Dari hasil ini maka dapat disimpulkan bahwa semua variabel bebas yang dipakai dalam penelitian ini lolos uji gejala multikolinearitas.
4.2.2 Pengujian Hipotesis
Dari pengujian asumsi klasik dapat disimpulkan bahwa data yang ada terdistribusi normal, tidak terdapat heteroskedastisitas, autokorelasi dan
multikolinearitas sehingga memenuhi persyaratan untuk melakukan pengujian hipotesis. Pengujian hipotesis yang digunakan dalam penelitian ini yaitu dengan
melakukan analisis regresi berganda, analisis regresi berganda ditujukan untuk menentukan hubungan linier antara beberapa variabel independent bebas dengan
variabel dependent terikat, Helmi dkk 2010:141. Pengujian hipotesis menggunakan nilai koefisien determinasi R², uji F dan uji t.
4.2.2.1 Koefisien Determinasi R²
Koefisien determinasi R² pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variabel dependen. Nilai R²yang kecil berarti kemampuan
variabel-variabel independen dalam menjelaskan variabel dependen, terbatas. Sebaliknya, nilai R
2
yang mendekati satu menandakan variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan oleh variabel dependen
Ghozali, 2005. Nilai yang digunakan adalah adjusted R²karena variabel independen yang digunakan dalam penelitian ini lebih dari dua buah. Adapun nilai adjusted
R²dari hasil perhitungan menggunakan SPSS 18 terlihat pada Tabel 4.7.
Universitas Sumatera Utara
Tabel 4.12 Nilai R²
R = 0,630 berarti hubungan antara variabel independent Ln_OPM, Ln_CLI, Ln_EPTI, Ln_OPERA terhadap variabel dependent Ln_Pajak_Penghasilan sebesar
63. Artinya hubungannya erat, Semakin besar R berarti hubungannya semakin erat. Untuk memasukkan tipe hubungan antar variabel dapat dilihat pada tabel berikut ini :
Tabel Hubungan antar Variabel Nilai
Interpretasi 0.0 – 0.19
Sangat tidak erat 0.2 – 0.39
Tidak erat 0.4 – 0.59
Cukup erat
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate 1
.630
a
.397 .343
1.79937
a. Predictors: Constant, Ln_OPERA, Ln_EPTI, Ln_CLI, Ln_OPM b. Dependent Variable: Ln_Pajak_Penghasilan
Universitas Sumatera Utara
0.6 – 0.79 Erat
0.8 – 0.99 Sangat erat
Koefisien yang dipakai pada penelitian ini adalah Adjusted R Square karena variabel independen yang digunakan lebih dari 2 variabel. Adjusted R Squaresebesar
0,343 berarti 34,3 variabel independen CLI, OPM, EPTI dan OPERA berpengaruh terhadap pajak penghasilan. Sedangkan sisanya sebesar 65,7 adalah
dipengaruhi oleh faktor lain yang tidak diteliti dalam penelitian ini.
4.2.2.2 Pengujian Simultan Uji F
Pengujian ini dimaksudkan untuk mengetahui pengaruh antara variabel indipenden dan variabel dependen secara bersama-sama simultan. Uji F dapat
dicaridengan melihat F hitung dari tabel Anova output SPSS versi 18for windows, selain itu jugamembandingkan hasil dari probabilitas value. Jika probabilitas value
0,05maka Ho ditolak dan jika probabilitas value 0,05 maka Ha diterima. berdasarkan tabel 4.8 dibawah ini terlihat bahwa:
Tabel 4.13 Hasil Regresi Uji F
ANOVA
b
Model Sum of Squares
Df Mean Square
F Sig.
1 Regression
95.794 4
23.948 7.397
.000
a
Residual 145.697
45 3.238
Total 241.491
49 a. Predictors: Constant, Ln_OPERA, Ln_EPTI, Ln_CLI, Ln_OPM
b. Dependent Variable: Ln_Pajak_Penghasilan
Universitas Sumatera Utara
Pada tabel Anova dapat diketahui nilai F hitung sebesar 7,397 dengan nilai probabilitas value dalam penelitian ini adalah 0,000 yang berarti angka ini berada
jauh di bawah 0,05 maka Ha diterima. Kesimpulan yang dapat diambil adalah terdapat pengaruh antara variabel CLI, OPM, EPTI dan OPERA terhadap pajak
penghasilan. Keterangan tambahan :
• Pada tabel terlihat bahwa regression df = 4 berarti jumlah variabel independen adalah 4 yakni CLI, OPM, EPTI dan OPERA
• Total df = 49 berarti jumlah responden data adalah 50 dimana df = n-1 sedangkan residual df = 45 , berasal dari 49 – 4 . Dimana residual adalah
selisih antara keputusan yang sesungguhnya dengan keputusan yang diprediksi.
• Mean Square yaitu Sum of Square df . Dalam contoh mean square regression 23.948 = 95.7944
• SSE sum of square for error menunjukkan jumlah kuadrat untuk kesalahan artinya jika suatu persamaan regresi diperoleh dari
mensubstitusikan nilai a dan b yang meminimumkan SSE, maka akan dihasilkan persamaan garis regresi prediksi kuadrat terkecil.
Universitas Sumatera Utara
4.2.2.3 Pengujian Parsial Uji t