Untuk dapat lebih jelas mengenai pengujian ini, berikut ini akan diberikan
pembahasan dengan menggunakan metode
kuantitatif menggunakan program SPSS. 15 yaitu:
a. Hasil Uji Asumsi Klasik
1 Uji Normalitas Data Suatu data akan terdistribusi secara normal jika nilai
probabilitas yang diharapkan adalah sama dengan nilai probabilitas pengamatan. Jika data menyebar disekitar garis diagonal dan
mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi
memenuhi asumsi normalitas Ghozali, 2005: 110. Hasil pengujian data penelitian ini dapat dilihat pada gambar 4.2 berikut
ini:
Gambar 4.2 Grafik
Normality probability Plot
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
E x
p e
c te
d C
u m
P ro
b
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: Penerimaan Pajak
Berdasarkan gambar 4.2 di atas terlihat bahwa penyebaran titik-titik berada tidak jauh di sekeliling garis diagonal. Hal ini
menunjukkan bahwa data yang digunakan sebagai bahan penelitian mendekati normal sehingga layak untuk diteliti H
diterima dan H
1
ditolak.
2 Uji Multikolinearitas Uji multikolinieritas bertujuan untuk menguji apakah model
regresi ditemukan adanya korelasi antar variabel bebas independen Ghozali, 2005:91. Jika terjadi korelasi, maka
terdapat problem multikolinearitas atau multiko. Model regresi
yang baik seharusnya tidak terjadi korelasi di antara variabel independennya. Multikolinearitas dapat dilihat dari 1 nilai
tolerance TOL dan lawannya 2 Variant Inflation Factor VIF.
Apabila Tolerance lebih dari 0.1 dan VIF kurang dari 10 maka tidak terjadi multikolinearitas.
Tabel 4.3 Hasil Identifikasi uji Multikolineariti
Collinearity Statistics Model
Tolerance VIF
.653 1.530
1 Contant
Kepatuhan WP Hotel Kepatuhan Wp Restoran
.653 1.530
a. Dependent Variable: Penerimaan Pajak
Data di atas menunjukan masing-masing variabel memiliki VIF tidak lebih dari 10 dan nilai tolerance tidak kurang dari 0,1.
Maka dapat
disimpulkan model
regresi terbebas
dari multikolinearitas atau H
diterima dan H
1
ditolak. 3 Uji Heterokedasitas
Uji ini dilakukan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual satu pengamatan
ke pengamatan yang lain. Jika nilai variansnya tetap, maka disebut Homokedastisitas.
Jika variansnya
berbeda disebut
heteroskedastisitas, dimana model regresi yang baik adalah tidak terjadinya heterokedasitas. Ghozali, 2005: 105
Gambar 4.3 Grafik Hasil Uji Heterokedasitas
Regression Standardized Predicted Value
2 1
-1 -2
R e
gr e
s s
ion S
tude nt
iz e
d R
e s
idua l
2 1
-1 -2
-3
Scatterplot
Dependent Variable: Penerimaan Pajak
Gambar 4.3 menunjukkan titik data menyebar secara acak serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y.
Jadi dapat diambil kesimpulan bahwa model regresi penelitian ini tidak mengalami problem heteroskedasitas. Hal ini berarti pada
penelitian ini H diterima dan H
1
ditolak.
4 Uji Autokorelasi Autokorelasi bertujuan untuk menguji apakah sebuah regresi
linear ada korelasi antara kesalahan pengganggu pada periode t dan
kesalahan pada periode t-1. Jika terjadi korelasi maka dinamakan ada problem Autokorelasi. Tentu saja model regresi yang baik
adalah yang bebas dari problem tersebut. Deteksi adanya Autokorelasi dengan menggunakan Durbin-Watson, dimana angka
D-W dibawah -2 ada Autokorelasi positif, angka D-W diantara -2 sampai +2 tidak ada Autokorelasi, dan angka D-W di atas +2
berarti ada Autokorelasi negatif Santoso, 2002:219.
Tabel 4.4
Model Summaryb
Model R
R Square
Adjusted R Square
Durbin- Watson
1 .856
a
.733 .674
1.095
Besarnya nilai Durbin-Watson pada Tabel 4.4 menunjukkan angka 1.095, yang berarti nilai yang dihasilkan berada pada
interval antara -2 sampai dengan +2. Dapat disimpulkan bahwa model regresi ini bebas dari Autokorelasi .
b. Uji Hipotesis
