72
pekerjaan, kepemilikan usaha serta keterangan pernah atau belum pernah menggunakan e-filing.
b. Analisis Deskripsi variabel Statistik deskriptif memberikan gambaran atau deskripsi suatu data
yang dilihat dari nilai rata-ratamean, standar deviasi, varian, maksimum, minimum, sum, range, kurtosis dan skewness Ghozali,2013. Penelitian ini
hanya menggunakan nilai rata-ratamean, standar deviasi, varian, maksimum, minimum, dan menggunakan frekuensi sebagai pengukuran
deskriptif dari variabel minat wajib pajak untuk menggunakan e-filing, guna mengetahui seberapa minat wajib pajak untuk menggunakan e-filing dalam
pelaporan pajaknya. Analisis ini digunakan dengan memberi skor jawaban angket yang telah
diisi oleh responden. Hasil penjumlahan masing-masing item dikategorikan dalam beberapa jenjang kategori variabel. Berikut adalah langkah untuk
menentukan tabel kategori: 1. Menentukan rentang, yaitu skor data terbesar dikurangi skor data terkecil.
2. Menentukan banyak kelas interval yang diperlukan yaitu 5. 3. Menentukan panjang kelas interval.
Rentang + 1 p =
Banyak Kelas 4. Pilih ujung bawah kelas sebagai interval pertama.
Penelitian ini menggunakan statistik deskriptif untuk menjelaskan seberapa besar tingkatan variabel penelitian ini terhadap responden yang telah
menjadi sampel.
Berikut deskripsi
variabel:
73
1. Analisis Deskriptif Variabel Terikat Minat Wajib Pajak Y
Langkah yang harus dilakukan untuk menentukan tabel kategori adalah: i. Menentukan rentang, yaitu skor data terbesar dikurangi skor data terkecil.
Skor terbesar = 10 x 5 = 50 Skor terkecil = 10 x 1 = 10
Rentang = 50 – 10 = 40
ii. Menentukan banyak kelas interval yang diperlukan yaitu 5. iii. Menentukan panjang kelas interval.
Rentang + 1 p =
Banyak Kelas 40 + 1
p = 5
= 8,2 = 9 iv. Pilih ujung bawah kelas sebagai interval pertama.
Kategori total jawaban responden terhadap pertanyaan variabel minat wajib pajak sebagai berikut:
Tabel 3.3 Kategori Variabel Minat Wajib Pajak
No Interval Skor
Kategori 1
46-54 Sangat Minat
2 37-45
Minat 3
28-36 Kurang Minat
4 19-27
Tidak Minat 5
10-18 Sangat Tidak Minat
Sumber: data primer diolah, 2016
74
2. Analisis Deskriptif Variabel Pengalaman Wajib Pajak X
1
Langkah yang harus dilakukan untuk menentukan tabel kategori adalah: i. Menentukan rentang, yaitu skor data terbesar dikurangi skor data terkecil.
Skor terbesar = 9 x 5 = 45 Skor terkecil = 9 x 1 = 9
Rentang = 45 – 9 = 36
ii. Menentukan banyak kelas interval yang diperlukan yaitu 5. iii. Menentukan panjang kelas interval.
Rentang + 1 p =
Banyak Kelas 36 + 1
p = 5
= 7,4 = 8 iv. Pilih ujung bawah kelas sebagai interval pertama.
Kategori total jawaban responden terhadap pertanyaan variabel pengalaman wajib pajak sebagai berikut:
Tabel 3.4 Kategori Variabel Pengalaman Wajib Pajak
No Interval Skor
Kategori 1
44-52 Sangat Berpengalaman
2 35-43
Berpengalaman 3
26-34 Kurang Berpengalaman
4 17-25
Tidak Berpengalaman 5
9-16 Sangat Tidak Berpengalaman
Sumber: data primer diolah , 2016
75
3. Analisis Deskriptif Variabel Kompleksitas X
2
Langkah yang harus dilakukan untuk menentukan tabel kategori adalah: i. Menentukan rentang, yaitu skor data terbesar dikurangi skor data terkecil.
Skor terbesar = 3 x 5 = 15 Skor terkecil = 3 x 1 = 3
Rentang = 15 – 3 = 12
ii. Menentukan banyak kelas interval yang diperlukan yaitu 5. iii. Menentukan panjang kelas interval.
Rentang + 1 p =
Banyak Kelas 12 + 1
p = 5
= 2,6 = 3 iv. Pilih ujung bawah kelas sebagai interval pertama.
Kategori total jawaban responden terhadap pertanyaan variabel kompleksitas sebagai berikut:
Tabel 3.5 Kategori Variabel Kompleksitas
No Interval Skor
Kategori 1
15-17 Sangat Rumit
2 12-14
Rumit 3
9-11 Cukup Rumit
4 6-8
Tidak Rumit 5
3-5 Sangat Tidak Rumit
Sumber: data primer diolah, 2016
76
4. Analisis Deskritif Variabel Keamanan dan Kerahasiaan X
3
Langkah yang harus dilakukan untuk menentukan tabel kategori adalah: i. Menentukan rentang, yaitu skor data terbesar dikurangi skor data terkecil.
Skor terbesar = 7 x 5 = 35 Skor terkecil = 7 x 1 = 7
Rentang = 35 – 7 = 28
ii. Menentukan banyak kelas interval yang diperlukan yaitu 5. iii. Menentukan panjang kelas interval.
Rentang + 1 p =
Banyak Kelas 28 + 1
p = 5
= 5,8 = 6 iv. Pilih ujung bawah kelas sebagai interval pertama.
Kategori total jawaban responden terhadap pertanyaan variabel keamanan dan kerahasiaan sebagai berikut:
Tabel 3.6 Kategori Variabel Keamanan dan Kerahasiaan
No Interval Skor
Kategori 1
31-36 Sangat Terjamin
2 25-30
Terjamin 3
19-24 Kurang Terjamin
4 13-18
Tidak Terjamin 5
7-12 Sangat Tidak Terjamin
Sumber: data primer diolah, 2016
77
5. Analisis Deskriptif Variabel Kepatuhan Wajib Pajak X
4
Langkah yang harus dilakukan untuk menentukan tabel kategori adalah: i. Menentukan rentang, yaitu skor data terbesar dikurangi skor data terkecil.
Skor terbesar = 9 x 5 = 45 Skor terkecil = 9 x 1 = 9
Rentang = 45 – 9 = 36
ii. Menentukan banyak kelas interval yang diperlukan yaitu 5. iii. Menentukan panjang kelas interval.
Rentang + 1 p =
Banyak Kelas 36 + 1
p = 5
= 7,4 = 8 iv. Pilih ujung bawah kelas sebagai interval pertama.
Kategori total jawaban responden terhadap pertanyaan variabel kepatuhan wajib pajak sebagai berikut:
Tabel 3.7 Kategori Variabel Kepatuhan Wajib Pajak
No Interval Skor
Kategori 1
44-52 Sangat Patuh
2 35-43
Patuh 3
26-34 Kurang Patuh
4 17-25
Tidak Patuh 5
9-16 Sangat Tidak Patuh
Sumber: data primer diolah, 2016
78
6. Analisis Deskripsi Variabel Kesiapan Teknologi Informasi X
5
Langkah yang harus dilakukan untuk menentukan tabel kategori adalah: i. Menentukan rentang, yaitu skor data terbesar dikurangi skor data terkecil.
Skor terbesar = 9 x 5 = 45 Skor terkecil = 9 x 1 = 9
Rentang = 45 – 9 = 36
ii. Menentukan banyak kelas interval yang diperlukan yaitu 5. iii. Menentukan panjang kelas interval.
Rentang + 1 p =
Banyak Kelas 36 + 1
p = 5
= 7,4 = 8 iv. Pilih ujung bawah kelas sebagai interval pertama.
Kategori total jawaban responden terhadap pertanyaan variabel kesiapan teknologi informasi sebagai berikut:
Tabel 3.8 Kategori Variabel Kesiapan Teknologi Informasi
No Interval Skor
Kategori 1
44-52 Sangat Siap
2 35-43
Siap 3
26-34 Cukup Siap
4 17-25
Tidak Siap 5
9-16 Sangat Tidak Siap
Sumber: data primer diolah, 2016
79
3.6.2 Analisis Regresi Linier Berganda
Analisis regresi linier berganda dalam penelitian ini digunakan untuk menguji dan menunjukkan arah hubungan variabel independen
mempengaruhi variabel dependen juga. Peneliti menggunakan analisis model regresi linear berganda untuk menguji hipotesis dalam penelitian ini. Model
regresi berganda diformulasikan sebagai berikut: � = α + ��1. �1 + ��2. �2 + ��3. �3 + ��4. �4 + ��5. �5 + �
Keterangan : Y = Minat Wajib Pajak untuk Menggunakan e-filling
α = konstanta β
1
= koefisien regresi keamanan dan kerahasiaan β
2
= koefisien regresi pengalaman β
3
= koefisien regresi kompleksitas β
4
= koefisien regresi kepatuhan wajib pajak β
5
= koefisien regresi kesiapan teknologi informasi �1 = Keamanan dan kerahasiaan
�2 = Pengalaman X3 = Kompleksitas
X4 = Kepatuhan Wajib Pajak X5 = Kesiapan Teknologi Informasi
e = Kesalahan error Persamaan tersebut kemudian dianalisis menggunakan SPSS 21 dengan
tingkat signifikansi 5 α = 0,05
80
3.6.2.1 Uji Asumsi Klasik
Uji asumsi klasik dilakukan agar dapat diketahui apakah model regresi yang digunakan merupakan model regresi yang baik atau tidak ghozali,2001
dalam Malikha,2010. Menurut Desmayanti2012 menjelaskan bahwa uji asumsi klasik dilakukan agar data sampel yang diolah benar-benar dapat
mewakili populasi secara keseluruhan. Penelitian ini menggunakan pengujian uji normalitas,uji multikolonieritas, dan uji heteroskedastisitas.
3.6.2.1.1 Uji Normalitas
Uji normalitas ini untuk menguji apakah varibel-variabel yang gunakan dalam model regresi mempunyai distribusi normal atau tidak. Normalitas
suatu variabel tidak selalu diperlukan dalam analisis akan tetapi hasil uji statistik akan lebih baik jika semua vriabel terdiatribusi normal, bila variabel
tidak terdistribusi normal maka hasil uju statistik akan terdegradasi. Normalitas suatu variabel umumnya dapat di deteksi dengan analisis grafik
atau uji statistik. Uji normalitas dalam penelitian ini dilakukan menggunakan uji Kolmogorov-Smirnov, dan uji grafik baik melalui histogram maupun
normal Probability Plot P-P Plot. Menurut Desmayanti 2012, uji Kolmogorov-Smirnov dilakukan dengan
melihat nilai probabilitas signifikansi, apabila nilai probabilitas signifikansi kurang dari nilai
α = 0,05 maka data tidak terdistribusi normal. Sebelumnya perlu ditentukan hipotesis terlebih dahulu, yaitu:
Hipotesis Nol H : data terdistribusi normal
Hipotesis Alternatif Ha : data tidak terdistribusi normal
81
Uji grafik baik melalui histogram, grafik histogram berada ditengah- tengah atau tidak. Posisi histrogram sedikit menceng ke kiri atau kanan, maka
data tidak terdistribusi normal. Grafik normal Probability Plot P-P Plot apabila terlihat titik-titik menyebar disekitas garis diagonal dan mengikuti
arah garis diagonal maka menunjukkan pola distribusi secara normal.
3.6.2.1.2 Uji Multikolonieritas
Menurut Ghozali 2013 uji multikolinieritas untuk menguji apakah dalam model regresi yang digunakan terdapat kolerasihubungan antar variabelnya.
Model regresi yang baik seharusnya tidak terjadi korelasi antar variabel independennya, apabila variabel independen saling berkorelasi, maka
variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama
dengan nol. Untuk mendeteksi ada tidaknya gejala multikolinieritas dalam penelitian ini menggunakan cara yaitu dengan memeriksa nilai tolerance dan
nilai variance inflation factor VIF pada saat tiap variabel independen menjadi variabel dependen dan diregres dengan variabel independen lainnya.
Multikolinieritas terjadi apabila nilai tolerance ≤ 0,10 atau nilai VIF ≥ 10.
3.6.2.1.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke
pengamatan lain. Varian dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan apabila berbeda disebut
heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi
82
heteroskedastisitas Ghozali,2013. Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas. Menentukan ada tidaknya
heteroskedastisitas adalah dengan mengamati grafik plot serta melakukan uji Glejser.
Uji heteroskedastisitas dengan melihat Grafik Plot antara nilai prediksi variabel dependen yaitu ZPRED dengan residualnya SRESID, yakni dengan
melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi dan sumbu X adalah
residual yang telah di-studentized. Dasar Analisis:
1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka
mengindikasikan telah terjadi heteroskedastisitas. 2. Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedatisitas. Uji Glejser dilakukan yakni dengan meregresikan semua variabel
independen dengan nilai absolut Residual AbsUt sebagai variabel dependennya, dimana U dapat dihitung dengan cara Y-
Ŷ, apabila probibalitas signifikansinya diatas 5 maka model regresi tidak mengandung
heteroskedastisitas.
83
3.6.2.2 Uji Hipotesis Penelitian 3.6.2.2.1 Uji Statistik F
Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh
secara bersama-sama terhadap variabel dependen atau terikat Ghozali,2013. Kriteria untuk pengambilan keputusan sebagai berikut :
1. Signifikan jika r value α 0,05 maka menerima hipotesis alternatif.
2. Tidak signifikan jika r value α 0,05 maka menolak hipotesis alternatif.
3.6.2.2.2 Uji Statistik t
Uji statistik t pada dasarnya menunjukkan seberapa pengaruh satu variabel penjelasindependen secara individual dalam menerangkan variasi variabel
dependen atau terikat Ghozali,2013. Cara melakukan uji t adalah sebagai berikut :
a. Membandingkan nilai t hitung dengan t titik kritis menurut tabel. 1. Nilai t-hitung t-tabel, maka kita menerima Ha yang menyatakan bahwa
suatu variabel independen secara individual mempengaruhi variabel dependen.
2. Nilai t-hitung t-tabel, maka kita menolak Ha yang menyatakan bahwa suatu variabel independen secara individual mempengaruhi variabel
dependen. b. Berdasarkan probabilitas dengan dasar pengambilan keputusan:
1. Signifikan jika r value α 0,05 maka menerima hipotesis alternatif.
2. Tidak signifikan jika r value α 0,05 maka menolak hipotesis alternatif.
84
3.6.2.2.3. Uji Koefisien Determinasi R
2
Koefisien Determinasi R2 digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai
koefisien determinasi adalah antara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel
independen amat terbatas. Nilai yang mendekati variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi
variasi variabel dependen Ghozali,2013. Nilai yang digunakan bukanlah R
2
melainkan Adjusted R Square.
BAB IV HASIL DAN PEMBAHASAN
4.1. Hasil Penelitian 4.1.1 Deskripsi Objek Penelitian
Populasi dalam penelitian ini adalah wajib pajak orang pribadi WPOP yang terdaftar di wilayah Semarang Tengah Satu. Berdasarkan data yang
diperoleh jumlah WPOP yang terdaftar pada Kantor Pelayanan Pajak KPP Pratama Semarang Tengah Satu pada tahun 2015 sebanyak 7.493. Sampel yang
digunakan adalah WPOP yang pernah mencoba atau belum menggunakan e-filing. Kuesioner yang disebar peneliti bulan Maret 2016 yaitu dari tanggal 16
Maret 2016 sampai 22 Maret 2016 dengan rata-rata penyebaran kuesioner 20-25 sehari di KPP Pratama Semarang Tengah satu yang beralamat di Gedung
Keuangan Negara GKN jalan Pemuda No.2 lantai 1 dan 2 Semarang. Jumlah kuesioner yang berhasil diperoleh peneliti adalah sebanyak 120 kuesioner namun
tidak semua dapat diolah oleh peneliti. Tabel 4.1 berikut ini merupakan hasil pengumpulan data:
Tabel 4.1 Hasil Pengumpulan Data Keterangan
Jumlah Persentase
Kuesioner yang diperoleh 120
100 Kuesioner yang tidah bisa diolah
13 10,8
Kuesioner yang bisa diolah 107
89,2 Sumber: Data primer diolah,2016
85
86
Berdasarkan Tabel 4.1 tersebut, maka dapat disimpulkan bahwa dari semua kuesioner yang disebar terdapat 13 kuesioner yang tidak bisa diolah. Hal
ini dikarenakansetelah peneliti meneliti tiap kuesioner terdapat beberapa kuesioner yang tidak terisi dengan lengkap oleh responden. Peneliti hanya
menggunakan kuesioner yang terisi dengan lengkap, maka kuesioner yang dapat diolah sebanyak 107 kuesioner 89,2.
4.1.2 Hasil Deskripsi Responden
Hasil deskripsi responden ini berdasarkan data informasi responden yang sudah terisi dikuesioner. Deskripsi ini akan memberikan informasi demografi
responden penelitian seperti yang tercantum di kuesioner yaitu jenis kelamin, usia responden, tingkat pendidikan dari responden, pekerjaan, kepemilikan usaha, serta
keterangan reaponden pernah mencoba atau menggunakan e-filing atau tidak. Data tersebut dimaksudkan untuk menjelaskan latarbelakang dari wajib pajak
yang menjadi sampel pada penelitian ini, sehingga dapat mendukung hasil penelitian.
Terdapat 107 responden yang terdiri dari wajib pajak orang pribadi yang dapat mewakili. Data mengenai karakteristik responden ditampilkan pada Tabel
4.2 sebagai berikut:
87
Tabel 4.2 Data Statistik Responden
Keterangan Jumlah
Persentase 1 Jenis Kelamin
a. Pria 69
64,50 b. Wanita
38 35,50
107 100,00
2 Usia a. 20 tahun
4 3,74
b. 21-30 tahun 55
51,40 c. 31-40 tahun
25 23,37
d. 41-50 tahun 16
14,95 e. 51 tahun
7 6,54
107 100,00
3 Tingkat Pendidikan a. SMU
39 36,45
b. Sarjana 61
57 c. Lainnya
7 6,55
107 100,00
4 Pekerjaan a. PNS
8 7,48
b. Swasta 96
89,72 c. Lainnya
3 2,80
107 100,00
5 Kepemilikan usaha a. Ya
b. Tidak 107
100 107
100 6 Pernah menggunakan e-filing
a. Ya 41
38,32 b. Tidak
66 61,68
107 100,00
Sumber: Data primer diolah, 2016
88
Tabel 4.2 data statistik responden tersebut, menunjukkan bahwa dari 107 responden wajib pajak orang pribadi, didapati responden yang berjenis kelamin
pria menunjukkan hasil sebanyak 69 orang atau 64,50 dan 38 orang atau 35,50 merupakan responden wanita. Berdasarkan hasil kuesioner yang diperoleh
kategori jenis kelamin ini, dapat diketahui bagaimana minat wajib pajak untuk menggunakan e-filing dilihat dari penggolongan jenis kelamin, karena biasanya
wajib pajak yang berjenis kelamin pria lebih memiliki ketertarikan yang tinggi terhadap hal baru. Hasil data responden berdasarkan usia, yang memiliki usia
dibawah atau 20 tahun sebanyak 4 orang atau 3,74, usia 21 sampai 30 tahun sebanyak 55 orang atau 51,40, usia 31 tahun sampai 40 tahun sebanyak 25
orang atau 23,37, usia 41 tahun sampai dengan 50 tahun sebanyak 16 orang atau 14,95 dan responden yang miliki usia di atas 51tahun sebanyak 7 orang atau
6,54. Responden yang memiliki usia 40 tahun keatas biasanya kurang memiliki ketertarikan untuk menggunakan e-filing, hal ini diduga karena wajib pajak
dengan usia tersebut belum memiliki pengalaman akan sistem teknologi tidak seperti wajib pajak dengan usia yang masih muda.
Hasil data statistik responden berdasarkan tingkat pendidikan, terdapat 39 orang atau 36,45 memiliki tingkat pendidikan terakhir SMUsederajat, dan
sebanyak 61 orang atau 57 responden bertingkat pendidikan terakhir sarjana. Lainnya sebanyak 7 orang atau 6,55 memiliki tingkat pendidikan selain SMU
dan sarjana. Seorang wajib pajak yang memiliki tingkat pendidikan yang tinggi akan mendorong keinginannya untuk menggunakan e-filing, hal ini diduga karena
dengan tingkat pendidikan yang tinggi akan membuka wawasannya akan
89
kebermanfaatan dari sistem e-filing ini. Pekerjaan yang dimiliki responden terdapat 8 orang atau 7,48 responden sebagai pegawai negeri sipil PNS dan 96
orang atau 89,72 reponden sebagai pegawai swasta, serta yang lainnya memiliki pekerjaan lainnya yang tidak ingin disebutkan oleh responden. Pekerjaan yang
dimiliki responden ini telah terbiasa menggunakan teknologi, maka akan memudahkan wajib pajak untuk beradaptasi dengan e-filing.
Berdasarkan dari kepemilikan usaha dari 107 responden, semua responden tidak menjalankan atau memiliki usaha. Responden yang datang di KPP
Semarang Tengah Satu mayoritas adalah karyawan atau pegawai negeri sipil sehingga data tersebut menunjukkan bahwa tidak ada responden yang memiliki
usaha. Kesimpulannya yaitu wajib pajak yang tidak memiliki usaha telah memiliki ketertarikan untuk menggunakan e-filing dalam pelaporan pajaknya.
Data statistik responden menunjukkan bahwa responden yang pernah mencoba menggunakan e-filing hanya sebesar 38,32 atau sebanyak 41 orang sedangkan
61,68 atau 66 orang belum atau tidak menggunakan e-filing. Berdasarkan pada data yang diterima oleh peneliti, hal ini disebabkan karena memang wajib pajak
orang pribadi yang terdaftar di KPP Pratama Semarang Tengah Satu sampai pada tahun 2015 masih banyak yang melaporkan pajak secara manual dari pada
melaporkan pajak melalui e-filing. Wajar apabila responden yang diperoleh peneliti mayoritas belum pernah menggunakan, mereka hanya mengetahui secara
umum saja mengenai e-filing, oleh karena itu responden dapat mengisi kuesioner berdasarkan dari persepsinya akan e-filing.
90
4.1.3 Analisis Statistik Deskriptif Variabel
Analisis statistik deskriptif variabel dilakukan untuk memberikan gambaran secara umum suatu data yang dilihat dari mean,standar deviasi,
maksimum, minimum dan sum. Variabel yang diukur ialah semua variabel penelitian, baik variabel dependen yaitu minat wajib pajak untuk menggunakan e-
filing maupun variabel independen. Minat ini diukur dengan tujuan agar mengetahui seberapa minat wajib pajak orang pribadi di KPP Pratama Semarang
Tengah Satu terhadap e-filing, dan variabel independen yaitu pengalaman wajib pajak, kompleksitas, keamanan dan kerahasiaan, kepatuhan wajib pajak, dan
kesiapan teknologi. Berikut ini hasil deskripsi tiap variabel:
Tabel 4.3 Rangkuman Descriptive Statistics
Variabel Mean
Std. Deviation
Minat Wajib Pajak 38,79
4,783 Pengalaman
33,13 4,493
Kompleksitas 11,41
1,572 Keamanan dan kerahasiaan
25,74 4,34
Kepatuhan Wajib pajak 38,6
4,056 Kesiapan teknologi informasi
32,76 4,756
Sumber: Data Primer diolah,2016 Rangkuman statistik deskriptif pada tabel 4.3 menunjukkan bahwa minat
wajib pajak mempunyai nilai rata-rata sebesar 38,79 dengan standar deviasi sebesar 4,783. Pengalaman mempunyai nilai rata-rata sebesar 33,13 dengan
standar deviasi sebesar 4,493. Kompleksitas mempunyai nilai rata-rata sebesar
91
11,41 dengan standar deviasi sebesar 1,572. Keamanan dan kerahasiaan mempunyai nilai rata-rata sebesar 25,74 dengan standar deviasi sebesar 4,340.
Kepatuhan wajib pajak mempunyai nilai rata-rata sebesar 38,60 dengan standar deviasi sebesar 4,056. Kesiapan teknologi informasi mempunyai nilai rata-rata
sebesar 32,76 dengan standar deviasi sebesar 4,756. Standar deviasi untuk variabel-variabel tersebut lebih rendah dibanding mean hal ini menunjukkan
bahwa varians data tidak jauh berbeda atau hampir sama, dengan kata lain sebaran data untuk variabel kecil..
1. Minat Wajib Pajak
Berdasarkan Tabel 4.3, menunjukkan bahwa variabel minat wajib pajak untuk menggunakan e-filing memiliki rata-rata sebesar 38,79. Sesuai dengan
Tabel 3.3 mengenai kategori total jawaban dari minat wajib pajak, diketahui bahwa nilai rata-rata tersebut masuk pada kategori minat. Nilai rata-rata tersebut
dapat menunjukkan bahwa wajib pajak orang pribadi di Semarang Tengah Satu memiliki keminatan untuk menggunakan e-filing, meskipun dari data yang
terdaftar di KPP Pratama Semarang Tengah Satu pada tahun 2015 masih banyak wajib pajak yang menggunakan sistem manual daripada e-filing, namun pada
tahun 2016, sudah banyak wajib pajak yang memiliki keminatan untuk menggunakan e-filing. Diharapkan akan terjadi peningkatan wajib pajak orang
pribadi yang menggunakan e-filing di tahun 2016. Berikut ini adalah rangkuman hasil distribusi kategori jawaban responden untuk pertanyaan dari variabel minat
wajib pajak untuk menggunakan e-filing, dapat dilihat dalam Tabel 4.4 berikut ini:
92
Tabel 4.4 Kategori Variabel Minat Wajib Pajak untuk Menggunakan E-
filing
No Interval Skor Frekuensi
Persentase Kategori
1 46-54
10 9
Sangat Minat 2
37-45 64
60 Berminat
3 28-36
31 29
Kurang Minat 4
19-27 2
2 Tidak Minat
5 10-18
Sangat Tidak Minat Sumber: Data primer yang diolah, 2016
Berdasarkan Tabel 4.4 tersebut menunjukkan bahwa 60 dari 107 responden penelitian telah berminat untuk menggunakan e-filing atau sebanyak 64
orang wajib pajak orang pribadi yang menjadi sampel telah memiliki ketertariakn untuk menggunakan e-filing dalam pelaporan pajaknya. Wajib pajak OP sudah
memiliki keinginan untuk mencari informasi mengenai e-filing, dengan mencari informasi tersebut wajib pajak dapat membandingkan manfaat atau kelebihan
yang diberikan oleh e-filing dibandingkan dengan cara manual. Setelah mengetahui manfaat yang akan diperoleh inilah yang dapat memunculkan
keinginan wajib pajak untuk menggunakan e-filing. Hal ini diharapkan dapat membuat wajib pajak orang pribadi pada tahun pajak 2016 yang melaporkan SPT
menggunakan e-filing akan meningkat, terutama di KPP Pratama Semarang Tengah Satu.
93
2. Pengalaman Wajib Pajak
Berdasarkan Tabel 4.3, menunjukkan bahwa variabel pengalaman wajib pajak memiliki rata-rata sebesar 33,13. Sesuai dengan Tabel 3.4 mengenai
kategori total jawaban dari pengalaman wajib pajak, diketahui bahwa nilai rata- rata tersebut masuk pada kategori kurang berpengalaman, sehingga dari nilai rata-
rata tersebut dapat disimpulkan bahwa wajib pajak orang pribadi di Semarang Tengah Satu kurang memiliki pengalaman dalam penggunaan sistem informasi
terutama untuk menggunakan e-filing. Berikut ini adalah rangkuman hasil distribusi kategori jawaban responden untuk pertanyaan dari variabel pengalaman
wajib pajak, dapat dilihat dalam Tabel 4.5 berikut ini:
Tabel 4.5 Kategori Variabel Pengalaman Wajib Pajak
No Interval Skor Frekuensi Persentase
Kategori 1
42-52 2
2 Sangat Berpengalaman
2 35-43
46 43
Berpengalaman 3
26-34 54
50 Kurang berpengalaman
4 17-25
5 5
Tidak berpengalaman 5
9-16 Sangat Tidak berpengalaman
Sumber: Data primer yang diolah, 2016 Berdasarkan Tabel 4.5 tersebut menunjukkan bahwa 50 dari responden
penelitian memiliki pengalaman yang kurang cukup dalam menggunaan teknologi informasi atau sebanyak 54 orang wajib pajak orang pribadi yang menjadi sampel.
94
Hal tersebut dikarenakan penguasaan responden akan sistem informasi kurang atau masih sedikit. Penguasaan yang masih sedikit membuat responden memiliki
pemahaman akan e-filing pun juga terbatas. Pemahaman tersebut membuat responden kurang mengetahui akan kebermanfaatan dari sistem e-filing, meskipun
pengalaman wajib pajak masih berada pada kategori kurang berpengalaman, sudah banyak wajib pajak yang memiliki ketertarikan untuk mau mencoba untuk
menggunakan e-filing.
3. Kompleksitas
Berdasarkan Tabel 4.3, menunjukkan bahwa variabel kompleksitas memiliki rata-rata sebesar 11,41. Sesuai dengan Tabel 3.5 mengenai kategori total
jawaban dari variabel kompleksitas, diketahui bahwa nilai rata-rata tersebut masuk pada kategori tinggi, sehingga dari nilai rata-rata tersebut dapat
disimpulkan bahwa wajib pajak orang pribadi di Semarang Tengah Satu memiliki persepsi bahwa untuk menggunakan e-filing memiliki kompleksitas yang tinggi,
oleh karena itu masih banyak wajib pajak orang pribadi yang memilih untuk melaporkan pajak secara manual yaitu dengan datang langsung ke KPP. Berikut
ini adalah rangkuman hasil distribusi kategori jawaban responden untuk pertanyaan dari variabel kompleksitas untuk menggunakan e-filing, dapat dilihat
dalam Tabel 4.6 berikut ini:
95
Tabel 4.6 Kategori Variabel Kompleksitas
No Interval Skor Frekuensi
Persentase Kategori
1 15-17
4 4
Sangat Rumit 2
12-14 60
56 Rumit
3 9-11
40 37
Cukup Rumit 4
6-8 3
3 Tidak Rumit
5 3-5
Sangat Tidak Rumit Sumber: Data primer yang diolah, 2016
Berdasarkan Tabel 4.6 tersebut menunjukkan bahwa 56 dari responden penelitian memiliki persepsi bahwa menggunakan atau sistem e-filing memiliki
kompleksitas yang tinggi. Sebanyak 60 orang wajib pajak orang pribadi yang menjadi sampel memiliki persepsi bahwa tatacara pelaporan pajak menggunakan
e-filing masih memiliki tingkat kerumitan atau membingungkan.kerumitan tersebut dilihat dari fitur-fitur layanan yang ada pada sistem e-filing menurut
responden belum memudahkan. Selain itu banyak dari responden yang beranggapan jika menggunakan e-filing belum efektif untuk meringankan
pekerjaan mereka dan penggunaan e-filing belum dapat meningkatkan performa pelaporan pajak responden.
96
4. Keamanan dan kerahasiaan
Berdasarkan Tabel 4.3, menunjukkan bahwa variabel minat wajib pajak untuk menggunakan e-filing memiliki rata-rata sebesar 25,74. Sesuai dengan
Tabel 3.6 mengenai kategori total jawaban dari keamanan dan kerahasiaan, diketahui bahwa nilai rata-rata tersebut masuk pada kategori tinggi, sehingga dari
nilai rata-rata tersebut dapat disimpulkan bahwa wajib pajak orang pribadi di Semarang Tengah Satu memiliki persepsi mengenai keamanan dan kerahasiaan
sistem e-filing yang tinggi dengan kata lain responden percaya bahwa sistem e- filing dapat memberikan jaminan akan keamanan dan kerhasiaan data mereka.
Berikut ini adalah rangkuman hasil distribusi kategori jawaban responden untuk pertanyaan dari variabel minat wajib pajak untuk menggunakan e-filing, dapat
dilihat dalam Tabel 4.7 berikut ini:
Tabel 4.7 Kategori Variabel Keamanan dan Kerahasiaan
No Interval Skor Frekuensi
Persentase Kategori
1 31-36
13 12
Sangat Terjamin 2
25-30 56
52 Terjamin
3 19-24
34 32
Kurang Terjamin 4
13-18 4
4 Tidak Terjamin
5 7-12
Sangat Tidak Terjamin Sumber: Data primer yang diolah, 2016
Berdasarkan Tabel 4.7 tersebut menunjukkan bahwa 52 dari responden penelitian memiliki kepercayaan dalam penggunaan e-filing, mereka memiliki
97
kepercayaan akan keamanan dan kerahasiaan data mereka dapat dijamin oleh e- filing atau sebanyak 56 orang wajib pajak orang pribadi yang menjadi sampel.
Jaminan keamanan yang diberikan pada e-filing dianggap responden sudah tinggi sehingga dapat menangani masalah-masalah berkaitan dengan kemanan data. Hal
tersebut membuat responden memiliki kepercayaan akan jaminan keamanan, apabila jaminan keamanan sudah baik, jaminan kerahasiaannya pun juga baik.
Selain itu isu-isu mengenai masalah yang berkaitan dengan keamanan dan kerahasian data tidak membuat mayoritas responden ragu dan khawatir
menggunakan e-filing. Hal ini dapat mendorong minat wajib pajak orang pribadi dalam penggunaan e-filing untuk pelaporan pajak tahun selanjutnya.
5. Kepatuhan Wajib Pajak
Berdasarkan Tabel 4.3, menunjukkan bahwa variabel kepatuhan wajib pajak untuk menggunakan e-filing memiliki rata-rata sebesar 38,60. Sesuai
dengan Tabel 3.7 mengenai kategori total jawaban dari kepatuhan wajib pajak, diketahui bahwa nilai rata-rata tersebut masuk pada kategori patuh, sehingga dari
nilai rata-rata tersebut dapat disimpulkan bahwa wajib pajak orang pribadi yang terdaftar di KPP Semarang Tengah Satu memiliki tingkat kepatuhan yang sudah
baik. Responden memiliki kesadaran yang cukup tentang kewajibannya untuk membayar pajak. Berikut ini adalah rangkuman hasil distribusi kategori jawaban
responden untuk pertanyaan dari variabel kepatuhan wajib pajak untuk menggunakan
e-filing, dapat
dilihat dalam
Tabel 4.8
berikut ini:
98
Tabel 4.8 Kategori Variabel Kepatuhan Wajib Pajak
No Interval Skor Frekuensi
Persentase Kategori
1 44-52
23 22
Sangat patuh 2
35-43 75
70 Patuh
3 26-34
9 8
Kurang patuh 4
17-25 Tidak patuh
5 9-16
Sangat Tidak patuh Sumber: Data primer yang diolah, 2016
Berdasarkan Tabel 4.8 tersebut menunjukkan bahwa 70 dari responden penelitian memiliki tingkat kepatuhan dalam membayar pajak yang baik atau
sebanyak 75 orang wajib pajak orang pribadi yang menjadi sampel. Kepatuhan ini berada pada kategori patuh dikarenakan responden mau dan memiliki kesadaran
untuk membayar dan melaporkan pajak tepat waktu. Kesadaran akan kewajiban memiliki NPWP juga telah dipahami oleh responden, sehingga mayoritas
responden memiliki NPWP sebagai identitas wajib pajak. Selain itu, tidak terdapat responden yang memiliki tunggakan pajak, dan apabila responden memiliki
tunggakan pajak maka ia akan membayar denda dengan tepat waktu.
6. Kesiapan teknologi Informasi
Berdasarkan Tabel 4.3, menunjukkan bahwa variabel kesiapan teknologi informasi memiliki rata-rata sebesar 32,76. Sesuai dengan Tabel 3.8 mengenai
kategori total jawaban dari kesiapan teknologi informasi, diketahui bahwa nilai rata-rata tersebut masuk pada kategori sedang, sehingga dari nilai rata-rata
99
tersebut dapat disimpulkan bahwa wajib pajak orang pribadi di Semarang Tengah Satu beranggapan bahwa sistem teknologi informasi sekarang ini masih pada
tingkatan sedang dengan kata lain belum benar-benar memiliki kesiapan. Hal ini menunjukkan bahwa responden belum mempercayai akan kesiapan teknologi
informasi. Berikut ini adalah rangkuman hasil distribusi kategori jawaban responden untuk pertanyaan dari variabel kesiapan teknologi informasi, dapat
dilihat dalam Tabel 4.9 berikut ini:
Tabel 4.9 Kategori Variabel Kesiapan Teknologi Informasi
No Interval Skor Frekuensi
Persentase Kategori
1 44-52
1 1
Sangat Siap 2
35-43 38
36 Siap
3 26-34
60 56
Cukup Siap 4
17-25 7
6 Tidak Siap
5 9-16
1 1
Sangat Tidak Siap Sumber: Data primer yang diolah, 2016
Berdasarkan Tabel 4.9 tersebut menunjukkan bahwa 56 dari responden penelitian memiliki beranggapan bahwa kesiapan teknologi informasi masih pada
tingkatan sedang atau sebanyak 60 orang wajib pajak orang pribadi yang menjadi sampel. Mayoritas responden menilai kesiapan teknologi informasi sekarang ini
masih belum benar-benar siap atau masih pada tingkatan sedang, ini dapat dilihat dari bagaimana ketersediaan dari software dan hardware sudah memadahi atau
belum, karena sistem e-filing merupakan pelaporan pajak secara online maka ketersediaan koneksi internet juga dijadikan penilai kesiapan teknologi informasi.
100 100
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta Constant
PWP K
1 KK
KWP KTI
11,625 3,937
2,953 ,004
,547 ,122
,514 4,479
,000 ,864
,323 ,284
2,676 ,009
,050 ,094
,045 ,529
,598 ,126
,086 ,106
1,466 ,146
-,212 ,088
-,211 -2,394
,019
Selain dari kesiapan sistem atau kesiapan teknologinya, kesiapan teknologi dari wajib pajak juga harus mendukung, apakah wajib pajak telah siap menerima
perkembangan sistem teknologi.
4.2 Hasil Analisis Regresi Linear Berganda
Analisis regresi linear berganda bertujuan untuk mengetahui apakah faktor pengalaman wajib pajak, kompleksitas, keamanan dan kerahasiaan, kepatuhyan
wajib pajak dan kesiapan teknologi informasi dapat mempengaruhi variabel terikatnya yaitu minat wajib pajak untuk menggunakan e-filing. Nilai koefisien
regresi dapat dilihat pada Tabel 4.10 sebagai berikut:
Tabel 4.10 Nilai Koefisien Regresi
Coefficients
a
a. Dependent Variable: MWP
Sumber: data primer diolah, 2016 Berdasarkan Tabel 4.10 tersebut, maka diperoleh persamaan regresi dari
faktor pengalaman wajib pajak, kompleksitas, keamanan dan kerahasiaan, kepatuhyan wajib pajak dan kesiapan teknologi informasi dapat mempengaruhi
variabel terikatnya yaitu minat wajib pajak untuk menggunakan e-filing sebagai berikut:
101 101
� = 11,625 + 0,547�1 + 0,864�2 + 0,050�3 + 0,126�4 − 0,212�5 + �
Nilai dari ℯ = √1 − ��² = √1 − 0,495 = √0,505 = 0,91. Nilai ℯ sebesar
0,91 merupakan variance variabel pengalaman, kompleksitas, keamanan dan kerahasiaan, kepatuhan wajib pajak dan kesiapan teknologi informasi.
Berdasarkan hasil analisis regresi berganda diatas menunjukkan konstanta sebesar 11,625. Nilai koefisien regresi pengalaman wajib pajak X
1
sebesar 0,547 menyatakan bahwa jika setiap peningkatan variabel pengalaman wajib pajak
sebesar satu persen maka akan menyebabkan kenaikan minat wajib pajak untuk menggunakan e-filing 0,547 persen ditambah konstanta sebesar 11,625 dengan
catatan varibel kompleksitas X
2
, keamanan dan kerahasiaan X
3
, kepatuhan wajib pajak X
4
dan kesiapan teknologi informasi X
5
tetap. Koefisen regresi kompleksitas X
2
sebesar 0,864 menyatakan apabila terjadi peningkatan satu persen maka akan menyebabkan minat wajib pajak untuk menggunakan e-filing
meningkat sebesar 0,864 ditambah konstanta sebesar 11,625dengan catatan variabel pengalaman wajib pajak X
1
, keamanan dan kerahasiaan X
3
, kepatuhan wajib pajak X
4
dan kesiapan teknologi informasi X
5
tetap. Koefisien regresi keamanan dan kerahasiaan X
3
sebesar 0,050 menyatakan apabila setiap peningkatan variabel keamanan dan kerahasiaan
sebesar satu persen maka akan menyebabkan kenaikan minat wajib pajak untuk menggunakan e-filing sebesar 0,050 ditambah konstanta sebesar 11,625 dengan
catatan apabila variabel pengalaman wajib pajak X
1
, kompleksitas X
2
, kepatuhan wajib pajak X
4
dan kesiapan teknologi informasi X
5
tetap. Koefisen regresi kepatuhan wajib pajak X
4
sebesar 0,126 menyatakan apabila terjadi
102 102
peningkatan kepatuhan wajib pajak satu persen maka akan menyebabkan minat wajib pajak untuk menggunakan e-filing meningkat sebesar 0,126 ditambah
konstanta sebesar 11,625dengan catatan variabel pengalaman wajib pajak X
1
, kompleksitas X
2
, keamanan dan kerahasiaan X
3
dan kesiapan teknologi informasi X
5
tetap. Koefisen regresi kesiapan teknologi informasi X
5
sebesar 0,212 menyatakan apabila terjadi peningkatan variabel kesiapan teknologi
informasi sebesar satu persen maka akan menyebabkan minat wajib pajak untuk menggunakan e-filing mengalami penurunan sebesar 0,212 ditambah konstanta
sebesar 11,625dengan catatan variabel pengalaman wajib pajak X
1
, kompleksitas X
2
, keamanan dan kerahasiaan X
3
dan kepatuhan wajib pajak X
4
tetap. Sebelum dilakukan analisis lebih lanjut, maka terlebih dahulu dilakukan uji
prasyarat analisis, yaitu uji asumsi klasik.
4.3 Hasil Uji Asumsi Klasik
Uji asumsi klasik dilakukan terlebih dahulu untuk memenuhi persyaratan analisis data. Uji ini dimaksudkan untuk melihat apakah model regresi penelitian
merupakan model yang baik atau tidak. Uji asumsi klasik yang digunakan adalah uji normalitas, uji multikolonieritas dan uji heteroskedastisitas. Alasan peneliti
tidak menggunakan uji autokolerasi yaitu karena penelitian ini menggunakan data silang waktu cross section bukan runtut waktu time series. Menurut Ghozali
2013 pada data cross section masalah autokorelasi relatif jarang terjadi karena “gangguan” pada observasi yang berbeda berasal dari individu atau kelompok
yang berbeda.
103 103
4.3.1 Hasil Uji Normalitas
Uji normalitas dilakukan dengan menggunakan uji Kolmogorov-Smirnov dan uji grafik, baik melalui histrogam maupun normal Probability Plot P-P Plot.
Uji ini bertujuan untuk melihat apakah model dalam penelitian terdistribisi normal atau tidak. Model tidak terdistribusi normal atau mendekati normal maka, hasil uji
statistik akan terdegradasi. Berikut ini adalah hasil uji normalitas data dengan menggunakan uji grafik dapat dilihat pada Gambar 4.1 dan Gambar 4.2:
Gambar 4.1 Hasil Uji Grafik Normal Probability Plot P-P Plot
Prinsipnya normalitas dapat dideteksi dengan melihat persebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya.
Berdasarkan uji grafik Normal Probability Plot P-P Plot, hasil output memperlihatkan bahwa residual berdistribusi secara normal. Hal ini karena grafik
tersebut memperlihatkan titik – titik yang menyebar disekitar garis diagonal dan
104 104
titik-titik tersebut mengikuti arah garis diagonal pada grafik, dengan demikian dapat disimpulkan bahwa model analisis regresi berganda pada penelitian ini telah
memenuhi asumsi dari uji normalitas.
Gambar 4.2 Hasil Uji Histogram
Berdasarkan hasil uji grafik melalui histogram menunjukkan bahwa data berdistribusi normal karena tidak terlihat menceng ke kanan maupun ke kiri,
meskipun terlihat sedikit menceng ke kanan namun masih bisa dikatakan mendekati normal, dikarenakan hasil ini berdasarkan dari pengamatan seseorang,
yang mana pengamatan tiap orang dapat berbeda-beda dan dapat menimbulkan bias, oleh karena untuk memastikan hasil yang lebih akurat peneliti menggunakan
uji statistik. Guna mendukung uji grafik tersebut peneliti memutuskan untuk
menggunakan uji Kolmogorov-Smirnov yang mana hasilnya berupa angka statistik bukan dari pengamatan semata sehingga hasil yang diberikan tidak menimbulkan
105 105
Unstandardized Residual
N Mean
Normal Parameters
a b
Std. Deviation Absolute
Most Extreme Differences Positive Negative
Kolmogorov-Smirnov Z Asymp. Sig. 2-tailed
107 ,0534212
3,40033094 ,089
,089 -,061
,919 ,367
bias. Perhitungan dari rumus Kolmogorov-Smirnov menggunakan SPSS for windows release 21.00 dapat dilihat pada Tabel 4.11 sebagai berikut:
Tabel 4.11 Hasil Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
a. Test distribution is Normal. b. Calculated from data.
Sumber: data primer diolah, 2016 Berdasarkan hasil dari analisis uji statistik menunjukkan bahwa besarnya
nilai Kolmogorov Smirnov Z dengan minat wajib pajak untuk menggunakan e- filing sebagai variabel dependen yaitu sebesar 0,919 dan signifikansinya adalah
sebesar 0,367 yang berarti bahwa nilainya berada di atas kriteria signifikansi yaitu 0,05 5, sehingga dapat dikatakan bahwa data residual berdistribusi normal,
karena telah memenuhi syarat asumsi normalitas.
4.3.2 Uji Multikolinieritas P
enelitian ini untuk mendeteksi ada atau tidaknya multikolinieritas menggunkan cara yaitu dengan memeriksa nilai tolerance dan nilai variance
inflation factor VIF. Pengujian ini bertujuan untuk mengetahui apa ada
106 106
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
Constant PWP
K 1
KK KWP
KTI 11,625
3,937 2,953
,004 ,547
,122 ,514
4,479 ,000
,380 2,632
,864 ,323
,284 2,676
,009 ,444
2,251 ,050
,094 ,045
,529 ,598
,687 1,457
,126 ,086
,106 1,466
,146 ,948
1,055 -,212
,088 -,211
- 2,394
,019 ,646
1,548
hubungan atau korelasi antar variabelnya. Hasil uji multikolinierietas dapat dilihat pada Tabel 4.12 sebagai berikut:
Tabel 4.12 Hasil Uji Multikolinierietas
Coefficients
a
a. Dependent Variable: MWP
Sumber: data primer diolah, 2016 Berdasarkan dari hasil uji multikolonieritas pada Tabel 4.12 tersebut, dapat
dilihat dari besaran nilai Tolerance dan VIF. Nilai Toleranc e ≤ 0.10 atau sama
dengan nilai VI F ≥ 10 menunjukkan adanya multikolonieritas. Hasil output SPSS
diatas, hasil perhitungan nilai Tolerance menunjukkan tidak ada variabel independen yang memiliki nilai Tolerance
≤ 0.10 yang berarti tidak ada korelasi antar variabel independen. Hasil perhitungan nilai VIF juga menunjukkan hal
yang sama, tidak ada satu variabel independen yang memiliki nilai VIF ≥ 10,
sehingga dapat disimpulkan bahwa tidak terjadi multikolonieritas antar variabel independen dalam model regresi pada penelitian ini.