METODOLOGI PENELITIAN
D. Metode Analisis Data
Menurut Riqoh Musyaroqoh (2010), data adalah sesuatu yang digunakan atau dibutuhkan dalam penelitian dengan menggunakan parameter tertentu yang telah ditentukan. Jenis data dibagi menjadi data kualitatif dan data kuantitatif.
80 menggunakan analisis statistik melalui pendekatan analisis faktor. Menurut Suliyanto (2006:134), data kuantitatif yaitu menekankan pada pengujian teori-teori melalui pengukuran variabel-variabel penelitian dengan angka dan melakukan analisis data dengan prosedur statistik. Sedangkan data kualitatif adalah data yang berupa pendapat atau judgement sehingga tidak berupa angka, melainkan berupa kata atau kalimat.
Langkah-langkah yang digunakan untuk meneliti faktor-faktor yang mempengaruhi kemauan Wajib Pajak (WP) dalam penyampaian SPT Tahunan Wajib Pajak Badan adalah dengan uji kualitas data dan uji analisis faktor.
1. Statistik Deskriptif
Menurut Imam Ghozali dalam bukunya Aplikasi SPSS (2009), Statistik deskriptif digunakan untuk memberikan informasi mengenai karakteristik variabel penelitian dan demografi responden. Statistik deskriptif menjelaskan skala jawaban responden pada setiap variabel yang diukur dari minimum, maksimum, rata-rata dan standar deviasi. Disamping itu juga untuk mengetahui demografi responden yang terdiri dari kategori, jenis kelamin, tingkat pendidikan, dan sebagainya.
2. Uji Kualitas Data
Untuk melakukan uji kualitas data atas data primer dalam penelitian ini, dilakukan uji validitas dan uji reliabilitas. Menurut Suliyanto (2006:146), validitas dan reliabilitas akan menentukan hasil riset. Artinya, riset yang menggunakan alat ukur dengan validitas dan reliabilitas yang telah teruji akan
81 menghasilkan riset yang valid dan reliabel. Namun sebaliknya, riset yang menggunakan instrumen dengan validitas dan reliabilitas yang belum teruji akan memberikan hasil riset yang tidak valid dan tidak reliabel, bahkan informasi yang keliru tentang permasalahan yang dipecahkan.
a. Uji Validitas
Menurut Suliyanto (2006:146), validitas sebuah alat ukur ditunjukkan dari kemampuannya mengukur apa yang seharusnya di ukur. Validitas harus mengandung dua hal, faktor ketepatan dan faktor kecermatan. Mungkin terjadi suatu alat ukur tepat untuk mengukur besaran variabel, tetapi kurang cermat dalam melakukan pengukuran tertentu, maka alat ukur tersebut dapat dikatakan tidak valid.
Menurut Imam Ghozali dalam bukunya Aplikasi SPSS (2009:49), uji validitas dilakukan dengan membandingkan nilai Corrected Item - Total Correlation dengan nilai r hitung dengan r tabel, untuk degree of freedom (df) = n − 2, dimana n adalah jumalah sampel dan menggunakan alpha = 0,05.
b. Uji Reliabilitas
Menurut Suliyanto (2006:149), uji reliabilitas pada dasarnya adalah sejauh mana hasil suatu pengukuran dapat dipercaya. Jika hasil pengukuran yang dilakukan secara berulang relatif sama maka pengukuran tersebut dianggap memiliki tingkat reliabilitas yang baik. Hasil pengukuran dapat dipercaya hanya apabila dalam beberapa kali pelaksanaan pengukuran
82 terhadap kelompok obyek yang sama diperoleh hasil yang relatif sama (aspek yang diukur belum berubah) meskipun tetap ada toleransi bila terjadi perbedaan.
Menurut Imam Ghozali dalam bukunya Aplikasi SPSS (2009:45), reliabilitas sebenarnya adalah alat untuk mengukur suatu kuesioner yang merupakan indikator dari variabel atau konstruk. Suatu kuesioner dikatakan reliabel atau handal jika jawaban seseorang terhadap pernyataan adalah konsisten atau stabil dari waktu ke waktu. Peneliti melakukan uji reabilitas dengan menghitung Cronbach’s Alpha dari masing-masing instrumen dalam suatu variabel. Instrumen yang dipakai dalam variabel tersebut dikatakan andal (reliabel) apabila memiliki Croanbach’s Alpha lebih dari 0,60 tau 60%. Uji kualitas data ini menggunakan bantuan program SPSS 17.0.
3. Uji Kuantitas Data
Dalam penelitian ini, peneliti akan menganalisis data dengan menggunakan: a. Analisis Faktor
1. Konsep Dasar Analisis Faktor
Menurut Suliyanto (2006:200), analisis faktor adalah suatu teknik untuk menganalisis saling ketergantungan (interdependence) antara beberapa variabel secara simultan dengan tujuan menyederhanakan bentuk hubungan antara beberapa variabel yang diteliti menjadi sejumlah faktor yang lebih sedikit dari pada variabel yang diteliti, yang berarti dapat juga menggambarkan struktur data suatu riset.
83 Menurut Widhiarsono (2009:1), analisis faktor adalah prosedur untuk mengidentifikasi item atau variabel berdasarkan kemiripannya. Kemiripan tersebut ditunjukkan dengan nilai korelasi yang tinggi. Item-item yang memiliki korelasi yang tinggi akan membentuk satu kerumunan faktor.
Menurut Suliyanto (2006:148), dalam analisis faktor, diuji apakah item yang membentuk variabel memiliki keeratan satu sama lain. Disini akan diperoleh hasil bahwa variabel yang memiliki kemiripan akan membentuk satu variabel, sedangkan item yang tidak memiliki kemiripan akan membentuk variabel yang lain.
Menurut Riqah Musyaroqoh (2010:56), faktor adalah konstrak buatan peneliti berdasarkan item-item dalam faktor tersebut. Karena faktor didapatkan dari seperangkat item yang memiliki interkorelasi yang tinggi, peneliti kemudian harus merasionalisasi seperangkat item kemudian memberi label untuk menggambarkan seperangkat item tersebut.
Menurut Imam Ghozali dalam bukunya Aplikasi SPSS (2009:304), dapat tidaknya dilakukan analisis faktor adalah melihat matrik korelasi secara keseluruhan. Untuk menguji apakah terdapat korelasi antar variabel digunakan uji Bartlett test of sphericity. Jika hasilnya signifikan berarti matrik korelasi memiliki korelasi signifikan dengan sejumlah variabel. Uji lain yang digunakan untuk melihat interkorelasi antar variabel dan dapat tidaknya analisis faktor dilakukan adalah measure of sampling adequacy
84 (MSA). Nilai MSA bervariasi dari 0 sampai 1, jika nilai MSA<0.50 maka analisis faktor tidak dapat dilakukan.
Menurut Dermawan Wibisono (2008:238), terdapat beberapa teknik analisis interdependensi variabel yang dapat dikelompokan ke dalam analisis faktor yaitu:
a. Analisis Komponen Utama (Principles Component Analysis)
Merupakan teknik reduksi data yang bertujuan untuk membentuk kombinasi linier dari variabel awal dengan memperhitungkan sebanyak mungkin jumlah variasi variabel awal yang mungkin.
b. Analisis Faktor Umum (Common Factor Analysis)
Merupakan model faktor yang digunakan untuk mengidentifikasikan sejumlah dimensi dalam data (faktor) yang tidak mudah untuk dikenali. Tujuan utamanya adalah mengidentifikasikan dimensi laten yang direpresentasikan dalam himpunan variabel asal.
Menurut Dermawan Wibisono (2008:240), analisis faktor berusaha menyederhanakan hubungan yang kompleks dan beragam di antara sekumpulan variabel penelitian yang diamati, dengan jalan mengungkapkan dimensi-dimensi atau faktor-faktor yang sama, yang dapat menghubungkan variabel-variabel tersebut, serta memperhatikan struktur laten dari data penelitian.
2. Jenis analisis faktor
85 kegunaannya analisis faktor diklasifikasikan menjadi dua (2) bagian, yaitu sebagai berikut:
a. Analisis Faktor Eksploratori (Exploratory Factor Analysis)
Analisis faktor digunakan untuk menyelidiki dan mendeteksi suatu pola dari variabel-variabel yang ada, dengan tujuan untuk menemukan suatu konsep baru dan kemungkinan pengurangan data dari data dasar. Dimana seorang peneliti membuat seperangkat item yang mengukur kemauan Wajib Pajak (WP) Badan. Item tersebut merupakan operasionalisasi dari teori dan indikator mengenai kemauan Wajib Pajak (WP). Peneliti hendak mengidentifikasi beberapa faktor yang ada di dalam seperangkat item tersebut. Dari analisis faktor kemudian didapatkan ada 7 indikator yang menggambarkan kemauan Wajib Pajak (WP), antara lain tingkat pengetahuan Wajib Pajak (WP), sanksi dalam perpajakan, kemudahan dalam proses pengisian Surat Pemberitahuan (SPT), tingkat kesadaran yang dimiliki Wajib Pajak (WP), sunset policy, persepsi yang baik atas efektifitas sistem perpajakan, dan sistem Monitoring Pelaporan Pembayaran Pajak (MP3).
b. Penegasan suatu hipotesa (confirmatory uses)
Analisis faktor digunakan untuk mengadakan pengujian suatu hipotesis mengenai struktur dan variabel-variabel baru yang berkaitan dengan sejumlah faktor yang signifikan dan factor loading yang
86 diharapkan. Dimana seorang peneliti merancang sebuah alat ukur mengenai dukungan sosial. Alat ukur tersebut berisi seperangkat item yang diturunkan dari tujuh (7) dimensi dukungan sosial. Peneliti berusaha memastikan apakah alat ukur yang dibuatnya benar-benar menjelaskan ketujuh (7) dimensi tersebut. Ia kemudian melakukan analisis faktor konfirmatori. Hasil dari analisis faktor menunjukkan bahwa pembagian ketujuh (7) indikator akhirnya dibuktikan.
c. Alat pengukur (measuring devices)
Analisis faktor digunakan untuk membentuk variabel-variabel untuk digunakan sebagai variabel baru pada analisis berikutnya.
3. Persyaratan Dalam Analisis Faktor
Menurut Suliyanto (2006:200), syarat untuk membangun faktor analisis adalah sebagai berikut:
a. Hubungan antar variabel terobservasi harus linear dan nilai korelasi tidak boleh NOL (artinya harus benar-benar ada hubungannya).
b. Variabel komponen hipotesis yang disebut faktor ada dua yaitu, common factors, yaitu selalu dianggap TIDAK berkorelasi dengan unique factors. Common faktors lebih sedikit dari pada variabel asli. Dan
unique faktor, yaitu biasanya dianggap sama dengan jumlah variabelnya. 4. Model Analisis Faktor
Menurut Bilson Simamora (2005:106), analisis faktor dapat digunakan untuk mengidentifikasi struktur hubungan antar variabel
87 ataupun antar responden, mencari dimensi-dimensi lain yang mewakili variabel-variabel, mencari korelasi antar responden, selain itu juga digunakan untuk mengurangi data. Faktor-faktor tersebut merupakan besaran acak yang tidak dapat diamati secara langsung. Model analisis faktor dinyatakan dengan rumus sebagai berikut:
Xi = Aij + Ai2F2 + Ai3F3 …………. + AimFm + ViUi Dimana:
Xi : Variabel standar yang ke-i
Aij : Koefisien multiple regresi standar dari variabel ke-I pada common factor
F : Common factor
Vi : Koefisien regresi berganda standar dari variabel ke-I pada faktor unik-i
Ui : Faktor Unik Variabel-i m : Banyaknya common factor
Faktor unik berkorelasi satu dengan yang lain dan dengan common factor. Common factor dapat dinyatakan sebagai kombinasi dari variabel yang diteliti.
Dengan persamaan:
Fi = Wi1X1 + Wi2X2 + Wi3X3+ ……… + WikXk Dimana:
Fi : Faktor ke-1 yang diestimasi Wi : Bobot atau koefisien Core Factor
88 Xk : Banyaknya variabel X pada faktor ke-k
5. Langkah-langkah dalam analisis faktor
Menurut Dermawan Wibisono (2008: 245), langkah analisis faktor dapat digambarkan seperti pada gambar 3.1 berikut ini:
Gambar. 3.1
Langkah-langkah dalam Analisis Faktor
Menurut Dermawan Wibisono (2008:245), langkah-langkah analisis faktor tersebut dapat diuraikan sebagai berikut:
a. Tahap 1 (masalah penelitian)
Variabel yang dipilih adalah yang relevan dengan penelitian yang dilakukan, data mentah variabel ini merupakan hasil pengukuran metriks. Untuk kasus khusus, variabel dummy (berkode 0-1) dapat digunakan
Masalah Penelitian Matriks Korelasi
Ekstraksi Faktor
Matriks Faktor Sebelum Rotasi jumlah faktor
Matriks Faktor Setelah Rotasi jumlah faktor
89 meskipun dikategorikan sebagai data non parametik.
b. Tahap 2 (matriks korelasi)
Matriks korelasi merupakan matriks yang memuat koefisien korelasi dari semua pasangan variabel dalam penelitian. Matriks ini digunakan untuk mendapatkan nilai kedekatan hubungan antar variabel manifes. Nilai kedekatan ini dapat digunakan untuk melakukan beberapa pengujian untuk melihat kesesuaian dengan nilai korelasi yang diperoleh dari analisis faktor.
Untuk menguji kesesuaian pemakaian analisis faktor, digunakan metode Kaiser-Meyer-Olkin (KMO). KMO adalah indeks pembanding besarnya koefisien korelasi observasi dengan besarnya korelasi parsial. Jika nilai kuadrat koefisien korelasi parsial dari semua pasangan variabel lebih kecil daripada jumlah kuadrat koefisien korelasi, maka harga KMO akan mendekati satu, yang menunjukan kesesuaian penggunaan analisis faktor. KMO dapat dihitung dengan menggunakan:
Keterangan:
rij : koefisien korelasi sederhana antara variabel i dan variabel j aij : koefisien korelasi parsial antara variabel i dan variabel j
90 Menurut Kaiser (1974) dalam Dermawan Wibisono (2008:247), menyatakan:
1. KMO sebesar 0,9 adalah sangat memuaskan. 2. KMO sebesar 0,8 adalah memuaskan. 3. KMO sebesar 0,7 adalah harga menengah. 4. KMO sebesar 0,6 adalah cukup.
5. KMO sebesar 0,5 adalah kurang memuaskan. 6. KMO sebesar < 0,4 adalah tidak dapat diterima.
Untuk menentukan apakah proses pengambilan sampel telah memadai atau tidak digunakan pengukuran Measure of Sampling Adequacy (MSA). MSA yang rendah merupakan perimbangan untuk membuang variabel tersebut pada tahap analisis selanjutnya. Dan MSA digunakan untuk melihat variabel-variabel mana saja yang layak untuk dibuat analisis faktor serta untuk mengetahui apakah faktor-faktor yang dijadikan sebagai faktor analisis mempunyai korelasi yang kuat atau tidak dengan nilai > atau = 0,5. Jika nilainnya > atau = 0,5 maka semua faktor pembentuk variabel tersebut telah alid dan tidak ada faktor yang direduksi. Pada bagian Anti Image Correlation, jika nilai dari Uji Measure of Sampling Adequacy (MSA) < 0,5, maka untuk memperbaikinya nilai MSA paling kecil dan kurang dari 0,5. Dapat digunakan dengan rumus:
91 Menurut Imam Gozali (2009:304), angka MSA berkisar antara 0
– 1. Dengan kriteria sebagai berikut:
MSA = 1, : variabel tersebut dapat diprediksi tanpa kesalahan oleh variabel lain.
MSA > 0,5, : variabel masih bisa diprediksi dan bisa dianalisis lebih lanjut.
MSA < 0,5 : variabel tidak bisa diprediksi dan tidak bisa dianalisis lebih lanjut, atau dikeluarkan dari variabel lainnya. Menurut Riqoh Musyaroqoh (2010:62), selain itu pada penelitian ini digunakan juga Total Variance Explained sebagai alat ukur melihat besaran pengaruh sebuah faktor di dalam sebuah variabel.
c. Tahap 3 (ekstraksi faktor)
Menentukan jumlah faktor yang diekstrak dapat dianalogikan dengan memfokuskan lensa mikroskop. Pengaturan yang terlalu dekat ataupun terlalu jauh menyebabkan ketidak jelasan dan posisi lensa yang tepat hanya diperoleh dari beberapa kali pengaturan atau penggeseran, begitu pula untuk menentukan jumlah faktor yang diekstrak dengan tepat. Untuk mengekstraksi faktor dikenal dua metode rotasi, yaitu:
1. Orthogonal factors
92 kedudukannya saling tegak lurus satu dengan lainnya. Dengan melakukan rotasi ini maka setiap faktor bersifat independen terhadap faktor lain karena sumbunya saling tegak lurus. Orthogonal factor solution digunakan bila analisis bertujuan untuk mereduksi jumlah variabel tanpa mempertimbangkan seberapa berartinya faktor yang diekstraksi.
2. Oblique factors
Ekstraksi faktor dilakukan dengan merotasikan sumbu faktor yang kedudukannya saling membentuk sudut dengan besar sudut tertentu. Dengan rotasi ini maka korelasi antar setiap faktor masih diperhitungkan karena sumbu faktor tidak saling tegak lurus satu dengan lainnya. Oblique factor solution digunakan untuk memperoleh jumlah faktor yang secara teoritis cukup berarti.
Ekstraksi faktor digunakan untuk menentukan jenis-jenis faktor yang akan dipakai. Estimasi faktor dapat menggunakan metode
Principal Componen Analysis (selain itu terdapat metode common factor analysis). Dengan metode ini, akan terbentuk kombinasi linier dari variabel-veriabel observasi.
Dalam analisis faktor, total variansi (communality) terbentuk dari:
a. Common (variansi umum), menunjukan variansi variabel bersama antara tiap variabel penelitian.
93 b. Spesific (variansi unik), menunjukan variansi variabel spesifik
tertentu.
c. Error, akibat ketidak andalan dalam proses pengambilan data. Menurut Dermawan Wibisono (2008:248), setelah ekstraksi faktor, kemudian dilakukan perhitungan eigenvalue, yang menyatakan nilai variansi dari variabel manifes. Banyaknya faktor ditentukan berdasarkan nilai persentase dari variansi total yang ditetapkan oleh variabel tersebut. Variansi nilai tersebut merupakan jumlah variansi masing-masing variabel yang disebut eigen.
d. Tahap 4 (matriks faktor sebelum rotasi)
Matriks faktor sebelum dirotasi digunakan untuk mengekstraksi kemungkinan-kemungkinan pengelompokan variabel ke dalam sejumlah faktor yang telah diekstraksi. Matriks ini merangkum informasi mengenai bobot variabel ke dalam setiap faktor. Informasi yang terkandung di dalam matriks ini belum dapat digunakan untuk menginterpretasikan dengan jelas mengenai pengelompokan variabel dalam setiap faktor karena bobot masing-masing variabel pada setiap faktor belum jauh berbeda. Agar dapat diperoleh bobot variabel yang mudah untuk diinterpretasikan, matriks faktor ini harus dirotasikan. e. Tahap 5 (matriks faktor setelah dirotasi)
Matriks faktor ini bertujuan untuk mempermudah interpretasi dalam menentukan variabel-variabel mana saja yang tercantum dalam
94 suatu faktor, beberapa metode yang digunakan untuk merotasikan faktor antara lain:
1. Metode quartimax
Bertujuan untuk merotasikan faktor awal hasil ekstraksi sehingga pada akhirnya diperoleh hasil rotasi di mana setiap variabel memberi bobot yang tinggi di satu faktor dan sekecil mungkin pada faktor lain.
2. Metode variamax
Bertujuan untuk merotasi faktor awal hasil ekstraksi sehingga pada akhirnya diperoleh hasil rotasi di mana dalam satu kolom nilai yang ada sebanyak mungkin mendekati nol. Hal ini berarti di dalam setiap faktor tercakup sesedikit mungkin variabel.
3. Metode equimax
Bertujuan untuk mengkombinasikan metode quartimax dan varimax.