3. Perbedaan Temporer (Temporary Differences)
3.5 Teknik Analisis Data
Analisis regresi berganda adalah sebuah pendekatan yang digunakan untuk mendefinisikan hubungan matematis antara variabel dependen (Y) dengan satu atau beberapa variabel independen (X). Hubungan matematis digunakan sebagai suatu model regresi yang digunakan untuk meramalkan atau memprediksi nilai (Y) berdasarkan nilai (X) tertentu. Dengan analisis regresi akan diketahui variabel independen yang benar-benar signifikan mempengaruhi variabel dependen dan dengan variabel yang signifikan tadi dapat digunakan untuk memprediksi nilai variabel dependen. Dalam penelitian ini, metode analisis yang digunakan adalah dengan metode analisis regresi berganda yang digunakan untuk mengetahui besarnya pengaruh dari perubahan suatu variabel terhadap variabel lainnya yang ada. Data yang dikumpulkan dalam penelitian ini diolah kemudian dianalisis dengan alat statistik yaitu Statistical Product and Service Solutions (SPSS) versi 25.
3.5.1 Analisis Statistik Deskriptif
Analisis statistik deskriptif adalah metode statistik yang digunakan untuk mendeskripsikan data yang dikumpulkan dan merupakan analisis yang paling dasar. Menurut Ghozali (2013);
Analisis Statistik Deskriptif dilakukan untuk mengetahui dan memperoleh gambaran terkait data yang digunakan dalam penelitian mulai dari mean (nilai rata-rata), standar deviasi, varians, nilai minimum, dan nilai maksimum.36
3.5.2 Uji Asumsi Klasik
Pengujian ini dilakukan untuk menguji kelayakan model regresi yang digunakan agar pengujian yang dihasilkan tidak bias, maka harus terlebih dahulu memenuhi uji asumsi klasik (Ghozali:2007). Pengujian asumsi tersebut terdiri dari uji normalitas, uji multikolonearitas, uji autokorelasi, dan uji heteroskedastisitas.
3.5.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Sepeti diketahui bahwa uji t mengasumsikan bahwa nilai residual mengikuti distribusi normal.
Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Pengujian normalitas data dilakukan dengan menggunakan uji one sample kolmogorov-Smirnov dengan menggunakan taraf signifikansi 0,05. Data dinyatakan berdistribusi normal jika signifikansi lebih besar dari 5% atau 0,05.
36 Imam Ghozali, Aplikasi Analisis Multivariate Dengan Program IBM SPSS 21 Update PLS Regresi, (Semarang: Badan Penerbit Universitas Diponegoro, 2013), hal.19
3.5.2.2 Uji Multikolinearitas
Uji multikoloniearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variable bebas. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Multikoloniearitas dapat dilihat dari (1) nilai tolerance dan lawannya (2) variance inflation factor (VIF). Kedua ukuran ini menunjukkan setiap variable independen manakah yang dijelaskan oleh variable independen lainnya. Dalam pengertian sederhana setiap variable independen menjadi variable dependen dan diregres terhadap variable independen lainnya. Tolerance mengukur variabilitas variable independen yang terpilih yang tidak dijelaskan oleh variable independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi (VIF=1/Tolerance). Nilai cutoof yang umum dipakai untuk menunjukkan adanya multikoloniearitas adalah nilai tolerance ≤ 0, 05 atau sama dengan nilai VIF ≥ 5.
3.5.2.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual suatu pengamatanke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Untuk mendeteksi heteroskedastisitas dapat melihat grafik Scatterplot. Deteksinya dengan melihat ada tidaknya pola tertentu pada grafik di mana sumbu X adalah Y yang telah diprediksi dan sumbu Y residual yang telah distudentized. Dasar pengambilan
keputusan adalah sebagai berikut:
a) jika ada pola-pola tertentu, seperti ada titik yang membentuk suatu pola tertentu yang teratur (bergelombang, melebar), maka terjadi heteroskedastisitas dan
b) jika tidak ada pola yang jelas, serta titik menyebar di atas dan di bawah angka 0 padasumbu Y, maka tidak terjadi heteroskedastisitas.
3.5.2.4 Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t-1 (sebelumnya). Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Model pengujian yang sering digunakan adalah dengan menggunakan uji Durbin- Watson (DW test) dengan ketentuan sebagai berikut.
1) Jika d lebih kecil dari dL atau lebih besar dari (4-dL), maka hipotesis nol ditolak yang berarti terdapat autokorelasi.
2) Jika d terletak antara dU dan (4-dU), maka hipotesis nol diterima yang berarti tidak ada autokorelasi.
3) Jika d terletak antara dL dan dU atau di antara (4-dL) dan (4-dU), maka tidak menghasilkan kesimpulan yang pasti.
3.5.3 Analisis Regresi Linier Berganda
Analisis ini digunakan untuk menguji apakah terdapat pengaruh dua atau lebih variabel independen (explanatory) terhadap satu variabel dependen. Analisis linear berganda ini digunakan untuk menguji pengaruh book-tax differences terhadap pertumbuhan laba satu periode kedepan. Model dalam penelitian ini
adalah sebagai berikut :
∆ ���� = � + ���������������� + ����������"��� + #�
Keterangan :
∆ ��$�� = Pertumbuhan laba bersih perusahaan i pada tahun t
��0 = Konstanta
��1, ��2, … = Koefisien persamaan regresi populasi
�����������*$�� = Perbedaan temporer perusahaan i pada tahun t +�����������$�� = Perbedaan permanen perusahaan i pada tahun t ,�� = �������* (Kesalahan Penggangu)
3.5.4 Uji Hipotesis
Pengujian hipotesis adalah metode pengambilan keputusan yang didasarkan dari analisis data, baik dari percobaan yang terkontrol m0aupun dari observasi (Ghozali:2007). Uji hipotesis yang digunakan dalam penelitian ini yaitu Uji koefisien determinasi (R2), uji regresi secara parsial (Uji-t) dan uji signifikansi simultan (F).
3.5.4.1 Uji Koefisien Determinasi (R2)
Koefisien determinasi (R2) pada intinya bertujuan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen.
Nilai koefisien determinasi adalah antara nol dan satu. Nilai R2mempunyai interval antara 0 sampai 1 (0 ≤ R2 ≤ 1). Jika nilai R2 bernilai besar (mendet eksi 1) berarti variabel bebas dapat memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variabel dependen. Sedangkan jika R2 bernilai kecil berarti kemampuan variabel bebas dalam menjelaskan variabel dependen
sangat terbatas.