Alpha Kebijakan Perpajakan X
1
0.612 reliabel
Undang-Undang Perpajakan X
2
0.617 reliabel
Administrasi Perpajakan X
3
0.801 reliabel
Motivasi Tax Planning Y 0.919
reliabel
Sumber: Lampiran 5
Berdasarkan tabel 4.14. menunjukkan bahwa variabel kebijakan perpajakan, undang-undang perpajakan, administrasi perpajakan dan motivasi tax planning
mempunyai nilai Cronbach Alpha lebih besar dari 0.6, sehingga keempat variabel penelitian dinyatakan reliabel.
4.5. Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah suatu data mengikuti sebaran normal atau tidak. Oleh karena itu dilakukan pengujian normalitas pada
residual yang dihasilkan model regresi. Prosedur uji normalitas dilakukan dengan uji Kolmogorov-Smirnov
. Jika nilai signifikansi uji Kolmogorov-Smirnov 0.05 α=5,
maka residual model regresi berdistribusi normal. Pengujian normalitas residual dilakukan dengan program SPSS 13.0.
Berikut adalah hasil uji normalitas residual:
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Tabel 4.15. Hasil Uji Normalitas
Unstandardized Residual
Keterangan Kolmogorov Smirnov Z
0.882 Normal
Nilai Signifikansi 0.418
Sumber: Lampiran 6
Berdasarkan Tabel 4.15. dapat diketahui bahwa nilai signifikan uji Kolmogorov-Smirnov
lebih besar dari 0.05 yaitu 0.418, maka disimpulkan bahwa residual model regresi berdistribusi normal.
4.6. Uji Asumsi Klasik
Untuk mengetahui apakah model regresi yang dihasilkan merupakan model regresi yang menghasilkan estimator linier tidak bias terbaik, maka perlu dilakukan
pengujian gejala penyimpangan asumsi model klasik. Asumsi klasik yang harus dipenuhi untuk mendapatkan model regresi yang baik adalah non multikolinieritas,
nonheteroskedastisitas dan nonautokorelasi. Berikut akan dijelaskan hasil pengujian asumsi klasik menggunakan program SPSS 13.0.
4.6.1. Multikolinieritas
Multikolinieritas menunjukkan adanya hubungan linier sempurna antara variabel bebas dalam model regresi. Pendeteksian ada atau tidaknya multikolinieritas
dilakukan dengan melihat nilai tolerance dan VIF. Apabila nilai tolerance 0.10 dan nilai VIF 10, maka model regresi bebas dari multikolinieritas.
Berikut adalah hasil uji multikolinieritas:
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Tabel 4.16. Hasil Uji Multikolinieritas
Variabel Colinierity Statistics
Keterangan Tolerance
VIF Kebijakan Perpajakan X
1
0.657 1.521
non multikolinieritas Undang-Undang Perpajakan X
2
0.944 1.059
non multikolinieritas Administrasi Perpajakan X
3
0.699 1.430
non multikolinieritas Sumber: Lampiran 7
Berdasarkan tabel 4.16. menunjukkan bahwa nilai tolerance ketiga variabel bebas di atas angka 0.10, demikian pula nilai VIF semuanya di bawah angka 10,
sehingga dapat dikatakan model regresi bebas dari multikolinieritas, dengan demikian asumsi nonmultikolinieritas terpenuhi.
4.6.2. Heteroskedastisitas
Heteroskedastisitas menunjukkan adanya ketidaksamaan varian dari residual atas suatu pengamatan ke pengamatan yang lain. Pendeteksian ada atau tidaknya
heteroskedastisitas dilakukan dengan metode korelasi Rank Spearman yaitu mengkorelasikan variabel bebas terhadap nilai residual. Jika korelasi Rank Spearman
menghasilkan nilai signifikansi 0.05 α=5, maka disimpulkan dalam model regresi tidak terjadi heteroskedastisitas.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Berikut adalah hasil uji heteroskedastisitas:
Tabel 4.17. Hasil Uji Heteroskedastisitas
Variabel Bebas Korelasi
Rank Spearman
Signifikansi Keterangan
Kebijakan Perpajakan X
1
0.141 0.442
non heteroskedastisitas Undang-Undang Perpajakan X
2
0.131 0.475
non heteroskedastisitas Administrasi Perpajakan X
3
0.166 0.363
non heteroskedastisitas Sumber : Lampiran 7
Tabel 4.17. menunjukkan bahwa nilai signifikansi korelasi Rank Spearman untuk variabel kebijakan perpajakan, undang-undang perpajakan dan administrasi
perpajakan semuanya lebih besar dari 0,05 α=5, sehingga disimpulkan tidak
terjadi heteroskedastisitas pada model regresi, dengan demikian asumsi nonheteroskedastisitas telah terpenuhi.
4.6.3. Autokorelasi
Autokorelasi menunjukkan adanya korelasi hubungan antar pengamatan. Pendeteksian ada tidaknya autokorelasi dilakukan dengan uji Durbin-Watson. Dengan
ketentuan jika nilai Durbin-Watson terletak di antara nilai dU hingga 4-dU, maka tidak terjadi autokorelasi. Nilai dU yang diperoleh dari Tabel Durbin-Watson dengan
n=32 dan k=3 jumlah variabel bebas adalah sebesar 1.65, sehingga didapatkan nilai 4-dU sebesar 2.35.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Dari hasil regresi diperoleh nilai Durbin-Watson sebagai berikut:
Tabel 4.18. Hasil Uji Autokorelasi
Nilai Durbin Watson
Tabel Durbin Watson Keterangan
dU 4 – dU
1.692 1.65
2.35 non autokorelasi
Sumber: Lampiran 7
Tabel 4.18. menunjukkan nilai Durbin-Watson yang diperoleh dari hasil regresi adalah sebesar 1.692 terletak di antara nilai dU 1.65 dan nilai 4-dU 2.35,
sehingga disimpulkan tidak terdapat autokorelasi pada model regresi, dengan demikian asumsi nonautokorelasi telah terpenuhi.
4.7. Teknik Analisis dan Uji Hipotesis
