One-Sample Kolmogorov-Smirnov Test
31 .0000000
.29016123 .107
.071 -.107
.597 .868
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences
Kolmogorov-Smirnov Z Asymp. Sig. 2-tailed
Unstandardiz ed Residual
Test distribution is Normal. a.
Calculated from data. b.
Sumber : Lampiran 7 Berdasarkan hasil pengujian ini dapat diketahui bahwa nilai
statistic Kolmogorov – Smirnov yang diperoleh mempunyai taraf signifikan yang lebih besar dari 0.05 yaitu sebesar 0.868. Hal ini
membuktikan bahwa semua variabel yang diteliti berdistribusi normal, sehingga pengujian dengan menggunakan statistik parametrik atau dalam
hal ini regresi linier berganda layak untuk dilakukan.
4.4. Uji Asumsi Klasik
4.4.1. Uji Multikolinieritas
Multikolinieritas menunjukkan adanya hubungan linier yang sempurna antara variabel - variabel bebas dalam suatu model regresi.
Model regresi yang baik seharusnya tidak mengandung multikolinieritas. Pendeteksian ada tidaknya multikolinieritas menggunakan nilai tolerance
dan nilai variance inflation factor VIF. Apabila nilai tolerance 0.10
atau sama dengan nilai VIF 10, maka tidak terjadi multikolinieritas dalam model regresi Ghozali, 2005: 91-92.
Hasil pengujian memperoleh nilai tolerence dan VIF seperti pada tabel di bawah ini:
Tabel 4.11: Hasil Uji Multikolinieritas
Sumber : Lampiran 8 Berdasarkan tabel di atas menunjukkan bahwa nilai tolerance
masing-masing variabel bebas lebih besar dari 0.10 dan nilai VIF semuanya kurang dari 10. Dengan demikian dapat disimpulkan bahwa
model regresi yang dihasilkan tidak mengindikasikan adanya multikolinieritas atau asumsi tidak terjadi multikolinieritas terpenuhi.
4.4.2. Uji Autokorelasi
Autokorelasi menunjukkan dalam sebuah regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada
periode t-1 sebelumnya.
Pendeteksian autokorelasi dalam penelitian ini tidak dilakukan karena gejala autokorelasi biasanya terjadi pada data time series,
sedangkan data yang digunakan dalam penelitian ini adalah data cross section data yang diambil pada saat kuesioner disebar.
Variabel Bebas Tolerance
VIF Pemahaman Wajib Pajak X
1
0.482 2.074
Kesadaran wajib Pajak X
2
0.482 2.074
4.4.3. Uji Heteroskedastisitas
Heteroskedastisitas menunjukkan dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
yang lain. Model regresi yang baik seharusnya tidak terjadi heteroskedastisitas. Pengujian heteroskedastisitas pada penelitian ini
menggunakan metode korelasi Rank Spearman, yaitu dengan mengkorelasikan residual dengan seluruh variabel bebas. Apabila nilai
signifikansi korelasi Rank Spearman yang dihasilkan 0.05, maka tidak terjadi heteroskedastisitas Wahana Komputer, 2005: 60.
Berikut hasil uji heteroskedastisitas untuk masing-masing variabel bebas:
Tabel 4.12: Hasil Uji Heteroskedastisitas
Sumber : Lampiran 8 Hasil analisis di atas menunjukkan bahwa nilai signifikansi
korelasi Rank Spearman untuk variabel pemahaman wajib pajak dan kesadaran wajib pajak, semuanya lebih besar dari 0.05, yang berarti tidak
terdapat korelasi antara residual dengan variabel bebasnya. Berdasarkan hasil tersebut maka dapat disimpulkan bahwa tidak terjadi
heteroskedastisitas, sehingga asumsi tidak terjadi heteroskedastisitas terpenuhi.
Variabel Bebas Correlastion
Coefficient Nilai
Signifikansi Pemahaman Wajib Pajak X
1
-0.010 0.479 Kesadaran Wajib Pajak X
2
0.041 0.412
4.5. Teknik Analisis dan Pengujian Hipotesis
