suatu pengamatan ke pengamatan lain. Jika variance dari residual suatu pengamatan
ke pengamatan
yang lain
tetap, maka
disebut homoskedastisitas, jika berbeda disebut heteroskedastisitas. Model regresi
yang baik adalah model yang bersifat homoskedastisitas atau tidak terjadi heteroskedastisitas.
Identifikasi secara
statistik ada
atau tidaknya
gejala heteroskedastisitas dapat dilakukan dengan menghitung korelasi Rank
Spearman Anonim, 2013: L-27. ∑
Dimana : N = Jumlah sampel subjek
X = Beda rank diantara dua variabel ke i r
s
= Koefisien korelasi i = 1,2,3,… pengamatan ke I sampai ke N
Deteksi adanya heteroskedastisitas adalah : 1.
Nilai probabilitas 0,05 berarti bebas dari heteroskedastisitas. 2.
Nilai probabilitas 0,05 berarti terkena heteroskedastisitas.
3.5.2.3 Uji Multikolinieritas
Uji multikolinieritas bertujan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen atau tidak.
Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas Ghozali, 2009.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Menurut Ghozali 2009, deteksi adanya multikolinieritas adalah multikolinieritas dapat dilihat 1 nilai tolerance dan lawannya 2
Variance inflation factor VIF. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel lainnya.
Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen terikat dan diregres terhadap variabel independen lainnya.
Tolerance mengukur nilai variabelitas variabel independen yang dipilih yang tidak dijelaskan oleh variabel lainnya. Jadi nilai tolerance yang
rendah sama nilainya dengan VIF tinggi karena VIF = 1 tolerance. Nilai cutoff yang dipakai untuk menunjukkan adanya multikolinieritas
adalah nilai tolerance ≤ 0.10 atau sama dengan nilai VIF ≥ 10.
3.5.3 Teknik Analisis
Analisis data adalah cara-cara mengolah data yang telah terkumpul untuk kemudian dapat memberikan interpretasi. Hasil pengolahan data ini
digunakan untuk menjawab permasalahan yang ada dalam mengungkap fenomina tertentu. Berdasarkan tujuan dan hipotesis penelitian diatas,
maka teknik yang digunakan dalam penelitian ini adalah analisis regresi linier berganda dengan alasan bahwa merode ini dapat digunakan untuk
mengukur besarnya pengaruh beberapa variabel independen X terhadap variabel dependen Y.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Bentuk formulasi alat analisis statistik regresi linier berganda secara matematis dapat dijabarkan sebagai berikut :
Y = β + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ β
4
X
4
+ e Anonim, 2013: L-19
Dimana: Y
= Tax Avoidance X
1
= Kepemilikan Institusional X
2
= Komisaris independen X
3
= Kualitas Audit 0 jika diaudit oleh KAP Non-The Big Four, 1 jika diaudit oleh KAP di bawah lisensi KAP The
Big Four X
4
= Jumlah komite audit dalam suatu perusahaan e
= error term β
= konstanta β
1
…β
4
= Koefisien regresi
3.5.4 Uji Hipotesis 3.5.4.1 Uji F
Uji F digunakan untuk menguji cocok atau tidaknya model regresi yang dihasilkan, dengan prosedur sebagai berikut: Anonim, 2013: L-19
a. H
: β
1
= β
2
= β
3
= β
4
= 0 Model regresi linier berganda yang dihasilkan adalah tidak
signifikan atau tidak cocok untuk mengetahui pengaruh variabel independen terhadap variabel dependen
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
H
1
: β
1
= β
2
= β
3
= β
4
≠ 0 Model regresi linier berganda yang dihasilkan adalah signifikan
atau cocok untuk mengetahui pengaruh variabel independen terhadap variabel dependen
b. Dalam penelitian ini digunakan tingkat signifikan 0.05 atau 5
c. Kriteria pengujian adalah sebagai berikut :
1. Apabila tingkat signifikan sig ≥ 0,05, maka H0 diterima dan
H1 ditolak. 2.
Apabila tingkat signifikan sig 0,05, maka H0 ditolak dan H1 diterima.
3.5.4.2 Uji t
