HASIL DAN PEMBAHASAN
B. Hasil Penelitian
1. Statistik Deskriptif
Statistik deskriptif dalam penelitian ini merupakan statistik yang digunakan untuk menganalisis data dengan cara menggambarkan data untuk menarik kesimpulan. Statistik deskriptif menggambarkan tentang distribusi variabel-variabel penelitian yang meliputi nilai maksimum, minimum, rata-rata (mean) dan deviasi standar suatu data yang dilihat dari hasil analisis.
Berikut ini tabel dari sampel yang digunakan yaitu jumlah sampel, nilai rata-rata, nilai minimum, nilai maksimum, dan standard deviasi untuk masing-masing variabel.
Tabel 4.3 Statistik Deskriptif Descriptive Statistics
N Minimum Maximum Mean
Std. Deviation Kepemilikan Institusional 52 ,501 ,599 ,55221 ,025679 Komisaris Independen 52 ,333 ,600 ,41250 ,084168 Komite Audit 52 ,667 ,750 ,67338 ,022333 Kualitas Audit 52 0 1 ,31 ,466 Ukuran Perusahaan 52 25,796 31,867 29,25277 1,712075 Leverage 52 ,320 ,394 ,36098 ,016311 Penghindaran pajak 52 ,238 ,285 ,25767 ,011873 Valid N (listwise) 52
Sumber : Hasil data SPSS versi 22
Pada tabel 4.3 menunjukkan bahwa jumlah data yang diolah adalah sebanyak 52 laporan keuangan tahunan pada perusahaan manufaktur sektor industri barang konsumsi yang terdaftar di BEI tahun 2015-2018.
Berdasarkan hasil pada tabel diatas diketahui bahwa data Kepemilikan Institusional pada perusahaan manufaktur sektor industri barang konsumsi yang terdaftar di BEI tahun 2015-2018 dengan nilai terendah sebesar 0,501 yaitu pada PT Budi Starch & Sweetener Tbk, sedangkan nilai tertinggi sebesar 0,599 yaitu pada PT Tempo Scan Pasifik Tbk. Dari data tersebut diperoleh nilai rata-rata (mean) sebesar 0,552 dan standar deviasi sebesar 0,026.
Data Komisaris Independen pada perusahaan manufaktur sektor industri barang konsumsi yang terdaftar di BEI tahun 2015-2018 diperoleh nilai terendah sebesar 0,333 yaitu pada PT. Budi Starch & Sweetener Tbk, PT. H.M. Sampoerna Tbk, PT. Kalbe Farma Tbk, PT. Nippon Indosari Corpindo Tbk, PT. Siantar Top Tbk, PT. Ultra Jaya Milk Industry & Tra, PT. Ultra Jaya Milk Industry & Tra, PT. Wismilak Inti Makmur Tbk, sedangkan nilai tertinggi sebesar 0,600 pada PT. Tempo Scan Pasifik Tbk. Dari data komisaris independen diperoleh hasil nilai rata-rata sebesar 0,412 dan standard deviasi sebesar 0,084.
Data komite audit pada perusahaan manufaktur sektor industri barang konsumsi yang terdaftar di BEI tahun 2015-2018 diperoleh nilai terendah sebesar 0,667 yaitu pada PT. Budi Starch & Sweetener Tbk, PT. Chitose International Tbk, PT. Gudang Garam Tbk, PT. H.M. Sampoerna Tbk, PT. Indofood CBP Sukses Makmur Tbk, PT. Kalbe Farma Tbk, PT. Mayora Indah Tbk, PT. Nippon Indosari Corpindo Tbk, PT. Siantar Top Tbk, Tempo Scan Pasifik Tbk, PT. Ultra Jaya Milk Industry & Tra, PT. Wismilak Inti Makmur Tbk, sedangkan nilai tertinggi sebesar 0,750 pada PT. Pyridam Farma Tbk.
Dari data komite audit diperoleh hasil nilai rata-rata sebesar 0,673 dan standard deviasi sebesar 0,022.
Data kualitas audit pada perusahaan manufaktur sektor industri barang konsumsi yang terdaftar di BEI tahun 2015-2018 diperoleh nilai terendah sebesar 0 yaitu pada PT. Budi Starch & Sweetener Tbk, PT. Chitose International Tbk, PT. Gudang Garam Tbk, PT. Mayora Indah Tbk, PT. Pyridam Farma Tbk, PT. Siantar Top Tbk, PT. Tempo Scan Pasifik Tbk, PT. Ultra Jaya Milk Industry & Tra, PT. Wismilak Inti Makmur Tbk, sedangkan nilai tertinggi sebesar 1 pada PT. PT. H.M. Sampoerna Tbk, PT. Indofood CBP Sukses Makmur Tbk, PT. Kalbe Farma Tbk, PT. Nippon Indosari Corpindo Tbk. Dari data kualitas audit diperoleh hasil nilai rata-rata sebesar 0,31 dan standard deviasi sebesar 0,466.
Data ukuran perusahaan pada perusahaan manufaktur sektor industri barang konsumsi yang terdaftar di BEI tahun 2015-2018 diperoleh nilai terendah sebesar 25,796 yaitu pada PT. Pyridam Farma Tbk, sedangkan nilai tertinggi sebesar 31,867 pada PT. Gudang Garam Tbk. Dari data ukuran perusahaan diperoleh hasil nilai rata-rata sebesar 29,253 dan standard deviasi sebesar 1,712.
Data leverage pada perusahaan manufaktur sektor industri barang konsumsi yang terdaftar di BEI tahun 2015-2018 diperoleh nilai terendah sebesar 0,320 yaitu pada PT. Mayora Indah Tbk, PT. Ultra Jaya Milk Industry & Tra, sedangkan nilai tertinggi sebesar 0,394 pada PT. Budi Starch & Sweetener Tbk. Dari data leverage diperoleh hasil nilai rata-rata sebesar 0,361 dan standard deviasi sebesar 0,016.
Data penghindaran pajak pada perusahaan manufaktur sektor industri barang konsumsi yang terdaftar di BEI tahun 2015-2018 diperoleh nilai terendah sebesar 0,238 yaitu pada PT. Budi Starch & Sweetener Tbk, sedangkan nilai tertinggi sebesar 0,285 pada PT. Nippon Indosari Corpindo Tbk. Dari data penghindaran pajak diperoleh hasil nilai rata-rata sebesar 0,258 dan standard deviasi sebesar 0,012.
2. Uji Asumsi Klasik
Model regresi yang baik yaitu model regresi yang memenuhi asumsi klasik meliputi uji normalitas, uji multikolinieritas, uji heteroskedastisitas dan uji autokorelasi sebelum melakukan suatu pengujian hipotesis.
a. Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah variabel residual atau pengganggu memiliki distribusi normal atau tidak. Untuk menguji apakah model regresi, variabel dependen penghindaran pajak dan variabel yaitu kepemilikan institusional, komisaris independen, komite audit, kualitas audit, ukuran perusahaan dan leverage memiliki distribusi normal atau tidak. Untuk melihat normalitas residual dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati normal.
Penelitian uji normalitas menggunakan grafik histogram dan kurva penyebaran P-Plot, yang digambarkan sebagai berikut :
Gambar 4.1
Hasil Uji Normalitas Titik Diagonal
Berdasarkan grafik normal P-Plot diatas, dapat dilihat bahwa titik yang menyebar disekitar garis dan penyebarannya diikuti garis diagonal, maka pola tersebut distribusinya normal.
Grafik diatas menunjukkan bahwa model regresi pengaruh Kepemilikan Institusional, Komisaris Independen, Komite Audit, Kualitas Audit, Ukuran Perusahaan Dan Leverage terhadap Penghindaran Pajak pada Perusahaan Manufaktur Sektor Industri Barang Komsumsi yang Terdaftar Di Bursa Efek Indonesia Tahun 2015-2018 dapat digunakan karena memenuhi asumsi normalitas. Hasil ini didukung dengan uji normalitas
Kolmogorov-Smirnov, nilai signifikansi lebih besar dari 0,05 maka data
Tabel 4.4
Uji Normalitas Kolomogrov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N 52 Normal Parametersa,b Mean ,0000000 Std. Deviation ,00932543 Most Extreme Differences Absolute ,063 Positive ,063 Negative -,053 Test Statistic ,063
Asymp. Sig. (2-tailed) ,200c,d
a. Test distribution is Normal. b. Calculated from data.
Sumber : Output SPSS versi 22
Berdasarkan tabel diatas, uji normalitas dengan Kolmogorov
Smirnov diperoleh hasil Asymp. Sig. Sebesar 0,200 lebih besar dari 0,05
maka disimpulkan data tersebut berdistribusi normal. b. Uji Multikolinieritas
Uji ini untuk mengetahui gejala korelasi antara variabel independen yang satu dengan variabel independen yang lainnya. Model regresi yang baik sebaiknya tidak terdapat korelasi di antara variabel independen. Salah satu cara untuk melakukan uji multikolinieritas yaitu dengan melihat nilai VIF (Variance Inflation Factors). Jika nilai VIF > 10 maka terjadi multikolinieritas. Model regresi yang bebas multikolinieritas mempunyai nilai VIF < 10 dan memiliki angka
tolerance > 0,1 atau mendekati 1.
Berdasarkan Uji Multikolinieritas diperoleh hasil bahwa Kepemiliakn Institusional, Komisaris Independen, Komite Audit,
Kualitas Audit, Ukuran Perusahaan Dan Leverage bebas dari multikolinieritas yang ditunjukkan dengan nilai tolerance > 0,1 atau nilai VIF < 10. Tabel 4.5 Uji Multikolinieritas Coefficientsa Model Collinierity Statistics Tolerance VIF 1 (Constant) Kepemilikan Institusional ,586 1,706 Komisaris Independen ,774 1,291 Komite Audit ,463 2,160 Kualitas Audit ,573 1,745 Ukuran Perusahaan ,456 2,194 Leverage ,869 1,151
a. Dependent Variable: Penghindaran Pajak Sumber : Output SPSS versi 22
Berdasarkan tabel diatas, hasil uji multikolinieritas pada bagian
Collinierity Statistics terlihat untuk keenam variabel independen, angka Tolerance yaitu Kepemilikan Institusional sebesar 0,586 , komisaris
independen sebesar 0,774 , komite audit sebesar 0,463 , kualitas audit sebesar 0,573 , ukuran perusahaan sebesar 0,456 dan leverage sebesar 0,869 lebih besar dari 0,10. Sedangkan nilai VIF kepemilikan institusional sebesar 1,706 , komisaris independen sebesar 1,291 , komite audit sebesar 2,160 , kualitas audit sebesar 1,745 , ukuran perusahaan sebesar 2,194 dan leverage sebesar 1,151 lebih kecil dari 10. Dengan demikian hasil diatas tidak melebihi batas dari nilai Tolerance dan VIF yang ditentukan, maka dapat disimpulkan bahwa model regresi yang dihasilkan tidak ada masalah multikolinieritas.
c. Uji Heteroskedastisitas
Uji Heteroskedastisitas digunakan untuk mengetahui apakah dalam model regresi terjadi ketidaksamaan dari residual satu pengamatan ke pengamatan yang lain. Jika variance tetap maka terjadi homoskedastisitas dan jika berbeda maka terjadi problem heterostedastisitas. Model regresi yang baik yaitu homoskedastisitas atau terjadi heterostedastisitas.
Untuk mengetahui ada atau tidaknya heterostedastisitas dalam suatu model regresi linier berganda dapat dilihat dengan grafik
scatterplot antara nilai prediksi variabel terikat atau variabel Y yaitu
SRESID dengan residual error yaitu ZPRED. Jika tidak ada pola tertentu dan titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastiditas.
Gambar 4.2
Dilihat dari grafik scatterplot bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Dengan demikian dinyatakan bahwa model regresi ini tidak terjadi gejala heteroskedastisitas.
d. Uji Autokorelasi
Uji autokorelasi bertujuan untuk mengetahui apakah pada model regresi linier berganda terdapat korelasi antara pengganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya). Untuk mendeteksi ada atau tidaknya autokorelasi dapat menggunakan Uji Durbin-Watson (DW Test). Uji Durbin-Watson hanya digunakan untuk autokorelasi tingkat satu dan mensyaratkan adanya konstanta dalam model regresi dan tidak ada variabel lagi antara variabel independen.
Jika du < d < 4 - du maka dapat dikatakan bebas dari masalah autokorelasi . Untuk mengetahui ada atau tidaknya autokorelasi dengan menggunakan uji Durbin-Watson (DW Test). Berikut adalah hasil uji autokorelasi : Tabel 4.6 Uji Autokorelasi Model Summarya Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-watson 1 ,619a ,383 ,301 ,009928 1,997
a. Predictors: (Constant), Leverage, Komisaris Independen, Ukuran Perusahaan, Kepemilikan Institusional, Kualitas Audit, Komite Audit b. Dependent Variable: Penghindaran Pajak
Sumber : Output SPSS versi 22
Berdasarkan pada tabel 4.6, menunjukkan bahwa nilai
signifikansi 0,05 dengan jumlah data (variabel x=6 dan n=52) maka diperoleh nilai dU sebesar 1,818 sehingga nilai 4 - du (4 – 1,818 = 2,182). Karena nilai Durbin-Watson lebih besar dari du dan lebih kecil dari 4 – du, maka disimpulkan bahwa du < d < 4 – du = 1,818 < 1,997 < 2,182 dengan keputusan bahwa persamaan regresi tersebut tidak terjadi autokorelasi positif atau negarif.
