BAB III

METODOLOGI PENELITIAN

A. Jenis Penelitian

Jenis penelitian yang akan digunakan pada penelitian ini adalah

explanatory research (penelitian penjelasan) dengan pendekatan

kuantitatif, yaitu untuk menjelaskan hubungan kausal antara variabel-

variabel yang mempengaruhi hipotesis. Penelitian ini ditujukan untuk

mengetahui seberapa besar pengaruh pengetahuan perpajakan (X1),

dan ketegasan sanksi perpajakan (X2) terhadap kepatuhan wajib pajak

pada sektor UMKM (Y) di DKI Jakarta.

B. Objek dan Ruang Lingkup Penelitian

Objek dari penelitian ini adalah wajib pajak UMKM. Tujuan dari

penelitian ini adalah untuk mengetahui pengaruh pengetahuan

perpajakan, dan sanksi perpajakan terhadap kepatuhan wajib pajak

pada sektor UMKM. Penelitian ini dilakukan di sentra UMKM di DKI

Jakarta. Penelitian ini dilakukan dengan menggunakan data primer

berupa kuesioner yang dibagikan kepada wajib pajak.

41
 42

C. Operasional Variabel Penelitian

Variabel merupakan atribut seseorang atau obyek yang mempunyai

variasi antara satu orang dengan yang lain atau satu obyek dengan

obyek yang lain. Sedangkan operasional didefinisikan seperangkat

petunjuk yang lengkap tentang apa yang harus diamati dan bagaimana

mengukur suatu variabel. Variabel yang digunakan dalam penelitian ini

adalah Kepatuhan Wajib Pajak UMKM, Pengetahuan Perpajakan, dan

Ketegasan Sanksi Perpajakan. Definisi operasional dari variabel-

variabel tersebut adalah sebagai berikut:

1. Kepatuhan Wajib Pajak UMKM (Y)

Menurut Nurhidayah (2015), kepatuhan wajib pajak adalah ketika

wajib pajak memenuhi semua kewajiban perpajakan dan

melaksanakan hak perpajakannya, kewajiban perpajakan meliputi

mendaftarkan diri, menghitung dan membayar pajak terutang,

membayar tunggakan dan menyetorkan kembali surat pemberitahuan.

Indikator Kepatuhan Wajib Pajak menurut Susmiatun (2014 )

yaitu:

a) Kepatuhan Wajib Pajak dalam mendaftarkan diri

b) Kepatuhan Wajib Pajak dalam menghitung

c) Kepatuhan Wajib Pajak dalam membayar

d) Kepatuhan Wajib Pajak dalam melaporkan

 43

2. Pengetahuan Perpajakan (X1)

Pengetahuan adalah hasil kerja fikir (penalaran) yang merubah

tidak tahu menjadi tahu dan menghilangkan keraguan terhadap

suatu perkara. Kesadaran wajib pajak juga dapat dipengaruhi oleh

tingkat pengetahuan mereka atas peraturan perundang-undangan

perpajakan yang berlaku. Pengetahuan pajak dapat menumbuhkan

sikap positif wajib pajak jika mereka paham betul atas isi undang

undang perpajakan yang sering kali mengalami perubahan. Untuk

meningkatkan pengetahuan perpajakan masyarakat dapat melalui

pendidikan perpajakan baik formal maupun non-formal akan

berdampak terhadap kesadaran wajib pajak dalam membayar pajak.

Pendidikan perpajakan secara formal didapat dalam materi di

sekolah hingga perguruan tinggi sedangkan perpajakan secara non-

formal dapat melalui sosialisasi perpajakan berupa penyuluhan,

seminar, spanduk, media lainnya terutama dapat diakses melalui

web resmi perpajakan. Pemahaman mengacu pada cara seorang

individu untuk menilai dan mengerti arti sesuatu.

Indikator Pengetahuan Perpajakan menurut Susmiatun (2014)

yaitu:

a) Pengetahuan Wajib Pajak terhadap fungsi pajak.

 44

b) Pengetahuan Wajib Pajak terhadap peraturan perpajakan.

c) Pengetahuan Wajib Pajak terhadap prosedur perhitungan pajak

yang dibayar.

d) Pengetahuan Wajib Pajak terhadap pendaftaran sebagai WP.

e) Pengetahuan Wajib Pajak terhadap mekanisme pembayaran.

3. Ketegasan Sanksi Perpajakan (X2)

Sanksi berarti hukuman yang dijatuhkan oleh pengadilan

kepada pihak yang terbukti bersalah karena melanggar peraturan.

Peraturan atau undang-undang merupakan rambu-rambu bagi

seseorang untuk melakukan sesuatu mengenai apa yang harus

dilakukan dan apa yang seharusnya tidak dilakukan. Landasan

hukum mengenai sanksi perpajakan diatur dalam masing-masing

pasal Undang-Undang Ketentuan Umum Perpajakan. Sanksi

perpajakan dapat dijatuhkan apabila wajib pajak melakukan

pelanggaran terutama atas kewajiban yang ditentukan dalam

Undang-undang Ketentuan Umum Perpajakan.

Indikator Ketegasan Sanksi Perpajakan menurut Susmiatun (2014 )

yaitu:

a) Sanksi pajak sangat diperlukan.

 45

b) Adanya tindakan preventif dari Dirjen Pajak.

c) Pelaksanaan sanksi harus dilaksanakan dengan tegas.

d) Sanksi yang diberikan kepada Wajib Pajak harus sesuai dengan

besar kecilnya pelanggaran yang sudah dilakukan.

e) Penerapan sanksi pajak harus sesuai dengan ketentuan dan

peraturan yang berlaku.

Tabel 3.1

Operasional Variabel Penelitian

Variabel Dimensi Indikator Ukuran

Pengetahua Pengetahuan 1. Pengetahuan Wajib

n Pajak terhadap fungsi
Ordinal
pajak.
Perpajakan
2. Pengetahuan Wajib
(X1) Pajak terhadap
peraturan perpajakan.
Susmiatun
3. Pengetahuan Wajib
(2014)
Pajak terhadap
prosedur perhitungan
pajak yang dibayar.
4. Pengetahuan Wajib
Pajak terhadap
pendaftaran sebagai
WP.
 46

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)

D. Populasi dan Sampel

1. Populasi

Populasi adalah wilayah generalisasi yang terdiri atas obyek atau

subyek yang mempunyai kualitas dan karateristik tertentu yang

ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik

kesimpulannya (Sugiyono, 2014:148). Populasi dalam penelitian ini

adalah 120 pemilik Usaha Kecil dan Menengah di kawasan DKI Jakarta.

2. Sampel

Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki

oleh populasi tersebut (Sugiyono, 2014:149). Pemilihan sampel dalam

penelitian ini ditentukan secara nsidental sampling yang merupakan

teknik penentuan sampel berdasarkan kebetulan, yaitu siapa saja yang

secara kebetulan/insidental bertemu dengan peneliti dapat digunakan

sebagai sampel, bila dipandang orang yang kebetulan ditemui itu cocok

sebagai sumber data (Sugiyono, 2014:156). Sehingga peneliti memiliki

kebebasan untuk memilih sampel dengan cepat.

 48

E. Jenis danTeknik Pengumpulan Data

1. Jenis Data

Dalam penulisan ini jenis data yang digunakan adalah data

primer. Data primer adalah data yang diperoleh berdasarkan

pengukuran secara langsung oleh peneliti dari sumbernya (Zainal

Mustafa, 2009:92). Dalam penelitian ini, data primer diperoleh secara

langsung melalui metode kuesioner (angket) yaitu teknik pengumpulan

data yang dilakukan dengan cara memberi seperangkat pertanyaan

atau pernyataan tertulis kepada responden untuk dijawabnya

(Sugiyono, 2014:230).

2. Teknik Pengumpulan Data

Teknik pengumpulan data adalah langkah yang paling utama

dalam penelitian dengan tujuan utama untuk mendapatkan data

(Sugiyono, 2014:375). Menurut Sugioyono (2015:224) dalam metode

penelitian kuantitatif terdapat beberapa teknik dalam pengumpulan

data yaitu wawancara (interview), kuisioner (angket), observasi

(pengamatan), dan gabungan ketiganya. Dalam penelitian ini, teknik

pengumpulan data yang digunakan adalah data primer.

Pengumpulan data dilakukan melalui penyebaran kuisioner (angket)

kepada pemilik usaha Mikro Kecil dan Menengah (UMKM), sehingga

 49

dapat memperoleh informasi mengenai kesadaran kewajiban

perpajakan pada sektor Usaha Mikro Kecil dan Menengah (UMKM).

F. Teknik Analisis Data

1. Uji Kualitas Data

a. Uji Validitas Data

Uji validitas digunakan untuk mengukur sah atau tidaknya suatu

kuisioner (Ghozali, 2013). Suatu kuesioner dikatakan valid jika

pernyataan dalam kuesioner mengungkapkan sesuatu yang akan

diukur oleh kuesioner tersebut. Jadi validitas ingin mengukur apakah

pertanyaan dalam kuesioner yang sudah dibuat benar-benar dapat

mengukur apa yang hendak diukur oleh peneliti. Dalam penelitian ini

untuk mengukur validitas peneliti melakukan korelasi bivariate antara

masing-masing skor indikator dengan total skor konstruk (construct).

Jika korelasi antara masing-masing indikator terhadap total konstruk

menunjukkan hasil yang signifikan yaitu kurang dari 5% (0.05), maka

dapat disimpulkan bahwa masing- masing indikator pertanyaan dalam

kuesioner adalah valid. Adapun rumus untuk menghitung uji validitas

adalah sebagai berikut :

Keterangan:
 50

Rix = Koefisien korelasi suatu item

N = Jumlah subyek
x = Skor suatu butir/item
i = Skor total
Pedoman pengambilan keputusan tentang data tersebut

mendekati atau merupakan data valid dapat dilihat dari :

a. Nilai r hitung < r tabel maka distribusi data adalah tidak valid.

b. Nilai r hitung > r tabel maka distribusi data adalah tidak valid.

b. Uji Reliabilitas Data

Setelah dilakukan uji validatas atas pertanyaan yang digunakan

dalam penelitian tersebut, selanjutnya dilakukan uji reliabilitas. Uji

reliabilitas bertujuan untuk mengetahui apakah alat pengumpul data

pada dasarnya menunjukan tingkat ketepatan, keakuratan, kestabilan

atau konsistensi alat tersebut dalam mengungkapkan gejala tertentu

dari sekelompok individual, walaupun dilakukan pada waktu yang

berbeda. Reliabilitas adalah derajat ketepatan, ketelitian atau akurasi

yang ditujukan oleh instrumen pengukuran. Instrumen yang reliabel

berarti instrumen tersebut bila digunakan beberapa kali untuk

mengukur obyek yang sama, akan mengahasilkan data yang sama.

 51

Suatu kuesioner dikatakan reliable (andal) jika jawaban seseorang

terhadap pertanyaan adalah konsisten.

Pengujian reliabilitas ini dilakukan terhadap butir-butir

pernyataan (kuesioner) dengan melihat nilai r (alpha) pada tabel

reliabilitas data. Suatu instrumen dapat dikatakan reliabel (andal) bila

memiliki nilai Cronbach Alpha lebih dari 0.70 (Nunnaly, 1994 dalam

Ghozali 2013:48). Uji reliabilitas dapat dihitung dengan rumus:

 k    b 
2

r11   1  
 k  1  Vt 2 

Dimana:
r11 = reliabilitas instrument
k = banyaknya butir pertanyaan atau banyaknya soal

∑ σ 2b = jumlah varian butir/item

V 2t = varian total
2. Uji Statistik Deskriptif

Statistik deskriptif adalah statistik yang digunakan untuk

menganalisis data dengan cara mendeskripsikan atau

menggambarkan data yang telah terkumpul sebagaimana adanya

tanpa bermaksud membuat kesimpulan yang berlaku untuk umum

atau generalisasi. Dalam statistik deskriptif antara lain adalah

 52

penyajian data melalui tabel, grafik, diagram lingkaran, pictogram,

perhitungan modus, median, mean (pengukuran tendesi sentral),

perhitungan desil, persentil, perhitungan penyebaran data melalui

perhitungan rata-rata dan standar deviasi, perhitungan persentase.

(Sugiyono, 2014). Pada penelitian ini penyajian data menggunakan

tabel dan analisis datanya menggunakan mean, median, modus,

standar deviasi dan range. Yang termasuk dalam statistik deskriptif

antara lain :

a. Mean (Rata-Rata Hitung)

Mean (rata-rata hitung) adalah suatu nilai yang diperoleh

dengan cara membagi seluruh nilai pengamatan dengan banyaknya

pengamatan. Mean (rata-rata hitung) dapat dirumuskan sebagai

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

Median adalah salah satu teknik penjelasan kelompok yang

didasarkan atas nilai tengah dari kelompok data yang telah disusun

urutannya dari yang terkecil sampai yang terbesar atau sebaliknya dari

yang terbesar sampai yang terkecil, apabila sekelompok nilai diurutkan

dari yang terkecil X1 sampai dengan yang terbesar Xn, maka nilai

yang ada ditengah disebut median. Rumus untuk menghitung median

adalah sebagai berikut :

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)

Modus adalah teknik penjelasan kelompok yang didasarkan

atas nilai yang sedang populer (yang sedang menjadi mode) atau yang
 54

sering muncul dalam kelompok tersebut. Modus dapat dirumuskan

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

Standar deviasi atau simpangan baku dari data yang telah

disusun dalam tabel distribusi frekuensi atau data bergolong, dapat

dihitung dengan rumus sebagai berikut :

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

Diantara ukuran varians yang paling sederhana dan paling

mudah dihitung adalah jarak (range). Jika suatu kelompok nilai (data)

sudah disusun menurut urutan yang terkecil (X1) sampai dengan yang

terbesar (Xn), maka untuk menghitung nilai jarak dipergunakan rumus

sebagai berikut :

Nilai jarak (NJ) = Xn – X1 Atau

Nilai Jarak = nilai maksimal – nilai minimum

3. Uji Normalitas Data

Sebelum melakukan uji statistik langkah awal yang harus

dilakukan adalah screening terhadap data yang akan diolah. Salah

satu asumsi yang penggunaan statstik parametrik adalah asumsi

multivariate normality. Multivariate normality merupakan asumsi bahwa

setiap variabel dan semua kombinasi linear dari variabel berdistribusi

normal. Jika asumsi ini terpenuhi, maka nilai residual dari analisis juga

berdistribusi normal dan independen. Asumsi multivariate normality

tidak dapat diuji langsung seketuka oleh karena itu tidaklah praktis
 56

menguji jumlah tak terhingga dari kombinasi linear variabel-variabel

untuk normalitasnya.

Screening terhadap normalitas data merupakan langkah awal

yang harus dilakukan untuk setiap analisis multivariate, khususnya jika

tujuannya adalan inferensi. Yaitu dengan melihat distribusi dari

variabel- variabel yang akan diteliti. Walaupun normalitas suatu

variabel tidak selalu diperlukan dalam analisis akan tetapi hasil uji

statistik akan lebih baik jika semua variabel berdistribusi normal. Jika

tidak berdistribusi secara normal (menceng ke kiri atau ke kanan)

maka hasil uji statistik akan terdegradasi. Uji statistik yang dapat

digunakan untuk menguji normalitas data adalah uji nonparametik

Kolmogorov-Smirnov. Uji K-S Uji K-S dapat dilakukan dengan

membuat hipotesis :

H0 = data tidak berdistribusi normal

Ha = data berdistribusi normal

Pedoman pengambilan keputusan tentang data tersebut

mendekati atau merupakan distribusi normal dapat dilihat dari :

a. Nilai sign. Atau signifikan atau probabilitas < 0,05 maka distribusi

data adalah tidak normal.

 57

b. Nilai sign. Atau signifikan atau probabilitas > 0,05 maka distribusi

data adalah normal.

4. Analisis Korelasi

Analisis korelasi bertujuan untuk mengetahui apakah diantara dua

atau lebih variabel terdapat hubungan, dan jika ada hubungan

bagaimana arah hubungannya, serta seberapa besar (kuat) hubungan

tersebut. Dasar dalam menentukan seberapa kuat hubungan antara

variabel independen dan variabel dependen adalah sebagai berikut:

< 0.05 = Memiliki hubungan yang lemah

0.05 - 0.75 = Memiliki hubungan yang sedang/cukup

0.75-0.90 = Memiliki hubungan yang kuat

0.90-1 = Memiliki hubungan yang sangat kuat

>1 = Memiliki hubungan yang sempurna

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:

rxy = korelasi antar variabel X dengan variabel Y

n = banyaknya sampel

X1 = Pengetahuan Perpajakan

X2 = Ketegasan Sanksi Perpajakan

Y = Kepatuhan Wajib Pajak

Secara umum nilai koefisien korelasi terletak antara -1 dan

+1 atau -1 < r < 1, dengan kata lain koefisien kolerasi mempunyai

nilai paling kecil -1 dan paling besar +1 dengan kriteria sebagai

berikut :

1) Jika r = +1, atau mendekati +1, maka hubungan antara

variabel X dan Y sangat kuat positif.

2) Jika r = -1, atau mendekati -1, maka hubungan antara

variabel X dan Y sangat kuat dan negatif.

3) Jika r = 0, atau mendekati 0, maka hubungan antara

variabel X dan Y sangat lemah sekali dan tidak

ada hubungan.

b. Korelasi Berganda
 59

Menurut Sugiyono (2013), korelasi berganda dapat dirumuskan

sebagai berikut :

RYx1,x2,x3,x4 = b1∑X1y+ b2∑X2Y+ b3∑X3Y+ b4∑X4Y

∑Y2

Dimana :

RYX1X2 X3 X4 = koefisien korelasi antara variabel X1, X2 , X3 dan X4

secara bersama-sama dengan variabel Y

b1, b2, b3, b4 = koefisien regresi

∑X1Y = jumlah antara X1 dengan Y

∑X2Y = jumlah antara X2 dengan Y

∑X3Y = jumlah antara X3 dengan Y

∑Y2 = jumlah Y2

5. Analisi Regresi Linear Berganda

Menurut Umi Narimawati (2008:5) pengertian analisis regresi

linier berganda yaitu : “Suatu analisis asosiasi yang digunakan secara

bersamaan untuk meneliti pengaruh dua atau lebih variabel bebas

terhadap satu variabel tergantung dengan skala interval”. Pengertian

analisis regresi linier berganda menurut Sugiyono (2014), adalah

sebagai berikut : “Analisis yang digunakan peneliti, bila bermaksud

 60

meramalkan bagaimana keadaan (naik turunnya) variabel dependen

(kriterium), bila dua atau lebih variabel independen sebagai faktor

prediktor dimanipulasi (dinaik turunkan nilainya)”.

Y = α + β1X1 + β2X2 + β3X3 +e

Keterangan :
Y : Kepatuhan Wajib Pajak
α : Konstanta
β1 – β4 : Koefisien regresi
X1 : Pengetahuan Perpajakan
X2 : Ketegasan Sanksi Perpajakan
e : Error term

6. Uji Asumsi Klasik

a. Uji Normalitas Regresi

Uji normalitas berguna pada tahap awal dalam metode

pemilihan analisis data. Jika data normal, maka digunakan statistik

parametrik, dan jika data tidak normal, gunakan statistic

nonparametrik. Tujuan uji normalitas data ini adalah untuk mengetahui

apakah dalam model regresi variabel pengganggu atau residual

memiliki distribusi normal. Pengujian ini diperlukan karena untuk

melakukan uji t dan uji F mengasumsikan bahwa nilai residual

mengikuti distribusi normal (Erlina, 2007 : 103). Cara yang digunakan

 61

untuk mendeteksi apakah residual mengikuti berdistribusi normal atau

tidak adalah dengan analisis grafik. Jika data menyebar di sekitar

garis diagonal atau grafik histogramnya menunjukkan pola distribusi

normal, maka model regresi memenuhi asumsi normalitas, demikian

sebelumnya. Menurut Ghozali (2013 : 110), cara yang digunakan

untuk mendeteksi apakah residual berdistribusi normal atau tidak

adalah dengan :

a. Analisis Grafik

Salah satu cara termudah untuk melihat normalitas residual

adalah dengan melihat grafik hiostogram yang membandingkan antara

data observasi dengan distribusi yang mendekati distribusi normal.

Dasar pengambilan keputusannya adalah :

1. Jika data menyebar di sekitar garis diagonal dan mengikuti arah

garis diagonal atau grafik histogramnya menunjukkan pola

berdistribusi normal, maka model regresi memenuhi asumsi

normalitas.

2. Jika data menyebar jauh dari diagonal dan tidak mengikuti arah

garis diagonal atau grafik histogram tidak menunjukkan data

berdistribusi normal, maka model regresi tidak memenuhi asumsi

normalitas.
 62

b. Analisis Statistik

Uji statistik yang dapat digunakan untuk menguji normalitas

residual adalah uji statistik Kolmogrov-Smirnov (K-S)” (Ghozali, 2013 :

115). Uji K-S dibuat dengan membuat hipotesis : Ho : Data residual

berdistribusi normal Ha : Data residual tidak berdistribusi normal Bila

sig > 0 ,0 5 d engan α = 5 %, berarti distribusi d ata normal ( Ho

diterima), sebaliknya bila sig < 0,05 dengan α = 5%, berarti distribusi

data tidak normal (Ha diterima). Distribusi yang melanggar asumsi

normalitas dapat dijadikan menjadi bentuk normal dengan berbagai

cara sebagai berikut :

1. Transformasi data

Transformasi data dapat dilakukan dengan logaritma natural

(ln), log 10, maupun akar kuadrat. Jika ada data yang bernilai

negatif, transformasi data dengan log akan menghilangkannya

sehingga sampel (n) akan berkurang.

2. Trimming

Trimming adalah membuang (memangkas) observasi yang

bersifat outlier, yaitu yang nilainya lebih kecil dari µ-2σ atau lebih

besar dari µ+2σ. Metode ini juga akan mengecilkan sampelnya.

3. Winzorising
 63

Winzorising mengubah nilai - nilai outliers menjadi nilai - nilai

minimum atau maksimum yang diizinkan supaya distribusi menjadi

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

persamaan regresi sederhana, yaitu:

Y = a + b1X1 + b2X2+ b3X3 + b4X4

Keterangan:

Y = Variabel terikat (endegonus)

X= Variabel bebas (eksegonus)

a = Konstanta intersep

b = Koefisien regresi Y atas

b. Uji Multikoliniaritas

Pengujian ini bertujuan untuk menguji apakah model regresi

ditemukan adanya korelasi diantara variabel independen. Model

regresi yang baik seharusnya tidak terjadi korelasi diantara variabel

independen (Ghozali, 2013 : 91). Untuk mendeteksi ada atau tidaknya

multikolonieritas di dalam model regresi adalah sebagai berikut :

 64

1) Menganalisis matrik korelasi variabel – variabel independen, jika

diantara variabel independen ada korelasi yang cukup tinggi

(umumnya diatas 0.1), maka hal ini merupakan indikasi adanya

multikolonieritas.

2) Multikolonieritas dapat juga dilihat dari (1) nilai tolerance dan

lawannya (2) variance inflation factor (VIF), nilai cutoff yang umum

dipakai untuk menunjukkan adanya multikolonieritas adalah nilai

tolerance < 0,10 atau sama dengan nilai VIF > 10. Jika variabel

bebas dapat memenuhi kriteria tersebut maka variable bebas

tersebut tidak mempunyai persoalan multikolinieritas dengan

variabel bebas lainnya.

Jika variabel bebas dapat memenuhi kriteria tersebut maka

variabel bebas tersebut tidak mempunyai persoalan multikolinieritas

dengan variabel bebas lainnya. Uji multikolinieritas dapat dihitung

dengan rumus (Gujarati, 2003:328) sebagai berikut :

Dimana :

VIF = Variance Inflation Factor

rxy = Besarnya korelasi antara variabel x dengan variabel y

 65

Jika terdapat multikolinieritas sempurna akan berakibat

koefisien regeresi tidak dapat ditentukan, serta standar deviasi akan

menjadi tak hingga. Sedangkan jika multikolinieritas kurang sempurna

maka koefisien regresi meskipun berhingga akan mempunyai standar

deviasi yang besar, yang berarti pula koefisien-koefisiennya tidak

dapat ditaksir dengan mudah. Untuk mengetahui ada atau tidaknya

multikolinearitas di dalam suatu model regresi adalah dilihat dari

korelasi yang cukup tinggi (umumnya > 0,1) antar variabel independen,

dimana hal ini mengindikasikan adanya multikoliniaritas.

c. Uji Heteroskedastisitas

Pengujian ini bertujuan untuk melihat apakah dalam model

regresi terjadi ketidaksamaan variabel dari residual satu pengamatan

ke pengamatan lain. Jika variabel residual tersebut tetap, maka

disebut homoskedastisitas dan jika berbeda disebut

heterokedastisitas. Model regresi yang baik adalah homokedastisitas

(Ghozali, 2013 : 105). Ada tidaknya heteroskedastisitas dapat

dilakukan dengan melihat grafik Scaterplot antara nilai prediksi.

Variabel independen dengan nilai residualnya. Uji Heteroskedastisitas

dapat dikaji dengan rumus (Gujarati, 2003:186) sebagai berikut :

 66

Kriteria pengujian :

Jika nilai sig > α Varian tidak ada heteroskedastisitas.

Jika nilai sig < α Varian heteroskedastisitas.

Dasar yang digunakan untuk menentukan heteroskedastisitas

antara lain :

1) Jika ada pola tertentu, seperti titik – titik yang ada membentuk pola

tertentu yang teratur (bergelombang, melebar kemudian

mnenyempit), maka mengindikasikan telah terjadi

heteroskedastisitas.

2) Jika tidak ada pola yang jelas, serta titik – titik yang menyebar di

atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi

heteroskedastisitas.

Apabila terdapat kasus heteroskedastisitas, maka langkah-

langkah dalam mengatasi masalah ini adalah sebagai berikut

(Supranto, 2002:80) :

1) Jika diketahui

Cara yang paling mudah untuk memecahkan persoalan

heteroskedastisitas adalah dengan menggunakan metode kuadrat

 67

tertimbang. Dimana timbangannya untuk mengurangi pengaruh

dari nilai observasi yang ekstrim.

2) Jika tidak diketahui

Sebelumnya dibuat berbagai asumsi tentang dan

berdasarkan asumsi ini, kemudian membuat transformasi terhadap

data yang dipergunakan dalam model dengan maksud agar data

yang sudah dirubah bentuknya mempunyai kesalahan

pengganggu dengan varian yang tetap sehingga tercapai keadaan

homokedastisitas.

7. Uji Hipotesis

a. Uji Signifikansi Korelasi Parsial

Ho: p1 = 0 (tidak terdapat pengaruh secara parsial antara variabel

independen dengan variael dependen)

Ha: p1 ≠ 0 (terdapat pengaruh secara parsial antara variabel bebas

dengan variabel terikat)

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

b. Uji Signifikansi Korelasi Berganda

H0 : p = 0 (tidak ada pengaruh X1, X2, dan X3 terhadap Y )

Ha : p ≠ 0 (ada pengaruh X1, X2, dan X3 terhadap Y)

1) Statistik Uji

R2 = Koefisien determinasi

n = Jumlah data atau kasus

k = Jumlah variabel independen

 69

2) Kriteria Uji

Fo> Ftabel : signifikan, maka H0 ditolak, Ha diterima.

Fo< Ftabel : tidak signifikan, maka H0 diterima, Ha ditolak.

c. Uji Signifikansi Regresi Berganda

Uji signifikansi regresi berganda atau uji statistik F pada

dasarnya menunjukkan apakah semua variabel bebas yang

dimasukkan dalam model mempunyai pengaruh secara bersama -

sama terhadap variabel terikat. Hipotesis nol (Ho) yang hendak diuji

adalah apakah semua parameter dalam model sama dengan nol,

atau :

H0 : β = 0 (tidak ada pengaruh X1, X2, X3 dan X4 terhadap Y)

Ha : β ≠ 0 (ada pengaruh X1, X2, X3 dan X4 terhadap Y)

Artinya, apakah semua variabel bebas bukan merupakan

penjelasan yang signifikan terhadap variabel terikat.

1) Statistik Uji

Keterangan :

R2 = Koefisien determinasi
 70

n = Jumlah data atau kasus

k = Jumlah variabel independen

2) Kriteria Uji

to> ttabel : signifikan, maka H0 ditolak, Ha diterima.

to< ttabel : tidak signifikan, maka H0 diterima, Ha ditolak.

d. Uji Signifikansi Regresi Parsial

Uji signifikansi regresi parsial atau uji statistik t pada dasarnya

menunjukkan seberapa jauh pengaruh satu variabel bebas secara

individual dalam menerangkan variasi variabel terikat. Hipotesis nol

(Ho) yang hendak diuji adalah apakah suatu parameter (bi) sama

dengan nol, atau Ho : bi = 0. Artinya suatu variabel bebas bukan

merupakan penjelasan yang signifikan terhadap variabel

terikat.Hipotesis alternatifnya (Ha) parameter suatu variabel tidak

sama dengan nol, atau Ha : bi ≠ 0. Artinya variabel tersebut

merupakan variabel penjelas yang signifikan terhadap variabel terikat.

1) Statistik Uji

Keterangan :
 71

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

e. Koefisien Determinasi

Koefisein determinasi (R2) dapat dilihat pada nilai Adjusted R

Square yang menunjukkan seberapa besar variabel independent dapat

menjelaskan variabel dependen. Semakin tinggi nilai Adjusted R

Square maka berarti semakin baik model regresi yang digunakan.

Karena menandakan bahwa kemampuan variabel bebas menjelaskan

variabel terikat juga semakin besar, demikian sebaliknya. Nilai

koefisien determinasi adalah 0 ≤ R2 ≤ 1. Kemampuan model dalam

menerangkan variabel dependen semakin baik bila nila-nilai R2

semakin mendekati 1.