METODE PENELITIAN
3.5 Metode Analisis Data .1 Statistik Deskriptif .1 Statistik Deskriptif
Analisis statistik deskriptif digunakan untuk memberikan deskripsi atas variabel-variabel penelitian secara statistik. Statistik deskriptif yang digunakan dalam penelitian ini adalah nilai rata-rata (mean), nilai maksimum, nilai minimum, dan standar deviasi. Statistik deskriptif dimaksudkan untuk memberikan gambaran mengenai distribusi dan perilaku data sampel tersebut (Ghozali, 2011). Uji statistik deskriptif tersebut dilakukan dengan program SPSS. 3.5.2 Uji Asumsi Klasik
Pengujian regresi linier berganda dapat dilakukan setelah model pada penelitian ini memenuhi syarat-syarat yaitu lolos dari uji asumsi klasik. pengujian asumsi klasik yang dilakukan terdiri dari:
3.5.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam sebuah model regresi, variabel dependen, variabel independen atau keduanya mempunyai distribusi normal atau tidak (Ghozali, 2011). Model regresi yang baik adalah mempunyai distribusi data normal atau mendekati normal.
Pengujian normalitas dalam penelitian ini dilakukan dengan menggunakan analisis grafik histogram, normal probability plot, dan uji statistik Kolmogorov-Smirnov (K-S). Uji K-S dilakukan dengan membuat hipotesis:
H0 : data residual berdistribusi normal HA : data residual tidak berdistribusi normal
Level of Significant yang digunakan adalah 0,05. Jika hasil uji K-S menunjukkan nilai signifikan diatas 0,05 maka data berdistribusi normal (Ghozali, 2011).
3.5.2.2 Uji Multikolinearitas
Uji asumsi multikolinearitas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang baik adalah tidak terjadi korelasi antar variabel independen.
Menurut Ghozali (2011) multikolinearitas dapat diihat dari nilai tolerance
dan lawannya Variance Inflation Factor (VIF). Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah nilai tolerance ≤ 0,10 atau sama dengan nilai VIF ≥ 10 (Ghozali, 2011).
3.5.2.4 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah nilai dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah tidak terdapat heteroskedastisitas (Ghozali, 2011).
Pengujian heteroskedasititas dapat dilakukan dengan cara melihat grafik plot nilai prediksi variabel dependen dengan residunya. Dasar pengambilan keputusan adalah:
1. Jika ada pola tertentu seperti titik-titik yang membentuk pola tertentu yang teratur (bergelombang, melebar, kemudian menyempit), maka terjadi heteroskedasitas.
2. Jika tidak ada pola yang jelas serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka terjadi homoskedastisitas (Ghozali, 2011).
Selain itu uji heteroskedastisitas juga dapat dilakukan dengan uji glejser, yaitu meregresi nilai absolute residual terhadap independent variable.
3.5.2.4 Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode tertentu dengan kesalahan pengganggu pada periode sebelumnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi.
Pengujian ini menggunakan uji Durbin-Watson (DW test) yang mensyaratkan adanya konstanta (intercept) dalam model regresi dan tidak ada variabel lag di antara variabel independen (Ghozali, 2011). Langkah awal melakukan uji Durbin Watson adalah merumuskan hipotesis :
H0 : tidak ada autokorelasi ( r = 0 ) Ha: ada autokorelasi ( r ≠ 0 )
Langkah berikutnya adalah menentukan nilai d hitung (Durbin-Watson).
Pengambilan keputusan ada atau tidaknya autokorelasi dapat dilihat pada tabel 3.1.
Tabel 3.1 Klasifikasi Nilai d
Hipotesis nol Keputusan Jika Tidak ada autokorelasi
positif
Ditolak 0 < d < dl Tidak ada autokorelasi
positif
Tidak ada autokorelasi negative
Ditolak 4 – dl < d < 4 Tidak ada autokorelasi
negative
Tidak ada keputusan 4 –du ≤ d ≤ 4 - dl Tidak ada autokorelasi,
positif atau negative
Tidak Ditolak du < d < 4 - du
Sumber: Aplikasi Analisis Multivariate dengan Program SPSS, Imam Ghozali (2011)
3.5.3 Analisis Regresi Berganda
Analisis regresi berganda (multiple regression analysis) digunakan untuk menguji pengaruh dua atau lebih independent variable terhadap dependent variable. Dalam penelitian ini analisis regresi berganda digunakan untuk menunjukkan arah hubungan antara karakteristik pengawasan stakeholder dengan tindakan agresivitas pajak. Adapun persamaan untuk menguji hipotesis secara keseluruhan pada penelitian ini adalah sebagai berikut:
Dimana:
TAG : Agresivitas pajak perusahaan yang diukur menggunakan proksi CETR 0 : Konstanta
1- 8 : Koefisien regresi
FREK : Frekuensi rapat dewan komisaris. Diukur dengan menghitung jumlah pertemuan yang diselenggarakan oleh dewan komisaris dalam satu tahun.
ACI : Independensi komite audit. Diukur dengan perbandingan antara jumlah anggota komite audit yang memenuhi persyaratan independen terhadap total anggota komite audit.
KOM : Kompetensi komite audit. Merupakan dummy variable, bernilai 1 (satu) jika terdapat minimal satu anggota komite audit yang memiliki latar belakang pendidikan dan pengalaman di bidang akuntansi dan keuangan, dan bernilai 0 (nol) jika tidak.
MF : Frekuensi rapat komite audit. Diukur dengan menghitung jumlah pertemuan yang diselenggarakan oleh komite audit dalam satu tahun. SPEC : Spesialisasi industri auditor. Merupakan dummy variable, bernilai 1
jika perusahaan diaudit oleh auditor spesialis industri, dan bernilai 0 (nol) jika tidak.
TEN : Audit tenure. Diukur dengan menghitung jumlah tahun sebuah KAP mengaudit laporan keuangan sebuah perusahaan secara berturut-turut. LEV : Leverage. Diukur dengan perbandingan antara total kewajiban dengan
total aset.
LIT : Litigasi. Merupakan dummy variable, bernilai 1 (satu) jika perusahaan sedang mengalami perkara hukum, dan bernilai 0 (nol) jika tidak. : Error
3.5.4 Pengujian Hipotesis
Ketepatan fungsi regresi sampel dalam menaksir nilai akrual dapat diukur dari goodness of fitnya. Secara statistik, goodness of fit dapat diukur dari nilai
koefisien determinasi (R2), nilai uji statistik F dan nilai uji statistik t (Ghozali, 2011)
3.5.4.1 Uji Koefisien Determinasi (R2)
Koefisien determinasi (R2) digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel independen (Ghozali, 2011). Nilai koefisien determinasi adalah antara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel independen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independennya memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Kelemahan mendasar penggunaan koefisien determinasi adalah bias terhadap jumlah independen yang dimasukkan ke dalam model. Karena dalam penelitian ini menggunakan banyak variabel independen, maka nilai adjusted R2 lebih tepat digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. 3.5.4.2 Uji Signifikansi Simultan (Uji Statistik F)
Uji statistik F digunakan untuk menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama (simultan) terhadap variabel dependen (Ghozali, 2011). Dengan tingkat signifikansi 0,05 (5%), maka kriteria pengujian adalah sebagi berikut:
1. Bila nilai signifikansi F < 0.05 maka H0 ditolak, Ha diterima. Artinya variabel independen secara bersama-sama berpengaruh terhadap variabel dependen.
2. Bila nilai signifikansi F > 0.05, maka H0 tidak ditolak dan Ha tidak diterima. Artinya variabel independen secara bersama-sama tidak berpengaruh terhadap variabel dependen.
3.5.4.3 Uji Signifikansi Parameter Individual (Uji Statistik t)
Uji statistik t digunakan untuk mengetahui seberapa jauh pengaruh satu variabel independen secara individual dalam menjelaskan variasi variabel dependen (Ghozali, 2011). Dengan tingkat signifikansi 0,05 (5%), maka kriteria pengujian adalah sebagi berikut:
a. H0 ditolak, Ha diterima jika nilai signifikan kurang dari 0,05. Artinya variabel independen secara individual berpengaruh terhadap variabel dependen.
b. H0 tidak ditolak, Ha tidak diterima jika nilai signifikan lebih dari 0,05. Artinya variabel independen secara individual tidak berpengaruh terhadap variabel dependen.