4.4. 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, non heteroskedastisitas dan non autokorelasi. Dari ketiga asumsi tersebut tidak dilakukan pengujian terhadap gejala autokorelasi. Pengujian gejala
autokorelasi merupakan korelasi antar data yang dihitung atau disusun berdasarkan data time series, sedangkan data yang digunakan pada penelitian ini
adalah data cross section dimana data yang diambil adalah data yang ada pada saat kuesioner disebar.
4.4.1. 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 4.15. Hasil Uji Multikolinieritas
Colinierity Statistics Variabel
Tolerance VIF Keterangan
Pemahaman Wajib Pajak X
1
0.415 2.412
non multikolinieritas
Kesadaran Perpajakan Wajib Pajak X
2
0.396 2.523
non multikolinieritas
Kepatuhan Wajib Pajak X
3
0.505 1.979
non multikolinieritas Sumber : Lampiran 7
Tabel 15 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 non multikolinieritas terpenuhi.
4.4.2. Heteroskedastisitas
Heteroskedastisitas menunjukkan adanya ketidaksamaan varians 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. Berikut adalah hasil uji heteroskedastisitas:
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Tabel 4.16. Hasil Uji Heteroskedastisitas
Variabel Bebas Korelasi
Rank Spearman
Signifikansi Keterangan
Pemahaman Wajib Pajak X
1
-0.018 0.862
non heteroskedastisitas
Kesadaran Perpajakan Wajib Pajak X
2
-0.001 0.994
non heteroskedastisitas
Kepatuhan Wajib Pajak X
3
-0.004 0.966
non heteroskedastisitas Sumber : Lampiran 7
Tabel 16 menunjukkan bahwa nilai signifikansi korelasi rank spearman untuk variabel pemahaman wajib pajak, kesadaran perpajakan wajib pajak,
kepatuhan wajib pajak semuanya lebih besar dari 0.05 α=5, sehingga
disimpulkan tidak terjadi heteroskedastisitas pada model regresi, dengan demikian asumsi non heteroskedastisitas telah terpenuhi.
4.5. Analisis Regresi Linier Berganda