Tabel 13. Distribusi Frekuensi Variabel Kesadaran Wajib Pajak No
Kelas Interval Frekuensi
F
1 14 - 15,5
3 4,3
2 15,6 - 17,1
5 7,1
3 17,2
– 18,7 18
25,7 4
18,8 – 20,3
8 11,5
5 20,4
– 21,9 6
22 – 23,5
17 24,3
7 23,6
– 25,1 19
27,1 Jumlah
70 100
Sumber: data primer yang diolah 2016
C. Hasil Analisis Data
1. Uji Asumsi Klasik
a. Uji Normalitas
Gambar 8. Hasil Uji Normalitas
Gambar diatas merupakan Hasil dari pengolahan data uji normalitas dengan program SPSS Versi 20. Dengan melihat tampilan
pada grafik normal plot terlihat titik-titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal. Hal ini menunjukkan
bahwa model regresi dalam penelitian ini memenuhi asumsi
normalitas. Selain menggunakan grafik normal plot, pengujian normalitas didukung dengan analisis statistik menggunakan uji statistik
non-parametrik Kolmogrov-Smirnov K-S. Uji K-S ini dilakukan dengan membuat hipotesis sebagai berikut:
Ho: Data residual berdistribusi normal Ha: Data residual tidak berdistribusi normal.
Berikut ini adalah hasil dari uji statistik non-parametrik K-S:
Tabel 14. Uji Statistik Non-Parametrik Kolmogrov-Smirnov untuk
Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 100
Normal Parameters
a
Mean .0000000
Std. Deviation 2.62392124
Most Extreme Differences Absolute
.119 Positive
.057 Negative
-.119 Kolmogorov-Smirnov Z
1.191 Asymp. Sig. 2-tailed
.117 a. Test distribution is Normal.
Sumber: data primer yang diolah , Lampiran 2016 Besarnya nilai Kolmogrov-Smirnov adalah 1,191 dan signifikan
pada 0,117 nilai adalah 5. Hal ini menunjukkan bahwa Ho:
Data residual berdistribusi normal diterima.
b. Uji Linearitas
Hasil pengolahan data uji linearitas dengan program SPSS Versi 20 adalah sebagai berikut:
Tabel 15. Hasil Uji Linearitas
Model Summary
b
Model R
R Square Adjusted
R Square Std. Error of
the Estimate Durbin-
Watson 1
.807
a
.651 .641
2.665 1.802
a. Predictors: Constant, E-Filling, Pemahaman Pajak, Kesadaran b. Dependent Variable: Kepatuhan Wajib Pajak
Sumber: data primer yang diolah , Lampiran 2016 Dalam pengujian linearitas ini menggunakan uji Lagrange
Multiplier. Menurut Imam Ghozali 2011: 169, uji Lagrange Multiplier merupakan uji alternatif dari Ramsey test dan dikembangkan
oleh Engle tahun 1982. Estimasi dengan uji ini bertujuan untuk mendapatkan nilai chi-square hitung atau n x R
2
. Berdasarkan hasil output SPSS menunjukkan bahwa nilai R Square R
2
sebesar 0,651 dengan jumlah n penelitian 70, maka besarnya nilai chi-square
hitung = 70 x 0,651 = 45,57. Nilai ini dibandingkan dengan c
2
tabel dengan df= 70 dan tingkat signifikansi 0,05 didapat nilai chi-square
tabel sebesar 90.53123. Oleh karena nilai chi-square
hitung lebih kecil dari chi-square
tabel maka dapat disimpulkan bahwa model regresi dalam penelitian ini berbentuk linear.
c. Uji Multikolinearitas
