• Tidak ada hasil yang ditemukan

BAB III METODE PENELITIAN. tertentu (Sugiyono, 2017). Jenis penelitian ini adalah penelitian Asosiatif, yaitu

N/A
N/A
Protected

Academic year: 2022

Membagikan "BAB III METODE PENELITIAN. tertentu (Sugiyono, 2017). Jenis penelitian ini adalah penelitian Asosiatif, yaitu"

Copied!
17
0
0

Teks penuh

(1)

26 BAB III

METODE PENELITIAN

A. Jenis Penelitian

Metode penelitian yang dilakukan dalam penelitian ini adalah metode penelitian kuantitatif. Metode penelitan kuantitatif dapat diartikan sebagai metode penelitian yang digunakan untuk penelitian pada populasi dan sampel tertentu (Sugiyono, 2017). Jenis penelitian ini adalah penelitian Asosiatif, yaitu penelitian yang bertujuan untuk menganalisis hubungan antara satu variabel dengan variabel yang lain (Ulum dan Juanda, 2018). Dalam penelitian ini terdapat 4 (empat) variabel antara lain Sales Growth, Thin Capitalization dan Capital Intensity terhadap Tax Avoidance.

B. Populasi dan Teknik Penentuan Sampel

1. Populasi yang digunakan dalam penelitian ini adalah seluruh perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia (BEI) selama periode 2018- 2020.

2. Teknik pengambilan sampel dalam penelitian ini adalah dengan menggunakan metode purposive sampling, yaitu metode penerapan sampel berdasarkan kriteria-kriteria tertentu (Ulum dan Juanda, 2018). Adapun kriteria dalam menentukan sampel yang dipilih dalam penelitian ini adalah sebagai berikut :

(2)

1) Perusahaan manufaktur yang menerbitkan annual report dan financial statement lengkap selama periode 2018-2020

2) Perusahaan manufaktur yang terdaftar di BEI yang tidak mengalami kerugian selama periode 2018-2020

C. Definisi Operasional dan Pengukuran Variabel

1. Variabel Dependen

a. Tax Avoidance

Tax Avoidance (penghindaran pajak) didefinisikan sebagai aktivitas yang mengurangi nominal pajak secara eksplisit dari pendapatan sebelum pajak (Hanlon dan Heitzman, 2010). Pengukuran terkait tax avoidance dilakukan dengan effective tax rate (ETR). Effective tax rate (ETR) merupakan rasio beban pajak terhadap laba perusahaan sebelum pajak penghasilan yang dikorbankan untuk membayar beban pajak perusahaan. Beban pajak perusahaan terdiri dari pajak kini dan pajak tangguhan (Prayogo dan Darsono, 2015).

Pengukuran ini digunakan karena dapat lebih menggambarkan adanya aktivitas tax avoidance, karena ETR tidak berpengaruh dengan adanya perubahan estimasi seperti adanya perlindungan pajak (Purwanti dan Sugiyarti, 2017). Semakin tinggi tingkat persentase ETR yaitu mendekati tarif pajak penghasilan badan sebesar 25% mengindikasikan bahwa semakin rendah tingkat tax avoidance perusahaan, sebaliknya semakin rendah tingkat persentase ETR mengindikasikan bahwa semakin tinggi tingkat tax avoidance

(3)

perusahaan (Dewinta dan Setiawan, 2016). Adapun pengukuran tax avoidance dengan menggunakan rumus effective tax rate (ETR) adalah sebagai berikut :

ETR= Beban Pajak Penghasilan ×100%

Laba Sebelum Pajak

2. Variabel Independen

a. Sales Growth (X1)

Pertumbuhan penjualan (Sales growth) merupakan adanya penambahan volume penjualan dari waktu ke waktu atau tahun ke tahun (Dewinta dan Setiawan, 2016). Sales growth dihitung dengan penjualan tahun sekarang dikurangi dengan penjualan tahun lalu dan dibagi penjualan tahun lalu (Purwanti dan Sugiyarti, 2017), yang dirumuskan sebagai berikut:

Sales Growth = 𝑁𝑒𝑡 𝑆𝑎𝑙𝑒𝑠− 𝑁𝑒𝑡 𝑆𝑎𝑙𝑒𝑠−1

𝑁𝑒𝑡 𝑆𝑎𝑙𝑒𝑠−1

Keterangan :

Net Sales : penjualan tahun sekarang Net Sales-1 : penjualan tahun sebelumnya

b. Thin Capitalization (X2)

Menurut OECD (2012), thin capitalization merupakan sebuah situasi dimana perusahaan dibiayai oleh level utang yang lebih tinggi dibandingkan dengan modal. Thin capitalization juga merujuk pada keputusan investasi oleh perusahaan dalam mendanai operasi bisnis dengan mengutamakan pendanaan utang dibandingkan menggunakan modal saham dalam struktur modalnya (Taylor dan Richardson, 2013). Thin capitalization dihitung dengan

(4)

menggunakan batas utang berbunga dengan menggunakan MAD ratio (Maximum Allowable Debt) (Taylor dan Richardson, 2012). MAD ratio diperoleh dengan cara membagi rata-rata hutang perusahaan dengan Safe Harbor Debt Amount (SHDA).

SHDA dihitung dengan mengurangkan total aset dengan non Interest- Bearing Liabilities (IBL) lalu dikalikan persentase hutang maksimal. Non IBL (Interest-Bearing Liabilities) merupakan kewajiban non-interest perusahaan, suatu liabilitas yang tidak ada kaitannya dengan bunga (interest). Rasio hutang modal pada perhitungan ini mengikuti Peraturan Menteri Keuangan Nomor 169/ PMK.010/2015 yaitu 80 % (Nugraha dan Mulyani, 2019). Dimana perusahaan dikatakan sedang melakukan thin capitalization ketika tingkat utang di dalam struktur modal perusahaan yang melebihi 80% dari total utang ditambah ekuitas atau dikenal dengan safe harbor limit. Adapun persamaan model dalam menguji hipotesis mengenai pengaruh thin capitalization terhadap tax avoidance adalah:

𝑀𝐴𝐷 = 𝐴𝑣𝑒𝑟𝑎𝑔𝑒 𝐼𝑛𝑡𝑒𝑟𝑒𝑠𝑡 𝐵𝑒𝑎𝑟𝑖𝑛𝑔 𝐷𝑒𝑏𝑡

𝑆𝐻𝐷𝐴

Keterangan :

Average Interest Bearing Debt : Total utang dengan bunga (IBL) atau rata- rata hutang

SHDA : (Rata-rata total aset – non_IBL) x 80%

c. Capital Intensity (X3)

Capital intensity menggambarkan jumlah modal perusahaan yang di investasikan pada aset tetap. Aset tetap merupakan aset berwujud yang

(5)

diperoleh dalam bentuk siap pakai atau dibangun lebih dahulu, yang digunakan dalam operasi perusahaan, tidak dimaksudkan untuk dijual dalam rangka kegiatan normal perusahaan dan mempunyai masa manfaat lebih dari satu tahun (PSAK 16). Aset tetap pada perusahaan biasanya berbentuk seperti peralatan, mesin, komputer, perlengkapan kantor, bangunan, tanah, kendaraan dan properti lainnya.

Aset tetap sendiri memiliki biaya penyusutan atau depresiasi yang akan menambah pengeluaran perusahaan dan mengurangi laba peruhaan. Sehingga, pajak yang dipungut rendah. Rendahnya tingkat pemungutan tarif pajak membuktikan bahwa terdapat tindakan tax avoidance pada Wajib Pajak.

Adapun capital intensity dalam penelitian ini diukur menggunakan rasio sebagai berikut (Kasim dan Saad, 2019):

𝐶𝑎𝑝𝑖𝑡𝑎𝑙 𝐼𝑛𝑡𝑒𝑛𝑠𝑖𝑡𝑦= 𝑇𝑎𝑛𝑔𝑖𝑏𝑙𝑒 𝑁𝑜𝑛 𝐶𝑢𝑟𝑟𝑒𝑛𝑡 𝐴𝑠𝑠𝑒𝑡 𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑠𝑒𝑡𝑠

D. Jenis dan Sumber Data

Penelitian ini menggunakan data sekunder, yaitu sumber data yang tidak langsung memberikan data kepada pengumpul data. Data sekunder ini merupakan data yang sifatnya mendukung keperluan data primer seperti buku- buku, literatur dan bacaan yang berkaitan dan menunjang penelitian ini (Sugiyono, 2017). Data sekunder dalam penelitian ini adalah Annual Report dan Financial Statement perusahaan yang terdaftar di Bursa Efek Indonesia (BEI) selama periode 2018-2020. Jenis data yang digunakan dalam penelitian ini, yaitu :

(6)

a. Laporan Laba Rugi 1) Laba Sebelum Pajak 2) Beban Pajak

3) Penjualan

b. Laporan Posisi Keuangan 1) Total Aset

2) Total Aset Tetap

3) Total Liabilitas Jangka Pendek 4) Total Liabilitas Jangka Panjang

Sumber data yang ada dalam penelitian ini dapat diperoleh dari website Bursa Efek Indonesia (BEI) berikut link nya www.idx.co.id. Dan juga didapat dari sumber penunjang lainnya, yaitu berupa beberapa jurnal penunjang yang diperlukan dan sumber lain yang dapat digunakan dalam penelitian ini.

E. Teknik Pengumpulan

Teknik pengumpulan data dalam penelitian ini menggunakan data sekunder menggunakan teknik dokumentasi, yaitu dengan cara mempelajari dokumen- dokumen yang ada. Dokumen yang dimaksud dalam penelitian ini yaitu annual report dan financial statement perusahaan.

F. Teknik Analisis Data

Analisis penelitian ini digunakan untuk menguji hipotesis. Metode pengujian yang digunakan dalam penelitian ini dengan menggunakan alat software EViews 10. Adapun tahapan analisis data adalah sebagai berikut :

(7)

1. Melakukan tabulasi data penelitian.

2. Melakukan perhitungan kepada masing-masing variabel yang akan diuji.

3. Melakukan uji data melalui model regresi data panel.

Menurut Gujarati (2006) terdapat keuntungan apabila menggunakan data panel, yaitu :

1) Dengan kombinasi time series dan cross section, data panel memberikan data yang lebih informatif, lebih variatif, mengurangi kolinieritas, derajat kebebasan dan efisiensi yang lebih besar.

2) Data panel memungkinkan mempelajari model perilaku yang lebih rumit.

3) Data panel dapat mengurangi bias yang terjadi jika dilakukan uji secara agregat.

4) Data panel tidak membutuhkan uji ekonometri. Uji ekonometri dilakukan untuk melihat apakah spesifikasi model yang digunakan sudah memenuhi asumsi klasik atau tidak.

Terdapat tiga jenis metode regresi data panel yang mana nantinya akan dipilih salah satu model yang terbaik dalam melakukan uji hipotesis. tiga macam estimasi model yang dapat digunakan dalam analisis regresinya yaitu:

a. Metode Common Effect (CEM)

Model common effect adalah model pendekatan data panel yang paling sederhana, dalam model ini tidak memperhatikan dimensi individu ataupun waktu sehingga diasumsikan bahwa perilaku antar individu sama dalam berbagai kurun waktu. Model ini memperlakukan semua individu seakan-akan sama, atau bisa dikatakan tidak membeda-bedakan karakteristik diantara

(8)

individu yang terlihat dari nilai intersepnya yang sama diantara semua individu. Model ini hanya mengkombinasikan data time series dan cross section, selain itu metode yang digunakan bisa dengan pendekatan Ordinary Least Square (OLS) seperti regresi yang digunakan pada umumnya atau teknik kuadrat terkecil dalam mengestimasi model data panel.

b. Metode Fixed Effect Model (FEM)

Model estimasi yang dapat digunakan pada model regresi data panel adalah fixed effect model (FEM) atau sering juga disebut dengan teknik Least Squares Dummy Variable (LSDV). Disebut fixed effect model karena setiap individu dalam model memiliki intersep yang tidak berubah sepanjang waktu meskipun intersep antar individu berbeda Sehingga model ini mengasumsikan bahwa adanya perbedaan antar individu dapat diakomodasi dari perbedaan intersepnya. Untuk mengestimasi data panel fixed effect model menggunakan teknik variabel dummy dimana setiap individu akan menjadi variabel dummy untuk menangkap perbedaan intersep antar perusahaan. Teknik estimasi data panel dengan metode fixed effect model menggunakan variabel dummy yang memiliki nilai 0 (nol) apabila tidak terdapat pengaruh dan nilai 1 (satu) apabila variabel memiliki pengaruh. Fungsi variabel dummy yaitu untuk menangkap adanya perbedaan intersep diantara cross section.

c. Metode Random Effect Model (REM)

Metode random effect model (REM) menggunakan pendekatan variabel gangguan (error term) untuk dapat mengetahui hubungan antar cross section dan time series. Meskipun fixed effect model (FEM) dan random effect model

(9)

keduanya sama sama dapat mengatasi masalah antar heteroskedastisitas, namun random effect model dapat mengatasi masalah heteroskedastisitas pada error term. Hal ini dalam menjawab suatu masalah yang ada pada fixed effect model fixed yang mana jika terdapat individu yang banyak akan membutuhkan variabel dummy yang lebih banyak sehingga dapat mengurangi efisiensi model yang diestimasi. Karena dalam random effect model tidak terdapat korelasi atau hubungan antar error individu dengan variabel penjelas (variabel independen) dalam model yang diestimasi. Maka metode random effect model merupakan metode yang lebih sempurna dari fixed effect model. Mode estimasi ini disebut dengan Error Component Model (ECM) atau teknik Generalized Least Square (GLS).

4. Pemilihan Model Regresi Data Panel

Pemilihan model dalam regresi data panel diawali dengan menetapkan model awal terlebih dahulu. Jika individu (cross section) diambil dengan dipilih atau ditentukan oleh peneliti, maka model awalnya adalah fixed effect model. Bila individu diambil secara acak, maka model yang digunakan adalah random effect model (Baltagi, 2008).

Dalam penelitian ini, kategori individu (cross section) dipilih melalui kategori yang ditentukan peneliti, sehingga model awal yang ditetapkan adalah fixed effect model. Jika model awal yang terpilih adalah model efek tetap (fixed effect model), maka akan dilakukan uji chow untuk memilih antara common effect model dengan fixed effect model. Jika model yang terpilih adalah fixed

(10)

effect model, maka dilakukan pengujian untuk memilih antara fixed effect model dengan random effect model melalui uji hausman.

Ketika model yang terpilih adalah fixed effect model, maka akan dilanjutkan dengan melakukan pemeriksaan asumsi-asumsi klasik yang ada pada regresi panel dengan metode estimasi ordinary least square. Namun jika model yang terpilih adalah random effect model, maka tidak perlu melakukan uji asumsi klasik karena model estimasi yang digunakan adalah Generalized Least Square (GLS). Asumsi terpenting dalam model ini adalah tidak terdapat korelasi atau hubungan antar error dari masing-masing individu dengan variabel independent dalam model (Gujarati, 2006). Setelah menentukan model yang digunakan, maka akan dilakukan uji model (goodness of fit test) seperti uji simultan (uji F) dan parsial (uji T).

a. Uji Chow

Uji Chow digunakan untuk memilih model regresi data panel yang paling tepat antara common effect model atau fixed effect model. Menurut Baltagi (2008), cara lain untuk melihat hasil uji chow adalah dengan melihat nilai probabilitas chi square. Jika nilai probabilitas chi square >

taraf signifikansi, maka model yang digunakan adalah common effect model. Sebaliknya jika nilai probabilitas chi square < taraf signifikansi, maka model yang digunakan adalah fixed effect model. Dalam hal ini, taraf signifikansi yang berlaku yaitu sebesar 0,05. Lebih detailnya kriteria tersebut adalah sebagai berikut :

a) Apabila probabilitas > 0,05 maka CEM dipilih

(11)

b) Apabila probabilitas < 0,05 maka FEM dipilih b. Uji Hausman

Uji hausman bertujuan untuk memilih model yang paling tepat antara fixed effect model atau random effect model. Uji Hausman dilakukan menguji apakah terdapat hubungan antara error pada model dengan salah satu varibel independen dalam model. Jika nilai probabilitas uji hausman < taraf signifikansi, maka model yang tepat adalah model fixed effect. Begitupun sebaliknya, jika nilai probabilias uji hausman >

taraf signfikansi, maka model yang digunakan adalah model random effect (Baltagi, 2008). Lebih detailnya pengujian dilakukan dengan kriteria sebagai berikut :

a) Apabila probabilitas > 0,05 maka REM dipilih b) Apabila probabilitas < 0,05 maka FEM dipilih c. Uji Lagrange Multiplier

Uji Lagrange Multiplier (LM) memiliki tujuan untuk membandingkan antara metode common effects dengan metode random effects. Langkah-langkah yang dilakukan dalam Lagrange Multiplier-Test adalah :

1) Estimasi dengan Common Effect

2) Uji dengan menggunakan Lagrange Multiplier-Test

3) Melihat nilai probability F dan Chi-square dengan asumsi :

(12)

a) Bila nilai probability F dan Chi-square > α = 5%, maka uji regresi panel data menggunakan model Common Effect.

b) Bila nilai probability F dan Chi-square < α = 5%, maka uji regresi panel data menggunakan model Random Effect atau dengan hipotesis sebagai berikut :

H0: Common Effect Model H1: Random Effect

Jika nilai probabilitas dalam uji Uji Lagrange Multiplier (LM) lebih kecil dari 5% maka Ho ditolak yang berarti bahwa model yang cocok digunakan dalam persamaan analisis regresi tersebut adalah model random effect. Dan sebaliknya jika nilai probabilitas dalam uji Uji Lagrange Multiplier (LM) lebih besar dari 5% maka Ha diterima

5. Melakukan Uji Asumsi Klasik

Uji asumsi klasik dilakukan untuk menguji kualitas data penelitian. Untuk memperoleh hasil pengujian yang baik, semua data yang dibutuhkan dalam penelitian harus dilakukan pengujian terlebih dahulu agar tidak melanggar asumsi klasik yang ada, mendapatkan hasil pengujian hipotesis yang tepat, dapat dipertanggungjawabkan, serta menghasilkan model regresi yang signifikan dan representatif. Adapun asumsi klasik yang diuji dalam penelitian ini yaitu uji Normalitas, uji Multikolinearitas, uji Autokorelasi dan uji Heterokedastisitas.

a. Uji Normalitas

(13)

Menurut Ghozali (2016), uji normalitas bertujuan untuk menguji apakah variabel dependen dan independen dalam regresi tersebut terdistribusi secara normal. Uji normalitas dalam penelitian ini dilakukan dengan uji Jarque-Bera dalam mendukung normalitas data. Residual hasil regresi dikatakan berdistribusi normal jika nilai probabilitas uji normalitas > 0.05.

Sedangkan jika nilai probabilitas uji normalitas < 0.05, maka disimpulkan bahwa residual data tidak berdistribusi dengan normal. Lebih detailnya dari dasar pengambilan keputusan dalam deteksi normalitas adalah :

a) Apabila nilai probabilitasnya > 0,05 maka dapat dikatakan bahwa data berdistribusi normal.

b) Apabila nilai probabilitasnya < 0,05 maka dapat disimpulkan bahwa data yang digunakan tidak berdistribusi normal.

b. Uji Multikolonieritas

Uji Multikolinearitas bertujuan untuk menguji apakah dalam model regresi terdapat adanya korelasi antar variabel independen. Uji multikolinieritas bertujuan untuk menguji apakah dalam persamaan regresi terdapat variabel independen yang saling berkorelasi. Menurut Ghozali (2016) uji multikolinieritas dilihat dari nilai tolerance, dan lawannya serta Variance Inflation Factor (VIF) dimana kedua ukuran ini menunjukkan setiap variabel bebas manakah yang dijelaskan oleh variabel bebas lainnya, dimana jika nilai tolerance lebih dari 0,1 dan nilai VIF kurang dari 10 maka penelitian yang dilakukan terbebas dari multikolinieritas. Model regresi

(14)

yang baik dalam uji ini adalah yang tidak terjadi korelasi antar variabel independen.

c. Uji Heteroskedastisitas

Ghozali (2016) menyatakan bahwa uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual suatu pengamatan ke pengamatan lainnya. Apabila varian dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, namun jika berbeda disebut heteroskedastisitas. Model regresi yang baik dalam uji ini adalah homoskedastisitas atau tidak terjadi heteroskedastisitas, dimana varian dari residual satu pengamatan ke pengamatan lainnya tetap.

Untuk mendeteksi ada tidaknya heteroskedastisitas dapat dilihat dari uji glejser. Uji glejser digunakan me-regresikan antara variabel independen dengan nilai absolute residualnya. Apabila nilai probabilitas dari masing- masing variabel lebih dari 0,05 maka dapat disimpulkan bahwa model tidak terdapat heteroskedastis atau hasilnya data dalam kondisi homoskedastis.

Sebaliknya, koefisien korelasi kurang dari 0,05 maka terjadi heterokedastisitas

d. Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear terdapat korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya).

Autokorelasi muncul karena observasi yang berurutan sepanjang waktu

(15)

dan berkaitan satu sama lain. Hal tersebut sering ditemukan pada data runtut waktu (time series), karena sampel atau observasi tertentu cenderung dipengaruhi oleh observasi sebelumnya.

Terdapat berbagai metode yang digunakan untuk menguji ada atau tidaknya gejala autokorelasi. Dalam penelitian ini digunakan Breusch- Godfrey Serial Correlation LM Test. Breusch-Godfrey mengembangkan uji autokorelasi yang lebih umum dan dikenal dengan uji Lagrange Multiplier (LM). Kriterianya adalah jika nilai probabilitas lebih besar dari (>) σ= 5% berarti tidak terkena autokorelasi. sebaliknya ketika nilai probabilitasnya lebih kecil atau sama dengan (<) dari σ= 5% berarti terdapat autokorelasi.

6. Melakukan Pengujian Hipotesis

Setelah memperoleh model terbaik dan sudah dilakukannya uji asumsi klasik, selanjutnya akan melakukan pengujian hipotesis dengan uji koefisien determinasi (𝑅2), uji F, dan uji t parsial

a. Uji t (Uji Signifikansi Parsial/Parsial Test)

Untuk melihat seberapa besar pengaruh masing-masing variabel independen secara parsial dalam menerangkan variabel dependen maka pengujian dilakukan dengan Uji t. Uji statistik t pada dasarnya menunjukan seberapa jauh pengaruh satu variabel penjelas secara individual dalam menerangkan variasi variabel terikat. Pengujian terhadap hasil regresi dilakukan dengan menggunakan uji-t pada derajat α = 5% atau 0,05.

Kriteria dari pengujian Uji t adalah sebagai berikut :

(16)

a) Jika probabilitas > 0,05, tidak terdapat pengaruh antara X terhadap Y.

b) Jika probabilitas < 0,05, maka terdapat pengaruh antara X terhadap Y.

b. Uji F (Uji Signifikasnsi Simultan/Overal Test)

Uji F dilakukan dengan tujuan untuk melihat ada tidaknya pengaruh signifikan secara bersama-sama (simultan) antara variabel independen terhadap variabel dependen. Uji F dapat dilakukan dengan pengamatan nilai signifikansi F pada tingkat α yang digunakan sebesar 5% atau 0,05.

Analisis didasarkan pada perbandingan antara nilai Sig. F dengan Sig.

0,05. Kriteria dari pengujian Uji F adalah sebagai berikut :

a) Jika signifikansi F < 0,05, maka variabel-variabel independen secara simultan berpengaruh terhadap variabel dependen.

b) Jika signifikansi F > 0,05, maka variabel-variabel independen secara simultan tidak berpengaruh terhadap variabel dependen.

c. Koefisien Determinasi (R-Square)

Koefisien Determinasi (R-Square) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel terikat (Y).

Nilai koefisien determinasi (R-Square) menunjukkan presentase variasi nilai variabel terikat yang dapat dijelaskan oleh persamaan regresi yang dihasilkan. Apabila nilai R-Square semakin mendekati 1, berarti semakin tepat suatu garis regresi digunakan sebagai pendekatan. Artinya kemampuan variabel-variabel independen (X) memberikan hampir semua informasi yang dibutuhkan untuk mendeteksi variasi variabel dependen (Y).

(17)

Sebaliknya semakin kecil nilai berarti semakin tidak tepat garis regresi tersebut mewakili data dari hasil observasi. Jika nilai R-Square sama dengan 1 (satu), maka pendekatan tersebut terdapat kecocokan sempurna. Sedangkan jika nilai R-Square sama dengan 0 (nol), maka tidak ada kecocokan pendekatan. Dimana nilai koefisien determinasi berada diantara nol dan satu (0<R-Square<1).

Referensi

Dokumen terkait

Akan tetapi masyarakat pada umumnya tidak mengetahui bahwa Islam telah menelurkan banyak hasil temuan (invention) dan memiliki sumbangsih yang juga sama besar bagi dunia

Sebagai kesimpulan dari analisis aspek pembiayaan, dilakukan analisis tingkat ketersediaan dana yang ada untuk pembangunan bidang infrastruktur Cipta Karya yang

Penelitian ini bertujuan untuk mengetahui energi listrik yang dihasilkan oleh generator termoelektrik dengan menggunakan berbagai jenis limbah organik (tatal kayu akasia, tatal

Pertumbuhan Staphylococcus aureus menunjukkan respon yang berbeda pada masing- masing konsentrasi infus daun sambiloto yang ditunjukkan dengan kecepatan tumbuh spesifik..

Maluku Tenggara Memenuhi persyaratan 57 17216115410009 Godelifa Rejaan P Pendidikan Pancasila dan Kewarganegaraan (PPKn) SMP NEGERI 1 TUAL Kota Tual Memenuhi persyaratan

PERTAMA : Menetapkan cara untuk menyepakati waktu dan tempat pelaksanaan kegiatan yang mencerminkan kesepakatan bersama dengan masyarakat (melalui

Data Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal (Ghozali, 2016). Kalau asumsi ini

Ghozali, (2011) menyatakan bahwa uji normalitas dilakukan untuk menguji apakah dalam model regresi variabel independen dan variabel dependen atau keduanya