METODOLOGI PENELITIAN
A. Jenis Penelitian
Objek dari penelitian ini adalah wajib pajak UMKM. Tujuan dari
41
42
variasi antara satu orang dengan yang lain atau satu obyek dengan
petunjuk yang lengkap tentang apa yang harus diamati dan bagaimana
yaitu:
sikap positif wajib pajak jika mereka paham betul atas isi undang
yaitu:
yang dibayar.
yaitu:
Tabel 3.1
5. Pengetahuan Wajib
Pajak terhadap
mekanismepembayaran
Ketegasan 1. Sanksi pajak sangat
Ketegasan diperlukan
Sanksi Ordinal
2. Adanya tindakan
Sanksi
Perpajakan preventif dari Dirjen
Perpajakan Pajak
(X2)
3. Pelaksanaan sanksi
Susmiatun
harus dilaksanakan
(2014)
dengan tegas
4. Sanksi yang diberikan
kepada Wajib Pajak
harus sesuai dengan
besar kecilnya
pelanggaran yang
sudah dilakukan.
5. Penerapan sanksi pajak
harus sesuai dengan
ketentuan dan
peraturan yang berlaku
Kepatuhan 1. Kepatuhan Wajib Pajak
Wajib Pajak dalam mendaftarkan diri
Kepatuhan Wajib Ordinal
(Y) 2. Kepatuhan Wajib Pajak
Pajak
dalam menghitung
Susmiatun
3. Kepatuhan Wajib Pajak
(2014)
dalam membayar
4. Kepatuhan Wajib Pajak
47
dalam melaporkan
Sumber: Data Diolah Penulis (2019)
1. Populasi
adalah 120 pemilik Usaha Kecil dan Menengah di kawasan DKI Jakarta.
2. Sampel
sebagai sampel, bila dipandang orang yang kebetulan ditemui itu cocok
1. Jenis Data
(Sugiyono, 2014:230).
mengukur apa yang hendak diukur oleh peneliti. Dalam penelitian ini
Keterangan:
50
a. Nilai r hitung < r tabel maka distribusi data adalah tidak valid.
b. Nilai r hitung > r tabel maka distribusi data adalah tidak valid.
memiliki nilai Cronbach Alpha lebih dari 0.70 (Nunnaly, 1994 dalam
k b
2
r11 1
k 1 Vt 2
Dimana:
r11 = reliabilitas instrument
k = banyaknya butir pertanyaan atau banyaknya soal
antara lain :
berikut:
X = X 1+ X 2+ ...+ Xi+...+ Xn
n
Keterangan :
X = Mean (Rata-rata)
Xn = Variabel ke-n
Xi = Nilai x ke i ke n
n = Banyak data atau jumlah sampel
53
b. Median
didasarkan atas nilai tengah dari kelompok data yang telah disusun
urutannya dari yang terkecil sampai yang terbesar atau sebaliknya dari
dari yang terkecil X1 sampai dengan yang terbesar Xn, maka nilai
1
Md = ( b + 2 n-f )
¿
¿
Md = Median
B = Batas bawah, dimana f median akan terletak
n = Banyak data atau jumlah sampel
F = Jumlah semua frekuensi sebelum kelas median
f = Frekuensi kelas median
c. Modus (Mode)
atas nilai yang sedang populer (yang sedang menjadi mode) atau yang
54
sebagai berikut :
Keterangan :
Mo : Modus
TB : Titik bawah kelas modus (kelas dengan frekuensi terbesar)
a : Selisih frekuensi kelas modus dengan kelas sebelumnya
b : Selisih frekuensi kelas modus dengan kelas sesudahnya
c : Interval kelas
d. Standar Deviasi
f i ( i ) 2
S
( n 1)
Keterangan:
S = Simpangan baku
Xi = Nilai X ke I sampai ke n
X = Rata-rata nilai
N = Jumlah Sampel
55
e. Range
mudah dihitung adalah jarak (range). Jika suatu kelompok nilai (data)
sudah disusun menurut urutan yang terkecil (X1) sampai dengan yang
sebagai berikut :
normal. Jika asumsi ini terpenuhi, maka nilai residual dari analisis juga
tidak dapat diuji langsung seketuka oleh karena itu tidaklah praktis
56
untuk normalitasnya.
variabel tidak selalu diperlukan dalam analisis akan tetapi hasil uji
statistik akan lebih baik jika semua variabel berdistribusi normal. Jika
maka hasil uji statistik akan terdegradasi. Uji statistik yang dapat
membuat hipotesis :
a. Nilai sign. Atau signifikan atau probabilitas < 0,05 maka distribusi
b. Nilai sign. Atau signifikan atau probabilitas > 0,05 maka distribusi
4. Analisis Korelasi
a. Korelasi Parsial
r YX −r YX . r X X2
1 2 1
RYX 1 . X 2 =
√1−r 2X X
1 2
− 1−r√ 2YX
2
r YX −r YX . r X
2 2 1X2
RYX 2 . X 1=
√ 1−r 2X X
1 2
√
− 1−r
2YX
1
58
r YX −r YX .r X X
3 3 1 3
RYX 3 . X 1=
√ 1−r 2X X
1 3
√
− 1−r
2YX
3
Keterangan:
n = banyaknya sampel
X1 = Pengetahuan Perpajakan
berikut :
ada hubungan.
b. Korelasi Berganda
59
sebagai berikut :
∑Y2
Dimana :
∑Y2 = jumlah Y2
Keterangan :
Y : Kepatuhan Wajib Pajak
α : Konstanta
β1 – β4 : Koefisien regresi
X1 : Pengetahuan Perpajakan
X2 : Ketegasan Sanksi Perpajakan
e : Error term
adalah dengan :
a. Analisis Grafik
normalitas.
2. Jika data menyebar jauh dari diagonal dan tidak mengikuti arah
normalitas.
62
b. Analisis Statistik
diterima), sebaliknya bila sig < 0,05 dengan α = 5%, berarti distribusi
1. Transformasi data
(ln), log 10, maupun akar kuadrat. Jika ada data yang bernilai
2. Trimming
bersifat outlier, yaitu yang nilainya lebih kecil dari µ-2σ atau lebih
3. Winzorising
63
normal. Nilai – nilai observasi yang lebih kecil dari µ-2σ akan diubah
55 nilainya menjadi µ-2σ dan nilai – nilai yang lebih besar dari µ+2σ
akan diubah menjadi µ+2σ. Dalam hal ini terlebih dahulu dicari
Keterangan:
a = Konstanta intersep
b. Uji Multikoliniaritas
multikolonieritas.
lawannya (2) variance inflation factor (VIF), nilai cutoff yang umum
tolerance < 0,10 atau sama dengan nilai VIF > 10. Jika variabel
Dimana :
korelasi yang cukup tinggi (umumnya > 0,1) antar variabel independen,
c. Uji Heteroskedastisitas
Kriteria pengujian :
antara lain :
1) Jika ada pola tertentu, seperti titik – titik yang ada membentuk pola
heteroskedastisitas.
2) Jika tidak ada pola yang jelas, serta titik – titik yang menyebar di
heteroskedastisitas.
(Supranto, 2002:80) :
1) Jika diketahui
homokedastisitas.
7. Uji Hipotesis
1) Statistik Uji
68
Keterangan :
bn = Koefisien regresi
Sbn = Standar error
2) Kriteria uji
α
t 0 >t
2 ; (n-4); signifikan H0 ditolak, Ha diterima
α
t 0 <−t
2 ; (n-4); signifikan H0 ditolak, Ha diterima
−t α <t 0 <t α
;( n−4 ) ; (n−4 )
2 2 ; tidak signifikan , Ho diterima
1) Statistik Uji
R2 = Koefisien determinasi
2) Kriteria Uji
sama terhadap variabel terikat. Hipotesis nol (Ho) yang hendak diuji
atau :
1) Statistik Uji
Keterangan :
R2 = Koefisien determinasi
70
2) Kriteria Uji
(Ho) yang hendak diuji adalah apakah suatu parameter (bi) sama
1) Statistik Uji
Keterangan :
71
bn = Koefisien regresi
2) Kriteria uji
α
t 0 >t
2 ; (n-4); signifikan H0 ditolak, Ha diterima
α
t 0 <−t
2 ; (n-4); signifikan H0 ditolak, Ha diterima
−t α <t 0 <t α
;( n−4 ) ; (n−4 )
2 2
; tidak signifikan, Ho diterima
e. Koefisien Determinasi
semakin mendekati 1.