B. Temuan Hasil Penelitian
1. Analisis Statistik Deskriptif
Analisis Statistik Deskriptif memberikan gambaran atau deskripsi suatu data yang diihat dari nilai rata-rata (mean), standar deviasi, varian, maksimum, minimum, sun, range, kurtosis dan skewness (kemencengan distribusi). Berikut tabel 4.1 yang merupakan hasil analisis statistik deskriptif untuk variabel yang digunakan dalam penelitian ini.
Tabel 4.1
Hasil Uji Statistik Deskriptif
Sumber: Data SPSS yang diolah tahun 2020.
Variabel MinimumNilai MaksimumNilai Nilai Rata-Rata StandarNilai Deviasi Jumlah Firm Size 2,96 3,85 2,59 8,721 120 Board Size 2 8 4,4583 1,56052 120 Board Gender Diversity 0 1 0.4583 0,50035 120 Audit Commitee 0 1 0,9583 0,20066 120 CETR 2,31 6,52 1,78 1,33 120 Profitability 12,14 22,48 18,3016 1,87326 120
a. Variabel Independen 1) Firm Size
Hasil uji statistik pada tabel 4.1 menunjukkan bahwa firm size dengan jumlah sampel (N) 120 memiliki nilai minimum 2,96 dan nilai maksimumnya sebesar 3,85 dengan nilai rata-rata 2,59 serta memiliki nilai standar deviasi sebesar 8,721.
2) Board Size
Hasil uji statistik pada tabel 4.1 menunjukkan bahwa Board Size dengan jumlah sampel (N) 120 memiliki nilai minimum 2 dan nilai maksimu,mnya sebesar 8 dengan nilai rata-rata 4,4583 serta memiliki nilai standar deviasi sebesar 1,56052.
3) Board Gender Diversity
Hasil uji statistik pada tabel 4.1 menunjukkan bahwa Board Gender Diversity dengan jumlah sampel (N) 120 memiliki nilai minimum 0 dan nilai maksimu,mnya sebesar 1 dengan nilai rata-rata 0,4583 serta memiliki nilai standar deviasi sebesar 0,50035.
4) Audit Commitee
Hasil uji statistik pada tabel 4.1 menunjukkan bahwa Audit Commitee dengan jumlah sampel (N) 120 memiliki nilai minimum 0 dan nilai maksimu,mnya sebesar 1 dengan nilai rata-rata 0,9583 serta memiliki nilai standar deviasi sebesar 0,20026.
b. Variabel Dependen (Tax Avoidance)
Hasil uji statistik yang diperoleh dari tabel 4.1 menunjukkan bahwa tax avoidance dengan jumlah sampel (N) 120 memiliki nilai minimum 2,31 dan nilai maksimum sebesar 6,52 dengan nilai rata-rata 1,78 serta memiliki nilai standar deviasi sebesar 1,33.
c. Variabel moderasi (Profitability)
Hasil uji statistik yang diperoleh dari tabel 4.1 menunjukkan bahwa profitability dengan jumlah sampel (N) 120 memiliki nilai minimum 12,14 dan nilai maksimum sebesar 22,48 dengan nilai rata-rata 18,3016 serta memiliki nilai standar deviasi sebesar 1,87326.
2. Uji Asumsi Klasik
a. Hasil Uji Normalitas Data
Uji normalitas dilakukan untuk memuji apakah dalam regresi, variabel independen, variabel dependen ataupun keduanya mempunyai nilai distribusi normal atau tidak. Model regresi yang baik adalaah model yang memiliki distribusi data normal atau mendekati normal. Pada uji ini, metode One Sample Kolmogorov-Smirnov test digunakan untuk menguji normalitas data (Ghozali, 2018).
Untuk mengetahui hasil analisis kita dapat melihat grafik normal probability plot dan grafik histogram. Grafik probability plot dilihat dari penyebaran titik data pada sumbu diagonal dan untuk grafik histogram dilihat pada garis kurva. Jika titik data menyebar disekitar garis diagonal grafik probability plot dan garis kurva mengikuti arah histogram, maka hal tersebut
menunjukan pola data yang terdistribusi normal berikut ini merupakan grafik histogram dari hasil pengujian menggunakan SPPS.
Gambar 4.1
Hasil Uji Normalitas dengan Histogram Normal
Sumber: Data SPSS yang diolah tahun 2020.
Pada gambar 4.1 diatas, dapat dilihat bahwa grafik histogram menggambarkan bentuk simetris, yang artinya tidak melenceng kekanan atau kekiri. Berdasarkan grafik histogram diatas, dapat disimpulkan bahwa data yang terdapat dalam penelitian ini terdistribusi normal plot dari hasil pengujian menggunakan SPPS 25.0.
Gambar 4.2
Hasil Uji Normalitas dengan Grafik Normal Plot
Sumber: Data SPSS yang diolah tahun 2020.
Pada gambar 4.2 diatas, menunjukkan bahwa titik-titik telah menyebar dan berhimpit disekitar garis diagonal. Berdasarkan grafik normal P-plot tersebut memberikan hasil atau pola distribusi data yang normal. Selain itu, uji normalitas data juga dapat diuji dengan uji One Sample Kolmogorov Smirnov. Uji ini diperlukan untuk melengkapi grafik histogram dan grafik normal P-plot, serta untuk memberikan keyakinan lebih. Berikut tabel 4.2 yang menunjukkan hasil uji One Sample Kolmogorov Smirnov.
Tabel 4.2
Hasil Uji Normalitas dengan Uji Kolomogorov-Smirnov One-Sample Kolmogorov-Smirnov Test
Unstandardiz ed Residual
N 120
Normal Parametersa,b Mean 0,000000
Std.
Deviation 1,26768920 Most Extreme
Differences AbsolutePositive 0,0580,058
Negative -0,038
Test Statistic 0,058
Asymp. Sig. (2-tailed) 0,200c,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 SPSS yang diolah.
Pada tabel 4.2 diatas, pada hasil uji Kolmogorov-Smirnov diketahui Asymp.Sig.(2-tailed) sebesar 0,200. nilai tersebut lebih besar dari nilai signifikan yaitu 0,05. Dengan demikian dapat disimpulkan bahwa data terdistribusi normal atau dapat diterima. (Ghozali, 2018).
b. Hasil Uji Multikolineraritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Salah satu asumsi dalam metode kuadrat terkecil adalah tidak adanya hubungan linear antara variabel independen. Metode ini digunakan untuk mendeteksi multikolinearitas dalam penelitian ini yaitu Tolerance - Variance Inflactor Factor (VIF). Multikolinearitas terjadi apabila nilai tolerance < 0,10 dan
dikatakan tidak terjadi multikolinearitas antar variabel independen (Ghozali,2018). Berikut tabel 4.3 merupakan hasil dari uji multikolinearitas untuk variabel yang digunakan dalam penelitian ini.
Tabel 4.3
Hasil Uji Multikolinearitas
Model ToleranceCollinearity StatistiksVIF
1 (Constant) BS 0,987 1,013 BGD 0,634 1,578 AC 0,636 1,572 Size 0,942 1,061 Z 0,985 1,015
a. Dependent Variabel : CETR
Sumber: Data SPSS yang diolah tahun 2020.
Berdasarkan tabel diatas diketahui bahwa nilai tolerance > 0,1 dan VIF < 10. Maka dapat disimpulkan bahwa tidak terjadi korelasi antara variabel independen dalam penelitian ini atau dapat dikatakan tidak terdapat gejala multikolinearitas antar variabel.
c. Hasil Uji Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam model regresi linear memiliki korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 (Ghozali, 2018). Jika terjadi korelasi maka disebut problem autokorelasi, Run Test digunakan untuk melihat apakah data residual terjadi secara random atau tidak (sistematis) dengan nilai signifikansi lebih besar dari 0,05. Berikut tabel 4.4 merupakan hasil dari uji autokorelasi dalam
Tabel 4.4 Hasil Uji Autokorelasi
Runs Test
Unstandardized Residual
Test Valuea 1,55899
Cases < Test Value 60
Cases >= Test Value 60
Total Cases 120
Number of Runs 53
Z -1,467
Asymp. Sig. (2-tailed) 0,142
a. Median
Sumber: Data SPSS yang diolah tahun 2020.
Pada output Run Test diatas terlihat bahwa nilai test 1,55899 sedangkan nilai signifikannya adalah 0,142. berdasarkan output tersebut diperoleh nilai signifikan sebesar 0,142 lebih besar dari 0,05, sehingga hipotesis nihil menyatakan nilai residual menyebar secara acak diterima. Dengan demikian maka tidak terjadi autokorelasi.
d. Hasil Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah model regresi terjadi ketidaksamaan variance dari residual pengamatan kepengamatan yang lain. Jika variance residual dari sjuatu observasi lainnya tetap maka terjadi homokedastitas, jika berbeda maka heterokedastisitas. Untuk menguji ada tidaknya heteroskedastisitas, peneliti menggunakan uji scatterplot. Berikut gambar 4.3 yang merupakan hasil uji heterokedasitas untuk variabel yang digunakan dalam penelitian ini.
Gambar 4.3
Hasil Uji Heteroskedastisitas dengan Scatterplot
Sumber: Data SPSS yang diolah tahun 2020.
Berdasarkan gambar 4.3 diatas menunjukkan bahwa titik-titik data menyebar di atas dan di bawah atau di sekitar angka 0. penyebaran titik-titik data tidak membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali. Penyebaran titik-titik data tidak berpola, maka dari itu dapat disimpulkan bahwa data dalam penelitian ini tidak terjadi masalah heteroskedasitistas, sehingga model regresi yang baik dan ideal dapat terpenuhi.
3. Uji Hipotesis
a. Uji Analisis Linear Berganda
Pengujian hipotesis dalam penelitian ini menggunakan model regresi linear berganda. Pengujian hipotesis dilakukan dengan uji analisis linear berganda, uji koefisien determinasi (R2), uji statistik f, dan uji statistik t.
1) Uji Koefisien Determinasi
Koefisien determinasi (R2) digunakan untuk mengukur seberapa jauh kemampuan model dalam menjelaskan variasi variabel dependen. Nilai koefisien determinasi adalah antara 0 dan 1. Nilai R2yang kecil menunjukkan kemampuan variabel-variabel independen dalam menjelaskan variabel dependen sangat terbatas. Berikut hasil uji koefisien determinasi yang dapat dilihat pada tabel ini.
Tabel 4.5
Hasil Uji Koefisien Determinasi Model Summaryb
Model R R Square Adjusted R Square
CETR 0,425a 0,180 0,113
Sumber: Data SPSS yang diolah tahun 2020.
Berdasarkan tabel 4.5 diatas dapat diketahui bahwa nilai Adjusted R2
diperoleh sebesar 0,180. Hal ini mengindikasikan bahwa variabel dependen tax avoidance dapat dijelaskan oleh variabel bebasnya yaitu: firm size, board size, board gender diversity, dan audit commitee sebesar 18%. Sisanya 82% ditentukan oleh variabel lain yang tidak dianalisis dalam penelitian ini.
2) Hasil Uji Statistik f
Dasar pengambilan keputusan dalam pengujian ini yaitu dengan mengukur nilai signifikansi f pada output hasil regresi, dimana jika nilai signifikansi yang didapat < 0,05 (α = 5%) maka model regresi dapat digunakan untuk memprediksi variabel dependen yang menandakan bahwa
semua variabel independen secara bersama-sama berpengaruh terhadap variabel dependen atau dengan kata lain hipotesis diterima (Ghozali, 2018). Berikut tabel 4.6 yang merupakan hasil uji statistik f untuk variabel yang digunakan dalam penelitian ini.
Tabel 4.6 Hasil Uji Statistik f
ANOVAa
Model SquaresSum of df Mean Square F Sig.
1 Regression 3,807 9 4,230 2,690 0,007b
Residual 1,729 110 1,572
Total 2,110 119
a. Dependent Variable: Tax Avoidance
Predictors: (Constant), Profitabilitas, Audit Commitee, Size, Board Size, Board Gender Diversity, Tax Avoidance
Sumber: Data SPSS yang diolah tahun 2020.
Berdasarkan tabel 4.6 diatas, dapat dilihat bahwa F hitung sebesar 2,690 dengan nilai Sig sebesar 0,007. Hal ini menunjukkan bahwa nilai signifikansi < 0,05. Maka dapat disimpulkan bahwa terdapat pengaruh antara variabel independen terhadap variabel dependen.
3) Hasil Uji Statistik t
Pengujian ini digunakan untuk membuktikan signifikansinya terhadap pengaruh variabel independen secara individu dalam menjelaskan variabel dependen. Berikut tabel 4.7 yang merupakan hasil uji statistik t untuk variabel yang digunakan dalam penelitian ini.
Tabel 4.7 Hasil Uji Statistik t
Model
Unstandardized
Coefficients StandardizedCoefficients
t Sig. B Std. Error Beta 1 (Consta nt) 1,272 3,067 -.415 0,679 Size -0,217 0,118 -1,421 -1,836 0,069 BS 2,586 1,018 3,031 2,539 0,013 BGD 6,509 2,799 2,446 2,325 0,022 AC 4,876 2,985 0,735 0,163 0,871
a. Dependent Variable: Tax Avoidance
Sumber: Data SPSS yang diolah tahun 2020.
Berdasarkan tabel 4.7 diatas menunjukkan bahwa nilai konstanta yang bernilai 1,272 memiliki arti jika semua variabel yaitu firm size, board size, board gender diversity, dan audit commitee dalam keadaan konstan maka akan mengakibatkan nilai dari penghindaran pajak adalah sebesar 1,272.
Berdasarkan hasil uji t diatas, variabel firm size memiliki nilai thitung
negatif sebesar -1,836 dengan tingkat signifikansi sebesar 0,069 yaitu lebih besar dari 0,05 . Hal tersebut menunjukkan bahwa variabel firm size tidak memiliki pengaruh terhadap tax avoidance diukur melalui Cash Effective Tax Rate (CETR).
Berdasarkan hasil uji t diatas, variabel board size memiliki nilai thitung
positif sebesar 2,539 dengan tingkat signifikansi sebesar 0,013 yaitu lebih kecil dari 0,05. Hal tersebut menunjukkan bahwa variabel board size berpengaruh terhadap tax avoidance diukur melalui Cash Effective Tax Rate (CETR).
Berdasarkan hasil uji t diatas, variabel board gender diversity memiliki nilai thitungpositif sebesar 2,325 dengan tingkat signifikansi sebesar 0,022 yaitu lebih kecil dari 0,05. Hal tersebut menunjukkan bahwa variabel board gender diversity berpengaruh terhadap tax avoidance diukur melalui Cash Effective Tax Rate (CETR).
Berdasarkan hasil uji t diatas, variabel audit commitee memiliki nilai thitung positif sebesar 0,163 dengan tingkat signifikansi sebesar 0,871 yaitu lebih besar dari 0,05. Hal tersebut menunjukkan bahwa variabel board gender diversity tidak berpengaruh terhadap tax avoidance diukur melalui Cash Effective Tax Rate (CETR).
b. Pengujian dengan Analisis Regresi Moderate (Moderated Regression Analysis -MRA)
Tabel 4.8
Analisis Regresi Moderate (Moderated Regression Analysis -MRA) Coefficientsa
Model Unstandardized Coefficients
Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 0,127 0,688 1,856 0,066 X1_Z -4,347 0,001 -0,005 -0,060 0,952 X2_Z 1,254 4,719 0,279 2,658 0,009 X3_Z 0,815 1,540 0,006 0,053 0,008 X4_Z -2,898 2,995 -0,090 -0,968 0,335 a. Dependent Variable: Z
Sumber: Data SPSS yang diolah tahun 2020.
Berdasarkan tabel 4.8 di atas menunjukkan bahwa konstanta model regresi memiliki nilai sebesar 0,127 dengan nilai t positif sebesar 1,856
jika variabel profitability dalam memoderasi variabel independen konstan maka rata-rata penghindaran pajak yang dihitung dengan Cash Effective Tax Rate (CETR) adalah sebesar 0,127.
Variabel profitability dalam memoderasi firm size memiliki nilai thitung
negatif -0,060 dengan tingkat signifikansi sebesar 0,952 yaitu lebih besar dari 0,05. Hal tersebut menunjukkan bahwa variabel profitability dalam memoderasi firm size tidak memiliki pengaruh yang signifikan terhadap tax avoidance. Dengan demikian dapat disimpulkan bahwa hipotesis kelima ditolak.
Variabel profitability dalam memoderasi board size memiliki nilai thitungpositif 2,658 dengan tingkat signifikansi sebesar 0,009 yaitu lebih kecil dari 0,05. Hal tersebut menunjukkan bahwa variabel profitability dalam memoderasi board size memiliki pengaruh yang signifikan terhadap tax avoidance. Dengan demikian dapat disimpulkan bahwa hipotesis keenam tidak ditolak.
Variabel profitability dalam memoderasi board gender diversity memiliki thitungpositif 0,053 dengan tingkat nilai signifikansi sebesar 0,008 yaitu lebih kecil dari 0,05. Hal tersebut menunjukkan bahwa variabel profitability dalam memoderasi board gender diversity memiliki pengaruh yang signifikan terhadap tax avoidance. Dengan demikian dapat disimpulkan bahwa hipotesis ketujuh tidak ditolak.
Variabel profitability dalam memoderasi audit commitee memiliki nilai thitungnegatif -0,968 dengan tingkat signifikansi sebesar 0,335 yaitu lebih
besar dari 0,05. Hal tersebut menunjukkan bahwa variabel profitability dalam memoderasi audit commitee tidak memiliki pengaruh yang signifikan terhadap tax avoidance. Dengan demikian dapat disimpulkan bahwa hipotesis kedelapan ditolak.