Hasil Uji Analisi Penelitian

58 No. Kode Nama Perusahaan 8. BDMN Bank Danamon 9. BMRI Bank Mandiri 10. CPIN Charoen Pokhand Indonesia 11. EXCL XL Axiata 12. GGRM Gudang Garam 13. HRUM Harum Energy 14. ICBP Indofood CBP Sukses Makmur 15. INDF Indofood Sukses Makmur 16. INTP Indocement Tunggal Prakasa 17. ITMG Indo Tambangraya Megah 18. JSMR Jasa Marga 19. KLBF Kalbe Farma 20. LPKR Lippo Karawaci 21. LSIP PP London Sumatera 22. PGAS Perusahaan Gas Negara 23. PTBA Tambang Batubara Bukit Asam 24. SMGR Semen Indonesia 25. TLKM Telekomunikasi Indonesia 26. UNTR United Tractors 27. UNVR Unilever Indonesia Sumber Data: www.idx.co.id dan www.sahamok.co.id

B. Hasil Uji Analisi Penelitian

1. Hasil Uji Deskriptif

Pengolahan data pada penelitian ini menggunakan fasilitas elektronik dengan menggunakan Microsoft Excel dan SPSS versi 22.0 untuk memudahkan perolehan data sehingga dapat menjelaskan variabel-variabel yang diteliti. Berdasarkan hasil uji statistik deskriptif diperoleh sebanyak 81 data observasi untuk perusahaan LQ-45 yang berasal dari perkalian antara periode penelitian 3 tahun, dari tahun 2012 sampai 2014 dengan jumlah perusahaan sampel 27 perusahaan. Berikut tabel hasil olahan data mengenai statistik deskriptif adalah sebagai berikut: 59 Tabel 4.3 Hasil Uji Deskriptif Data Descriptive Statistics N Range Minimum Maximum Mean Std. Deviation FV1 81 17.753801 2 .1816940 17.9354952 2.580730451 2.9539934335 TA1 81 .4519599 -.0533244 .3986355 .056301980 .0728879243 Persistensi1 81 2.8803670 -.8627501 2.0176169 1.003968281 .3743461942 CSRI1 81 .7582418 .1648352 .9230769 .436575770 .1799231372 Valid N listwise 81 Sumber: Hasil Olahan Data SPSS Statistic 22, 2015 Tabel 4.3 menunjukkan statistik deskriptif masing-masing variabel penelitian. Berdasarkan Tabel di atas, hasil analisis dengan menggunakan statistik deskriptif terhadap Nilai Perusahaan FV menunjukkan nilai minimum sebesar 0. 1816940, nilai maksimum sebesar 17. 9354952 dengan jarak antara nilai minimun dan maksimun tersebut sebesar 17.7538012; rata- rata sebesar 2.580730451; dan standar deviasi 2.9539934335. Hasil analisis dengan menggunakan statistik deskriptif terhadap agresivitas pajak TA menunjukkan nilai minimum sebesar -0.0533244, nilai maksimum sebesar 0.3986355 dengan jarak antara nilai minimun dan maksimun tersebut sebesar 0.4519599; dengan rata-rata sebesar 0.056301980; dan standar deviasi 0.0728879243. Hasil analisis dengan menggunakan statistik deskriptif terhadap Persistensi Laba menunjukkan nilai minimum sebesar -0.8627501 nilai maksimum sebesar 2.0176169 dengan jarak antara nilai minimun dan maksimun tersebut sebesar 2.8803670; dengan rata-rata 1.003968281; dan standar deviasi 0.3743461942. Hasil analisis dengan menggunakan statistik deskriptif terhadap Indeks CSR CSRI menunjukkan nilai minimum sebesar 60 .1648352 nilai maksimum sebesar 0 .9230769 dengan jarak antara nilai minimun dan maksimun tersebut sebesar 0 .7582418 ; dengan rata-rata .436575770 ; dan standar deviasi 0 .1799231372 .

2. Hasil Uji Asumsi Klasik

Penelitian ini menggunakan analisis regresi linear berganda. Sehingga perlu dihindari penyimpangan asumsi klasik supaya tidak timbul masalah dalam penggunaan analisis regresi berganda. Pengujian asumsi klasik yang dilakukan sebagai berikut:

a. Hasil Uji Normalitas

Data-data bertipe skala sebagai pada umumnya mengikuti asumsi distribusi normal. Namun, tidak mustahil suatu data tidak mengikuti asumsi normalitas. Untuk mengetahui kepastian sebaran data yang diperoleh harus dilakukan uji normalitas terhadap data yang bersangkutan. Dengan demikian, analisis statistika yang pertama harus digunakan dalam rangka analisis data adalah analisis statistik berupa uji normalitas. Menurut Ghozali 2013 uji normalitas bertujuan apakah dalam model regresi variabel dependen terikat dan variabel independen bebas mempunyai kontribusi atau tidak. Untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan statistik, adapun hasil uji normalitas pada penelitian ini adalah sebagai berikut: 1 Hasil Uji Normalitas Secara Grafik Salah satu menentukan uji normalitas yaitu dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi 61 normal. Distribusi normal akan membentuk suatu garis lurus diagonal dan ploting data residual akan dibandingkan dengan garis diagonal Ghozali, 2013. Adapun hasil perhitungan uji normalitas dengan melihat dari segi grafik yang ditunjukan pada gambar grafik p-p plot berikut ini: Gambar 4.1 Hasil Uji Normalitas Data Secara Grafik Sumber: Hasil Olahan Data SPSS Statistic 22, 2015 Hasil pada grafik normal plot terlihat titik-titik menyebar di sekitar garis diagonal, serta penyebarannya mengikuti arah garis diagonal. Grafik ini menunjukkan bahwa model regresi layak dipakai karena asumsi normalitas Ghozali, 2013. 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 62 sebab itu dianjurkan disamping uji grafik dilengkapi dengan uji statistik Ghozali, 2013. Uji normalitas dapat dilakukan dengan Kolmogorov-Smirnov Test. Adapun hasil perhitungan uji normalitas secara statistic yang dilihat berdasarkan uji Kolmogorof-Smirnov adalah sebagai berikut: Tabel 4.4 Hasil Uji Normalitas Data Secara Statistik One-Sample Kolmogorov-Smirnov Test Unstandardized Residual Unstandardized Residual N 81 72 Normal Parameters a,b Mean .0000000 .0000000 Std. Deviation 2.92960759 .76541151 Most Extreme Differences Absolute .274 .097 Positive .274 .087 Negative -.222 -.097 Test Statistic .274 .097 Asymp. Sig. 2-tailed .000 .087 a. Test distribution is Normal. b. Calculated from data. Sumber: Hasil Olahan Data SPSS Statistic 22, 2015 Dari Tabel 4.4 pada kolom 2 dapat dilihat bahwa residual belum berdistribusi normal, dimana nilai Asymp. 0.000 0,05. Oleh sebab itu dilakukan transformasi data. Setelah transformasi data dilakukan dengan menggunakan log normal ln dan data kembali diuji normalitas residualnya dan diperoleh hasil olahan data Kolmogorov-Smirnov pada kolom 3 dengan model unstandardized yang menyatakan bahwa nilai Asymp. sig. 0,087. Dengan hasil tersebut maka dapat dinyatakan bahwa data yang digunakan dalam penelitian ini telah terdisribusi normal, karena nilai unstandarized residual memiliki nilai Asymp. sig. 0,05, ini mengartikan bahwa semua data terdistribusi dengan normal. 63

b. Hasil Uji Multikolinieritas

Gejala multikollinearitas ditandai dengan adanya hubungan yang kuat diantara variabel independen bebas dalam suatu persamaan regresi. Apabila dalam suatu persamaan regresi terdapat gejala multikolinearitas maka akan menyebabkan ketidakpastian estimasi, sehingga kesimpulan yang diambil tidak tepat. Model regresi yang dinyatakan bebas dari multikolinearitas apabila nilai Variance Inflation Factor VIF 10 dan Tolerance 0,10. Tabel 4.5 Hasil Uji Multikolonieritas Coefficients a Model Collinearity Statistics Tolerance VIF 1 TA .987 1.013 Persistensi .983 1.017 CSRI .981 1.019 a. Dependent Variable: FV Sumber: Hasil Olahan Data SPSS Statistic 22, 2015 Tabel di atas menjelaskan bahwa data yang ada tidak terjadi gejala multikolinearitas antara masing-masing variabel independen. Karena data di atas menunjukan bahwa nilai VIF 1.013; 1.017; 1.019 10 dan nilai tolerance 0.987; 0.983; 0.981 0,10, keadaan seperti itu membuktikan tidak terjadinya multikolinearitas. c. Hasil Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan yang lain. Heteroskedastisitas menunjukan bahwa variasi variabel tidak sama untuk 64 Sumber: Hasil Olahan Data SPSS Statistic 22, 2015 semua pengamatan. Pada heterokedastisitas kesalahan yang terjadi tidak secara acak tetapi menunjukan hubungan yang sistematis sesuai dengan besarnya satu atau lebih variabel. Uji Heteroskedastisitas dapat dilakukan dengan 2 langkah yaitu secara grafik dan secara statistik, adapun uji heteroskedastisitas adalah sebagai berikut: 1 Hasil Uji Heteroskedastisitas Secara Grafik Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual Y prediksi – Y sesungguhnya yang telah di-studentized Ghozali, 2009. Berdasarkan hasil pengolahan data, maka hasil Scatterplot dapat dilihat pada gambar berikut: Gambar 4.2 Hasil Uji Heteroskedastisitas Secara Grafik 65 Dari grafik scatterplot yang ada pada gambar di atas dapat dilihat bahwa titik-titik menyebar secara acak, serta tersebar baik di atas maupun dibawah angka nol pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi. Ghozali 2013. 2 Hasil Uji Heteroskedastisitas Secara Statistik Uji heteroskedastisitas juga dapat dilakukan dengan menggunakan uji Glejser yaitu dengan meregresikan antara variabel bebas terhadap nilai absolut dari residual. Apabila signifikansi antara variabel bebas dengan absolut residual lebih dari 5 maka tidak terjadi masalah heteroskedastisitas. Berdasarkan hasil pengolahan data, maka hasil uji Glejser dapat dilihat sebagai berikut: Tabel 4.6 Hasil Uji Heteroskedastisitas Secara Statistik Uji Glejser Coefficients a Model Unstandardized Coefficients Standardize d Coefficients t Sig. B Std. Error Beta 1 Constant .650 .195 3.328 .001 TA .036 .036 .121 1.003 .320 Persistensi .035 .139 .030 .249 .804 CSRI -.030 .161 -.022 -.184 .854 a. Dependent Variable: ABS_RES Sumber: Hasil Olahan Data SPSS Statistic 22, 2015 Berdasarkan uji Glejser dapat diketahui bahwa nilai Sig. pada ketiga variabel bebas: tax aggresiveness TA, persistensi, corporate social responsibility indeks CSRI 0,05. Dengan demikian dapat disimpulkan bahwa tidak terjadi masalah heteroskedastisitas pada model regresi. 66

d. Hasil Uji Autokorelasi

Autokorelasi digunakan untuk menguji apakah dalam sebuah model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Untuk mendeteksi autokorelasi dalam penelitian ini maka digunakan uji Durbin Watson DW. Tabel 4.7 Hasil Uji Autokolerasi Model Summary a Model Durbin-Watson 1 1.855 a. Dependent Variable: FV Sumber: Olahan Data SPSS Statistic 22, 2015 Pada tabel di atas diketahui nilai Durbin Watson DW sebesar 1,855, berdasarkan nilai tersebut, maka hasil membuktikan tidak terjadi autokolerasi, karena nilai DW berada antara -2 sampai +2, maka dapat disimpulkan tidak ada autokorelasi baik positif maupun negatif.

3. Hasil Uji Hipotesis a.

Hasil Uji Signifikan Simultan Uji F Pengujian ini bertujuan untuk membuktikan apakah variabel-variabel independen secara simultan bersama-sama mempunyai pengaruh terhadap variabel dependen Ghozali, 2013. Hasil uji statistik F dapat dilihat pada tabel di bawah ini, jika nilai probabilitas lebih kecil dari 0,05 maka hasil uji penelitian berpengaruh secara simultan atau bersama-sama. 67 Tabel 4.8 Hasil Uji Signifikan Simultan Uji F ANOVA a Model Sum of Squares df Mean Square F Sig. 1 Regression 9.037 3 3.012 4.925 .004 b Residual 41.596 68 .612 Total 50.633 71 a. Dependent Variable: FV b. Predictors: Constant, CSRI, TA, Persistensi Sumber: Olahan Data SPSS Statistic 22, 2015 Hasil uji F dapat dilihat pada tabel di atas nilai F hitung diperoleh sebesar 4.925 F tabel sebesar 2,723 dengan tingkat signifikansi 0,004 0,05. Karena tingkat signifikansi lebih kecil dari 0,05, sehingga dapat dikatakan bahwa variabel bebas agresivitas pajak, tingkat persistensi laba dan CSR terhadap nilai perusahaan berpengaruh secara simultan bersama-sama terhadap variabel terikat nilai perusahaan. Selain itu, dapat disimpulkan bahwa model layak diuji.

b. Hasil Uji Signifikan Parsial Uji T

Uji t menunjukkan seberapa jauh pengaruh satu variabel penjelas atau independen secara individual dalam menerangkan variasi variabel dependen dan digunakan untuk mengetahui ada atau tidaknya pengaruh masing-masing variabel independen secara individual terhadap variabel dependen yang diuji pada tingkat signifikansi 0,05 Ghozali. Berdasarkan hasil olahan data statistik, maka dapat dilihat pengaruh antara variabel independen terhadap variabel dependen secara parsial adalah sebagai berikut: 68 Tabel 4.9 Hasil Uji Signifikan Parsial Uji t Coefficients a Model t Sig. 1 Constant 3.435 .001 TA .190 .850 Persistensi 3.329 .001 CSRI 1.541 .128 a. Dependent Variable: FV Sumber: Olahan Data SPSS Statistic 22, 2015 Agresivitas pajak TA dan indeks CSR CSRI terhadap nilai perusahaan FV tidak terdapat pengaruh yang signifikan, sedangkan persistensi laba berpengaruh signifikan terhadap nilai perusahaan PV. Berikut ini adalah hasil penjelasan mengenai pengaruh antar variabel independen terhadap nilai perusahaan PV: 1 Pengaruh Agresivitas Pajak terhadap Nilai Perusahaan Variabel agresivitas pajak dengan nilai t hitung sebesar 0.190 1.992 atau nilai sig. lebih besar dari 0.05 0.850 0.05, maka dapat disimpulkan bahwa agresivitas pajak tidak berpengaruh terhadap nilai perusahaan. Hal ini dikarenakan tindakan agresivitas pajak yang diproyeksikan melalui selisih perbedaan book income dan taxable income bukan merupakan tindakan perencanaan pajak yang bersifat agresif, sehingga pasar menerima informasi tersebut sebagai hal bukan merupakan tindakan manajemen laba yang dilakukan oleh manajemen Perdana, 2014. Terjadinya perbedaan merupakan karena perbedaan persepsi antara peraturan perpajakan dan kebijakan 69 perusahaan, sehingga tidak akan berdampak pada kemakmuran para pemegang saham. 2 Pengaruh Tingkat Persistensi Laba terhadap Nilai Perusahaan Variabel tingkat persistensi laba dengan nilai thitung sebesar 3.329 1.992 atau nilai sig. lebih kecil dari 0.05 0.001 0.05, maka dapat disimpulkan bahwa persistensi laba berpengaruh terhadap nilai perusahaan. 3 Pengaruh Coroporate Social Responsibility terhadap Nilai Perusahaan Variabel corporate social responsibility dengan nilai t hitung sebesar 1.541 1.992 atau nilai sig. lebih kecil dari 0.05 0.128 0.05, maka dapat disimpulkan bahwa corporate social responsibility tida berpengaruh terhadap nilai perusahaan.

4. Hasil Koefisien Persamaan Regresi Linier Berganda a.

Hasil Uji Koefisien Determinasi Adjusted R 2 Menurut Ghozali 2013 untuk menentukan seberapa besar variabel independen dapat menjelaskan variabel dependen, maka perlu diketahui nilai koefisien determinasi Adjusted R-Square. Adapun hasil uji determinasi Adjusted R 2 . Tabel 4.10 Hasil Uji Koefisien Determinasi Adjusted R 2 Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate 1 .422 a .178 .142 .78211 a. Predictors: Constant, CSRI, TA, Persistensi b. Dependent Variable: FV Sumber: Olahan Data SPSS Statistic 22, 2015 70 Hasil pengujian menunjukkan besarnya koefisien korelasi berganda R, koefisien determinasi Adj R Square dan koefisien determinasi yang disesuaikan Adjusted R Square. Berdasarkan tabel model summary b di atas diperoleh bahwa nilai koefisien korelasi berganda R sebesar 0.422. Ini menunjukkan bahwa variabel agresivitas pajak, persistensi laba, indeks CSR terhadap nilai perusahaan mempunyai hubungan yang sedang. Hasil pada tabel di atas juga menunjukkan bahwa nilai koefisien determinasi R Square sebesar 0.178 dan nilai koefisien determinasi yang sudah disesuaikan Adjusted R Square adalah 0.142. Hal ini berarti 14.2 variasi dari nilai perusahaan bisa dijelaskan oleh variasi variabel independen agresivitas pajak, persistensi laba, indeks CSR. Sedangkan sisanya 100 - 14.2 = 85.8 dijelaskan oleh variabel lain yang tidak ada dalam penelitian ini, seperti tingkat profitabilitas, kepemilikan manajemen, kepemilikan institusional, struktur modal.

b. Hasil Uji Regresi Linier Berganda

Analisis regresi linier berganda digunakan untuk mengetahui pengaruh antara variabel independen terhadap variabel dependen, adapun hasil uji regresi linier berganda adalah sebagai berikut: 71 Tabel 4.11 Hasil Koefisien Persamaan Regresi Linier Berganda Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant .967 .282 3.435 .001 TA .010 .052 .021 .190 .850 Persistensi .666 .200 .369 3.329 .001 CSRI .358 .232 .171 1.541 .128 a. Dependent Variable: FV Sumber: Olahan Data SPSS Statistic 22, 2015 Berdasarkan hasil yang telah diperoleh dari koefisien regresi di atas, maka dapat dibuat suatu persamaan regresi sebagai berikut: Y= 0,967 + 0,010X 1 + 0,666X 2 + 0,358X 3 + 0,282 Pada persamaan regresi di atas menunjukkan nilai konstanta sebesar 0.967. Hal ini menyatakan bahwa jika variabel agresivitas pajak, persistensi laba dan corporate social responsibility dianggap konstan atau bernilai 0 nol, maka nilai perusahaan akan meningkat sebesar 0.967 satuan. Koefisien regresi pada variabel agresivitas pajak TA sebesar 0.10, hal ini berarti jika variabel agresivitas pajak bertambah satu satuan maka variabel nilai perusahaan akan meningkat sebesar 0.010 satuan, dengan catatan variabel lain dianggap konstan. Koefisien regresi pada variabel persistensi sebesar 0.666, hal ini berarti jika variabel persistensi bertambah satu satuan maka variabel nilai perusahaan akan bertambah sebesar 0.666 satuan, dengan catatan variabel lain dianggap konstan. 72 Koefisien regresi pada variabel corporate social responsibility CSRI sebesar 0.358, hal ini berarti jika variabel CSR bertambah satu satuan maka variabel nilai perusahaan akan meningkat sebesar 0.358 satuan, dengan catatan variabel lain dianggap konstan.

C. Pembahasan