47
Tabel 3.1. Pengambilan keputusan ada dan tidaknya autokorelasi
Hipotesis Nol Keputusan
Jika
Tidak ada autokorelasi positif Tolak
0 d dl Tidak ada autokorelasi positif
No decision dl
≤ d ≤ du Tidak ada korelasi negatif
Tolak 4
– dl d 4 Tidak ada korelasi negatif
No decision 4
– du ≤ d ≤ 4 - dl Tidak ada autokorelasi positif atau
negatif Tidak ditolak
Du d ≤ 4 - du
Sumber: Ghozali 2011
2. Analisis Regresi Linear Berganda
Analisis regresi berganda adalah alat untuk meramalkan nilai pengaruh dua variabel bebas atau lebih terhadap satu variabel terikat, yang
bertujuan untuk membuktikan ada tidaknya hubungan fungsional atau hubungan kausal antara dua atau lebih variabel bebas Nugroho, 2005.
Rumus regresi linier berganda:
Dimana: Y
= Tax Avoidance a
= Harga Y bila X = 0 harga konstan b
1
= Koefisien regresi kepemilikan institusional X
1
= Kepemilikan institusional b
2
= Koefisien regresi dewan komisaris independen X
2
= Dewan komisaris independen b
3
= Koefisien regresi kepemilikan manajerial X
3
= Kepemilikan manajerial b
4
= Koefisien regresi komite audit X
4
= Komite audit e = Standar eror
a. Koefisien Determinasi R
2
Koefisien determinasi R
2
bertujuan untuk mengetahui seberapa besar kemampuan variabel independent menjelaskan variabel
Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ e
48 dependent. Kelemahan mendasar dalam penggunaan koefisien
determinasi adalah bisa terhadap jumlah variabel independent yang dimasukkan ke dalam model Ghozali, 2011. Setiap tambahan satu
variabel independent, maka R
2
pasti meningkat tidak peduli apakah variabel tersebut berpengaruh secara signifikan terhadap variabel
dependent. Oleh karena itu, banyak peneliti yang menganjurkan untuk menggunakan nilai Adjusted R
2
pada saat mengevaluasi mana model regresi yang terbaik. Tidak seperti nilai R
2
, nilai Adjusted R
2
dapat naik atau turun apabila satu variabel independent ditambahkan ke dalam
model. Dalam kenyataan nilai adjusted R
2
dapat bernilai negatif, walaupun yang dikehendaki harus bernilai positif. Menurut Gujarati
dalam Ghozali, 2011, jika dalam uji empiris didapat nilai adjusted R
2
negatif, maka nilainya dianggap nol.
b. Uji t Uji Parsial
Uji statistik 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. Menurut Santoso 2009, dasar pengambilan keputusan adalah
sebagai berikut: 1 Jika nilai probabilitas lebih besar dari 0,05, maka H
diterima atau Ha ditolak, ini berarti menyatakan bahwa variabel independen atau