39 BAB 3
OBJEK DAN METODE PENELITIAN
3.1 Objek Penelitian
Dalam penelitian ini, digunakan tabulasi data sekunder berupa perusahaan yang terdaftar di Bursa Efek Indonesia (BEI) sebagai populasi penelitian. Sekarang ini, terdapat 9 sektor yang ada di BEI (Sumber: Bisnis Indonesia edisi Selasa, 9 April 2013). Namun, bentuk kegiatan usaha atas sampel pada penelitian ini bergerak di seluruh sektor di BEI, kecuali sektor perbankan, yaitu:
i.Sektor Pertanian
oSub Sektor Palawija/Tanaman Pangan oSub Sektor Perkebunan
oSub Sektor Perikanan oSub Sektor Lainnya ii. Sektor Pertambangan
oSub Sektor Pertambangan Batubara
oSub Sektor Pertambangan Minyak dan Gas Bumi oSub Sektor Pertambangan Logam dan Mineral Lainnya oSub Sektor Pertambangan Batu-Batuan
iii. Sektor Industri Dasar dan Kimia oSub Sektor Semen
oSub Sektor Keramik, Porselen dan Kaca oSub Sektor Logam dan Sejenisnya oSub Sektor Kimia
40 oSub Sektor Plastik dan Kemasan
oSub Sektor Pakan Ternak
oSub Sektor Kayu dan Pengolahannya oSub Sektor Pulp dan Kertas
iv. Sektor Aneka Industri
oSub Sektor Otomotif dan Komponennya oSub Sektor Tekstil dan Garmen
oSub Sektor Alas Kaki oSub Sektor Kabel oSub Sektor Elektronika oSub Sektor Lainnya
v. Sektor Industri Barang Konsumsi oSub Sektor Makanan dan Minuman oSub Sektor Rokok
oSub Sektor Farmasi
oSub Sektor Kosmetik dan Barang Keperluan Rumah Tangga oSub Sektor Peralatan Rumah Tangga
vi. Sektor Properti dan Real Estate
oSub Sektor Properti dan Real Estate oSub Sektor Konstruksi Bangunan
vii. Sektor Infrastruktur, Utilitas dan Transportasi oSub Sektor Energi
oSub Sektor Jalan Tol, Pelabuhan, Bandara dan Sejenisnya oSub Sektor Telekomunikasi
41 oSub Sektor Konstruksi Non Bangunan
viii. Sektor Perdagangan, Jasa dan Investasi
oSub Sektor Perdagangan Besar Barang Produksi oSub Sektor Perdagangan Eceran
oSub Sektor Restoran
oSub Sektor Hotel dan Pariwisata
oSub Sektor Advertising, Printing dan Media oSub Sektor Kesehatan
oSub Sektor Jasa Komputer dan Perangkatnya oSub Sektor Perusahaan Investasi
oSub Sektor Lainnya.
3.2 Variabel Penelitian
3.2.1 Variabel Dependen
Variabel dependen yang digunakan dalam penelitian ini adalah Tarif Pajak Efektif (ETR). ETR perusahaan adalah perhitungan rasio antara beban pajak penghasilan kini (current tax expense) dengan laba sebelum pajak penghasilan (earning before income tax/EBIT) pada laporan keuangan komersial. ETR merupakan perhitungan tarif pajak yang berasal dari informasi keuangan yang dihasilkan perusahaan (laporan keuangan komersial).
3.2.2 Variabel Independen
Variabel independen yang digunakan dalam penelitian ini adalah Tarif Pajak Wajib (STR), ukuran perusahaan (size), intensitas sediaan
42 (inventory intensity), intensitas modal (capital intensity) dan rasio hutang jangka panjang terhadap modal (leverage).
1. Tarif Pajak Wajib (STR) adalah tarif PPh yang tertera di dalam Undang-Undang PPh atau tarif pajak yang ditetapkan pemerintah dengan rasio antara beban pajak penghasilan kini (current tax expense) terhadap PKP (taxable income) pada laporan keuangan fiskal.
2. Ukuran perusahaan (size) merupakan suatu skala untuk menilai besar kecilnya suatu perusahaan. Perhitungan ukuran perusahaan dalam penelitian ini menggunakan natural logaritma (Ln) dari total aset perusahaan karena total aset merupakan dasar tolak ukur skala suatu perusahaan.
3. Intensitas sediaan (inventory intensity) adalah perhitungan rasio antara persediaan (inventory) terhadap total aset. Intensitas sediaan memberi gambaran akan jumlah persediaan perusahaan untuk beroperasi.
4. Intensitas modal (capital intensity) adalah perhitungan rasio antara fixed asset seperti peralatan, mesin dan berbagai property terhadap total aset, dimana rasio ini menggambarkan besar aset perusahaan yang diinvestasikan dalam bentuk aset tetap yang dibutuhkan perusahaan untuk beroperasi.
5. Rasio hutang jangka panjang terhadap modal (leverage) adalah perhitungan rasio antara hutang jangka panjang perusahaan (long term debt) terhadap total aset perusahaan. Leverage digunakan untuk melihat seberapa besar perusahaan dibiayai oleh pihak luar/pihak ketiga.
43 3.3 Metode Penelitian
Dalam penelitian ini, dipilih jenis penelitian deskriptif kuantitatif. Penelitian deskriptif adalah penelitian yang memberikan gambaran mengenai masalah atau peristiwa secara mendalam atas penelitian yang diuji. Sedangkan penelitian kuantitatif menurut Sugiyono (2008:13) dapat diartikan sebagai penelitian yang menggunakan instrumen penelitian untuk mengumpulkan data dimana teknik pengambilan sampelnya dilakukan secara acak dan analisis bersifat statistik/kuantitatif untuk menguji hipotesis yang ada. Penelitian deskriptif kuantitatif bertujuan untuk mengungkapkan mengenai pengaruh diberlakukannya reformasi perpajakan terhadap jumlah pajak yang dibayar perusahaan di Indonesia dengan implikasi atas perhitungan ETR perusahaan.
Time horizon yang digunakan dalam penelitian ini adalah longitudinal (pooled data), yaitu data yang dikumpulkan terdiri atas lebih dari satu objek dengan kurun waktu lebih dari satu waktu tertentu (periode), yaitu 3 periode (tahun 2008 hingga tahun 2010).
Tabel 3.1 Tujuan dan Desain Penelitian
Tujuan Penelitian
Desain Penelitian
Jenis Penelitian Unit Analisis Time Horizon T-1 Deskriptif Kuantitatif ETR – STR (Tipe 1 dan 2) Longitudinal T-2 Deskriptif Kuantitatif Size – ETR (Tipe 1 dan 2) Longitudinal T-3 Deskriptif Kuantitatif
Inventory Intensity – ETR (Tipe 1 dan 2)
Longitudinal T-4 Deskriptif
Kuantitatif
Capital Intensity – ETR (Tipe 1 dan 2) Longitudinal T-5 Deskriptif Kuantitatif Leverage – ETR (Tipe 1 dan 2) Longitudinal
44 Keterangan:
T-1: Untuk mengetahui perbandingan antara ETR terhadap STR perusahaan go public pada tipe 1 dan tipe 2.
T-2: Untuk mengetahui pengaruh size terhadap ETR perusahaan go public pada tipe 1 dan tipe 2.
T-3: Untuk mengetahui pengaruh inventory intensity terhadap ETR perusahaan go public pada tipe 1 dan tipe 2.
T-4: Untuk mengetahui pengaruh capital intensity terhadap ETR perusahaan go public pada tipe 1 dan tipe 2.
T-5: Untuk mengetahui
pengaruh leverage terhadap ETR perusahaan go public pada tipe 1 dan tipe 2.
3.3.1 Jenis dan Sumber Data
Jenis data yang digunakan adalah data sekunder. Data sekunder merupakan data atau informasi yang diperoleh secara tidak langsung dari pihak yang bersangkutan tetapi didapatkan dari pihak ketiga. Sumber data penelitian ini diambil dari laporan keuangan dan/atau laporan tahunan (annual report) perusahaan yang tercatat di Bursa Efek Indonesia selama tahun 2008-2010. Selain itu, penelitian ini juga menggunakan sumber data lain atau data penunjang yang berasal dari website seperti website BEI yaitu
www.idx.co.id serta website resmi masing-masing perusahaan.
3.3.2 Populasi
Di dalam pengumpulan dan menganalisa suatu data, langkah pertama yang sangat penting adalah menentukan populasi terlebih dahulu. Populasi
45 dibutuhkan sebagai sumber data dalam penelitian karena dari populasi tersebut akan diperoleh variabel-variabel yang merupakan permasalahan dalam penelitian. Adapun populasi dalam penelitian ini terdapat sebanyak 481 buah perusahaan di tahun 2010.
3.3.3 Metode Pengumpulan Data dan Sampel
Metode pengumpulan data yang digunakan adalah library research yang merupakan data sekunder, dimana laporan keuangan tahunan diperoleh melalui website BEI yaitu www.idx.co.id. Sedangkan metode pengumpulan sampel dilakukan dengan cara purposive random sampling. Purposive sampling adalah teknik pengambilan sampel dengan menentukan kriteria-kriteria tertentu dan random sampling adalah teknik pengambilan sampel dimana setiap anggota populasi memiliki peluang atau kesempatan yang sama untuk terpilih. Sehingga dapat disimpulkan bahwa purposive random sampling adalah teknik pengambilan sampel secara acak namun disertai dengan kriteria-kriteria tertentu.
Adapun sampel pada penelitian ini terdiri dari perusahaan yang memenuhi kriteria Gupta dan Newberry (1992), yaitu perusahaan harus membukukan laba sebelum pajak (tidak terdapat kerugian sebelum pajak), mencatat biaya pajak lancar selama 3 tahun observasi (2008-2010), dengan tujuan agar ETR dapat diinterpretasikan secara tepat. Selain itu, perusahaan yang bergerak di sektor perbankan juga dikeluarkan dari sampel penelitian ini. Dari hasil purposive random sampling, diperoleh sebanyak 161 data untuk masing-masing tahun observasi (2008-2010).
46 Langkah-langkah pengambilan sampel dalam penelitian ini adalah:
Tabel 3.2 Kriteria Pemilihan Sampel
Kriteria Jumlah
Laporan Keuangan yang tercatat di BEI 481
Laporan Keuangan yang tidak tersedia atau tidak lengkap selama tahun 2008-2010
(56)
Laporan Keuangan dari sektor keuangan (98)
Perusahaan yang tidak memenuhi kriteria Gupta dan Newberry
(166)
Jumlah sampel penelitian 161
Tabel 3.3 Gambaran Sampel Penelitian
Sektor Jumlah Perusahaan
Pertanian 13
Pertambangan 10
Industri Dasar & Kimia 23
Aneka Industri 13
Industri Barang Konsumsi 22
Properti & Real Estate 28
Infrastruktur, Utilitas & Transportasi 7
Keuangan 0
Perdagangan, Jasa & Investasi 45
Total 161
Tabel 3.4 Gambaran Proses Eliminasi Sampel Penelitian
Keterangan Jumlah Tipe 1 Jumlah Tipe 2
Total Perusahaan 161
Total perusahaan masing-masing perusahaan
78 83
Data awal untuk 3 tahun penelitian 234 249 Eliminasi outliers dengan Uji
ZScore
(9) (7)
Eliminasi outliers dengan Uji Regression Studentized Residual
(10) (16)
Total data observasi 215 226
Dari Tabel 3.3 di atas, dapat disimpulkan bahwa perusahaan yang menjadi sampel penelitian ini sebagian besar bergerak di sektor perdagangan,
47 jasa dan investasi, yaitu sebanyak 45 perusahaan dengan persentase sebesar 27,95%. Sedangkan sebagian kecil perusahaan bergerak di sektor infrastruktur, utilitas dan transportasi dengan persentase hanya sebanyak 7 perusahaan dengan persentase sebesar 4,35%. Selain itu, dapat dilihat juga bahwa tidak terdapat perusahaan yang bergerak di sektor keuangan. Dengan jumlah perusahaan yang berjumlah sebanyak 161 perusahaan, maka total observasi selama 3 tahun (2008-2010) adalah sebanyak 483 data observasi.
3.3.4 Metode Analisis Data
Metode analisis data statistik deksriptif digunakan dalam penelitian ini. Sugiyono (2008:206) menjelaskan bahwa statistik deksriptif adalah statistik yang mendeskripsikan data yang telah terkumpul sebagaimana adanya untuk menganalisa data tersebut tanpa adanya indikasi untuk membuat kesimpulan yang berlaku secara umum.
Adapun pengujian dalam penelitian ini dilakukan sebanyak dua kali untuk masing-masing pengujian dengan berdasarkan pada perbedaan karakteristik perusahaan, yaitu tipe 1 – perusahaan yang memiliki ETR yang semakin mendekati STR atau bahkan telah melampaui STR secara positif (versi Gambar 2.4 ETR vs STR - Harapan Pemerintah Tipe 1) dan tipe 2 – perusahaan-perusahaan yang memiliki ETR yang semakin menjauhi STR secara negatif (versi Gambar 2.5 ETR vs STR - Harapan Perusahaan Tipe 2).
Kemudian, dalam menganalisis dan mengolah data, penelitian ini menggunakan program SPSS (Statistical Package for the Social Sciences) versi 16. Data yang telah diperoleh akan diuji ke dalam pengujian instrumen
48 berupa uji asumsi klasik (classical linier regression test) untuk memenuhi asumsi regresi yang valid agar dapat menjawab hipotesis penelitian.
Sebelum melanjutkan ke pengujian asumsi klasik, ada baiknya dilakukan proses penghapusan data outliers terlebih dahulu. Data outliers adalah data yang bersifat ekstrim yang berbeda dibandingkan dengan biasanya serta tidak menggambarkan karakteristik data tersebut. Pengeliminasian data outliers dapat dilakukan dengan pengujian Z Score (univariat) kemudian dilanjutkan dengan pengujian Regression Studentized Residual (multivariat).
3.3.4.1 Uji Z Score
Penggunaan uji Z Score adalah dengan cara mengkonversi nilai data penelitian ke dalam standard score atau Z Score untuk mengidentifikasikan univariate outliers. Batas nilai Z Score adalah pada range -3 dan +3, sehingga data dengan nilai Z Score di bawah -3 akan dieliminasi dari sampel penelitian. Begitu pula dengan data yang memiliki Z Score di atas +3, hal ini karena data dengan Z Score di bawah -3 dan di atas + 3 merupakan data outliers. Penghitungan dengan pengujian Z Score dilakukan dengan program SPSS versi 16.0.
3.3.4.2 Uji Regression Studentized Residual
Selanjutnya dilakukan pengujian multivariat dengan Regression Studentized Residual dengan menghasilkan sebuah kolom baru bernama SRE. Batas nilai SRE adalah -1,96 hingga +1,96, sehingga data dengan nilai SRE di bawah -1,96 akan dieliminasi dari sampel penelitian. Begitu pula dengan data yang memiliki angka SRE
49 di atas +1,96. Hal ini disebabkan data dengan SRE di bawah -1,96 dan di atas +1,96 akan mengacaukan hasil penelitian dan merupakan data outliers. Penghitungan dengan pengujian Regression Studentized Residual dilakukan dengan program SPSS versi 16.0.
3.3.4.3 Uji Asumsi Klasik
Pengujian asumsi klasik untuk menguji kelayakan penggunaan model regresi dan kelayakan variabel independen. Tujuan pengujian asumsi klasik adalah agar dapat menghasilkan nilai parameter yang baik sehingga hasil penelitian dapat lebih diandalkan. Uji asumsi klasik yang akan dilakukan dalam penelitian ini berupa uji normalitas, uji autokorelasi, uji multikolinearitas dan uji heterokedastisitas untuk memastikan bahwa uji hipotesisnya kokoh (robust).
3.3.4.3.1 Uji Normalitas
Uji distribusi normal adalah uji untuk mengukur apakah data terdistribusi secara normal sehingga dapat digunakan dalam statistik inferensial (statistik parametris). Model regresi yang baik adalah regresi yang memiliki distribusi data normal atau yang mendekati normal. Analisis grafik (normal P-P plot) dapat digunakan untuk menguji normalitas model regresi. Dasar pengambilan keputusan mengenai normal tidaknya suatu regresi adalah:
• Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, atau grafik histogramnya menunjukkan pola
50 distribusi normal, maka model regresi memenuhi asumsi normalitas.
• Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal, atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Selain itu, dilakukan juga pengujian menggunakan Kolgomorov-Smirnov Test, dengan membandingkan Asymptotic Significance dengan α = 5%. Dasar penarikan kesimpulan adalah data dikatakan berdistribusi normal apabila nilai Asymptotic Significance > 0,05 (Santoso, 2004:212).
3.3.4.3.2 Uji Autokorelasi
Autokorelasi dapat didefinisikan sebagai korelasi antara sejumlah penelitian dalam waktu yang berurutan. Ghozali (2009:99) menyatakan bahwa uji autokorelasi bertujuan untuk menguji apakah terdapat hubungan antara data residu (error) pada periode tertentu dengan data residu pada periode sebelumnya dalam suatu model regresi linier.
Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Uji Durbin-Watson (D-W Test) dapat digunakan untuk menentukan ada tidaknya autokorelasi. Dasar pengambilan keputusan mengenai ada tidaknya autokorelasi adalah:
51
• Angka D-W di antara -2 sampai +2 berarti tidak terjadi autokorelasi; dan
• Angka D-W di atas +2 berarti terjadi autokorelasi negatif. Gambar 3.1 Peristiwa Autokorelasi
3.3.4.3.3 Uji Multikolinearitas
Uji multikolinearitas merupakan suatu keadaan dimana variabel independen mempunyai hubungan atau korelasi yang erat satu sama lain dalam persamaan regresi. Model regresi yang baik seharusnya tidak terdapat variabel independen yang saling berhubungan satu sama lainnya. Variance Inflationary Factor (VIF) dapat digunakan untuk mengetahui ada tidaknya multikolinearitas. Batas tolerance value di atas 0,1 dan VIF adalah di bawah 10. Oleh karena itu, jika nilai tolerance value di bawah 0,1 atau VIF di atas 10 maka data dikatakan mengalami multikolinearitas.
3.3.4.3.4 Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk menentukan apakah dalam suatu model regresi terjadi ketidaksamaan variance (σ2)dari residual (selisih predicted value dengan nilai pengamatan sebenarnya) suatu pengamatan ke pengamatan lain. Disebut sebagai
52 homokedastisitas bila variance dari residual suatu pengamatan ke pengamatan lain tetap. Dan sebaliknya disebut sebagai heterokedastisitas bila variance dan residual dari suatu pengamatan ke pengamatan lain berbeda. Salah satu cara untuk mendeteksi ada atau tidaknya heterokedastisitas adalah dengan melihat grafik plot antara nilai prediksi dengan residual-nya. Adapun dasar untuk menganalisis hal tersebut adalah:
• Jika ada pola tertentu yang pasti, maka telah terjadi heterokedastisitas.
• Jika tidak terdapat pola yang pasti dan variabel memiliki variance yang sama, maka tidak terjadi heterokedastisitas (homokedastisitas).
3.3.4.4 Uji Regresi Linier
Untuk mengetahui atau memprediksi perubahan yang terjadi pada variabel tertentu karena dipengaruhi oleh berubahnya variabel yang lain maka digunakan analisis regresi. Dalam penelitian ini akan dilakukan pengujian regresi linier berganda. Sugiyono (2008:277) menyatakan bahwa analisis regresi berganda digunakan “bila peneliti bermaksud meramalkan bagaimana keadaan (naik turunnya) variabel dependen, bila dua atau lebih variabel independen sebagai faktor predictor dimanipulasi (dinaik turunkan nilainya).” Jadi dapat disimpulkan bahwa dengan syarat bahwa paling sedikit terdapat 2 buah variabel independen, maka analisis regresi ganda akan dapat dilakukan. Adapun persamaan regresi linier berganda pada penelitian ini adalah:
53 -Tipe 1:
-Tipe 2:
Keterangan:
• Variabel dependen:
TPE = tarif pajak efektif, yaitu tarif pajak yang sesungguhnya berlaku atas penghasilan Wajib Pajak yang diperoleh dari perhitungan rasio antara beban pajak penghasilan (income tax expense) dengan laba sebelum pajak penghasilan (earning before income tax).
• Variabel uji:
SIZE = natural log dari total asset.
LEV = leverage yaitu hutang jangka panjang dibagi dengan total aset.
CAPINT = capital intensity yaitu aset tetap bersih dibagi dengan total asset.
INVINT = inventory intensity yaitu sediaan dibagi dengan total aset.
ϵ = error term.
54 3.3.4.5 Uji F
Uji F digunakan untuk menguji variabel independen secara sama sehingga dapat diketahui pengaruhnya secara bersama-sama terhadap variabel dependen.
Dasar pengambilan keputusan adalah sebagai berikut:
a) Jika nilai probabilitas Sig lebih besar atau sama dengan nilai probabilitas 0,05 (Sig ≥ 0,05), maka H0 tidak ditolak dan Ha ditolak, artinya tidak signifikan.
b) Jika nilai probabilitas Sig lebih kecil atau sama dengan nilai probabilitas 0,05 (Sig ≤ 0,05), maka H0 ditolak dan Ha tidak ditolak, artinya signifikan.
3.3.4.6 Uji R2
Nilai R2 adalah suatu pengukuran yang digunakan untuk menentukan seberapa baik suatu model yang digunakan dapat menjelaskan variabel dependennya. Range nilai R2 adalah antara 0 dan 1. Nilai R2 yang semakin mendekati 1 atau 100% berarti bahwa model regresi tersebut semakin baik dalam menjelaskan variasi variabel tersebut. Lain halnya, nilai R2 yang semakin mendekati 0, maka semakin kecil pengaruh semua variabel independen terhadap nilai variabel dependen.
