• Tidak ada hasil yang ditemukan

METODE PENELITIAN 3.1 Definisi Operasional dan Pengukuran Variabel

3.4 Metode Pengumpulan Data

Metode pengumpulan data di penelitian menggunakan kuisioner, yang akan dibagikan kepada para responden terdaftar KPP Pratama Samarinda. Kuisoner ialah satu susunan kumpulan pernyataan standar juga berurutan sehingga pernyataan sama bisa ditanyakan kepada tiap responden. Kuisioner ini dibuat menggunakan skala likert 1 – 5 yaitu :

Angka 1 : Sangat Tidak Setuju (STS) Angka 2 : Tidak Setuju (TS)

Angka 3 : Ragu-ragu (R) Angka 4 : Setuju (S)

Angka 5 : Sangat Setuju (SS) 3.5 Alat Analisis Data

Alat analisis yang digunakan yaitu software SmartPLS version 3.0.m.

Analasis Partial Leastt Square (PLS) ialah teknik statistika multivariate dimana melaksanakan pembanding antara dua variabel berganda, dependen dan independen (Jogiyanto dan Abdillah, 2009 : 11). Menurut Monecke dan Leisch (2012) PLS

merupakan metode statistika SEM berbasiskan variansi dirancang merampungkan regresi berganda saat ada masalah spesifik data.

Model prediksi PLS tak membuat asumsi distribusi tertentu untuk menaksir parameter dan memprediksi hubungan sebab akibat. Sehingga teknik parametik pengujian signifikan parameter tak perlu serta penilaian memprediksi non-parametrik. Pelaksanaan penilian model PLS dilaksanakan menilai inner-model dan outer-model.

3.5.1 Model Pengukuran (Outer Model)

Outer model ialah model pengukuran untuk melakukan penilaian reliabilitas

juga validitas model (Jogiyanto dan Abdillah,2009 : 62) Model indikator refleksif ditulis persamaannya yaitu :

X = Λx ξ + ԑx

Y = Λy ɳ + ԑy

Dimana :

X dan Y : Indikator atau manifest variable

ξ : Variabel laten oksogen (tidak dipengaruhi) ɳ : Variabel laten endogen (dipengaruhi)

Λx dan Λy : Matriks loading memberi gambaran koefisien regresi sederhana mengaitkan variabel laten dan indikatornya

ԑx dan ԑy : kesalahan pengukuran atau noise x1 = λx1 ξ1 + λx1 ξ2 + λx1 ξ3 + δ1

x2 = λx2 ξ1 + λx2 ξ2 + λx2 ξ3 + δ2 x3 = λx3 ξ1 + λx3 ξ2 + λx3 ξ3 + δ3 x4 = λx4 ξ1 + λx4 ξ2 + λx4 ξ3 + δ4 y = λy ɳ1 + λy ɳ2 + λy ɳ3 + ԑ1 3.5.1.1 Uji Validitas

Validitas terbagivaliditas internal dan eksternal. Validitas eksternal, menunjukan hasil ialah valid, bisa digeneralisisasi kepada seluruh objek, juga kondisi sertaberbedanya waktu. Validitas internal menunjukan kapasitas instrumen pengukuran dari penelitian yang harusnya diukur (Jogiyanto dan Abdillah, 2009:58).

Dua uji dilaksanakan, antara lain:

a. Validitas Konvergen

Validitas dengan model reflektif indikator yang dinilai berdasar kolerasi antara score/component tscore dengan construct score dihitung dengan PLS. Ukuran refleksitas tinggi apabila berkolerasi lebih daripada 0,50 (Jogiyanto dan Abdillah, 2009:60).

b. Validitas Diskriminan

Validitas dengan reflektif indikator dinilai berdasar cross loading pengukuran dengan konstruk. Skor Loading > Skor Konstruk. Jika hubungan konstruk dengan item pengukuran lebih besar dari ukuran konstruk lain, akan menunjukan konstruk laten memiliki prediksi ukuran pada blok yang lebih baik daripada ukuran blok lain.

3.5.1.2 Uji Reliabilitas

Uji reliabilitas untuk mengukur konsistensi internal alat ukur. Reliabilitas munujukkan konsistensi, akurasi, dan ketepatan alat ukur dalam melaksanakan pengukuran. Uji reliabilias PLS menggunakan 2 metode, composite reliability dan cronbach’s alpha. Cronbach’s alpha melakukan pengukuran batas bawah nilai

reliabilitas suatu konstruk, sedangkan composite reliability melakukan pengukuran nilai sesungguhnya reliabilitas suatu konstruk.

Composite reliability memiliki penilaian mengestimasi konsistensi internal

suatu konstruk lebih baik. Hubungan antara skor indikator refleksif dengan skor variabel laten. Loading 0.5 hingga 0.6 dianggap cukup, jumlah indikator per konstruk tidak besar, diantara 3 hingga 7 indikator.

Namun faktanya uji konsistensi internal tidak mutlak dilaksanakan apabila validitas konstruk terpenuhi, disebabkan oleh konstruk valid ialah reliable, dan konstruk reliable tersebut belum tentu valid (Jogiyanto dan Abdillah, 2009:61).

3.5.2 Model Struktural (Inner Model)

Menurut Jogiyanto dan Abdillah (2009:62) inner model ialah model struktural memprediksikan hubungan sebab akibat antar varibel laten. Model struktural dievaluasi dengan menggunakan R2 untuk konstruk dependen, nilai koefisien path atau t-values tiap path untuk uji signifikan antar konstruk dalam model struktural. Kegunaan R2 melakukan pengukuran tingkat variansi perubahan variabel independen atas varabel depeden. Nilai R2makin tinggi maka model prediksi dari model penelitian semakin baik. Nilai koefisien path atau inner model ditunjukan

nilai t-statistic harus diatas 1,64 untuk salah satu hipotesis (one-tailed) untuk pengujian hipotesis pada alpha 5 persen dan power 80%. Model persamaa bisa dituliskan:

ɳ = βo + βɳ i + rξ+ ς Keterangan :

ɳ : Vektor endogen (dependen) variabel laten ξ : Vektor variabel latenneksogen (independen) ς : Vektr residual (unexplained-variance)

ɳ = βo + βy.1 + βy.2 + βy.3 | rx1.1 + rx1.2 + rx1.3 + rx2.1 + rx2.2 + rx2.3 + rx3.1 + rx3.2 + rx3.3 + rx4.1 +rx4.2+ rx4.3 + ξ

PLS didesain untuk model rekrusif, sehingga hubungan antar variabel laten disebut casual chain system. Bentuk persamaan casual chain systembisa sebagai berikut :

Πi = Σi βji ni + Σi yjb ξb + ςj Keterangan :

Βi dan yi adalah koefiien jalur yang menghubung variabel independen ξ dan Π dengan variabel dependen sepajang rentang indeks I dan b, dan ςi adalah tingkat kesalahan pengukuran (inner resudial error)

Menggunakan R2 untuk variabel dependen serta nilai koefisien pada path (β) untuk variabel independen model struktural PLS dievaluasi, lalu dinilai signifikansinya berdasarnilai t-statistik tiap path.

3.5.3 Spesifikasi Model Penelitian

Spesifikasi model penelitian adalah menterjemahkan hipotesis ke dalam model penelitian kedalam diagram jalur penelitian dan persamaan struktural.

Berdasarkan hasil hipotesis yang telah dituangkan dalam Bab II, bisa digambarkan diagram jalur sebagai berikut :

Gambar3.2 Model Struktural

Diagram jalur di atas bisa diterjemahkan persamaan reflektif (outer-model) dan persamaan struktural (inner-model) yaitu :

 Persamaan Model indikator reflektif (outer model) sebagai berikut : Variable laten Sanksi Perpajakan (X1) bersifat reflektif

X11=λ1 X1 + ε1

X12 =λ2 X1 + ε2

X13 =λ3 X1 + ε3 Sanksi perpajakan

Kesadaran perpajakan

Tingkat Pemahaman

Pelayanan Fiskus

Kepatuhan WPOP

Variabel laten Kesadaran Perpajakan (X2) bersifat reflektif

X21=λ4 X2 + ε4

X22 =λ5 X2 + ε5

X23 =λ6 X2 + ε6

Variabel laten Pelayanan Fiskus(X3) bersifat reflektif

X31=λ7 X3 + ε7

X32 =λ8 X3 + ε8

X33 =λ9 X3 + ε9

Variabel laten Tingkat Pemahaman (X4) bersifat reflektif

X41=λ10 X2 + ε10

X42 =λ11 X2 + ε11

X43 =λ12 X2 + ε12

Variabel laten Kepatuhan Wajib Pajak (Y) bersifat reflektif

Y11=λ13Y + ε13

Y12=λ14Y + ε14

Y13=λ15Y + ε15

 Persamaan model struktural pengaruh langsung yaitu : Y = α1X1 + α2X2 + α3X3 + α4X4 + ε1

3.5.4 Pengujian Hipotesis

Penguji hipotesis berarti menaksir parameter populasi berdasar data sampel.

Analisis digunakan untuk melakukan pengukuran koefisien hubungan antara dua

variabel. Hasil pengumpulan data dikumpulkan tiap variabel sabagai satu niali dari tiap respoden dan bisa dihitung alat statistik PLS. Analisis data menggunakan perhitungan statistik dengan program SmartPLS untuk pengujian hipotesis yang telah disahkan, bisa diterima atau tidak.

Pengujian dilaksanakan dengan melakukan perbandingan nilai probabilitas (p-values) dengan alpha (0,05), jika p-values < alpha (0,05). Hipotesis diterima berarti

variabel eksogen memiliki pengaruh signifikan atas variabel endogen. Sebaliknya bila, p-values > alpha (0,05). Sehingga hipotesis ditolak bermaksud variabel eksogen memiliki pengaruh tak signifikan atas variabel endogen.

BAB IV

HASIL PENELITIAN DAN PEMBAHASAN

Dokumen terkait