BAB III PEMBAHASAN

A. Analisis Variansi Multivariat (MANOVA) Pada kasus multivariat, analisis sebagai perluasan dari Analisis Variansi disebut Analisis Variansi Multivariat merupakan teknik analisis data tentang perbedaan pengaruh beberapa variabel independen dalam skala nominal terhadap sekelompok variabel dependen dalam skala rasio. Skala nominal adalah tingkat mengkategorikan obyek yang diteliti dengan angka yang diberikan pada obyek mempunyai arti sebagai label saja, sedangkan skala rasio adalah ukuran nilai absolute pada objek yang akan diteliti dan mempunyai nilai nol (0). Menurut Suryanto (1988: 86) analisis variansi itu disebut Analisis Variansi Multivariat (MANOVA). Pada kasus multivariat, misal terdapat sekumpulan sampel acak yang diambil dari setiap g populasi sebagai berikut: Populasi 1 : Populasi 2 :

Populasi g : terdapat tiga asumsi dasar yang diperlukan oleh sekumpulan sampel acak di atas, yaitu: 1. , (l = 1, 2, ,g) adalah sampel acak berukuran suatu populasi dengan rata - rata . dari

2. Matriks kovariansi antara g populasi sama. 3. Setiap populasi adalah normal multivariat. 26

27 Sebelum dilakukan analisis variansi multivariat lebih lanjut, terlebih dahulu akan diuji ketiga asumsi-asumsi dasar tersebut menyatakan bahwa dari sekumpulan data multivariat sampel acak berukuran rata , (l = 1, 2, ,g) merupakan

yang diambil dari suatu populasi dengan vektor rata-

dan saling bebas. Pernyataan ini adalah jelas tanpa perlu diuji karena

untuk tujuan uji perbedaan maka sekumpulan data multivariat dari setiap populasi harus diambil secara acak dan saling bebas satu sama lain.

1. Uji Homogenitas Matriks Statistika uji diperlukan untuk menguji homogenitas matriks varianskovarians dengan hipotesis sedikit satu diantara sepasang dan ada paling

yang tidak sama. Jika dari masing-masing

populasi diambil sampel acak berukuran n yang saling bebas maka penduga tak bias untuk adalah S, ( ) adalah matriks sedangkan untuk penduga tak biasnya

Untuk menguji hipotesis di atas dengan tingkat signifikansi , digunakan kriteria uji berikut: ditolak jika ( ) dengan
( ( ) ( ))

( ) dan

diterima jika

( (

) (

))

28 ( ) | | ( ) | |

)(

Dengan bantuan program SPSS, uji homogenitas matriks varianskovarians dapat dilakukan dengan Uji Boxs M. Jika nilai sig. > , maka H0 diterima sehingga dapat disimpulkan matriks varians-kovarians dari l-populasi adalah sama atau homogen. Adapun langkah-langkah uji homogenitas varianskovarians menggunakan program SPSS 16 adalah sebagai berikut: a. Dari worksheet, entry data dilakukan melalui Variable View dan Data View. b. Dari menu utama SPSS dipilih menu Analyze, kemudian submenu General Linear Mode dipilih Multivariat. c. Setelah tampak dilayar tampilan window Multivariat, kemudian melakukan entry variabel-variabel yang sesuai pada kotak Dependent Variables dan Fixed Factor(s). d. Selanjutnya Option dipilih Homogenitas test dan Continue, terakhir OK.

2. Uji Normalitas Multivariat Metode statistika multivariat MANOVA mensyaratkan terpenuhinya asumsi distribusi normalitas dengan hipotesis adalah normal multivariat dan Berdasarkan Teorema 2.2, jika Data berdistribusi

Data tidak berdistribusi normal multivariat. berdistribusi normal multivariat

29 maka ( ) ( ) berditribusi . Berdasarkan sifat ini maka

pemeriksaan distribusi normal multivariat dapat dilakukan pada setiap populasi dengan cara membuat q-q plot atau scatter-plot dari nilai ) ( ) (

Tahapan dari pembuatan q-q plot ini adalah sebagai berikut (Johnson & Wichern, 2002: 187) a) Mulai b) Tentukan nilai vektor rata-rata: c) Tentukan nilai matriks varians-kovarians: d) Tentukan nilai jarak mahalanobis atau kuadrat general setiap titik pengamatan dengan vektor rata-ratanya ( ) ( )

e) Urutkan nilai f) Tentukan nilai g) Tentukan nilai ((

dari kecil ke besar:

( )

( )

( )

( )

sedemikian hingga

atau

( )

) ).
()

h) Buat scatter-plot

dengan

i) Jika scatter-plot ini cenderung membentuk garis lurus dan lebih dari 50% nilai multivariat. j) Selesai ( ), maka diterima artinya data berdistribusi normal

30 Implementasi pembuatan q-q plot dari nilai ( ) ( )

dalam macro MINITAB disajikan pada Lampiran 4 halaman 59. Pada Analisis Variansi Univariat, keputusan dibuat berdasarkan satu statistika uji yaitu uji F yang nilainya ditentukan oleh hasil bagi dari dua ratarata jumlah kuadrat, sebagai taksiran hasil bagi taksiran variansi-variansi yang bersangkutan. Pada Analisis Variansi Multivariat ada beberapa statistik uji yang dapat digunakan untuk membuat keputusan, yaitu: (Kattree & Naik, 2000: 66) a) Pillais Trace. Statistik uji ini paling cocok digunakan jika asumsi homogenitas matriks varians-kovarians tidak dipenuhi, ukuran-ukuran sampel kecil, dan jika hasil-hasil dari pengujian bertentangan satu sama lain yaitu jika ada beberapa vektor rata-rata yang bereda sedang yang lain tidak. Semakin tinggi nilai statistik Pillais Trace, pengaruh terhadap model semakin besar. Statistik uji Pilllais Trace dirumuskan sebagai: ( ) ( ) | | | | ( )

dimana

adalah akar-akar karakteristik dari ( ) ( ).

( ) = matriks varians-kovarians galat pada MANOVA ( ) = matriks varians-kovarians perlakuan pada MANOVA b) Wilks Lambda. Statistik uji digunakan jika terdapat lebih dari dua kelompok variabel independen dan asumsi homogenitas matriks varianskovarians dipenuhi. Semakin rendah nilai statistik Wilks Lambda,

31 pengaruh terhadap model semakin besar. Nilai Wilks Lambda berkisar antara 0-1. Statistik uji Wilks Lambda dirumuskan sebagai: ( ) | | | | ( )

c) Hotellings Trace. Statistik uji ini cocok digunakan jika hanya terdapat dua kelompok variabel independen. Semakin tinggi nilai statistik Hotellings Trace, pengaruh terhadap model semakin besar. Nilai Hotellings Trace > Pillais Trace. Statistik uji Hotellings dirumuskan sebagai: ( ) ( ) ( )

d) Roys Largest Root. Statistik uji ini hanya digunakan jika asumsi homogenitas varians-kovarians dipenuhi. Semakin tinggi nilai statistik Roys Largest Root, pengaruh terhadap model semakin besar. Nilai Roys Largest Root > Hotellings Trace > Pillais Trace. Dalam hal pelanggaran asumsi normalitas multivariat, statistik ini kurang robust (kekar) dibandingkan dengan statistik uji yang lainnya. Statistik uji Roys Largest Root dirumuskan sebagai: ( ) ( )

akar karakteristik maksimum dari ( ) ( )

B. One-Way MANOVA Salah satu model MANOVA sebagai perluasan dari One-Way ANOVA adalah One-Way MANOVA. Model ini dengan pengaruh tetap dapat

32 digunakan untuk menguji apakah ke-g populasi (dari satu faktor yang sama) menghasilkan vektor rata-rata yang sama untuk p variabel respon atau variabel dependent yang diamati dalam penelitian. Untuk membandingkan vektor rata-rata populasi g berdasarkan bentuk model One-Way ANOVA adalah dan Np( , dengan

adalah galat yang diasumsikan bebas dan berdistribusi

) untuk data multivariat. Suatu vektor dari pengamatan data multivariat dianalisis berdasarkan

bentuk (2-18) dan bentuk (2-19) mengacu untuk jumlah kuadrat pada model One-Way MANOVA. Sehingga digunakan, ( )( )

dapat di tulis sebagai berikut :

( )( ) (( ) ( )) (( ) ( )) ( )

( (

)( )(

( ) (

)( )(

) )

Jumlah untuk semua pengamatan ke-l berdasarkan bentuk (3-5) dirumuskan sebagai berikut
( )( ) ( )( ) ( )( ) ( )

dengan

Selanjutnya bentuk (3-6) dijumlahkan untuk

semua populasi menghasilkan jumlah pengamatan total

33 ( )( ) ( )( )

)(

Untuk bentuk (3-7), misalkan ( ( ) )( ( ) ) ( ) ( )

dimana Sl adalah matriks kovariansi sampel ke-l. Matriks tersebut mempunyai peran yang dominan dalam pengujian untuk ada tidaknya pengaruh perlakuan. Analog pada univariat, hipotesis tanpa pengaruh perlakuan pada multivariat dapat dirumuskan dengan ( ) dan

Ho :

, dengan

Dapat diuji kesamaan vektor rata-rata dengan mencari matriks jumlah kuadrat dan hasil kali untuk perlakuan dan sisa. Secara akuivalen, akan didapat hubungan ukuran relatif dari galat (sisa) dan total (koreksi) jumlah dari kuadrat dan hasil kali berdasarkan bentuk (3-7). Untuk perhitungan statistik uji digunakan tabel MANOVA

34 TABEL 2. One-Way MANOVA Sumber Variansi Perlakuan ( Matriks jumlah dari kuadrat dan hasil kali )( ) Derajat kebebasan g1

Galat (sisa)

)(

total

)(

Pengujian One-Way MANOVA mempunyai hipotesis dan secara umum | | | Ukuran | || | | | ( ( )( )( )| ) | ( ) ( ). Ho ditolak jika perbandingan dari variansi

| berdasarkan statistik uji Wilks lambda. Untuk

menentukan distribusi * digunakan statistika uji pada tabel 3 sebagai berikut:

35 Tabel 3. Distribusi dari Wilks lambda Variabel p=1 Grup 2

| | | |

Distribusi sampling untuk data normal multivariat ( )( ) )

p=2

)(

) (

p 1

=2

)(

p 1

=3

)(

Distribusi sampling data normal multivariat disesuaikan dengan hasil uji F pada kasus univariat bentuk (2-23), sehingga untuk kasus multivariat Ho ditolak jika statistika uji berdasarkan tabel 3 lebih besar daripada (>) distribusi sampling F. Dengan bantuan program MINITAB 14 dapat dilakukan pengujian MANOVA. Jika nilai sig. > maka H0 diterima sehingga dapat disimpulkan tidak terdapat perbedaan pengaruh perlakuan di antara populasi. Adapun langkah-langkah pengujian MANOVA menggunakan program MINITAB 14 dalam Lampiran 5 halaman 61.

C. Selang Kepercayaan Simultan untuk Beberapa Pengaruh Perlakuan Dalam pengujian One-Way MANOVA, diperoleh kesimpulan

menerima atau menolak H0. Ketika H0 diterima maka kasus untuk pengujian One-Way MANOVA selesai, tetapi jika hipotesis H0 ditolak yaitu terdapat

36 perbedaan atau paling tidak ada satu , maka digunakan selang

kepercayaan simultan untuk memperkirakan besarnya perbedaan perlakuan antara populasi. Untuk pasangan yang dibandingkan, pendekatan Bonferroni dapat digunakan untuk proses selang kepercayaan bersama pada bagian-bagian yang berbeda seperti dari

atau

. Misalkan dan perkiraan dari

merupakan perlakuan ke-i adalah

( )

dengan

sehingga

adalah perbedaan di antara dua sampel bebas.

Perhatikan bahwa ( *(( ) ) ( ( ) )) +

*( [( ( )( ( ( ( ( ) ) ) )

( ( )( ) ( )(

)( ( )

) (( ) (

( ) ( )( )

) +

))

) ( ( ) ( ) ) )

) +

( ) ( ( ) ) )

( ( )

37 dengan adalah diagonal unsur ke-i dari dan .

Dari bentuk (3-8) dapat dirumuskan untuk ( ( ( dengan ) dan adalah diagonal unsur ke-i dari W. ) ( ) ( ( )) )

Sehingga persamaan (3-11) menjadi

( ) ( ) ( )

Pada kasus One-Way MANOVA terdapat p variabel untuk setiap g populasi dan misalkan adalah banyaknya kombinasi dua dari g, apabila

perbedaan-perbedaan memuat dua vektor rata-rata populasi yang digunakan dan banyaknya perbedaan itu . Berdasarkan selang kepercayaan dua sampel-t digunakan nilai kritis
(

), dengan
) ( ) ( )

dan m adalah jumlah dari pernyataan kepercayaan simultan. Untuk model MANOVA dengan kepercayaan ( simultan untuk perbedaan ( )
adalah

), selang kepercayaan

Untuk setiap komponen

dan semua

38 D. Penerapan pada Data Perpajakan Kantor Pelayanan Pajak (KPP) adalah tempat pelayanan untuk semua transaksi perpajakan. Dalam hal pembayaran pajak digunakan Surat Setoran Pajak (SSP) oleh setiap wajib pajak. Besarnya jumlah SSP dapat menunjukkan kesadaran masyarakat dalam membayar pajak, semakin banyak SSP maka tingkat kesadaran masyarakat tinggi. Tingkat kesadaran dianalisis oleh masingmasing KPP sebagai tingkat kepatuhan wajib pajak dalam membayar pajak. Untuk mengamati ada tidaknya perbedaan tingkat kepatuhan wajib pajak dalam membayar Pajak Penghasilan (PPh) di masing-masing KPP menggunakan data jumlah Surat Setoran Pajak (SSP). Populasi dalam penelitian ini adalah banyaknya Surat Setoran Pajak (SSP) untuk penerimaan Pajak Penghasilan (PPh) di KPP Pratama Yogyakarta, Sleman dan Wonosari yang telah dikeluarkan oleh Direktorat Jenderal Pajak. Adapun jenis pajak penghasilan yang dianalisis pengaruhnya untuk masingmasing KPP adalah Pajak Penghasilan Pasal 21 (PPh Pasal 21), Pajak Penghasilan Pasal 22 (PPh Pasal 22), Pajak Penghasilan Pasal 23 (PPh Pasal 23), Pajak Penghasilan Pasal 25/29 OP (PPh Pasal 25/29 OP), Pajak Final dan FLN. Lima jenis PPh dihitung berdasarkan jumlah SSP perbulan, sehingga terdapat variabel dependen p = 5.

39 Masalah dibentuk berdasarkan rancangan sebagai berikut: Tabel 4. Rancangan Kasus One-Way MANOVA
KPP Pratama Yogyakarta KPP Pratama Sleman KPP Pratama Wonosari

Keterangan:

= PPh Pasal 21,

= PPh Pasal 22,

= PPh Pasal 23,

PPh Pasal 25/29 Orang Pribadi, dan

= PPh Final dan FLN.

Masalah diselesaikan menggunakan model One-Way MANOVA untuk membandingkan pengaruh perlakuan pada populasi adalah

pemisalan dari ketiga KPP. Perlakuan-perlakuan itu dianalisis secara acak pada tiap kelompok. Masing-masing kelompok merupakan sampel acak dari populasi data SSP Penghasilan karena masih banyak SSP perbulannya dari suatu populasi untuk beberapa periode penerimaan pajak. Tujuan penelitian ini adalah ingin mengetahui tingkat kepatuhan pembayar pajak atau wajib pajak pada masing-masing Kantor Pelayanan Pajak dengan menganalisis apakah banyaknya SSP Penghasilan antara KPP berbeda atau tidak. Data rancangan jumlah SSP di tiga KPP disajikan pada Lampiran 1 halaman 51. Analisis statistik meliputi rata-rata dan matriks kovariansi untuk setiap kelompok populasi g = 3 menggunakan program MINITAB 14 dalam Lampiran 2 halaman 53 diberikan pada tabel berikut:

40 Tabel 5. Rangkuman Analisis Data

Kelompok Jumlah observasi Vektor rata-rata sampel

l = 1 (KPP Pratama Yogyakarta)

24 24 [ ] [ ]

l = 2 (KPP Pratama Sleman) l = 3 (KPP Pratama Wonosari)

12

[ ]

Total

Matriks kovariansi sampel

Sebelum dilakukan pengujian One-Way MANOVA, terlebih dahulu akan dilakukan pengujian dua asumsi dasar untuk data multivariat sebagai berikut: a) Uji Homogenitas Matriks Kovariansi ( ) Karena berdasarkan output SPSS 16 dari tabel Boxs Test pada Lampiran 3

41 halaman 54 diperoleh nilai signifikansi = 0,000 < 0,05 maka H0 ditolak.

Sehingga dapat disimpulkan bahwa matriks varians-kovarians dari ketiga populasi berbeda. b) Uji Normal Multivariat Karena berdasarkan tabel normal multivariat populasi pada Lampiran 4 halaman 55 untuk tabel populasi satu, populasi dua, dan populasi tiga diperoleh lebih dari 50% ( ) maka H0 diterima. Sehingga dapat

disimpulkan bahwa data berdistribusi multinormal dari ketiga populasi. Hasil dari uji homogenitas matriks varians-kovarians tidak dipenuhi tetapi uji normalitas multivariat untuk kasus di atas dipenuhi. Namun demikian, analisis masih dapat diteruskan untuk perhitungan MANOVA dengan menggunakan keputusan pengujian MANOVA. Selanjutnya, akan dilakukan pengujian hipotesis tentang perbedaan antar vektor-vektor pengaruh perlakuan yang berasal dari tiga populasi. a) Uji One-Way MANOVA Untuk mengetahui tingkat kepatuhan pembayar pajak dengan analisis jumlah SSP Penghasilan pada populasi lebih dari dua dan asumsi homogenitas matriks varians-kovarians tidak dipenuhi, maka statistik uji yang cocok digunakan dalam bentuk One-Way MANOVA adalah statistik uji dari Pillais Trace: ( ). Berdasarkan output pengujian One-way MANOVA

pada Lampiran 5 halaman 64 untuk statistik uji Pillais Trace diperoleh nilai signifikansi = < 0,000 < 0,05 maka H0 ditolak. Sehingga dapat

42 disimpulkan bahwa vektor-vektor pengaruh perlakuan dari ketiga populasi berbeda. Dengan kata lain, terdapat perbedaan jumlah SSP Penghasilan antara ketiga KPP. b) Uji Pengaruh Perlakuan Selanjutnya, untuk mengetahui perbedaan vektor-vektor pengaruh perlakuan antara ketiga populasi berdasarkan masing-masing jenis Pajak Penghasilan digunakan selang kepercayaan simultan untuk lebih dari dua populasi. Adapun rumusan untuk ( ) adalah ( )

untuk dengan,

dan

[ ] [ ] [ ]

[ ] [ ] [ ]

[ ( ) ] [ ( ] [ ) ) ] ( ) ( )

( )( )(

43 ( ( ) ) ( ( ) ( ) ) ( )

Perhitungan MINITAB 14 dan output hasil pada Lampiran 6 halaman 65 diperoleh

Hasil perhitungan untuk selang pengaruh perlakuan pada tiga populasi menggunakan program komputer Microsoft Excel disajikan pada Lampiran 7 halaman 67. Perbedaaan untuk masing-masing jumlah SSP Penghasilan di antara kedua KPP dianalisis menggunakan interval plots pada program MINITAB 14 dan hasil output pada Lampiran 8 halaman 68. Berdasarkan Lampiran 7 baris keempat dan baris keenam sampai baris kelimabelas diperoleh nilai selang kepercayaan untuk batas atas dan batas bawah memiliki kedua hasil yang positif, sehingga artinya

terdapat perbedaan pengaruh perlakuan antara kedua KPP terhadap jumlah SSP Penghasilan ke-i dengan i adalah Pasal 21, Pasal 22, Pasal 23, Pasal 25/29 OP, Final dan FLN. Untuk interval plots pada Lampiran 8 diperoleh juga hasil bahwa untuk semua jumlah SSP Penghasilan antara KPP Pratama Wonosari dengan dua KPP lainnya memiliki perbedaan yang signifikan karena interval plots dari KPP Pratama Wonosari dengan dua KPP lainnya berada pada kisaran nilai yang cukup jauh. Sedangkan untuk jumlah SSP keempat PPh di KPP Pratama Yogyakarta dan KPP Pratama Sleman tidak terdapat perbedaan

44 kecuali untuk jumlah SSP Penghasilan Pasal 25/29 OP memiliki perbedaan yang signifikan. Sehingga dari Lampiran 7 dan Lampiran 8 diperoleh kesimpulan tentang perbedaan pengaruh jumlah SSP kelima Pajak Penghasilan di KPP Pratama Yogyakarta, KPP Pratama Sleman, dan KPP Pratama Wonosari, yaitu terdapat perbedaan untuk semua jumlah Surat Setoran Pajak Penghasilan di KPP Pratama Wonosari dengan dua KPP lainnya dan terdapat perbedaan yang signifikan untuk jumlah SSP Penghasilan Pasal 25/29 OP di KPP Pratama Yogyakarta dan KPP Pratama Sleman. Sedangkan untuk jumlah SSP Penghasilan lainnya tidak memiliki perbedaan yang signifikan.