dan rata-rata jumlah skor kepatuhan wajib pajak cukup tinggi yaitu 30.91 sudah mendekati jumlah maksimum idealnya yaitu 40. Hal ini menunujukkan
bahwa faktor pendapatan, pelayanan pajak, pengetahuan perpajakan, dan penegakan hukum pajak cukup mempengaruhi kepatuhan wajib pajak dalam
membayar PBB.
4.2 Analisis Data
Metode analisis data dalam penelitian ini menggunakan metode statistik. Analisis data dilakukan dengan bantuan dari program SPSS 15.0 for window
sebagai alat untuk meregresikan model yang telah dirumuskan.
4.2.1 Uji Asumsi Klasik
4.2.1.1 Uji Multikolinieritas
Model regresi berganda harus terbebas dari multikolinieritas untuk setiap variabel independennya. Uji multikolinieritas dapat diamati dengan
membandingkan nilai Variable Inflation Factor VIF dan nilai tolerance dengan nilai cutoff yang umum digunakan yaitu nilai tolerance 10 dan nilai VIF 10.
Hasil pengujian multikolinieritas disajikan dalam Tabel 4.13
Tabel 4.13 Hasil Uji Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients t Sig.
Collinearity Statistics B Std.
Error Tolerance VIF
1 Contant Pendapatan
Pelayanan Pajak Pengetahuan Perpajakan
Penegakan Hukum Pajak 15.579
.335 .144
.257 .342
1.628 .145
.047 .035
.068 9.571
2.306 3.050
7.283 5.033
.000 .022
.002 .000
.000 .941
.946 .582
.625 1.063
1.057 1.719
1.601
a Dependent Variable: Kepatuhan Wajib Pajak Y
Sumber : Data primer yang diolah, 2009
-4 -2
2 4
Regression Standardized Predicted Value
-4 -3
-2 -1
1 2
3
Regressi on Studenti
z ed
Resi dual
Dependent Variable: Y Scatterplot
Berdasarkan Tabel 4.13 hasil perhitungan nilai tolerance memperlihatkan bahwa masing-masing variabel independen tidak ada yang memiliki nilai kurang
dari 10 yang berarti tidak ada korelasi antar variabel independen. Hasil perhitungan nilai VIF juga menunjukkan bahwa nilai VIF masing-masing variabel
tidak memiliki nilai yang lebih dari 10 sehingga dapat disimpulkan bahwa tidak ada multikolinieritas antar variabel independen.
4.2.1.2 Uji Heteroskedastisitas
Pengujian heteroskedastisitas dimaksudkan untuk mengetahui apakah dalam sebuah model regresi terjadi ketidaksamaan varian dari residual
pengamatan yang satu dengan residual pengamatan yang lain. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Dalam penelitian ini uji
heteroskedastisitas dilakukan dengan menggunakan metode grafik plot Regresion Standardized Predicted Value
dengan Regresion Studentized Residual. Hasil pengujian dapat dilihat pada gambar 4.1 berikut ini
Gambar 4.1 Hasil Pengujian Asumsi Heteroskesdastisitas
-4 -3
-2 -1
1 2
3
Regression Standardized Residual
10 20
30 40
50
Fre que
ncy
Mean = 2.98E-16 Std. Dev. = 0.994
N = 363
Dependent Variable: Y Histogram
Berdasarkan grafik scatterplot di atas tampak bahwa sebaran data tidak membentuk pola yang jelas, titik-titik data menyebar di atas dan di bawah angka 0
pada sumbu Y. Dengan demikian dapat disimpulkan bahwa pada model regresi tidak terjadi heteroskedastisitas.
4.2.2 Uji Prasyarat Analisis Regresi
