Hasil Pengujian Normalitas Data

62 variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan uji f mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. 1 Hasil Uji Normanlitas Secara Grafik Untuk mengetahui normal atau tidaknya suatu data dapat dilihat berdasarkan gambar p-p plot, jika titik mendekati garis diagonal maka dinyatakan normal Ghozali, 2011:110, berikut ini adalah hasil uji normalitas secara grafik. Gambar 4.1 Uji Normalitas Data Sumber: data diolah Dari gambar grafik di atas dapat dilihat bahwa titik-titik menyebar disekitar garis diagonal dan mengikuti arah garis diagonal mengikuti pada wilayah garis linear. Hal ini menunjukkan bahwa data pada penelitian ini terdistribusi secara normal dan model regresi tersebut layak dipakai untuk memprediksi variabel dependen yaitu tax 63 avoidance berdasarkan masukan variabel independen yaitu kepemilikan institusional, dewan komisaris independen, kepemilikan manajerial dan komite audit. 2 Hasil Uji Normalitas Secara Statistik Uji normalitas secara grafik dapat menyesatkan kalau tidak hati-hati secara visual kelihatan normal, padahal secara statistik bisa sebaliknya. Oleh sebab itu dianjurkan disamping uji grafik dilengkapi dengan uji statistik Ghozali, 2011:149. Adapun hasil perhitungan uji normalitas secara statistic yang dilihat berdasarkan uji kolmogorof- smirnov adalah sebagai berikut: Tabel 4.8. One-Sample Kolmogorov-Smirnov Test Tax Avoidance N 100 Normal Parameters a Mean 2.9800 Std. Deviation .71038 Most Extreme Differences Absolute .329 Positive .329 Negative -.291 Kolmogorov-Smirnov Z 3.288 Asymp. Sig. 2-tailed .236 a. Test distribution is Normal. Sumber: data diolah Berdasarkan uji kolmogorov-smirnov dapat diketahui bahwa seluruh variabel memiliki nilai Asymp. sig. 0,05, ini mengartikan bahwa semua data terdistribusi dengan normal.

b. Hasil Pengujian Multikolinieritas

Penelitian dilakukan pengujian terhadap data bahwa data harus terbebas dari gejala multikolinearitas, gejala ini ditunjukan dengan 64 korelasi antar variabel independen. Pengujian dalam uji multikolinearitas dengan melihat nilai VIF Variance Inflation Factor harus berada di bawah 10 dan nilai tolerance di atas 0,1 hal ini akan dijelaskan sebagai berikut: Tabel 4.9 Hasil Pengujian Multikolinearitas Coefficients a Model Collinearity Statistics Tolerance VIF 1 Constant Kepemilikan Institusional .188 5.331 Dewan Komisaris Independen .979 1.022 Kepemilikan Manajerial .190 5.268 Komite Audit .971 1.029 a. Dependent Variable: Tax Avoidance Sumber: data diolah Tabel di atas menjelaskan bahwa data yang ada tidak terjadi gejala multikolinearitas antara masing-masing variabel independen yaitu dengan melihat nilai VIF. Nilai VIF yang diperbolehkan hanya mencapai 10 maka data di atas dapat dipastikan tidak terjadi gejala multikolinearitas. Karena data di atas menunjukan bahwa nilai VIF lebih besar dari 10 dan nilai tolerance di atas 0,1 keadaan seperti itu membuktikan tidak terjadinya multikolinearitas.

c. Hasil Pengujian Heteroskedastisitas

Heteroskedastisitas varian variabel dependen Tax Avoidance dalam model tidak layak terhadap variabel independen. Konsekuensi adanya heteroskedastisitas dalam model regresi adalah estimator yang diperoleh tidak efisien, baik pada sampel kecil maupun besar. Diagnosis