Pengetahuan PajakBrevet
2. Penerapan Sistem E-Filling
Variabel Penerapan Sistem E-Filling terdiri dari tujuh indikator yaitu kecepatan pelaporan SPT, lebih hemat, penghitungan lebih cepat, kemudahan pengisian SPT, kelengkapan data pengisian SPT, lebih ramah lingkungan, tidak merepotkan. Dari tujuh indikator tersebut dibuat 15 pertanyaan dan dinyatakan valid. Penentuan skor menggunakan skala likert yang terdiri dari empat alternatif jawaban. Skor yang diberikan paling tinggi empat dan paling rendah satu., sehingga dihasilkan skor tertinggi sebesar 60 (4 x 15 = 60) dan skor terendah 15 (1 x 15 = 15). Berdasarkan data penelitian yang sudah diolah, variabel Penerapan Sistem E-Filling memiliki skor tertinggi 60 dan skor terendah 40, mean 51,60, median52,00 , modus 45, dan standar deviasi5,102. Jumlah kelas interval diukur dengan rumus Sturges sebagai berikut:
K = 1 + 3,3 log n Keterangan:
K = Jumlah kelas interval n = Jumlah data observasi log = logaritma
Berdasarkan rumus tersebut, maka jumlah kelas interval untuk variabel Kepatuhan Wajib Pajak yaitu:
K = 1 + 3,3 log 103 = 7,6424
(dibulatkan menjadi 7)
Rentang Data = (Data terbesar -data terkecil) + 1. = (60-40) + 1
= 21
Panjang kelas = Rentang data / Jumlah Kelas = 21 /7
= 3
Tabel 12. Distribusi Frekuensi Variabel Penerapan Sistem
E-Filling
No Kelas Interval Frekuensi (F) F (%)
1 40-42 4 4% 2 43-45 12 12% 3 46-48 15 15% 4 49-51 17 17% 5 52-54 22 21% 6 55-57 15 15% 7 58-60 18 17% Jumlah 103 100%
Sumber: Data Primer yang diolah, 2015
Tabel diatas menunjukkan bahwa frekuensi paling besar adalah 22 responden yaitu pada kelas interval 52-54 dengan persentase 21%, sedangkan frekuensi yang paling rendah adalah 4 responden yang terdapat pada kelas interval 40-42 dengan persentase 4%.
Penentuan kecenderungan variabel setelah nilai maksimum dan minimum diketahui, kemudian mencari nilai Mean ideal (Mi) dan Standar Deviasi ideal (SDi).
MeanIdeal (Mi) = (nilai maksimum + nilai minimum)
= (60 + 15) = 37,5
Standar Deviasi Ideal (SDi) = (nilai maksimum - nilai minimum)
= (60-15) = 7,5
Setelah Mi dan SDi diketahui, kemudian dikategorikan dalam tiga kategori yaitu rendah, sedang, dan tinggi.
Penentuan Kategori:
Rendah = < (Mi–SDi) = < (37,5–7,5) = < 30
Sedang = (Mi–SDi) s/d (Mi + SDi) = (37,5–7,5) s/d (37,5 + 7,5) = 30 - 45
Tinggi = > (Mi + SDi) = > (37,5 + 7,5) = > 45
Tabel 13. Distribusi Kecenderungan Variabel Penerapan Sistem E-Filling
No. Interval Frekuensi Persentase Kategori
1 <30 - - Rendah
2 30–45 16 16% Sedang
3 >45 87 84% Tinggi
Jumlah 103 100%
Sumber: Data primer yang diolah, 2015
Tabel di atas menunjukkan bahwa frekuensi Penerapan Sistem E-Filling kategori sedang sebanyak 16 responden (16%), dan pada kategori tinggi sebanyak 87 responden (84%). Dari hasil tersebut maka dapat disimpulkan bahwa kecenderungan tinggi rendahnya Penerapan Sistem E-Filling berbanding lurus dengan skor yang didapatkan. Apabila semakin tinggi skor yang didapatkan, maka Penerapan Sistem E-Filling semakin tinggi. Begitu juga sebaliknya, apabila skor yang didapatkan semakin rendah maka dapat dikatakan Penerapan Sistem E-Filling semakin rendah. 3. Pemahaman Internet
Variabel Pemahaman Internet terdiri dari tiga indikator yaitu memperoleh informasi, menambah pengetahuan, dan kecepatan akses. Dari tiga indikator tersebut dibuat 6 pertanyaan dan dinyatakan valid. Penentuan skor menggunakan skala Likert yang terdiri dari empat alternatif jawaban. Skor yang diberikan paling tinggi empat dan paling rendah satu, sehingga dihasilkan skor tertinggi sebesar 24 (4 x 6 = 24) dan skor terendah 6 (1x6= 6). Berdasarkan data penelitian yang sudah diolah, variabel
Pemahaman Internet memiliki skor tertinggi 24 dan skor terendah 18, mean 20,89, median 21,00, modus 18, dan standar deviasi 2,288. Jumlah kelas interval diukur dengan rumus Sturges sebagai berikut:
K = 1 + 3,3 log n Keterangan:
K = Jumlah kelas interval n = Jumlah data observasi log = logaritma
Berdasarkan rumus tersebut, maka jumlah kelas interval untuk variabel Kepatuhan Wajib Pajak yaitu:
K = 1 + 3,3 log 103 = 7,6424
(dibulatkan menjadi 7)
Rentang Data = (Data terbesar -data terkecil) + 1 = (24 + 18) + 1
= 21
Panjang kelas = Rentang data / Jumlah Kelas = 21 / 7
Tabel 14. Distribusi Frekuensi Variabel Pemahaman Internet No Kelas Interval Frekuensi (F) F (%)
1 18 26 25% 2 19 8 8% 3 20 14 14% 4 21 13 13% 5 22 11 11% 6 23 7 7% 7 24 24 23% Jumlah 103 100%
Sumber: Data Primer yang diolah, 2015
Tabel diatas menunjukkan bahwa frekuensi paling besar adalah 26 responden yaitu pada kelas interval 18 dengan persentase 25%, sedangkan frekuensi yang paling rendah adalah 7 responden yang terdapat pada kelas interval 23 dengan persentase 7%.
Penentuan kecenderungan variabel setelah nilai maksimum dan minimum diketahui, kemudian mencari nilai Mean ideal (Mi) dan Standar Deviasi ideal (SDi).
MeanIdeal (Mi) = (nilai maksimum + nilai minimum) = (24 + 6)
= 15
Standar Deviasi Ideal (SDi) = (nilai maksimum - nilai minimum) = (24 - 6)
= 3
Setelah Mi dan SDi diketahui, kemudian dikategorikan dalam tiga kategori yaitu rendah, sedang, dan tinggi.
Penentuan Kategori:
Rendah = < (Mi–SDi) = < (15-3) = < 12
Sedang = (Mi–SDi) s/d (Mi + SDi) = (15 - 3) s/d (15 + 3) = 12 - 18
Tinggi = > (Mi + SDi) = > (15 + 3) = > 18
Tabel 15. Distribusi Kecenderungan Variabel Pemahaman Internet
No. Interval Frekuensi Persentase Kategori
1 <12 - - Rendah
2 12–18 26 25% Sedang
3 >18 77 75% Tinggi
Jumlah 103 100%
Sumber: Data Primer yang diolah, 2015
Tabel di atas menunjukkan bahwa frekuensi Kepatuhan Wajib Pajak kategori sedang sebanyak 26 responden (25%), dan pada kategori tinggi sebanyak 77 responden (75%). Dari hasil tersebut maka dapat disimpulkan bahwa kecenderungan tinggi rendahnya Pemahaman Internet berbanding lurus dengan skor yang didapatkan. Apabila semakin tinggi skor yang didapatkan, maka Pemahaman Internet semakin tinggi. Begitu juga sebaliknya,
apabila skor yang didapatkan semakin rendah maka dapat dikatakan Pemahaman Internet semakin rendah.
C. Hasil Analisis Data 1. Uji Asumsi Klasik
a. Uji Multikolinearitas
Uji multikoliniaritas digunakan untuk mengetahui ada tidaknya multikolinearitas dengan menyelidiki besarnya inter kolerasi antar variabel bebasnya. Ada tidaknya multikolinearitas dapat dilihat dari besarnya Tolerance Value dan Variance Inflation Factor (VIF). Jika nilai Tolerance Value ≥ 0,10 atau sama dengan nilai VIF ≤ 10. Hasil uji multikolinearitas dapat dilihat pada tabel berikut:
Tabel 16. Hasil Uji Multikolinearitas
Variabel Perhitungan Keterangan
Tolerance VIF Penerapan Sistem E-Filling 0,717 1,395 Tidak terjadi multikolinearitas Pemahaman Internet 0,717 1,395 Tidak terjadi multikolinearitas Sumber: Data primer yang diolah, 2015
Berdasarkan tabel di atas menunjukkan semua variabel bebas mempunyai nilai Tolerance ≥ 0,10 dan nilai VIF ≤ 10. Dengan demikian, dapat disimpulkan bahwa seluruh variabel bebas dalam penelitian ini tidak terjadi multikolinieritas
b. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan lain. Uji statistik yang dapat digunakan dalam penelitian ini adalah Uji Glejser. Hasil perhitungan dapat dilihat dalam tabel berikut:
Tabel 17. Hasil Uji Heteroskedastisitas
Variabel Sig Keterangan
Penerapan Sistem E-Filling
0,086 Tidak terjadi heteroskedastisitas Pemahaman Internet 0,448 Tidak terjadi
heteroskedastisitas Sumber: Data primer yang diolah, 2015
Berdasarkan tabel di atas menunjukkan bahwa semua variabel bebas mempunyai nilai probabilitas signifikansi lebih besar dari 0,05. Dengan demikian, hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas dalam model regresi.
c. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, terdapat variabel pengganggu atau residual yang memiliki distribusi normal. Untuk mendeteksi normalitas data, pada penelitian ini akan dilakukan uji statistik non-parametrik Kolmogorov-Smirnov Test (K-S). Apabila nilai probabilitas signifikan K-S≥ 5% atau 0.05, maka data berdistribusi normal.
Tabel 18. Hasil Uji Normalitas
Sumber: Data primer yang diolah, 2015
Berdasarkan tabel di atas, dapat diketahui nilai signifikansinya 0,208 yang berarti lebih besar dari 0,05, maka dapat disimpulkan data berdistribusi normal.
d. Uji Linieritas
Uji linieritas bertujuan untuk mengetahui apakah variabel bebas dengan variabel terikat mempunyai hubungan linier atau tidak secara signifikan. Pengujian dalam penelitian menggunakan Test for Linearity dengan taraf signifikansi 0,05. Dua variabel dikatakan mempunyai hubungan yang linier bila signifikansinya kurang dari 0,05. Hasil dari uji linieritas dapat dilihat pada tabel berikut:
Tabel 19. Hasil Uji Linieritas
Variabel Linearity Keterangan
Penerapan Sistem E-Filling 0,000 Linier
Pemahaman Internet 0,000 Linier
Sumber: Data primer yang diolah, 2015
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 103
Normal Parametersa Mean 0.0000000
Std. Deviation 2.83433265
Most Extreme Differences Absolute 0.105
Positive 0.052
Negative -0.105
Kolmogorov-Smirnov Z 1.063
Asymp. Sig. (2-tailed) 0.208
Dari hasil uji linieritas pada tabel di atas menunjukkan bahwa Linearity untuk dua variabel memiliki nilai signifikansi kurang dari 0,05 sehingga hal ini menunjukkan variabel penelitian memiliki hubungan linier.
2. Uji Hipotesis