65 transformasi data untuk mendapatkan distribusi data yang normal.
Hasil pengujiannya adalah sebagai berikut:
Tabel 4.3 Hasil Kolmogorov-Smirnov Setelah Transformasi
Sumber: Output SPSS. Data diolah peneliti, 2016
Hasil uji kolmogorov smirnov pada tabel 4.3 diatas menunjukkan nilai Kolmogorov Smirnov K-S sebesar 0,990 dan
nilai signifikan sebesar 0,281 sehingga dapat disimpulkan bahawa data dalam model regresi berdistribusi normal, dimana nilai
signifikansinya 0,281 0,05.
4.2.2.2 Uji Multikolinearitas
Uji multikolinearitas adalah uji yang dilakukan untuk mengetahui apakah pada model regresi ditemukan adanya korelasi
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 117
Normal Parameters
a,b
Mean 0E-7
Std. Deviation ,10641471
Most Extreme Differences Absolute
,092 Positive
,087 Negative
-,092 Kolmogorov-Smirnov Z
,990 Asymp. Sig. 2-tailed
,281 a. Test distribution is Normal.
b. Calculated from data.
Universitas Sumatera Utara
66 di antara variabel independen. Model regresi yang baik seharusnya
tidak terjadi multikolinearitas di antara variabel independen. Cara untuk mendeteksi terjadinya multikolinearitas yaitu dengan melihat
nilai tolerance TOL dan variance inflation factor VIF. Jika nilai VIF 10 dan nilai tolerance 0,1, maka dapat disimpulkan tidak
terjadi multikolinearitas. Hasil pengujian multikolinearitas pada penelitian ini adalah sebagai berikut:
Tabel 4.4 Uji Multikolinearitas
Setelah Data Ditransformasi
Sumber: Output SPSS. Data diolah peneliti, 2016
Berdasarkan data olahan pada tabel 4.5, maka dapat dilihat bahwa semua variabel independen memiliki nilai VIF 10 dan
nilai tolerance 0,1. Dengan demikian, maka dapat disimpulkan bahwa tidak terjadi korelasi di antara variabel-variabel independen
yang diuji dalam penelitian ini.
Coefficients
a
Model Unstandardized Coefficients Standardized
Coefficients T
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF
1 Constant
1,112 ,244
4,554 ,000
BOARD ,089
,028 ,269
3,167 ,002
,844 1,184
KOMITE -,574
,306 -,158
-1,876 ,063
,863 1,159
COMP -,091
,204 -,037
-,447 ,655
,906 1,103
DER -,112
,044 -,214
-2,520 ,013
,843 1,186
ROA -,055
,008 -,537
-6,473 ,000
,884 1,132
a. Dependent Variable: Manajemen_Pajak
Universitas Sumatera Utara
67
4.2.2.3 Uji Heterokedastisitas
Uji heteroskedastisitas adalah uji yang dilakukan untuk melihat apakah dalam model regresi terjadi perbedaan variabel
residu dari satu pengamatan ke pengamatan lain Ghozali, 2006:105. Hasil pengujian heteroskedastisitas dapat dilihat pada
gambar 4.5 berikut ini:
Gambar 4.5 Grafik Scatterplot
Sumber: Output SPSS. Data diolah peneliti, 2016
Pada gambar 4.5 terlihat bahwa grafik scatterplot menunjukkan pola tertentu dimana titik-titik tidak tersebar baik diatas maupun
dibawah angka 0 pada sumbu Y dan mengindikasikan telah terjadi heteroskedastisitas. Hal ini dapat disumpulkan bahwa terjadi
heterokedastisitas pada model regresi, sehingga model regresi tidak
Universitas Sumatera Utara
68 layak dipakai untuk memprediksi manajemen pajak. Hasil dari
transformasi data terhadap pengujian heteroskedastisitas adalah sebagai berikut:
Gambar 4.6 Grafik Scatterplot
Sumber: Output SPSS. Data diolah peneliti, 2016
Pengujian heteroskedastisitas setelah transformasi data pada gambar 4.6 menunjukkan bahwa titik-titik menyebar secara acak serta
tersebar baik diatas maupun dibawah angka 0 pada sumbu Y, sehingga dapat dikatakan tidak terjadi heteroskedastisitas dan model regresi
layak dipakai untuk mengetahui faktor-faktor yang mempengaruhi manajemen pajak.
Universitas Sumatera Utara
69
4.2.2.4 Uji Autokorelasi