45
C. Metode Pengumpulan Data
Metode pengumpulan data yang digunakan dalam penelitian ini adalah metode dokumenter, karena data yang dikumpulkan berupa data sekunder. Data
sekunder adalah data penelitian yang diperoleh secara tidak langsung melalui media perantara diperoleh dan dicatat oleh pihak lain. Data sekunder disini
menggunakan data runtut waktu time series atau disebut juga data tahunan dan data antar ruang cross section. Data yang digunakan berupa laporan keuangan
tahunan perusahaan periode 2012 sampai 2014. Data tersebut diperoleh dari melalui situs resmi Bursa Efek Indonesia di
http:www.idx.co.id. Selain itu
juga dilakukan penelusuran berbagai jurnal, karya ilmiah, artikel, dan berbagai buku referensi sebagai sumber data dan acuan dalam penelitian ini. Dalam
memperoleh data-data dalam penelitian ini, peneliti menggunakan dua cara yaitu penelitian pustaka dan penelitian lapangan.
D. Metode Analisis Data
Metode analisis data menggunakan statistik deskripif, uji asumsi klasik dan uji hipotesis.
1. Statistik Deskriptif Statistik deskriptif digunakan untuk memberikan informasi mengenai
karakteristik variabel penelitian yang utama dan daftar demografi responden. Statistik deskriptif memberikan gambaran atau deskripsi suatu
data yang dilihat rata-rata mean, standar deviasi, varian, maksimum, minimum, sum, range, kurtois dan skewness kemencengan distribusi
Ghozali, 20 00:19.
46
2. Uji Asumsi Klasik Untuk melakukan uji asumsi klasik atas data sekunder ini, maka peneliti
melakukan uji normalitas, uji multikolinearitas, uji autokorelasi dan uji heteroskedaktisitas.
a. Uji Normalitas Data Menurut Ghozali 20
00:177 uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel dependen dan variabel independen
bebas mempunyai konstribusi atau tidak. Penelitian yang menggunakan metode yang lebih handal untuk menguji data
mempunyai distribusi normal atau tidak yaitu dengan melihat Normal Probability Plot.
Model regresi yang baik adalah data distribusi normal atau mendekati normal, untuk mendeteksi normalitas dapat dilakukan
dengan melihat penyebaran data titik pada sumbu diagonal grafik. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis
diagonal maka model regresi memenuhi asumsi normalitas. Sebaliknya jika data menyebar jauh dari garis diagonal danatau tidak mengikuti
arah garis diagonal maka model regresi tidak memenuhi asumsi normalitas Ghozali, 2009.
Uji normaitas dengan grafik dapat menyesatkan. Oleh karena itu, uji grafik dilengkapi dengan uji statistik. Uji statistik yang dapat digunakan
untuk menguji normalitas residual adalah uji statistik nonparametrik Kolomogorov-Smirnov
K-S. Uji K-S dilakukan dengan membuat hipotesis:
47
H : Data residual berdistribusi normal
H
A
: Data residual berdistribusi tidak normal Jika signifikansi 0,05 berarti data yang akan diuji mempunyai
perbedaan dengan data normal baku, berarti data tersebut tidak normal atau H
ditolak. b. Uji Multikolinearitas
Uji Multikolinearitas ini bertujuan untuk menguji ada tidaknya korelasi antar variabel independen dalam suatu model regresi. Model
regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Untuk mengetahui ada tidaknya suatu masalah multikolinearitas
dalam model regresi, peneliti dapat menggunakan nilai VIF Variance Infaltion Factor
dan Tolerance, seperti berikut ini: 1 Jika nilai Tolerance di bawah 0.1 dan nilai VIF di atas 10, maka
model regresi mengalami masalah multikolinearitas. 2 Jika nilai Tolerance di atas 0.1 dan nilai VIF di bawah 10, maka
model regresi tidak mengalami masalah multikolinearitas. Ghozali, 2009: 95
c. Uji autokorelasi Uji autokorelasi bertujuan menguji apakah dalam model regresi
linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Jika terjadi
korelasi, maka dinamakan ada problem korelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama
48
lainnya. Masalah ini timbul karena residual kesalahan penggangu tidak bebas dari suatu observasi ke observasi lainnya. Hal ini sering
ditemukan pada data runtut time series kar ena “gangguan” pada
seorang individukelompok cenderung memengaruhi “gangguan” pada individukelompok yang sama pada periode berikutnya Ghozali, 2009:
99. Model regresi yang baik adalah regresi yang bebas dari autokolerasi.
Untuk mendeteksi ada tidaknya autokorelasi dapat menggunakan uji Durbin-Watson DW test, di mana hasil pengujian ditentukan
berdasarkan nilai Durbin-Watson DW, di mana secara umum dapat diambil kesimpulan:
1 Angka DW di bawah -2 berarti ada autokorelasi positif. 2 Angka DW di antara -2 sampai +2 berarti tidak ada autokorelasi.
3 Angka DW di atas +2 berarti ada autokorelasi negatif Santoso, 2014:194.
d. Uji Heterokedastisitas Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam
model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu
pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model
regresi yang baik adalah yang homoskedastisitas atau jika tidak terjadi heteroskedastisitas.
49
Pada saat mendeteksi ada tidaknya heteroskedaktisitas dapat ditentukan dengan melihat grafik Plot scatterplot antara nilai prediksi
variabel terikat ZPRED dengan residual SRESID. Jika Grafik plot menunjukkan suatu pola titik yang bergelombang atau melebar
kemudian menyempit, maka dapat disimpulkan bahwa telah terjadi heteroskedastisitas. Namun, jika tidak ada pola yang jelas, serat titik-
titik meneyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedaktisitas Ghozali, 2009: 125.
Analisis dengan grafik plot memiliki kelemahan yang cukup signifikan oleh karena jumlah pengamatan mempengaruhi hasil ploting.
Oleh sebab itu diperlukan uji statistik yang lebih dapat menjamin keakuratan hasil. Uji statistik yang digunakan adalah uji Park. Uji
heteroskedastisitas juga dapat diketahui dari nilai signifikan korelasi Park
antara masing-masing variabel indipenden dengan residualnya. Jika nilai signifikan lebih besar dari α 5 maka tidak terdapat
heteroskedastisitas dan sebaliknya jika lebih kecil dari α 5 maka terdapat heteroskedastisitas.
3. Uji Hipotesis Penelitian a. Uji Persamaan Linier Berganda
Metode yang digunakan penelii adalah regresi linier berganda. Analisis regresi linear berganda adalah hubungan secara linier antara
dua atau lebih variabel independen X
1
, X
2
,...X
n
dengan variabel dependen Y. Model regresi berganda bertujuan untuk memprediksi
50
besar variabel dependen dengan menggunakan data variabel independen yang sudah diketahui besarnya Santoso, 2004:163. Model ini
digunakan untuk menguji apakah ada hubungan sebab akibat antara kedua variabel untuk meneliti seberapa besar pengaruh antara variabel
independen berpengaruh terhadap variabel dependen. adapun rumus yang digunakan:
Y = β + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ e Dimana:
Y = Penghindaran Pajak Tax Avoidance
X
1
= Derivatif Keuangan X
2
= Leverage X
3
= Ukuran Perusahaan β
= Bilangan Kostanta harga Y, bila X=0 e
= error Pengujian hipotesis dilakukan melalui:
1 Koefisien Determinan Adjusted R
2
Koefisien determinasi bertujuan untuk mengukur seberapa jauh kemampuan model dapat menjelaskan variasi variabel
dependen. Nilai Adjusted R
2
mempunyai interval antara 0 dan 1. Jika nilai Adjusted R
2
bernilai besar mendeteksi 1 berarti variabel bebas dapat memberikan hampir semua informasi yang
dibutuhkan untuk memprediksi variabel dependen. Sedangkan jika Adjusted R
2
bernilai kecil berarti kemampuan variabel
51
bebas dalam menjelaskan variabel dependen sangat terbatas. Secara umum koefisien determinasi untuk data silang
crossection relatif rendah karena adanya variasi yang besar antara masing-masing pengamatan, sedangkan untuk data runtun
waktu time series biasanya mempunyai nilai koefisien determinasi yang tinggi Ghozali, 2011:97.
Kelemahan mendasar penggunaan koefisien determinasi adalah bias terhadap jumlah variabel dependen, R
2
pasti meningkat, tidak peduli apakah variabel tersebut berpengaruh
secara signifikan terhadap variabel dependen atau tidak. Oleh karena itu, banyak peneliti menganjurkan untuk menggunakan
nilai adjusted R
2
pada saat mengevaluasi model regresi terbaik. Tidak seperti nilai R
2
, nilai adjusted R
2
dapat naik dapat turun apabila satu variabel independen ditambahkan dalam model.
Pengujian ini pada intinya adalah mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel
independen. 3 Uji Statistik Fisher F
Uji F dilakukan untuk membuktikan apakah variabel- variabel independen secara simultan mempunyai pengaruh
terhadap variabel dependen. Uji F dilakukan dengan tujuan untuk menguji keseluruhan variabel independen terhadap satu
52
variabel dependen secara bebas dengan signifikan sebesar 0,05 dapat disimpulkan Ghozali, 2011:98
1 Jika nilai signifikan 0,05 maka H
a
diterima dan H
o
ditolak, ini berarti menyatakan bahwa semua variabel independen
atau bebas mempunyai pengaruh secara bersama-sama terhadap variabel dependen atau terikat.
2 Jika nilai signifkan 0,05 maka H
a
ditolak dan H
o
diterima, ini berarti menyatakan bahwa semua variabel independen
atau bebas tidak mempunyai pengaruh secara bersama-sama terhadap variabel dependen atau terikat.
3 Uji Signifikansi Parameter Individual Uji Statistik t Uji t bertujuan untuk menunjukkan seberapa jauh pengaruh
satu variabel penjelas atau independen secara individual dalam menerangkan variasi variabel dependen Ghozali, 2009.
Dalam hal ini nilai signifikan t 0,05 5 maka hasilnya signifikan atau H
a
diterima, berarti terdapat pengaruh yang signifikan dari variabel independen secara individual terhadap
dependen. Dalam penelitian ini berarti terdapat pengaruh signifikan
Derivatif Keuangan, Leverage, Ukuran Perusahaan terhadap Penghindaran Pajak Tax Avoidance. Data tersebut diolah
menggunakan SPSS 20.
53
E. Operasionalisasi Variabel Penelitian