Keterangan : Y = Tingkat Kepatuhan Wajib Pajak
X
1
X = Tindakan yang Sopan
2
X = Pendidikan Khusus
3
X = Independensi
4
X = Fasilitas
5
Z = Penyuluhan Pajak = Unit Khusus Pelayanan
α = Konstanta ε = Error Term
Untuk mengetahui seberapa besar pengaruh variabel independen secara bersama-sama terhadap variabel dependen digunakan uji anova atau F-test. Untuk
mengetahui seberapa besar pengaruh variabel independen secara parsial terhadap variabel dependen digunakan t-test. Sebelum dilakukan uji F dan uji t dilakukan
uji asumsi klasik terdiri dari uji normalitas, uji multikolinieritas, uji heteroskedastisitas dan uji autokorelasi.
4.6.1. Uji Asumsi Klasik
Suatu instrumen pengamatan dinyatakan layak untuk diteliti bila variabel penelitian terbebas dari asumsi-asumsi klasik statistik, antara lain asumsi
multikolinieritas, heteroskesdastisitas dan autokorelasi.
a. Uji Heteroskesdastisitas
Heteroskedastisitas digunakan untuk menguji apakah dalam sebuah regresi menunjukkan variansi antar variabel tersebar dan tidak sama. Untuk mendeteksi
gejala heteroskedastisitas dapat menggunakan gambar Scatterplot. Gambar Scatterplot dapat dimaknai apabila titik-titik menyebar dibawah sumbu 0 dan
Universitas Sumatera Utara
diatas sumbu 0 maka dapat dikatan tidak terdapat gejala heteroskedastisitas. Ghozali, 2005
b. Uji Multikolinieritas
Uji Multikolinieritas bertujuan untuk menguji apakah terdapat korelasi antar variable bebas independent. Model yang baik seharusnya tidak terjadsi adanya
korelasi antara variabel bebas. Deteksi terhadap ada tidaknya multikolinieritas, yaitu dengan menganalisis nilai tolerance serta Variance Inflation Factor VIF
10 dan nilai tolerance 1.
c. Uji Autokorelasi
Digunakan untuk menguji asumsi klasik regresi berkaitan dengan adanya autokorelasi, yaitu dengan Durbin Watson DW, yaitu dengan membandingkan
nilai DW statistik dengan DW table. Apabila nilai DW statistik terletak pada daerah no autocorrelation berarti telah memenuhi asumsi klasik regresi Sujoko
et.al. 2008. Uji ini digunakan untuk menguji asumsi klasik regresi berkaitan dengan
adanya autokorelasi, yaitu dengan Durbin Watson DW, yaitu dengan membandingkan nilai DW statistic dengan DW table. Untuk mengetahui adanya
autokorelasi digunakan uji Durbin-Watson, dengan kriteria menurut Santoso 2005 : 242 dengan cara melihat besaran Durbin-Watson sebagai berikut :
• Angka D-W di bawah -2, berarti ada autokorelasi positif. • Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi.
• Angka D-W di atas +2, berarti ada autokorelasi negatif.
Universitas Sumatera Utara
4. Uji Normalitas
Tujuan uji normalitas adalah ingin mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal. Menurut
Erlina 2007, ada beberapa cara mengubah model regresi menjadi normal yaitu : 1. Melakukan transformasi data ke bentuk lainnya.
2. Melakukan trimming yaitu membuang data out lier 3. Melakukan winsonizing yaitu mengubah nilai data out lier ke suatu nilai
tertentu. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal yakni
dengan analisis grafik grafik PP Plot dan Histogram dan uji statistik Uji Kolmogorov Smirnov. Uji normalitas data dilakukan dengan uji Kolmogorov
Smirnov, distribusi data dikatakan normal jika signifikansi 0,05. Apabila nilai signifikansi 0,05 maka distribusi data tidak normal.
4.6.2 Uji Hipotesis
Cara yang dapat dilakukan untuk membuktikan hipotesis maka digunakan alat uji sebagai berikut :
1. Uji F, dengan maksud menguji apakah secara simultan variable bebas
berpengaruh terhadap variable tidak bebas, dengan tingkat keyakinan 95 α = 0,05.
Urutan uji F :
a. Merumuskan hipotesis null dan hipotesis alternatif.
Universitas Sumatera Utara
