Statistik deskriptif Asumsi Klasik

Berdasarkan Tabel 4.1 dapat dilihat bahwa jumlah pemeriksaan SKP yang diterbitkan terbanyak dilakukan pada bulan Maret 2007 dengan total pemeriksaan sebanyak 116, sedangkan jumlah pemeriksaan terendah dilakukan pada bulan Agustus 2008, Desember 2008, dan Juli 2009 dengan total pemeriksaan 0 tidak melakukan pemeriksaan. Jumlah penerimaan pajak terbesar di KPP Pratama Medan Kota diperoleh pada bulan Januari 2007 sebesar Rp 45.561.142.102 dan penerimaan pajak terendah diperoleh pada bulan Mei 2008 sebesar Rp11.753.815.505.

C. Statistik deskriptif

Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata, standar deviasi, nilai maksimum dan minimum. Berikut ini ditampilkan hasil statistik deskriptif dari masing-masing variabel yaitu Pemeriksaan Pajak dan Penerimaan Pajak. Tabel 4.2 Statistik Deskriptif N Minimum Maximum Mean Std. Deviation PEMERIKSAAN 36 .00 116.00 32.6667 28.82757 PENERIMAAN 36 11753815505 45561142102 26320428146.67 8554895838.864 Valid N listwise 36 Sumber : Data diolah dengan SPSS Dari tabel 4.2 di atas dapat dilihat bahwa: 1. Rata-rata jumlah pemeriksaan SKP yang diterbitkan dari waktu 36 bulan adalah 32,66 per bulan dengan standar deviasi 28,82. 2. Rata-rata penerimaan pajak yang diperoleh dari waktu 36 bulan adalah Rp 26.320.428.146,67 dengan standar deviasi Rp 8.554.895.838,864. Universitas Sumatera Utara

C. Asumsi Klasik

Sebelum melakukan pengujian statistik dengan analisis regresi sederhana, maka perlu dilakukan pengujian untuk mempertimbangkan tidak adanya pelanggaran terhadap asumsi-asumsi klasik. Penelitian ini memiliki dua variabel dependen yaitu pertimbangan tingkat materialitas dan risiko audit sehingga terdapat dua persamaan regresi sederhana di dalamnya, oleh sebab itu pengujian asumsi klasik dilakukan untuk tiap-tiap variabel dependen tersebut. Asumsi- asumsi klasik tersebut antara lain:

a. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal Ghozali, 2005:110. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Uji normalitas dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dapat juga dengan melihat histogram dari residualnya. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal dan grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas, demikian sebaliknya. Hasil pengujian normalitas data ditunjukkan dalam histogram dan grafik berikut ini. Universitas Sumatera Utara Gambar 4.2 3 2 1 -1 -2 Regression Standardized Residual 12 10 8 6 4 2 Frequency Mean = -3.57E- 16 Std. Dev. = 0.986 N = 36 Dependent Variable: PENERIMAAN Histogram Sumber : Data diolah dengan SPSS Gambar 4.3 1.0 0.8 0.6 0.4 0.2 0.0 Observed Cum Prob 1.0 0.8 0.6 0.4 0.2 0.0 Expect ed C um P rob Dependent Variable: PENERIMAAN Normal P-P Plot of Regression Standardized Residual Universitas Sumatera Utara Sumber : Data diolah dengan SPSS Dari tampilan grafik histogram maupun grafik normal plot untuk variabel dependen Peneimaan Pajak dapat disimpulkan bahwa grafik histogram memberikan pola distribusi yang normal. Sedangkan pada grafik normal plot terlihat titik-titik menyebar di sekitar diagonal dan penyebarannya tidak berada jauh dari garis diagonalnya. Kedua grafik ini menunjukkan bahwa model regresi tidak menyalahi asumsi normalitas. Selain itu, peneliti juga melakukan uji normalitas data dengan menggunakan One sample kolmogorov-smirnov test. Hasil pengujian disajikan pada tabel berikut ini: Tabel 4.3 Hasil Uji Normalitas SKP PENERIMAAN N 36 36 Normal Parametersa,b Mean 32.6667 26320428146. 6667 Std. Deviation 28.82757 8554895838.8 6351 Most Extreme Differences Absolute .129 .138 Positive .120 .138 Negative -.129 -.088 Kolmogorov-Smirnov Z .771 .827 Asymp. Sig. 2-tailed .591 .501 Sumber : Data diolah dengan SPSS Berdasarkan hasil pengujian di atas diperoleh nilai asymptotic significance yang lebih besar dari 0,05 pada semua variabel penelitian. Berdasarkan hasil ini maka dapat disimpulkan bahwa distribusi data adalah normal. b Uji Heteroskedastisitas Universitas Sumatera Utara Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas Ghozali, 2005:105. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Kebanyakan data crosssection mengandung situasi heteroskedastisitas karena data ini menghimpun data yang mewakili berbagai ukuran kecil, sedang dan besar. Uji heteroskedastisitas dilakukan dengan melihat ada tidaknya pola tertentu pada grafik Scatterplot antara SRESID dan ZPRED dimana dasar analisisnya adalah: 1 jika titik-titik yang ada membentuk suatu pola tertentu yang teratur, bergelombang, melebar kemudian menyempit maka terjadi heteroskedastisitas, dan jika 2 tidak ada pola yang jelas dimana titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y maka tidak terjadi gejala heteroskedastisitas. Dari grafik Scatterplot pada penelitian ini terlihat bahwa titik- titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini menunjukkan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk menjelaskan pengaruh Pemeriksaan Pajak sebagai variabel independen terhadap Penerimaan Pajak sebagai variabel dependen. Universitas Sumatera Utara Gambar 4.4 3 2 1 -1 -2 Regression Standardized Predicted Value 4 2 -2 -4 Regressi on Student ized Resi dual Dependent Variable: PENERIMAAN Scatterplot Sumber : Data diolah dengan SPSS

c. Uji Autokorelasi

Untuk mendeteksi ada tidaknya autokorelasi dalam penelitian ini digunakan uji Durbin Watson DW test dengan membuat hipotesis pengujiansebagai berikut: Ho: tidak ada autokorelasi Ha: ada autokorelasi Tabel 4.4 Model Summary b .297 a .088 .061 8289162811 1.372 Model 1 R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson Predictors: Constant, SKP a. Dependent Variable: PENERIMAAN b. Sumber : Data diolah dengan SPSS Universitas Sumatera Utara Tabel 4.4 memperlihatkan nilai statistik DW sebesar 1.372. Angka ini terletak di antara -2 dan +2. Dari pengamatan ini dapat disimpulkan bahwa tidak terjadi autokorelasi positif maupun negatif.

C. Analisis Hasil Regresi Pengaruh Pemeriksaan Pajak terhadap Penerimaan Pajak