TUGAS KELOMPOK

STATISTIK INFERENSIAL

ANALISIS DATA PENELITIAN

Dosen: Prima Sadewa S,Pd ., M.Pd

Disusun Oleh:

1. Errghi Ripansah (191011250227)

2. Enthy Sulistya Suci Wulandari (191011250233)
3. Kintania Rizki Putri (191011250236)

PROGRAM STUDI S1 AKUNTANSI

FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS PAMULANG
2022
 DAFTAR ISI
COVER…………………………………………………………………………………………………………………………………………………
………… 1

DAFTAR ISI...........................................................................................................................................................2
BAB 1:.................................................................................................................................................................. 3
A. REKAPAN DATA PENELITIAN....................................................................................................................3
B. VARIABEL PENELITIAN.............................................................................................................................3
C. KERANGKA PENELITIAN...........................................................................................................................4
BAB 2:..................................................................................................................................................................5
A. UJI STATISTIK DESKRIPTIF........................................................................................................................6
B. UJI PEMILIHAN MODEL REGRESI..............................................................................................................6
1. Uji Chow...............................................................................................................................................6
2. Uji Hausman.........................................................................................................................................7
3. Uji Lagrange Multiplier........................................................................................................................7
C. UJI ASUMSI KLASIK...................................................................................................................................8
1. Uji Normalitas..........................................................................................................................................8
2. Uji Multikolinearitas............................................................................................................................9
3. Uji Heteroskedastisitas........................................................................................................................9
4. Uji Autokorelasi.................................................................................................................................10
D. UJI HIPOTESIS.........................................................................................................................................10
1. Persamaan Regresi Ganda.....................................................................................................................10
2. Uji Koefisien Determinasi (Ajusted R²)...................................................................................................11
4. Uji t (Parsial)......................................................................................................................................11
5. Uji F (Simultan....................................................................................................................................12
BAB 3................................................................................................................................................................. 13
A. KESIMPULAN..........................................................................................................................................13
B. SARAN....................................................................................................................................................13
 BAB 1:
DATA PENELITIAN

1. REKAPAN DATA PENELITIAN.

Berikut ini data dari hasil penelitian yang berjudul “PENGARUH KEPEMILIKAN ASING,
MEKANISME BONUS DAN TRANSFER PRICING TERHADAP TAX AVOIDANCE”

2. VARIABEL PENELITIAN
Pada penelitian ini memiliki varibel bebas (independent) dan variabel terikat
(dependent). Pengelompokan variabel tersebut yaitu sebagai berikut ini:
1. Varibel Bebas (Independent) yaitu X1,X2,X3
2. Variabel Terikat (Dependent) yaitu Y
3. KERANGKA PENELITIAN
Kerangka penelitian merupakan model konseptual tentang bagaimana teori
berhubungan dengan berbagai faktor yang telah diidentifikasi sebagai masalah
yang penting. Kerangka penelitian dalam analisis ini terdiri dari 3 variabel bebas
(independent) dan 1 variabel terikat (dependent). Kerangka penelitian disajikan
dalam gambar berikut ini.

KEPEMILIKAN ASING (X1)

(X2) H1

H2 TAX AVOIDANCE (Y)

MEKANISME BONUS (X2)

(X2)

H3
TRANSFER PRICING (X3)

(X2)
H4

Gambar 1. Kerangka Penelitian

Keterangan:
H1 : Terdapat pengaruh Kepemilikan Asing terhadap Tax Avoidance
H2 : Terdapat pengaruh Mekanisme Bonus terhadap Tax Avoidance
H3 : Terdapat pengaruh Transfer Pricing terhadap Tax Avoidance
H4 : Terdapat pengaruh .. secara simultan terhadap …
 BAB 2:
HASIL ANALSIS DATA
DAN PEMBAHASAN

A. UJI STATISTIK DESKRIPTIF

Variabel yang digunakan pada penelitian ini yaitu Kepemilikan Asing (X1),
Mekanisme Bonus (X2), dan Transfer Pricing (X3) sebagai Variabel Independen,
sedangkan Variabel Dependen adalah Tax Avoidance (Y). Variabel tersebut diuji secara
deskriptif sebagai berikut :

Tabel 1. Hasil Uji Statistik Deskriptif

.... (Y) ..... (X1) ..... (X2) ..... (X3)
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis

Jarque-Bera
Probability

Sum
Sum Sq. Dev.

Observations

2. UJI PEMILIHAN MODEL REGRESI

3. Uji Chow
Uji ini digunakan untuk pemilihan antara model fixed effect dan common effect. Uji
Chow merupakan uji dengan melihat hasil F statistic untuk memilih model yang lebih
baik antara model fixed effect atau common effect. Uji chow menggunakan kriteria
pengujian apabila (p-value > 0.05) maka common effect model yang terpilih. Namun,
jika (p-value < 0.05) maka fixed effect model yang terpilih. Adapun hasil pengolahan uji
chow dapat dilihat pada tabel 2 berikut:

Tabel 2. Hasil Uji Chow

Redundant Fixed Effects Tests
Equation: Untitled
Test cross-section fixed effects

Effects Test Statistic d.f. Prob.

Cross-section F 1.910041 (7,29) 0.1042
Cross-section Chi-square 15.166057 7 0.0339
 Pada tabel 2 dapat dilihat bahwa nilai probabilitas (Prob) Cross-section Chi-
square adalah <0,05 maka H1 diterima Sehingga dapat disimpulkan bahwa model
Fixed Effect Model (FEM) yang terbaik dibandingkan dengan model Common Effect
Model (CEM).

4. Uji Hausman
Uji hausman digunakan untuk membandingkan model fixed effect atau random
effect yang paling tepat digunakan. Hasil pengujian uji hausman dapat dilihat dalam
tabel 3 berikut:
Tabel 3. Hasil Uji Hausman
Correlated Random Effects - Hausman Test
Equation: Untitled
Test cross-section random effects

Chi-Sq.
Test Summary Statistic Chi-Sq. d.f. Prob.

Cross-section random 8.939064 3 0.0301

Pada tabel 3 dapat dilihat bahwa nilai Probabilitas (Prob) cross section random
adalah 0.0301 . <0.05, maka H2 diterima, sehingga dapat disimpulkan bahwa model
Fixed Effect (FEM) lebih baik dibandingkan dengan model Random Effect (REM).

5. Uji Lagrange Multiplier

Lagrange Multiplier yakni pengujian untuk menentukan model Common Effect
atau Random Effect yang paling tepat digunakan dalam mengestimasi data panel.
Berikut ini tabel hasil uji lagrange multiplier.

Tabel 4. Hasil Lagrange Multiplier

Lagrange Multiplier Tests for Random Effects
Null hypotheses: No effects
Alternative hypotheses: Two-sided (Breusch-Pagan) and one-sided (all others)
alternatives

Test Hypothesis
Cross-section Time Both

Breusch-Pagan 0.393559
(0.5304)

Honda

King-Wu

Standardized Honda

Standardized King-Wu
 Gourieroux, et al.

Dari data di atas Both Breusch-Pagan yang di dapat adalah 0.5304 Yang dapat
disimpulkan bahwa model yang lebih baik adalah Common Effect Model (CEM)
dikarenakan Both Breusch-Pagan >0,05. Sehingga model yang lebih baik digunakan
adalah Common Effect Model (CEM) .

Berdasarkan uji pemilihan model regresi untuk data panel pada penelitian ini.
Diperoleh hasil sebagai berikut.
Tabel 5. Hasil Pemilihan Model
Nama Uji Model yang dipilih
Uji Chow Fixed Effect Model (FEM)
Uji Hausman Fixed Effect Model (FEM)
Uji Lagrange Multiplier Common Effect Model (CEM)
Berdasarkan hasil dari tabel di atas dapat ditarik kesimpulan bahwa model yang
dipilih yaitu . . . .

6. UJI ASUMSI KLASIK

1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel
terikat dan variabel bebas keduanya mempunyai distribusi normal atau tidak. Model
regresi yang baik dimana data tersebut berdistribusi normal atau mendekati normal,
untuk mengetahui data berdistribusi normal atau tidaknya dapat menggunakan analisis
grafik. Jika hasil probabilitas menunjukan hasil signifikan > dari 0.05 maka data
terdistribusi normal. Dan sebaliknya apabila hasil signifikan < 0.05 maka data tersebut
terdistribusi tidak normal. Berikut hasil uji normalitas data.
Tabel 6. Hasil Uji Normalitas
12
Series: Standardized Residuals
Sample 2015 2019
10 Observations 40

Mean 1.35e-17
8 Median -0.051593
Maximum 0.540474
Minimum -0.287609
6
Std. Dev. 0.192933
Skewness 0.890240
4 Kurtosis 3.353804

Jarque-Bera 5.492140
2 Probability 0.064180
 Berdasarkan tabel di atas hasil uji normalitas dapat diketahui bahwa nilai
Probabilitas (Prob.) sebesar 0.64180 >0,05 yang artinya nilai probabilitas lebih dari 0,05
sehingga berdistribusi normal atau lolos uji normal.
2. Uji Multikolinearitas
Pengujian ini berguna untuk mengetahui apakah model regresi ditemukan adanya
korelasi antara variabel bebas (independen). Model yang baik adalah model yang tidak
terjadi korelasi antar variabel independennya. Cara untuk mengetahui ada atau tidaknya
gejala multikoliniearitas antara lain dengan melihat nilai korelasi (Correlation). Jika
Korelasi antar variabel bebas > 0,8 maka dapat disimpulkan bahwa model mengalami
masalah multikolinearitas. Sebaliknya, koefisien korelasi < 0,8 maka model bebas dari
multikolinearitas. Berikut tabel hasil uji multikolinearitas pada penelitian ini.
Tabel 7. Hasil Uji Multikolinearitas

X1 X2 X3

X1 1.000.000 0.001127 0.451047

X2 0.001127 1.000.000 0.028608
X3 0.451047 0.028608 1.000.000

Berdasarkan hasil pada tabel di atas dapat dilihat semua korelasi antara variabel
independen tidak terdapat yang memiliki nilai lebih dari 0,8. Artinya pada model regresi
ini tidak terjadi masalah multikolinieritas atau dalam model ini tidak terdapat korelasi
antara variabel independen

3. Uji Heteroskedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi
ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain. Jika
variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut
homoskedastisitas dan jika variance tidak konstan atau berubah-ubah disebut dengan
Heterokedastisitas. Model regresi yang baik adalah Homoskedastisitas atau tidak terjadi
heteroskedastisitas. Berikut hasil uji heteroskedastisitas dengan uji glejser.
Tabel 8. Hasil Uji Heteroskedastisitas
Dependent Variable: RESABS
Method: Panel Least Squares
Date: 04/03/22 Time: 07:59
Sample: 2015 2019
Periods included: 5
Cross-sections included: 8
Total panel (balanced) observations: 40

Variable Coefficient Std. Error t-Statistic Prob.

C 0.209308 0.029377 7.124988 0.0000

X1 -0.059535 0.060602 -0.982390 0.3325
X2 -0.011750 0.007976 -1.473264 0.1494
X3 -0.074159 0.060576 -1.224219 0.2288

Effects Specification

Cross-section fixed (dummy variables)

R-squared Mean dependent var

Adjusted R-squared S.D. dependent var

S.E. of regression Akaike info criterion

 Sum squared resid Schwarz criterion

Log likelihood Hannan-Quinn criter.

F-statistic Durbin-Watson stat
Prob(F-statistic)

Berdasarkan hasil uji heteroskedastisitas pada tabel di atas menunjukkan bahwa

nilai signifikansi Prob sebesar >0,05 untuk X1, sebesar 0.3325 untuk X2, sebesar
0.1494 untuk X3 sebesar 0.2288 Nilai tersebut lebih besar dari signifikansi 0,05 dengan
demikian data yang digunakan dalam penelitian ini tidak terdapat Heterokedastisitas
dalam model regresi.

4. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linear ada
korelasi antar kesalahan pengganggu (residual) pada periode t dengan kesalahan pada
periode t-1 (sebelumnya). Pengujian asumsi autokorelasi dapat dilihat melalui Durbin-
Watson Test. Berikut hasil Uji Autokorelasi.
Tabel 9. Hasil Uji Autokorelasi
R-squared Mean dependent var
Adjusted R-squared S.D. dependent var
S.E. of regression Akaike info criterion
Sum squared resid Schwarz criterion
Log likelihood Hannan-Quinn criter.
F-statistic Durbin-Watson stat 1.067510
Prob(F-statistic)

Berdasarkan hasil uji autokorelasi pada tabel di atas menunjukan bahwa nilai dari
Durbin-Watson (DW) sebesar 1.067510. pembanding menggunakan nilai signifikan
5%, jumlah sampel (n) = 40 Sampel dan jumlah variabel independen 3 (k = 3), maka di
tabel Durbin-Watson akan di dapat nilai Du = 1.6575 lebih besar Karena nilai DW =
1.067510 lebih kecil Dari batas atas (Du = 1.3384) dan kurang dari (4 – Du = 2.3425),
maka dapat disimpulkan bahwa model regresi tidak terjadi autokorelasi dan model
regresi ini layak untuk digunakan.

5. D. UJI HIPOTESIS
1. Persamaan Regresi Ganda
Analisis regresi data panel bertujuan untuk melihat pengaruh antara variabel
independen dan variabel dependen dengan skala pengukuran rasio dalam suatu
persamaan linier. Hasil uji regresi data panel disajikan dalam tabel berikut.
Tabel 10. Hasil Persamaan Regresi
Dependent Variable: Y
Method: Panel EGLS (Cross-section weights)
Date: .... Time: ...
Sample: ....
Periods included: ...
Cross-sections included: ....
Total panel (balanced) observations: ....
 Variable Coefficient Std. Error t-Statistic Prob.

C 0,365539
X1 0,074006
X2 -0,024837
X3 -0,030067

Diperoleh persamaan sebagai berikut:

Y = 0,37 + 0,071 X 1 – 0,02 X2 – 0,03 X3 + e

2. Uji Koefisien Determinasi (Ajusted R²)

Koefisien determinasi (Ajusted R²) digunakan untuk mengetahui presentase
variabel independen secara bersama-sama dapat menjelaskan variabel dependen. Nilai
koefisien determinasi adalah diantara nol dan satu. Analisis determinasi digunakan
untuk mengetahui prosentase sumbangan pengaruh variable independen secara
serentak terhadap variabel dependen. Berikut hasil pengujiannya.
Tabel 11. Hasil Uji Koefisien Determinasi
R-squared Mean dependent var
Adjusted R-squared .... S.D. dependent var
S.E. of regression Akaike info criterion
Sum squared resid Schwarz criterion
Log likelihood Hannan-Quinn criter.
F-statistic Durbin-Watson stat
Prob(F-statistic)

Model persamaan regresi data panel pada tabel di atas diperoleh nilai Adjusted R-
Square adalah …. . Hal ini menunjukkan presentase pengaruh semua variabel
independen terhadap variabel dependen sebesar ….% sedangkan sisanya …% yang
dipengaruhi oleh variabel lain yang tidak ada pada penelitian ini.

4. Uji t (Parsial)
Uji t bertujuan untuk menunjukkan seberapa jauh pengaruh satu variabel
independen secara individual dalam menerangkan variabel dependen. Berikut hasil uji t
(parsial).
Tabel 12. Hasil Uji t
Dependent Variable: Y
Method: Panel EGLS (Cross-section weights)
Date: .... Time: ...
Sample: ....
Periods included: ...
Cross-sections included: ....
Total panel (balanced) observations: ....
Variable Coefficient Std. Error t-Statistic Prob.

C
X1 ....
X2 ....
X3 ....
Hasil yang didapat berdasarkan uji t sebagai berikut:
a. Pengaruh . . . . (X1) terhadap . . . . (Y)
Berdasarkan hasil uji t menunjukkan bahwa nilai signifikansi pada variabel X1
diperoleh prob. …. </> 0,05. Berdasarkan hasil pengujian secara parsial nilai t hitung
</> t tabel yaitu …. </> …., maka dapat disimpulkan bahwa variabel . . . . (X 1)
berpengaruh signifikan terhadap . . . . (Y).
b. Pengaruh . . . . (X2) terhadap . . . . (Y)
Berdasarkan hasil uji t menunjukkan bahwa nilai signifikansi pada variabel X2
diperoleh prob. …. </> 0,05. Berdasarkan hasil pengujian secara parsial nilai t hitung
</> t tabel yaitu …. </> …., maka dapat disimpulkan bahwa variabel . . . . (X 2)
berpengaruh signifikan terhadap . . . . (Y).

c. Pengaruh . . . . (X3) terhadap . . . . (Y)

Berdasarkan hasil uji t menunjukkan bahwa nilai signifikansi pada variabel X3
diperoleh prob. …. </> 0,05. Berdasarkan hasil pengujian secara parsial nilai t hitung
</> t tabel yaitu …. </> …., maka dapat disimpulkan bahwa variabel . . . . (X 3)
berpengaruh signifikan terhadap . . . . (Y).

6. Uji F (Simultan)
Uji secara simultan (F-Test) pada dasarnya menunjukkan apakah semua variabel
independen yang dimaksud dalam penelitian ini mempunyai pengaruh secara simultan
(bersama-sama) terhadap variabel dependen. Pengujian ini adalah untuk menguji
apakah terdapat pengaruh secara simultan pada variabel …. (X 1), ….(X2), dan ….(X3)
berpengaruh signifikan secara simultan terhadap ….. (Y).
Tabel 13. Hasil Uji F
R-squared Mean dependent var
Adjusted R-squared S.D. dependent var
S.E. of regression Akaike info criterion
Sum squared resid Schwarz criterion
Log likelihood Hannan-Quinn criter.
F-statistic .... Durbin-Watson stat
Prob(F-statistic) ....

Berdasarkan tabel dapat dilihat bahwa nilai F hitung sebesar …. sementara F

tabel dengan df1 untuk pembilang (k – 1) = 3 – 1 = 2 dan df 2 untuk penyebut (n – k) = ….
– 3 = …. diperoleh nilai F tabel sebesar … . Nilai F hitung kemudian dibandingkan
dengan nilai F tabel, dimana nilai F hitung lebih besar dari nilai F tabel. Nilai probabilitas
sebesar … menunjukkan nilai yang lebih kecil dari taraf signifikansi (α = 0.05) sehingga
Ho ditolak Artinya …. (X1), ….(X2), dan ….(X3) berpengaruh signifikan secara simultan
terhadap ….. (Y).
 BAB 3 :
DATA PENELITIAN

A. KESIMPULAN
Tujuan penelitian adalah untuk mengetahui pengaruh variabel Kepemilikan
Asing (X1), Mekanisme Bonus (X2), dan Transfer pricing (X3) terhadap Tax
avoidance (Y) berpengaruh terhadap hasil penelitian. Berdasarkan hasil
pengujian yang diperoleh dalam penelitian ini, maka dapat disimpulkan sebagai
berikut.
1. Terdapat pengaruh secara parsial variabel . . . . (X1) terhadap . . . . (Y).
2. Terdapat pengaruh secara parsial variabel . . . . (X 2) terhadap . . . . (Y).
3. Terdapat pengaruh secara parsial variabel . . . . (X 1) terhadap . . . . (Y).
4. Terdapat pengaruh secara simultan variabel . . . . (X 1), . . . . (X2), dan . . . .
(X3) terhadap . . . . (Y).

B. SARAN
Berdasarkan simpulan yang telah diuraikan maka dapat diberikan beberapa saran
sebagai berikut.
1. . . . . . .
2. . . . . . .
3. . . . . . .