METODE PENELITIAN
3.7 Teknik Analisis Data dan Pengujian Hipotesis .1Uji Asumsi Klasik .1Uji Asumsi Klasik
Uji asumsi klasik bertujuan untuk memastikan bahwa hasil penelitian adalah valid dengan data yang digunakan secara teori adalah tidak bias, konsisten, dan penaksiran koefisien regresinya efisien. Di samping itu suatu model dikatakan cukup baik dan dapat dipakai untuk memprediksi apabila sudah lolos dari serangkaian uji asumsi ekonometrika yang melandasinya. (Gujarati, 2007:97).
Menurut Firdaus (2004: 96), untuk menggunakan model regresi perlu dipenuhi beberapa asumsi, yaitu:
a. Datanya berdistribusi normal
b. Tidak ada autokorelasi (berlaku untuk data time series) c. Tidak terjadi heteroskedastisitas
d. Tidak ada multikolinearitas
Persamaan regresi linier berganda harus memenuhi persyaratan BLUE (Best, Linear, Unbiased, Estimator), yaitu pengambilan keputusan melalui uji F dan uji t tidak boleh bias. Untuk mendapatkan hasil yang
68
Dewi Alvianti Rahmah, 2013
PENGARUH PENERAPAN SISTEM ADMINISTRASI PERPAJAKAN MODERN TERHADAP TINGKAT KEPATUHAN WAJIB PAJAK
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
BLUE, maka harus dilakukan pengujian asumsi klasik dan uji linieritas di bawah ini:
1)Uji Normalitas
Pengujian normalitas adalah pengujian tentang kenormalan distribusi data (Santosa, 2005: 231). Uji normalitas digunakan untuk melihat apakah dalam model regresi variabel terikat dan variabel bebas keduanya mempunyai distribusi normal ataukah tidak. Model regresi yang baik adalah model regresi yang berdistribusi normal (Wijaya, 2009: 126). Pengujian secara visual dapat dilakukan dengan metode gambar normal Probability Plots dengan bantuan software SPSS 20.0 for windows. Dasar
pengambilan keputusan:
Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka dapat disimpulkan bahwa model regresi memenuhi asumsi normalitas.
Jika data menyebar jauh dari garis diagonal dan tidak mengikuti arah garis diagonal, maka dapat disimpulkan bahwa model regresi tidak memenuhi asumsi normalitas. (Santosa, 2002: 322).
2)Uji Linieritas
Asumsi ini menyatakan bahwa untuk setiap persamaan regresi linier, hubungan antara variabel independen dan dependen harus linier. Dengan uji linieritas akan diperoleh informasi apakah model empiris sebaiknya linier, kuadrat, atau kubik. (Ghozali, 2007: 166).
69
Dewi Alvianti Rahmah, 2013
PENGARUH PENERAPAN SISTEM ADMINISTRASI PERPAJAKAN MODERN TERHADAP TINGKAT KEPATUHAN WAJIB PAJAK
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Uji multikolinieritas adalah situasi adanya korelasi yang kuat antara variabel bebas yang satu dengan variabel bebas yang lainnya dalam analisis regresi. Apabila dalam analisis terdeteksi multikolinieritas, maka angka estimasi koefisien regresi yang didapat akan mempunyai nilai yang tidak sesuai dengan substansi, sehingga dapat menyesatkan interpretasi. Selain itu juga nilai standar error setiap koefisien regresi dapat menjadi tidak terhingga.
Dengan demikian berarti semakin besar korelasi diantara sesama variabel bebas, maka tingkat kesalahan dari koefisien regresi semakin besar yang mengakibatkan standar error-nya semakin besar pula. Cara yang digunakan untuk mendeteksi ada tidaknya multikolinieritas adalah dengan menggunakan Variance Inflation Factors (VIF). Dengan rumus sebagai berikut:
Dimana Ri² adalah koefisien determinasi yang diperoleh dngan meregresikan salah satu variabel bebas terhadap variabel bebas lainnya. Jika nilai VIF-nya kurang dari 10 maka dalam data tidak terdapat multikolinieritas. (Gujarati, 2003: 362).
4)Uji Heteroskedastisitas
Heteroskedastisitas menunjukkan bahwa varians variabel tidak sama untuk semua pengamatan jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homokedastisitas. Model regresi
70
Dewi Alvianti Rahmah, 2013
PENGARUH PENERAPAN SISTEM ADMINISTRASI PERPAJAKAN MODERN TERHADAP TINGKAT KEPATUHAN WAJIB PAJAK
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
yang baik adalah yang homokedastisitas atau tidak terjadi heteroskedastisitas.
Salah satu cara untuk melihat adanya heteroskedastisitas adalah dengan menggunakan program SPSS, dengan melihat grafik scatterplot antara nilai prediksi variabel terikat (ZPRED) dengan residualnya (SRESID). Jika ada titik-titik yang membentuk pola tertentu yang teratur seperti bergelombang, melebar kemudian menyempit, maka mengindikasikan adanya heteroskedastisitas. Sedangkan, jika tidak terdapat pola tertentu yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y maka mengindikasikan tidak terjadi heteroskedastisitas. (Wijaya, 2009: 56)
3.7.2Menentukan Persamaan Regresi Linier Berganda
Secara umum, analisis regresi pada dasarnya adalah studi mengenai ketergantungan variabel dependen dengan satu atau lebih variabel independen, dengan tujuan untuk mengestimasi dan/atau memprediksi rata-rata populasi atau nilai rata-rata variabel dependen berdasarkan nilai variabel independen yang diketahui (Ghozali, 2007: 95). Hasilnya adalah berupa koefisien untuk masing-masing variabel independen. Berikut adalah bentuk persamaan regresi linier berganda:
(Sugiyono, 2010: 277) Keterangan:
= Tingkat kepatuhan Wajib Pajak
71
Dewi Alvianti Rahmah, 2013
PENGARUH PENERAPAN SISTEM ADMINISTRASI PERPAJAKAN MODERN TERHADAP TINGKAT KEPATUHAN WAJIB PAJAK
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
a = Konstanta
1, 2, 3, 4 = Koefisien regresi
X1 = Restrukturisasi organisasi
X2 = Penyempurnaan proses bisnis melalui pemanfaatan teknologi komunikasi dan informasi X3 = Penyempurnaan manajemen SDM
X4 = Pelaksanaan good governance
3.7.3Uji Koefisien Determinasi
Menurut Santosa (2005: 144) “koefisien determinasi adalah suatu nilai yang menggambarkan seberapa besar perubahan atau variasi dari variabel dependen bisa dijelaskan oleh perubahan atau variasi dari variabel independen”. Dengan mengetahui nilai koefisien determinasi bisa menjelaskan kebaikan dari model model regresi dalam memprediksi variabel dependen.
Terdapat dua jenis koefisien determinasi, yaitu r koefisien determinasi biasa dan koefisien determinasi disesuaikan (Adjusted R Square). Pada regresi berganda, penggunaaan koefisien deteminasi yang
telah disesuaikan lebih baik dalam melihat seberapa baik model dibandingkan koefisien determinasi biasa. Semakin tinggi nilai koefisien detreminasi akan semakin baik kemampuan variabel independen dalam menjelaskan perilaku variabel dependen. (Santosa, 2005:144)
72
Dewi Alvianti Rahmah, 2013
PENGARUH PENERAPAN SISTEM ADMINISTRASI PERPAJAKAN MODERN TERHADAP TINGKAT KEPATUHAN WAJIB PAJAK
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Pengujian secara simultan (bersama-sama) dilakukan untuk mengetahui keberartian model regresi. Untuk mengujinya digunakan uji statistik F dengan taraf signifikansi 10%.
Rumus yang digunakan untuk uji F ini adalah sebagai berikut :
(Sudjana, 2003 : 91)
Keterangan :
Freg = F hitung
JK (Reg) = Jumlah Kuadrat Regresi JK (Res) = Jumlah Kuadrat Residual n = Jumlah sampel
k = Jumlah variabel
Setelah menghitung F, selanjutnya bandingkan dengan Ftabel. Jika Fhitung lebih besar dari Ftabel dengan taraf signifikansi 0.10, maka dapat disimpulkan bahwa regresi tersebut berarti, begitupun sebaliknya jika Fhitung lebih kecil dari Ftabel, maka dapat disimpulkan bahwa regresi tersebut tidak berarti.
Hipotesis:
73
Dewi Alvianti Rahmah, 2013
PENGARUH PENERAPAN SISTEM ADMINISTRASI PERPAJAKAN MODERN TERHADAP TINGKAT KEPATUHAN WAJIB PAJAK
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Ho : 1, 2, 3, 4 = 0 : Restrukturisasi organisasi, penyempurnaan proses bisnis melalui pemanfaatan teknologi komunikasi dan informasi, penyempurnaan manajemen SDM, dan pelaksanaan good governance secara simultan tidak berpengaruh terhadap tingkat kepatuhan Wajib Pajak.
Ha : 1, 2, 3, 4 ≠ 0 : Restrukturisasi organisasi, penyempurnaan proses bisnis melalui pemanfaatan teknologi komunikasi dan informasi, penyempurnaan manajemen SDM, dan pelaksanaan good governance secara simultan berpengaruh terhadap tingkat kepatuhan Wajib Pajak. Kriteria keputusannya adalah sebagai berikut :
Jika Fhitung > Ftabel , maka ditolak
Jika Fhitung ≤ Ftabel , maka diterima
3.7.5Uji Signifikansi Parsial (Uji t)
Pengujian hipotesis secara parsial merupakan pengujian hipotesis untuk mengetahui ada atau tidaknya pengaruh yang ditimbulkan oleh variabel-variabel bebas secara terpisah atau sendiri-sendiri terhadap variabel terikat (Hasan, 2002: 266).
Rumus yang digunakan untuk uji t ini adalah sebagai berikut :
(Sudjana, 2003 : 31) Keterangan:
= Koefisien regresi
74
Dewi Alvianti Rahmah, 2013
PENGARUH PENERAPAN SISTEM ADMINISTRASI PERPAJAKAN MODERN TERHADAP TINGKAT KEPATUHAN WAJIB PAJAK
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu = Deviasi Standar dari variabel independen
Hipotesis:
a) Ho : 1 = 0 : Restrukturisasi organisasi secara parsial tidak berpengaruh signifikan terhadap tingkat kepatuhan Wajib Pajak.
Ha : 1 ≠ 0 : Restrukturisasi organisasi secara parsial berpengaruh signifikan terhadap tingkat kepatuhan Wajib Pajak.
b) Ho : 2 = 0 : Penyempurnaan proses bisnis melalui pemanfaatan teknologi komunikasi dan informasi secara parsial tidak berpengaruh signifikan terhadap tingkat kepatuhan Wajib Pajak.
Ha : 2 ≠ 0 : Penyempurnaan proses bisnis melalui pemanfaatan teknologi komunikasi dan informasi secara parsial berpengaruh signifikan terhadap tingkat kepatuhan Wajib Pajak.
c) Ho : 3 = 0 : Penyempurnaan manajemen SDM secara parsial tidak berpengaruh signifikan terhadap tingkat kepatuhan Wajib Pajak.
Ha : 3 ≠ 0 : Penyempurnaan manajemen SDM secara parsial berpengaruh signifikan terhadap tingkat kepatuhan Wajib Pajak.
d) Ho : 4 = 0 : Pelaksanaan good governance secara parsial tidak berpengaruh signifikan terhadap tingkat kepatuhan Wajib Pajak.
Ha : 4 ≠ 0 Pelaksanaan good governance secara parsial berpengaruh signifikan terhadap tingkat kepatuhan Wajib Pajak.
Kriteria keputusannya adalah sebagai berikut: -t hitung < -t tabel / t hitung > t tabel , maka H0 ditolak
131
BAB V