BAB V ANALISIS DATA DAN PEMBAHASAN
B. Analisis Data
Populasi sasaran yang digunakan dalam penelitian ini berjumlah 93 perusahaan selama 3 tahun (2016-2018). Variabel yang digunakan dalam penelitian ini adalah corporate social responsibility, leverage, profitabilitas dan Effective Tax Rate (ETR).
1. Statistik Deskriptif
Analisis statistik deskriptif digunakan untuk mengetahui gambaran atau deskripsi suatu data yang dapat dilihat dari nilai rata-rata (mean), minimum, maksimum, dan standar deviasi dari keseluruhan populasi sasaran (Ghozali, 2006: 19). Tabel 7 analisis deskriptif menunjukkan keseluruhan populasi sasaran dalam penelitian ini sebanyak 93.
Pada variabel praktik penghindaran pajak yang diukur dengan menggunakan Effective Tax Rate (ETR) memiliki nilai minimum sebesar 0,0589; nilai maksimum sebesar 0,5809; nilai rata-rata (mean) sebesar 0,270412; dan standar deviasi sebesar 0,0932904.
Pada variabel corporate social responsibility memiliki nilai minimum sebesar 0,2821; nilai maksimum sebesar 0,8205; nilai rata-rata (mean) sebesar 0.599531; dan standar deviasi sebesar 0,1167300.
Pada variabel leverage memiliki nilai minimum sebesar 0,0006; nilai maksimum sebesar 0,4504; nilai rata-rata (mean) sebesar 0,141554; dan standar deviasi sebesar 0,1107575.
Pada variabel return on assets memiliki nilai minimum sebesar 0,0008; nilai maksimum sebesar 0,1646; nilai rata-rata (mean) sebesar 0,055733; dan standar deviasi sebesar 0,0378103.
Tabel 7. Tabel Analisis Deskriptif Keseluruhan Perusahaan yang Menjadi Sampel
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
CSR 93 .2821 .8205 .599531 .1167300
Leverage 93 .0006 .4504 .141554 .1107575
ROA 93 .0008 .1646 .055733 .0378103
ETR 93 .0589 .5809 .270412 .0932904
Valid N (listwise) 93
2. Uji Asumsi Klasik
Uji asumsi klasik merupakan perhitungan statistik yang dilakukan dalam analisis regresi linear berganda. Sebelum melakukan analisis regresi terlebih dahulu melakukan uji asumsi klasik.
a. Uji Normalitas
Uji normalitas bertujuan untuk melihat apakah nilai residual terdistribusi normal atau tidak. Terdapat dua cara untuk mendeteksi apakah residual terdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik (Sunjoyo et al, 2013: 59). Penelitian ini menggunakan dua cara tersebut terhadap 93 data yang terlihat pada gambar II dan tabel 8 berikut:
Gambar II: Hasil Uji Normalitas Menggunakan Analisis Grafik
Pada gambar II dapat dilihat bahwa titik-titik menyebar disekitar garis diagonal, dan mengikuti arah garis diagonalnya. Maka dapat disimpulkan bahwa data terdistribusi normal karena memenuhi asumsi normalitas. Uji ini dapat dibuktikan dengan uji non parametik
Tabel 8. Tabel Hasil Normalitas Data Menggunakan Uji Statistik
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 93
Normal Parametersa,b Mean .0000000
Std. Deviation .08622970
Most Extreme Differences Absolute .090
Positive .090
Negative -.062
Test Statistic .090
Asymp. Sig. (2-tailed) .063c
a. Test distribution is Normal. b. Calculated from data.
c. Lilliefors Significance Correction.
Pada tabel 8 dapat diketahui bahwa nilai signifikansi (Asymp
Sig) sebesar 0,063. Signifikansi > 0,05 sehingga H0 diterima. Maka
dapat disimpulkan bahwa data residual terdistribusi normal.
b. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen (Ghozali, 2006). Jika hasil nilai tolerance > 0,10 dan nilai VIF (Variance Inflating Factor) < 10 maka dapat dikatakan data tidak terjadi multikolinearitas, untuk mengetahui apakah terjadi multikolinearitas dapat dilihat dari nilai VIF dan Tolerance yang terdapat pada masing-masing variabel seperti terlihat pada tabel 9 berikut:
Tabel 9. Tabel Hasil Uji Multikolinearitas
Variabel Tolerance VIF Kesimpulan
CSR 0,943 1,060 Tidak ada Multikolinearitas Leverage 0,940 1,064 Tidak ada
Multikolinearitas ROA 0,979 1,021 Tidak ada
Multikolinearitas Dari tabel tersebut diperoleh bahwa semua variabel bebas memiliki nilai Tolerance diatas 0,1 dan nilai VIF jauh dibawah angka 10. Maka dapat disimpulkan bahwa variabel tidak mengalami multikolinearitas atau tidak ada korelasi antara variabel bebas (independen).
c. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah terdapat korelasi antara suatu periode t dengan periode sebelumnya (t-1) (Ghozali, 2006: 95). Model regresi yang baik seharusnya tidak terjadi autokorelasi. Uji autokorelasi dalam penelitian ini menggunakan uji
Run Test. Jika nilai signifikansi < 0,05 maka dapat dikatakan bahwa
data mengalami autokorelasi, dan jika nilai signifikansi > 0,05 maka dapat dikatakan bahwa data tidak mengalami autokorelasi (Ghozali, 2006: 104).
Tabel 10. Tabel Hasil Uji Autokorelasi
Pada tabel 10 menunjukkan bahwa nilai signifikansi (Asymp.Sig)
Run Test sebesar 0,918. Hasil signifikansi > 0,05, maka dapat
disimpulkan bahwa data tidak terjadi autokorelasi.
d. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah terdapat ketidaksamaan variansi dari residual satu pengamatan ke pengamatan yang lain (Ghozali: 2006: 105). Uji heteroskedastisitas dalam penelitian ini menggunakan uji glejser yang ditunjukkan pada tabel 11 berikut ini:
Tabel 11. Tabel Hasil Uji Glejser
Variabel Sig Kesimpulan
CSR 0,654 Tidak ada Heteroskedastisitas Leverage 0,089 Tidak ada Heteroskedastisitas ROA 0,074 Tidak ada Heteroskedastisitas
Berdasarkan hasil uji Glejser pada tabel 11 tidak mengandung heteroskedastisitas karena nilai signifikansi pada setiap variabel > 0,05.
Runs Test
Unstandardized Residual
Test Valuea -.00170
Cases < Test Value 46
Cases >= Test Value 47
Total Cases 93
Number of Runs 47
Z -.103
3. Penentuan Model Regresi
Penelitian ini menggunakan analisis regresi linier berganda. Regresi digunakan untuk mengetahui pengaruh variabel independen terhadap variabel dependen (Aninditya, 2015: 62). Variabel dependen (Y) dalam penelitian ini yaitu praktik penghindaran pajak yang diukur dengan proksi Effective Tax Rate (ETR), sedangkan variabel independen (X) dalam penelitian ini yaitu corporate social responsibility, leverage dan ROA.
Tabel 12. Tabel Hasil Analisis Linier Berganda
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) .272 .049 5.563 .000 CSR .057 .081 .072 .711 .479 Leverage .087 .085 .104 1.026 .308 ROA -.866 .244 -.351 -3.545 .001
a. Dependent Variable: ETR
Berdasarkan tabel 12, model regresi yang digunakan adalah sebagai berikut:
Y = 0,272 + 0,057 (CSR) + 0,087 (Leverage) – 0.866 (ROA)
4. Uji Hipotesis
1) Uji F (Uji Kelayakan Model)
Uji F bertujuan untuk menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen. Jika nilai signifikan
< 0,05 atau F-hitung > F-tabel, maka terdapat pengaruh variabel independen terhadap variabel dependen. Jika nilai signifikansi > 0,05 atau F-hitung ≤ F-tabel, maka tidak terdapat pengaruh variabel independen terhadap variabel dependen (Sugiarto, 2017: 119). F-tabel dihitung dengan menggunakan rumus: F-tabel = F(k ; n-k-1)
Tabel 13. Uji Kelayakan Model (Uji F)
ANOVAa
Model
Sum of
Squares df Mean Square F Sig.
1 Regression .117 3 .039 5.057 .003b
Residual .684 89 .008
Total .801 92
a. Dependent Variable: ETR
b. Predictors: (Constant), ROA, CSR, Leverage
F-tabel = F (3 ; 93-3-1) = F (3 ; 89) = 2,71 dengan signifikansi 5%, n sebesar 93 dan k sebesar 3.
Berdasarkan tabel 13, terdapat nilai signifikan sebesar 0,003, nilai F-hitung sebesar 5,057 dan dari penghitungan nilai F-tabel sebesar 2,71. Berarti nilai signifikan sebesar 0,003 < 0,05 atau F-hitung sebesar 5,057 > F-tabel sebesar 2,71. Maka terdapat pengaruh antara variabel independen (X1, X2 dan X3) dengan variabel dependen, berarti model regresi layak digunakan untuk melakukan analisis data. 2) Uji t (Uji Signifikansi Parameter Individual)
Uji t bertujuan untuk menilai seberapa jauh satu variabel independen berpengaruh terhadap variabel dependen. Jika nilai signifikansi < 0,05 atau nilai t hitung ≥ t tabel atau –t hitung ≤ -t tabel
maka terdapat pengaruh variabel independen terhadap variabel dependen. Jika nilai signifikansi > 0,05 atau nilai t hitung ≤ t tabel atau -t hitung ≥ -t tabel , maka tidak terdapat pengaruh variabel independen terhadap variabel dependen. (Sugiarto, 2017: 120). T-tabel dihitung dengan menggunakan rumus : df = n-k-1 (Sugiarto, 2017: 121).
Tabel 14. Uji Signifikasi Parameter Individual (Uji t)
Berdasarkan tabel 14 dijelaskan bahwa: t-tabel = 1,66216 dengan signifikansi 5%, n sebesar 93 dan k sebesar 3.
Pada variabel corporate social responsibility terdapat nilai signifikan sebesar 0,479, t-hitung sebesar 0,711, dan t-tabel sebesar 1,66216. Berarti nilai signifikan sebesar 0,479 > 0,05 atau t-hitung sebesar 0,711 ≤ t-tabel sebesar 1,66216. Maka dapat disimpulkan bahwa variabel corporate social responsibility tidak berpengaruh terhadap praktik penghindaran pajak.
Pada variabel leverage terdapat nilai signifikan sebesar 0,308, t-hitung sebesar 1,026, dan t-tabel sebesar 1,66216. Berarti nilai signifikan sebesar 0,308 > 0,05 atau t-hitung sebesar 1,026 ≤ t-tabel sebesar 1,66216. Maka dapat disimpulkan bahwa variabel leverage tidak berpengaruh terhadap praktik penghindaran pajak.
Variabel t-hitung Sig Kesimpulan CSR 0,711 0,479 Tidak Signifikan Leverage 1,026 0,308 Tidak Signifikan
Pada variabel return on assets terdapat nilai signifikan sebesar 0,001, -t hitung sebesar -3,545, dan -t tabel sebesar -1,66216. Berarti nilai signifikansi sebesar 0,001 < 0,05 atau -t hitung sebesar -3,545 ≤ -t tabel sebesar -1,66216. Terdapat nilai t-hitung negatif artinya berpengaruh negatif. Namun peneliti ini menggunakan proksi ETR dimana jika “ETR semakin tinggi maka praktik penghindaran pajak akan rendah.” Oleh karena itu cara membaca arah dengan dibalik, jika hasil t-hitung negatif (-) maka akan diartikan berarah positif. Maka dapat disimpulkan bahwa variabel return on assets berpengaruh positif signifikan terhadap praktik penghindaran pajak.
1) Uji R2 (Uji Koefisien Determinasi)
Uji R2 bertujuan untuk mengukur seberapa besar kemampuan variabel independen dalam menerangkan variabel dependen (Ghozali: 2006: 83).
Tabel 15. Uji Koefisien Determinasi (Uji R2)
Model Summary
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 .382a .146 .117 .0876710
a. Predictors: (Constant), ROA, CSR, Leverage
Berdasarkan tabel 15 dapat dilihat bahwa R Square sebesar 0,146. Disimpulkan bahwa variabel independen X1, X2 dan X3 dapat menerangkan variabel Y sebesar 14,6%, berarti kemampuan variabel independen dalam menjelaskan variabel dependen sangat terbatas.