji ini digunakan untuk mendeteksi ada atau tidaknya multikolienieritas di dalam model regresi. Model regresi yang baik seharusnya tidak terjadi korelasi antara variabel independen. Untuk mendeteksi model tersebut dapat dilihat nilai tolerance dan lawannya Variance Inflation Factor VIF. Tolerance mengukur variabilitas variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi. Untuk menunjukkan adanya multikolonieritas, nilai Tolarance 0,10 atau sama dengan nilai VIF 10. Berikut pada tabel 5.15 Merupakan hasil olah data dengan menggunakan SPSS 16 untuk menguji ada tidaknya multikolinearitas: Tabel 5.15 Hasil uji multikolinearitas Sumber: Data diolah dari program SPSS 16 Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Toleranc e VIF 1 Constant 9.059 5.490 1.650 .108 X1 .035 .268 .024 .130 .897 .870 1.149 X2 .215 .296 .128 .725 .473 .932 1.073 X3 -.155 .313 -.090 -.494 .624 .873 1.146 a. Dependent Variable: P Berdasarkan data yang telah diolah dan disajikan tabel 5.15 menunjukkan bahwa nilai Tolerance tidak kurang dari 0,10 maka tidak ada korelasi antar variabel independen. Hasil yang sama juga ditunjukkan dengan menggunakan nilai VIF pada tabel dimana nilai VIF 10 maka tidak ada korelasi antar variabel independen. Dengan demikian dapat disimpulkan tidak ada multikolonieritas antar variabel independen dalam model regresi. c. Uji Heteroskedastisitas Tujuan dari uji heteroskedastisitas yaitu untuk menguji Apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lainnya. Jika variance dari variabel residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, jika berbeada disebut heteroskadastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Berikut pada tabel 5.14 Merupakan hasil uji heteroskedastisitas berdasarkan hasil oleh SPSS 16: Tabel 5.16 Hasil uji Heteroskedastisitas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 1.969 3.055 .644 .524 X1 -.023 .134 -.030 -.173 .864 X2 -.072 .146 -.090 -.495 .624 X3 .038 .117 .058 .323 .749 a. Dependent Variable: RES2 Sumber: Data diolah dari program SPSS 16 Berdasarkan tabel 5.16 menunjukkan bahwa nilai signifikansi variabel X1 sebesar 0,128 yang artinya lebih besar dari 0,05 maka untuk variabel persepsi kebermanfaatan penggunaan e-Filing tidak ada heteroskedastisitas. Hal yang sama ditunjukkan melalui hasil output untuk variabel X2 yaitu persepsi kemudahan penggunaan e-Filing yang memiliki nilai signifikansi 0,248 yang artinya lebih besar dari 0,05, dan persepsi maka variabel persepsi kemudahan penggunaan e-Filing tidak terjadi heteroskedastisitas. Begitu juga dengan variabel X3 yaitu persepsi kepuasan penggunaan e-Filing yang memiliki nilai signifikansi 0,172 yang artinya lebih besar dari 0,05, maka variabel persepsi kepuasan penggunaan e-Filing tidak terjadi heteroskedastisitas. Dengan demikian, dapat disimpulkan bahwa model regresi tidak mengandung adanya heteroskedastisitas.

4. Pengujian Hipotesis

Pengujian hipotesis ini menggunakan metode Regresi Linier Berganda yang tujuannya untuk menguji hubungan pengaruh antara satu variabel dengan variabel lainnya. Berdasarkan rumusan masalah dan kerangka hipotesis, melalui pengujian dengan metode regresi linier berganda ingin mengetahui Apakah hubungan antara variabel independen secara individu dan atau bersama-sama mempengaruhi variabel dependen. Berikut hasil uji persamaan regresi linier berganda dapat dilihat pada tabel 5.17. Tabel 5.17: Hasil uji persamaan regresi linier berganda Sumber: Data diolah dari Program SPSS 16 Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 2.676 4.876 .549 .587 X1 .496 .213 .334 2.325 .026 X2 -.532 .234 -.338 -2.277 .029 X3 .525 .187 .409 2.802 .008 a. Dependent Variable: P Persamaan regresi yang digunakan yaitu : Keterangan: Y = Penggunaan e-Filing = Persepsi Kebermanfaatan = Persepsi Kemudahan Penggunaan = Persepsi Kepuasan Hasil pengujian statistik berganda akan dibahas berikutnya:

a. Uji Simultan F-Test

Uji statistik F pada dasarnya menunjukkan apakah variabel independen yang dimasukan kedalam persamaan memiliki pengaruh secara bersama-samasimultan terhadap variabel dependen. Berikut pada tabel 5.18 merupakan hasil uji statistic F berdasarkan hasil olah data SPSS 16: Tabel 5.18: Hasil uji simultan F F-test ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 60.733 3 20.244 5.701 .003 a Residual 120.740 34 3.551 Total 181.474 37 a. Predictors: Constant, X3, X1, X2 b. Dependent Variable: P Sumber: Data diolah dari Program SPSS 16 Berdasarkan data yang diolah pada tabel 5.18 diatas Nampak nilai F sebesar 5,701 dengan tingkat signifikansi 0,003. Karena tingkat signifikansi 0,05 maka dapat dikatakan bahwa terdapat pengaruh secara bersama-samasimultan antara variabel independen variabel persepsi kebermanfaatan, variabel persepsi kemudahan penggunaan dan variabel persepsi kepuasan terhadap variabel dependen variabel penggunaan e-Filing. Dengan demikian, hipotesis alternatif Ha dari penelitian ini yang menyatakan bahwa terdapat pengaruh persepsi kebermanfaatan, persepsi kemudahan penggunaan, dan persepsi kepuasan secara bersama-samasimultan terhadap komitmen organisasi telah diterima.

b. Uji Parsial t test

Uji parsial digunakan untuk mengetahui apakah variabel independen secara individual memiliki pengaruh signifikan terhadap variabel dependen. Hasil uji parsial dapat dilihat pada tabel coefficient pada output SPSS. Apabila Sig 0,05, maka tidak terdapat pengaruh secara parsial terhadap variabel dependen sebaliknya jika Sig 0,05 maka terdapat pengaruh terhadap variabel dependen.