3.5 Teknik Pengolahan dan Analisis Data
3.5.2 Analisis Statistik Inferensial
Statistik inferensial digunakan untuk menguji hipotesis penelitian yang telah dirumuskan
berdasarkan pada kerangka pemikiran yang telah dibuat sebelumnya (Wahyudin, 2015). Statistik
parametrik digunakan jika model yang ada telah memenuhi asumsi bahwa data sampel variabel
penelitian telah diambil dari populasi yang berdistribusi normal (Wahyudin, 2015). Penelitian ini
menggunakan teknik statistik inferensial parametrik yaitu analisis regresi linear dan analisis jalur
(path analysis), di mana metode ini digunakan untuk menguji pengaruh dari variabel intervening.
Berikut ini merupakan bagian-bagian dari analisis statistik inferensial dalam penelitian ini antara
lain sebagai berikut:
1. Uji Asumsi Klasik
Sebelum melakukan pengujian hipotesis untuk mengetahui pengaruh variabel independen
terhadap variabel dependen maka dilakukan uji asumsi klasik. Uji asumsi klasik bertujuan untuk
mendapatkan parameter yang valid. Uji asumsi klasik untuk penelitian ini terdiri atas uji
a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel independen
dan variabel dependen keduanya memiliki distribusi normal atau tidak (Ghozali, 2016). Uji
normalitas dilakukan dengan melihat hasil uji Kolmogorov Smirnov. Residual data dikatakan
berdistribusi secaranormal apabila nilai sig > 0,05.
b. Uji Multikolinearitas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya
korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi
korelasi antar variabel independen. Jika variabel independen saling berkorelasi, maka
variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel-variabel independen yang nilai korelasi
antar sesama variabel independen sama dengan nol. Untuk mendeteksi ada atau tidaknya
multikolinearitas di dalam model regresi biasanya dilihat dari nilai Tolerance dan Variance
Inflation Factor (VIF) (Ghozali, 2016).
c. Uji Heteroskedastisitas
Pengujian heteroskedastisitas dilakukan untuk menguji apakah dalam model regresi
terjadi ketidaksamaan varians residual dari pengamatan ke pengamatan lainnya. Model regresi
yang baik adalah tidak terjadi heteroskedastisitas atau biasa disebut homoskedastisitas (Ghozali,
2016). Dalam penelitian ini uji yang digunakan adalah uji statistik scatter plot antara ZPRED dan
SRESID, Jika titik-titik pada scatter plot tidak membentuk pola tertentu, serta menyebar di atas
d. Uji Autokorelasi
Autokolerasi bertujuan menguji apakah ada autokorelasi dalam model regresi linear.
Autokorelasi timbul karena observasi yang dilakukan secara berurutan sepanjang waktu berkaitan
satu sama lain (Ghozali, 2016). Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya
penyimpangan asumsi klasik autokorelasi yaitu korelasi yang terjadi antara residual pada satu
pengamatan dengan pengamatan lain pada model regresi. Prasyarat yang harus terpenuhi adalah
tidak adanya autokorelasi dalam model regresi. Metode pengujian yang digunakan adalah dengan
Uji Durbin-Watson (uji DW). Menurut (Ghozali, 2016) metode uji DW mempunyai ketentuan
sebagai berikut:
1. Jika dw lebih kecil dari dL atau lebih besar dari (4-dL) maka hipotesis ditolak, yang berarti
terdapat autokorelasi.
2. Jika dw terletak antara dU dan (4-dU), maka hipotesis diterima, yang berarti tidak ada
autokorelasi.
3. Jika dw terletak antara dL dan du atau di antara (4-dU) dan (4dL), maka hipotesis tidak
menghasilkan kesimpulan yang pasti.
2. Analisis Jalur (Path Analysis)
Metode analisis data yang digunakan dalam penelitian ini adalah analisis jalur (path
analysis). Metode ini digunakan untuk menguji pengaruh dari variabel interverning. Analisis jalur
merupakan perluasan dari analisis berganda linier di mana digunakan untuk menaksir hubungan
kausalitas antar variabel yang telah ditetapkan sebelumnya berdasarkan teori (Ghozali, 2016).
Analisis jalur tidak dapat menentukan hubungan sebab akibat dan juga tidak dapat digunakan
Hubungan langsung terjadi jika satu variabel mempengaruhi variabel lain tanpa adanya
variabel ke tiga yang memediasi hubungan kedua variabel tadi. Sebaliknya hubungan tidak
langsung terjadi jika ada variabel ketiga yang memediasi hubungan kedua variabel tersebut.
Kemudian pada setiap variabel dependen akan ada anak panah yang menuju ke variabel lain yang
berfungsi untuk menjelaskan jumlah variance yang tidak dapat dijelaskan (unexplained variance)
oleh variabel tersebut (Ghozali, 2016).
Pengaruh mediasi dapat dilihat dengan cara membandingkan antara koefisien pengaruh
tidak langsung dengan koefisien pengaruh langsung, ketika lebih besar maka hipotesis pengaruh
tidak langsung diterima. Model persamaan regresi yang diajukan dalam penelitiaan ini sebagai
berikut:
a. Persamaan Pertama
TP = α + β1PP + β2KA+ β3ROA + β4SIZE + β5GCG + e1 Keterangan:
TP = Transfer Pricing
PP = Penghindaran Pajak
KA = Kepemilikan Asing
ROA = Profitabilitas
SIZE = Ukuran Perusahaan
GCG = Good Corporate Governance
α = Konstanta
β = Koefisien
b. Persamaan Kedua
GCG = α + β1PP + β2KA + β3ROA + β4SIZE + e2 Keterangan:
GCG = Good Corporate Governance
PP = Penghindaran Pajak
KA = Kepemilikan Asing
ROA = Profitabilitas
SIZE = Ukuran Perusahaan
α = Konstanta
β = Koefisien
e2 = Standart Error
3. Uji Hipotesis
Pengujian hipotesis terdiri dari uji pengaruh parsial (uji satistik t) dan uji sobel (sobel
test). Ghozali (2016) menjelaskan masing-masing pengujian sebagai berikut:
a. Uji Signifikansi Parameter Individual (Uji Statistik t)
Uji Signifikansi Parameter Individual (Uji Statistik t) digunakan untuk menguji
variabel-variabel independen secara individu berpengaruh dominan dengan taraf signifikansi 5% (Ghozali,
2016). Pengujian hipotesis dilakukan melalui regresi yang menggunakan program SPSS Statistic
dengan membandingkan tingkat signifikasinya (Sig t) masing-masing variabel independen dengan
taraf sig α = 0,05. Apabila tingkat signifikansinya (Sig t) lebih kecil daripada α = 0,05, maka hipotesisnya diterima yang artinya variabel independen tersebut berpengaruh secara signifikan
α = 0,05, maka hipotesisnya tidak diterima yang artinya variabel independen tersebut tidak berpengaruh secara signifikan terhadap variabel dependennya.
b. Uji Sobel (Sobel Test)
Uji hipotesis mediasi dapat dilakukan dengan prosedur yang dikembangkan oleh Sobel
(Ghozali, 2016). Uji Sobel dilakukan dengan cara menguji kekuatan pengaruh langsung tidak
langsung variabel independen terhadap variabel dependen melalui variabel interverning. Pengaruh
tidak langsung X ke Y melalui Z dihitung dengan cara mengalihkan jalur X ke Z (a) dengan jalur
Z ke Y (b) atau ab. Jadi, koefisien ab = (c-c’), di mana c merupakan pengaruh X terhadap Y tanpa
mengontrol Z. Sedangkan c’ merupakan koefisien pengaruh X terhadap Y tanpa mengontrol Z. Standart error koefisien a dan b ditulis dengan Sa dan Sb dan besarnya standart error pengaruh
tidak langsung adalah Sab (Ghozali, 2016), yang dihitung dengan rumus sebagai berikut:
Keterangan:
a = koefisien variabel independen
b = koefisien variabel mediasi
Sa = standart error koefisien a
Sb = standart error koefisien b
Sab = standart error pengaruh tidak langsung
Untuk menguji signifikansi pengaruh tidak langsung, maka diperlukan untuk menghitung
nilai t dari koefisien ab (Ghozali, 2016), yang dihitung dengan rumus sebagai berikut:
𝑡 = 𝑎𝑏 𝑆𝑎𝑏
Nilai t hitung ini dibandingkan dengan nilai t tabel, jika t hitung > nilai tabel, maka dapat
disimulkan bahwa terjadi pengaruh mediasi (Ghozali, 2016). Uji sobel ini digunakan untuk
menguji hipotesis dengan varaibel interverning.
4. Uji Koefisien Determinasi (𝑹𝟐)
Uji ini digunakan untuk melihat seberapa besar pengaruh variabel independent atau bebas
dalam menerangkan secara keseluruhan terhadap variabel dependen atau terikat serta pengaruhnya
secara potensial dapat diketahui dari besarnya nilai koefisien determinasi (𝑅2) (Ghozali, 2016). Nilai 𝑅2 digunakan untuk mengetahui besarnya sumbangan variabel bebas yang diteliti terhadap variabel terikat. Jika 𝑅2 semakin besar (mendekati satu), maka sumbangan variabel bebas terhadap variabel terikat semakin besar. Sebaliknya apabila 𝑅2 semakin kecil (mendekati nol), maka besarnya sumbangan variabel bebas terhadap variabel terikat semakin kecil. Jadi besarnya 𝑅2 berada di antara 0 – 1. Nilai adjusted 𝑅2 dapat naik atau turun apabila satu variabel independen ditambah ke dalam model (Ghozali, 2016).
102 BAB IV
HASIL PENELITIAN DAN PEMBAHASAN