BAB IV

HASIL PENELITIAN

4.1 Gambaran Umum Responden

Bagian ini menyajikan gambaran umum mengenai responden yang berpartisipasi dalam

penelitian. Data yang diperoleh dari hasil penyebaran kuesioner kemudian dikelompokkan

berdasarkan beberapa karakteristik tertentu, seperti usia, jenis kelamin, tingkat pendidikan, dan

pekerjaan.

Adapun jumlah responden dalam penelitian ini sebanyak (isi jumlah responden) orang,

yang terdiri dari berbagai latar belakang. Berikut adalah distribusi karakteristik responden

berdasarkan data yang dikumpulkan:

1. Jenis Kelamin

Responden terdiri dari 55% laki-laki dan 45% perempuan.

2. Usia

Responden dikelompokkan berdasarkan rentang usia dengan distribusi sebagai berikut:

Usia : 18-25 tahun : 30 %

Usia : 26-35 tahun : 45 %

Usia : 36 tahun ke atas : 35 %

3. Pendidikan Terakhir

Responden memiliki tingkat pendidikan yang beragam, terdiri dari (persentase SMA 25% ,

D3 30%, S1 35%, S2 10%,

4. Pekerjaan

Mayoritas responden bekerja sebagai dengan rincian sebagai berikut:

Wiraswasta: 25 %

Pegawai Negeri Sipil: 25%

Pegawai Swasta: (jumlah persen) 50 %

Dan hasil distribusi tersebut, dapat disimpulkan bahwa mayoritas responden berasal dari

kelompok usia 26-35 tahun, berjenis kelamin laki-laki, berpendidikan S1, dan bekerja sebagai

pegawai swasta.

4.2 Uji Validitas

Dasar pengambilan uji validitas dapat dilakukan dengan cara :

Perbandingan nilai r hitung dengan r tabel

1. Jika nilai r hitung ≥ r tabel = Valid

2. Jika nilai r hitung ≤ r tabel = Tidak Valid

 Cara mencari nilai r tabel dengan Df= (N-2) = 120 pada signifikansi 5% pada distribusi

nilai r tabel statistik. Maka diperoleh nilai r tabel sebesar 0,179.

R hitung lebih besar dari r tabel, maka item dikatakan valid dan sebaliknya jika r hitung

lebih kecil dari r tabel maka item dikatakan tidak valid. Cara mencari nilai r hitung menggunakan

program SPSS

Menurut (Novikasari, 2017) pengambilan keputusan uji validitas adalah

Jika rhitung ≥ rtabel, maka data valid

Jika rhitung ≤ rtabel, maka data tidak valid

tabel 4.1
Hasil Uji Validitas X
r- P, (sig)
total Y keterangan
No. Nama tabeel <0,05
P1 Pearson
Correlatio 0
n 0,699 0,179 Valid
P2 Pearson
Correlatio 0
n 0,662 0,179 Valid
P3 Pearson
Correlatio 0
n 0,695 0,179 Valid
P4 Pearson
Correlatio 0
n 0,633 0,179 Valid
P5 Pearson
Correlatio 0
n 0,683 0,179 Valid
P6 Pearson
Correlatio 0
n 0,431 0,179 Valid
P7 Pearson
Correlatio 0
n 0,649 0,179 Valid
P8 Pearson
Correlatio 0
n 0,658 0,179 Valid
 P9 Pearson
Correlatio 0
n 0,529 0,179 Valid
P10 Pearson
Correlatio 0
n 0,476 0,179 Valid
Sumber: Data diolah Pada SPSS

Berdasarkan data di atas r hitung untuk variabel X yang item 1 sampai 10 menunjukkan

bahwa pernyataan adalah valid karena, nilai r hitung lebih besar dari r tabel = 0,179. Maka hasil

dari semua pernyataan atau hasil kuesioner dikatakan valid.

Tabel 4.2

Hasil Uji Validitas Y

No total r- P, (sig) keteranga

. Nama Y tabeel <0,05 n
P1 Pearson
Correlation 0
0.523 0,179 Valid
P2 Pearson
Correlation 0
0.513 0,179 Valid
P3 Pearson
Correlation 0
0.430 0,179 Valid
P4 Pearson
Correlation 0.563 0,179 0 Valid
P5 Pearson
Correlation 0
0.489 0,179 Valid
P6 Pearson
Correlation 0.575 0,179 0 Valid
P7 Pearson
Correlatio 0
n 0.506 0,179 Valid
P8 Pearson
Correlatio 0
n 0.408 0,179 Valid
P9 Pearson
Correlatio 0,02
n 0.282 0,179 Valid
P1 Pearson
0
Correlatio 0
n 0.361 0,179 Valid
Sumber: Data diolah Pada SPSS
 Berdasarkan data di atas r hitung untuk variabel Y yang 1 sampai 10 menunjukkan bahwa

pernyataan adalah valid karena, nilai r hitung lebih besar dari r tabel = 0,179. Maka hasil dari

semua pernyataan atau hasil kuesioner dikatakan valid.

4.3 Uji Reliabilitas

Uji reliabilitas dilakukan dengan cara membandingkan angka Cronbach’s Alpha dengan

ketentuan nilai Cronbach’s Alpha minimal 0,6. Yang berarti jika nilai Cronbach’s Alpha yang

didapat dari hasil perhitungan spss lebih besar dari 0,6 maka dapat disimpulkan kuesioner

tersebut reliabel. Sebaliknya jika Cronbach’s Alpha lebih kecil dari 0,6 maka disimpulkan tidak

reliabel.

Tabel 4.3
Hasil Uji Reliabilitas X

Reliability Statistics
Cronbach's
Alpha N of Items
.812 10
Sumber: Data diolah Pada SPSS

Berdasarkan hasil pengujian reliabilitas diatas, maka variabel Pemngambilan Keputusan

diketahui nilai Cronbach’s Alpha adalah sebesar 0,751 Jadi angka tersebut 0,751 lebih besar dari

nilai minimal Cronbach’s Alpha 0,6. Oleh karena itu, dapat disimpulkan bahwa instrumen

penelitian yang digunakan untuk mengukur variabel dapat dikatakan reliabel atau handal.

Tabel 4.4
 Hasil Uji Reliabilitas Y

Reliability Statistics
Cronbach's
Alpha N of Items
.605 10
Sumber: Data diolah Pada SPSS

Berdasarkan hasil pengujian reliabilitas diatas, maka variabel Pemngambilan Keputusan

diketahui nilai Cronbach’s Alpha adalah sebesar 0,605 Jadi angka tersebut 0,605 lebih besar dari

nilai minimal Cronbach’s Alpha 0,6. Oleh karena itu, dapat disimpulkan bahwa instrumen

penelitian yang digunakan untuk mengukur variabel dapat dikatakan reliabel atau handal.

Dengan demikian, semua variabel dalam penelitian ini memnuhi standar reabilitas yang

diperlukan, sehingga instrumen yang digunakan layak untuk analisis lebih lanjut.

4.4 Uji Korelasi

Korelasi Pearson Product Moment, merupakan pengukuran parametrik, akan

menghasilkan Koefisien korelasi yang berfungsi untuk mengukur kekuatan hubungan linier

antara dua variabel (Cici & Akhri, 2022)

Uji korelasi bertujuan untuk mengetahui tingkat keerataan hubungan ikatan variable yang

dinyatakan dengan koefisien korelasi. Jenis hubungan antara variabel X dan Y dapat bersifat

positif dan negatif.

Dasar pengambilan keputusan

Jika nilai signifikansi < 0,05 maka berkorelasi

Jika nilai signifikansi > 0,05 maka tidak berkorelasi

 Tabel 4.5
Uji Korelasi Pearson

Correlations
total X total Y
total X Pearson Correlation 1 .552**
Sig. (2-tailed) .000
N 120 120
**
total Y Pearson Correlation .552 1
Sig. (2-tailed) .000
N 120 120
**. Correlation is significant at the 0.01 level (2-tailed).
Sumber: Data diolah Pada SPSS

Terdapat hubungan positif yang signifikan antara variabel X dan variabel Y dengan

koefisien korelasi 0.552 dan p-value = 0.000. Artinya, semakin tinggi nilai X, maka semakin

tinggi nilai Y.

4.5 Uji Asumsi Klasik

Uji asumsi klasik digunakan untuk memberikan pre-test atau uji awal terhadap suatu

perangkat atau instrument yang digunakan dalam pengumpulan data dan jenis data yang akan di

proses lebih lanjut dari suatu kumpulan data awal yang telah diperoleh, sehingga syarat untuk

untuk mendapatkan data yang tidak biasa menjadi terpenuhi.

4.5.1 Uji Normalitas

Uji normalitas dilakukan untuk memastikan apakah data yang digunakan berdistribusi

normal atau tidak, sehingga diyakini dapat mewakili seluruh populasi. Berikut ini merupakan

hasil uji normalitas menggunakan SPSS, dengan menggunakan residual.

Tabel 4.6
 Uji Normalitas

One-Sample Kolmogorov-Smirnov Test

Unstandardized
Residual
N 120
Normal Parametersa,b Mean .0000000
Std. Deviation 3.79952284
Most Extreme Differences Absolute .054
Positive .043
Negative -.054
Test Statistic .054
Asymp. Sig. (2-tailed) .200c,d
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
d. This is a lower bound of the true significance.
Sumber: Data diolah Pada SPSS

Berdasarkan tabel 4.6 Di atas ditunjukkan hasil pengujian data dengan menggunakan One-

sample Kolmogorov-smirnov test bahwa hasil Asymp. Sig. (2-tailed) sebesar 0,200. Artinya

bahwa nilai signifikansi lebih dari 0,05 distribusi data adalah normal, sehingga memperkuat

kesimpulan bahwa pengujian dengan menggunakan Normal Probability plot bahwa data telah

berdistribusi normal hal ini dapat dilihat dari besarnya nilai signifikan 0,200 lebih dari 0,05.

Dengan demikian dapat disimpulkan bahwa nilai One-sample Kolmogorov-smirnov test lebih

besar dari nilai signifikansinya, maka data telah berdistribusi normal.

4.5.2 Uji Multikolinieritas

Multikolinieritas menguji apakah ada kemiripan antara variabel antara variabel independen

dengan variabel independen lainnya dalam satu model. Diketahui Multikolinieritas jika nilai

Tolerance ≤ 0,10 atau sama dengan VIP ≥ 10.

 Tabel 4.7

Uji Multikolinieritas

Coefficientsa
Collinearity Statistics
Model Tolerance VIF
1 total X 1.000 1.000
a. Dependent Variable: total Y

Sumber: Data diolah Pada SPSS

Berdasarkan Tabel 4.7 hasil uji multikolinearitas, dapat ditafsirkan bahwa nilai tolerance

untuk variabel X (Teknologi Informasi) sebesar 1,00 ≥ 0,10 Selain itu, nilai VIF untuk variabel

X (Teknologi Informasi) sebesar 1,00 ≤ 10. Karena nilai tolerance lebih dari 0,10 dan nilai VIF

kurang dari 10,disebabkan tidak adanya variabel independen Lin untuk dibandingkan, maka

dapat disimpulkan bahwa tidak terjadi multikolinearitas dalam model regresi ini.

4.5.3 Uji Heteroskedasitas

Tabel 4.8
Hasil Uji Heteroskedasitas

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 2.894 1.444 2.003 .047
total X .003 .037 .008 .084 .933
a. Dependent Variable: abs_res

Sumber: Data diolah Pada SPSS

 Berdasarkan dari hasil uji heteroskedasitas dimana nilai sig. variabel X (Teknologi

Informasi) 0,933 ≥ 0,05. Maka dapat disimpulkan bahwa tidak terjadi heterokedasitas.

4.6 Analisis Regresi Linear Sederhana

Tujuan dari pengujian ini dalam penelitian adalah untuk membuktikan perngaruh satu

variabel bebas terhadap variabel terikat dengan judul. Pengaruh teknologi informasi dalam

meningkatkan kepatuhan wajib pajak di kota siantar.

Tabel 4.9

Uji Analisis Linear Sederhana

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 19.727 2.388 8.260 .000
total X .436 .061 .552 7.184 .000
a. Dependent Variable: total Y
Sumber: Data diolah Pada SPSS

Berdasarkan tabel output regresi, persamaan regresi linier sederhananya adalah:

Y = a + bX+ e

Dimana:

Y = Total Y (variabel dependen)

a = Konstanta (Intercept) = 19.727

b = Koefisien regresi X = 0.436

X = Total X (variabel independen)

Sehingga persamaannya menjadi:

Y = 19.727 + 0.436 X
1. Konstanta (Intercept) = 19.727

2. Koefisien Regresi X = 0.436

Nilai konstanta (a) yang diperoleh sebesar 19.727 maka bisa diaartikan jika variabel X

(Teknologi Informasi) dianggap bernilai 0 (konstatan) dan tidak mengalami perubahan, maka

variabel pengambilan Y (Kepatuhan Wajib Pajak) tetap bernilai 19. 727.

Nilai koefisien regresi variabel bernilai positif (+) sebesar 1,203 maka bisa diartikan

bahwa iika variabel X (Teknologi Informasi) meningkat maka variabel Y (Kepatuhan Wajib

Pajak) juga meningkat, begitu juga sebaliknya.

Hasil ini menunjukkan bahwa X (Teknologi Informasi) memiliki pengaruh positif

terhadap variabel Y (Kepatuhan Wajib Pajak).

4.7 Uji Hipotesis

Uji hipotesis dalam regresi linear sederhana bertujuan untukk mengetahui apakah variabel

independen X berpengaruh signifikansi terhadap variabel dependen Y.

4.7.1 Uji Signifikansi Parsial (Uji Statistik T)

Tabel 4.10
Hasil Uji Signifikansi Parsial

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 19.727 2.388 8.260 .000
total X .436 .061 .552 7.184 .000
a. Dependent Variable: total Y
Sumber: Data diolah Pada SPSS

Berdasarkan hasil analisis data, variabel X (Teknologi Informasi) memiliki pengaruh

yang signifikan terhadap Y (Kepatuhan Wajib Pajak). Hal ini dibuktikan dengan nilai t-hitung

sebesar 7,184, yang lebih besar dari t-tabel sebesar 1,980, serta nilai signifikansi 0,000 ≤ 0,05.

Karena nilai signifikansi lebih kecil dari 0,05, dapat disimpulkan bahwa variabel X (Teknologi

Informasi) memiliki pengaruh yang signifikan terhadap variabel Y (Kepatuhan Wajib Pajak).

Berdasarkan hasil penelitian, dapat diketahui bahwa variabelX teknologi informasi

memiliki pengaruh terhadap variabel Y meningkatkan kepatuhan wajib pajak di kota siantar

4.8 Uji Determinasi (R2)

Uji determinasi bertujuan untuk mengukur seberapa besar variabel X dapat menjelaskan

variasi variabel Y dalam model regresi.

Tabel 4.11
Uji Determinasi (R2)

Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
a
1 .552 .304 .298 3.816
a. Predictors: (Constant), total X

Sumber: Data diolah Pada SPSS

Berdasarkan hasil koefisien determinasi (R2) di atas, pada R Square adalah sebesar 0,304

ini berarti bahwa 30,4% vaiasi dari satu variabel independent yaitu X (Teknologi Informasi).

Sementara 70,6% dipengaruhi oleh variabel lain diluar variabel independent penelitian ini.