HASIL PENELITIAN DAN PEMBAHASAN
4.1 Analisis Statistik Deskriptif
Statistik deskriptif bertujuan untuk memberikan informasi dan gambaran dari sampel yang digunakan dalam penelitian yang dapat dilihat dari rata-rata minimum, maksimum, mean dan deviasi standar. Variabel yang digunakan dalam penelitian ini meliputi varibel independen (Y) yaitu transfer pricing serta variabel dependen (X) yaitu beban pajak, tunneling incentive, mekanisme bonus dan profitabilitas. Adapun penelitian ini menggunakan descriptive untuk variabel yang diukur dengan skala rasio dan frequencies untuk variabel yang diukur
Tabel Statistik Frekuensi Variabel Transfer Pricing Transfer Pricing
Frequency Percent Valid Percent
Berdasarkan tabel 4.2 dapat diketahui bahwa variabel dependen yaitu transfer pricing, merupakan variabel skala nominal yang menggunakan variabel dummy. Dimana keberadaan variabel transfer pricing dapat diketahui dengan melihat ada atau tidaknya data penjualan pada pihak yang mempunyai hubungan istimewa. perusahaan yang melakukan penjualan kepada pihak yang mempunyai hubungan istimewa diberi nilai ‘’1’’ dan perusahaan yang tidak melakukan penjualan kepada pihak yang mempunyai hubungan istimewa diberi nilai ‘0’’, serta memiliki data valid dikarenakan seluruh data telah diproses. Perusahaan yang melakukan transaksi transfer pricing sebanyak 57 perusahaan atau 90.5%
sedangkan yang tidak melakukan transaksi transfer pricing sebanyak 6 perusahaan atau 9.5%.
Tabel 4.3
Tabel Statistik Deskriptif Descriptive Statistics
N Minimum Maximum Mean Std.
Deviation Beban Pajak 63 -5.56396 2.62561 .1170906 1.00798363
Tunneling Incentive
63 .21775 .92125 .5065343 .21962007 Mekanisme Bonus 63 .05426 34.37423 1.6582524 4.44587596
Profitabilitas 63 .00120 .75257 .1072851 .14472604 Valid N (listwise) 63
Sumber : Hasil Pengolahan SPSS 23
Berdasarkan tabel 4.3 diatas dapat dijelaskan beberapa hal sebagai berikut:
a. Total pengamatan dalam penelitian ini adalah 63 pengamatan dalam kurun waktu 2017-2019.
b. Variabel beban pajak, menunjukkan bahwa nilai minimum sebesar -5,56396 yaitu pada perusahaan Lion Metal Works Tbk. (LION) tahun 2019. Sedangkan untuk nilai maksimum sebesar 2,62561 pada perusahaan Indofood Sukses Makmur Tbk. (INDF) tahun 2018. Sementara itu untuk nilai rata-rata yang dihasilkan dari 63 data observasi adalah 0,1170906 danstandar deviasi sebesar 1,00798363.
c. Variabel tunneling incentive, menunjukkan bahwa nilai minimum sebesar 0,21775 yaitu pada perusahaan Nusantara Inti Corpora Tbk. (UNIT).
Sedangkan untuk nilai maksimum sebesar 0,92125 pada perusahaan Darya-Varia Labotaria Tbk. (DVLA). Sementara itu untuk nilai rata-rata yang dihasilkan dari 63 data observasi adalah 0,5065343 dan standar deviasi sebesar 0,21962007.
d. Variabel mekanisme bonus, menunjukkan bahwa nilai minimum sebesar 0,05426 yaitu pada perusahaan Malindo Feedmil Tbk. (MAIN) tahun 2019.
Sedangkan untuk nilai maksimum sebesar 34,37423 pada perusahaan Indorama Synthetics Tbk. (INDR) tahun 2018. Sementara itu untuk nilai rata-rata yang dihasilkan dari 63 data observasi adalah 1,6582524 dan standar deviasi sebesar 4,44587596.
e. Variabel profitabilitas, menunjukkan bahwa nilai minimum sebesar 0,00120 yaitu pada perusahaan Nusantara Inti Corpora Tbk. (UNIT) tahun 2018.
Sedangkan untuk nilai maksimum sebesar 0,75257 pada perusahaan Indo Kordsa Tbk. (BRAM) tahun 2019. Sementara itu untuk nilai rata-rata yang
dihasilkan dari 63 data observasi adalah 0,1072851 dan standar deviasi sebesar 0,14472604.
4.2 Analisis Logistic Regression
4.2.1 Menilai Keseluruhan Model (Overall Model Fit Test)
Overall Model Fit Test digunakan untuk menilai apakah model yang telah dihipotesiskan telah fit atau tidak dengan data baik sebelum maupun setelah variabel independen dimasukan kedalam model. Dimana menilai keseluruhan model (Overall Model Fit Test) didasarkan dengan fungsi likelihood. Pengujian dilakukan dengan membandingkan nilai antara -2 Log Likelihood (-2LL) pada awal (Block Number = 0) dengan nilai -2 Log Likelihood (-2LL) pada akhir (Block Number = 1). Adanya pengurangan nilai antara -2 Log Likelihood awal dan pada -2 Log Likelihood akhir menunjukkan bahwa model yang dihipotesiskan fit dengan data.
Tabel 4.4
Tabel Likelihood Block 0
Sumber : Hasil Pengolahan SPSS 23
𝑰𝒕𝒆𝒓𝒂𝒕𝒊𝒐𝒏 𝑯𝒊𝒔𝒕𝒐𝒓𝒚a,𝒃,𝒄
a. Constant is included in the model.
b. Initial -2 Log Likehood: 39.626
c. Estimation terminated at iteration number 5 because parameter estimates changed by les than .001.
Berdasarkan tabel 4.4 menunjukan bahwa nilai -2 Log Likelihood yang hanya terdiri dari konstanta memperoleh nilai sebesar 39.626. Kemudian nilai tersebut akan dibandingkan dengan nilai -2 Log Likelihood yang memasukan konstanta dan variabel independennya. Dimana hasil dari -2 Log Likelihood dapat dilihat pada tabel sebagai berikut :
Tabel 4.5
Tabel Likelihood Block 1
Sumber : Hasil Pengolahan SPSS 23
Berdasarkan tabel 4.5 menunjukkan bahwa hasil nilai -2 Log Likelihood yang hanya terdiri dari konstanta saja sebesar 39.626 sedangkan -2 Log Likelihood yang setelah dimasukan konstanta dan variabel independennya menunjukkan nilai sebesar 27.260. Hal ini menunjukkan adanya penurunan setelah masuknya
𝑰𝒕𝒆𝒓𝒂𝒕𝒊𝒐𝒏𝑯𝒊𝒔𝒕𝒐𝒓𝒚a,𝒃,𝒄,𝒅
b. Constant is included in the model c. Initial -2 Log Likehood: 39.626
d. Estimation terminated at iteration number 9 because parameter estimates changed by les than .001
menunjukkan bahwa model regresi yang baik atau dengan kata lain model yang dihipotesiskan fit dengan data.
4.2.2 Menilai Kelayakan Model Regresi (Hosmer and Lemeshow Goodness of FitTest)
Hosmer and Lemeshow’s Goodness of Fit Test digunakan untuk menilai kelayakan model regresi yang digunakan. Pengujian dilakukan dengan melihat Chi-square dengan nilai signifikansi sebesar 0,05. Jika nilai pengujian statistiklebih besar atau sama dengan 0,05 dikatakan model regresi mampu memprediksi nilai observasinya atau dapat dikatakan model diterima dan cocok dengan data observasinya.
Tabel 4.6
Tabel Hosmer and Lemeshow Test Hosmer and Lemeshow Test
Step Chi-square Df Sig.
1 5.332 8 .722
Sumber : Hasil Pengolahan SPSS 23
Berdasarkan Tabel 4.6 dapat diperoleh informasi besarnya nilai statistik Hosmer dan Lemeshow Test Goodness of Fit Test adalah chi square sebesar 5.332 dengan probabilitas signifikansi sebesar 0,722. Berdasarkan hasil tersebut, dikarenakan nilai signifikansi lebih besar dari 0,05 maka model dapat disimpulkan mampu memprediksi model observasinya atau model dapat dikatakan fit dengan data sehingga model ini dapat digunakan untuk analisis selanjutnya.
4.2.3 Uji Koefisien Determinasi R2 (Nagelkerke’s R Square)
Koefisien determinasi digunakan untuk mengetahui seberapa besar variabilitas variabel-variabel independen mampu memperjelas variabilitas variabel dependen. Koefisien determinasi pada regresi logistik dapat dilihat pada nilai Nagelkerke R Square.
Tabel 4.7
Tabel Negelkerke R Square Model Summary
Step -2 Log
likelihood
Cox & Snell
R Square Negelkerke R Square
1 27.260a .178 .382
a. Estimation terminated at iteration number 9 because parameter estimates changed by less than .001.
Sumber : Hasil Pengolahan SPSS 23
Berdasarkan Tabel 4.7 menunjukkan nilai Negelkerke R Square sebesar 0.382 yang berarti keputusan transfer pricing pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia dipengaruhi oleh beban pajak, tunneling incentive, mekanisme bonus dan profitabilitas adalah sebesar 38,2% dan sisanya sebesar 61,8% dijelaskan oleh variabel-variabel lain diluar model penelitian.
4.2.4 Matriks Klasifikasi
Matriks klasifikasi menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan perusahaan membuat keputusan transfer pricing. Pada regresi logistik, nilai matriks klasifikasi dapat dilihat pada classification table.
Tabel 4.8
Sumber : Hasil Pengolahan SPSS 23
Berdasarkan Tabel 4.8 dapat diketahui informasi bahwa kemampuan memprediksi model regresi untuk kemungkinan keputusan perusahaan melakukan transfer pricing adalah sebesar 100%, sedangkan kemampuan memprediksi model regresi untuk kemungkinan perusahaan tidak melakukan keputusan transfer pricing adalah sebesar 16.7%. Secara keseluruhan model dengan variabel independen beban pajak, tunneling incentive, mekanisme bonus, dan profitabilitas secara statistik dapat diprediksi sebesar 92.1% .