lebih dari 0,10 yang berarti tidak ada kolerasi antar variabel independen yang nilainya lebih dari 95. Hasil perhitungan nilai
Variance Inflation Factor VIF juga menunjukkan nilai VIF kurang dari 10. Jadi, dapat disimpulkan bahwa tidak ada multikolinieritas
antar variabel dalam model regresi di penelitian ini.
b. Uji Autokorelasi
Hasil dari pengolahan data uji autokorelasi dengan program SPSS versi 23.0 adalah sebagai berikut :
Tabel 18. Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 ,771
a
,594 ,589
2,378 2,130
a. Predictors: Constant, Motivasi, Pendidikan b. Dependent Variable: Kepatuhan
Sumber : Data yang diolah 2016 Berdasarkan tabel 18 di atas diketahui bahwa nilai dari Durbin-
Watson adalah sebesar 2,130. Selanjutnya akan dibandingkan dengan nilai tabel pada tingkat signifikansi 5, jumlah sampel 159 n=159,
dan variabel 3 k=3. Sehingga diperoleh nilai batas bawah dl yaitu 1,693 dan batas atas du yaitu 1,774.
Uji Durbin Watson dapat dihitung dengan du d 4-du, sehingga diperoleh hasil 1,774 2,130 2,226. Dapat disimpulkan
bahwa pada penelitian ini tidak terjadi autokorelasi karena nilai d berada diantara du dan 4-du.
c. Uji Heteroskedastisitas
Hasil dari pengolahan data uji heteroskedastisitas dengan program SPSS versi 23.0 adalah sebagai berikut :
Gambar 8. Grafik Scatterplots Dari grafik scatterplots terlihat bahwa titik-titik menyebar
secara acak serta tersebar di atas maupun di bawah angka 0 nol pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi
heteroskedastisitas pada model regresi penelitian ini, sehingga model regresi tersebut layak dipakai untuk memprediksi variabel dependen
Kepatuhan Wajib Pajak Orang Pribadi berdasarkan masukan variabel independen Motivasi Membayar Pajak dan Tingkat Pendidikan.
d. Uji Normalitas
Hasil dari pengolahan data uji normalitas dengan program SPSS versi 23.0 adalah sebagai berikut :
Gambar 9. Grafik Normal Plot Dengan melihat tampilan pada grafik normal plot terlihat titik-
titik menyebar di sekitas garis diagonal dan mengikuti arah garis diagonal. Hal ini menunjukkan bahwa model regresi dalam penelitian
ini memenuhi asumsi normalitas. Selain menggunakan grafik normal plot, pengujian normalitas
didukung dengan analisis statistik menggunakan uji statistik non- parametrik Kolmogorov-Smirnov K-S. Uji K-S ini dilakukan dengan
membuat hipotesis sebagai berikut : Ho : Data residual berdistribusi normal
Ha : Data residual tidak berdistribusi normal Berikut ini adalah hasil dari uji statistik non-parametrik K-S :