69
4.3.2. Pengujian Asumsi Klasik
4.3.2.1.Uji Multikolinieritas
Identifikasi secara statistik ada atau tidaknya gejala multikolinier dapat dilakukan dengan menghitung Variance Inflation Factor VIF. Dari
hasil pengujian terhadap gejala mulitikolinieritas diperoleh hasil sebagai berikut :
Tabel 4.15. Hasil Uji Multikolinieritas
Variabel bebas Tolerance
VIF Sosialisasi Peraturan Perpajakan X1
1,000 1.000
Sanksi Perpajakan X2 1,000
1.000
Sumber : Lampiran 13 Berdasarkan hasil pengujian dapat diketahui bahwa nilai VIF
seluruh variabel bebas dalam penelitian ini lebih kecil dari 10, artinya seluruh variabel bebas pada penelitian ini tidak terjadi gejala multikolinier
Ghozali, 2001:57. 4.3.2.2.Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual suatu pengamatan
ke pengamatan lain. Jika varian dari residual suatu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas Santoso,
2002:208. Hal ini bisa diidentifikasi dengan menghitung korelasi Rank Spearman antara residual dengan seluruh variabel bebas dimana nilai
probabilitas yang diperoleh harus lebih besar dari 0,05. Hasil pengujian Rank Spearman’s dapat dilihat pada tabel berikut ini:
70
Tabel 4.16. Hasil Uji Heteroskedastisitas
No Variabel
Nilai mutlak dari residual
Taraf Signifikansi
1. 2.
Sosialisasi Peraturan Perpajakan X1 Sanksi Perpajakan X2
-0,193 -0,184
0,389 0,411
Sumber : Lampiran 14 Salah satu cara untuk mendeteksi ada atau tidaknya
heteroskedastisitas adalah dengan cara menggunakan uji Rank Spearman yaitu dengan membandingkan antara residual dengan seluruh variabel
bebas. Mendeteksi adanya heteroskedastisitas adalah sebagai berikut : Gujarati, 1999 : 177
a. Nilai probabilitas 0,05 berarti bebas dari heteroskedastisitas
b. Nilai probabilitas 0,05 berarti terkena heteroskedastisitas
Dari hasil korelasi tersebut tidak diperoleh adanya korelasi yang signifikan antara Unstandardized Residual dengan masing-masing variabel
bebas yang diteliti, dengan nilai taraf signifikansi lebih besar dari 0,05, sehingga dapat disimpulkan bahwa tidak terjadi penyimpangan
heteroskedastisitas pada variabel-variabel bebas yang diteliti. 4.3.2.3.Uji Autokorelasi
Autokorelasi dapat didefinisikan sebagai “korelasi antara data observasi yang diurutkan berdasarkan urut waktu data time series atau
data yang diambil pada waktu tertentu data cross sectional” Gujarati, 1995: 422. Uji autokorelasi bertujuan menguji apakah dalam suatu model
regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1. Jadi dalam model regresi linear
diasumsikan tidak terdapat gejala autokorelasi. Artinya nilai residual Y observasi – Yprediksi pada waktu ke-t e
t
tidak boleh ada hubungan
71
dengan nilai residual periode sebelumnya e
t-1
. Identifikasi gejala autokorelasi dapat dilakukan dengan kurva di bawah ini.
Gambar 4.1 : Distribusi Daerah Keputusan Autokorelasi
Daera h
kera g
u -ra
gua n
Daera h
Kera g
u -ra
g ua
n
Berdasarkan gambar diatas dapat diketahui bahwa distribusi
daerah penentuan keputusan dimulai dari 0 nol sampai 4 empat. Dan dapat disimpulkan karena nilai dari analisis sebesar 2,233 berada pada
daerah tidak ada autokorelasi sehingga dapat diputuskan bahwa telah terbebas dari penyimpangan autokorelasi.
4.3.3. Hasil Pengujian Regresi Linier Berganda