BAB III METODE PENELITIAN
3.5. Metode Analisis Data
3.5.3. Pengujian Uji Asumsi Klasik
3.5.3.3. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Autokorelasi muncul dari observasi berurutan sepanjang waktu yang berkaitan satu sama lain. Deteksi autokorelasi dilakukan dengan uji Durbin Watson (Ghozali, 2009)adalah:
Tabel 3.1
Kriteria Pengambilan Keputusan Uji Durbin Watson
Hipotesis Nol Keputusan Jika
Tidak ada autokorelasi positif Tidak ada autokorelasi positif Tidak ada korelasi negative Tidak ada korelasi negative
Tidak ada korelasi positif atau negative
Tolak No decision Tolak No decision Tidak ditolak
0 < d < dl dl ≤ d ≤ du 4 – dl < d < 4 4 – du ≤ d ≤ 4 – dl
du < d < 4 – du Sumber : Ghozali (2009)
3.5.3.4 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual atau pengamatan ke pengamatan yang lain dengan menggunakan grafik Scatterplot. Model regresi yang baik adalah tidak terjadi heterokedastisitas (Ghozali, 2009). Dasar pengambilan keputusannya, jika ada pola tertentu, seperti titik-titik yang ada membentuk pola yang teratur (bergelombang, melebar, kemudia menyempit), maka mengindikasikan bahwa telah terjadi heteroskedastisitas. Jika tidak ada pola yang jelas serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskesdastisitas (Ghozali, 2009).
3.5.4. Uji Regeresi Data Panel
Data panel adalah gabungan antara data runtun waktu dan data seksi silang (Winarno, 2011). Data panel diperkenalkan oleh Howles pada tahun 1950, merupakan data seksi silang (terdiri atas beberapa variabel), dan sekaligus terdiri atas beberapa waktu, sedangkan data pool, sebenarnya juga data panel, kecuali masing-masing kelompok dipisahkan berdasarkan objeknya (Winarno, 2011). Dilanjutkan oleh Nachrowi & Usman (2006) analisis regresi data panel memiliki tiga macam model, yaitu : Ordinary Least Square (OLS), Fixed Effect Model (MET), dan Random Effect Model (MER). Menurut Nachrowi &
Usman (2006) dalam analisis data panel digunakan dua uji, yaitu:
1. Uji Chow
Widarjono (2009) menyatakan dalam melakukan pengambilan keputusan atas hipotesis dalam uji Chow ini dilakukan melalui uji statistik F dan uji statistik log likelihood ratio (uji LR). Berikut hipotesis yang digunakan (Widarjono, 2009): Ho = Menggunakan model Common Effect
Ha = Menggunakan model Fixed Effect
Dengan kriteria pengujian, Ho diterima apabila nilai pada cross section Chi Square> 0,05 dan Ha diterima apabila nilai pada cross section Chi Square< 0,05.Maka dapat diambil kesimpulan, bahwa Ho ditolak maka model fixed effect lebih baik dari pada common effect.
2. Uji Hausman
Widarjono (2009)menyatakan uji Hausman dilakukan untuk mengetahui perubahan struktural dalam pendekatan jenis apa model regresi peneliti, yaitu diantara pendekatan jenis fixed effect atau random effect. Hipotesis yang digunakan oleh (Widarjono, 2009)dalam uji Hausman adalah:
Ho = Menggunakan model Random Effect Ha = Menggunakan model Fixed Effect
Dengan kriteria pengujian, Ho diterima apabila nilai pada Cross Section Random > 0,05 dan Ha diterima apabila nilai pada Cross Section Random < 0,05.Maka dapat diambil kesimpulan, jika Ho ditolak maka model fixed effect lebih baik daripada random effect, begitu juga sebaliknya
3.5.5 Pengujian Hipotesis
3.5.5.1 Uji Individu (t- Statistik)
Uji t bertujuan untuk menguji seberapa jauh pengaruh satu variabel independen secara individual. Untuk dapat mengetahui apakah ada pengaruh yang signifikan dari variabel masing-masing independen terhadap variabel dependen, maka nilai signifikan t dibandingkan dengan derajat kepercayaannya. Apabila sig t lebih besar dari 0,05 maka Ha ditolak. Demikian pula sebaliknya jika sig t lebih kecil dari 0,05 maka Ha diterima. Bila Ha diterima ini berarti ada pengaruh yang signifikan antara variabel independen terhadap variabel dependen (Ghozali, 2009).
3.5.5.2Koefisien Determinasi (R2)
Koefisien determinasi yang digunakan untuk mengukur presentasi variasi variabel terikat yang dijelaskan oleh semua variabel bebasnya. Untuk regresi dengan lebih dari dua variabel bebas, dugunakan adjusted R2 sebagai koefisien determinasi (Santoso, 2004).
Nilai koefisien determinasi terletak antara 0 dan 1 (0<R2<1), dimana semakin tinggi nilai R2 suatu regresi atau semakin mendekati 1, maka hasil regresi tersebut semakin baik. Hal ini berarti variabel-variabel bebas memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel terikat. Kelemahan mendasar penggunaan koefisien determinasi adalah bias terhadap jumlah variabel bebas yang dimasukkan ke dalam model. Setiap tambahan satu variabel bebas maka R2 pasti meningkat tidak peduli apakah variabel tersebut berpengaruh secara signifikan terhadap variabel terikat. Oleh karena itu digunakanlah adjusted R2 pada saat mengevaluasi model regresi. Tidak seperti R2,nilai adjusted R2 dapat naik atau turun apabila satu variabel bebas ditambahkan ke dalam model. Dalam kenyataan nilai adjusted R2 dapat bernilai negatif, walaupun yang dikehendaki harus bernilai positif. Menurut Gujarati (2003) jika dalam uji empiris didapat nilai adjusted R2 negatif, maka nilai adjusted R2 dianggap bernilai nol. Secara matematis jika nilai R2 = 1 maka adjusted 1 R2 = R2 = 1 sedangkan jika nilai R2 = 0 maka adjusted R2 = (1-k) (n-k). Jika k >1, maka adjusted R2 akan bernilai negatif.
ANALISA DAN PEMBAHASAN
4.1. Gambar Umum Objek Penelitian
Objek penelitian ini merupakan perusahaan manufaktur sektor industri barang dan konsumsi yang terdaftar di Bursa Efek Indonesia (BEI) dengan periode selama tiga tahun terakhir yaitu periode 2014-2016. Data yang digunakan dalam penelitian ini adalah data laporan tahunan yang menyediakan informasi keuangan pada periode 2014-2016. Berdasarkan kriteria yang telah ditetapkan (purposive sampling), maka jumlah observasi yang digunakan dalam penelitian ini adalah sebanyak 30 perusahaan. Berikut adalah rincian pengambilan sampel penelitian dalam tabel 4.1:
Tabel 4.1 Pemilihan Sample dan Observasi Penelitian
No Kriteria Sampel Jumlah
1 Perusahaan manufaktur sektor industri barang konsumsi
yang terdaftar di Bursa Efek Indonesia tahun 2014-2016. 33 2 Perusahaan manufaktur industri barang konsumsi yang
tidak memberikan laporan keuangan secara berturut-turut pada periode 2014-2016.
(2)
3 Perusahaan manufaktur industri barang konsumsi yang tidak memiliki kelengkapan data pada tahun 2014-2016.
(1)
Jumlah 30
Periode Penelitian: 2014-2016 3
Jumlah Pengamatan Awal 90
Outliers (27)
Jumlah Pengamatan Setelah Outliers 63
Sumber: Data Diolah Penulis(2018)
4.2. Statistik Deskriptif
Analisis statistik deskriptif digunakan untuk memberikan gambaran umum atas variabel-variabel independen yang diuji dalam penelitian ini. Ukuran-ukuran statistik yang digunakan dalam analisis ini adalah rata-rata (mean), median, nilai maksimum (max), nilai minimum (min) serta standar deviasi dari masing-masing variabel yang diproksikan dengan CETR, KOA, KUA, KI, SIZEdan AE pada perusahaan manufaktur yang terdaftar di BEI periode 2014-2016, Berikut ini dijelaskan statistik data penelitian dalam tabel 4.2.
Tabel 4.2. Statistik Deskriptif
CETR KOA KUA KI SIZE AE
Mean -0.317077 3.079365 0.619048 0.392498 28.29479 3.46E+11 Median -0.297670 3.000000 1.000000 0.333333 27.98587 7.86E+10 Maximum 0.013983 4.000000 1.000000 0.750000 32.15098 1.75E+12 Minimum -0.867547 3.000000 0.000000 0.333333 25.29535 31428652 Std. Dev. 0.168106 0.272479 0.489522 0.085123 1.514695 5.58E+11 Skewness -0.699457 3.112267 -0.490290 1.681448 0.640654 1.491582 Kurtosis 4.790520 10.68621 1.240385 6.334258 3.447705 3.470419
Jarque-Bera 13.55267 256.7843 10.65169 58.86917 4.835744 23.94147 Probability 0.001140 0.000000 0.004864 0.000000 0.089111 0.000006
Sum -19.97584 194.0000 39.00000 24.72738 1782.572 2.18E+13
Sum Sq. Dev. 1.752095 4.603175 14.85714 0.449242 142.2467 1.93E+25
Observations 63 63 63 63 63 63
Sumber: Output Eviews Diolah (2018)
Berdasarkan informasi yang digambarkan dalam tabel 4.2 tersebut, dapat diuraikan mengenai penjelasan statistik deskriptif dari setiap variabel penelitian, yaitu:
1. Penghindaran Pajak (CETR)
Variabel penghindaran pajak yang di proksikan dengan CETR merupakan variabel dependen dalam penelitian ini yang diukuryang diukur menggunakan cash effective tax rate untuk menentukan besarnya tax avoidance yang terdeteksi pada tahun tertentu. Berdasarkan pengolahan data yang dilakukan dengan menggunakan software Eviews 10, variabel penghindaran pajak memiliki nilai rata-rata (mean) sebesar -0,317077 dan median sebesar -0,297670. Hasil ini menunjukkan bahwa nilai rata-rata (mean) lebih tinggi daripada nilai median yang berarti bahwa rata-rata perusahaan manufaktur memiliki penghindaran pajak yang besar.Kemudian, standar deviasi untuk penghindaran pajak adalah sebesar 0,168106. Hasil ini menunjukkan bahwa nilai standar deviasi lebih tinggi dibandingkan nilai rata-rata (mean) yang membuktikan bahwa data di dalam variabel ini memiliki sebaran variabel yang besar(pergerakan naik/turunnya besar) yang disebut dengan data heterogen.
ProbabilityJarque-Bera sebesar 13,55267 atau lebih besar daripada 0,05 maka berdistribusi normal.
Berdasarkan tabel 4.2, Nilai maksimum sebesar 0,013983 dimiliki oleh PT.
Tri Banyan Tirta Tbk tahun 2015, sedangkan nilai minimum sebesar -
0,867547dimiliki oleh PT. Kedaung Indah Can Tbk tahun 2015. Nilai maksimum menujukkan bahwa perusahaan tersebut memiliki deteksi penghindaran pajak terbesar dibandingkan dengan perusahaan-perusahaan lainnya selama periode penelitian, sedangkan nilai minimum menunjukkan bahwa perusahaan tersebut memiliki deteksi penghindaran pajak terkecil dibandingkan perusahaan lainnya selama periode penelitian.
2. Komite Audit (KOA)
Variabel komite audit yang diproksikan dengan KOA merupakan variabel independen dalam penelitian ini, yang diukurmelalui pencatatan jumlah anggota komite audit dalam perusahaan tersebut. Berdasarkan pengolahan data yang dilakukan dengan menggunakan software Eviews10, variabel komite audit memiliki nilai rata-rata (mean) sebesar 3,079365 dan median sebesar 3,000000. Hasil ini menunjukkan bahwa nilai rata-rata (mean) lebih tinggi daripada nilai median yang berarti bahwa rata-rata perusahaan manufaktur memiliki komite audit yang besar.
Kemudian, standar deviasi untuk variabel komite audit dalah sebesar 0,272479. Hasil ini menunjukkan bahwa nilai standar deviasi lebih rendah dibandingkan nilai rata-rata (mean) yang membuktikan bahwa data di dalam variabel ini memiliki sebaran variabel yang kecil (pergerakan naik/turunnya kecil)yang disebut dengan data homogen. Probability Jarque-Bera sebesar 256,7843 atau lebih besar daripada 0,05 maka berdistribusi normal.
Dari 63 observasi yang ditunjukan dari tabel 4.2, perusahaan yang memiliki nilai terendah atau nilai minimum untuk komite audit sebesar3,000000 terjadi pada 59 perusahaan, sedangkan untuk nilai tertinggi terjadi pada4 perusahaan dengan nilai sebesar 4,000000. Nilai maksimum menujukkan bahwa perusahaan tersebut memiliki deteksi komite audit terbesar dibandingkan dengan perusahaan-perusahaan lainnya selama periode penelitian, sedangkan nilai minimum menunjukkan bahwa perusahaan tersebut memiliki deteksi komite audit terkecil dibandingkan perusahaan lainnya selama periode penelitian.
3. Kualitas Audit (KUA)
Variabel kualitas audit yang di proksikan dengan KUA merupakan variabel independen dalam penelitian ini, yang diukur berdasarkan besar kecilnya ukuran Kantor Akuntan Publik (KAP). KAP The Big Four melakukan audit lebih berkualitas dibandingkan dengan KAP non The Big Four. Berdasarkan pengolahan data yang dilakukan dengan menggunakan software Eviews 10, variabel kualitas audit memiliki nilai rata-rata (mean) sebesar 0,619048 dan median sebesar 1,000000. Hasil ini menunjukkan bahwa nilai rata-rata (mean) lebih rendah daripada nilai medianyang berarti bahwa rata-rata perusahaan manufaktur memiliki kualitas audit yang kecil.
Kemudian, standar deviasi untuk variabel kualitas auditadalah sebesar 0,489522.
Hasil ini menunjukkan bahwa nilai standar deviasi lebih rendah dibandingkan nilai rata-rata (mean) yang membuktikan bahwa data di dalam variabel ini memiliki sebaran variabel yang kecil (pergerakan naik/turunnya kecil) yang disebut dengan
data homogen. Probability Jarque-Bera sebesar 10,65169 atau lebih besar daripada 0,05 maka berdistribusi normal.
Berdasarkan tabel 4.2, Nilai maksimum sebesar 1,000000 dimiliki oleh 39 perusahaan dan nilai minimum sebesar 0,000000 dimiliki oleh 24 perusahaan. Nilai maksimum menujukkan bahwa perusahaan tersebut memiliki deteksi kualitas audit terbesar dibandingkan dengan perusahaan-perusahaan lainnya selama periode penelitian, sedangkan nilai minimum menunjukkan bahwa perusahaan tersebut memiliki deteksi kualitas audit terkecil dibandingkan perusahaan lainnya selama periode penelitian.
4. Komisaris Independen (KI)
Variabel komisaris independenyang diproksikan dengan KI merupakan variabel independen dalam penelitian ini, yang diukur dengan menentukan presentase jumlah komisaris independen dibagi jumlah seluruh dewan komisaris. Berdasarkan pengolahan data yang dilakukan dengan menggunakan software Eviews 10, variable komisaris independen memiliki nilai rata-rata (mean) sebesar 0,392498 dan median sebesar 0,333333. Hasil ini menunjukkan bahwa nilai rata-rata (mean) lebih tinggi daripada nilai medianyang berarti bahwa rata-rata perusahaan manufaktur memiliki komisaris independen yang besar. Kemudian, standar deviasi untuk variable komisaris independen adalah sebesar 0,085123. Hasil ini menunjukkan bahwa nilai standar deviasi lebih rendah dibandingkan nilai rata-rata (mean) yang membuktikan bahwa data di dalam variabel ini memiliki sebaran variabel yang kecil (pergerakan
naik/turunnya kecil)yang disebut dengan data homogen. Probability Jarque-Bera sebesar 58,86917atau lebih besar daripada 0,05 maka berdistribusi normal.
Dari 63 observasi yang ditunjukan dari tabel 4.2, perusahaan yang memiliki nilai terendah untuk komisaris independen sebesar 0,333333 terjadi pada 35 perusahaan, sedangkan untuk nilai tertinggi terjadi pada PT. Tempo Scan Pasific Tbk pada tahun 2014 dengan nilai sebesar 0,750000. Nilai maksimum menujukkan bahwa perusahaan tersebut memiliki deteksikomisaris independen terbesar dibandingkan dengan perusahaan-perusahaan lainnya selama periode penelitian, sedangkan nilai minimum menunjukkan bahwa perusahaan tersebut memiliki deteksi komisaris independen terkecil dibandingkan perusahaan lainnya selama periode penelitian.
5. Ukuran Perusahaan (SIZE)
Variabel Ukuran Perusahaan yang di proksikan dengan SIZE merupakan variabel independen dalam penelitian ini yang diukur dengan cara logaritma natural dari total asset perusahaan tersebut. Berdasarkan pengolahan data yang dilakukan dengan menggunakan software Eviews 10, variabel ukuran perusahaan memiliki nilai rata-rata (mean) sebesar 28,29479 dan median sebesar 27,98587. Hasil ini menunjukkan bahwa nilai rata-rata (mean) lebih tinggi daripada nilai median yang berarti bahwa rata-rata perusahaan manufaktur memiliki ukuran perusahaan yang besar. Kemudian, standar deviasi untuk variabel ukuran perusahaan adalah sebesar 1,514695. Hasil ini menunjukkan bahwa nilai standar deviasi lebih rendah dibandingkan nilai rata-rata (mean) yang membuktikan bahwa data di dalam variabel
ini memiliki sebaran variabel yang kecil (pergerakan naik/turunnya besar)yang disebut dengan data homogen. Probability Jarque-Berasebesar 4,835744 atau lebih besar daripada 0,05 maka berdistribusi normal.
Berdasarkan tabel 4.2, Nilai maksimum sebesar 32,15098 dimiliki oleh PT.
Indofood Sukses Makmur Tbk tahun 2015, sedangkan nilai minimum sebesar 25,29535 dimiliki oleh PT. Kedaung Indah Can Tbk tahun 2014. Nilai maksimum menujukkan bahwa perusahaan tersebut memiliki deteksi ukuran perusahaan terbesar dibandingkan dengan perusahaan-perusahaan lainnya selama periode penelitian, sedangkan nilai minimum menunjukkan bahwa perusahaan tersebut memiliki deteksi ukuran perusahaan terkecil dibandingkan perusahaan lainnya selama periode penelitian.
6. Beban Iklan (AE)
Variabel beban iklan yang di proksikan dengan AE merupakan variabel independen dalam penelitian ini yang diukur dengan jumlah beban iklan yang terdapat pada laporan keuangan. Berdasarkan pengolahan data yang dilakukan dengan menggunakan software Eviews 10, variabel beban iklan memiliki nilai rata- rata (mean) sebesar 34,6 triliun dan median sebesar 7,86 triliun. Hasil ini menunjukkan bahwa nilai rata-rata (mean) lebih tinggi daripada nilai median yang berarti bahwa rata-rata perusahaan manufaktur memiliki beban iklan yang besar.
Kemudian, standar deviasi untuk beban iklan adalah sebesar 55,8 triliun. Hasil ini menunjukkan bahwa nilai standar deviasi lebih tinggi dibandingkan nilai rata-rata
(mean) yang membuktikan bahwa data di dalam variabel ini memiliki sebaran variabel yang besar (pergerakan naik/turunnya besar)yang disebut dengan data heterogen. Probability Jarque-Bera sebesar 23,94147 atau lebih besar daripada 0,05 maka berdistribusi normal.
Berdasarkan tabel 4.2, Nilai maksimum sebesar 175 triliundimiliki oleh PT.
Kalbe Farma Tbk tahun 2016, sedangkan nilai minimum sebesar 31428652 dimiliki oleh PT. Delta Djakarta Tbk tahun 2016. Nilai maksimum menujukkan bahwa perusahaan tersebut memiliki deteksi beban iklan terbesar dibandingkan dengan perusahaan-perusahaan lainnya selama periode penelitian, sedangkan nilai minimum menunjukkan bahwa perusahaan tersebut memiliki deteksi beban iklan terkecil dibandingkan perusahaan lainnya selama periode penelitian.
4.3. Uji Normalitas
Data menunjukkan terdistribusi normal apabila memiliki probabilitas Jarque- Bera di atas 0,05 atau 5%. Uji normalitas bertujuan untuk mengetahui apakah residual hasil regresi persamaan terdistribusi normal atau tidak, karena data yang berdistribusi normal merupakan salah satu syarat untuk melakukan teknik analisi regresi data panel. Hasil uji normalitas disajikan dalam gambar 4.1 berikut ini:
Gambar 4.1. Hasil Uji Normalitas
Sumber: Output Eviews Diolah (2018)
Berdasarkan hasil pengolahan data menggunakan eviews10, seperti yang tampak disajikan pada gambar 4.1 di atas menunjukkan bahwa semua variabel telah terdistribusi dengan normal. Hal ini ditunjukkan dengan nilai Probability Jarque- Bera yang lebih besar dari 5% yaitu 0,900547. Dengan hasil ini maka dapat disimpulkan bahwa data telah terdistribusi normal dengan jumlah observasi sebanyak 63.
4.4. Analisis Regresi Data Panel
Untuk memilih model apa yang paling tepat digunakan dalam analisis antara model common effect, fixed effect, atau random effect yang dilakukan Uji Chow dan Uji Hausman.
0 2 4 6 8 10 12 14 16
-0.4 -0.3 -0.2 -0.1 0.0 0.1 0.2 0.3
Series: Standardized Residuals Sample 2014 2016
Observations 63 Mean -0.001200 Median 0.006921 Maximum 0.289349 Minimum -0.423644 Std. Dev. 0.145112 Skewness -0.121172 Kurtosis 3.145191 Jarque-Bera 0.209505 Probability 0.900547
4.4.1. Uji Chow
Uji Chow dilakukan pada hasil regresi persamaan dengan fixed effect. Hasil dari Uji Chow disajikan dalam tabel 4.3, sebagai berikut:
Tabel 4.3. Hasil Uji Chow
Sumber: Output Eviews Diolah (2018)
Berdasarkan tabel 4.3 di atas, diketahui probabilitas Chi-Squarehasil regresi persamaan model regresi dengan fixed effect sebesar 0,0027. Nilai tersebut lebih kecil dari tingkat signifikansi 0,05. Dengan demikian Ho ditolak dan Ha diterima, sehingga dikatakan bahwa hasil regresi persamaan dalam penelitian ini menggunakan model fixed effectdan dilanjutkan ke uji Hausman.
4.4.2. Uji Hausman
Uji Hausman dilakukan untuk menentukan model estimasi regresi data panel antara fixed effect dan random effect. Uji Hausman dilakukan pada hasil model regresi dengan random effect. Hasil uji hausman disajikan dalam tabel 4.4, sebagai berikut:
Effect Test Statistic d.f. Prob.
Cross-section F 1.586570 (29,55) 0.0701
Cross-section Chi-square 54.710253 29 0.0027
Tabel 4.4. Hasil Uji Hausman
Sumber: Output Eviews Diolah (2018)
Berdasarkan tabel 4.4. diatas, diketahui probabilitas Cross-section random hasil regresi persamaan dengan random effect sebesar 0,7301. Nilai tersebut lebih besar dari tingkat signifikansi 0,05. Sehingga, dapat dikatakan bahwa hasil regresi persamaan dalam penelitian ini menggunakan modelrandom effect.
4.5. Uji Asumsi Klasik
4.5.1. Uji Multikoliniearitas
Uji multikoliniearitas digunakan untuk menguji apakah terdapat korelasi liniear antar variabel independen. Salah satu syarat di dalam uji asumsi klasik adalah bahwa data yang diperoleh tidak boleh ada unsur multikoliniearitas. Cara untuk melihat masalah di dalam multikolinieritas adalah dengan menggunakan correlation matrix seperti tabel dibawah ini:
Tabel 4.5. Hasil Uji Multikolinieritas
KOA KUA KI SIZE AE
KOA 1.000000
KUA -0.132438 1.000000
KI 0.069132 0.085599 1.000000
SIZE 0.036997 0.152020 0.253674 1.000000 AE -0.132138 0.080159 0.330347 0.830040 1.000000 Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.
Cross-section random 2.804263 5 0.7301
Sumber: Output Eviews Diolah (2018)
Berdasarkan hasil pengolahan data yang dilakukan, dapat dilihat pada tabel 4.5. diatas bahwa nilai tersebut tidak ada yang melebihi nilai 0,85 menurut Gujarati dan Porter (2010) . Sehingga, dapat disimpulkan bahwa dalam penelitian ini tidak ditemukan adanya multikoliniearitas antar variabel independen.
4.5.2. Uji Autokorelasi
Pengujian autokorelasi ini dilakukan untuk menguji adanya hubungan antara residual satu observasi dengan residual observasi lainnya. Pengujian yang dilakukan adalah dengan menggunakan Uji Durbin-Watson (Uji D-W). Ketentuan yang diterapkan dalam pengujian ini adalah apabila nilai D-W berada di antara 1,54 – 2,46 maka tidak terdapat autokorelasi. Tabel 4.6. menunjukkan hasil uji autokorelasi, sebagai berikut:
Tabel 4.6. Hasil Uji Autokorelasi
Sumber: Output Eviews Diolah (2018)
Berdasarkan pengolahan data yang dilakukan, seperti yang tampak disajikan pada tabel 4.6. bahwa nilai Durbin-Watson pada penelitian diatas sebesar 1,902776 yang artinya bahwa nilai D-W sesuai dengan kriteria yang telah ditetapkan, sehingga
R-squared 0.182195 Mean dependent var -0.177347
Adjusted R-squared 0.110458 S.D. dependent var 0.124565 S.E. of regression 0.115351 Sum squared resid 0.758436
F-statistic 2.539760 Durbin-Watson stat 1.902776
Prob(F-statistic) 0.038256
dapat disimpulkan bahwa model penelitian tidak mengalami autokorelasi.
4.5.3. Uji Heteroskedastisitas
Pengujian heteroskedastisitas dilakukan dengan meregresikan variabel independen terhadap resid kuadrat atau terhadap logaritma natural resid (LN resid).
Apabila p-value > 0.05, maka dapat dikatakan tidak adanya heteroskedastisitas pada data. Sebaliknya, jika p-value < 0.05 maka terdapat adanya heteroskedastisitas pada model penelitian. Tabel 4.7. menunjukkan hasil uji heteroskedastisitas, sebagai berikut:
Tabel 4.7. Hasil Uji Heteroskedastisitas
Sumber: Output Eviews Diolah (2018)
Berdasarkan data yang telah diolah dengan menggunakan software Eviews 10 sebagaimana telah terlampir pada tabel 4.7, bahwa tidak adanya probabilitas koefisien yang nilainya dibawah 0,05. Maka dapat disimpulkan bahwa tidak adanya heteroskedastisitas dalam model penelitian ini.
Variable Coefficient Std.
Error t-Statistic Prob.
KOA 0.005471 0.011465 0.477192 0.6351
KUA -0.009856 0.005921 -1.664745 0.1015
KI -0.059661 0.045749 -1.304089 0.1974
SIZE AE
-0.009437 3.49E-14
0.009840 2.15E-14
-0.959095 1.621581
0.3416 0.1104
C 0.288314 0.275129 1.047922 0.5772
4.6. Analisis Persamaan Regresi
Penelitian ini menggunakan analisis regresi data panel, dengan terdiri dari 30 perusahaan dan jumlah sampel selama periode 3 tahun sehingga sampel keseluruhan sebanyak 90, dengan persamaan sebagai berikut:
CETRit= β0+β1AUDCOMTit+ β2 BOARDINDPit+ β3AUDQUAL
it+ β4SZEit + β5 ADVEXPit+ ℇ𝑖𝑡
Setelah dilakukan regresi dengan OLS menggunakan model fixed effect pada persamaan dan model tersebut telah lulus uji asumsi klasik. maka didapatkanlah persamaan regresi liniear data panel, sebagai berikut:
CETR = -2.434548 – 0.075262KOA + 0.001530KUA - 0.033043KI + 0.086946SIZE – 2.82E-13AE + 𝒆it
Dari persamaan diatas, analisis hasil dari model regresi persamaan menggunakan data sebagai berikut:
Tabel 4.8. Hasil Persamaan Regresi
Sumber: Output Eviews Diolah (2018)
Variable Coefficient t-Statistic Prob.
KOA -0.075262 -1.056088 0.2954
KUA 0.001530 0.048466 0.9615
KI -0.033043 -0.137206 0.8914
SIZE AE
0.086946 -2.82E-13
2.929629 -3.528778
0.0049 0.0008
C -2.434548 -3.026706 0.0037
Adapun interpretasi dari persamaan diatas, yaitu:
a. Apabila Komite Audit (KOA), Kualitas Audit (KUA), Komisaris Independen (KI), Ukuran perusahaan (SIZE) dan Beban iklan (AE) diasumsikan konstan maka Penghindaran pajak (CETR) yang dihasilkan sebesar -2,434548.
b. Koefisien regresi untuk KOA sebesar -0,075262. Hal ini menunjukkan bahwa penghindaran pajak akan mengalami penurunan sebesar -0,075262 satuan untuk setiap peningkatan satu satuan tingkat komite audit dan sebaliknya. Hal tersebut dengan asumsi variabel lain adalah konstan.
c. Koefisien regresi untuk KUA sebesar 0,001530. Hal ini menunjukkan bahwa penghindaran pajak akan mengalami penambahan sebesar 0,001530 satuan untuk setiap peningkatan satu satuan tingkat kualitas audit dan sebaliknya.
Hal tersebut dengan asumsi variabel lain adalah konstan.
d. Koefisien regresi untuk KI sebesar -0,033043. Hal ini menunjukkan bahwa penghindaran pajak akan mengalami penurunan sebesar -0,033043 satuan untuk setiap peningkatan satu satuan tingkat komisarin independen dan sebaliknya. Hal tersebut dengan asumsi variabel lain adalah konstan.
e. Koefisien regresi untuk SIZE sebesar 0,086946. Hal ini menunjukkan bahwa penghindaran pajak akan mengalami penambahan sebesar 0,086946 satuan untuk setiap peningkatan satu satuan tingkat ukuran perusahaan dan sebaliknya. Hal tersebut dengan asumsi variabel lain adalah konstan.
f. Koefisien regresi untuk AE sebesar -0,000000000000282. Hal ini