Gambar 4.1 Normal P-plot
Sumber: Data Primer yang diolah 2015 Berdasarkan tampilan grafik Normal P-plot di atas, dapat disimpulkan bahwa pola
grafik normal terlihat dari titik-titik yang menyebar di sekitar garis diagonal dan penyebarannya mengikuti arah garis diagonal. Berdasarkan grafik Normal P-plot,
menunjukkan bahwa model regresi layak dipakai dalam penelitian ini karena memenuhi asumsi normalitas.
2. Uji Multikolinearitas
Uji multikolinieritas bertujuan untuk mengetahui apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas. Model regresi yang baik seharusnya tidak
terjadi korelasi antar variabel bebas. Untuk mengetahui ada atau tidaknya multikolinieritas maka dapat dilihat dari nilai Varians Inflation Factor VIF. Bila angka VIF ada yang
melebihi 10 berarti terjadinya multikolinieritas.
Tabel 4.16 Hasil Uji Multikolinearitas
Model Collinearity Statistics
Tolerance VIF
1 Constant
Sadar ,536
1,865 Fiskus
,603 1,658
Penyuluhan ,589
1,699 Sanksi
,529 1,890
Sumber: Data Primer yang diolah 2015 Berdasarkan tabel 4.16 di atas menunjukkan bahwa nilai tolerance dari ketiga variabel
independen berada di atas 0.10 dan VIF kurang dari 10. Dengan demikian dapat disimpulkan bahwa dalam model regresi tersebut tidak terdapat masalah multikolinearitas, maka model
regresi ini layak untuk dipakai.
3. Uji Heterokesdastisitas
Uji heteroskedastisitas bertujuan untuk mengetahui apakah ada model regresi ini terjadi ketidaksamaan varian dari residu satu pengamatan ke pengamatan lain. Jika varian
dari residu pengamatan ke pengamatan lain berbeda berarti ada gejala heteroskedastisitas dalam model regresi tersebut. Model regresi yang baik tidak terjadi adanya
heteroskedastisitas.
Gambar 4.2 Scatterplot
Sumber: Data Primer yang diolah 2015 Berdasarkan gambar 4.2 di atas, dapat diketahui bahwa data titik-titik menyebar
secara merata di atas dan di bawah garis nol, tidak berkumpul di satu tempat , serta tidak
membentuk pola tertentu sehingga dapat disimpulkan bahwa uji regresi ini tidak terjadi masalah heteroskedastisitas.
4.7 Analisis Regresi Linear Berganda
Teknik regresi berganda digunakan untuk menguji pengaruh dua atau lebih variabel independen terhadap satu variabel dependen. Hasil uji regresi linear berganda terhadap ketiga
variabel independen, yaitu kesadaran wajib pajak, pelayanan fiskus, penyuluhan wajib pajak dan sanksi pajak dapat dilihat pada tabel 4.17 berikut ini.
Tabel 4.17 Hasil Uji Regresi Linear Berganda
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta 1
Constant 1,053
1,494 ,705
,483 Sadar
,212 ,099
,198 2,135
,035 Fiskus
,367 ,094
,341 3,910
,000 Penyuluhan
,242 ,120
,178 2,017
,046 Sanksi
,206 ,093
,207 2,218
,029 a. Dependent Variable: Patuh
Sumber: Data Primer yang diolah 2015
Berdasarkan tabel 4.17 persamaan regresi linear berganda, yang dibaca adalah nilai dalam kolom B, baris pertama menunjukkan konstanta a dan baris selanjutnya menunjukkan
koefisien variabel independen. Berdasarkan tabel 4.17 model regresi yang digunakan adalah sebagai berikut.
Y = 1,053 + 0,212 Sadar + 0,367 Fiskus+ 0,242 Penyuluhan + 0,206 Sanksi +
� Nilai konstanta dengan koefisien regresi pada tabel 4.15 dapat dijelaskan sebagai
berikut. 1.
Konstanta sebesar 1,053 menunjukkan bahwa jika variabel-variabel independen kesadaran wajib pajak, pelayanan fiskus, Penyuluhan dan sanksi pajak diasumsikan tidak
mengalami perubahan konstan maka nilai Y kepatuhan formal wajib pajak adalah sebesar 1,053.
