Analisis Regresi Linier Berganda

BAB II LANDASAN TEORI

3.8 Metode Analisis Data

3.8.5 Analisis Regresi Linier Berganda

57

58 X1 :Kualitas Pelayanan X2 : Sanksi Pajak

X3 : Kesadaran Wajib Pajak ε : Error

3.8.5.1 Koefisien Determinasi (Uji Adjusted R²)

Koefisien determinasi (Adjusted R²) bertujuan untuk mengukur seberapa jauh kemampuan model dapat menjelaskan variasi variabel dependen. Nilai koefisien determinasi adalah antara 0 dan 1. Nilai R² yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen yang amat terbatas. Nilai yang mendekati 1 berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Secara umum koefisien determinasi untuk data silang (crossection) relative rendah karena adanya variasi yang besar antara masing – masing pengamatan, sedangkan untuk data kurun waktu (times series) biasanya mempunyai nilai koefisien determanasi yang tinggi. Dalam output SPSS, koefisien determinasi terletak pada table model summary^b dan tertulis Adjusted R square.

3.8.5.2 Uji Signifikan Secara Simultan (uji F)

Pengujian ini bertujuan untuk membuktikan apakah variabel- variabel independen secara silmutan ( bersama-sama ) mempunyai pengaruh terhadap variabel dependen. Dengan Tingkat signifikan menggunakan α = 5%. Uji f dilihat pada tabel ANOVA output SPSS

59

dalam kolom sig, jika nilai signifikan < 0,05, maka dapat dikatakan terdapat pengaruh yang signifikan secara bersama-sama variabel bebas terhadap variabel terikat dan model regresi bisa dipakai untuk memprediksi variabel terikat. Atau jika nilai signifikan > 0,05 maka tidak terdapat pengaruh signifikan secara bersama-sama antara variabel bebas terhadap variabel terikat.

1. Jika Sig. < 0,05 maka Ho ditolak dan Ha diterima (Signifikan) 2. Jika Sig. > 0,05 maka Ho diterima dan Ha ditolak (Tidak Signifikan)

3.8.5.3 Uji Signifikan Secara Persial (Uji t).

Uji T yaitu suatu uji untuk mengetahui signifikansi pengaruh variabel bebas (Kualitas Pelayanan, Sanksi Pajak dan Kesadaran) secara parsial atau individual menerangkan terhadap variabel terikat (Kepatuhan Wajib Pajak). Pengujian ini dinilai dengan taraf signifikansi α = 5 %. Selanjutnya untuk mengetahui signifikan pengaruh atau hubungan antara variabel dilakukan dengan criteria pengujian sebagai berikut :

Jika Sig < 0.05, maka Ho ditolak dan Ha diterima Jika Sig > 0.05, maka Ho diterima dan Ha ditolak

60

BAB 1V

HASIL PENELITIAN DAN ANALISA DATA

4.1. Gambaran Umum Objek Penelitian

Penelitian ini merupakan penelitian survey dengan menggunakan kuesioner. Penyebaran kuesioner dilakukan kepada wajib pajak Orang Pribadi yang terdaftar di KPP Pratama Jakarta Kebayoran Baru Tiga.

Penyebaran kuesioner dilaksanakan pada tanggal 5-8 Januari dan berlanjut pada tanggal 27 januari 2016.

Pada KPP Pratama Jakarta Kebayoran Baru Tiga, periode Juni 2015, tercatat 15.030 Wajib Pajak Orang Pribadi yang terdaftar. Oleh karena itu perhitungan penentuan sampel dengan rumus Slovin adalah sebagai berikut:

n = ^{15. 3}

1 + 15. 3 ,1 ²

=

^99,34

Jadi kuesioner yang disebar kepada responden sebanyak 100 kuesioner.

Rincian distribusi kuesioner dalam penelitian disajikan dalam tabel 4.1 berikut ini:

Tabel 4.1

Distribusi Kuesioner Penelitian

Keterangan Jumlah Persentase

Jumlah penyebaran kuesioner 100 100%

Jumlah kuesioner yang tidak dapat diolah 7 7%

Jumlah kuesioner yang dapat diolah 93 93%%

Sumber: Data diolah 2016

61

Berdasarkan tabel 4.1, bahwa, jumlah kuesioner yang disebar sebanyak 100 kuesioner, yang tidak dapat diolah sebanyak 7 kuesioner atau sebesar 7%, hal ini dikarenakan tidak lengkap dalam pengisiannya. Dan kuesioner yang dapat diolah adalah sebanyak 93 kuesioner atau sebesar 93%.

4.2. Analisis Karakteristik Responden

Identifikasi responden memberikan gambaran mengenai karakteristik responden yang diukur dengan skala yang menunjukkan besarnya frekuensi dan persentase dari jenis kelamin, usia, status martial, pendidikan, pekerjaan, lama bekerja pada Kantor Pelayanan Pajak Pratama Jakarta Kebayoran Baru Tiga.

4.2.1. Profil Responden Berdasarkan Jenis Kelamin

Karakteristik responden berdasarkan jenis kelamin dibagi menjadi dua kategori, yaitu laki-laki dan perempuan. Pada tabel 4.2, dapat diketahui persentase responden laki-laki dan perempuan, yaitu sebagai berikut :

Tabel 4.2

Data Frekuensi Responden Berdasarkan Jenis Kelamin

JenisKelamin

Frequency Percent Valid Percent Cumulative Percent

Valid

Laki-Laki 60 64,5 64,5 64,5

Perempuan 33 35,5 35,5 100,0

Total 93 100,0 100,0

Sumber: Data output SPSS 21, 2016.

Berdasarkan tabel 4.2, dapat diketahui bahwa 60 responden atau sebesar 64,5% adalah laki-laki, dan sisanya 33 responden atau 35,5%

adalah perempuan. Secara keseluruhan wajib pajak orang pribadi yang

62

menjadi responden dalam kuesioner adalah berjenis kelamin laki-laki yang memiliki presentase 64,5%. Hal ini mungkin terjadi karena banyaknya wajib pajak laki-laki yang terdaftar di KPP Pratama Jakarta Kebayoran Baru Tiga yang sedang melaporkan SPT nya.

4.2.2. Profil Responden Berdasarkan Usia

Karakteristik responden berdasarkan usia dibagi menjadi empat kategori yaitu, kurang dari 25 tahun, antara 26 sampai 35 tahun, antara 36 sampai 45 tahun, dan diatas 45 tahun. Pada tabel 4.3 akan diketahui rata- rata usia responden yaitu sebagai berikut :

Tabel 4.3

Data Frekuensi Responden Berdasarkan Usia

Usia

Frequency Percent Valid Percent Cumulative Percent

Valid

≤ 25 Tahun 22 23,7 23,7 23,7

26-35 Tahun 31 33,3 33,3 57,0

36-45 Tahun 28 30,1 30,1 87,1

≥ 45 Tahun 12 12,9 12,9 100,0

Total 93 100,0 100,0

Sumber: Data output SPSS 21, 2016.

Berdasarkan tabel 4.3, bahwa 22 responden atau sebesar 23,7%

berusia dibawah 25 tahun, 31 responden atau sebesar 33,3% berusia antara 26 sampai 35 tahun, 28 responden atau sebesar 30,1% berusia antara 36 sampai 45 tahun dan 12 responden atau sebesar 12,9% berusia diatas 45 tahun. Sehingga dapat dikatakan sebagian besar responden didominasi dengan responden yang berusia 26-35 tahun dan responden yang berusia 26-35 tahun.

63

4.2.3. Profil Responden Berdasarkan Status Martial

Karakteristik responden berdasarkan status martial dibagi menjadi dua kategori yaitu menikah dan belum menikah. Pada tabel 4.4 dapat diketahui persentase dari responden menikah dan belum menikah, yaitu sebagai berikut :

Tabel 4.4

Data Frekuensi Responden Berdasarkan Status Martial

StatusMartial

Frequency Percent Valid Percent Cumulative Percent

Valid

Menikah 55 59,1 59,1 59,1

Belum Menikah 38 40,9 40,9 100,0

Total 93 100,0 100,0

Sumber: Data output SPSS 21, 2016.

Berdasarkan olahan data mengenai karakteristik responden yang berdasar status martial yang ditunjukkan oleh tabel 4.4, bahwa dari 93 responden didominasi oleh responden yang berstatus martial menikah yaitu sebesar 55 responden atau sebesar 59,1%, dan sisanya sebanyak 38 responden berstatus belum menikah dengan persentase sebesar 40,9%.

4.2.4. Profil Responden Berdasarkan Jenjang Pendidikan

Karakteristik responden berdasarkan jenjang pendidikan dibagi menjadi lima kategori yaitu, SLTA, D3, Strata 1, Strata 2 dan Lain-lain.

Table 4.6 akan memberikan gambaran mengenai hal tersebut yaitu, sebagai berikut:

64 Tabel 4.5

Data Frekuensi Responden Berdasarkan Jenjang Pendidikan

Pendidikan

Frequency Percent Valid Percent Cumulative Percent

Valid

SLTA 15 16,1 16,1 16,1

D3 17 18,3 18,3 34,4

S1 45 48,4 48,4 82,8

S2 11 11,8 11,8 94,6

Lain-Lain 5 5,4 5,4 100,0

Total 93 100,0 100,0

Sumber: Data output SPSS 21, 2016.

Berdasarkan tabel 4.5, dapat diketahui bahwa 15 responden atau sebesar 16,1% lulusan SLTA, 17 responden atau sebesar 18,3% memiliki gelar akademik D3, 45 responden atau sebesar 48,4% memiliki gelar akademik Strata 1, 11 responden memiliki gelar akademik Strata 2 atau sebesar 11,8%, dan 5 responden atau sebesar 5,4% jenjang pendidikan lainnya. Sehingga dapat dikatakan sebagian besar yang menjadi responden memiliki gelar akademik Strata1 yaitu sebanyak 45 responden dengan presentase 48,4%.

4.2.5. Profil Responden Berdasarkan Pekerjaan

Karakteristik responden berdasarkan pekerjaan dibagi kedalam lima kategori, yaitu : PNS, Pengusaha, Profesi, Swasta dan Lainnya. Dari kuesioner yang disebarkan, dapat diketahui hasilnya dari tabel 4.6 sebagai berikut:

65 Tabel 4.6

Data Frekuensi Responden Berdasarkan Pekerjaannya

Pekerjaan

Frequency Percent Valid Percent Cumulative Percent

Valid

PNS 6 6,5 6,5 6,5

Pengusaha 12 12,9 12,9 19,4

Profesi 6 6,5 6,5 25,8

Karyawan Swasta 54 58,1 58,1 83,9

Lainnya 15 16,1 16,1 100,0

Total 93 100,0 100,0

Sumber: Data output SPSS 21, 2016.

Berdasarkan tabel 4.6 dapat diketahui bahwa 6 responden atau sebesar 6,5% dengan pekerjaannya sebagai PNS, 12 responden atau sebesar 12,9% bekerja sebagai pengusaha, 6 responden atau sebesar 6,5%

bekerja sebagai profesi, 54 responden atau sebesar 58,1% pekerjaan Karyawan swasta dan 15 responden atau sebesar 16,1% pekerjaan lainnya.

Artinya, responden dalam penelitian ini didominasi oleh wajib pajak orang pribadi yang bekerja sebagai Karyawan swasta yaitu sebesar 58,1%.

4.2.6. Profil Responden Berdasarkan Lama Masa Bekerja

Berdasarkan lama masa kerja yang dimiliki wajib pajak orang pribadi, dibagi kedalam emapat kategori yaitu : kurang dari 5 tahun, antara 5 sampai 10 tahun, antara 11 sampai 15 tahun, dan lebih dari 15 tahun. Dari kuesioner yang disebarkan, dapat diketahui hasilnya dari tabel 4.7 berikut ini:

66

Tabel 4.7

Data Frekuensi Responden Berdasarkan Lama Masa Bekerja

LamaBekerja

Frequency Percent Valid Percent Cumulative Percent

Valid

< 5 Tahun 45 48,4 48,4 48,4

5-10 Tahun 28 30,1 30,1 78,5

11-15 Tahun 10 10,8 10,8 89,2

> 15 Tahun 10 10,8 10,8 100,0

Total 93 100,0 100,0

Sumber: Data output SPSS 21, 2016.

Berdasarkan tabel 4.7 dapat diketahui bahwa 45 responden atau 48,4% memiliki masa kerja kurang dari 5 tahun, 28 responden atau 30,1%

memiliki masa kerja antara 5 sampai 10 tahun, 10 responden atau 10,8%

memiliki masa kerja antara 11 sampai 15 tahun, dan 10 responden atau 10,8% memiliki masa kerja lebih dari 15 tahun. Secara umum wajib pajak orang pribadi didominan dengan jenjang lamanya bekerja yaitu kurang dari 5 tahun sebesar 45 responden atau 48,4% kemudian disusul dengan jenjang lama bekerja 5-10 tahun yaitu 28 responden atau 30,1%.

4.2.7. Hasil Rangkuman Karakteristik Responden

Rangkuman hasil penelitian yang menggambarkan hasil persentase karakteristik responden terdapat pada tabel 4.8 berikut ini:

67 Tabel 4.8

Hasil Rangkuman Karakteristik Responden

Karakteristik Keterangan Jumlah Presentase

Jenis kelamin Laki-Laki 64,5%

Usia 26-35 tahun 33,3%

Status martial Menikah 59,1%,

Pendidikan S1 48,4%

Pekerjaan Karyawan Swasta 58,1%

Lama bekerja < 5 Tahun 48,4%

Sumber: Data diolah 2016

Berdasarkan tabel 4.8, dapat disimpulkan bahwa wajib pajak orang pribadi yang terdaftar di KPP Pratama Jakarta Kebayoran Baru Tiga yang menjadi responden sebagian besar adalah Laki-laki yang berusia 26-35 tahun, yang berstatus martial menikah , berpendidikan Strata 1, dan sebagian besar pekerjaannya adalah sebagai Karyawan Swasta dengan lama bekerja < 5 Tahun.

4.3. Analisis Statistik Deskriptif

Analisis statistik deskriptif digunakan untuk memberikan gambaran mengenai variabel yang diteliti. Uji statistik deskriptif mencakup nilai rata- rata (mean), nilai minimum, nilai maksimum dan nilai standar deviasi dari data penelitian.

68 Tabel 4.9

Hasil Uji Statistik Deskriptif

Descriptive Statistics

N Range Minimum Maximum Sum Mean Std.

Deviation Statistic Statistic Statistic Statistic Statistic Statistic Std.

Error

Statistic

TotalX_1 93 22,0 28,0 50,0 3942,0 42,387 ,4170 4,0218

TotalX_2 93 14,0 16,0 30,0 2326,0 25,011 ,2866 2,7643

TotalX_3 93 18,0 22,0 40,0 3158,0 33,957 ,3637 3,5075

TotalY 93 17,0 18,0 35,0 2738,0 29,441 ,3274 3,1570

Valid N (listwise)

93

Sumber: Data output SPSS 21, 2016.

Dari tabel 4.9 output SPSS menunjukkan jumlah responden (n) ada 93 Responden. Nilai rata-ratanya untuk variabel Kualitas Pelayanan sebesar 42,387, Nilai minimum adalah 28,0, nilai maksimumnya adalah 50,0 dengan standar deviasi 4,0218. Untuk variabel Sanksi Pajak mempunyainilai rata-rata 25,011, nilai minimum sebesar 16,0, nilai maksimumnya sebesar 30,0 dengan standar deviasi 2,7643. Untuk variabel Kesadaran nilai rata-ratanya adalah 33,957, nilai minimumnya adalah 22,0, nilai maksimumnya sebesar 40,0 dengan standar deviasinya sebesar 3,5075. Dan untuk variabel Kepatuhan Wajib Pajak nilai rata-ratanya sebesar 29,441 nilai minimumnya adalah 18,0, nilai maksimumnya sebesar 35,0 dengan standar deviasinya adalah 3,1570.

69 4.4. Pengujian Instrumen Penelitian

Sebelum melakukan proses analisis data lebih lanjut, terlebih dahulu dilakukan pengujian instrument penelitian yang berguna untuk mengetahui validitas dan reliability penelitian yang digunakan dalam penelitian, adapun langkah-langkah yang harus dilakukan adalah:

4.4.1. Uji Reliabilitas

Reliabilitas adalah alat ukur suatu kuesioner yang merupakan indikator dari variabel atau konstruk. Suatu kuesioner dapat dikatakan reliabel atau handal jika jawaban seseorang terhadap pernyataan adalah konsisten atau stabil dari waktu ke waktu. Untuk mengukur reliabilitas digunakan uji statistik Cronbach Alpha (α). Pengujian ini dilakukan dengan melihat Cronbach Alpha pada data yang diolah oleh program bantuan SPSS. Suatu konstruk dikatakan reliabel apabila menunjukkan nilai Cronbach’s Alpha >

0,70. Sedangkan jika sebaliknya, data tersebut dikatakan tidak reliable.

Berikut ini hasil perhitungan reliabilitas dengan menggunakan SPSS versi 21.0. Aturan dalam uji t adalah sebagai berikut :

a. Jika nilai Cronbach Alpha > 0.70 maka dapat dikatakan reliable b. Jika nilai Cronbach Alpha < 0.70 maka dapat dikatakan tidak reliable Hasil tabel tingkat reliabelitas instrument ditampilkan dalam tabel 4.9 berikut ini :

70 Tabel 4.10 Hasil Uji Reliabilitas

Variabel Cronbach Alpha Keterangan

Kualitas Pelayanan ,782 Reliabel

Sanksi Pajak ,761 Reliabel

Kesadaran WP ,791 Reliabel

Kepatuhan WP ,813 Reliabel

Sumber : Data diolah 2016

Berdasarakan pengujian pada tabel 4.10, Hasil uji reliabilitas diketahui bahwa semua variabel mempunyai Cronbach Alpha lebih besar dari 0,70 maka dapat disimpulkan bahwa keseluruhan variabel dalam penelitian ini adalah reliabel.

4.4.2. Uji Validitas

Uji validitas digunakan untuk mengukur sah atau valid tidaknya suatu kuesioner . Suatu kuesioner dikatakan valid jika pertanyaan pada kuesioner mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut (Ghozali, 2013:52). Pengujian ini menggunakan metode pearson correlation. Pedoman suatu model dikatakan valid jika tingkat signifikansinya < 0,05. Maka butir pernyataan tersebut dikatakan valid.

Tabel berikut menunjukkan hasil uji validitas dari 4 variabel yang digunakan dalam penelitian ini yaitu Kualitas Pelayanan (X1), Sanksi Pajak (X2), Kesadaran (X3), dan Kepatuhan Wajib Pajak Orang Pribadi (Y).

71 Tabel 4.11

Hasil Uji Validitas Kualitas Pelayanan Butir Pernyataan Pearson

Corelation

Sig (2-Tailed)

Keterangan

Pernyataan 1 ,512^** 0,000 Valid

Pernyataan 2 ,706^** 0,000 Valid

Pernyataan 3 ,663^** 0,000 Valid

Pernyataan 4 ,493^** 0,000 Valid

Pernyataan 5 ,725^** 0,000 Valid

Pernyataan 6 ,624^** 0,000 Valid

Pernyataan 7 ,629^** 0,000 Valid

Pernyataan 8 ,496^** 0,000 Valid

Pernyataan 9 ,435^** 0,000 Valid

Pernyataan 10 ,556^** 0,000 Valid

Sumber : Data primer yang diolah 2016

Berdasarkan tabel 4.11 menunjukkan variabel Kualitas Pelayanan (X1) mempunyai kriteria Valid untuk semua item pernyataan. Dengan nilai signifikan < 0,05.

Tabel 4.12

Hasil Uji Validitas Sanksi Pajak Butir Pernyataan Pearson

Corelation

Sig (2-Tailed)

Keterangan

Pernyataan 1 ,679^** 0,000 Valid

Pernyataan 2 ,639^** 0,000 Valid

Pernyataan 3 ,820^** 0,000 Valid

Pernyataan 4 ,736^** 0,000 Valid

Pernyataan 5 ,779^** 0,000 Valid

Pernyataan 6 ,334^** 0,001 Valid

Sumber : Data primer yang diolah 2016

Berdasarkan tabel 4.12 menunjukkan variabel Kualitas Pelayanan (X1) mempunyai kriteria Valid untuk semua item pernyataan. Dengan nilai signifikan < 0,05.

72 Tabel 4.13

Hasil Uji Validitas Kesadaran Wajib Pajak Butir Pernyataan Pearson

Corelation

Sig (2-Tailed)

Keterangan

Pernyataan 1 ,698^** 0,000 Valid

Pernyataan 2 ,730^** 0,000 Valid

Pernyataan 3 ,594^** 0,000 Valid

Pernyataan 4 ,543^** 0,000 Valid

Pernyataan 5 ,682^** 0,000 Valid

Pernyataan 6 ,727^** 0,000 Valid

Pernyataan 7 ,633^** 0,000 Valid

Pernyataan 8 ,504^** 0,000 Valid

Sumber : Data primer yang diolah 2016

Berdasarkan tabel 4.13 menunjukkan variabel Kualitas Pelayanan (X1) mempunyai kriteria Valid untuk semua item pernyataan. Dengan nilai signifikan < 0,05.

Tabel 4.14

Hasil Uji Validitas Kepatuhan Wajib Pajak Butir Pernyataan Pearson

Corelation

Sig (2-Tailed)

Keterangan

Pernyataan 1 ,508^** 0,000 Valid

Pernyataan 2 ,692^** 0,000 Valid

Pernyataan 3 ,741^** 0,000 Valid

Pernyataan 4 ,794^** 0,000 Valid

Pernyataan 5 ,707^** 0,000 Valid

Pernyataan 6 ,655^** 0,000 Valid

Pernyataan 7 ,734^** 0,000 Valid

Sumber : Data primer yang diolah 2016

Berdasarkan tabel 4.14 menunjukkan variabel Kualitas Pelayanan (X1) mempunyai kriteria Valid untuk semua item pernyataan. Dengan nilai signifikan < 0,05.

73 4.5. Uji Asumsi Klasik

Sebelum dilakukan analisis regresi terhadap variabel-variabel penelitian terlebih dahulu dilakukan uji asumsi klasik. Tujuannya adalah agar data yang digunakan layak dijadikan sumber dan dapat dihasilkan kesimpulan yang benar. Uji asumsi klasik meliputi :

4.5.1. Uji Multikolonieritas

Untuk melihat apakah sebuah model regresi dalam penelitian ini mempunyai multikoleniaritas atau tidak, metode yang digunakan pada uji multikoleniaritas dalam penelitian ini adalah dengan melihat nilai Tolerance dan Inflator Factor (VIF) pada table Coefficients. Untuk mengetetahui apakah suatu model regresi bebas dari multikoleniaritas, dapat diketahui yaitu apabila nilai output VIF (Variance Inflation Factor) lebih kecil dari 10 . Hal ini dapat diketahui pada tabel 4.15 dibawah ini:

Tabel 4.15 Uji Multikolinearitas

Coefficients^a

Model Unstandardized

Coefficients

Standardized Coefficients

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1

(Constant) 3,718 3,239

TotalX_1 ,251 ,079 ,320 ,648 1,543

TotalX_2 ,262 ,099 ,230 ,868 1,152

TotalX_3 ,251 ,093 ,279 ,604 1,655

a. Dependent Variable: TotalY

Sumber: Data output SPSS 21, 2016.

74

Hasil output SPSS pada tabel 4.15 menunjukkan nilai VIF untuk masing- masing variabel independen. Penjelasannya adalah sebagai berikut :

1. Variabel Kualitas Pelayanan (X1), VIF 1,543 < 10 : tidak multikolinearitas.

2. Variabel Sanksi Pajak (X2), VIF 1,152 < 10 : tidak multikolinearitas.

3. Variabel Kesadaran Wajib Pajak (X3), VIF 1,655 < 10 : tidak multikolinearitas.

Berdasarkan penjelasan hasil output SPSS di atas, masing-masing variabel independen nilai VIF < 10, sehingga dapat disimpulkan bahwa antar variabel independen tidak terjadi multikolinieritas. Oleh karena itu, model regresi linear berganda ini terbebas dari asumsi klasik multikolinearitas dan dapat digunakan sebagai penelitian.

4.5.2 Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan yang lain itu tetap, maka disebut Homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi Heteroskedastisitas. Untuk melihat ada tidaknya heteroskedastisitas adalah melihat grafik scatterplot antara nilai prediksi variabel terikat (dependent) yaitu ZPRED dengan residualnya SRESID. Dimana sumbu Y adalah Y yang telah diprediksi dan sumbu X

75

adalah residual Y ( Y prediksi – Y sesungguhnya ) yang telah di – studentized. Dasar analisis ini adalah (Imam Ghozali, 2013 : 139-141) : 1. Jika ada pola tertentu, seperti titik-titik (point-point) yang ada

membentuk suatu pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka telah terjadi heteroskedastisitas.

2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.

Hasil uji heteroskedastisitas dapat dilihat pada gambar 4.1 dibawah ini :

Sumber: Data output SPSS 21, 2016.

Gambar 4.1

Hasil Uji Uji Heteroskedastisitas

Dari gambar 4.1 dapat diketahui titik-titik tidak membentuk pola yang jelas, dan titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y.

76

Jadi dapat disimpulkan bahwa tidak terjadi heteroskedastisitas dalam model regresi.

4.5.3 Uji Normalitas

Uji normalitas menurut (Imam Ghozali, 2013 : 160) bertujuan untuk menguji apakah dalam model regresi, variabel residual memiliki distribusi normal. Residual merupakan nilai sisa atau selisih antara nilai variabel dependen (Y) dengan variabel dependen hasil analisis regresi (Y’). Model regresi yang baik adalah yang memiliki data residual yang terdistribusi secara normal. Dua cara yang sering digunakan untuk menguji normalitas residual, yaitu dengan analisis grafik (normal P-P plot) regresi dan uji One Sample Kolmogorof-Smirnov . Hasil uji normalitas akan ditunjukkan pada gambar 4.2 berikut ini:

Sumber: Data output SPSS 21, 2016.

Gambar 4.2

Hasil uji Normal P-P plot

77

Berdasarkan gambar 4.2 menunjukkan bahwa semua data yang ada berdistribusi dengan normal, karena Grafik normal P-Plot di atas menggambarkan titik-titik sebaran datanya berada pada area disekitar garis diagonal. Hal ini berarti bahwa variabel pengganggu atau residual memiliki distribusi normal. Oleh karena itu, model regresi ini memenuhi uji normalitas.

Selain dengan melihat grafik, normalitas data juga dapat di lihat melalui uji statistik yaitu dengan uji statistic non-parametic Kolmogrov- Smirnov lebih besar dari 0.05 maka data berdistribusi normal. Berdasarkan hasil output SPSS untuk menguji normalitas data dapat di lihat dari Tabel 4.16 di bawah ini :

Tabel 4.16

Uji Kolmogorov-Smirnov Test

One-Sample Kolmogorov-Smirnov Test

TotalX_1 TotalX_2 TotalX_3 TotalY

N 93 93 93 93

Normal Parameters^a,b Mean 42,387 25,011 33,957 29,441 Std. Deviation 4,0218 2,7643 3,5075 3,1570 Most Extreme

Differences

Absolute ,117 ,111 ,084 ,103

Positive ,076 ,096 ,054 ,074

Negative -,117 -,111 -,084 -,103

Kolmogorov-Smirnov Z 1,124 1,074 ,811 ,994

Asymp. Sig. (2-tailed) ,160 ,199 ,526 ,277

a. Test distribution is Normal.

b. Calculated from data.

Sumber :Output SPSS 21, 2016

78

Hipotesis yang diajukan adalah sebagai berikut:

Ho : Data residual berdistribusi normal Ha : Data residual tidak berdistribusi normal

Dengan ketentuan pengambilan keputusan sebagai berikut:

Jika, Sig. > 0,05 maka Ho diterima Jika, Sig. < 0,05 maka Ha ditolak

Tabel 4.16 merupakan tabel One Sample Kolmogorov-Smirnov Test yang menunjukkan nilai Asymp. Sig. (2-tailed) untuk variabel

a. Kualitas Pelayanan (X1) = 0,160 > 0.05, b. Sanksi Pajak (X2) = 0,199 > 0.05,

c. Kesdaran Wajib Pajak (X3) = 0,526 > 0.05 dan d. Kepatuhan Wajib Pajak (Y) = 0,277 > 0.05.

Dari hasil tersebut, dapat disimpulkan bahwa hipotesis Ho diterima, artinya data residual memiliki distribusi normal.

4.6. Uji Korelasi

Menurut Duwi Priyatno (2012:59) Analisis korelasi digunakan untuk mengetahui hubungan antara dua variabel. Dalam perhitungan korelasi akan didapat koefisien korelasi yang menunjuikan keeratan hubungan antar dua variabel tersebut. Nilai koefisien korelasi berkisar antara -1 sampai 0 atau 0 sampai 1. Jika nilai koefisien korelasinya semakin mendekati 1 atau -1, maka hubungan antara dua variabelnya akan semakin erat. Tetapi jika mendekati 0, maka hubungannya semakin lemah. Tabel 4.17 menunjukkan hasil penelitian dengan analisis data menggunakan uji korelasi:

79 Tabel 4.17 Hasil Uji Korelasi

Correlations

TotalX_1 TotalX_2 TotalX_3 TotalY

TotalX_1

Pearson Correlation 1 ,257^* ,591^** ,544^**

Sig. (2-tailed) ,013 ,000 ,000

N 93 93 93 93

TotalX_2

Pearson Correlation ,257^* 1 ,359^** ,412^**

Sig. (2-tailed) ,013 ,000 ,000

N 93 93 93 93

TotalX_3

Pearson Correlation ,591^** ,359^** 1 ,550^**

Sig. (2-tailed) ,000 ,000 ,000

N 93 93 93 93

TotalY

Pearson Correlation ,544^** ,412^** ,550^** 1

Sig. (2-tailed) ,000 ,000 ,000

N 93 93 93 93

*. Correlation is significant at the 0.05 level (2-tailed).

**. Correlation is significant at the 0.01 level (2-tailed).

Sumber: Data output SPSS 21, 2016.

Agar mempermudah interpretasi, maka data tersebut akan disajikan dalam bentuk model Path Hubungan Antar Variabel pada gambar 4.3 sebagai berikut:

Kuali 0,544

Sig = 0.000

0,412

Sig = 0.000

0,550

Sig = 0.000

Sumber : Data diolah 2016

Gambar 4.3

Hubungan Antar Variabel Penelitian

Kepatuhan wajib pajak orang pribadi (Y) Kualitas Pelayanan (X1)

Sanksi Pajak (X2)

Kesadaran Wajib Pajak (X3)

80

Berdasarkan gambar 4.3, hubungan antara variabel independen dengan variabel dependen adalah sebagai berikut :

a. Hubungan Kualitas Pelayanan (X1) Terhadap Kepatuhan Wajib Pajak (Y)

Hubungan Kualitas Pelayanan (X1) Terhadap Kepatuhan Wajib Pajak (Y) diperoleh hasil sebesar 0.544 dengan signifikan sebesar 0.000

< 0.05. Angka ini menunjukkan Kualitas Pelayanan memiliki korelasi yang cukup kuat yaitu sebesar 54,4% terhadap Kepatuhan Wajib Pajak.

b. Hubungan Sanksi Pajak (X2) Terhadap Kepatuhan Wajib Pajak (Y) Hubungan Sanksi Pajak terhadap Kepatuhan Wajib Pajak sebesar 0.412 dengan signifikan sebesar 0.000 < 0.05. Angka ini menunjukkan Sanksi Pajak memiliki korelasi yang lemah yaitu sebesar 41,2% terhadap Kepatuhan Wajib Pajak .

c. Hubungan Kesadaran Wajib Pajak (X3) Terhadap Kepatuhan Wajib Pajak (Y)

Hubungan Kesadaran Wajib Pajak terhadap Kepatuhan Wajib Pajak sebesar 0,550 dengan signifikan sebesar 0.000 < 0.05. Angka ini menunjukkan Kesadaran Wajib Pajak memiliki korelasi yang cukup kuat yaitu sebesar 55,0% terhadap Kepatuhan Wajib Pajak.

81 4.7. Analisis Regresi Linier Berganda

Regresi digunakan untuk mengukur besarnya pengaruh variabel bebas terhadap variabel terikat dan memprediksi variabel terikat dengan menggunakan variabel bebas. Analisis regresi ini dapat diketahui dari tabel 4.18 berikut ini.

Tabel 4.18

Pengujian Regresi Linear Berganda

Coefficients^a

Model Unstandardized Coefficients Standardized Coefficients

T Sig.

B Std. Error Beta

1

(Constant) 3,718 3,239 1,148 ,254

TotalX_1 ,251 ,079 ,320 3,194 ,002

TotalX_2 ,262 ,099 ,230 2,654 ,009

TotalX_3 ,251 ,093 ,279 2,691 ,009

a. Dependent Variable: TotalY

Sumber: Data output SPSS 21, 2016.

Berdasarkan hasil output SPSS 21, persamaan regresi dalam penelitian ini adalah sebagai berikut :

Y = α + β1 X1+ β2 X2+ β3 X3+ ε

Y = 3,718 + 0,251X1 + 0,262X2 + 0,251X3 + ε Keterangan:

Y = Kepatuhan Wajib Pajak α = Nilai Konstanta

β = Koefisien Regresi (nilai peningkatan (+) atau penurunan (-) variabel Y) X1 = Kualitas Pelayanan

X2 = Sanksi Pajak

82 X3 = Kesadaran Wajib Pajak

e = Error

Persamaan regresi di atas dapat dijelaskan seperti berikut ini :

1. Konstanta 3,718 artinya jika variabel Kualitas Pelayanan (X1), sanksi Pajak (X2), dan Kesadaran (X3) memiliki nilai koefisien regresi (B) sebesar 0 maka variabel Kepatuhan Wajib Pajak (Y) akan memiliki nilai sebesar konstanta itu sendiri yaitu sebesar 3,718.

2. Koefisien regresi (B) pada variabel Kualitas Pelayanan (X1) memiliki nilai sebesar 0,251 artinya peningkatan nilai variabel Kualitas Pelayanan (X1) sebesar 1 akan mengakibatkan peningkatan nilai variabel Kepatuhan Wajib Pajak (Y) sebesar 0,251.

3. Koefisien regresi (B) pada variabel Sanksi Pajak (X2) memiliki nilai sebesar 0,262 artinya peningkatan nilai variabel Sanksi Pajak (X2) sebesar 1 akan mengakibatkan peningkatan nilai variabel Kepatuhan Wajib Pajak (Y) sebesar 0,262.

4. Koefisien regresi (B) pada variabel Kesadaran (X3) memiliki nilai sebesar 0,251 artinya peningkatan nilai variabel Kesadaran (X3) sebesar 1 akan mengakibatkan peningkatan nilai variabel Kepatuhan Wajib Pajak (Y) sebesar 0,251.

4.7.1 Uji Adjust R² (Koefisien Determinasi)

Koefisien determinasi (R²) bertujuan untuk mengukur seberapa jauh kemampuan model dapat menjelaskan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R² yang kecil