51
pekerjaan, jumlah penghasilan dan tahun kepemilikan Nomor Pokok Wajib Pajak NPWP.
2. Deskripsi Hasil Kuesioner
Deskripsi hasil kuesioner merupakan gambaran tentang variabel yang digunakan. Deskripsi ini memuat data statistik seperti: rerata mean,
simpangan baku standar deviasi, nilai minimum dan nilai maksimum.
3. Uji Asumsi Klasik
Uji asumsi dasar dan asumsi klasik dilakukan sebelum analisis regresi linier. Uji-uji asumsi ini meliputi:
a. Uji Normalitas
Uji normalitas data digunakan untuk mengetahui apakah dalam sebuah model regresi, nilai residu mempunyai distribusi yang normal
Santoso, 2010: 210. Dalam penelitian ini untuk menguji normalitas residual digunakan uji statistik non-parametrik Kolmogorov-Smirnov
K-S. Uji K-S dilakukan dengan membuat hipotesis sebagai berikut
Ghozali, 2005: 144 dalam Wulandari, 2011: 42: H
: Data residual berdistribusi normal H
a
: Data residual tidak berdistribusi normal Dalam pengujian hipotesis, kriteria untuk menolak atau menerima
H adalah sebagai berikut:
Jika P- value α, maka H
ditolak Jika P-
value ≥ α, maka H diterima
52
b. Uji Multikolinieritas
Menurut Santoso 2010: 203, uji multikolinieritas digunakan untuk mengetahui apakah pada model regresi ditemukan adanya
korelasi antar-variabel independen. Salah satu cara untuk mendeteksi multikolinieritas adalah dengan menggunakan Variance Inflation
Factor VIF dan tolerance value. Batas dari VIF adalah 10 dan nilai
tolerance value ≤ 0,1. Jika nilai VIF ≥ 10 dan nilai tolerance value ≤
0,1, maka terjadi multikolinieritas.
c. Uji Heteroskedastisitas
Menurut Priyatno 2011: 296, uji heterokedastisitas digunakan untuk menguji apakah dalam model regresi terjadi ketidaksamaan
varian dari residual pada satu pengamatan ke pengamatan yang lain. Cara memprediksi ada tidaknya heteroskedastisitas pada suatu model
dapat dilihat dari pola gambar Scatterplot. Menurut Nugroho 2005: 62 dalam Wulandari 2011: 44,
analisis pada gambar scatterplot yang menyatakan model regresi linier tidak terdapat heterokedastisitas jika:
1 Titik-titik data menyebar di atas dan di bawah atau di sekitar angka
0; 2
Titik-titik data tidak mengumpul hanya di atas atau di bawah saja; 3
Penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali;
4 Penyebaran titik-titik data sebaiknya tidak berpola.