disimpulkan bahwa tidak terdapat masalah heteroskedastisitas karena variabel independennya memiliki signifikasi lebih besar dari 0,05.
4.2.1.3 Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan periode t-1
sebelumnya. Model regresi yang baik adalah yang bebas dari autokorelasi. Masalah autokorelasi umumnya terjadi pada regresi yang datanya time series. Untuk
mendeteksi masalah autokorelasi dapat dilakukan dengan menggunakan uji Durbin Watson. secara umum panduan mengenai angka Durbin-Watson dapat diambil
patokan sebagai berikut:
1 angka D-W dibawah -2 berarti ada autokorelasi positif, 2 angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi,
3 angka D-W di atas +2 berarti ada autokorelasi negatif.
Tabel 4.10 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
Universitas Sumatera Utara
Tabel 4.5 memperlihatkan nilai statistik D-W sebesar 1.621 Angka ini terletak diantara -2 dan +2, dari pengamatan ini dapat disimpulkan bahwa tidak
terjadi autokorelasi positif maupun autokorelasi negatif dalam penelitian ini.
4.2.1.4 Uji Multikolinearitas
Menurut Ghozali 2005:91,“Uji multikolinearitas dilakukan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel bebas
independen”. Adanya gejala multikolinearitas dapat dilihat dari tolerance value atau nilai Variance Inflation Factor VIF. Batas tolerance value adalah 0,1 dan batas
VIF adalah 10. Apabila tolerance value 0,1 atau VIF 10 = terjadi multikolinearitas. Apabila tolerance value 0,1 atau VIF 10 = tidak terjadi
multikolinearitas. Hasil pengujian terhadap multikolinearitas pada penelitian ini dapat dilihat pada tabel 4.6
1 .630
a
.397 .343
1.79937 1.621
a. Predictors: Constant, Ln_OPERA, Ln_EPTI, Ln_CLI, Ln_OPM b. Dependent Variable: Ln_Pajak_Penghasilan
Universitas Sumatera Utara
Tabel 4.11 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant 18.351
2.272 8.077
.000 Ln_CLI
-1.319 .501
-.422 -2.631
.012 .522
1.915 Ln_OPM
2.067 .634
.696 3.259
.002 .294
3.402 Ln_EPTI
.793 .477
.268 1.662
.103 .516
1.937 Ln_OPER
A 2.423
5.280 .101
.459 .649
.277 3.613
a. Dependent Variable: Ln_Pajak_Penghasilan
Berdasarkan tabel 4.6 diatas dapat diukur bahwa tidak ada satupun variabel bebas yang memiliki nilai VIF 10 dan tidak ada yang memiliki tolerance value
0,1. Jadi dapat disimpulkan bahwa penelitian ini bebas dari adanya multikolinearitas. Dari hasil analisis, diketahui bahwa:
• nilai VIF untuk variabel Ln_CLI adalah 1,915 10 dan nilai tolerance sebesar 0,522 0,1,
• nilai VIF untuk variabel Ln_OPM adalah 3,402 10 dan nilai tolerance sebesar 0.294 0,1,
• nilai VIF untuk variabel Ln_EPTI adalah 1,937 10 dan nilai tolerance sebesar 0,516 0,1, dan
• nilai VIF untuk variabel Ln_OPERA adalah 3,613 10 dan nilai tolerance sebesar 0,277 0,1 .
Universitas Sumatera Utara
Dari hasil ini maka dapat disimpulkan bahwa semua variabel bebas yang dipakai dalam penelitian ini lolos uji gejala multikolinearitas.
4.2.2 Pengujian Hipotesis