3. METODE PENELITIAN
3.1. Kerangka Penelitian
Penelitian mengenai pengaruh proporsi karakter eksekutif, komite audit, ukuran perusahaan, leverage, dan sales growth terhadap tax avoidance secara sistematis dapat digambarkan sebagai berikut:
Gambar 3.1. Kerangka Penelitian Sumber : Olahan
3.2. Variabel Penelitian dan Definisi Operasional 3.2.1. Variabel Dependen
Variabel terikat (dependent variabel) yaitu variabel dimana faktor keberadaannya dipengaruhi oleh variabel bebas. Model estimasi pengukuran Tax avoidance dalam penelitian ini menggunakan model Cash Effective Tax Rate (CETR) yang diharapkan mampu mengidentifikasi keagresifan perencanaan pajak perusahaan yang dilakukan menggunakan perbedaan tetap maupun perbedaan temporer (Chen et al., 2010; Kurniasih dan Sari 2013). CETR baik digunakan untuk menggambarkan kegiatan penghindaran pajak karena tidak berpengaruh
Karakter Eksekutif (X1)
Komite Audit (X2)
Ukuran Perusahaan (X3)
Leverage (X4)
Tax Avoidance (Y)
Sales Growth (X5)
dengan adanya perubahan estimasi seperti penyisihan penilaian dan perlindungan pajak. Dengan rumus sebagai berikut:
3.2.2. Variabel Independen
Variabel independen adalah variabel bebas. Variabel independen dalam penelitian ini adalah karakter eksekutif, komite audit, ukuran perusahaan, leverage dan sales growth.
3.2.2.1. Karakter Eksekutif
Untuk mengetahui karakter eksekutif maka digunakan risiko perusahaan (corporate risk) yang dimiliki perusahaan. Besar kecilnya risiko perusahaan mencerminkan apakah eksekutif perusahaan termasuk dalam kategori risk taker atau risk averse, semakin besar resiko perusahaan menunjukan eksekutif perusahaan tersebut adalah risk taking, sebaliknya semakin kecil resiko perusahaan menunjukan eksekutif perusahaan tersebut adalah risk averse.
Paligrova (2010) mengukur resiko perusahaan melalui deviasi standar dari EBITDA (Earning Before Income Tax, Depreciation, and Amortization) dibagi dengan total aset perusahaan. Berikut adalah rumus devisiasi standar yang dimaksud:
Resiko Perusahaan = standar deviasi dari
3.2.2.2. Komite Audit
Kehadiran komite audit diharapkan dapat memberikan pandangan mengenai masalah – masalah yang berhubungan dengan kebijakan keuangan, akuntansi, dan pengendalian internal (Mayangsari,2003). Dalam penelitian ini komite audit diukur dengan menggunakan jumlah komite audit yang terdapat dalam perusahaan.
KA = Jumlah Komite audit
3.2.2.3. Ukuran Perusahaan
Ukuran perusahaan adalah skala atau nilai yang dapat diklasifikasikan suatu perusahaan ke dalam kategori besar atau kecil. Dalam penelitian ini indikator yang digunakan untuk mengukur tingkat ukuran perusahaan melalui log total aset, karena dinilai bahwa ukuran ini memiliki tingkat kestabilan yang lebih dibandingkan proksi-proksi yang lainnya dan cenderung berkesinambungan antar periode (Jogiyanto, 2000). Semakin besar total aset menunjukan bahwa perusahaan memiliki prospek baik dalam jangka waktu yang relatif panjang (Sari,2014)
SIZE = Ln (Total Asset)
3.2.2.4. Leverage
Leverage adalah rasio yang mengukur kemampuan utang baik jangka panjang maupun jangka pendek untuk membiayai aset perusahaan (Kurniasih dan Sari, 2013). Leverage diukur dengan rumus sebagai berikut:
3.2.2.5. Sales Growth
Pertumbuhan penjualan menunjukan perkembangan tingkat penjualan dari tahun ke tahun (Budiman dan Setiyono, 2012). Oleh karenanya perkembangan tersebut bisa meningkat atau menurun. Sales growth dalam penelitian ini dapat diukur dengan:
3.3. Populasi dan Sampel
Populasi yang digunakan dalam penelitian ini adalah perusahaan manufaktur yang telah terdaftar dalam Bursa Efek Indonesia (BEI) tahun 2014 – 2016. Pemilihan sampel dengan menggunakan metode purposive (judgement
sampling) dengan tujuan mendapatkan sampel yang representatif sesuai dengan kriteria yang ditentukan dengan pertimbangan sebagai berikut.
1. Perusahaan dengan data yang lengkap atau perusahaan yang dimaksud melakukan aktivitas ekonomi.
2. Perusahaan yang menggunakan mata uang Rupiah, agar kriteria pengukuran nilai mata uangnya sama.
3. Perusahaan dengan nilai CETR kurang dari 1, agar tidak membuat masalah dalam estimasi model.
4. Perusahaan tidak mengalami kerugian selama periode pengamatan.
3.4. Jenis dan Sumber Data
Jenis data dalam penelitian ini adalah data dokumenter yaitu data penelitian yang berupa laporan – laporan. Sumber data dari penelitian ini adalah data sekunder berupa laporan keuangan perusahaan yang diperoleh dari website Bursa Efek Indonesia www.idx.co.id tahun 2014 – 2016 dan Indonesia Capital Market Directory (ICMD). Data sekunder adalah data yang telah diolah oleh pihak lain. Data tersebut diperoleh dari lembaga atau instansi melalui pengutipan data atau melalui studi pustaka yang ada kaitannya dengan penelitian ini.
3.5. Metode Pengumpulan Data
Metode yang digunakan untuk pengumpulan data dari penelitian ini adalah menggunakan teknik dokumentasi dengan mengumpulan data sekunder dengan cara mendownload annual report perusahaan yang listing di BEI melalui situs resminya www.idx.co.id dan Indonesia Capital Market Directory (ICMD). Selain itu juga dilakukan penelusuran berbagai jurnal, karya ilmiah, artikel, dan berbagai buku referensi sebagai sumber data dan acuan dalam penelitian ini.
3.6. Metode Analisis Data 3.6.1. Uji Statistik Deskriptif
Uji statistik deskriptif digunakan untuk mengetahui nilai mean, maksimum, minimum dan standar deviasi dari variabel – variabel yang digunakan dalam penelitian ini. Diuji menggunakan software SPSS versi 23
3.6.2. Uji Asumsi Klasik
Uji asumsi klasik dilakukan karena merupakan salah satu syarat untuk melakukan uji regresi berganda agar menunjukan hubungan yang valid dan tidak bisa. Pengujian asumsi terdiri dari uji normalitas, uji multikolinearitas, uji autokorelasi dan uji heterokesdasitas.
3.6.2.1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal atau tidak (Ghozali, 2005). Model regresi yang baik adalah data distribusi normal atau mendekati normal, untuk mendeteksi normalitas dapat dilakukan dengan melihat penyebaran data (titik) pada sumbu diagonal grafik. Data dikatakan terdistribusi secara normal jika nilai probabilitas (ρ) lebih besar dari tingkat signifikansi 0,05 (ρ > 0,05). Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal maka model regresi memenuhi asumsi normalitas. Sebaliknya jika data menyebar jauh dari garis diagonal dan/atau tidak mengikuti arah garis diagonal maka model regresi tidak memenuhi asumsi normalitas (Ghozali, 2009).
3.6.2.2. Uji Multikolinearitas
Uji multikolinearitas menunjukan adanya korelasi linear antara variabel independen dalam sebuah model regresi. Multikolinearitas dapat dideteksi dengan menggunakan tolerance (TOL) dan variance Inflating Factor (VIF). Model regresi dikatakan baik apabila tidak adanya korelasi di antara variabel independen.
VIF < 0,10 menandakan tidak adanya korelasi diantara variabel independen. VIF
> 10 menunjukan bahwa ada korelasi diantara variabel independen dan dapat dikatakan terjadi multikolinearitas.
3.6.2.3. Uji Heterokesdasitas
Tujuan uji heteroskedastisitas adalah untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain (heteroskedastisitas). Model regresi yang baik adalah yang homokedastisitas, yaitu variance residual tetap (Ghozali, 2006). Pada saat
mendeteksi ada tidaknya heteroskedaktisitas dapat ditentukan dengan melihat grafik Plot (scatterplot) antara nilai prediksi variabel terikat (ZPRED) dengan residual (SRESID). Jika Grafik plot menunjukkan suatu pola titik yang bergelombang atau melebar kemudian menyempit, maka dapat disimpulkan bahwa telah terjadi heteroskedastisitas. Namun, jika tidak ada pola yang jelas, serat titiktitik meneyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedaktisitas (Ghozali, 2009).
3.6.2.4. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Model regresi yang baik adalah regresi yang bebas dari autokorelasi (Ghozali, 2009) pengambilan keputusan ada tidaknya autokorelasi dalam uji Durbin-Watson. di mana hasil pengujian ditentukan berdasarkan nilai Durbin-Watson (DW), di mana secara umum dapat diambil kesimpulan:
1) Angka DW di bawah -2 berarti ada autokorelasi positif.
2) Angka DW di antara -2 sampai +2 berarti tidak ada autokorelasi.
3) Angka DW di atas +2 berarti ada autokorelasi negatif.
3.6.3. Uji Hipotesis 3.6.3.1. Uji Regresi
Dalam pengelolaan data penelitian menggunakan alat bantu berupa perangkat lunak statistik yang dikenal dengan SPPS. Teknik analisis data yang digunakan dalam penelitian ini adalah regresi linear berganda. Analisis ini digunakan untuk menunjukan pengaruh sejumlah variabel independen X1, X2, ...., XK terhadap variabel dependen atau memprediksi nilai suatu variabel dependen berdasarkan nilai variabel – variabel independen X1, X2, ...., Xk (Uyanto, 2009).
Model regresi linear berganda pada penelitian ini sebagai berikut:
Keterangan:
Y = tax avoidance (CETR)
α = konstanta β1...β5 = koefisien
X1 = Karakter Eksekutif (RISK) X2 = Komite Audit (AUD) X3 = Ukuran Perusahaan (SIZE) X4 = Leverage (LEV)
X5 = Sales Growth (Sales) Ε = residual
3.6.3.2. Uji F
Uji F dilakukan untuk menguji apakah model yang digunakan signifikan atau tidak, sehingga dapat dipastikan apakah model tersebut dapat digunakan untuk memprediksi pengaruh variabel eksogen secara bersama-sama terhadap variabel endogen. Jika Fhitung > dari Ftabel, maka koefisien regresi dapat dilanjutkan atau diterima. Dengan tingkat kepercayaan untuk pengujian hipotesis adalah 95% atau (α) = 0,05.
3.6.3.3. Uji T
Uji t bertujuan untuk menunjukkan seberapa jauh pengaruh satu variabel penjelas atau independen secara individual dalam menerangkan variasi variabel dependen (Ghozali, 2009). Dalam hal ini nilai signifikan t < 0,05 (5%) maka hasilnya signifikan atau Ha diterima, berarti terdapat pengaruh yang signifikan dari variabel independen secara individual terhadap dependen.
3.6.3.4. Uji Koefisien Determinasi (R2)
Koefisien Determinasi (R2) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variabel dependen. Nilai R2 yang kecil menunjukan kemampuan variabel – variabel independen dalam menjelaskan variabel dependen terbatas. Sebaliknya, nilai R2 yang mendekati satu menandakan variabel – variabel independen memberikan hampir semua informasi yang dibutuhkan oleh variabel dependen (Ghozali, 2009).
