BAB I PENDAHULUAN
2.4 Hipotesis
2.4.5 Pengaruh Profitabilitas, Leverage, Sales Growth dan Firm
Berdasarkan beberapa penelitian sebelumnya yang menunjukan hasil bahwa adanya pengaruh Profitabilitas, Leverage, Sales Growth, dan Firm Size terhadap Tax Avoidance, maka dapat disimpulkan hipotesis kelima dalam penelitian ini adalah :
H5 : Profitabilitas, Leverage, Sales Growth, dan Firm Size berpengaruh terhadap Tax Avoidance.
28 BAB III
METODE PENELITIAN 3.1 Jenis dan Sumber Data
Penelitian ini menggunakan jenis data kuantitatif, menggunakan data sekunder yang bersumber dari laporan keuangan perusahaan manufaktur ( Sektor Property, Real Estate, dan Kontruksi Bangunan) periode 2016-2018 yang terdaftar di Bursa Efek Indonesia. Penelitian ini menggunakan data sekunder dikarenakan perhitungan rasio yang kemudian akan diolah menggunakan bantuan software Software Statistical Product and Service Solution (SPSS) versi 25. Sumber data yang akan digunakan diperoleh dari situs resmi Bursa Efek Indonesia (BEI) yaitu www.idx.co.id .
3.2 Populasi dan Sampel 3.2.1 Populasi
Populasi dalam penelitian ini adalah seluruh perusahaan jasa sektor property, real estate, dan kontruksi bangunan yang terdaftar di BEI (Bursa Efek Indonesia) dalam periode 2016-2018. Berdasarkan data dari tahun 2016–2018 di BEI populasi perusahaan manufaktur sector property, real estate, dan kontruksi dan industri sebanyak 76 perusahaan di Indonesia.
3.2.2 Sampel
Sampel dalam penelitian ini adalah perusahaan jasa sector property, real estate dan kontruksi bangunan yang terdaftar di Bursa Efek Indonesia periode 2016-2018. Dalam penelitian ini, tidak semua perusahaan dapat dijadikan sampel karena tidak lengkapnya laporan keuangan yang diinginkan. Sehingga peneliti menggunakan teknik pemilihan sampel menggunakan teknik purposive sampling yaitu teknik penentuan sampel dengan pertimbangan tertentu dengan tujuan atau target tertentu sesuai dengan kriteria sampel yaitu :
1. Perusahaan telah mendaftarkan sahamnya di Bursa Efek Indonesia berturut-turut sejak tahun 2016 sampai dengan 2018.
29 2. Perusahaan tetap aktif di pasar modal sampai tahun 2018, sehingga dapat diketahui perkembangan laba, aktiva, dan hutang yang dimiliki perusahaan tersebut dari tahun ke tahun.
3. Perusahaan yang menggunakan mata uang Rupiah, agar kriteria pengukuran nilai mata uangnya sama.
4. Perusahaan dengan nilai laba yang positif agar tidak mengakibatkan nilai Cash Effective Tax Rate (CETR) terdistorsi (Richardson dan Lanis 2007).
5. Perusahaan harus memiliki nilai tarif pajak efektif antara 0-1, karena hal ini akan membuat masalah dalam estimasi model (Gupta dan Newberry, 1997)
6. Perusahaan manufaktur yang menerbitkan laporan keuangan lengkap mulai periode 2016 sampai dengan 2018.
Sampel yang sesuai dengan kriteria diatas ada 62 sampel perusahaan. Sampel dalam penelitian ini adalah semua Perusahaan Property, Real Estate dan Kontruksi Bangunan tahun 2016-2018, namun perusahaan yang tidak sesuai dengan kriteria yang ditetapkan peneliti akan dikeluarkan dari sampel.
Penentuan sampel dalam penelitian ini didasarkan pada metode nonprobability sampling dengan teknik purposive sampling.
3.3 Variabel Penelitian dan Definisi Operasional 3.3.1 Variabel Dependen / Terikat
Variabel Dependen / terikat adalah variabel yang dikenai pengaruh dan diterangkan oleh variabel lain atau variabel yang menjadi perhatian utama dalam penelitian. Variabel dependen / terikat dalam penelitian ini adalah penghindaran pajak (tax avoidance). Untuk mengetahui seberapa besar aktivitas penghindaran pajak pada suatu perusahaan dapat dilakukan pengukuran dengan menggunakan metode pengukuran Cash Efective Tax Rate (CETR). Rumus Cash Efective Tax Rate (CETR) adalah sebagai berikut :
CETR = Beban Pajak Kini Laba bersih sebelum pajak
30 3.3.2 Variabel Independen / Bebas
Variabel Independen / bebas adalah variabel yang mempengaruhi variabel terikat. Variabel bebas dalam penelitian ini meliputi :
a) Profitabilitas
Profitablitas atau kemampuan memperoleh laba adalah suatu ukuran dalam persentase yang digunakan untuk menilai sejauh mana perusahaan mampu menghasilkan laba pada tingkat yang dapat diterima.
ROA merupakan rasio profitabilitas untuk menilai persentase keuntungan/laba yang diperoleh perusahaan terkait sumber daya atau total aset sehingga efisiensi suatu perusahaan dalam mengelola asetnya bisa terlihat dari persentase rasio ini. Rumus ROA adalah sebagai berikut:
ROA = Laba bersih setelah pajak Total Asset
b) Leverage
Leverage diukur menggunakan rasio debt to equity ratio (DER). Debt to Equity Ratio (DER) merupakan perbandingan antara total hutang dengan total ekuitas perusahaan sebagai sumber pendanaan. Perusahaan yang menggunakan hutang pada komposisi pembiayaan maka akan menimbulkan adanya beban bunga yang harus dibayar. Beban bunga merupakan biaya yang dapat dikurangkan terhadap penghasilan kena pajak sehingga menyebabkan laba kena pajak perusahaan menjadi berkurang dan pada akhirnya akan mengurangi jumlah pajak yang harus dibayar oleh perusahaan. Secara matimatis dapat dirumuskan sebagai berikut :
31 DER = Total Utang
Total Ekuitas
c) Sales Growth
Pertumbuhan penjualan mencerminkan kemampuan perusahaan dari waktu ke waktu. Semakin tinggi tingkat pertumbuhan penjualan perusahaan maka perusahaan tersebut berhasil menjalankan strateginya (Widarjo dan Setiawan, 2009).
Formulasi perhitungannya :
Sales Growth = S1 – S0 S0
*keterangan =
S1 : Total Penjualan selama periode berjalan S0 : Total Penjualan selama periode yang lalu
d) Firm Size
Ukuran perusahaan adalah besar kecilnya perusahaan dilihat dari besarnya nilai ekuitas, nilai penjualan atau nilai total aktiva (Riyanto, 2010).
Semakin besar total aset yang dimiliki perusahaan maka semakin besar ukuran perusahaan. Besar kecilnya total aset juga mempengaruhi jumlah produktifitas perusahaan, sehingga laba yang dihasilkan perusahaan juga akan terpengaruh. Laba yang dihasilkan oleh perusahaan yang memiliki aset besar akan memengaruhi tingkat pembayaran pajak perusahaan.
Formulasi perhitungannya :
Firm Size = Ln (Total Asset)
32 Berdasarkan uraian penjelasan singkat diatas, maka dapat disimpulkan definisi variabel operasional dan metode pengukuran nya yang dapat dilihat pada tabel 3.1 dibawah ini :
Tabel 3.1
Definisi Variabel Operasional
No Variabel Indikator Sumber Skala
1 Tax Avoidance
S1 : Total Penjualan selama periode berjalan.
S0 : Total Penjualan selama periode yang lalu.
3.4
Teknik Analisis Data3.4.1 Uji Statistik Deskriptif
Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata (mean), standar deviasi, varian, maksimum, minimum, sum, range, kurtosis, dan skewness (kemencengan distribusi) (Ghozali, 2011). Uji statistik deskriptif dilakukan untuk memberikan gambaran atau deskripsi dari sebuah
33 informasi, sehingga informasi tersebut dapat dipahami dengan lebih mudah.
3.4.2 Uji Asumsi Klasik
Asumsi klasik adalah syarat-syarat yang harus dipenuhi pada model regresi linear OLS agar model tersebut menjadi valid sebagai alat penduga. Untuk memperoleh hasil pengujian yang baik maka semua data yang dibutuhkan dalam penelitian harus diuji terlebih dahulu agar tidak melanggar asumsi klasik. Uji asumsi klasik terdiri dari empat uji yaitu uji normalitas, uji multikolonieritas, uji heteroskedastisitas, dan uji autokorelasi.
a. Uji Normalitas
Uji normalitas bertujuan untuk mengukur apakah di dalam model regresi variabel independen dan variabel dependen keduanya mempunyai distribusi normal atau mendekati normal (Aisha, 2016). Dalam penelitian ini, uji normalitas menggunakan uji statistik Kolmogorov-Smirnov. Uji statistik Kolmogorov-Smirnov merupakan uji statistik non parametik yang dapat pula digunakan untuk menguji apakah data terdistribusi secara normal atau tidak.
Untuk lebih memberikan keyakinan bahwa data terdistribusi secara sempurna, selain menggunakan uji statistik Kolmogorov-Smirnov didalam penelitian ini juga akan menyajikan uji Normal Probability Plot (P-P Plot). Suatu variabel dikatakan normal jika gambar distribusi dengan titik-titik data yang menyebar di sekitar garis diagonal, dan penyebaran titik-titik data searah mengikuti garis diagonal (Singgih Santoso, 2010).
b. Uji Multikolonieritas
Uji Multikolonieritas adalah uji yang dilakukan untuk memastikan apakah di dalam sebuah model regresi ada interkorelasi atau kolinearitas antar variabel bebas. Uji
34 multikolinearitas digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik multikolinearitas yaitu adanya hubungan linear antar variabel independen dalam model regresi.
Prasyarat yang harus terpenuhi dalam model regresi adalah tidak adanya multikolinearitas. Ada beberapa metode pengujian yang bisa digunakan diantaranya yaitu 1) dengan melihat nilai inflation factor (VIF) pada model regresi, 2) dengan membandingkan nilai koefisien determinasi individual (r2) dengan nilai determinasi secara serentak (R2), dan 3) dengan melihat nilai eigenvalue dan condition index.
Pada penelitian ini akan dilakukan uji multikolinearitas dengan melihat nilai inflation factor (VIF) pada model regresi dan membandingkan nilai koefisien determinasi individual (r2) dengan nilai determinasi secara serentak (R2). Pengujian ada tidaknya gejala multikolinearitas dilakukan dengan melihat nilai VIF (Variance Inflation Factor) dan Tolerance. Apabila nilai VIF berada dibawah 10,00 dan nilai Tolerance lebih dari 0,100, maka diambil kesimpulan bahwa model regresi tersebut tidak terdapat masalah multikolinearitas.
c. Uji Heteroskedastitas
Heterokedastisitas merupakan suatu varian pengganggu yang tidak mempunyai varian yang sama untuk setiap observasi, sehingga mengakibatkan penaksiran regresi yang tidak efisien (Aisha, 2016).
Uji heteroskedastisitas digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik heteroskedastisitas yaitu adanya ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi.
Heteroskedastisitas merupakan salah satu faktor yang menyebabkan model regresi linier sederhana tidak efisien dan akurat, juga mengakibatkan penggunaan metode kemungkinan maksimum dalam mengestimasi parameter (koefisien) regresi akan terganggu.
35 Deteksi ada atau tidaknya heterokedatisitas dapat dilihat adengan ada tidaknya pola tertentu pada grafik scatterplot. Jika ada pola tertentu maka mengindikasikan telah terjadi heterokedastisitas. Tetapi jika tidak ada pola yang jelas serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y maka tidak terjadi heterokedastisitas.
d. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi Linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual (kesalahan pengganggu) tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu (time series) yang terpilih yang tidak dijelaskan oleh variabel independen lainnya (Ghazali, 2011).
Run test sebagai bagian dari statistik non-parametik dapat pula digunakan untuk menguji apakah antar residual terdapat korelasi yang tinggi. Jika antar residual tidak terdapat hubungan korelasi maka dikatakan bahwa residual adalah acak atau random. Run test digunakan untuk melihat apakah data residual terjadi secara random atau tidak (sistematis).
H0 : residual (res_1) random (acak) H1 : residual (res_1) tidak random
3.5 Analisis Regresi Linier Berganda
Menurut Ghozali (2011) analisis regresi linear berganda digunakan untuk mengetahui arah dan seberapa besar pengaruh variabel independen terhadap variabel dependen. Variabel independen diasumsikan memiliki tetap. Hasil dari analisis regresi linier berganda akan menguji pengaruh profitabilitas, leverage, sales growth, dan firm size terhadap tax avoidance.
36 Adapun model penelitian yang digunakan dalam penelitian ini adalah sebagai berikut :
CETR = α + β1X1 + β2X2 + β3X3 - β4X4 + e
Keterangan:
CETR = Cash Effective Tax Rate α = Nilai intersep konstanta
β1-β4 = Koefisien regresi variabel independen X1 = Return on Assets
X2 = Leverage X3 = Sales Growth X4 = Firm Size
e = Variabel di luar model (error)
3.6 Uji Hipotesis
3.6.1 Uji Koefisien Determinasi (Adjusted R2)
Gozali (2012) menyatakan bahwa Uji Koefisien Determinasi ini bertujuan untuk melihat seberapa besar kemampuan variabel independen menjelaskan variabel dependen yang dilihat melalui Adjusted R2.
Adjusted R2 ini digunakan karena variabel bebas dalam penelitian ini adalah lebih dari dua. Nilainya terletak antara 0 dan 1. Jika hasil yang diperoleh > 0,5, maka model yang digunakan dianggap cukup handal dalam membuat estimasi.
Semakin besar angka Adjusted R2 maka semakin baik model yang digunakan untuk menjelaskan hubungan variabel bebas terhadap variabel terikatnya. Jika Adjusted R2 semakin kecil berarti semakin lemah model tersebut untuk menjelaskan variabilitasnya dari variabel terikatnya.
3.6.2 Uji Signifikansi Parameter Individual (Uji Statistik t)
Uji statistik t pada dasarnya untuk menunjukkan seberapa jauh pengaruh suatu variabel individu independen secara individu dalam menerangkan variabel dependen (Ghozali, 2011).
Kriteria hipotesis:
Ho: tidak ada pengaruh variabel independen secara individual terhadap
37 variabel dependen.
Ha : ada pengaruh variabel independen secara individual terhadap variabel dependen.
Kriteria penerimaan hipotesis:
1) Jika p value ≤ 0,05 maka Ho ditolak dan Ha diterima sehingga ada pengaruh variabel independen terhadap variabel dependen.
2) Jika p value > 0,05 maka Ho diterima dan Ha ditolak sehingga tidak ada pengaruh variabel independen terhadap variabel dependen.
3.6.3 Uji Pengaruh Simultan (Uji Statistik F)
Uji simultan atau disebut juga uji F dalam analisis regresi linear berganda bertujuan untuk mengetahui apakah variabel bebas (X) secara bersama-sama atau secara serempak (simultan) berpengaruh terhadap variabel terikat (Y). Dasar pengambilan keputusan keputusan untuk uji f adalah sebagai berikut :
1) Jika nilai Sig. < 0,05 maka variabel bebas (X) berpengaruh signifikan terhadap variabel terikat (Y).
2) Jika nilai Sig. > 0,05 maka variabel bebas (X) tidak berpengaruh signifikan terhadap variabel terikat (Y).
38 BAB IV
HASIL DAN PEMBAHASAN 4.1 Gambaran Umum Objek Penelitian
Objek dari penelitian ini adalah perusahaan jasa sektor property, real estate, dan kontruksi bangunan yang terdaftar di Bursa Efek Indonesia periode tahun 2016 sampai dengan 2018 sebanyak 79 perusahaan. Laporan Keuangan yang digunakan dalam penelitian ini diambil dari Laporan Keuangan yang telah disampaikan di Bursa Efek Indonesia dan telah dipublikasikan. Dari seluruh populasi yang ada, diambil beberapa perusahaan sebagai sampel penelitian dengan menggunakan metode purposive sampling. Dari metode purposive sampling tersebut diperoleh sebanyak 29 perusahaan yang memenuhi kriteria.
Berikut ini adalah nama perusahaan sektor property, real estate, dan kontruksi bangunan yang akan dijadikan sampel dalam penelitian ini :
Tabel 4.1
Daftar Sampel Perusahaan Jasa
Sektor Property, Real Estate dan Kontruksi Bangunan Yang terdaftar di BEI
Periode 2016-2018
No Nama Perusahaan Kode Saham
1 Acset Indonusa Tbk. ACST
2 Adhi Karya (Persero) Tbk. ADHI
3 Agung Podomoro Land Tbk. APLN
4 Bekasi Fajar Industrial Estate BEST
5 Bumi Serpong Damai Tbk. BSDE
6 Ciputra Development Tbk. CTRA
7 Duta Anggada Realty Tbk. DART
8 Duta Pertiwi Tbk DUTI
9 Fortune Mate Indonesia Tbk FMII
10 Perdana Gapuraprima Tbk. GPRA
11 Greenwood Sejahtera Tbk. GWSA
12 Indonesia Pondasi Raya Tbk. IDPR
13 Jaya Konstruksi Manggala Prata JKON
14 Jaya Real Property Tbk. JRPT
15 Lippo Cikarang Tbk LPCK
16 Modernland Realty Tbk. MDLN
39
17 Metropolitan Kentjana Tbk. MKPI
18 Mega Manunggal Property Tbk. MMLP
19 Metropolitan Land Tbk. MTLA
20 Nusa Raya Cipta Tbk. NRCA
21 Paramita Bangun Sarana Tbk. PBSA
22 PP Properti Tbk. PPRO
23 PP (Persero) Tbk. PTPP
24 Suryamas Dutamakmur Tbk. SMDM
25 Summarecon Agung Tbk. SMRA
26 Sitara Propertindo Tbk. TARA
27 Total Bangun Persada Tbk. TOTL
28 Wijaya Karya (Persero) Tbk. WIKA
29 Waskita Karya (Persero) Tbk. WSKT
Sumber : Bursa Efek Indonesia - Data diolah, 2019
4.2 Uji Statistik Deskriptif
Statistik deskriptifmenunjukan nilai minimum, nilai maksimum, nilai rata-rata (mean) dan standard deviasi dari masing-masing variabel serta jumlah data (N) yang digunakan dalam penelitian ini. Standar deviasi menunjukan seberapa jauh kemungkinan nilai yang diperoleh menyimpang dari nilai yang diharapkan.
Semakin besar nilai standard deviasi maka semakin besar nilai riil menyimpang dari yang diharapkan. Analisa statistik deskriptif yang digunakan terdiri atas:
a. Mean (nilai rata-rata) yakni nilai rata-rata dari data yang diamati.
b. Maximum (nilai tertinggi) yakni mengetahui nilai tertinggi dari data.
c. Minimum (nilai terendah) yakni mengetahui nilai terendah dari data.
Standar deviasi digunakan untuk mengetahui variabilitas dari penyimpangan terhadap nilai rata – rata.
40 Tabel 4.2
Hasil Output Uji Statistik Deskriptif
Sumber : Output Data Sekunder yang diolah SPSS 25.0, 2019.
Dari tabel 4.2 di atas diketahui bahwa sampel yang digunakan dalam penelitian adalah sebanyak 29 sampel dan disebabkan karena jangka waktu observasi selama 3 tahun maka N seharusnya sebanyak 87, akan tetapi karena adanya data yang esktrem dan membuat proses pengolahan data menjadi tidak baik, maka ada sebanyak 25 sampel yang di outlier. Sehingga N (total sampel) yang diteliti adalah 62 sampel.
Tabel 4.2 merupakan statistik deskriptif untuk model penelitian dalam mengukur variabel dependen yaitu, Tax Avoidance yang di proksikan sebagai CETR. Menunjukan bahwa rata rata Tax Avoidance (penghindaran pajak) pada perusahaan property, real estate dan kontruksi bangunan yaitu 0.14881 dengan standar deviasi 0.163087. Dan perusahaan yang memiliki nilai CETR terbesar yaitu perusahaan PT. Sitara Propertindo Tbk. pada tahun 2017 sebesar 0,510.
Perusahaan yang memiliki nilai CETR terendah yaitu perusahaan PT. Duta Pertiwi Tbk pada tahun 2016 yaitu 0,004.
Variable independen pertama yaitu Profitabilitas yang di proksikan dengan ROA. Menunjukan bahwa yang memiliki nilai ROA terbesar yaitu perusahaan PT. Jaya Real Property Tbk pada tahun 2016 yaitu sebesar 0,120 dan yang memiliki nilai ROA terkecil yaitu perusahaan PT. Sitara Propertindo Tbk pada tahun 2018 yaitu 0,001. Dan rata rata ROA pada perusahaan property, real estate, dan kontruksi bangunan yaitu sebesar 0,4990, dengan standar deviasi 0.033089.
Variable independen kedua yaitu Leverage yang di proksikan dengan DER. Menunjukan bahwa yang memiliki nilai DER terbesar yaitu perusahaan PT. Adhi Karya (Persero) Tbk pada tahun 2016 yaitu sebesar 2.692 dan yang
Descriptive Statistics
N Min. Max. Mean Std.
Deviation
Tax Avoidance 62 ,000 ,510 ,14881 ,163087
Profitabilitas 62 ,001 ,120 ,04990 ,033089
Leverage 62 ,066 2,692 ,75713 ,567552
Sales Growth 62 -,546 ,587 ,01692 ,255950
Firm Size 62 27,223 31,584 29,48989 1,141067 Valid N (listwise) 62
41 memiliki nilai DER terkecil yaitu perusahaan PT. Sitara Propertindo Tbk pada tahun 2018 yaitu 0,066. Dan rata rata DER pada perusahaan property, real estate, dan kontruksi bangunan yaitu sebesar 0,75713, dengan standar deviasi 0.567552.
Variable independen ketiga yaitu Sales Growth yang di proksikan dengan Sg. Menunjukan bahwa perusahaan yang memiliki nilai Sg terbesar yaitu PT.
Bumi Serpong Damai Tbk pada tahun 2017 yaitu sebesar 0.587 dan yang memiliki nilai Sg terendah yaitu perusahaan PT. Sitara Propertindo Tbk pada tahun 2016 yaitu -0.546. Dan rata rata Sg pada perusahaan property, real estate, dan kontruksi bangunan yaitu sebesar 0,01692 dengan standar deviasi 0.255950.
Variable independen keempat Firm Size yang di proksikan dengan Fz.
Menunjukan bahwa perusahaan yang memiliki nilai Fz terbesar yaitu PT. Bumi Serpong Damai Tbk pada tahun 2018 yaitu sebesar 31.584 dan yang memiliki nilai Fz terendah yaitu perusahaan PT. Paramita Bangun Sarana Tbk pada tahun 2018 yaitu 27.223. Dan rata rata ukuran perusahaan pada perusahaan property, real estate, dan kontruksi bangunan yaitu sebesar 29.48989 dengan standar deviasi 1.141067.
4.3 Uji Asumsi Klasik
Sebelum menguji hipotesis terlebih dahulu dilakukan uji asumsi klasik untuk mengetahui apakah model regresi memenuhi syarat dari asumsi klasik sehingga kelayakannya dapat diketahui. Pengujian asumsi klasik yang dilakukan terdiri dari uji Normalitas, uji Heteroskedastisitas, uji Multikolinearitas dan uji Autokorelasi.
4.3.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas keduanya memiliki distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Distribusi normal akan membentuk satu garis lurus diagonaldan ploting data akan dibandingkan dengan dengan garis diagonal (Imam Ghozali, 2009:107).
42 Gambar 4.1
Grafik Histogram
Sumber : Output Data Sekunder yang diolah SPSS 25.0, 2019
Dari gambar 4.1 terlihat bahwa pola distribusi sekilas normal karena berbentuk simetris, akan tetapi jika kesimpulannya tidak normal data hanya dilihat dari grafik histogram, maka hal ini akan memberikan hasil yang meragukan khususnya untuk jumlah sampel yang kecil. Metode lain yang digunakan dalam analisis grafik adalah melihat normal probability plot. Jika distribusi data residual normal, maka garis yang akan menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
Gambar 4.2 Grafik Histogram Uji Normalitas P-P Plot
Sumber : Output Data Sekunder yang diolah SPSS 25.0, 2019
43 Dalam grafik normalitas plot terlihat data mengumpul di sekitar garis diagonal dan mengikuti arah garis diagonal. Maka dapat disimpulkan variabel memiliki data yang terdistribusi normal. Hal ini mengindikasikan bahwa penelitian ini layak menggunakan parametrik, seperti : uji t dalam pembahasannya.
Tabel 4.3
Uji Normalitas – Kolmogorov Smirnov
Sumber : Output Data Sekunder yang diolah SPSS 25.0, 2019
Berdasarkan hasil output SPSS pada gambar di atas dilihat bahwa nilai Test Statistic uji Kolmogorov-Smirnov (K-S) adalah sebesar 0.056 dan nilai asymp. Sig. (2-tailed) sebesar 0.200, hal ini menunjukkan bahwa hasil uji kolmogorov smirnov lebih besar dari nilai taraf signifikansi yaitu sebesar 0,05. Oleh karena itu, dapat disimpulkan bahwa data penelitian berdistribusi normal.
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 62
Normal Parametersa,b
Mean ,0000000
Std.Deviation ,12722025
Most Extreme Differences
Absolute ,056
Positive ,056
Negative -,051
Test Statistic ,056
Asymp. Sig. (2-tailed) ,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.
44 4.3.2 Uji Multikorelasi
Uji Multikolinieritas dilakukan dengan melihat nilai tolerance dengan nilai VIF. Variabel bebas mengalami multikolinieritas jika tolerance < 0,10 dan VIF > 10 atau variabel bebas tidak mengalami multikolinieritas jika tolerance> 0,10 dan VIF < 10. Berdasarkan tabel 4.4 nilai tolerance dari profitabilas, leverage, sales growth dan firm size masing-masing sebesar 0.887, 0.617, 0.872, dan 0.626. Nilai tersebut menunjukkan bahwa nilai tolerance masing-masing variabel lebih besar dari 0.100. Nilai VIF dari variabel bebas berturut-turut sebesar 1.128, 1.621, 1.174, dan 1.597.
Dimana masing-masing variabel nilainya lebih kecil dari 10 yang berarti bahwa model regresi bebas dari multikolinearitas.
Tabel 4.4 a. Dependent Variable: Tax Avoidance
Sumber : Output Data Sekunder yang diolah SPSS 25.0, 2019
4.3.3 Uji Heterokedastisitas
Pada uji Heteroskedastisitas bertujuan menguji apakah model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Jika variance pengamatan lain tetap, maka disebut Homokedastisitas dan jika berbeda disebut Heteroskedastisitas. Hasil heteroskedastisitas dilihat berupa grafik scatterplot yang menunjukkan bahwa titik-titik menyebar secara acak baik di atas maupun di bawah
45 angka 0 pada sumbu Y, sehingga dapat dsimpulkan bahwa tidak terjadi gejala heteroskedastisitas pada model regresi.
Gambar 4.3
Grafik Heterokedastisitas
Sumber : Output Data Sekunder yang diolah SPSS 25.0, 2019
4.3.4 Uji Autokorelasi
Uji autokolerasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada kolerasi antar kesalahan penggangu (residual) pada periode t dengan kesalahan pada periode t-1 (sebelumnya).
Penyimpangan asumsi ini biasanya muncul pada observasi yang menggunakan data time series. Penyimpangan autokorelasi dalam penelitian di uji dengan uji Runs Test
46 Tabel 4.5
Uji Autokorelasi
Sumber : Output Data Sekunder yang diolah SPSS 25.0, 2019
Dari tabel hasil perhitungan di atas dapat dilihat nilai runs test
Dari tabel hasil perhitungan di atas dapat dilihat nilai runs test