Cara untuk mendeteksi ada atau tidaknya heteroskedastisitas dapat diketahui dengan melihat adata tidaknya pola tertentu pada grafik scatterplot antara nilai
prediksi variabel terikat ZPRED dengan residualnya SRESID dimana sumbu Y adalah adalah Y yang telah diprediksi, dan sumbu X adalah residual Y prediksi – Y
sesungguhnya. Dasar analisis dari uji heteroskedastisitas melalui grafik plot adalah sebagai berikut :
1. Jika 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, setra titik - titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Gambar 4.3 Hasil Uji Heteroskedastisitas
Sumber: Output SPSS yang telah diolah, 2015
Berdasarkan gambar 4.3 di atas menunjukkan bahwa titik-titik menyebar secara acak dan tidak membentuk suatu pola baik di atas maupun di bawah angka 0
sumbu Y. Dengan demikian dapat disimpulkan bahwa model regresi dalam penelitian ini bebas dari heteroskedastisitas, sehingga model regresi layak dipakai.
4. Hasil Uji Autokorelasi
Hasil uji autokorelasi Durbin Waston menunjukkan angka 2,367, yang dapat dibandingkan dengan jumlah sampel n = 64 dan variabel bebas k = 3 pada tingkat
signifikansi 5 maka diperoleh batas bawah dl sebesar 1,498, batas atas du sebesar 1,694, kemudian 4 – du = 2,305 dan 4 – dl = 2,501. Karena nilai Durbin
Watson terletak antara 4 – du dan 4 – dl atau 2,305 2,367 2,501, menurut kaidah statistik tentang uji autokorelasi, maka hasilnya tidak dapat disimpulkan no
decision.
Tabel 4.4 Hasil Uji Run Test
Runs Test
Unstandardized Residual
Test Value
a
-21896536765,33918 Cases Test Value
32 Cases = Test Value
32 Total Cases
64 Number of Runs
31 Z
-,504 Asymp. Sig. 2-
tailed ,614
a. Median
Seperti yang terlihat pada tabel 4.4, hasil uji autokorelasi melalui run test menunjukkan nilai Asymp. Sig. 2-tailed sebesar 0.614 0.05. Dimana kaidah yang
berlaku adalah penelitian dikatakan bebas dari masalah autokorelasi ketika nilai Asymp. Sig. 2-tailed 0.05, yang berarti bahwa data yang dipergunkan cukup
random sehingga tidak terdapat masalah autokorelasi pada data yang diuji
C. Hasil Analisis Regresi Linier Berganda 1. Hasil Uji Koefisien Determinasi
Koefisien determinasi R
2
bertujuan untuk mengetahui seberapa besar kemampuan variabel independen menjelaskan variabel dependen. Dalam output
SPSS, koefisien determinasi terletak pada Model Summary
b
dengan melihat Adjusted R Square, karena disesuaikan dengan jumlah variabel independen yang digunakan
dalam penelitian.
Tabel 4.5 Hasil Uji Koefisien Determinasi
Model Summary
b
Mode l
R R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
,488
a
,238 ,200
1,042E+11 2,367
a. Predictors: Constant, Manajemen_Laba, LDAR, DER b. Dependent Variable: Pajak_Penghasilan
Sumber: Output SPSS yang diolah, 2015. Berdasarkan tabel 4.5 di atas menunjukkan bahwa nilai Adjusted R Square
sebesar 0,200 atau sebesar 20. Hal ini menunjukkan bahwa kontribusi variabel
independen LongTerm Debt to Asset Ratio, Debt to Equity Ratio dan Manajemen Laba terhadap variabel dependen Pajak Penghasilan Badan Terutang sebesar 20,
sedangkan sisanya sebesar 80 dipengaruhi oleh faktor lain seperti kepatuhan, ketaatan dan pemahaman wajib pajak terhadap undang-undang pajak yang berlaku,
firm size, dan kepemilikan perusahaan.
2. Hasil Uji Hipotesis
a. Uji Signifikansi Simultan F-Test Uji F digunakan untuk mengetahui apakah variabel independen LongTerm
Debt to Asset Ratio LDAR, Debt to Equity Ratio DER dan Manajemen Laba secara bersama-sama berpengaruh signifikan terhadap variabel dependen Pajak
Penghasilan Badan Terutang.
Tabel 4.6 Hasil Uji Simultan F-Test
ANOVA
a
Model Sum of
Squares Df
Mean Square F
Sig.
1 Regression
2,033E+23 3
6,778E+22 6,237
,001
b
Residual 6,520E+23
60 1,087E+22
Total 8,553E+23
63 a. Dependent Variable: Pajak_Penghasilan
b. Predictors: Constant, Manajemen_Laba, LDAR, DER Sumber: Output SPSS yang diolah, 2015
Berdasarkan tabel 4.6 hipotesis Uji F didapat nilai signifikansi model regresi secara simultan sebesar 0,001. Nilai ini lebih kecil dari significance level 0,05 5,
yaitu 0,001 0,05. Selain itu dapat juga dilihat dari hasil perbandingan antara f-
