4.1.2 Uji Asumsi Klasik
Pengujian asumsi model klasik ini meliputi uji asumsi normalitas, multikolinearitas dan heteroskedastisitas. Uraian dari perhitungan pengujian
asumsi klasik dapat dijelaskan sebagai berikut:
1. Uji Normalitas
Alat analisis yang digunakan pada penelitian ini dalam uji normalitas adalah uji Kolmogorov
– Smirnov. Alat ini digunakan untuk memberikan angka- angka yang lebih detail untuk menguatkan apakah terjadi normalitas atau tidak
dari data-data yang digunakan. Normalitas terjadi apabila nilai Asyim Sig lebih dari 0,05. Tabel hasil uji normalitas Kolmogorov
– Smirnov adalah sebagai berikut:
Tabel 4.25 Uji Normalitas
Berdasarkan Tabel 4.25 dapat diketahui bahwa nilai Kolmogorov –
Smirnov sebesar 0,641 dengan nilai signifikansi Asymp.Sig. 2-tailed di atas 0,05 yaitu sebesar 0,807.
One-Sample Kolmogor ov-Smir nov Test
104 .0000000
1.24094076 .063
.027 -.063
.641 .807
N Mean
Std. Deviati on Norm al Param eters
a, b
Abs olute Pos itive
Negative Mos t Extrem e
Differences Kol m ogorov-Sm irnov Z
Asym p. Sig. 2-tai led Uns tandardiz
ed Res idual
Tes t dis tributi on i s Norm al. a.
Cal culated from data. b.
2. Uji Multikolinieritas
Uji Multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang
baik seharusnya tidak terjadi korelasi diantara variabel independen Ghozali, 2011:105. Untuk mendeteksi ada atau tidaknya gejala multikolinieritas dapat
dilihat dari nilai tolerance dan variance inflation factor VIF. Pedoman suatu model regresi yang bebas dari multikolinieritas adalah mempunyai nilai VIF
kurang dari 10 dan nilai Tolerance lebih besar dari 0,10. Uji multikolinieritas pada
penelitian ini disajikan pada tabel sebagai berikut: Tabel 4.26
Uji Multikolinieritas
Tabel 4.26 menunjukan nilai masing-masing Tolerance variabel independen lebih besar dari 0,10 dan masing-masing nilai VIF kurang dari 10. Hal
ini menunjukan tidak terjadi gejala multikolinieritas.
3. Uji Heteroskedastisitas
Uji heteroskedastisitas
digunakan untuk
mengetahui terjadinya
penyimpangan model karena varian gangguan antara satu observasi. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi
heteroskedastisitas. Cara untuk mendeteksi ada atau tidaknya heteroskedastisitas
Coefficients
a
.696 .254
.167 .383
2.610 .690
.301 .200
.436 2.295
.680 .303
.202 .469
2.132 SPPT
Pelayanan Perpajakan Kes adaran Wajib Pajak
Model 1
Zero-order Partial
Part Correlations
Tolerance VIF
Collinearity Statis tics
Dependent Variable: Kepatuhan Wajib Pajak a.
dapat dilakukan dengan melihat grafik plot nilai prediksi variabel terikat yaitu ZPRED dengan residulnya SRESID.
Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED.
Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur maka mengindikasikan telah terjadi heteroskedastisitas. Jika tidak ada pola
yang jelas, serta titik-titik menyebar di atas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas Ghozali, 2011:139. Adapun gambar
scatterplot uji heteroskedastisitas dapat dilihat pada gambar 4.1 dibawah ini:
Gambar 4.1 Scatter Plot Uji Heteroskedastiditas
Pada grafik Scatter Plot hasil output SPSS terlihat titik-titik menyebar secara acak dan tidak membentuk suatu pola tertentu yang jelas, serta tersebar
Regression Standardized Predicted Value
3 2
1 -1
-2 -3
R eg
re ss
io n
S tu
de nt
iz ed
R es
id ua
l
2
-2
-4
Scatterplot Dependent Variable: Kepatuhan Wajib Pajak
baik diatas maupun dibawah angka 0 pada sumbu Y. Hal ini berarti data telah memenuhi asumsi homogenitas atau tidak terjadi heteroskedastisitas. Dengan
demikian data telah memenuhi persyaratan untuk regresi linier berganda.
4.1.3 Analisis Regresi Linier Berganda
Kategori