Analisis data dilakukan dengan menggunakan metode analisa kuantitatif.
Metode ini dilakukan dengan mengumpulkan, mengolah juga menginterpretasikan
data yang diperoleh yang nantinya akan memberi keterangan yang benar juga
lengkap untuk pemecahan masalah. Metode analisis data untuk penelitian ini
Uji yang dipakai adalah uji statistik deskriptif, uji asumsi klasik dan uji
hipotesis untuk membantu peneliti dalam mengolah dan menginterprestasikan
data guna menghasilkan keputusan penelitian.
3.7.1 Analisis Statistik Deskriptif
Statistik deskriptif akan memberi gambaran atau deskripsi suatu data yang
dilihat dari nilai rata-rata (mean), standar deviasi, maksimum, dan minimum.
Statistik deskriptif dimaksudkan untuk memberikan gambaran mengenai distribusi
dan perilaku data sampel tersebut (Ghozali, 2011).
3.7.2 Pengujian Asumsi Klasik
Untuk mendeteksi adanya penyimpangan asumsi klasik maka dilakukan uji
normalitas, uji multikolonieritas, uji autokorelasi, dan uji heteroskedastisitas
(Ghozali, 2009: 90). Agar terciptanya parameter yang baik maka persamaan
regresi harus memenuhi asumsi klasik. Parameter yang baik adalah parameter
yang tidak bias, efisien dan konsisten.
3.7.2.1 Uji normalitas
Uji normalitas bertujuan untuk menguji apakah dalah model regresi,
variabel pengganggu atau residual memiliki distribusi normal (Ghozali, 2006:
110). Dasar penarikan kesimpulan dari uji normalitas adalah data dikatakan
berdistribusi normal apabila nilai Asymptotic Significance > 0,05. Yaitu dengan
Uji normalitas data menggunakan Kolmogorov-Smirnov Test yang membandingkan Asymptotic Significance dengan α = 5%.
3.7.2.2 Uji Multikolinieritas
Uji multikoloniearitas adalah uji yang menggunakan korelasi antara
variabel independen yang akan digunakan untuk persamaan regresi. Uji ini
bertujuan untuk menguji apa model regresi ditemukan adanya korelasi antara
beberapa variabel independen. Model regresi yang baik harusnya tidak terjadi
korelas, jika ada korelasi maka variabel tidak ortogonal atau variabel bebas yang
nilai korelasi antar sesame variabel bebas dari nol (Ghozali, 2006: 91).
Agar tidak ada terjadi korelasi, maka cara untuk mengatasi masalah
multikolinearitas ini (Ghozali, 2006: 95) adalah:
a. Menggabungkan data crossection dan time series (pooling data)
b. Keluarkan satu atau lebih variabel independen yang mempunyai korelasi tinggi dari model regresi dan identifikasikan variabel independen lainnya untuk membantu prediksi.
c. Transformasi variabel merupakan salahs atu cara mengurangi hubungan linear di antara variabel independen. Transformasi dapat dilakukan dalam bentuk logaritma natural dan bentuk first difference atau delta.
d. Gunakan model dengan variabel independen yang mempunyai korelasi tinggi hanya semata-mata untuk predisi tanpa mencoba menginterpretasikan koefisien regresinya).
e. Gunakan metode analisis yang lebih canggih seperti Bayesian regression atau dalam kasus khusus ridge regression.
f. Gunakan center data untuk analisis. Center data adalah data mentah dikurangi nilai mean (Xi – Xmean).
Menurut Ghozali (2006: 91) dalam mendeteksi ada atau tidak
multikoloniearitas dalam model regresi adalah dengan:
1. Nilai R2 yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individu variabel-variabel bebas banyak yang tidak signifikan mempengaruhi variabel terikat.
2. Menganalisis matrik korelasi variabel-variabel bebas. Jika antar variabel bebas ada korelasi yang cukup tinggi (diatas 0,90) maka hal ini merupakan indikasi adanya multikolinearitas.
3. Multikolinearitas dapat juga dilihat dari lorerance dan Variance Inflation Factor (VIF). Batas toleransi value adalah 0,10 dan VIF adalah 10. Apabila nillai tolerance value kurang dari 0,10 atau VIF lebih dari 10 maka terjadi multikolinearitas. Tujuan uji multikolinearitas untuk mengetahui apa tiap variabel independen saling berhubungan secara linear atau tidak.
3.7.2.3Uji Heterokedastisitas
Uji ini bertujuan untuk menguji apa dalam model regresi terjadi ketidak
samaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika
variance dari residual satu pengamatan ke pengamatan yang lain tetap, maka
disebut Heteroskedastisitas. Menurut Ghozali (2006: 105), model regresi yang
baik adalah Homoskesdatisitas atau tidak terjadinya Heteroskedastisitas.
3.7.2.4Uji Autokorelasi
Ghozali (2006: 95) menyatakan bahwa uji autokorelasi bertujuan apakah
dalam model regresi linear ada korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan penggangu pada periode t-1 sebelumnya. Jika ada
korelasi, maka dinamakan ada problem autokorelasi. Uji statistic yang
dipergunakan adalah uji Durbin-Watson dan Run-Test. Kriteria Durbin-Watson
adalah sebagai berikut:
1. Angka D-W dibawah -2 berarti ada ditemukan autokorelasi positif
2. Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi
3.7.3 Uji Hipotesis Penelitian
Pengujian hipotesis dilakukan untuk menguji kemampuan variabel
independen GCG (diproksikan dengan dewan komisaris, dewan direksi, dan
komite audit) dan CSR perusahaan dalam mempengaruhi variabel dependen atau
tindakan pajak agresif. Pengujian ini menggunakan alat analisa statistik yaitu uji t,
uji F, juga uji koefisien determinasi.
1. Analisis Regresi Linear Berganda
Penelitian ini menggunakan metode analisis regresi linear berganda untuk
melihat pengaruh beberapa variabel independen dinyatakan dengan notasi X,
terhadap variabel dependen yang dinyatakan dengan notasi Y berdasarkan
perkembangan secara proporsional. Pengambilan keputusan Ha (H3) diterima jika
nilai signifikansi F hitung < 5% dan persamaan model regresi linear berganda
berdasarkan uji F sebagai berikut:
Y = α + β1X1.1 + β2X1.2 + β3X1.3e+ β4X2 + e
Y = Tindakan pajak agresif Keterangan:
X1.1 = GCG (dewan komisaris) X1.2 = GCG (dewan direksi) X1.3 = GCG (komite audit)
X2 = Corporate Social Responsibility
Α = Konstanta
β1 β2 β3 β4 = Koefisien Regresi e = Error (tingkat kesalahan)
2. Uji t
Uji t dilakukan untuk mengetahui apa secara individu atau parsial beberapa
variabel independen mempunyai pengaruh terhadap variabel dependen penelitian
yaitu tindakan pajak agresif. Pengambilan keputusan H1.1-H1.3 dan H2 diterima
jika nilai thitung > ttabel dan nilai signifikan < 5%.
3. Uji F
Uji F digunakan untuk menunjukkan apakah semua variabel bebas
dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap
variabel terikat. Dalam penelitian ini Uji F akan digunakan untuk mengetahui
apakah variabel independen penelitian atau Good Corporate Governance dan
Corporate Social Responsibility di dalam perusahaan secara bersamaan (simultan) mempunyai pengaruh terhadap adanya tindakan pajak agresif.
Mendeteksi pengaruh secara simultan dari variabel independen dilakukan
dengan uji-F, dengan kriteria jika F hitung > F tabel dan signifikansinya < 0,05,
maka H3 diterima.
4. Uji Koefisien Determinasi (R2)
Uji koefisien determinasi atau R2 akan mengukur seberapa jauh kemampuan
model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi
adalah antara nol dan satu. Nilai koefisien determinasi yang kecil berarti
menandakan kemampuan variabel-variabel independen dalam menjleaskan
variabel dependen amat terbatas.
Nilai yang mendekati satu, berarti variabel-variabel independen memberikan
dependen. Kelemahan dari R2 saat digunakan adalah bias terhadap jumlah
independen yang dimasukkan ke dalam model. Karena dalam penelitian ini akan
menggunakan banyak variabel independen, maka nilai Adjusted R2 akan lebih
tepat digunakan untuk mengukur seberapa jauh kemampuan model dalam
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1 Hasil Penelitian 4.1.1 Statistik Deskriptif
Pada statistik deskriptif terdapat gambaran atau deskripsi dari suatu data
yang dilihat dari nilai rata-rata (mean), standar deviasi, varian, maksimum,
minimum dan sum. Dalam memberikan gambaran analisis statistic deskriptif dari
penelitian ini maka akan dijelaskan pada tabel 4.1 berikut ini:
Tabel 4.1 Statistik Deskriptif
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation Variance
Pajak_Agresif (Y) 52 -.03 4.57 .5437 .64037 .410 Dewan_Komisaris (X1.1) 52 1.10 2.48 1.6915 .28651 .082 Dewan_Direksi (X1.2) 52 1.10 2.08 1.6037 .22811 .052 Komite_Audit (X1.3) 52 .69 1.95 1.1642 .19071 .036 CSR (X2) 52 -2.41 .60 -.7567 .78290 .613 Valid N (listwise) 52
Sumber: Output aplikasi SPSS (diolah pada 2016)
Dari tabel 4.1 diatas, dapat di berikan gambaran atau deskripsi dari data
1. Jumlah perusahaan sektor pertambangan yang diteliti adalah sebanyak 13
perusahaan yaitu dari tahun 2011-2014 atau selama empat tahun dengan
52 unit analisis observasi (N).
2. Variabel dependen penelitian yaitu Pajak Agresif (Y) memiliki nilai
minimum -0.3 dimiliki dan nilai maksimum sebesar 4.57. Rata-rata dari
Pajak Agresif yaitu sebesar 0.5437 dengan standar deviasinya 0.64037.
3. Variabel independen Dewan Komisaris (X1.1) memiliki nilai minimum
1.10 dan nilai maksimum variabel ini adalah 2.48. Rata-rata (mean) dari
data ini adalah 1.6915 dengan standar deviasi 0.28651.
4. Variabel independen Dewan Direksi (X1.2) memiliki nilai minimum 1.10
dan nilai maksimum yaitu 2.08. Mean dari data penelitian ini adalah
1.6037 dengan standar deviasi 0.22811.
5. Variabel independen Komite Audit (X1.3) memiliki nilai minimum 0.69
dan nilai maksimum 1.95. Rata-rata dari data penelitian ini adalah 1.1642
dan standar deviasi yaitu 0.19071.
6. Variabel independen Corporate Social Responsibility (X2) memiliki nilai
minimum -2.41 dan nilai maksimumnya adalah 0.60. Rata-rata dari CSR
yaitu -0.7567 dan standar deviasi sebesar 0.78290.
4.1.2 Uji Asumsi Klasik
Uji asumsi klasik digunakan dalam hal memastikan model yang diperoleh
dalam penelitian adalah benar-benar memenuhi asumsi dasar dalam analisis
regresi. Uji asumsi klasik yang di terapkan dalam penelitian ini, terdiri dari Uji
1. Uji Normalitas
Tujuan darii uji normalitas adalah untuk menguji apakah dalam model
regresi variabel pengganggu atau residual memiliki distribusi normal. Seperti
yang diketahui, uji F dan t mengasumsikan bahwa nilai residual mengikuti
distribusi normal (Ghozali, 2006: 95). Dalam penelitian ini, uji normalitas
menggunakan analisis grafik (Histogram), dan analisis statistik
(Kolmogorov-Smirnov).
Dalam pengujian data normal, dapat menggunakan kolmogorov smirnov
dengan melihat nilai signifikansi dari hasil penelitian. Dengan dasar penelitian
jika nilai signifikansi pengujian sampel lebih dari 0,05 maka dapat dikatakan
bahwa sampel sudah terdistribusi dengan baik. Tetapi jika nilai signifikansi masih
lebih kecil dari 0,05 maka data itu tidak dapat dikatakan telah terdistribusi dengan
Gambar 4.1 Grafik Histogram
Sumber: Output SPSS (diolah 2016)
Dari gambar 4.1 dapat dilihat bahwa kurva tidak menceng ke kanan
ataupun menceng ke kiri. Atau dalam kata lain kurva diatas berbentuk lonceng.
Oleh sebab itu, dapat diambil kesimpulan bahwa data yang digunakan dalam
penelitian berdistribusi normal.
Setelah diaplikasikan pada data penelitian, berikut ini adalah hasil dari
Tabel 4.2 Kolmogrov-Smirnov:
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 52
Normal Parametersa,b Mean 0E-7
Std. Deviation .54242908
Most Extreme Differences
Absolute .184
Positive .184
Negative -.125
Kolmogorov-Smirnov Z 1.327
Asymp. Sig. (2-tailed) .059
a. Test distribution is Normal. b. Calculated from data.
Sumber: Output SPSS (diolah 2016)
Hasil dari uji penelitian di atas menunjukkan bahwa nilai signifikan dari
data adalah 0,059. Karena nilai signifikansi lebih besar dari pada 0,05, dapat
disimpulkan bahwa data telah terdistribusikan dengan baik atau H0 diterima.
Dengan hasil yang menunjukkan kalau data telah terdistribusi dengan baik, maka
dari itu dapat di lakukan uji hipotesis.
2. Uji Heterokedastisitas
Pengujian ini mempunyai tujuan untuk menguji apakah model regresi
telah terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap,
maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas.
terjadi Heteroskedastisitas (Ghozali, 2006: 105). Berikut ini disajikan hasil
penelitian dari uji Heterokedastisitas pada gambar 4.3.
Gambar 4.2 Grafik Scatterplot
Sumber: Output SPSS (diolah 2016)
Hasil dari pengujian heteroskedastisitas yang ditunjukkan pada gambar 4.3
diatas menunjukkan bahwa titik-titik telah menyebar secara merata baik diatas
maupun di bawah angka 0 pada sumbu Y. Dengan tersebarnya titik tersebut,
maka dapat disimpulkan tidak ada terjadinya heteroskedastisitas ataupun dengan
kata lain model regresi layak dipakai dalam mengetahui faktor-faktor variabel X
3. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi
linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pnegganggu pada periode t-1 (sebelumnya). Dikatakan ada korelasi maka
dinamakan ada problem autokorelasi yang muncul karena observasi yang
berurutan sepanjang waktu berkaitan satu sama lain (Ghozali, 2006:104).
Autokorelasi juga bisa dideteksi dengan Run Test. Run test sebagai bagian
dari statistic non-parametrik dapat pula digunakan untuk menguji apakah antar
residual terdapat korelasi yang tinggi. Hasil uji dengan Run test pada tabel 4.3.
Tabel 4.3
Runs-Test
Sumber: Output aplikasi SPSS (diolah pada 2016)
Dari output SPSS menunjukkan bahwa nilai test adalah -0,5995 dengan
probabilitas 0,575 tidak signifikan pada 0,05 yang berarti hipotesis 0 diterima.
Sehingga dapat disimpulkan bahwa residual random atau tidak terjadi autokorelasi
antar nilai residual.
Runs Test
Unstandardized Residual
Test Valuea -.05995
Cases < Test Value 26
Cases >= Test Value 26
Total Cases 52
Number of Runs 29
Z .560
Asymp. Sig. (2-tailed) .575
4. 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: 91). Cara untuk mendeteksi terjadinya multikolinearitas yaitu dengan
melihat nilai tolerance (TOL) dan variance inflation factor (VIF). Jika nilai VIF <
10 dan nilai tolerance > 0,1, maka dapat disimpulkan tidak terjadi
multikolinearitas. Dari data yang sudah diolah, maka hasil dari output SPSS uji ini
tercantum pada tabel 4.4.
Tabel 4.4 Multikolinearitas
Model Collinearity Statistics
Tolerance VIF 1 (Constant) Dewan_Komisaris .760 1.316 Dewan_Direksi .802 1.246 Komite_Audit .870 1.149 CSR .841 1.189
Sumber: Output aplikasi SPSS (diolah pada 2016)
Berdasarkan data olahan pada Tabel 4.4 di atas dapat dilihat bahwa semua
variabel independen memiliki nilai VIF < 10 dan nilai tolerance > 0,1. Dengan
demikian dapat disimpulkan bahwa tidak terjadi korelasi di antara
4.1.3 Uji Hipotesis Penelitian
Penelitian ini melakukan pengujian hipotesis dengan menggunakan
pengujian koefisien determinasi (R2), uji signifikansi simultan (Uji-F), dan uji
signifikansi parsial (Uji-T) pada sampel.
a. Koefisien Determinasi (R2)
Koefisien determinasi atau R2 menunjukkan seberapa besar variabel
independen dapat menjelaskan variabel dependennya. Apabila nilai R2 semakin
dekat dengan satu, maka kesimpunlannya adalah variabel-variabel independen
tersebut dapat memberikan semua informasi yang dibutuhkan untuk memprediksi
variabel dependen.
Tabel 4.5
Koefisien Determinasi (R2)
Model R R Square Adjusted R
Square
Std. Error of the Estimate
1 .356a .127 .053 .62328
Sumber: Output aplikasi SPSS (diolah pada 2016)
Hasil dari uji koefisien determinasi pada Tabel 4.5 menunjukkan nilai
Adjusted R2 adalah 0,053. Hal ini berarti bahwa persentase pengaruh variabel independen terhadap pajak agresif hanya sebesar 5,3% sedangkan sisanya yaitu
94,7% adalah pengaruh lain yang tidak masuk dalam model penelitian ini.
b. Uji-F
Untuk mendeteksi pengaruh secara simultan dari variabel independen akan
lakukan dengan uji-F, yaitu apakah Ukuran Dewan Komisaris (X1.1), Ukuran
Responsibility (X2) berpengaruh signifikan secara simultan terhadap Tindakan
Pajak Agresif (Y) jika F hitung > F tabel dan tingkat signifikansinya < 0,05.
Tabel 4.6
Uji Signifikansi Simultan Penelitian (Uji-F)
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1
Regression 2.655 4 .664 1.709 .164b
Residual 18.259 47 .388
Total 20.914 51
a. Dependent Variable: Pajak_Agresif
b. Predictors: (Constant), CSR, Komite_Audit, Dewan_Komisaris, Dewan_Direksi
Sumber: Output aplikasi SPSS (diolah pada 2016)
Dari hasil tabel 4.6 adalah angka F hitung 1,709 < F tabel 2,55 dan nilai
signifikansinya 0,164 > 0,05, maka Ha yang diajukan ditolak, artinya Ukuran
Dewan Komisaris (X1.1), Ukuran Dewan Direksi (X1.2), Ukuran Komite Audit
(X1.3) dan Corporate Social Responsibility (X2) secara simultan tidak
berpengaruh terhadap Tindakan Pajak Agresif (Y).
c. Uji t
Untuk melihat pengaruh secara parsial dari masing-masing variabel
independen dapat dilihat dengan menggunakan uji-t , yaitu apakah Ukuran Dewan
Komisaris (X1.1), Ukuran Dewan Direksi (X1.2), Ukuran Komite Audit (X1.3)
dan CSR (X2) berpengaruh signifikan secara parsial terhadap Tindakan Pajak
Tabel 4.7
Uji Signifikansi Parsial Penelitian (Uji-t)
Coefficientsa
Model Unstandardized Coefficients Standardized
Coefficients t Sig. B Std. Error Beta 1 (Constant) .662 .564 1.175 .246 Dewan_Komisaris -.134 .059 -.358 -2.285 .027 Dewan_Direksi .026 .090 .046 .294 .770 Komite_Audit .151 .118 .189 1.280 .207 CSR .020 .727 .005 .027 .978
a. Dependent Variable: Pajak_Agresif
Sumber: Output aplikasi SPSS (diolah pada 2016)
Tabel 4.7 menghasilkan t-hitung lebih kecil atau lebih besar dari t-tabel
2.01174 secara parsial sebagai berikut:
1. Ukuran Dewan Komisaris (X1.1)
Besar thitung variabel Ukuran Dewan Komisaris adalah sebesar -2,285
dengan nilai signifikansi 0,027. Hasil tersebut menunjukkan bahwa thitung
lebih besar dari t-tabel (-2,285 > 2,01174). Dilihat dari signifikansinya,
kebijakan hutang memiliki nilai signifikansi lebih kecil dari 0,05 (0,027 <
0,05). Maka dari hasil analisa tersebut dapat diambil kesimpulan bahwa
Ukuran Dewan Komisaris berpengaruh negatif signifikan terhadap
Tindakan Pajak Agresif. Ini menunjukkan bahwa H1.1 diterima.
2. Ukuran Dewan Direksi (X1.2)
Besarnya thitung untuk variabel Ukuran Dewan Direksi adalah sebesar
0,294 dengan nilai signifikansi 0,770. Hasil tersebut menunjukkan thitung
Ukuran Dewan Direksi memiliki nilai signifikansi lebih besar dari 0,05
(0,770 > 0,05). Maka dari hasil analisa tersebut dapat diambil kesimpulan
bahwa Ukuran Dewan Direksi tidak berpengaruh signifikan terhadap
Tindakan Pajak Agresif. Ini menunjukkan bahwa H1.2 ditolak.
3. Ukuran Komite Audit (X1.3)
Besarnya thitung untuk variabel Ukuran Komite Audit adalah sebesar
1,280 dengan nilai signifikansi 0,207. Hasil tersebut menunjukkan thitung
lebih kecil dari ttabel ( 1,280 < 2,01174). Dilihat dari signifikansinya
Ukuran Komite Audit memiliki nilai signifikansi lebih besar dari 0,05
(0,207 > 0,05). Maka dari hasil analisa tersebut dapat diambil kesimpulan
bahwa Ukuran Komite Audit tidak berpengaruh signifikan terhadap
Tindakan Pajak Agresif. Ini menunjukkan bahwa H1.3 ditolak.
4. Corporate Social Responsibility (X2)
Besarnya thitung untuk variabel Corporate Social Responsibility adalah
sebesar 0,027 dengan nilai signifikansi 0,978. Hasil tersebut menunjukkan
thitung lebih kecil dari ttabel (0,027 < 2,01174). Dilihat dari
signifikansinya Corporate Social Responsibilty memiliki nilai signifikansi
lebih besar dari 0,05 (0,027 < 0,05). Maka dari hasil analisa tersebut dapat
diambil kesimpulan bahwa Corporate Social Responsibility tidak
berpengaruh signifikan terhadap Tindakan Pajak Agresif. Ini menunjukkan
Berdasarkan hasil uji-t diperoleh model persamaan regresi linier berganda sebagai
berikut:
Y = 0,662 – 0,134X1.1 + 0,026X1.2 + 0,151X1.3 + 0,020X2
Model persamaan linier berganda diatas dapat diinterpretasikan sebagai
berikut:
1. Nilai konstanta sebesar 0,662 artinya apabila nilai variabel independen
Dewan Komisaris, Dewan Direksi, Komite Audit dan CSR bernilai 0,
maka nilai variabel dependen Tindakan Pajak Agresif konstan di 0,662.
2. Ukuran Dewan Komisaris memiliki koefisien regresi sebesar -0,134, hal
ini menunjukkan bahwa variabel Ukuran Dewan Komisaris memiliki
hubungan yang berlawanan dengan Tindakan Pajak Agresif. Setiap
kenaikan satu satuan Ukuran Dewan Komisaris, maka Tindakan Pajak
Agresif akan turun sebesar 0,134 dengan asumsi bahwa variabel
independen lainnya dianggap tetap.
3. Ukuran Dewan Direksi memiliki koefisien regresi sebesar 0,026, hal ini
menunjukkan bahwa jika variabel Ukuran Dewan Direksi bertambah satu
satuan maka variabel Tindakan Pajak Agresif juga mengalami kenaikan
sebesar 0,026.
4. Ukuran Komite Audit memiliki koefisien regresi sebesar 0,151, hal ini
menunjukkan bahwa jika variabel Ukuran Komite Audit bertambah satu
satuan maka variabel Tindakan Pajak Agresif juga mengalami kenaikan
5. Corporate Social Responsibility memiliki koefisien regresi sebesar 0,020,
hal ini menunjukkan bahwa jika variabel Ukuran Dewan Direksi
bertambah satu satuan maka variabel Tindakan Pajak Agresif juga
mengalami kenaikan sebesar 0,020.