Uji Validitas Data Reliabilitas Data
62
c. Nilai Loading Nilai loading bertujuan untuk mengetahui layak atau tidaknya suatu
varian masuk ke dalam faktor baru. Nilai loading ini dapat dilihat dari eigenvalue, jika eigenvalue lebih dari 1 maka suatu varian
layak masuk ke dalam faktor baru. Dalam penelitian ini tahap pertama pada analisis faktor adalah
menilai 38 pernyataan yang akan membentuk 6 variabel, yaitu Kebijakan Perpajakan X
1
, Undang-Undang Perpajakan X
2
, Administrasi Perpajakan X
3
, Loopholes X
4
, dan Perbedaan Tarif Pajak X
5
. Variabel ini terdiri dari item-item pernyataan. Data ini diolah dengan alat bantu
software SPSS 17. Ke-5 variabel yang telah dianggap valid dan reliabel, kemudian
dimasukkan ke dalam analisis faktor untuk diuji apakah nilainya lebih besar dari nilai KMO dan
Bartlett’s Test yang di atas 0,5. Berikut ini adalah tabel dari nilai KMO dan
Bartlett’s Test.
Tabel 4.2 KMO and Bartlett’s Test
Sumber: Hasil Pengolahan SPSS Kaiser-Meyer-Olkin
Measure of
Sampling Adequacy.
.614 Bartletts
Test of
Sphericity Approx. Chi-Square
32.892 Df
10 Sig.
.000
63
Pengujian untuk melihat apakah data dan variabelitem cukup layak, dapat dilihat nilai dari statistik KMO. Tabel 4.7 di atas
menunjukkan bahwa nilai KMO adalah 0,613 dan tingkat signifikansinya 0,000. Nilai KMO yang lebih besar dari 0,5 menunjukkan bahwa variabel-
variabel yang digunakan dapat dianalisis lebih lanjut dengan analisis faktor.
64
Pada tabel 4.8 dapat terlihat bahwa masing-masing variabel memiliki nilai MSA sebesar 0,670 untuk Kebijakan Perpajakan X
1
, 0,592 untuk Undang-Undang Perpajakan X
2
, 0,559 untuk Administrasi Perpajakan X
3
, 0,633 untuk Loopholes X
4
, dan 0,616 untuk Perbedaan Tarif Pajak X
5
. Berdasarkan hasil output pada tabel 4.8 di atas, nilai Measure of
Sampling Adequacy MSA secara keseluruhan nilai MSA-nya sudah di
Tabel 4.3 Anti-image Matrices
Kebijakan Perpajakan
Undang- Undang
Perpajakan Administrasi
Perpajakan Loopholes
Perbedaan Tarif Pajak
Anti-image Covariance
Kebijakan Perpajakan .920
-.053 -.035
-.108 -.171
Undang-Undang Perpajakan
-.053 .893
-.241 -.044
-.109 Administrasi
Perpajakan -.035
-.241 .920
-.006 -.018
Loopholes -.108
-.044 -.006
.904 -.211
Perbedaan Tarif Pajak -.171
-.109 -.018
-.211 .866
Anti-image Correlation
Kebijakan Perpajakan .670
a
-.058 -.038
-.118 -.192
Undang-Undang Perpajakan
-.058 .592
a
-.265 -.049
-.124 Administrasi
Perpajakan -.038
-.265 .559
a
-.007 -.020
Loopholes -.118
-.049 -.007
.633
a
-.239 Perbedaan Tarif Pajak
-.192 -.124
-.020 -.239
.616
a
a. Measures of Sampling AdequacyMSA Sumber: Hasil Pengolahan SPSS
65
atas 0,5 dengan tingkat signifikansi jauh di bawah 0,05. Maka variabel dan sampel yang ada secara keseluruhan sudah dapat dianalisis lebih lanjut.
Tabel 4.4 Communalities
Initial Extraction
Kebijakan Perpajakan 1.000
.413 Undang-Undang
Perpajakan 1.000
.612 Administrasi Perpajakan 1.000
.681 Loopholes
1.000 .506
Perbedaan Tarif Pajak 1.000
.554 Extraction Method: Principal Component
Analysis. Sumber: Hasil Pengolahan SPSS
Selanjutnya, berdasarkan output SPSS yang ada pada tabel 4.9 di atas kita dapat melihat nilai komunalnya. Dimana pada dasarnya
Communalities adalah proporsi dari varian suatu item peubah asal yang bisa dijelaskan oleh faktor utamanya. Nilai communalities menjelaskan
seberapa besar keragaman atau varians itempeubah asal yang dapat diterangkan oleh faktor-faktor yang terbentuk. Nilai-nilai yang ada
menunjukkan kemampuan
faktor-faktor yang
terbentuk dalam
menerangkan varian itempeubah asal. Nilai yang terbesar dimiliki oleh variabel Administrasi Perpajakan sebesar 0,681 yang artinya 68,1 varian
dari Administrasi Perpajakandapat diterangkan oleh faktor-faktor yang terbentuk. Sedangkan nilai terkecil dimiliki oleh variabel Kebijakan
Perpajakan yaitu sebesar 0,413 yang artinya 41,3 varian dari Kebijakan Perpajakan dapat diterangkan oleh faktor-faktor yang terbentuk. Semakin