4.3 Analisis Data
4.3.1 Uji Asumsi Klasik 1. Uji Normalitas
Sebelum dilakukan pengolahan data dengan menggunakan uji regresi, terlebih dahulu dilakukan uji normalitas data. Uji normalitas data dilakukan untuk menganalisis apakah syarat persamaan regresi sudah dipenuhi atau belum. Output dari uji normalitas data adalah berupa gambar visual yang menunjukkan jauh dekatnya titik-titik pada gambar tersebut dengan garis diagonal. Jika data berasal dari distribusi normal, maka nilai-nilai sebaran data yang tercermin dalam titik-titik pada output akan terletak disekitar garis diagonal. Sebaliknya jika data berasal dari distribusi yang tidak normal maka titik-titik tersebut tersebar tidak disekitar garis diagonal (tersebar jauh dari garis diagonal).
Gambar 4.2 Uji Normalitas Data
Dari gambar diatas dapat diketahui bahwa sebaran data pada gambar dapat dikatakan tersebar disekeliling garis diagonal (tidak tersebar jauh dari garis diagonal). Hasil ini menunjukkan bahwa data yang akan di analisis berdistribusi normal atau dapat dikatakan persyaratan normalitas data bisa dipenuhi.
2. Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk melihat apakah pada model regresi linier berganda ditemukan adanya korelasi antar variabel bebas. Model regresi yang baik seharusnya tidak terjadi multikolinearitas. Untuk uji multikolinearitas pada penelitian ini adalah dengan melihat nilai Variance Inflation Factor (VIF). Untuk menunjukkan adanya multikolinearitas adalah tolerance value < 0,1 atau sama
dengan nilai VIF > 5. Dalam model regresi ini, hasil uji multikolinearitas dapat dilihat dari tabel berikut ini:
Tabel 4.8 Uji Multikolinieritas
Coefficientsa
Model Collinearity Statistics
Tolerance VIF
1 (Constant)
Pengetahuan Wajib Pajak ,657 1,522
Pemahaman Sistem Perpajakan ,611 1,638
PelayananFiskus ,763 1,311
Pemahaman Sanksi Pajak ,547 1,827
a. Dependent Variable: Pelaporan Kewajiban Perpajakan
Tabel 4.8 diatas menunjukkan bahwa nilai tolerance > 0,1 yang menunjukkan bahwa tidak korelasi antar variabel independen. Begitu juga dengan hasil perhitungan Variance Inflation Factro (VIF) juga menunjukkan hasil yang sama yaitu tidak ada satu variabel independen yang memiliki nilai VIF < 5. Berdasarkan hasil perhitungan tersebut dapat disimpulkan bahwa tidak terdapat multikolinearitas antar variabel independen.
3. Uji Heteroskedastisitas
Uji heteroskedastisitas dilakukan untuk menguji apakah dalam sebuah model regresi telah terjadi ketidaksamaan variance dari residual atas satu pengamatan ke pengamatan lainnya. Heteroskedastisitas merupakan keadaan di mana seluruh faktor pengganggu tidak memiliki varian yang sama untuk seluruh
pengamatan atas variabel independen. Untuk melihat ada tidaknya heterokedastisitas dapat dilakukan dengan melihat grafik scatterpolt.
Gambar 4.3
Uji Heteroskedastisitas Data
Berdasarkan gambar 4.3 diatas dapat diambil kesimpulan bahwa titik-titik yang dihasilkan menyebar secara acak dan tidak membentuk suatu pola garis tertentu yang berarti tidak terjadi heteroskedastisitas. Gambar diatas juga menunjukkan bahwa sebaran data ada disekitar titik nol. Hasil pengujian ini menunjukkan model regresi bebas dari masalah heteroskedastisitas, dengan kata lain variabel-variabel yang akan diuji dalam penelitian ini bersifat homokedastisitas.
4. Uji Autokorelasi
Untuk mendeteksi terjadinya autokorelasi dilakukan perbandingan nilai Durbin-Watson (DW) – statistik dengan nilai DW-tabel. Nilai DW statistik dalam penelitian ini dapat diketahui dengan melihat koefisien korelasi DW-statistik (DW-tes) melalui uji Durbin-Watson pada tabel berikut ini:
Tabel 4.9 Uji Autokorelasi
Model Summaryb
Model R R Square Adjusted R
Square Std. Error of the Estimate Durbin-Watson 1 ,505a 0,255 0,216 1,977 2,075
a. Predictors: (Constant), Pemahaman Sanksi Pajak, Pelayanan Fiskus, Pengetahuan Wajib Pajak, Pemahaman Sistem Perpajakan
b. Dependent Variable: Pelaporan Kewajiban Perpajakan
Tabel diatas menunjukkan bahwa nilai DW-statistik yaitu 2,075. Untuk mendeteksi terjadinya autokorelasi, angka ini diklasifikasikan menurut kriteria berikut:
1) Kurang dari 1,10 ada autokorelasi
2) 1,10 sampai dengan 1,54 tanpa kesimpulan
3)1,55 sampai dengan 2,46 tidak ada autokorelasi 4) 2,47 sampai dengan 2,90 tanpa kesimpulan 5) Lebih dari 2,91 ada autokorelasi
4.4 Pembahasan
Pembahasan dilakukan dengan cara menganalisis hipotesis yang telah diajukan pada bab sebelumnya. Pengujian hipotesis dilakukan dengan menganalisis hasil perhitungan regresi berganda, uji F dan uji t.
4.4.1. Metode Regresi Linear Berganda
Berdasarkan tabel lampiran penolong korelasi dan regresi berganda, kemudian dimasukkan kedalam perhitungan yang menggunakan program SPSS. Hasil Perhitungan komputer terhadap nilai-nilai koefisien regresi berganda sebagai berikut:
Tabel 4.10
Nilai Koefisien Regresi Berganda Model Unstandardized Coefficients B Std. Error 1 (Constant) 6,917 2,218
Pengetahuan Wajib Pajak ,378 ,138 Pemahaman Sistem Perpajakan ,025 ,118
Pelayanan Fiskus ,224 ,143
Pemahaman Sanksi Pajak ,130 ,129 a. Dependent Variable: Pelaporan Kewajiban Perpajakan
Berdasarkan persamaan tersebut diketahui bahwa : a : 6,917
X1 : 0,378 X2 : 0,025 X3 : 0,224 X4 : 0,130
Dari tabel 4.10 diatas dapat disusun sebuah persamaan regresi berganda sebagai berikut:
Y = 6,917 + 0,378 + 0.025 + 0,224 + 0,130
Berdasarkan hasil persamaan regresi linear berganda seperti tersaji diatas dapat diinterpretasikan bahwa seluruh variabel independen penelitian yang terdiri dari pengetahuan wajib pajak, pemahaman sistem perpajakan, pelayanan fiskus, pemahaman sanksi perpajakan memberikan pengaruh yang positif terhadap kepatuhan wajib pajak dalam melaporkan kewajiban perpajakannya. Hal ini memberikan pengertian bahwa kepatuhan wajib pajak akan meningkat sejalan dengan meningkatnya pengetahuan wajib pajak, pemahaman sistem perpajakan, pelayanan fiskus, dan pemahaman sanksi perpajakan.
Dari hasil persamaan regresi berganda tersebut dapat dijelaskan bahwa setiap kenaikan sebesar 1 kali dari tingkat pengetahuan wajib pajak maka akan meningkatkan 37% kepatuhan wajib pajak dengan asumsi bahwa tiga variabel lainnya konstan atau tetap. Begitu juga dengan adanya kenaikan 1 kali dari pelayanan fiskus maka akan meningkatkan 22,4% kepatuhan wajib pajak, serta dengan kenaikan 1 kali dari tingkat pemahaman sanksi perpajakan maka akan meningkatkan 13% kesadaran dan kepatuhan wajib pajak dalam memenuhi kewajibannya.
4.4.2. Uji Signifikansi Simultan (F-test)
Hasil uji hipotesis secara simultan dimaksudkan untuk menunjukkan seberapa besar pengaruh pengetahuan wajib pajak, pemahaman sistem perpajakan, pelayanan fiskus dan pemahaman sanksi perpajakan dalam meningkatkan kepatuhan wajib pajak.
Tabel 4.11
Hasil Pengujian Hipotesis Secara Simultan ANOVAb Model Sum of Squares df Mean Square F Sig. 1 Regression 101,584 4 25,396 6,500 ,000 Residual 296,959 76 3,907 Total 398,543 80
a. Predictors: (Constant), Pemahaman Sanksi Pajak, Pelayanan Fiskus, Pengetahuan Pajak, Pemahaman Sistem Perpajakan
b. Dependent Variable: Pelaporan Kewajiban Perpajakan
Dari tabel 4.11 diperoleh nilai Fhitung sebesar 6,500 dengan signifikansi
0,000 < α 0,05 berarti Ho ditolak dan Ha diterima, hal ini menunjukkan ada
pengaruh yang positif dari variabel pengetahuan wajib pajak, pemahaman sistem perpajakan, pelayanan fiskus, pemahaman sanksi perpajakan terhadap pelaporan kewajiban perpajakan.
4.4.3 Uji Signifikansi Parsial (t-test)
Pengujian hipotesis pertama secara parsial dilakukan menurut uji statistik t (uji t) dengan ketentuan menerima Ho jika diperoleh t hitung < dari t tabel kritik pada taraf kepercayaan 95% atau signifikansi 0,05 dan sebaliknya menerima Ha jika harga t hitung > dari harga kritik pada t tabel.
Tabel 4.12
Hasil Pengujian Hipotesis Secara Parsial
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 6,917 2,218 3,119 ,003 Pengetahuan Pajak ,378 ,138 ,334 2,733 ,008
Pemahaman Sistem Perpajakan ,025 ,118 ,027 ,213 ,832
Pelayanan Fiskus ,224 ,143 ,177 1,564 ,122
Pemahaman Sanksi Pajak ,130 ,129 ,134 1,003 ,319
a. Dependent Variable: Pelaporan Kewajiban Perpajakan
Dari tabel 4.12 diatas dapat disimpulkan bahwa pengetahuan wajib pajak berpengaruh positif dan signifikan terhadap pelaporan kewajiban perpajakan, hal ini terlihat dari nilai signifikansi (0,008) dibawah atau lebih kecil dari 0.05 dan t
hitung (2,733 ) > t tabel, artinya jika ditingkatkan pengetahuan wajib pajak satu kali
maka kepatuhan wajib pajak akan meningkat sebesar 378 kali.
Variabel pemahaman sistem perpajakan berperngaruh positif dan tidak signifikan, hal ini terlihat dari nilai signifikan (0,832) lebih besar dari 0,05. Sedangkan variabel pelayanan fisikus juga berpengaruh positif akantetapi tidak
4.4.4 Uji Determinasi
Uji determinasi berguna untuk menunjukkan bagaimana kemampuan variabel independen (pengetahuan wajib pajak, pemahaman sistem perpajakan, pelayanan fiskus, dan pemahaman sanksi perpajakan) dalam memberikan pengaruh dan kontribusi terhadap pelaporan kewajiban perpajakan. Secara rinci bagaimana kontribusi variabel-variabel yang mempengaruhi wajib pajak orang pribadi dalam memenuhi kewajiban perpajakan dapat dilihat pada tabel 4.13 dibawah ini :
Tabel 4.13 Nilai R-Square
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 ,505 ,255 ,216 1,977
a. Predictors: (Constant), Pemahaman Sanksi Pajak, Pelayanan Fiskus, Pengetahuan Pajak, Pemahaman Sistem Perpajakan
b. Dependent Variable: Pelaporan Kewajiban Perpajakan
Nilai R- Square (koefisien regresi berganda) diatas positif (0,505) menunjukkan bahwa secara bersama-sama pengetahuan wajib pajak, pemahaman sistem perpajakan, pelayanan fiskus, dan pemahaman sanksi perpajakan berpengaruh terhadap pelaporan kewajiban perpajakan pada KPP Pratama Medan Petisah. Dengan adanya peningkatan pengetahuan wajib pajak, pemahaman sistem perpajakan, pelayanan fiskus dan pemahaman akan sanki perpajakan dapat meningkatkan kesadaran dan kepatuhan wajib pajak dalam memenuhi kewajiban perpajakannya.
BAB V
KESIMPULAN DAN SARAN