Lidya Purnama Sari : Pengaruh Self Assessment System Terhadap Penerimaan Pajak Penghasilan Di Kantor Pelayanan Pajak Pratama Medan Barat, 2009.
3. Penatausahaan dan Pengecekan data Surat Pemberitahuan SPT Masa
serta pemantauan dan penyusunan masa PPh, PPN, PPnBM, dan PTLL. 4.
Penatausahaan, penerimaan, penagihan, penyelesaian keberatan dan restitusi PPh, PPN, PPnBM, dan PTLL.
5. Verifikasi dan penerapan sanksi perpajakan.
6. Pengurusan penerbitan Surat Ketetapan Pajak SKP
7. Penyuluhan dan pelayanan perpajakan.
8. Pengurusan tata usaha dan rumah tangga KPP
2. Statistik Deskriptif
Statistik Deskriptif adalah ilmu statistik yang mempelajari cara-cara pengumpulan, penyusunan dan penyajian data suatu penelitian. Tujuannya adalah
memudahkan orang untuk membaca data serta memahami maksudnya. Berikut ini merupakan output SPSS yang merupakan keseluruhan data yang digunakan dalam
penelitian ini.
Tabel 4.1 Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation JPPPH Y
48 208701287.00
6221289677.00 938525240.3542
1229744587.80693 NPWP X
1
48 8.00
2072.00 146.9167
346.52658 SSP X
2
48 1170.00
5797.00 2246.4167
1230.64574 Valid N listwise
48
Sumber : Diolah dari SPSS, 2009
Lidya Purnama Sari : Pengaruh Self Assessment System Terhadap Penerimaan Pajak Penghasilan Di Kantor Pelayanan Pajak Pratama Medan Barat, 2009.
Berikut ini data deskriptif yang telah diolah : a. variabel JPPPH Y memiliki nilai minimum 208.701.287,00, nilai maksimum
6.221.289.677,00, rata-rata JPPPH 938.525.240,3542 dan standar deviasi sebesar 1.229.744.587,80693
dengan jumlah sampel sebanyak 48. b. variabel NPWP X
1
memiliki nilai minimum 8,00, nilai maksimum
2.072,00, rata-rata NPWP 146,9167 dan standar deviasi sebesar 346,52658
dengan jumlah sampel sebanyak 48. c. variabel SSP X
2
memiliki nilai minimum 1.170,00, nilai maksimum 5.797,00, rata-rata SSP 2.246,4167 dan standar deviasi sebesar 1.230,64574
dengan jumlah sampel sebanyak 48.
3. Pengujian Asumsi Klasik a.
Uji Normalitas
Pengujian normalitas ini bertujuan untuk mengetahui apakah data yang digunakan telah terdistribusi secara normal. Hasil uji normalitas dengan grafik
histogram yang diolah dengan SPSS, normal probability plot serta Kolmogorov- Smirnov Test ditunjukkan sebagai berikut:
Lidya Purnama Sari : Pengaruh Self Assessment System Terhadap Penerimaan Pajak Penghasilan Di Kantor Pelayanan Pajak Pratama Medan Barat, 2009.
Regression Standardized Residual
5 4
3 2
1 -1
Frequency
25 20
15 10
5
Histogram Dependent Variable: JPPPH
Mean =2.78E-17 Std. Dev. =0.978
N =48
Gambar 4.1 Histogram
Sumber : Diolah dari SPSS, 2009
Hasil uji normalitas di atas memperlihatkan bahwa pada grafik histogram di atas distribusi data mengikuti kurva berbentuk lonceng yang menceng skewness
kiri atau dapat disimpulkan bahwa data tersebut tidak normal.
Lidya Purnama Sari : Pengaruh Self Assessment System Terhadap Penerimaan Pajak Penghasilan Di Kantor Pelayanan Pajak Pratama Medan Barat, 2009.
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
E xpect
ed C
um P
rob
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual Dependent Variable: JPPPH
Gambar 4.2 Normal P-P Plot
Sumber : Diolah dari SPSS, 2009 Hasil uji normalitas dengan menggunakan normal probability plot, di mana
terlihat bahwa titik-titik menyebar di sekitar garis diagonal serta penyebarannya kurang mengikuti garis diagonal sehingga dapat disimpulkan bahwa data dalam
model regresi tidak terdistribusi secara normal.
Lidya Purnama Sari : Pengaruh Self Assessment System Terhadap Penerimaan Pajak Penghasilan Di Kantor Pelayanan Pajak Pratama Medan Barat, 2009.
Tabel 4.2
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 48
Normal Parametersa,b Mean
.0000000 Std. Deviation
1158911150.47 804000
Most Extreme Differences
Absolute .286
Positive .286
Negative -.195
Kolmogorov-Smirnov Z 1.981
Asymp. Sig. 2-tailed .001
a Test distribution is Normal. b Calculated from data.
Sumber : Diolah dari SPSS, 2009 Nilai Kolmogorov – Smirnov sebesar 1.981 dan signifikan pada 0.05 karena
p = 0.001 dari 0.05. Hal ini berarti Ha diterima yang mengatakan bahwa residual tidak terdistribusi secara normal atau dengan kata lain residual tidak
berdistribusi normal. Semua hasil pengujian melalui analisis grafik dan statistik di atas
menunjukkan hasil yang sama yaitu tidak normal sehingga dilakukan tindakan perbaikan yaitu dengan menggunakan transformasi seluruh variabel penelitian ke
dalam fungsi logaritma natural Ln. Hasil pengujian ulang data menghasilkan :
Lidya Purnama Sari : Pengaruh Self Assessment System Terhadap Penerimaan Pajak Penghasilan Di Kantor Pelayanan Pajak Pratama Medan Barat, 2009.
Regression Standardized Residual
3 2
1 -1
-2
Frequency
12.5 10.0
7.5 5.0
2.5 0.0
Histogram Dependent Variable: LN_JPPPH
Mean =-8.26E-16 Std. Dev. =0.978
N =48
Gambar 4.3 Histogram
Sumber : Diolah dari SPSS, 2009 Hasil uji normalitas di atas memperlihatkan bahwa pada grafik histogram di
atas distribusi data mengikuti kurva berbentuk lonceng yang tidak menceng skewness kiri maupun menceng kanan atau dapat disimpulkan bahwa data
tersebut normal.
Lidya Purnama Sari : Pengaruh Self Assessment System Terhadap Penerimaan Pajak Penghasilan Di Kantor Pelayanan Pajak Pratama Medan Barat, 2009.
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
E xpect
ed C
um P
rob
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual Dependent Variable: LN_JPPPH
Gambar 4.4 Normal P-P Plot
Sumber : Diolah dari SPSS, 2009 Hasil uji normalitas dengan menggunakan normal probability plot, di mana
terlihat bahwa titik-titik menyebar di sekitar garis diagonal serta penyebarannya mengikuti garis diagonal sehingga dapat disimpulkan bahwa data dalam model
regresi terdistribusi secara normal.
Lidya Purnama Sari : Pengaruh Self Assessment System Terhadap Penerimaan Pajak Penghasilan Di Kantor Pelayanan Pajak Pratama Medan Barat, 2009.
Tabel 4.3
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 48
Normal Parametersa,b Mean
.0000000 Std. Deviation
.73016579 Most Extreme
Differences Absolute
.147 Positive
.147 Negative
-.130 Kolmogorov-Smirnov Z
1.019 Asymp. Sig. 2-tailed
.250 a Test distribution is Normal.
b Calculated from data.
Sumber : Diolah dari SPSS, 2009 Nilai Kolmogorov – Smirnov sebesar 1.019 dan tidak signifikan pada 0.05
karena p = 0.250 0.05. Jadi kita tidak dapat menolak H
o
yang mengatakan bahwa residual terdistribusi secara normal atau dengan kata lain residual
berdistribusi normal. Semua hasil pengujian melalui analisis grafik dan statistik di atas menunjukkan hasil yang sama yaitu normal, dengan demikian telah terpenuhi
asumsi normalitas dan bisa dilakukan pengujian asumsi klasik berikutnya pada data.
b. Uji Heteroskedastisitas
Uji heterokedastisitas dilakukan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual dari satu pengamatan ke
pengamatan yang lain. Heteroskedastisitas ini dapat dilihat dengan grafik scatterplot dan uji Glejser. Hasil dari uji heteroskedastisitas dapat dilihat pada
grafik scatterplot berikut ini:
Lidya Purnama Sari : Pengaruh Self Assessment System Terhadap Penerimaan Pajak Penghasilan Di Kantor Pelayanan Pajak Pratama Medan Barat, 2009.
Hasil Uji Heteroskedastisitas
Regression Standardized Predicted Value
3 2
1 -1
-2
R egressi
on S
tudent iz
ed R
esi dual
3 2
1
-1 -2
Scatterplot Dependent Variable: LN_JPPPH
Gambar 4.5 Grafik Scatterplot
Sumber : Diolah dari SPSS, 2009
Dari gambar scatterplot di atas, terlihat bahwa titik-titik menyebar secara acak di atas dan di bawah angka 0 pada sumbu Y, serta tidak membentuk pola tertentu
atau tidak teratur. Hal ini mengindikasikan tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai.
Sedangkan hasil uji heteroskedastisitas dengan statistik uji glejser setelah seluruh variabel penelitian ditransformasi ke dalam fungsi logaritma natural Ln
dapat dilihat pada tabel berikut :
Lidya Purnama Sari : Pengaruh Self Assessment System Terhadap Penerimaan Pajak Penghasilan Di Kantor Pelayanan Pajak Pratama Medan Barat, 2009.
Tabel 4.4 Hasil Uji Heteroskedastisitas dengan uji Glejser
Coefficientsa
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
-.138 1.014
-.136 .892
LN_NPWP -.059
.055 -.167
-1.080 .286
LN_SSP .124
.139 .137
.889 .379
a Dependent Variable: absut
Sumber : Diolah dari SPSS, 2009 Berdasarkan hasil Uji Glejser di atas, dapat dilihat bahwa pada tabel
Coefficients
a
nilai sig. semua variabel independen lebih besar dari 0,05 5. Sehingga dapat disimpulkan tidak terjadi heteroskedastisitas atau terjadi
homoskedastisitas. Dengan demikian terpenuhilah asumsi klasik untuk uji heteroskedastisitas.
c. Uji Autokorelasi
Uji autokorelasi ini digunakan untuk menguji asumsi klasik regresi berkaitan dengan adanya autokorelasi. Model regresi yang baik adalah model yang tidak
mengandung autokorelasi. Hasil dari uji autokorelasi dapat dilihat pada tabel
berikut ini: Tabel 4.5
Hasil Uji Autokorelasi
Model Summaryb
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-Watson
1 .425a
.180 .144
.74622 1.546
a Predictors: Constant, LN_SSP, LN_NPWP b Dependent Variable: LN_JPPPH
Sumber : Diolah dari SPSS, 2009
Lidya Purnama Sari : Pengaruh Self Assessment System Terhadap Penerimaan Pajak Penghasilan Di Kantor Pelayanan Pajak Pratama Medan Barat, 2009.
Hasil uji autokorelasi di atas menunjukkan nilai statistik Durbin Watson DW sebesar 1,546. Maka Ho diterima, yang artinya dalam model regresi tidak terdapat
autokorelasi atau kesalahan pengganggu, sebab DW terletak diantara -2 sampai +2 yang berarti tidak ada autokorelasi.
d. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah dalam sebuah model regresi ditemukan adanya korelasi antarvariabel independen. Hasil dari uji
multikolinearitas dapat dilihat pada tabel berikut ini : Tabel 4.6
Hasil Uji Multikolinearitas Coefficientsa
Model Collinearity Statistics
Tolerance VIF
Constant LN_NPWP
.904 1.106
LN_SSP .904
1.106 a Dependent Variable: LN_JPPPH
Sumber : Diolah dari SPSS
Nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF = 1 Tolerance. Nilai cutoff yang umum dipakai untuk menunjukkan adanya
multikolinearitas adalah nilai tolerance 0.10 atau sama dengan nilai VIF 10. Dari hasil pengujian di atas, dapat dilihat bahwa angka tolerance Jumlah
NPWP X
1
, SSP X
2
0,10 dan VIF-nya 10. Hasil perhitungan nilai Tolerance juga menunjukkan tidak ada variabel independen yang memiliki nilai Tolerance
Lidya Purnama Sari : Pengaruh Self Assessment System Terhadap Penerimaan Pajak Penghasilan Di Kantor Pelayanan Pajak Pratama Medan Barat, 2009.
kurang dari 0.10. Ini mengindikasikan bahwa tidak terjadi multikolinearitas di antara variabel independen dalam penelitian.
4. Model dan Teknik Analisis Data