Penelitian ini dilakukan pada perusahaan property dan real estate yang
terdaftar di Bursa Efek Indonesia (BEI) pada tahun 2017-2021. Pengolahan data
pada penelitian ini menggunakan EViews versi 9.0 for windows. Untuk
yang memenuhi kriteria. Daftar sampel yang sesuai kriteria dapat dilihat pada
Tabel 4. 1
Kriteria Sampel
Tidak
No Kriteria Memenuhi Memenuhi
Perusahaan property dan real estate yang
1 terdaftar di BEI selama periode pengamatan 86
yaitu 2017-2021
Perusahaan yang lengkap mempublikasikan
2 laporan tahunan secara rutin selama periode (33) 53
2017-2021
Perusahaan yang menerbitkan laporan
3 tahunan yang dinyatakan dalam mata uang (0) 53
rupiah pada periode 2017-2021
Perusahaan property dan real estate yang
4 terdaftar di BEI periode 2017-2021 yang (38) 15
tidak mengalami kerugian
Perusahaan terdapat kelengkapan data
5 variabel yang dibutuhkan berturut-turut (1) 14
selama tahun 2017-2021.
55
Total Keseluruhan sampel selama 5 tahun 70
(14 x 5)
Sumber: Data diolah 2023
Hasil penentuan kriteria dari tabel 4.1 maka berikut adalah daftar nama
Tabel 4. 2
Daftar Nama Perusahaan
Pembahasan hasil penelitian dapat dijelaskan sebagai pemikiran asli peneliti untuk
memberikan penjelasan dan interpretasi atas hasil penelitian yang telah dianalis
56
adalah penafsiran hasil penelitian yang berkaitan dengan hipotesis. (Ary, 2017).
dapat dilihat dari nilai rata-rata (mean), standar deviasi, maksimum, minimum.
Untuk itu akan disajikan gambaran statistik dari hasil uji statistik deskriptif yang
menggunakan Eviews versi 9.0 for windows dalam tabel sebagai berikut:
Tabel 4. 3
Hasil Uji Analisis Statistik Deskriptif
Observations 70 70 70 70
Sumber: Hasil pengolahan data dengan Eviews 9, data diolah oleh peneliti
57
Hasil output pada tabel diatas dapat dilihat hasil analisis statistik
1. Tax Avoidance
Hasil analisis deskriptif dari data selama periode penelitian dapat dilihat
bahwa nilai terendah dari tax avoidance pada tahun 2017 adalah 0.000100
dan nilai tertinggi 0.964900 yang diperoleh pada tahun 2021, secara berurut
nilai tersebut dimiliki oleh PT. Metropolitan Kentjana Tbk dan PT. Bumi
Citra Permai Tbk. serta derajat penyebaran datanya (standar deviasi) sebesar
0.142129. Nilai rata-rata (mean) tax avoidance adalah 0.076706 dan nilai
median 0.023100. Nilai skewness tax avoidance adalah 4.012282 dan nilai
kurtosisnya 23.49042.
2. Financial Distress
Hasil analisis deskriptif dari data selama periode penelitian dapat dilihat
bahwa nilai terendah dari financial distress pada tahun 2019 adalah
0.011142 dan nilai tertinggi 14.84393 yang diperoleh pada tahun 2020,
secara berurut nilai tersebut dimiliki oleh PT. PP Properti Tbk dan PT.
dan nilai median 1.967615. Nilai skewness financial distress adalah 2.753220
3. Gender Diversity
Hasil analisis deskriptif dari data selama periode penelitian dapat dilihat
58
bahwa nilai terendah dari gender diversity adalah 0.000000 dan nilai tertinggi
0.089540. Nilai rata-rata (mean) gender diversity adalah 0.086077 dan nilai
median 0.090909. Nilai skewness gender diversity adalah 1.102924 dan nilai
kurtosisnya 3.754149.
4. Kompensasi Eksekutif
Hasil analisis deskriptif dari data selama periode penelitian dapat dilihat
diperoleh pada tahun 2017 dan nilai tertinggi 28.20554 yang diperoleh pada
tahun 2019, secara berurut nilai tersebut dimiliki oleh PT. Ciputra
Development Tbk dan PT. Duta Pertiwi Tbk. Serta derajat penyebaran
Terdapat beberapa jenis data yang dapat dianalisis secara statistik, antara
lain data runtut waktu (time series), data silang waktu (cross-section) dan data panel
yaitu gabungan antara data time series dan cross-section. Dalam penelitian ini data
yang digunakan merupakan data kombinasi dari data time series dan cross section
(Ghazali 2013:231). Metode analisis model regresi data panel memiliki tiga jenis
yaitu Common Effect Model (CEM), Fixed Effect Model (FEM) dan Random
EffectModel (REM).
59
Pendekatan ini secara sederhana menggabungkan seluruh data time
metodeOLS (Ordinary Least Square) atau sering dikenal dengan pendekatan PLS
(PooledLeast Square).
Tabel 4. 4
Hasil Regresi Common Effect Model (CEM)
Dependent Variable: Y
Method: Panel Least Squares
Date: 05/01/23 Time: 23:18
Sample: 2017 2021
Periods included: 5
Cross-sections included: 14
Total panel (balanced) observations: 70
Sumber: Hasil pengolahan data dengan Eviews 9, data diolah oleh peneliti
memiliki nilai konstanta sebesar 0,140614, nilai regresi variabel financial distress
sebesar -0,016530, nilai regresi variabel gender diversity sebesar -0.176393, nilai
60
intersep. Pendekatan Fixed Effect Model (FEM) muncul karena perbedaan
intersep yang berbeda antar individu namun intersepsetiap perusahaan sama antar
Tabel 4. 5
Hasil Regresi Fixed Effect Model (FEM)
Dependent Variable: Y
Method: Panel EGLS (Cross-section weights)
Date: 05/01/23 Time: 23:21
Sample: 2017 2021
Periods included: 5
Cross-sections included: 14
Total panel (balanced) observations: 70
Linear estimation after one-step weighting matrix
Effects Specification
Weighted Statistics
Unweighted Statistics
Sumber: Hasil pengolahan data dengan Eviews 9, data diolah oleh peneliti
Berdasarkan table di atas menunjukan fixed effect model (FEM) memiliki nilai
61
sebesar -0.000134, nilai regresi variabel gender diversity sebesar 0.009188, dan
efisiensi proses least square dengan memperhitungkan error dari cross-section dan
timeseries. Model Random Effect Model (REM) merupakan variasi dari estimasi
Tabel 4. 6
Hasil Regresi Random Effect Model (REM)
Dependent Variable: Y
Method: Panel EGLS (Cross-section random effects)
Date: 05/01/23 Time: 23:22
Sample: 2017 2021
Periods included: 5
Cross-sections included: 14
Total panel (balanced) observations: 70
Swamy and Arora estimator of component variances
Effects Specification
S.D. Rho
Weighted Statistics
Unweighted Statistics
62
Sumber: Hasil pengolahan data dengan Eviews 9, data diolah oleh peneliti
memiliki nilai konstanta sebesar 0.113462, nilai regresi variabel proporsi financial
Uji Chow digunakan untuk menentukan uji mana di antara kedua metode
yakni common effect dan fixed effect yang sebaiknya digunakan dalam pemodelan
data panel. Dasar pengambilan keputusan dalam uji chow dilihat dari nilai
probability cross section F. Apabila nilai cross section F > 0,05 maka common effect
model yang terpilih, namun jika cross section F < 0,05 maka fixed effect model yang
terpilih dan lanjut ke uji hausman. Sehingga, hasil pengujian uji chow ditunjukkan
Tabel 4. 7
Hasil Uji Chow
Redundant Fixed Effects Tests
Equation: Untitled
Test cross-section fixed effects
Sumber: Hasil pengolahan data dengan Eviews 9, data diolah oleh peneliti
bahwa nilai F-probability sebesar 0.0000 yang nilainya < 0,05 artinya Ho ditolak
63
dan H1 diterima., sehingga model yang terpilih adalah fixed effect model (FEM).
Selanjutnya akan dilakukan uji hausman untuk mengetahui manakah model terbaik
antara fixed effect model (FEM ) dan random effect model (REM).
4.2.3.2.Uji Husman
Model dan Random Effect Model yang sebaikanya dilakukan dalam pemodelan data
panel. Untuk melakukan uji hausman menggunakan kriteria pengujian apabila nilai
probability cross section > 0,05 maka random effect yang terpilih. Jika probability
cross section < 0,05 maka fixed effect model yang terpilih. Untuk hasil dari
pengujian uji hausman dapat dilihat dari tabel 4.8 sebagai berikut:
Tabel 4. 8
Hasil Uji Husman
Equation: Untitled
Sumber: Hasil pengolahan data dengan Eviews 9, data diolah oleh peneliti
Berdasarkan hasil output nilai probabilitas yang ditunjukan pada table diatas
adalah 0.4058 > 0,05 artinya Ho ditolak, sehingga model yang terpilih adalah
64
Uji Langrange Multiplier dilakukan karena pada uji Chow menunjukan
model yang dipakai adalah Fixed Effect Model, sedangkan pada uji Hausman
menunjukan model yang paling tepat adalah Random Effect Model. Maka
diperlukan uji Langrange Multiplier sebagai tahap akhir untuk menentukan model
Tabel 4. 9
Hasil Uji Langrange Multiplier
Test Hypothesis
Cross-section Time Both
65
Sumber: Hasil pengolahan data dengan Eviews 9, data diolah oleh peneliti
Berdasarkan hasil output diatas maka nilai probability value lebih besar
daripada 0,05 maka menerima H0 yang berarti metode estimasi yang terbaik
adalah Fixed Effect. Nilai probability pada Breusch-Pagan – Cross Section yaitu
21.23291 yang mana > (lebih besar dari) 0,05, maka Uji Langrange Multiplier
Hasil uji dari output yang telah dilakukan yaitu uji chow, uji hausman, dan
uji langrange multiplier, dapat disimpulkam bahwa hasil model terbaik pada
Tabel 4. 10
Kesimpulan Pemilihan Model Regresi Data Panel
NO Metode Pengujian Hasil
1 Uji Chow Fixed Effect
Common Effect vs Fixed Effect
2 Uji Hausman
Fixed Effect vs Random Effect model
Random effect
3 Uji Langrange Multiplier Common
modelEffect
Common Effect vs Random Effect
Uji asumsi klasik digunakan untuk menguji kelayakan model regresi. Uji
1. Uji Normalitas
Uji normalitas dalam penelitian ini untuk mengetahui apakah data yang
digunakan mempunyai distribusi normal atau tidak. Data yang baik memiliki
66
hitung (JB) dengan Chi-Square tabel, serta dengan membandingkan nilai
probabilitas dengan nilai alpha. Berikut adalah hasil grafik histogram uji
normalitas:
12
Series: Standardized Residuals
Sample 2017 2021
10
Observations 70
8 Mean -3.67e-18
Median -0.020908
Maximum 0.201429
6
Minimum -0.146148
Std. Dev. 0.087317
4 Skewness 0.595489
Kurtosis 2.418245
2
Jarque-Bera 5.124201
Probability 0.077143
0
-0.15 -0.10 -0.05 0.00 0.05 0.10 0.15 0.20
Sumber: Hasil pengolahan data dengan Eviews 9, data diolah oleh peneliti
Gambar 4. 1
diketahui bahwa nilai probability dari Jarque-Bera lebih besar dari 0,05. Hal ini
sesuai dengan kriteria pengujian yang telah dijabarkan terlihat bahwa hasil dari
uji normalitas yaitu probability sebesar 0.077143 > 0,05 maka dapat disimpulkan
2. Uji Multikolinearitas
korelasi antar variabel bebas Jika nilai koefisien antar variabel < 0,8 maka tidak
terdapat hubungan linear, atau tidak ada multikolinearitas. Berikut adalah hasil uji
multikolinearitas:
67
Tabel 4. 11
Hasil Uji Multikolinearitas
X1 X2 X3
X1 1.000000 -0.136635 -0.081896
X2 -0.136635 1.000000 0.045484
X3 -0.081896 0.045484 1.000000
Sumber: Hasil pengolahan data dengan Eviews 9, data diolah oleh peneliti
Hasil output pada tabel diats korelasi antara X1 (financial disterss) dan X2
koefisien korelasi di antara masing-masing variabel bebas lebih besar dari 0,80
(Winarno, 2015 dan Ghozali dan Ratmono, 2013).maka jika dilihat dari hasil
penelitian diatas tidak ada korelasi antara variabel independen yang tinggi diatas
0,80. sehingga pada penelitian ini tidak terdapat multikolineritas antar variabel
independent.
3. Uji Heteroskedastisitas
Uji glejser yaitu dengan cara meregresikan antara variabel independen dengan
dengan absolut residual > 0,05 maka tidak terjadi masalah heteroskedastisitas..
chisquare lebih besar dari 0,05 maka tidak terjadi masalah heteroskedastisitas.
Sebaliknya jika nilai probability chi-square lebih kecil dari 0,05 maka terjadi
68
pada tabel berikut:
Tabel 4. 12
Hasil Uji Heteroskedastisitas
Effects Specification
Sumber: Hasil pengolahan data dengan Eviews 9, data diolah oleh peneliti
uji Glejser menunjukkan bahwa variabel financial distress (X1), gender diversity
(X2) dan kompensasi eksekutif (X3) tidak terjadi heteroskedastisitas dengan nilai
absolute residual (RESABS) hal ini dibuktikan memiliki nilai X1, X2 dan X3
lebih besar dari 0,05 maka Ho diterima, Dengan demikian dapat ditarik
4. Uji Autokorelasi
Uji autokorelasi bertujuan untk menguji apakah didalam suatu model regresi
69
linear ada hubungan antarkesalahan pada priode tahun yang berjalan dengantahun
yang sebelumnya (Ghozali dan Ratmono, 2013:137 – 141). Ketentuan dalamuji ini
bila nilai DW terletak antara batas atas atau upper bound (du) dan (4-du) maka
koefisien autokolerasi sama dengan 0 berarti tidak ada autokolerasi. Berikut hasil
uji autokorelsasi:
Tabel 4. 13
Hasil Uji Autokorelasi
Prob(F-statistic) 0.000000
Sumber: Hasil pengolahan data dengan Eviews 9, data diolah oleh peneliti
kriteria tidak terjadinya ssa independen (k) = 3 dan jumlah sampel (n) = 70 maka
didapatkan bahwa nilai dL = 1.5245 , nilai dU = 1.7028 dan nilai Durbin Watson
= 2.508747.
Watson) sebesar 2.508747, dan kriteria nilai yang tidak mengalami autokorelasi
adalah 1.7028 (dU) > 2.508747 (DW) < 2.2972 (4- dU) sehingga hasil yang
Uji yang dilakukan untuk mengukur ketetapan fungsi regresi sampel dalam
70
mengetahui seberapa besar kemampuan variabel bebas dapat menjelaskan variasi
variabel terikat. Jika nilai Adjusted R-Square kecil berarti kemampuan variabel-
variabel bebas dalam menjelaskan variasi variabel terikat sangat terbatas, dan
bebas dalam menjelaskan variasi variabel terikat besar. Berikut hasil uji koefisien
determinasi:
Tabel 4. 14
Hasil Uji Koefisien Determinasi
Unweighted Statistics
Sumber: Hasil pengolahan data dengan Eviews 9, data diolah oleh peneliti
berpengaruh terhadap variabel tax avoidance dan sisanya 15% dipengaruhi oleh
71
Penelitian ini menggunakan regresi linear berganda data panel untuk
berganda data panel, yaitu metode yang mengukur kekuatan hubungan antara dua
variabel atau lebih serta menunjukkan arah hubungan antara variabel dependen dan
variabel independen. Hasil regresi linear berganda data panel dapat dilihat sebagai
berikut:
Tabel 4. 15
Hasil Analisis Regresi Data Panel
Sumber: Hasil pengolahan data dengan Eviews 9, data diolah oleh peneliti
Hasil output tabel di atas, persamaan regresi data panel dapat disusun
sebagai berikut:
Y = α + β1X1 + β2X2 + β3 X3 + e
semua variabel independen sama dengan nol maka tax avoidance bernilai
0.043967.
72
berpengaruh signifikan karena memiliki Prob thitung yaitu 0.9232> 0.05.
Sehingga hasil ini menunjukan jika variabel kompensasi eksekutif naik satu
satuan, dengan asumsi variabel lain tetap maka akan menurunkan tax
signifikan karena memiliki Prob thitung yaitu 0.4342 > 0.05. Sehingga hasil
ini menunjukan jika variabel gender diversity naik satu satuan, dengan asumsi
variabel lain tetap maka akan menaikan tax avoidance sebesar 0.009188.
0.0041< 0.05. Sehingga hasil ini menunjukan jika variabel gender diversity
naik satu satuan, dengan asumsi variabel lain tetap maka akan menaikan tax
hubungan antara dua variabel yang berkaitan dengan suatu kasus tertentu dan
berpengaruh tentang dugaan dalam suatu penelitian serta memiliki manfaat bagi
proses penelitian agar efektif dan efisien. Pengujian hipotesis antara lain:
73
ditunjukkan pada tabel di bawah ini:
Tabel 4. 16
Hasil Uji Simultan (Uji Statistik F)
R-squared 0.888202 Mean dependent var 0.209900
Adjusted R-squared 0.854451 S.D. dependent var 0.191269
S.E. of regression 0.099629 Sum squared resid 0.526076
F-statistic 26.31670 Durbin-Watson stat 2.508747
Prob(F-statistic) 0.000000
Sumber: Hasil pengolahan data dengan Eviews 9, data diolah oleh peneliti
signifikansi 0,05 . pencarian F-tabel dengan jumlah (n) = 70; jumlah variabel = 4;
tarafsignifikansi 0,05; df1 = k-1 = 4-1 = 3; dan df2 = n-k = 70-4 = 66 sehingga di
peroleh nilai F-tabel sebesar 2,74 maka nilai F-hitung 26,31670 > nilai F-tabel
2,67. Sehingga secara simultan variabel financial distress, gender diversity dan
diterima.
1. Uji t (Parsial)
dependen. Hasil uji regresi secara parsial ditunjukkan pada Tabel berikut :
Tabel 4. 17
Hasil Uji t
Variable Coefficient Std. Error t-Statistic Prob.
74
Gender Diversiy 0.009188 0.011659 0.788084 0.4342
Kompensasi Eksekutif 0.015994 0.005335 2.997685 0.0041
Sumber: Hasil pengolahan data dengan Eviews 9, data diolah oleh peneliti
Berdasarkan hasil pengujian yang ditunjukan pada tabel diatas maka dapat
dependen sesuai dengan hipotesis yang telah disebutkan dalam Bab 2 pada
pengembangan hipotesis. Adapun penjelasan untuk hasil uji statistik t pada tabel
1. Pengujian Hipotesis 1
distress) memiliki nilai probabilitas sebesar 0.9232, tersebut lebih besar jika
dari probabilitas, atau dengan kata lain 0.9232>0,05. Dengan hasil ini, maka
dapat disimpulkan bahwa secara parsial variabel financial distress (X1) tidak
2. Pengujian Hipotesis 2
diversity) memiliki nilai probabilitas sebesar 0.4342, tersebut lebih besar jika
besar dari probabilitas, atau dengan kata lain 0.4342 > 0,05. Dengan hasil ini,
maka dapat disimpulkan bahwa secara parsial variabel gender diversity (X2)
ditolak.
75
Variabel moderating adalah variabel yang dapat memperkuat atau
variabel Proporsi financial distress dan gender diversity terhadap Tax Avoidance.
uji Moderating Regression Analysis dapat dilihat pada tabel 4.16 dan tabel 4.17
sebagai berikut:
Tabel 4. 18
Hasil Uji Moderating Regression Analysis (MRA)
Dependent Variable: Y
Method: Panel EGLS (Cross-section random effects)
Date: 05/22/23 Time: 00:35
Sample: 2017 2021
Periods included: 5
Cross-sections included: 14
Total panel (balanced) observations: 70
Swamy and Arora estimator of component variances
Effects Specification
S.D. Rho
Weighted Statistics
76
Prob(F-statistic) 0.658027
Unweighted Statistics
Sumber: Hasil pengolahan data dengan Eviews 9, data diolah oleh peneliti
terhadap Kompensasi eksekutif memberikan nilai Prob. 0.5164. Artinya 0.5164 >
0.05 merupakan interaksi antara proporsi financial distress terhadap tax avoidance
Tabel 4. 19
Hasil Uji Moderating Regression Analysis (MRA)
Dependent Variable: Y
Method: Panel EGLS (Cross-section random effects)
Date: 05/22/23 Time: 00:36
Sample: 2017 2021
Periods included: 5
Cross-sections included: 14
Total panel (balanced) observations: 70
Swamy and Arora estimator of component variances
Effects Specification
S.D. Rho
Weighted Statistics
77
Unweighted Statistics
Sumber: Hasil pengolahan data dengan Eviews 9, data diolah oleh peneliti
Berdasarkan hasil uji pada tabel diatas moderasi Gender diversity Terhadap
Kompensasi Eksekutif memberikan nilai Prob. 0.0074. Artinya 0.0074 < 0.05
sebagai berikut :
78
0,9232 berarti nilai probabilitas lebih besar dari nilai signifikansi (0,05). Maka
Hasil tersebut membuktikan bahwa hipotesis pertama ditolak. Hal ini dapat
diartikan bahwa apabila perusahaan memiliki tingkat financial distress tidak akan
yang sehat karena nilai laba yang dimiliki bernilai besar maka nilai pajak
juga dinilai mampu membayar akuntan profesional untuk mencari celah pajak
79
nilai probabilitas lebih besas dari nilai signifikansi (0,05). Sehingga variabel
gender diversity tidak berpengaruh terhadap tax avoidance. Hal ini menunjukkan
Hasil ini sesuai dengan riset yang dibuktikan oleh Mala & Ardiyanto (2021),
dan Prasetyo (2019). Dengan kata lain, baik pria maupun wanita, keduanya
Akan tetapi, berbeda dengan hasil yang diteliti oleh Hoseini et al. (2019)
dan Jarboui et al. (2020) dimana mereka membuktikan bahwa board gender
Avoidance. Hasil pengujian pada penelitian ini menunjukkan bahwa pada uji
nilai probabilitasnya lebih kecil dari tingkat signifikansi sebesar (0,05). Lalu
untuk nilai F-hitung 26,31670 > nilai F-tabel 2,67. Sehingga secara simultan
bahwa hipotesis ketiga diterima. Hal ini dapat diartikan bahwa secara
80
bersama-sama financial distress, gender diversity dan kompensasi eksekutif
Berdasarkan hasil uji pada tabel 4.15 uji moderasi pengaruh financial
nilai probabilitas 5164. Artinya 0.5164 > 0.05 merupakan interaksi antara
modal, pengurangan akses sumber dana eksternal, penurunan rating kredit yang
terjebak dalam posisi financial distress, maka semakin besar pula jumlah pajak
yang dihindari.
81
5. Pengaruh Kompensasi Eksekutif memoderasi pengaruh Gender Diversity
Berdasarkan hasil uji pada tabel 4.16 uji moderasi pengaruh gender
memiliki nilai Prob. 0.0074. Artinya 0.0074 < 0.05 merupakan interaksi antara
lebih efektif dan transparan. Dan keragaman gender pula yang mempengaruhi
monitoring perusahaan dan hasil yang akan didapatkan lebih baik yang akan
82