BAB III METODE PENELITIAN 3.1. DESAIN PENELITIAN Seorang peneliti harus menentukan metode yang akan digunakan dalam penelitiannya sebelum melaksanakan suatu penelitian,
karena sebagai dasar
acuan dan pedoman untuk menentukan langkah-langkah yang harus dilakukan. Oleh karena itu, pemilihan dan penentuan metode penelitian yang tepat merupakan hal yang sangat penting untuk pencapaian tujuan penelitian secara efektif dan efisien. Metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif analisis dengan desain panel data. Metode ini lebih menekankan analisis terhadap data-data yang bersifat kuantitatif yang kemudian diolah sehingga menghasilkan suatu kesimpulan. Kesimpulan dapat mengetahui hubungan yang signifikan antara variabel yang diteliti dan akan memperjelas gambaran mengenai objek yang diteliti. Selain itu, metode deskriptif ini menggambarkan sifat sesuatu yang sedang berlangsung dalam penelitian dan memeriksa sebab-sebab dari suatu gejala tertentu. Metode analisis digunakan untuk menguji hipotesis dan mengadakan interpretasi yang lebih dalam mengenai hubungan antar variabel melalui pendekatan kuantitatif dengan menggunakan ekonometrika. Penerapan metode penelitian memerlukan suatu desain penelitian yang sesuai dengan kondisi serta seimbang dengan kedalaman dan keluasan penelitian 19
20
yang akan dilaksanakan. Desain penelitian mencakup semua proses penelitian, mulai dari perencanaan hingga pelaksanaan penelitian. Dalam penelitian ini penulis ingin mengetahui bagaimana pengaruh variabel independen terhadap variabel depeden. Oleh karena itu, desain penelitian yang digunakan dalam penelitian ini merupakan desain kausal yaitu suatu desain yang berguna untuk menganalisis hubungan-hubungan antara satu variabel dengan variabel lainnya atau bagaimana suatu variabel mempengaruhi variabel lainnya. 3.2. RUANG LINGKUP PENELITIAN Penelitian ini bersifat kuantitatif mengenai pengaruh penghindaran pajak (tax avoidance). Data yang digunakan adalah data sekunder yaitu laporan keuangan perusahaan yang diperoleh dari idx.co.id. Untuk penggunaan data, penelitian kali ini menggunakan data tahun 2010, 2011, 2012, 2013, 2014. Penggunaan data sekunder adalah dengan tujuan efisiensi karena data yang digunakan lebih dari satu variabel. Data yang digunakan adalah data tahun 2010, 2011, 2012, 2013, 2014 yang terdiri dari perusahaan manufaktur yang terdaftar di BEI. 3.3. POPULASI, SAMPEL, DAN TEKNIK PENGUMPULAN DATA Populasi merupakan wilayah generalisasi atas : obyek / subyek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Sampel adalah bagian dari
21
jumlah dan karakteristik yang dimiliki oleh populasi tersebut (Sugiyono, 2009: 80-81). 3.3.1. Populasi Populasi dalam penelitian ini adalah perusahaan manufaktur yang terdaftar pada Bursa Efek Indonesia (BEI) pada periode tahun 2010-2014. 3.3.2. Sampel Pemilihan sampel menggunakan metode purposive sampling, dimana pengambilan sampel dilakukan dengan kriteria tertentu yang telah ditetapkan agar relevan dengan tujuan penelitian. Kriteria data yang digunakan sebagai sampel adalah sebagai berikut : 1. Perusahaan manufaktur yang terdaftar di BEI pada tahun 2010 – 2014 dan tidak delisting selama periode pengamatan penelitian. 2. Perusahaan yang memiliki tahun fiskal 31 Desember. 3. Data berupa laporan keuangan atau laporan tahunan tersedia di BEI secara konsisten dan lengkap selama tahun penelitian. 4. Publikasi laporan menggunakan satuan mata uang Rupiah. 5. Perusahaan yang dijadikan sampel memiliki pendapatan positif dan tidak terdapat kompensasi pajak akibat rugi pada tahun – tahun sebelumnya. 3.3.3. Teknik Pengumpulan Data Teknik pengumpulan data yang digunakan adalah : 1. Studi Pustaka
22
Dengan mengumpulkan data dan teori yang relevan terhadap permasalahan yang akan diteliti dengan melakukan studi pustaka terhadap literatur dan bahan pustaka lainnya seperti artikel, jurnal, buku dan berbagai sumber lain yang berhubungan dengan masalah penelitian. 2. Studi Dokumenter Pengumpulan data sekunder dengan menggunakan catatan-catatan perusahaan. 3. Studi Observasi Sutrisno Hadi (1986) dalam Sugiyono (2009) mengemukakan bahwa, observasi merupakan suatu proses yang kompleks, suatu proses yang tersusun dari berbagai proses biologis dan psikologis. 3.4. JENIS DAN SUMBER DATA Data yang digunakan dalam penelitian ini adalah data sekunder yang merupakan data panel. Data tersebut diperoleh dari www.idx.co.id 3.5. DEFINISI VARIABEL DAN PENGUKURANNYA Penelitian ini menggunakan 5 variabel yang terdiri dari tax avoidance, biaya utang, ukuran perusahaan, debt equity ratio, dan umur perusahaan. Variabel-variabel tersebut dikelompokkan menjadi tiga, yaitu variabel dependen, variabel independen, dan variabel kontrol. Variabel dependen pada penelitian ini adalah biaya utang, variabel independen pada penelitian ini adalah
23
tax avoidance, sedangkan variabel kontrol pada penelitian ini adalah ukuran perusahaan, age, debt equity ratio.
24
3.5.1. Tax Avoidance Tax Avoidance merupakan variabel independen dalam penelitian ini. Pengukuran yang digunakan untuk tax avoidance seperti dalam penelitian Hanlon dan Heitzman (2010). Tax avoidance diukur dengan menggunakan proxy Cash Effective Tax Rate. Penggunaan Cash Effective Tax Rate diharapkan mampu mengidentifikasi
keagresifan perencanaan pajak
perusahaan dilakukan menggunakan perbedaan tetap maupun perbedaan temporer (Chen et al, 2010).
3.5.2. Biaya Utang Biaya bunga bank merupakan variabel dependen dalam penelitian ini, seperti dalam pengukuran yang dilakukan oleh Lim (2011). Pengukuran biaya utang dapat diukur dengan membagi beban bunga dengan rata-rata utang jangka pendek dan jangka panjang (Pittman dan Fortin, 2004 dalam Lim, 2010). Biaya utang = 3.5.3. Ukuran Perusahaan Ukuran perusahaan merupakan pengelompokan perusahaan menjadi perusahaan besar maupun perusahaan kecil yang didasarkan pada total aset perusahaan.
25
3.5.4. Debt Equity Ratio Debt Equity Ratio merupakan rasio yang membandingkan antara total kewajiban dengan total equity yang dimiliki perusahaan pada akhir tahun. Rumus yang digunakan untuk menghitung Debt Equity Ratio adalah :
3.5.5. Umur Perusahaan Umur perusahaan dihitung berdasarkan tahun pertama kali perusahaan melakukan IPO (go public). 3.6. METODE ANALISIS DATA 3.6.1. Statistik Deskriptif Analisis statistik deskriptif digunakan untuk menggambarkan nilai rata-rata (mean), median, modus, nilai minimum, nilai maksimum, dan standar deviasi dari variabel-variabel yang digunakan dalam penelitian ini. 3.6.2. Regresi Linier Berganda Teknik analisis data yang digunakan dalam penelitian ini adalah menggunakan analisis linear berganda dengan menggunakan formula: COD = α + β1TA + β2SIZE + β3DER + β4AGE + e Dimana: α = Konstanta
26
COD = cost of debt / biaya utang TA = Tax Avoidance SIZE = Ukuran Perusahaan AGE = Umur Perusahaan DER = Debt Equity Ratio e = error 3.6.3. Uji Metode Uji metode digunakan untuk memilih model panel terbaik dalam penelitian ini (Ordinary Least Square, Fixed Effect model, dan Random Effect Model) 3.6.3.1. Uji Chow Uji Chow atau uji F statistik digunakan untuk memilih antara model Pooled Least Square atau Fixed Effect model. Uji ini perlu dilakukan karena asumsi bahwa setiap unit cross section memiliki perilaku yang sama cenderung tidak realistis mengingat setiap unit cross section memiliki perilaku yang berbeda. Pengujian ini dilakukan dengan hipotesis : H0 = Metode PLS H1 = Metode FEM Apabila
pengolahan
data
menggunakan
STATA,
untuk
menentukan dasar penolakan H0 dapat melihat probabilitas F test that all u_i=0 bernilai signifikan, jika probabilitasnya kurang dari nilai kritisnya maka H0 ditolak dan H1 diterima.
27
3.6.3.2. Uji Hausman Metode Fixed Effect Model tidak mengasumsikan bahwa unit cross section tidak berkorelasi dengan regressor lain dimana hal ini diasumsikan dalam metode Random Effect Model. Kondisi ini dapat dimungkinkan dengan menguji ortogonalitas Random Effect Model dengan regressor. Uji hausman adalah pengujian statistik untuk memilih metodeFixed Effect Model atau Random Effect Model dalam mengolah data panel. Pengujian ini dilakukan dengan hipotesis sebagai berikut : H0 = Metode REM H1 = Metode FEM Dasar penolakan H0 tersebut menggunakan pertimbangan statistik chi square. Jika statistik chi square lebih besar daripada tabel chi square, maka H0 ditolak. Dasar penolakan dapat juga menggunakan p-value dari hasil uji Hausman lebih kecil dari nilai kritisnya maka H0 ditolak, artinya lebih baik menggunakan metode Fixed Effect Model. 3.6.3.3. Uji Lagrange Multiplier (Uji LM) Uji LM digunakan untuk menentukan suatu model lebih tepat menggunakan metode pooled least square atau metode random effect. H0 = Metode REM H1 = Metode PLS
28
Pengujian ini dilakukan dengan melihat nilai rho dan uji Ftest that all u_i=0 yang akan dijadikan indikator apakah error spesifik dari tiap unit cross section tidak berkorelasi dengan variabel bebas. Jika uji F test that all u_i=0 bernilai signifikan maka error spesifik dari setiap unit cross section tidak berkorelasi dengan variabel bebas dan metode random effect lebih tepat dibandingkan dengan metode pooled least square. Begitu pula sebaliknya, jika uji F test that all u_i=0 tidak signifikan, maka lebih tepat menggunakan metode pooled least square. 3.6.4.
Uji Asumsi Klasik Uji asumsi klasik dilakukan sebelum melakukan analisis regresi linier
berganda agar hasil regresi yang digunakan untuk memprediksi variabel terkait tidak membias. 3.6.4.1. Uji Normalitas Menurut Gujarati dan Porter (2010:127-128) tujuan dilakukan uji asumsi normalitas adalah untuk menguji apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal atau tidak. Metode yang digunakan untuk mengetahui normal atau tidaknya distribusi residual antara lain Jarque-Bera (J-B) dan metode grafik. Apabila J-B hitung < nilai x2 (Chi-Square) tabel, maka nilai residual terdistribusi
normal
(Gujarati
dan
Porter,
2010:304).
Apabila
menggunakan pendekatan grafik Normal P-P of Regresion Standardized Residual, dasar pengambilan keputusan adalah jika data menyebar
29
disekitar garis diagonal dan mengikuti garis diagonal, maka memenuhi asumsi normalitas. 3.6.4.2. Uji Heterokedastisitas Asumsi penting (asumsi Gauss Markov) dalam penggunaan OLS adalh varians residual yang konstan. Varians dari residual tidak berubah dengan berubahnya satu atau lebih variabel independen. Jika asumsi ini terpenuhi maka residual disebut homokedastis, jika tidak, disebut heterokedastis. Terlanggarnya asumsi ini (disebut heterokedastis) tidak menyebabkan estimator (i) menjadi bias karena residual bukanlah komponen dalam perhitungan. (Ariefianto, 2012: 37-39). Untuk
mendeteksi
ada
tidaknya
heteroskedastisitas
dapat
dilakukan dengan melihat ada tidaknya pola tertentu pada grafik plot. Jika tidak membentuk suatu pola berarti bebas heteroskedastisitas. Selain itu dapat juga dengan melakukan Breusch-Pagan Test dan White test. Prosedur Breusch-Pagan mengasumsikan bahwa ketika varians residual adalah tidak konstan maka ia akan berhubungan dengan satu atau lebih variabel dalam spesifikasi yang linier. Untuk mengetahui apakah suatu data bersifat heteroskedastis atau tidak perlu dilakukan pengujian. Pengujian heteroskedastis untuk menggunakan white heteroscedasticity (no cross term) dengan hipotesis :
30
H0 : homoskedastis H1 : heterokedastis Jika
pada
output
white
heteroscedasticity
nilai
kritis
(probabilitasnya lebih kecil dari α = 5% maka berarti datanya homosekeadastis. Namun jika nilai kritis (probabilitasnya) lebih besar dari α = 5% maka datanya tidak homoskedastis dengan kata lain datanya sudah mengandung heteroskeastis. 3.4.6.3. Uji Multikolineritas Gejala multikolineritas adalah gejala korelasi antara variabel independen. Multikolineritas dapat dideteksi pada model regresi apabila pada variabel terdapat variasi bebas yang saling berkorelasi kuat satu sama lain. Menurut Ariefianto (2012: 53-54) beberapa metode yang dapat digunakan untuk mengukur kolinearitas adalah : 1) R2 tinggi tetapi sedikit variabel yang dignifikan. 2) Koefisien korelasi yang tinggi diantara regresor. 3) Overall significance dari auxiliary regression Salah satu cara mendeteksi adanya multikolinearitas dalam model regresi adalah dengan melihat nilai VIF (Variance Inflation Factor), yaitu dengan rumus sebagai berikut: VIF =
31
Apabila menggunakan α = 5% berarti nilai VIF harus kurang dari 5. Apabila nilai VIF lebih besar dari 5 (VIF ≥ 5) maka patut dicurigai adanya hubungan linear antar variabel bebas. Kolinearitas dianggap tidak ada jika VIF mendekati angka 1, dan kolinearitas dianggap tinggi jika nilai VIF lebih besar dari 8 (VIF ≥ 8). Ada
beberapa
alternatif
dalam
mengatasi
masalah
multikolinearitas. Alternatif tersebut adalah: 1) Mencari data tambahan, karena masalah multikolinearitas biasanya muncul karena jumlah observasinya sedikit. 2) Menghilangkan salah satu variabel yang kolinear, terutama yang memiliki hubungan kolinear yang kuat dengan variabel yang lain. Pengeluaran variabel bebas ini harus hati-hati karena tidak menutup kemungkinan variabel yang dikeluarkan justru variabel penting. 3) Transformasikan salah satu (beberapa) variabel, termasuk misalnya dengan melakukan differensing. 3.4.6.4. Uji Autokorelasi Autokorelasi menunjukkan sifat residual regresi yang tidak bebas dari satu observasi ke observasi lainnya, atau secara formal. Autokorelasi timbul dari spesifikasi yang tidak tepat terhadap hubungan antara variabel endogenous dengan variabel penjelas. Akibat kurang memadainya spesifikasi maka dampak faktor yang tidak masuk ke
32
dalam model akan terlihat residual (Ariefianto, 2012: 27-28) Dalam menentukan ada atau tidaknya autokorelasi penulis menggunakan Durbin Watson (DW) untuk dibandingkan antara dtabeldan dhitung. Nilai dhitung diperoleh dari output regresi. Sedangkan nilai dtabel diperoleh dari tabel Durbin Watson Statistic berupa nilai dL (dlower) dan dU (dupper). Untuk uji DW ini dapat dibuat daerah penolakan secara praktis, yaitu jika nilai d dekat dengan 2 maka tidak ada korelasi dalam suatu variabel. Untuk uji yang spesifik aturannnya adalah sebagai berikut : 1) Bila DW < dL maka tolak H0, berarti ada korelasi positif atau kecenderungannya ρ = 1. 2) Bila dL ≤ DW ≤ dU maka tidak dapat mengambil kesimpulan apaapa. 3) Bila dU < DW < 4 - dU maka tidak ada alasan untuk menolak H0. Artinya tidak ada korelasi positif maupun negatif. 4) Bila 4 - dU ≤ DW ≤ 4 – dL maka tidak dapat mengambil kesimpulan apa-apa. 5) Bila dw > 4 – dL maka tolak H0, berarti ada korelasi positif. 3.6.5.
Uji Statistik 3.6.5.1. Koefisien Determinasi (R2) R2 (koefisien determinasi) menginformasikan baik atau tidaknya model regresi yang terestimasi. Angka tersebut dapat mengukur seberapa
dekat
garis
regresi
yang
terestimasi
dengan
data
33
sesungguhnya. Artinya, nilai tersebut mencerminkan seberapa besar variasi dari variabel dependen (Y) dapat diterangkan oleh variabel independen (X), semakin besar nilai R2 maka akan semakin besar/kuat hubungan antara variabel independen dan dependen,sehingga semakin baik model regresi yang diperoleh. Tidak tepatnya titik-titik pada garis regresi disebabkan karena adanya faktor lain yang mempengaruhi variabel bebas. Baik atau buruknya suatu persamaan regresi ditentukan oleh R2nya yang mempunyai nilai antara 0 dan 1. Ketentuannya : 1) Bila nilai koefisien determinasi sama dengan 0 (R2=0), artinya variasi dari Y tidak dapat diterangkan oleh X sama sekali. 2) Bila nilai koefisien determinasi sama dengan 1 (R2=1), artinya variasi dari Y secara keseluruhan dapat diterangkan oleh X. Dengan kata lain semua titik-titik pengamatan berada pada garis regresi. Dengan demikian baik tidaknya suatu persamaan regresi antara lain ditentukan oleh besaran nilai R2 yang dimiliki, dimana nilainya berkisar antara 0 (nol) dan 1 (satu) atau 0 ≤ R2 ≤1. 3.6.5.2.
Uji F (Testing Hypothesis the Whole Model) Uji
F
digunakan
untuk
mengetahui
pengaruh
variabel
independen secara bersama-sama terhadap variabel dependen yang
34
digunakan (Gujarati dan Porter 2010:309). Adapun langkah-langkah dalam uji ini adalah sebagai berikut: 1) Merumuskan hipotesis. H0: α=0, artinya secara bersama-sama variabel independen tidak berpengaruh signifikan secara statistik terhadap variabel dependen. Ha: α≠0, artinya secara bersama-sama variabel independen berpengaruh signifikan secara statistik terhadap variabel dependen. 2) Menentukan tingkat signifikansi, yang dalam penelitian ini digunakan tingkat sifnifikansi 5% dan degree of freedom (df) = nk dalam menentukan F-tabel. 3) Menghitung F-hitung. 4) Menetapkan criteria pengujian. H0 ditolak apabila : F-hitung> F-tabel. H0 diterima apabila : F-hitung< F-tabel. 5) Kesimpulan yang didasarkan pada hasil langkah keempat 3.6.5.3.
Uji t (Testing Hypothesis Slope) Menurut Gujarati dan Porter (2010:149), uji signifikansi
merupakan prosedur yang digunakan untuk menguji kebenaran atau kesalahan dari hasil hipotesis nol dari sampel. Adapun langkahlangkah dalam uji ini adalah sebagai berikut:
35
1) Merumuskan hipotesis. H0: α=0, artinya tidak ada pengaruh signifikan secara statistik antara variabel independen terhadap variabel dependen. Ha: α≠0, artinya ada pengaruh signifikan secara statistik antara variabel independen terhadap variabel dependen. 2) Menentukan tingkat signifikansi, yang dalam penelitian ini digunakan tingkat sifnifikansi 5% dan degree of freedom (df) = nk dalam menentukan t-tabel. 3) Menentukan daerah tolak dan daerah terima pada kurva distribusi. 4) Menghitung nilai t dengan rumus sebagai berikut :
5) Dari hasil t hitung didapat kemudian dibandingkan dengan t-tabel. Kesimpulan yang diambil berdasarkan ketentuan : H0 diterima apabila t hitung < t tabel, artinya tidak ada pengaruh signifikan antara variabel bebas terhadap variabel terikat. H1 diterima apabila t-hitung > t-tabel, artinya ada pengaruh signifikan variabel bebas terhadap variabel terikat. Kesimpulan yang didasarkan pada hasil langkah kelima diatas.
