50
1. Jumlah perusahaan sektor pertambangan yang diteliti adalah sebanyak 13
perusahaan yaitu dari tahun 2011-2014 atau selama empat tahun dengan 52 unit analisis observasi N.
2. Variabel dependen penelitian yaitu Pajak Agresif Y memiliki nilai
minimum -0.3 dimiliki dan nilai maksimum sebesar 4.57. Rata-rata dari Pajak Agresif yaitu sebesar 0.5437 dengan standar deviasinya 0.64037.
3. Variabel independen Dewan Komisaris X1.1 memiliki nilai minimum
1.10 dan nilai maksimum variabel ini adalah 2.48. Rata-rata mean dari data ini adalah 1.6915 dengan standar deviasi 0.28651.
4. Variabel independen Dewan Direksi X1.2 memiliki nilai minimum 1.10
dan nilai maksimum yaitu 2.08. Mean dari data penelitian ini adalah 1.6037 dengan standar deviasi 0.22811.
5. Variabel independen Komite Audit X1.3 memiliki nilai minimum 0.69
dan nilai maksimum 1.95. Rata-rata dari data penelitian ini adalah 1.1642 dan standar deviasi yaitu 0.19071.
6. Variabel independen Corporate Social Responsibility X2 memiliki nilai
minimum -2.41 dan nilai maksimumnya adalah 0.60. Rata-rata dari CSR yaitu -0.7567 dan standar deviasi sebesar 0.78290.
4.1.2 Uji Asumsi Klasik
Uji asumsi klasik digunakan dalam hal memastikan model yang diperoleh dalam penelitian adalah benar-benar memenuhi asumsi dasar dalam analisis
regresi. Uji asumsi klasik yang di terapkan dalam penelitian ini, terdiri dari Uji Normalitas, Heterokedastisitas, Autokorelasi, dan Multikolinearitas:
Universitas Sumatera Utara
51
1. Uji Normalitas
Tujuan darii uji normalitas adalah untuk menguji apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal. Seperti
yang diketahui, uji F dan t mengasumsikan bahwa nilai residual mengikuti distribusi normal Ghozali, 2006: 95. Dalam penelitian ini, uji normalitas
menggunakan analisis grafik Histogram, dan analisis statistik Kolmogorov- Smirnov.
Dalam pengujian data normal, dapat menggunakan kolmogorov smirnov dengan melihat nilai signifikansi dari hasil penelitian. Dengan dasar penelitian
jika nilai signifikansi pengujian sampel lebih dari 0,05 maka dapat dikatakan bahwa sampel sudah terdistribusi dengan baik. Tetapi jika nilai signifikansi masih
lebih kecil dari 0,05 maka data itu tidak dapat dikatakan telah terdistribusi dengan baik. Hasil output pengujian dari SPSS tercantum pada gambar 4.1.
Universitas Sumatera Utara
52
Gambar 4.1 Grafik Histogram
Sumber: Output SPSS diolah 2016
Dari gambar 4.1 dapat dilihat bahwa kurva tidak menceng ke kanan ataupun menceng ke kiri. Atau dalam kata lain kurva diatas berbentuk lonceng.
Oleh sebab itu, dapat diambil kesimpulan bahwa data yang digunakan dalam penelitian berdistribusi normal.
Setelah diaplikasikan pada data penelitian, berikut ini adalah hasil dari pengujian kolmogorov smirnov:
Universitas Sumatera Utara
53
Tabel 4.2 Kolmogrov-Smirnov:
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 52
Normal Parametersa,b Mean
0E-7 Std. Deviation
.54242908 Most Extreme Differences
Absolute .184
Positive .184
Negative -.125
Kolmogorov-Smirnov Z 1.327
Asymp. Sig. 2-tailed .059
a. Test distribution is Normal. b. Calculated from data.
Sumber: Output SPSS diolah 2016
Hasil dari uji penelitian di atas menunjukkan bahwa nilai signifikan dari data adalah 0,059. Karena nilai signifikansi lebih besar dari pada 0,05, dapat
disimpulkan bahwa data telah terdistribusikan dengan baik atau H0 diterima. Dengan hasil yang menunjukkan kalau data telah terdistribusi dengan baik, maka
dari itu dapat di lakukan uji hipotesis.
2. Uji Heterokedastisitas
Pengujian ini mempunyai tujuan untuk menguji apakah model regresi telah terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas.
Model regresi dikatakan baik apabila Homoskedastisitas atau bisa dikatakan tidak
Universitas Sumatera Utara
54
terjadi Heteroskedastisitas Ghozali, 2006: 105. Berikut ini disajikan hasil penelitian dari uji Heterokedastisitas pada gambar 4.3.
Gambar 4.2 Grafik Scatterplot
Sumber: Output SPSS diolah 2016
Hasil dari pengujian heteroskedastisitas yang ditunjukkan pada gambar 4.3 diatas menunjukkan bahwa titik-titik telah menyebar secara merata baik diatas
maupun di bawah angka 0 pada sumbu Y. Dengan tersebarnya titik tersebut, maka dapat disimpulkan tidak ada terjadinya heteroskedastisitas ataupun dengan
kata lain model regresi layak dipakai dalam mengetahui faktor-faktor variabel X yang dapat mempengaruhi Pajak Agresif.
Universitas Sumatera Utara
55
3. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pnegganggu pada periode t-1 sebelumnya. Dikatakan ada korelasi maka dinamakan ada problem autokorelasi yang muncul karena observasi yang
berurutan sepanjang waktu berkaitan satu sama lain Ghozali, 2006:104. Autokorelasi juga bisa dideteksi dengan Run Test. Run test sebagai bagian
dari statistic non-parametrik dapat pula digunakan untuk menguji apakah antar residual terdapat korelasi yang tinggi. Hasil uji dengan Run test pada tabel 4.3.
Tabel 4.3 Runs-Test
Sumber: Output aplikasi SPSS diolah pada 2016
Dari output SPSS menunjukkan bahwa nilai test adalah -0,5995 dengan probabilitas 0,575 tidak signifikan pada 0,05 yang berarti hipotesis 0 diterima.
Sehingga dapat disimpulkan bahwa residual random atau tidak terjadi autokorelasi antar nilai residual.
Runs Test
Unstandardized Residual
Test Valuea -.05995
Cases Test Value 26
Cases = Test Value 26
Total Cases 52
Number of Runs 29
Z .560
Asymp. Sig. 2-tailed .575
a. Median
Universitas Sumatera Utara
56
4. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang
baik seharusnya tidak terjadi korelasi di antara variabel independen Ghozali, 2006: 91. Cara untuk mendeteksi terjadinya multikolinearitas yaitu dengan
melihat nilai tolerance TOL dan variance inflation factor VIF. Jika nilai VIF 10 dan nilai tolerance 0,1, maka dapat disimpulkan tidak terjadi
multikolinearitas. Dari data yang sudah diolah, maka hasil dari output SPSS uji ini tercantum pada tabel 4.4.
Tabel 4.4 Multikolinearitas
Model Collinearity Statistics
Tolerance VIF
1 Constant
Dewan_Komisaris .760
1.316 Dewan_Direksi
.802 1.246
Komite_Audit .870
1.149 CSR
.841 1.189
Sumber: Output aplikasi SPSS diolah pada 2016
Berdasarkan data olahan pada Tabel 4.4 di atas dapat dilihat bahwa semua variabel independen memiliki nilai VIF 10 dan nilai tolerance 0,1. Dengan
demikian dapat disimpulkan bahwa tidak terjadi korelasi di antara variabel- variabel independen yang diuji dalam penelitian.
Universitas Sumatera Utara
57
4.1.3 Uji Hipotesis Penelitian
