0,1889492. Pada variabel PER mempunyai nilai minimum sebesar 1,8536 dan nilai maksimum sebesar 73,4375 dengan rata-rata sebesar 10,047253 serta standar deviasi
sebesar 12,2328183. Pada variabel VOLT mempunyai nilai minimum 0,0184 dan nilai maksimum 0,4520 dengan nilai rata-rata sebesar 0,190072 serta standar deviasi
sebesar 0,1108059.
B. Hasil Uji Asumsi Klasik
1. Uji Multikoliniearitas Uji ini dilakukan untuk menguji apakah pada model regresi ditemukan adanya korelasi
antar variabel independen. Jika terjadi korelasi, maka terdapat problem multikolinearitas atau multiko. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel
independen. a. Uji multikoliniearitas sebelum UU Perpajakan 2000
Di bawah ini merupakan tabel hasil uji multikolinearitas sebelum UU Perpajakan
2000. Tabel. 4.9.
Hasil Uji Multikoliniearitas Sebelum UU Perpajakan 2000
Coefficient Correlations
a
1.000 -.258
-.336 .369
.454 -.258
1.000 .013
-.393 -.372
-.336 .013
1.000 -.021
-.139 .369
-.393 -.021
1.000 .172
.454 -.372
-.139 .172
1.000 .100
-.002 -.006
.000 .027
-.002 .001
.000 .000
-.002 -.006
.000 .003
.000 -.001
.000 .000
.000 .000
.000 .027
-.002 -.001
.000 .035
VOLT SIZE
GROW TH PER
ASSET VOLT
SIZE GROW TH
PER ASSET
Correlations
Covariances Model
1 VOLT
SIZE GROW TH
PER ASSET
Dependent Variable: FINAGE a.
Tabel. 4.10. Hasil Uji Multikoliniearitas Sebelum UU Perpajakan 2000
Coefficients
a
.748 1.336
.717 1.395
.873 1.146
.753 1.327
.630 1.587
SIZE ASSET
GROWTH PER
VOLT Model
1 Tolerance
VIF Collinearity Statistics
Dependent Variable: FINAGE a.
Melihat hasil besaran korelasi antar variabel independen tampak bahwa hanya variabel VOLT yang mempunyai korelasi cukup tinggi dengan variabel ASSET
dengan tingkat korelasi sebesar 0,454 atau sekitar 45,4. Tingkat korelasi ini masih di bawah 95 sehingga dapat dikatakan tidak terjadi korelasi serius.
Selain itu, hasil perhitungan VIF berada di sekitar angka 1 dan nilai Tolerance mendekati 1. Hal ini menandakan bahwa H
diterima yang berarti bahwa dalam model ini tidak terjadi multikoliniearitas.
b. Uji multikoliniearitas sesudah UU Perpajakan 2000 Tabel. 4.11. dan tabel. 4.12. berikut ini merupakan tabel hasil uji multikolinearitas
sesudah UU Perpajakan 2000. Tabel. 4.11.
Hasil Uji Multikoliniearitas Sesudah UU Perpajakan 2000
Coefficient Correlations
a
1,000 -,186
-,198 ,189
,373 -,186
1,000 ,001
-,077 -,210
-,198 ,001
1,000 -,216
-,127 ,189
-,077 -,216
1,000 -,161
,373 -,210
-,127 -,161
1,000 ,064
-,001 -,007
,000 ,015
-,001 ,000 3,35E-006 -3,3E-006
-,001 -,007 3,35E-006
,019 -6,5E-005 -,003
,000 -3,3E-006 -6,5E-005 4,77E-006 -5,7E-005 ,015
-,001 -,003 -5,7E-005
,026 VOLT
SIZE GROWTH
PER ASSET
VOLT SIZE
GROWTH PER
ASSET Correlations
Covariances Model
1 VOLT
SIZE GROWTH
PER ASSET
Dependent Variable: FINAGE a.
Tabel. 4.12. Hasil Uji Multikoliniearitas Sesudah UU Perpajakan 2000
Coefficients
a
,931 1,074
,770 1,298
,912 1,097
,855 1,170
,781 1,280
SIZE ASSET
GROWTH PER
VOLT Model
1 Tolerance
VIF Collinearity Statistics
Dependent Variable: FINAGE a.
Melihat hasil besaran korelasi antar variabel independen tampak bahwa hanya variabel VOLT yang mempunyai korelasi cukup tinggi dengan variabel ASSET
dengan tingkat korelasi sebesar 0,373 atau sekitar 37,3. Tingkat korelasi ini masih di bawah 95 sehingga dapat dikatakan tidak terjadi korelasi serius.
Selain itu, hasil perhitungan VIF berada di sekitar angka 1 dan nilai Tolerance mendekati 1. Hal ini menandakan bahwa H
diterima yang berarti bahwa dalam model ini tidak terjadi multikoliniearitas.
2. Uji Autokorelasi Pengujian ini bertujuan untuk menguji apakah dalam sebuah model regresi terdapat
korelasi antara kesalahan penganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya. Jika terjadi autokorelasi maka dinamakan ada problem autokorelasi.
Model regresi yang baik adalah bebas dari masalah autokorelasi. a. Uji autokorelasi sebelum UU Perpajakan 2000
Tabel. 4.13. berikut ini merupakan tabel hasil uji autokorelasi sebelum UU Perpajakan 2000.
Tabel. 4.13. Hasil Uji Autokorelasi Sebelum UU Perpajakan 2000
Model Summary
b
.599
a
.358 .299
.2140580 1.261
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, VOLT, SIZE, GROWTH, PER, ASSET a.
Dependent Variable: FINAGE b.
Berdasar hasil output SPSS, diketahui bahwa nilai Durbin-Watson Dw sebesar 1,261. Nilai
Dw ini berada di antara -2 dan 2. Hal ini menandakan bahwa H diterima, yang
berarti bahwa dalam model ini tidak terjadi autokorelasi. b. Uji autokorelasi sesudah UU Perpajakan 2000
Di bawah ini merupakan tabel hasil uji autokorelasi sesudah UU Perpajakan 2000.
Tabel. 4.14. Hasil Uji Autokorelasi Sesudah UU Perpajakan 2000
Model Summary
b
,620
a
,385 ,328
,1897810 1,301
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, VOLT, SIZE, GROWTH, PER, ASSET a.
Dependent Variable: FINAGE b.
Berdasar hasil output SPSS, diketahui bahwa nilai Durbin-Watson Dw sebesar 1,301. Nilai Dw ini berada di antara -2 dan 2. Hal ini menandakan bahwa H
diterima, yang berarti bahwa dalam model ini tidak terjadi autokorelasi.
3. Uji Heterokedastisitas Uji ini dilakukan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksaman
varians residual dari satu pengamatan ke pengamatan yang lain. Jika varians residual dari satu pengamatan ke pengamatan yang lain tetap, maka disebut homokedastisitas. Jika
varians berbeda disebut heterokedastisitas, di mana model regresi yang baik adalah tidak terjadi heterokedastisitas.
a. Uji heterokedastisitas sebelum UU Perpajakan 2000 Di bawah ini merupakan gambar hasil uji heterokedastisitas sebelum UU Perpajakan
2000.
Gambar. 4.1. Hasil Uji Heterokedastisitas Sebelum UU Perpajakan 2000
3 2
1
-1 -2
-3
R e
g re
s s
io n
S tu
d e
n ti
z e
d R
e s
id u
a l
Dependent Variable: FINAGE Scatterplot
Hasil output SPSS di atas menggambarkan tidak adanya pola yang jelas serta titik- titik menyebar di atas dan di bawah angka 0 pada sumbu Y. Hal ini menandakan
bahwa H diterima, yang berarti bahwa pada model tidak terjadi heterokedastisitas.
b. Uji heterokedastisitas sesudah UU Perpajakan 2000 Gambar. 4.2. berikut ini merupakan gambar hasil uji heterokedastisitas sesudah UU
Perpajakan 2000.
Gambar. 4.2.
Hasil Uji Heterokedastisitas Sesudah UU Perpajakan 2000
2 1
-1 -2
R e
g re
s s
io n
S tu
d e
n ti
z e
d R
e s
id u
a l
Dependent Variable: FINAGE Scatterplot
Hasil output SPSS di atas menggambarkan tidak adanya pola yang jelas serta titik- titik menyebar di atas dan di bawah angka 0 pada sumbu Y. Hal ini menandakan
bahwa H diterima, yang berarti bahwa pada model tidak terjadi heterokedastisitas.
4. Uji Normalitas Uji normalitas ini digunakan untuk menguji apakah dalam sebuah model regresi, variabel
dependen dan variabel independen mempunyai distribusi data normal atau tidak. Model regresi yang baik adalah distribusi data normal atau mendekati normal.
a. Uji normalitas sebelum UU Perpajakan 2000 Berikut ini merupakan tabel hasil uji normalitas sebelum pemberlakuan UU
Perpajakan 2000.
Gambar. 4.3. Hasil Uji Normalitas Sebelum UU Perpajakan 2000
12 10
8 6
4 2
F re
q u
en c
y
Mean = 1.09E-15 Std. Dev. = 0.957
Dependent Variable: FINAGE Histogram
Gambar. 4.4. Hasil Uji Normalitas Sebelum UU Perpajakan 2000
1.0 0.8
0.6 0.4
0.2 0.0
E x
p e
c te
d C
u m
P ro
b
Dependent Variable: FINAGE Normal P-P Plot of Regression Standardized Residual
Berdasar hasil output SPSS, terlihat bahwa grafik histogram menunjukkan pola distribusi normal serta data menyebar di sekitar garis diagonal dan mengikuti arah
garis diagonal pada grafik Normal Probability Plot. Hal ini menandakan H diterima,
yang berarti bahwa sampel berasal dari distribusi data normal. b. Uji normalitas sesudah UU Perpajakan 2000
Berikut ini merupakan tabel hasil uji normalitas sesudah pemberlakuan UU Perpajakan 2000.
Gambar. 4.5. Hasil Uji Normalitas Sesudah UU Perpajakan 2000
15 12
9 6
3
F re
q u
en cy
Mean = -1.43E-15 Std. Dev. = 0.957
Dependent Variable: FINAGE Histogram
Gambar. 4.6. Hasil Uji Normalitas Sesudah UU Perpajakan 2000
1.0 0.8
0.6 0.4
0.2 0.0
E x
p e
c te
d C
u m
P ro
b
Dependent Variable: FINAGE Normal P-P Plot of Regression Standardized Residual
Berdasar hasil di atas, terlihat bahwa grafik histogram menunjukkan pola distribusi normal serta data menyebar di sekitar garis diagonal dan mengikuti arah garis
diagonal pada grafik Normal Probability Plot. Hal ini menandakan H diterima, yang
berarti bahwa sampel berasal dari distribusi data normal.
C. Hasil Uji Hipotesis