BAB IV ANALISIS DATA DAN PEMBAHASAN

(1)

1

ANALISIS DATA DAN PEMBAHASAN

A. DATA PENELITIAN

Penelitian ini menggunakan data sekunder dengan mengunduh laporan keuangan publikasi dari situs idx.co.id sebagai sumber data yang kemudian difilterisasi. Proses filterisasi meliputi penyajian laporan keuangan yang harus mata uang rupiah (IDR), perusahaan lengkap mempubilkasikan laporan keuangannya selama tujuh tahun berturut-turut, dan komponen penyajian isi laporan keuangan lengkap. Pada tahap ini diperoleh sebanyak 392 sampel yang selanjutnya dilakukan proses screening data dengan analisis Z score, kurtosis (keruncingan) dan skewness (kecondongan) untuk menghilangkan data outlier (pencilan).

Menurut Ghozali (2016) data oulier terjadi karena kesalahan dalam memasukan data, gagal menspesifikasi adanya missing value dalam program komputer, outlier bukan merupakan anggota populasi yang diambil sebagai sampel, outlier berasal dari populasi diambil sebagai sampel tetapi memiliki nilai ekstrim dan tidak terdistribusi normal. Deteksi terhadap outlier dapat diterapkan dengan menentukan batas nilai yang akan diklasifikasikan sebagai data outlier yaitu dengan mengkonversi nilai data ke skor standardized.

Dalam screening ini peneliti menggunakan ketentuan Z Score 1 Z -1, skewness 0.057245 dan kurtosis 0.068206 sehingga diperoleh 108 sampel data untuk diuji ke tahap selanjutnya. Hasil screening data ini akan peneliti cantumkan pada bagian lampiran.

B. ANALISA DATA

1. Abnormal Book Tax Difference

Variabel abnormal book tax difference merupakan variabel terikat dalam penelitian ini yang nilainya diperoleh dengan mengacu pada penelitian Iswari et al., (2019) variabel penghindaran pajak diukur dengan menggunakan Abnormal Book Tax Differences (ABTD) yang diperoleh dari

(2)

estimasi residual model regresi Book Tax Differences (BTD). Berikut adalah Tabel Deskripif nilai estimasi residual BTD.

Tabel 4.1

Statistik Deskriptif ABTD

Variabel Mean Maximum Minimum St. Dev 𝐁𝐓𝐃_𝐢𝐭 0.05508707 0.64652400 -0.71426835 0.2318698

∆𝐈𝐍𝐕_𝐢𝐭 0.02154159 0.35368034 -0.17830519 0.0725637

∆𝐑𝐄𝐕_𝐢𝐭 0.04961345 0.60534868 -0.40350689 0.2600395

𝐍𝐎𝐋_𝐢𝐭 -0.00099410 0.03380271 -0.15286098 0.0152237

𝐓𝐋𝐔_𝐢𝐭 0.00337913 0.16829566 0.00000000 0.0223256 𝐁𝐓𝐃_{𝐢𝐭−𝟏} 0.00839249 0.09201078 -0.22171570 0.0285477 𝛆_𝐢𝐭 -0.02943348 0.20637690 -0.21631431 0.0865327 Keterangan

BTD_it : Perbedaan laba sebelum pajak dan penghasilan kena pajak perusahaan i pada tahun t

∆INV_it : Perubahan perusahaan i pada asset tetap bruto di tahun t-1 hi`ngga tahun t dibagi dengan total aset di tahun t

∆REV_it : Perubahan pendapatan perusahaan i di tahun t-1 hingga tahun t dibagi dengan total aset di tahun t

NOL_it : Perubahan nilai kompensasi kerugian yang digunakan oleh perusahaan i pada tahun t-1 hingga tahun t dibagi dengan total aset pada tahun t

TLU_it : Nilai kompensasi kerugian yang digunakan oleh perusahaan i di tahun t dibagi dengan total aset di tahun t

BTD_it−1 : Book Tax Differences perusahaan i di tahun t-1 dibagi dengan total aset di tahun t

ε_it : Abnormal Book Tax Differences (ABTD) di perusahaan t Data diolah, 2021

Dari Tabel 4.1 merupakan Tabel Deskriptif untuk menggambarkan nilai residual estimasi yang akan digunakan sebagai variabel terikat pada persamaan regresi berikutnya yaitu ε_it atau Abnormal Book Tax Differences (ABTD). Dari Tabel 4.1 diatas dapat dilihat bahwa secara keseluruhan nilai yang disajikan merupakan hasil pembagian dari akun-akun yang tersedia di laporan keuangan sehingga memiliki nilai yang cukup beragam namun memiliki pola kesamaan yaitu dibawah nilai 0. Karena yang akan digunakan sebagai variabel terikat untuk model regresi berikutnya adalah ABTD maka dapat dilihat berfokus pada nilai tersebut yaitu memiliki rata-rata sebesar -

(3)

0.0294334837 dengan nilai tertinggi 0.2063769057 dan nilai terendah - 0.2163143148 serta standar deviasi 0.0865327222. Nilai ABTD yang akan digunakan persamaan regresi selanjutnya ini adalah hasil dari nilai estimasi residual persaaman regresi sebagai berikut:

𝐵𝑇𝐷_𝑖𝑡 = 𝛽₀+ 𝛽₁∆𝐼𝑁𝑉_𝑖𝑡+ 𝛽₂∆𝑅𝐸𝑉_𝑖𝑡 + 𝛽₃𝑁𝑂𝐿_𝑖𝑡+ 𝛽₄𝑇𝐿𝑈_𝑖𝑡 + 𝛽₅𝐵𝑇𝐷_𝑖𝑡−1 + 𝜀_𝑖𝑡

2. Pengujian Data

Setelah diketahui nilai ABTD, berikutnya adalah menguji dengan persaama regresi yang berbeda dengan sebelumnya. Persamaan regresi berikutnya adalah sebagai berikut:

𝐴𝐵𝑇𝐷_𝑖𝑡 = 𝛼₀+ 𝛼₁𝑃𝐶_𝐶𝑂𝑀_𝑖𝑡 + 𝛼₂𝐸𝑌_𝑖𝑡+ 𝛼₃𝑅𝑂𝐴_𝑖𝑡+ 𝛼₄𝑆𝐼𝑍𝐸_𝑖𝑡 + 𝛼₅𝐿𝐸𝑉_𝑖𝑡+ 𝛼₆𝐴𝐺𝐸_𝑖𝑡+ 𝜀_𝑖𝑡

Namun sebelum masuk ke persamaan regresi tersebut terlebih dahulu dilakukan pengujian statistik deskriptif dan uji model. Berikut adalah statistik deskriptif untuk data yang akan di uji dengan persamaan tersebut.

Tabel 4.2

Statistik Deskriptif Seluruh Variabel Penelitian

Variabel Mean Modus Maximum Minimum Std. Dev ABTD -0.029433 #N/A 0.20637690 -0.2163143 0.0865327 PC 0.125360 0 0.80000000 0.0000000 0.2175050 EY 0.277778 0 1.00000000 0.0000000 0.4499910 ROA 0.003395 #N/A 0.60887800 -0.5959390 0.1271080 SIZE 6.492360 #N/A 19.5254100 0.7762580 0.4072490 LEVERAGE 0.517480 #N/A 0.86967800 0.1210940 0.1933130 AGE 14.06481 18 21.0000000 9.0000000 0.1248100 Keterangan:

ABTD : Abnormal Book Tax Differences (ABTD) yang diperoleh dari nilai residu model estimasi regresi Book Tax Differences (BTD)

PC : Merupakan Political Connection yang dihitung dari jumlah anggota komisaris yang terindikasi memiliki koneksi politik dibagi dengan total seluruh jumlah anggota komisaris perusahaan

EY : Merupakan Election Year atau tahun diadakannya pemilihan umum Presiden, DPR, MPR dan DPD yang

(4)

dinilai dengan variabel dummy. Nilai 1 (satu) untuk tahun Election Year dan nilai 0 (nol) untuk Non Election Year ROA : Nilai rasio Return on Asset yang diperoleh dari laba bersih

dibagi total asset perusahaan

SIZE : Ukuran perusahaan yang dinilai dari jumlah total aset dalam triliun rupiah

LEVEREGE : Nilai rasio Leverage yang diperoleh dari total utang dibagi dengan total aset

AGE : Usia perusahaan yang dihitung dari tahun pertama kali IPO di bursa hingga tahun dilakukan penelitian (tahun)

#N/A : Not Available (tidak tersedia) Data diolah, 2021

Berdasarkan Tabel 4.2 dapat diketahui bahwa variabel ABTD menunjukan nilai rata-rata sebesar 0.029433, nilai maksimum 0.20637690 yang dimiliki PT. Elang Mahkota Teknologi Tbk tahun 2018, menunjukkan nilai minimum sebesar -0.2163143 milik PT. Radiant Utama Interinsco Tbk tahun 2016 dan variabel ini menunjukkan standar deviasi sebesar 0.0865327.

Variabel PC_COM menunjukan nilai rata-rata sebesar 0.125360, nilai modus 0 yang muncul sebanyak 75 kali. Nilai maksimum sebesar 0.80000000 milik PT First Media Tbk ditahun 2017 yang tercatat dari lima anggota dewan komisaris empat diantaranya terindikasi memiliki koneksi politik. Nilai minimum PC sebesar 0.000000 dan nilai standar deviasi sebesar 0.2175050.

Variabel elektoral years (EY) dinilai dengan variabel dummy yang berfokus pada tahun pemilihan umum Presiden, DPR, MPR, dan DPD yang pelaksanakannya serentak bersamaan se Indonesia. Variabel EY dinilai 1 (satu) jika laporan keuangan publikasi perusahaan bertepatan dengan pelaksanaan pemilihan umum dan dinilai 0 (nol) jika tahun bukan pemilihan umum. Dari Tabel Deskriptif dapat diketahui modus atau nilai yang paling sering muncul adalah 0 (nol) sebanyak 78 kali dan nilai 1 (satu) sebanyak 30 kali.

Variabel kontrol dalam penelitian ini meliputi ROA, SIZE, AGE dan Leverage. Variabel ROA merupakan nilai yang dihasilkan dari laba bersih dibagi total aset. ROA memiliki nilai rata-rata sebesar 0.003395, nilai maksimum 0.60887800 milik PT. First Media Tbk ditahun 2014 serta nilai

(5)

minimum sebesar -0.5959390 milik PT. First Media Tbk pada tahun 2018.

Variabel ini memiliki standar deviasi sebesar 0.1271080.

Ukuran perusahaan (SIZE) adalah klasifikasi ukuran perusahaan berdasarkan total aset perusahaan dalam satuan triliun rupiah. Dalam Tabel 4.2 variabel SIZE diketahui memiliki nilai rata-rata sebesar Rp 6,49 triliun dengan nilai maksimum Rp 19,52 triliun milik PT. Elang Mahkota Teknologi Tbk ditahun 2018 dan nilai minimum Rp 776,2 miliar milik PT. Golden Eagle Energy Tbk tahun 2017 serta standar deviasi sebesar 0.4072490. Dapat dikatakan bahwa total aset perusahaan yang digunakan dalam penelitian ini memiliki ukuran yang beragam.

Nilai leverage dihitung dengan membagi total utang dengan total aset sehingga dapat dilihat seberapa besar dominasi utang terhadap komposisi aset perusahaan. Hasil analisis deskriptif di Tabel 4.2 dapat diketahui bahwa nilai leverage memiliki rata-rata sebesar 0.517480, nilai maksimum 0.86967800 milik PT. Jaya Agra Wattie Tbk ditahun 2019 dan nilai minimum 0.1210940 milik PT. Kertas Basuki Rachmat Tbk tahun 2013 dan nilai standar deviasi sebesar 0.1933130. Dari analisa ini dapat diketahui bahwa dominasi utang perusahaan terhadap komposisi aset cukup tinggi.

Variabel kontrol yang terakhir adalah usia perusahaan (AGE). Usia perusahaan ini dihitung dengan memperhatikan tahun pertama kali perusahaan melakukan Initial Public Offering (IPO) hingga tahun dilakukannya penelitian. Variabel AGE memiliki rata-rata 14,06 tahun, nilai maksimum 21 tahun milik PT Tunas Baru Lampung Tbk dan nilai minimum 9 tahun milik tiga perusahaan. Age memiliki nilai standar deviasi 0.1248100 serta nilai modus 18 tahun yang muncul sebanyak dua puluh satu kali. Dapat disimpulkan jika perusahaan yang digunakan dalam penelitian ini memiliki usia yang sudah cukup lama.

3. Uji Model

Dalam penelitian ini analisis data panel menggunakan tiga macam model yaitu Common Effect, Fixed Effect Model, dan Random Effect Model.

(6)

Dari ketiga model tersebut akan dipilih model yang paling tepat untuk pengujian hipotesis melalui serangkain uji.

Tabel 4.3 Uji Chow Redundant Fixed Effects Tests

Equation: Untitled

Test cross-section fixed effects

Effects Test Statistic d.f. Prob.

Cross-section F 3.241070 (15,86) 0.0003

Cross-section Chi-square 48.392575 15 0.0000

Data diolah,2021

Berdasarkan hasil uji chow pada Tabel 4.3 Nilai Prob. Chi-square < α (0,0000<0,05) maka Ho ditolak dan pengolahan data diputuskan menggunakan fixed effect.

Tabel 4.4 Uji Hausman Correlated Random Effects - Hausman Test Equation: Untitled

Test cross-section random effects

Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.

Cross-section random 13.800813 6 0.0319

Data diolah,2021

Berdasarkan hasil uji hausman pada Tabel 4.4 nilai prob chi-square <

α (0.0319<0,05), maka Ho ditolak dan pengolahan data diputuskan menggunakan metode fixed effect. Dengan demikian berdasarkan uji chow dan uji hausman, maka model data panel yang tepat dalam penelitian ini menggunakan metode fixed effect.

(7)

Tabel 4.5

Uji Lagrange Multiplier

Dengan uji lagrange multiplier di atas dapat dilihat hasil bahwa nilai LM hitung adalah 0,0132<0,05 artinya nilai LM hitung <chi-squared tabel maka model yang dipilih adalah random effect. Dari ketiga model tersebut dapat dilihat bahwa uji chow menggunakan model fixed effect, uji hausman juga menggunakan model fixed effect, sedangkan uji lagrange multiplier menggunakan random effect. Dari hasil ketiga uji model tersebut diputuskan menggunakan model fixed effect.

4. Uji Asumsi Klasik

Dalam uji asumsi klasik ini terdapat empat jenis uji yaitu yang pertama uji normalitas yang dilakukan untuk menguji apakah pada suatu model regresi, suatu variabel independen dan variabel dependen ataupun keduanya mempunyai distribusi normal atau tidak normal. Kedua adalah uji multikolinearitas bertujuan untuk mengetahui apakah model regresi Lagrange Multiplier Tests for Random Effects

Null hypotheses: No effects

Alternative hypotheses: Two-sided (Breusch-Pagan) and one-sided (all others) alternatives

Test Hypothesis

Cross-section Time Both

Breusch-Pagan 6.143342 0.310451 6.453793 (0.0132) (0.5774) (0.0111)

Honda 2.478577 -0.557181 1.358632

(0.0066) -- (0.0871)

King-Wu 2.478577 -0.557181 0.864258

(0.0066) -- (0.1937)

Standardized Honda 3.358501 -0.367324 -1.827594

(0.0004) -- --

Standardized King-Wu 3.358501 -0.367324 -2.134554

(0.0004) -- --

Gourierioux, et al.* -- -- 6.143342

(< 0.05) Data diolah, 2021

(8)

ditemukan adanya korelasi antar variabel independent atau variabel bebas (Ghozali, 2016). Ketiga uji autokorelasi yang dilakukan karena autokorelasi dapat muncul karena observasi yang berurutan sepanjang waktu yang berkaitan satu sama lainnya (Ghozali, 2016). Keempat uji heteroskedastisitas bertujuan untuk melakukan uji apakah pada sebuah model regresi terjadi ketidaknyamanan varian dari residual dalam satu pengamatan kepengamatan lainnya

a. Uji Normalitas

Uji Normalitas dilakukan untuk menguji apakah pada suatu model regresi, suatu variabel independen dan variabel dependen atau pun keduanya mempunyai distribusi normal atau tidak normal (Ghozali, 2016).

Tabel 4.6 Uji Normalitas

Data diolah,2021

Dari uji normalitas diatas dapat diketahui bahwa nilai probability adalah 0.284221 (lebih besar dari 0,05) dan nilai Jarque Bera 2.516006 sehingga dapat disimpulkan residual terdistribusi normal.

b. Uji Multikolinearitas

Uji Multikolinearitas bertujuan untuk mengetahui apakah model regresi ditemukan adanya korelasi antar variabel independent atau variabel bebas (Ghozali, 2016).

0 4 8 12 16 20 24

-0.2 -0.1 0.0 0.1 0.2

Series: Standardized Residuals Sample 2013 2019

Observations 108

Mean -3.31e-17 Median -0.007007 Maximum 0.184067 Minimum -0.233196 Std. Dev. 0.071333 Skewness 0.032571 Kurtosis 3.744895 Jarque-Bera 2.516006 Probability 0.284221

(9)

Tabel 4.7 Uji Multikolinearitas

ABTD PC EY ROA LEV LOGSIZE LOGAGE

ABTD 1 0.061219 0.029452 0.03266 -0.2634 0.498269 -0.05864

PC 0.061219 1 -0.03817 -0.05795 -0.18027 0.054889 -0.19700

EY 0.029452 -0.03817 1 0.06160 0.058237 0.047642 -0.01615

ROA 0.032660 -0.05795 0.061608 1 -0.36579 0.057178 0.194213

LVERAGE -0.26340 -0.18027 0.058237 -0.36579 1 -0.07728 -0.13071

LOG(SIZE) 0.498269 0.054889 0.047642 0.057178 -0.07728 1 0.066651

LOG(AGE) -0.05864 -0.197 -0.01615 0.194213 -0.13071 0.066651 1

Data diolah, 2021

Hasil uji multikolinearitas menunjukkan tidak terdapat nilai korelasi yang tinggi antar variabel bebas tidak melebihi 0,90 (Ghozali, 2016) sehingga disimpulkan data tidak terdapat multikolinearitas.

c. Uji Autokorelasi

Uji Autokorelasi dilakukan karena autokorelasi dapat muncul akibat observasi yang berurutan sepanjang waktu yang berkaitan satu sama lainnya (Ghozali, 2016).

Tabel 4.8 Uji Autokorelasi Breusch-Godfrey Serial Correlation LM Test:

F-statistic 2.262803 Prob. F(2,98) 0.1095

Obs*R-squared 4.723112 Prob. Chi-Square(2) 0.0943 Data diolah, 2021

Berdasarkan Tabel 4.8 diatas dapat dilihat bahwa nilai dari probability chi square sebesar 0.0943, lebih besar dari 0.05 sehingga dapat disimpulkan tidak terjadi autokorelasi.

d. Uji Heteroskedastisitas

Uji Heteroskedastisitas bertujuan untuk melakukan uji apakah pada sebuah model regresi terjadi ketidaksamaan varian dari residual dalam satu pengamatan kepengamatan lainnya.

(10)

Tabel 4.9

Uji Heteroskedastisitas

Data diolah, 2021

Hasil dari uji heteroskedastisitas diatas, grafik memperlihatkan garis yang tidak terpola dan acak sehingga bisa disimpulkan tidak terjadi gejala heteroskedastisitas.

5. Uji Hipotesis

Tabel 5.1 Uji Hipotesis

Variable Coefficient Std. Error t-Statistic Prob.

C 0.063537 0.074667 0.850942 0.3968

PC -0.017275 0.034313 -0.503464 0.6157

EY 0.004524 0.015893 0.284639 0.7765

ROA -0.053059 0.061358 -0.864747 0.3892

LEVERAGE -0.124889 0.040832 -3.058636 0.0028

LOG(SIZE) 0.104218 0.017569 5.931966 0.0000

LOG(AGE) -0.083779 0.059563 -1.406553 0.1626

\

-.3 -.2 -.1 .0 .1 .2

-.3 -.2 -.1 .0 .1 .2 .3

1 - 13 1 - 16 1 - 19 2 - 15 2 - 18 3 - 14 3 - 17 4 - 13 4 - 16 4 - 19 5 - 15 5 - 18 6 - 14 6 - 17 7 - 13 7 - 16 7 - 19 8 - 15 8 - 18 9 - 14 9 - 17 10 - 13 10 - 16 10 - 19 11 - 15 11 - 18 12 - 14 12 - 17 13 - 13 13 - 16 13 - 19 14 - 15 14 - 18 15 - 14 15 - 17 16 - 13

Residual Actual Fitted

(11)

Data diolah, 2021

Tabel 5.1 diatas adalah pengujian hipotesis yang menunjukkan hasil regresi dengan menggunakam model fixed effect dengan persamaan sebagai berikut:

Dari hasil uji hipotesis Tabel 5.1 diketahui bahwa nilai signifikansi PC terhadap terhadap ABTD sebesar 0.6157, nilai signfikansi EY terhadap ABTD sebesar 0.7765 yang artinya kedua nilai tersebut lebih besar dari 0.05 maka hipotesis pertama dan kedua dalam penelitian ini ditolak.

a. Uji Koefisien Determinan (R²)

Uji ini bertujuan untuk menentukan proporsi atau persentase total variasi dalam variabel terikat yang diterangkan oleh variabel bebas.

Berdasarkan hasil uji koefisien determinasi pada Tabel 5.1 diatas nilai Adjusted R square sebesar 0.280087 yang artinya 28 % variabel independent yaitu variabel PC, EY, ROA, SIZE, Leverage dan AGE dapat menjelaskan variabel penghindaran pajak (ABTD) sebagai variabel dependen dalam penelitian ini. Sedangkan sisanya dijelaskan variabel lain yang tidak dimasukkan dalam model penelitian.

b. Uji Signifikan simultan (Uji F)

Uji F dilakukan untuk mengetahui pengaruh variabel independent secara bersama-sama (simultan) terhadap variabel dependen. Berdasar pengujian diatas diperoleh hasil signifikansi F hitung sebesar 0.000001 dengan tingkat signifikansi yang lebih kecil dari 0.05. Dengan demikian hasil analisis dalam penelitian ini menunjukkan bahwa secara bersama-sama variabel independen yaitu variabel PC, EY, ROA, SIZE, Leverage dan AGE berpengaruh terhadap variabel dependen yaitu penghindaran pajak (ABTD).

R-squared 0.320456 Mean dependent var -0.029433 Adjusted R-squared 0.280087 S.D. dependent var 0.086533 S.E. of regression 0.073421 Akaike info criterion -2.322594 Sum squared resid 0.544455 Schwarz criterion -2.148753 Log likelihood 132.4201 Hannan-Quinn criter. -2.252108 F-statistic 7.938185 Durbin-Watson stat 0.970215 Prob(F-statistic) 0.000001

𝐴𝐵𝑇𝐷_𝑖𝑡 = 𝛼₀ + 𝛼₁𝑃𝐶_𝐶𝑂𝑀_𝑖𝑡+ 𝛼₂𝐸𝑌_𝑖𝑡+ 𝛼₃𝑅𝑂𝐴_𝑖𝑡+ 𝛼₄𝑆𝐼𝑍𝐸_𝑖𝑡 + 𝛼₅𝐿𝐸𝑉_𝑖𝑡+ 𝛼₆𝐴𝐺𝐸_𝑖𝑡 + 𝜀_𝑖𝑡

(12)

c. Uji Signifikansi Parsial (Uji Statistik)

Uji t dilakukan untuk mengetahui pengaruh secara parsial (individu) variabel independent terhadap variabel dependen. Berdasarkan hasil uji signifikan pada Tabel 5.1 diatas menyatakan variabel PC tidak berpengaruh signifikan terhadap ABTD dengan tingkat signifikansi sebesar 0.6157 yang artinya lebih besar dari 0.05.

Hasil selanjutkan menunjukkan bahwa variabel EY tidak memberikan pengaruh signifikan terhadap ABTD sebesar 0.7765, lebih besar dari 0.05.

ROA, SIZE, LEVERAGE dan AGE merupakan variabel kontrol dalam penelitian ini. ROA tidak berpengaruh signifikan terhadap ABTD dengan nilai 0.3892, lebih besar dari 0.05. leverage berpengaruh signifikan terhadap variabel ABTD dengan nilai 0.0028 yang artinya dibawah 0.05. Ukuran perusahaan atau size berpengaruh signifikan terhadap ABTD dengan nilai 0.0000. Usia perusahaan atau age tidak berpengaruh signifikan dengan nilai 0.1626.

6. Uji Interaksi

Uji interaksi ini dilakukan untuk menentukan apakah variabel EY mempunyai kemampuan untuk memoderasi antara variabel independen dengan terikat. Pada penelitian ini uji MRA akan dilakukan dengan menggunakan tiga tahap.

Tabel 5.2 Uji MRA Tahap Satu

C 0.064752 0.074208 0.872574 0.3849

PC -0.017517 0.034148 -0.512977 0.6091

ROA -0.051527 0.060846 -0.846855 0.3991

LEVERAGE -0.123957 0.040516 -3.059433 0.0028

LOG(SIZE) 0.104481 0.017465 5.982144 0.0000

LOG(AGE) -0.084297 0.059267 -1.422329 0.1580

R-squared 0.319911 Mean dependent var -0.029433 Adjusted R-squared 0.286573 S.D. dependent var 0.086533 S.E. of regression 0.073090 Akaike info criterion -2.340311

(13)

Sum squared resid 0.544892 Schwarz criterion -2.191304 Log likelihood 132.3768 Hannan-Quinn criter. -2.279894 F-statistic 9.596075 Durbin-Watson stat 1.046572 Prob(F-statistic) 0.000000

Data diolah, 2021

Tabel 5.2 menguji interaksi antara variabel ABTD dengan PC dan seluruh variabel kontrol yang dapat dirumuskan dengan persamaan sebagai berikut:

Dari hasil uji tersebut diketahui bahwa variabel independen yang dalam hal ini PC memiliki nilai signifikansi 0.609 yang artinya tidak berpengaruh signifikan. Begitu pula dengan variabel kontrol ROA, Log(age) yang masing-masing memiliki nilai 0.3991 dan 0.1580. Hanya variabel Leverage dan Log (size) yang berpengaruh signifikan terhadap ABTD dengan nilai 0.0028 dan 0.0000. Secara simultan memiliki nilai Prob(F-statistic) sebesar 0.000000 yang dapat diartikan bahwa secara bersama-sama variabel PC dan seluruh variabel kontrol berpengaruh terhadap variabel dependen yaitu penghindaran pajak (ABTD).

Tabel 5.3 Uji MRA Tahap Dua

C 0.063537 0.074667 0.850942 0.3968

PC -0.017275 0.034313 -0.503464 0.6157

EY 0.004524 0.015893 0.284639 0.7765

ROA -0.053059 0.061358 -0.864747 0.3892

LEVERAGE -0.124889 0.040832 -3.058636 0.0028

LOG(SIZE) 0.104218 0.017569 5.931966 0.0000

LOG(AGE) -0.083779 0.059563 -1.406553 0.1626

Data diolah, 2021

𝐴𝐵𝑇𝐷_𝑖𝑡 = 𝛼₀+ 𝛼₁𝑃𝐶 + 𝛼₂𝑅𝑂𝐴_𝑖𝑡+ 𝛼₃𝑆𝐼𝑍𝐸_𝑖𝑡+ 𝛼₄𝐿𝐸𝑉_𝑖𝑡+ 𝛼₅𝐴𝐺𝐸_𝑖𝑡+ 𝜀_𝑖𝑡

(14)

Tabel 5.3 merupakan hasil uji variabel ABTD dengan PC, EY dan seluruh variabel kontrol yang jika dirumuskan ke model persamaan regresi sebagai berikut:

Hasil menunjukkan bahwa variabel EY tidak berpengaruh signifikan terhadap ABTD sebesar 0.7765. ROA tidak berpengaruh signifikan terhadap ABTD dengan nilai 0.3892. Leverage berpengaruh signifikan dengan nilai 0.0028. Ukuran perusahaan atau size berpengaruh signifikan terhadap ABTD dengan nilai 0.0000. Usia perusahaan atau age tidak berpengaruh signifikan dengan nilai 0.1626. Secara simultan memiliki nilai 0.000001 yang dapat artikan bahwa secara bersama-sama variabel PC, EY, ROA, SIZE, Leverage dan AGE berpengaruh terhadap variabel dependen yaitu penghindaran pajak (ABTD).

Tabel 5.4 Uji MRA Tahap Tiga

C 0.061308 0.074584 0.821995 0.4130

PC -0.038515 0.039022 -0.987007 0.3260

EY -0.005675 0.018228 -0.311319 0.7562

ROA -0.066925 0.062470 -1.071313 0.2866

LEVERAGE -0.128011 0.040865 -3.132560 0.0023

LOG(AGE) -0.078671 0.059646 -1.318969 0.1902

LOG(SIZE) 0.105469 0.017578 6.000115 0.0000

MODERASI 0.090107 0.079225 1.137351 0.2581

𝐴𝐵𝑇𝐷_𝑖𝑡 = 𝛼₀+ 𝛼₁𝑃𝐶_𝐶𝑂𝑀_𝑖𝑡+ 𝛼₂𝐸𝑌_𝑖𝑡+ 𝛼₃𝑅𝑂𝐴_𝑖𝑡+ 𝛼₄𝑆𝐼𝑍𝐸_𝑖𝑡+ 𝛼₅𝐿𝐸𝑉_𝑖𝑡 + 𝛼₆𝐴𝐺𝐸_𝑖𝑡+ 𝜀_𝑖𝑡

Data diolah, 2021

(15)

Dari Tabel 5.4 diketahui jika variabel leverage dan log(size) berpengaruh signifikan terhadap ABTD dengan nilai 0.0023 dan 0.0000.

Untuk variabel PC, EY, ROA dan Log(age) tidak memiliki pengaruh signifikan karena memiliki nilai diatas 0.05 yaitu masing-masing 0.3260, 0.7562, 0.2866, 0.1902. Moderasi dalam pengujian ini merupakan variabel yang digunakan untuk menguji kemampuan variabel EY dalam memoderasi antara PC dengan ABTD. Dalam pengujian tersebut diketahui bahwa nilai moderasi adalah sebesar 0.2581 yang dapat diartikan bahwa variabel EY tidak memiliki kemampuan memoderasi antara PC dengan ABTD karena memiliki nilai diatas 0.05. Tabel 5.4 merupakan interprestasi dari persamaan sebagai berikut:

7. Analisis Tambahan

Berdasar pada Tabel 5.1 yang merupakan uji hipotesis utama diketahui bahwa terdapat dua variabel yang menunjukan pengaruh signifikan, yaitu variabel leverage dengan nilai signifikansi 0.0028 dan variabel log(size) sebesar 0.0000. Dengan acuan tersebut peneliti melakukan pendalaman dengan melakukan regresi berkelompok dengan fokus klaster tiga variabel.

Dari total 108 sampel, tiga variabel dikelompokkan menjadi dua. berikut ini pengelompokkan data untuk pendalaman uji hipotesis.

Tabel 5.5

Kelompok Variabel Analisis Tambahan

Variabel Kelompok A Kelompok B

EY 78 Sampel 30 Sampel

LEVERAGE 54 Sampel 54 Sampel

LOG(SIZE) 54 Sampel 54 Sampel

Keterangan:

EY : Variabel Electoral Years dikelompokkan berdasarkan klasifikasi dummy. Kelompok A merupakan data dengan dummy 0 (nol) dan kelompok B berdasarkan data dengan dummy 1 (satu).

Leverage : Variabel leverage dikelompokkan berdasarkan nilai tengah (median) sebesar 0.5367200. Kelompok A merupakan

(16)

kelompok yang nilainya dibawah median dan kelompok B diatas nilai median.

LOG(SIZE) : Variabel log(size) dikelompokkan berdasar nilai tengah (median) sebesar 0.6492882. Kelompok A merupakan kelompok yang nilainya dibawah median dan kelompok B diatas nilai median.

Data diolah, 2021

Tabel 5.6

Uji Regresi Klaster Variabel EY Kelompok A Dependent Variable: ABTD

Included observations: 78

C 0.079017 0.085576 0.923350 0.3589

ROA -0.032509 0.076917 -0.422649 0.6738

LOG(SIZE) 0.116498 0.020333 5.729553 0.0000

LEVERAGE -0.136042 0.050143 -2.713064 0.0083

LOG(AGE) -0.096619 0.068123 -1.418317 0.1604

PC -0.040460 0.039718 -1.018666 0.3118

Data diolah, 2021

Berdasarkan uji regresi pada Tabel 5.6 yang merupakan pengelompokan data diambil tidak saat dilaksanakannya pemilihan umum presiden atau dengan kelompok dummy 0 (nol) diketahui bahwa variabel log(size) dan leverage memiliki pengaruh signifikan masing-masing dengan nilai 0.0000 dan 0.0083, yang seluruhnya dibawah 0.05. Hal ini memperlihatkan jika saat tidak dilaksanakannya pemilihan umum perusahaan dengan total aset dan leverage yang tinggi mendorong terjadinya praktik penghindaran pajak karena volume usaha yang tinggi sehingga penghematan dan penekanan biaya pajak cenderung dilakukan.

(17)

Tabel 5.7

Uji Regresi Klaster Variabel EY Kelompok B Dependent Variable: ABTD

C -0.068949 0.169562 -0.406632 0.6879

ROA -0.154443 0.120092 -1.286039 0.2107

LOG(SIZE) 0.078008 0.036389 2.143731 0.0424

LEVERAGE -0.091094 0.074250 -1.226853 0.2318

LOG(AGE) 0.028751 0.134876 0.213170 0.8330

PC 0.085089 0.079733 1.067177 0.2965

Data diolah, 2021

Tabel 5.7 merupakan uji regresi berdasar pengelompokan data yang diambil saat dilaksanakannya pemilihan umum presiden atau dengan kelompok dummy 1 (satu), diketahui bahwa hanya variabel log(size) yang bernilai signifikan yaitu 0.0424 dan dikelompok B ini leverage tidak berpengaruh signifikan. Dari hasil kedua uji regresi dengan memisahkan berdasar variabel dummy dapat disimpulkan bahwa variabel size memiliki pengaruh signfikan dikedua kelompok sehingga dapat diartikan jika ukuran perusahaan yang diukur berdasar total aset terlepas diselenggarakannya pemilihan umum ataupun tidak, praktik-praktik penghindaran pajak tetap dilakukan. Hal ini terjadi karena semakin besarnya ukuran sebuah perusahaan dapat berarti semakin tinggi pula volume operasional perusahaan. Tingginya operasional atau aktifitas usaha menimbulkan kewajiban pajak yang lebih masif sehingga dianggap manajemen sebagai beban, dan praktik penghindaran pajak menjadi pilihan.

Leverage ketika tidak dilaksanakannya pemilihan umum memiliki nilai yang signifikan namun saat tahun pemilihan umum diselenggarakan

(18)

tidak memiliki nilai signifikan. Dari hasil kontradiktif tersebut dapat diinterprestasikan bahwa saat ditahun bukan pemilihan umum perusahaan yang memiliki hutang yang tinggi cenderung melakukan penghindaran pajak.

Hal ini karena hutang merupakan kewajiban yang dianggap beban keuangan perusahaan dengan mekanisme tetap yang terikat dengan perjanjian sehingga ketepatan pembayaran sulit dihindari, negosiasi ulang sulit dilakukan, dan konsekuensi hukum perdata yang tinggi. Ini berbeda jika saat tahun pemilihan umum diselenggarakan. Perusahaan dengan hutang yang tinggi maupun rendah cenderung patuh dan taat perpajakan karena eksposur para tokoh politik yang terafiliasi dengan perusahaa tinggi, terlebih para politikus yang cenderung mencari celah para lawan politiknya.

Tabel 5.8

Uji Regresi Klaster Variabel Leverage Kelompok A Dependent Variable: ABTD

C 0.194611 0.112421 1.731092 0.0899

ROA 0.129194 0.103862 1.243894 0.2196

LOG(SIZE) 0.114481 0.028516 4.014609 0.0002

LOG(AGE) -0.256075 0.096640 -2.649779 0.0109

EY -0.004201 0.024546 -0.171165 0.8648

PC 0.020041 0.042645 0.469948 0.6405

Data diolah, 2021

Berdasarkan Tabel 5.8 yang merupakan hasil regresi dengan persamaan regresi kelompok dibawah median leverage 0.5367200, diketahui jika variabel size dan dan age berpengaruh signfikan dengan nilai masing- masing 0.0002 dan 0.0109. Size atau ukuran perusahaan yang diukur dengan total aset memiliki kesamaan dengan regresi sebelumnya yang memiliki hasil

(19)

signfikan sehingga dapat diartikan jika leverage yang berada dibawah nilai tengah sesuai kelompok ini berpengaruh terhadap penghindaran pajak.

Hutang yang rendah namun total aset yang tinggi mendorong perusahaan untuk melakukan penghindaran pajak karena kecenderungan aset yang kurang produktif sehingga efisiensi perusahaan dengan menekan biaya pajak adalah pilihan. Age atau usia perusahaan memiliki nilai signifikan terhadap penghindaran pajak karena ketika hutang yang rendah namun total aset perusahaan tinggi serta usia perusahaan yang sudah cukup lama mendorong manajemen perusahaan melakukan perencanaan pajak yang lebih matang.

Pengalaman sudah bertahun-tahun cenderung mendorong perusahaan ke praktik penghindaran pajak karena sudah memahami seluk beluk aturan perpajakan yang berlaku sehingga pemanfaat loophole lebih maksimal.

Tabel 5.9

Uji Regresi Klaster Variabel Leverage Kelompok B Dependent Variable: ABTD

C -0.101647 0.089632 -1.134053 0.2624

ROA -0.089615 0.069433 -1.290676 0.2030

LOG(SIZE) 0.121189 0.023337 5.192985 0.0000

LOG(AGE) -0.010953 0.079561 -0.137669 0.8911

EY 0.004870 0.019980 0.243755 0.8085

PC -0.157612 0.082953 -1.900025 0.0634

Data diolah, 2021

Sesuai Tabel 5.9 yang merupakan hasil uji regresi dengan persamaan kelompok berdasar nilai leverage diatas nilai tengah 0.5367200, diketahui jika variabel size berpengaruh signifikan terhadap penghindaran pajak. Hasil ini sama dengan model persamaan berdasar kelompok A sehingga dapat

(20)

disimpulkan jika berapapun nilai leverage yang dimiliki perusahaan, ukuran perusahaan berpengaruh signifikan terhadap penghindaran pajak. Semakin tinggi beban hutang perusahaan maka biaya yang ditimbulkan semakin besar pula sehingga salah satu kebijakan yang memungkinkan diambil salah satunya adalah penghindaran pajak. Pada persamaan Tabel 5.9 usia perusahaan tidak berpengaruh signifikan terhadap penghindaran pajak karena saat leverage tinggi yang berarti nilai hutang lebih dari setengah dari total aset perusahaan maka penghindaran pajak cenderung tidak dilakukan. Perusahaan yang memiliki usia lama lebih memilih patuh pajak karena akses ke hutang berkaitan dengan reputasi para investor. Reputasi dalam hutang piutang adalah hal yang wajib karena menentukan besaran pendanaan sehingga investor lebih cenderung patuh guna menghindari ekspose pajak.

Tabel 6.1

Uji Regresi Klaster Variabel Log(Size) Kelompok A Dependent Variable: ABTD

C 0.270830 0.108279 2.501232 0.0158

ROA -0.346185 0.086196 -4.016236 0.0002

LEVERAGE -0.174873 0.059563 -2.935948 0.0051 LOG(AGE) -0.218858 0.083044 -2.635441 0.0113

EY 0.014561 0.018273 0.796848 0.4295

PC -0.029409 0.046225 -0.636207 0.5277

Data diolah, 2021

Tabel 6.1 adalah model persamaan regresi yang berdasarkan pemisahan variabel size menjadi dua dengan nilai tengah Rp 4,45 triliun atau jika dikonversi ke model logaritma 0.6492882. Pada Tabel 6.1 tersebut adalah persamaan kelompok A yang merupakan sampel dibawah median dan terlihat

(21)

ada tiga variabel yang berpengaruh signifikan yaitu ROA, leverage dan age.

ROA adalah kemampuan perusahaan menghasilkan laba dibagi dengan total aset. ROA yang tinggi memperlihatkan kemampuan aset perusahaan yang produktif dalam menghasilkan laba. Laba yang tinggi dengan aset yang minim lebih cenderung mendorong perusahaan melakukan penghindaran pajak karena biaya pajak yang timbul membuat manajemen perusahaan berpikir untuk dialihkan ke sektor yang lebih dianggap ekonomis bagi perusahaan. Jika perusaahaan yang memiliki aset minim namun laba yang dihasilkan tinggi akan memunculkan anggapan bahwa ada kemungkinan pendapatan non operasional yang tidak dilaporkan dalam laporan keuangan pajak.

Leverage dan age dengan kelompok total aset dibawah Rp 4,45 triliun berpengaruh signifikan terhadap penghindaran pajak karena kelompok ini, perusahaan dengan total aset yang minim belum begitu produktif sehingga kecenderungannya menghemat biaya termasuk pajak. Leverage yang tinggi namun aset yang rendah akan membawa pengaruh yang besar terhadap keuangan perusahaan terutama likuiditas demi memenuhi kewajiban. Usia perusahaan berkaitan dengan kematangan manajemen mengelola kebijakan perpajakan. Usia perusahaan yang telah matang akan membuat kebijakan akuntansi perpajakan yang lebih presisi karena anggapan besar kecil pajak yang disetorkan tidak memiliki dampak langsung ke perusahaan.

Tabel 6.2

Uji Regresi Klaster Variabel Log(Size) Kelompok B Dependent Variable: ABTD

C -0.007245 0.107403 -0.067453 0.9465

ROA 0.142593 0.084862 1.680303 0.0994

LEVERAGE -0.090247 0.058685 -1.537818 0.1307

LOG_AGE 0.056225 0.086471 0.650211 0.5187

EY -0.009188 0.025155 -0.365257 0.7165

PC -0.064406 0.055274 -1.165216 0.2497

R-squared 0.196814 Mean dependent var 0.002160 Adjusted R-squared 0.113149 S.D. dependent var 0.085221 S.E. of regression 0.080255 Akaike info criterion -2.102766

(22)

Sum squared resid 0.309165 Schwarz criterion -1.881768 Log likelihood 62.77469 Hannan-Quinn criter. -2.017536 F-statistic 2.352403 Durbin-Watson stat 1.708635 Prob(F-statistic) 0.054667

Data diolah, 2021

Tabel 6.2 adalah persamaan regresi kelompok total aset diatas Rp 4,45 triliun. Pada pengujian tersebut tampak tidak ada satupun variabel yang signifikan. Hasil tersebut dapat diinterprestasikan jika perusahaan- perusahaan dengan total aset yang besar cenderung patuh pajak karena perusahaan yang beraset besar memiliki kesempatan yang lebih besar pula dibanding dengan perusahaan yang asetnya kecil untuk terekspose ke masyarakat. Aset yang besar memberikan kesempatan bagi investor untuk mendapat panggung politik dan mencitrakan diri sebagai tokoh panutan masyarakat. Hal ini sejalan dengan banyaknya investor yang memilih jalan sebagai filantropis sehingga akan tidak baik jika tersandung masalah hukum ataupun kasus pajak.

C. PEMBAHASAN

Penelitian ini dilakukan dengan tujuan mengetahui seberapa besar pengaruh koneksi politik terhadap penghindaran pajak dengan variabel tahun pemilihan umum sebagai variabel pemoderasi. Berdasarkan hasil pengujian untuk hipotesis pertama yang menyatakan koneksi politik berpengaruh negatif terhadap penghindaran pajak, hipotesis tersebut ditolak. Para anggota dewan komisaris tidak memanfaatkan koneksi politik yang mereka miliki untuk mengurangi beban pajak terhadap perusahaan mereka. Hal ini dapat diinterprestasikan bahwa dewan komisaris menjaga risiko-risiko yang mungkin timbul jika manfaatkan koneksi politik untuk penghindaran pajak.

Penghindaran pajak yang agresif merupakan hal yang berisiko (Rego dan Wilson, 2012; Hutchens dan Rego, 2017). Perencanaan pajak yang agresif dikaitkan dengan risiko jatuhnya harga saham (Kim et al., 2016). Secara pemanfaatan, perusahaan yang terhubung secara politis lebih besar kemungkinannya untuk ditalangi selama masa kesulitan ekonomi (Faccio, 2006; Duchin dan Sosyura, 2012). Ada pendapat bahwa koneksi politik

(23)

berfungsi sebagai mekanisme asuransi terhadap peristiwa ekstrim (Duchin dan Sosyura, 2012). Dengan demikian, perusahaan yang terhubung dapat terlibat lebih banyak merencanaan pajak karena kecenderungan pengambilan risiko yang lebih tinggi yang disebabkan oleh koneksi politik.

Hubungan antara manajer sebagai agen dan prinsipal sebagai investor difasilitasi oleh keberadaan dewan komisaris sebagai tanggung jawab pengelolaan yang baik. Manajemen yang memiliki informasi detail terkait pengelolaan perusahaan dan unsur kepentingan untuk menghasilkan laba dapat dikelola dengan baik oleh dewan komisaris yang selanjutnya diteruskan ke para investor. Ketergantungan perusahaan dengan pihak eksternal memberikan tekanan kepada para manajer agar pengelolaan perusahaan dapat dilakukan dengan baik meskipun beban pajak tinggi. Reputasi yang ditimbulkan jika timbul kasus adalah kemungkinan jatuhnya harga saham, sulitnya akses ke permodalan hingga turunnya permintaan oleh konsumen bahkan diperiksa oleh otoritas adalah hal yang menjadi perhatian khusus dewan komisaris yang tugas utamnya adalah mengawasi. Meskipun para pemegang saham mengharapkan deviden atas laba yang dihasilkan manajemen, menjadi berbanding terbalik dengan risiko yang akan ditimbulkan jika sampai terperiksa oleh otoritas pajak. Asimetri yang ditimbulkan dari teori agensi di sektor pajak sangat besar karena dua kepentingan saling bertemu dengan risiko tinggi yang timbul jika penerapan tax planning tidak tepat.

Hasil selanjutnya untuk hipotesis kedua berdasar uji interaksi menunjukkan bahwa variabel Elektoral Year (EY) dengan variabel independen (PC) tidak memiliki kemampuan untuk memoderasi dengan variabel dependen (ABTD) baik menguatkan ataupun memperlemah diantara kedua variabel tersebut. Dapat disimpulkan hipotesis kedua bahwa tahun elektoral memperkuat pengaruh negatif koneksi politik terhadap penghindaran pajak ditolak. Tahun elektoral yang menjadi tahun politik dilaksanakannya pemilihan umum di Indonesia tidak memberikan pengaruh signifikan dari sisi penghindaran pajak.

(24)

Rezim Orde Baru dibawah Presiden Soeharto mendominasi panggung politik di Indonesia selama lebih dari tiga puluh dua tahun. Sistem pemerintahan Presiden Soeharto yang cenderung sentralistik disekitaran elite politik, birokrat, militer, dan keluarga sering dicap sebagai pemerintahan yang otoriter (Arifin et al., 2018). Lembaga legislatif tidak lebih dari legitimasi formal yang menyetujui kebijakan dan peraturan apa pun yang diusulkan oleh eksekutif. Pemilu tidak lebih dari seremonial politik dengan hasil yang sudah dapat diprediksi. Ketika kekuasaan terpusat pada kerabat dan relasi Soeharto, bisnis tidak punya banyak pilihan tentang siapa dan bagaimana mengembangkan koneksi politik mereka (Carney dan Hamilton- Hart, 2015). Perusahaan yang terhubung secara politis mengeksploitasi hubungan dekat mereka dengan rezim Soeharto untuk mendapatkan lebih banyak akses ke sumber daya pemerintah. Sebuah bukti yang tidak mengejutkan adalah bahwa perusahaan-perusahaan yang terkait erat dengan rezim Soeharto menerima akses istimewa untuk pembiayaan, terutama dari bank-bank milik negara (Leuz dan Gee, 2006; Matsumoto, 2007). Tahun 2014 adalah tahun pemilihan umum yang tidak diikuti petahana karena sudah terpilih dua kali sehingga dapat diidentifikasi sebagai sebuah langkah awal pemerintahan yang benar-benar baru. Pemerintah yang bisa dikatakan segar ini menuntut para pemilik perusahaan beradaptasi yang bisa saja pemerintahan baru lebih menguntungkan mereka. Tahun 2019 menarik perhatian karena tahun ini diselenggarakannya pemilihan umum yang salah satu kontestannya merupakan pengusaha kenamaan di Indonesia, bahkan pernah menjabat sebagai ketua Kamar Dagang dan Industri Indonesia (Kadin).

Pendalaman hipotesis dengan menguji data secara berkelompok untuk variabel-variabel yang menunjukan hasil signfikan memperlihatkan jika ukuran perusahaan yang diukur berdasar total aset memiliki pengaruh signifikan dan leverage pun sama. Size diukur berdasar total aset yang ditransformasikan ke model logaritma dan hasil dalam penelitian ini konsisten dengan penelitian sebelumnya yang dilakukan oleh Rodriguez dan Arias (2013) serta Irianto et al., (2017) yang membuktikan bahwa ukuran

(25)

perusahaan berpengaruh positif dan signifikan terhadap penghindaran pajak.

Sejalan dengan hasil penelitian sebelumnya yang dilakukan oleh Swingly dan Sukharta (2015) yang menemukan bahwa tarif pajak memiliki hubungan positif dengan ukuran perusahaan. Watts dan Zimmerman (1978) menyatakan bahwa laba perusahaan yang tinggi akan sangat rentan terhadap ekstraksi kekayaan transfer politik yang mendalam berupa undang-undang dan peraturan. Manajer perusahaan akan menggunakan prosedur akuntansi dan mengurangi laporan laba rugi. Teori biaya politik menyatakan bahwa semakin besar biaya politik dihadapi perusahaan, akan mengarah ke kecenderungan pemilihan prosedur akuntansi yang mampu menunda pelaporan laba dari periode saat ini ke periode selanjutnya.

Leverage diukur berdasar total hutang dibagi total aset. Sejalan dengan penelitian oleh Dharma dan Ardian (2016), Siregar dan Widyawati (2016) serta Ariawan (2016) yang menyatakan leverage berpengaruh signifikan dengan penghindaran pajak. Semakin besar nilai leverage perusahaan dapat mempengaruhi secara signifikan meningkatnya praktik penghindaran pajak. Hal ini timbul karena beban bunga akibat penggunaan utang yang mana beban bunga termasuk ke dalam beban yang dapat mengurangi penghasilan kena pajak sehingga penggunaan utang memberikan hubungan positif terhadap aktivitas penghindaran pajak oleh perusahaan.

Hasil penelitian ini sesuai dengan penelitian yang dilakukan oleh Rachmitasari (2015), Hanum dan Zulaikha (2013) serta Praditasari dan Setiawan (2017) yang menemukan bahwa leverage berpengaruh positif pada penghindaran pajak.

Dalam analisa tambahan yang mengacu pada Tabel 5.9 dengan model regresi kelompok pemisah variabel leverage diatas nilai tengah 0.5367200, nilai variabel PC hampir mendekati nilai signifikan yaitu 0.0634. Dari hasil uji tersebut dapat diinterprestasikan bahwa saat dilakukan split data dengan membagi menjadi dua, variabel PC mulai menunjukan nilai yang signifikan terhadap penghindaran pajak saat perusahaan memiliki nilai leverage tinggi.

Mengacu pada penelitian oleh Rodriguez dan Arias (2013), Swingly dan Sukharta (2015) serta Irianto et al., (2017) yang menemukan bahwa ukuran perusahaan yang dihitung berdasar total aset berpengaruh positif dan

(26)

signifikan terhadap penghindaran pajak, maka dapat dijelaskan jika saat perusahaan memiliki nilai hutang tinggi akan diikuti kenaikan nilai aset perusahaan. Utang dikaitkan dengan akses ke permodalan yang selain membutuhkan legitimasi namun juga membutuhkan track record yang memadai dari perusahaan tersebut. Dalam memperoleh pendanaan melalui utang dikenal dengan istilah 5C yang mengacu pada Character (karakter), Colletaral (jaminan), Capacity (kapasitas), Capital (modal), dan Condition (kondisi).

Tata kelola perusahaan yang baik dan pengelola perusahaan yang dikenal luas serta catatan laporan keuangan yang memadai akan mempermudah perusahaan mengakses ke utang. Reputasi yang baik dewan komisaris meskipun memiliki afiliasi dengan politik, akan menambah kemudahan perusahaan untuk memperoleh suntikan modal. Dewan komisaris yang memiliki koneksi politik cenderung mendapatkan panggung publik karena mendapat sorotan dari media yang akan menambah nilai jual perusahaan tersebut. Leverage yang tinggi menunjukan bahwa kreditur memiliki kepercayaan yang tinggi kepada pengelola perusahaan yang mana kepercayaan membutuhkan waktu lama untuk dibangun. Kreditur tidak hanya berpegang pada aset dan laporan keuangan saja dalam menyalurkan dana namun faktor karakter dari pengelola yang dalam hal ini adalah dewan komisaris karena kapasitasnya sebagai pengawas perusahaan, akan lebih mudah memperoleh kucuran dana.

Semakin tinggi nilai leverage maka akan semakin tinggi pula beban bunga yang ditimbulkan yang dapat mengoreksi keuntungan perusahaan sehingga pajak akan turut ditekan. Semakin besar nilai leverage perusahaan dapat mempengaruhi secara signifikan meningkatnya praktik penghindaran pajak. Hasil penelitian ini sesuai dengan penelitian yang dilakukan oleh Hanum dan Zulaikha (2013), Rachmitasari (2015), Dharma (2015), Siregar dan Widyawati (2016), Ariawan (2016) serta Praditasari dan Setiawan (2017) yang menemukan bahwa leverage berpengaruh positif pada penghindaran pajak. Utang yang besar membutuhkan perencanaan yang baik karena berkaitan dengan penggunan dana di masa depan untuk operasional perusahaan. Kepercayaan kreditur akan lebih tinggi jika mengenal karakter

(27)

perusahaan termasuk dewan komisaris yang notabene menjadi salah satu pihak yang menandatangani laporan keuangan sebagai salah satu syarat pengajuan utang. Dengan demikian penyaluran dana oleh pihak kreditur lebih mudah dilakukan karena adanya jaminan rasa aman akan akses ke sumber daya pemerintah yang dimiliki oleh para dewan komisaris.