METODE PENELITIAN 4.1. Jenis Penelitian
5. Sosialisasi Perpajakan adalah suatu upaya dari Direktorat Jenderal Pajak untuk memberikan pengertian, informasi dan pembinaan kepada
4.6. Metode Analisis Data
Dalam penelitian ini digunakan model Analisis Regresi Berganda (Multiple Regression Analysis) dengan pengolahan data melalui SPSS (Statistical Package for Social Science).
4.6.1. Pengujian Asumsi Klasik
Sebelum dilakukan pengujian hipotesis, terlebih dahulu dilakukan pengujian mengenai ada tidaknya pelanggaran terhadap asumsi - asumsi klasik. Uji ini meliputi: uji normalitas, uji multikolinearitas, uji autokorelasi, dan uji heteroskedastisitas.
4.6.1.1. Uji Normalitas
Ghozali (2009) menyebutkan tujuan pengujian ini adalah untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Model regresi yang baik adalah jika data berdistribusi normal.
Uji normalitas dilakukan dengan program SPSS yang menggunakan One-Sample Kolmogorov-Smirnov Test.
Hipotesis yang diuji adalah:
H0 : Data residu berdistribusi normal Ha : Data residu tidak berdistribusi normal Kriterianya adalah:
1) Jika Asymp. Sig. (2-tailed) < α= 0,05 maka model regresi tidak menghasilkan nilai residual berdistribusi normal atau tolak H0.
2) Jika Asymp. Sig. (2-tailed) ≥ α= 0,05 maka model regresi menghasilkan nilai berdistribusi normal atau terima H0.
4.6.1.2. Uji Multikolinearitas
Uji multikolinearitas ini bertujuan untuk menguji apakah dalam model regresi di temukan adanya korelasi antara variabel bebas (Ghozali,2009). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas.
Pengujian multikolinieritas pada penelitian ini dilakukan dengan uji colinearity statistic. Dalam melakukan uji multikolinieritas harus diketahui terlebih dahulu variance inflation faktor (VIF), dimana nilai ini menunjukkan masalah multikolinier yang semakin serius (Situmorang,2014). Pedoman pengambilan keputusan sebagai berikut:
a. Jika variance inflation faktor (VIF) > 10 maka artinya terdapat persoalan multikolinieritas di antara variabel bebas.
b. Jika variance inflation faktor (VIF) < 10 maka tidak terdapat persoalan multikolinieritas diantara variabel bebas.
4.6.1.3. Uji Autokorelasi
Uji autokorelasi menurut Ghozali (2009) bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan penggangu pada periode t-1 (sebelumnya).Dalam penelitian ini pengujian autokorelasi dilakukan dengan menggunakan metode Durbin-Watson.
Jika nilai Durbin Watson (DW) berada diantara dU dan 4 - dU maka tidak terjadi autokorelasi, dan sebaliknya.
Hipotesis yang diuji adalah:
H0 : tidak terdapat autokorelasi (r = 0) Ha : terdapat autokorelasi (r≠ 0)
Kriteria pengambilan keputusan ada atau tidaknya autokorelasi:
Hipotesis nol Keputusan Jika
Tidak ada autokorelasi positif Tolak 0 < d < dl Tidak ada autokorelasi positif No decision dl≤ d ≤ du Tidak ada korelasi negative Tolak 4 – dl < d < 4 Tidak ada korelasi negative No decision 4 – du ≤ d ≤4 – dl Tidak ada autokorelasi, positif atau
negative
Tidak ditolak du< d < 4 – du
4.6.1.4. Uji Heteroskedastisitas
Pengujian heteroskedastisitas dilakukan dalam sebuah model regresi dengan tujuan bahwa apakah suatu regresi tersebut terjadi ketidaksamaan varians dari residual dari setiap pengamatan ke pengamatan lainnya berbeda, maka disebut heteroskedastisitas. Gejala heteroskedastisitas terjadi apabila disturbance terms untuk setiap observasi tidak lagi konstan tetapi bervariasi.
Jika variabel independen signifikan secara statistic dengan α = 5%
mempengaruhi variabel dependen, maka ada indikasi terjadi Heteroskedastisitas.
Sebaliknya, apabila terlihat probabilitas signifikansinya diatas tingkat kepercayaan 5% jadi dapat disimpulkan model regresi tidak mengandung adanya heteroskedastisitas. Pada penelitian ini, peneliti menggunakan Uji Park.
4.6.2. Pengujian Hipotesis
Setelah dilakukan uji asumsi klasik terhadap data, selanjutnya dilakukan uji untuk membuktikan hipotesis secara simultan dan parsial maka digunakan alat uji sebagai berikut :
4.6.2.1. Uji Signifikansi Simultan (Uji F)
Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen (Ghozali, 2009). Kriteria pengujian berdasarkan probabilitas sebagai berikut:
a. Jika probabilitas (signifikansi) lebih besar dari 0.05 (α), maka variabel independen secara simultan tidak berpengaruh terhadap variabel dependen.
b. Jika probabilitas (signifikansi) lebih kecil dari 0.05 (α), maka variabel independen secara simultan berpengaruh terhadap variable dependen.
Langkah – langkah pengambilan keputusan dalam uji F adalah sebagai berikut : H0 : b = 0, tidak terdapat pengaruh langsung secara simultan variabel independen terhadap variabel dependen.
Ha : b ≠ 0, terdapat pengaruh langsung secara simultan variabel independen terhadap variabel dependen.
Dengan menggunakan SPSS, dasar pengambilan keputusan untuk uji simultan dapat dilakukan dengan cara melihat tabel ANOVA pada signifikan F dengan tingkat α = 0,05. Apabila hasil F-sig < α= 0,05 maka variabel independen tersebut signifikan sehingga Ha diterima, artinya terdapat pengaruh langsung secara simultan antara variabel independen dengan variabel dependen.
4.6.2.2. Uji Signifikansi Parsial (Uji t)
Pengujian ini dimaksud untuk mengetahui apakah terdapat pengaruh secara individual (parsial) variabel independen terhadap variabel dependen. Prosedur pengujian hipotesis untuk pengaruh secara parsial adalah sebagai berikut:
a. Jika signifikansi lebih besar dari 0.05 (α), maka variable independen secara individual tidak berpengaruh terhadap variable dependen.
b. Jika signifikansi lebih kecil dari 0.05 (α), maka variable independen secara individual berpengaruh terhadap variable dependen.
Langkah – langkah pengambilan keputusan dalam uji t adalah sebagai berikut : H0 : b = 0, tidak terdapat pengaruh langsung yang signifikan secara parsial variabel independen terhadap variabel dependen.
Ha : b ≠ 0, terdapat pengaruh langsung yang signifikan secara parsial variabel independen terhadap variabel dependen.
Dengan menggunakan SPSS, dasar pengambilan keputusan untuk uji parsial dapat dilakukan dengan cara melihat tabel Coeffecient pada signifikan t dengan tingkat α = 0,05. Apabila hasil t-sig < α= 0,05 maka variabel independen tersebut signifikan sehingga Ha diterima, artinya terdapat pengaruh langsung secara parsial antara variabel independen dengan variabel dependen.
4.6.3. Koefisien Determinasi
Koefisien determinasi pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai R2 yang kecil berarti kemampuan variabel–variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel – variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel independen.
4.6.4. Analisis Regresi Berganda
Persamaan regresi digunakan untuk mengetahui hubungan yang melibatkan variabel dependen (Penerimaan PPN) dengan variabel independen (PDRB, Inflasi, Ekspor, jumlah PKP dan Sosialisasi Perpajakan). Model regresi yang digunakan dalam penelitian ini adalah:
Model persamaan:
PPN = + 1 PDRB - 2 INF - 3 EKS + 4 JPKP + 5 SOSIO +e Dimana:
PPN = Penerimaan PPN (satuan rupiah)
= intercept
PDRB = Pendapatan Domestik Regional Bruto (miliaran Rupiah) INF = Inflasi ( %)
EKS = Ekspor (Ribuan US Dolar)
JPKP = Jumlah Pengusaha Kena Pajak (unit/satuan) SOSIO = Sosialisasi perpajakan
1, 2, β3, β4, β5. = koefisien regresi e = error term
BAB V
HASIL PENELITIAN DAN PEMBAHASAN