BAB IV

HASIL PENELITIAN DAN PEMBAHASAN

4.1 Gambaran Umum Objek Penelitian

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

menentukan sampel peneliti menggunakan metode purposive sampling,maka

diperoleh sebanyak 14 perusahaan selama 5 tahun dengan total data 70 sampel

yang memenuhi kriteria. Daftar sampel yang sesuai kriteria dapat dilihat pada

tabel sebagai berikut:

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

perusahaan yang dijadikan sampel:

Tabel 4. 2
Daftar Nama Perusahaan

NO KODE NAMA PERUSAHAAN

1 BCIP Bumi Citra Permai Tbk.

2 BSDE Bumi Serpong Damai Tbk.
3 CTRA Ciputra Development Tbk.
4 DMAS Puradelta Lestari Tbk.
5 DUTI Duta Pertiwi Tbk
6 GPRA Perdana Gapuraprima Tbk.
7 JRPT Jaya Real Property Tbk.
8 KIJA Kawasan Industri Jababeka Tbk.
9 MKPI Metropolitan Kentjana Tbk.
10 PPRO PP Properti Tbk.
11 PWON Pakuwon Jati Tbk.
12 RDTX Roda Vivatex Tbk
13 SMDM Suryamas Dutamakmur Tbk.
14 SMRA Summarecon Agung Tbk.
Sumber: Data diolah 2023

4.2 Hasil Penelitian

Hasil penelitian adalah pengkajian ulang terhadap validitas hasil penlitian.

Pembahasan hasil penelitian dapat dijelaskan sebagai pemikiran asli peneliti untuk

memberikan penjelasan dan interpretasi atas hasil penelitian yang telah dianalis

guna menjawab pada pertanyaan pada penelitiannya. Pembahasan hasil penelitian

56
adalah penafsiran hasil penelitian yang berkaitan dengan hipotesis. (Ary, 2017).

3.1.5 Analisis Statistik Deskriptif

Statistik deskriptif memberikan gambaran atau deskriptif suatu data yang

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

Tax Financial Gender Kompensasi

Avoidance Distress Diversity Eksekutif
Mean 0.076706 2.637977 0.086077 2.019586
Median 0.023100 1.967615 0.090909 0.108734
Maximum 0.964900 14.84393 0.333333 28.20554
Minimum 0.000100 0.011142 0.000000 0.008298
Std. Dev. 0.142129 2.402367 0.089540 6.583939
Skewness 4.012282 2.753220 1.102924 3.384927
Kurtosis 23.49042 12.30847 3.754149 12.64696

Jarque-Bera 1412.399 341.1579 15.85064 405.1096

Probability 0.000000 0.000000 0.000361 0.000000

Sum 5.369400 184.6584 6.025408 141.3710

Sum Sq. Dev. 1.393844 398.2244 0.553201 2991.030

Observations 70 70 70 70
Sumber: Hasil pengolahan data dengan Eviews 9, data diolah oleh peneliti

Analisis statistik deskriptif pada penelitian ini digunakan untuk

menghitung pengaruh dari variable financial distress, gender diversity dan

kompensasi eksekutif terhadap tax avoidance.

57
 Hasil output pada tabel diatas dapat dilihat hasil analisis statistik

deskriptif, menunjukkan sebagai berikut:

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.

Puradelta Lestari Tbk. serta derajat penyebaran datanya (standar deviasi)

sebesar 2.402367. Nilai rata-rata (mean) financial distress adalah 2.637977

dan nilai median 1.967615. Nilai skewness financial distress adalah 2.753220

dan nilai kurtosisnya 12.30847.

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

0.333333, serta derajat penyebaran datanya (standar deviasi) sebesar

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

bahwa nilai terendah dari kompensasi eksekutif adalah 0.008298 yang

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

datanya (standar deviasi) sebesar 6.583939. Nilai rata-rata (mean Kompensasi

Eksekutif adalah 2.019586 dan nilai median 0.108734. Nilai skewness

Kompensasi Eksekutif adalah 3.384927 dan nilai kurtosisnya 12.64696.

4.2.2 Model Regresi Data Panel

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).

1. Common Effect Model (CEM)

59
 Pendekatan ini secara sederhana menggabungkan seluruh data time

seriesdan cross-section dan kemudian mengestimasi model dengan menggunakan

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

Variable Coefficient Std. Error t-Statistic Prob.

C 0.140614 0.031546 4.457346 0.0000

X1 -0.016530 0.007027 -2.352203 0.0217
X2 -0.176303 0.188104 -0.937267 0.3520
X3 -0.002539 0.002543 -0.998512 0.3217

R-squared 0.091556 Mean dependent var 0.076706

Adjusted R-squared 0.050263 S.D. dependent var 0.142129
S.E. of regression 0.138511 Akaike info criterion -1.060289
Sum squared resid 1.266229 Schwarz criterion -0.931804
Log likelihood 41.11012 Hannan-Quinn criter. -1.009253
F-statistic 2.217242 Durbin-Watson stat 0.883764
Prob(F-statistic) 0.094318

Sumber: Hasil pengolahan data dengan Eviews 9, data diolah oleh peneliti

Berdasarkan hasil output di atas menunjukan common effect model

memiliki nilai konstanta sebesar 0,140614, nilai regresi variabel financial distress

sebesar -0,016530, nilai regresi variabel gender diversity sebesar -0.176393, nilai

regresi variabel kompensasi eksekutif adalah -0.002539.

2. Fixed Effect Model (FEM)

Pendekatan Fixed Effect Model (FEM) dapat mengestimasikan data

panel dengan menggunakan variabel dummy untuk menjelaskan perbedaan

60
intersep. Pendekatan Fixed Effect Model (FEM) muncul karena perbedaan

karakteristik setiap individu, maka pendekatan ini tetap mengasumsikan adanya

intersep yang berbeda antar individu namun intersepsetiap perusahaan sama antar

waktu (time invariant).

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

Variable Coefficient Std. Error t-Statistic Prob.

C 0.043967 0.011942 3.681704 0.0005

X1 -0.000134 0.001385 -0.096806 0.9232
X2 0.009188 0.011659 0.788084 0.4342
X3 0.015994 0.005335 2.997685 0.0041

Effects Specification

Cross-section fixed (dummy variables)

Weighted Statistics

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

Unweighted Statistics

R-squared 0.583188 Mean dependent var 0.076706

Sum squared resid 0.580971 Durbin-Watson stat 1.795911

Sumber: Hasil pengolahan data dengan Eviews 9, data diolah oleh peneliti

Berdasarkan table di atas menunjukan fixed effect model (FEM) memiliki nilai

konstanta sebesar 0.043967, nilai regresi variabel proporsi financial distress

61
sebesar -0.000134, nilai regresi variabel gender diversity sebesar 0.009188, dan

nilai regresi variabel kompensasi eksekutif adalah 0.015994.

3. Random Effect Model (REM)

Pendekatan Random Effect Model (REM) digunakan untuk memperbaiki

efisiensi proses least square dengan memperhitungkan error dari cross-section dan

timeseries. Model Random Effect Model (REM) merupakan variasi dari estimasi

Generalized Least Square (GLS)

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

Variable Coefficient Std. Error t-Statistic Prob.

C 0.113462 0.046836 2.422541 0.0182

X1 -0.009657 0.008815 -1.095492 0.2773
X2 -0.111413 0.272384 -0.409029 0.6838
X3 -0.000838 0.004480 -0.187027 0.8522

Effects Specification
S.D. Rho

Cross-section random 0.103282 0.4939

Idiosyncratic random 0.104551 0.5061

Weighted Statistics

R-squared 0.019651 Mean dependent var 0.031635

Adjusted R-squared -0.024911 S.D. dependent var 0.103202
S.E. of regression 0.104480 Sum squared resid 0.720458
F-statistic 0.440983 Durbin-Watson stat 1.503320
Prob(F-statistic) 0.724458

Unweighted Statistics

R-squared 0.072684 Mean dependent var 0.076706

Sum squared resid 1.292533 Durbin-Watson stat 0.837950

62
Sumber: Hasil pengolahan data dengan Eviews 9, data diolah oleh peneliti

Berdasarkan table di atas menunjukan Random Effect Model (REM)

memiliki nilai konstanta sebesar 0.113462, nilai regresi variabel proporsi financial

distress sebesar -0.009657, nilai regresi variabel gender diversity sebesar -

0.111413, dan nilai regresi variabel kompensasi eksekutif adalah -0.000838.

4.2.3 Kesimpulan Pemilihan Model Regresi Data Panel

4.2.3.1. Uji Chow

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

pada tabel 4.5 sebagai berikut:

Tabel 4. 7
Hasil Uji Chow
Redundant Fixed Effects Tests
Equation: Untitled
Test cross-section fixed effects

Effects Test Statistic d.f. Prob.

Cross-section F 4.833724 (13,53) 0.0000

Cross-section Chi-square 54.733303 13 0.0000

Sumber: Hasil pengolahan data dengan Eviews 9, data diolah oleh peneliti

Berdasarkan hasil pengujian yang ditunjukan oleh tabel diatas diketahui

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

Uji Hausman ini bertujuan untuk membandingkan antara Fixed Effect

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

Correlated Random Effects - Hausman Test

Equation: Untitled

Test cross-section random effects

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

Cross-section random 2.909656 3 0.4058

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

random effect model. Maka lanjut ke uji lagrange multiplayer.

4.2.3.3 Uji Langrange Multiplier

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

Fixed Effect atau Random Effect yang paling tepat.

Tabel 4. 9
Hasil Uji Langrange 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 21.23291 1.218499 22.45141

(0.0000) (0.2697) (0.0000)

Honda 4.607918 -1.103857 2.477746

(0.0000) -- (0.0066)

King-Wu 4.607918 -1.103857 1.269874

(0.0000) -- (0.1021)

Standardized Honda 5.780006 -0.906166 -0.164595

(0.0000) -- --
Standardized King-Wu 5.780006 -0.906166 -1.205347
(0.0000) -- --
Gourierioux, et al.* -- -- 21.23291
(< 0.01)

*Mixed chi-square asymptotic critical values:

1% 7.289
5% 4.321
10% 2.952

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

yang harus dilakukan adalah Common Test Effect.

4.2.4 Kesimpulan Pemilihan Model Regresi Data Panel

Hasil uji dari output yang telah dilakukan yaitu uji chow, uji hausman, dan

uji langrange multiplier, dapat disimpulkam bahwa hasil model terbaik pada

penelitian ini adalah common effect model.

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

4.2.5 Uji Asumsi Klasik

Uji asumsi klasik digunakan untuk menguji kelayakan model regresi. Uji

asumsi klasik yang digunakan dalam penelitian ini yaitu:

1. Uji Normalitas

Uji normalitas dalam penelitian ini untuk mengetahui apakah data yang

digunakan mempunyai distribusi normal atau tidak. Data yang baik memiliki

distribusi normal. Dalam penelitian ini peneliti membandingkan nilai Jarque-bera

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

Hasil Uji Normalitas

Berdasarkan hasil pengujian yang ditunjukkan oleh gambar diatas,

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

bahwa data berdistribusi normal.

2. Uji Multikolinearitas

Uji multikolinearitas bertujuan untuk menguji apakah model regresi linearada

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

(gender diversity) sebesar -0.136635, X2 (gender diversity) dan X3 (kompensasi

eksekutif) sebesar 0.045484. Indikasi terjadinya multikolinearitas apabila

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 heteroskedastisitas salah satunya dapat dilakukan dengan menggunakan

Uji glejser yaitu dengan cara meregresikan antara variabel independen dengan

nilai absolut residualnya. Jika nilai signifikansi antara variabel independen

dengan absolut residual > 0,05 maka tidak terjadi masalah heteroskedastisitas..

Ada atau tidaknya heteroskedastisitas dapat diketahui dari nilai probability

chisquare lebih besar dari 0,05 maka tidak terjadi masalah heteroskedastisitas.

Sebaliknya jika nilai probability chi-square lebih kecil dari 0,05 maka terjadi

masalah heteroskedastisitas. Hasil pengujian uji heteroskedastisitas dapat dilihat

68
pada tabel berikut:

Tabel 4. 12
Hasil Uji Heteroskedastisitas

Dependent Variable: RESABS

Method: Panel Least Squares
Date: 05/08/23 Time: 22:40
Sample: 2017 2021
Periods included: 5
Cross-sections included: 14
Total panel (balanced) observations: 70

Variable Coefficient Std. Error t-Statistic Prob.

C 0.014221 0.058358 0.243684 0.8084

X1 0.009250 0.010925 0.846706 0.4010
X2 0.110806 0.404129 0.274185 0.7850
X3 0.015069 0.015151 0.994594 0.3245

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.323763 Mean dependent var 0.078593

Adjusted R-squared 0.119616 S.D. dependent var 0.109931
S.E. of regression 0.103147 Akaike info criterion -1.497821
Sum squared resid 0.563878 Schwarz criterion -0.951758
Log likelihood 69.42374 Hannan-Quinn criter. -1.280918
F-statistic 1.585932 Durbin-Watson stat 1.730478
Prob(F-statistic) 0.105573

Sumber: Hasil pengolahan data dengan Eviews 9, data diolah oleh peneliti

Hasil yang diperoleh dari uji heteroskedastisitas dengan menggunakan

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

kesimpulan bahwa model regresi tidak terjadi heteroskedastisitas.

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

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

Pengujian autokorelasi dilakukan dengan metode Durbin Watson dan

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.

Hasil output yang disajikan dalam tabel diatas nilai DW (Durbin-

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

didapat adalah tidak terjadi autokorelasi.

4.2.6 Uji Ketetapan Model – Uji Koefisien Determinasi (R2)

Uji yang dilakukan untuk mengukur ketetapan fungsi regresi sampel dalam

menaksir nilai aktual secara statistik. Koefisien determinasi bertujuan untuk

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

sebaliknya apabila Adjusted R-Square besar berarti kemampuan variabel-variabel

bebas dalam menjelaskan variasi variabel terikat besar. Berikut hasil uji koefisien

determinasi:

Tabel 4. 14
Hasil Uji Koefisien Determinasi

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

Unweighted Statistics

R-squared 0.583188 Mean dependent var 0.076706

Sum squared resid 0.580971 Durbin-Watson stat 1.795911

Sumber: Hasil pengolahan data dengan Eviews 9, data diolah oleh peneliti

Hasil output tabel diatas menerangkan bahwa besarnya nilai koefisien

determinasi (R2), Adjusted R-Square adalah 0.854451 yang artinya bahwa

pengaruh variabel bebas (Financial distress, gender diversity dan kompensasi

eksekutif ) terhadap variabel terikat (tax avoidance) adalah sebesar 85%

berpengaruh terhadap variabel tax avoidance dan sisanya 15% dipengaruhi oleh

variabel diluar penelitian.

4.2.6 Analisis Regresi Data Panel

71
 Penelitian ini menggunakan regresi linear berganda data panel untuk

menjelaskan hubungan beberapa variabel yang diteliti. Metode regresi linear

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

Variable Coefficient Std. Error t-Statistic Prob.

Tax Avoidance 0.043967 0.011942 3.681704 0.0005

Financial Distress -0.000134 0.001385 -0.096806 0.9232
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

Hasil output tabel di atas, persamaan regresi data panel dapat disusun

sebagai berikut:

Y = α + β1X1 + β2X2 + β3 X3 + e

Y = 0.043967 - 0.000134 X1 + 0.009188 X2 + 0.015994 X3 + 0.011942

Berdasarkan persamaan regresi diatas dapat disimpulkan sebagai berikut:

1. Besarnya konstanta tax avoidance sebesar 0.043967 menunjukan bahwa jika

semua variabel independen sama dengan nol maka tax avoidance bernilai

0.043967.

2. Besarnya koefisien proporsi financial distress sebesar -0.000134 dan

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

avoidance sebesar -0.000134.

3. Besarnya koefisien gender diversity sebesar 0.009188 dan berpengaruh

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.

4. Besarnya koefisien kompesasi eksekutif sebesar 0.015994 namun tidak

memiliki pengaruh yang signifikan karena memiliki Prob thitung yaitu

0.0041< 0.05. Sehingga hasil ini menunjukan jika variabel gender diversity

naik satu satuan, dengan asumsi variabel lain tetap maka akan menaikan tax

avoidance sebesar 0.015994.

4.2.7 Uji Hipotesis

Uji yang merupakan pernyataan-pernyataan yang menggambarkan suatu

hubungan antara dua variabel yang berkaitan dengan suatu kasus tertentu dan

merupakan anggapan sementara yang perlu di uji berpengaruh atau tidak

berpengaruh tentang dugaan dalam suatu penelitian serta memiliki manfaat bagi

proses penelitian agar efektif dan efisien. Pengujian hipotesis antara lain:

1. Uji Simultan (Uji Statistik F)

Uji statistik F bertujuan untuk menunjukkan seberapa jauh pengaruh

seluruh variabel independen secara simultan atau bersama-sama dalam

menerangkan variasi variabel dependen. Hasil uji F secara simultan

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

Hasil output tabel diatas Prob(F-statistic) untuk seluruh model

menunjukkan nilai 0.000000, berarti nilai probalibilitas lebih kecil dari

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

kompemsasi eksekutif berpengaruh signifikan terhadap Tax Avoidance, maka H3

diterima.

1. Uji t (Parsial)

Uji t (Parsial) pada dasarnya menunjukkan seberapa jauh pengaruh satu

variabel independen secara individual dalam menerangkan variasi variabel

dependen. Hasil uji regresi secara parsial ditunjukkan pada Tabel berikut :

Tabel 4. 17
Hasil Uji t
Variable Coefficient Std. Error t-Statistic Prob.

Tax Avoidance 0.043967 0.011942 3.681704 0.0005

Financial Distress -0.000134 0.001385 -0.096806 0.9232

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

dijelaskan pengaruh masing-masing variabel independen terhadap variabel

dependen sesuai dengan hipotesis yang telah disebutkan dalam Bab 2 pada

pengembangan hipotesis. Adapun penjelasan untuk hasil uji statistik t pada tabel

4.17 sebagai berikut:

1. Pengujian Hipotesis 1

Berdasarkan Tabel 4.17 di atas menunjukkan bahwa variabel X1 (financial

distress) memiliki nilai probabilitas sebesar 0.9232, tersebut lebih besar jika

dibandingkan tingkat signifikasi (0,05). Maka nilai signifikasinya lebih besar

dari probabilitas, atau dengan kata lain 0.9232>0,05. Dengan hasil ini, maka

dapat disimpulkan bahwa secara parsial variabel financial distress (X1) tidak

berpengaruh terhadap Tax Avoidance (Y). Dengan demikian H1 ditolak.

2. Pengujian Hipotesis 2

Berdasarkan Tabel 4.17 di atas menunjukkan bahwa variabel X2 (gender

diversity) memiliki nilai probabilitas sebesar 0.4342, tersebut lebih besar jika

dibandingkan tingkat signifikasi (0,05). Karena nilai signifikasinya lebih

besar dari probabilitas, atau dengan kata lain 0.4342 > 0,05. Dengan hasil ini,

maka dapat disimpulkan bahwa secara parsial variabel gender diversity (X2)

tidak berpengaruh terhadap Tax Avoidance (Y). Dengan demikian H2

ditolak.

4.2.8 Hasil Uji Moderating Regression Analysis (MRA)

75
 Variabel moderating adalah variabel yang dapat memperkuat atau

memperoleh hubungan langsung antara variabel independen dengan dependen.

Pengujian variabel kompensasi eksekutif sebagai variabel moderasi didalam

penelitian ini apakah memoderasi atau tidak memoderasi hubungan antara

variabel Proporsi financial distress dan gender diversity terhadap Tax Avoidance.

Moderated Regression Analysis atau uji interaksi 71 merupakan aplikasi khusus

regresi berganda linier dimana dalam persamaan regresinya mengandung unsur

interaksi (perkalian dua atau lebihbvariabel independent). Berikut hasil pengujian

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

Variable Coefficient Std. Error t-Statistic Prob.

Tax Avoidance 0.103657 0.039119 2.649758 0.0101

Financial Distress -0.009024 0.008754 -1.030868 0.3064
Kompensasi Eksekutif 0.007183 0.013184 0.544839 0.5877
Financial Distress*Kompensasi Eksekutif -0.004358 0.006680 -0.652430 0.5164

Effects Specification
S.D. Rho

Cross-section random 0.101542 0.4867

Idiosyncratic random 0.104276 0.5133

Weighted Statistics

R-squared 0.023863 Mean dependent var 0.032013

Adjusted R-squared -0.020507 S.D. dependent var 0.103430
S.E. of regression 0.104485 Sum squared resid 0.720532
F-statistic 0.537815 Durbin-Watson stat 1.502434

76
Prob(F-statistic) 0.658027

Unweighted Statistics

R-squared 0.072160 Mean dependent var 0.076706

Sum squared resid 1.293265 Durbin-Watson stat 0.837068

Sumber: Hasil pengolahan data dengan Eviews 9, data diolah oleh peneliti

Berdasarkan hasil uji pada tabel diatas moderasi Financial distress

terhadap Kompensasi eksekutif memberikan nilai Prob. 0.5164. Artinya 0.5164 >

0.05 merupakan interaksi antara proporsi financial distress terhadap tax avoidance

dengan kompensasi eksekutif diketahui tidak signifkan. Maka dapat disimpulkan

bahwa kompensasi eksekutif tidak memoderasi hubungan pengaruh antara

financial distress dengan tax avoidance, sehingga H4 ditolak.

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

Variable Coefficient Std. Error t-Statistic Prob.

Tax Avoidance 0.057054 0.039362 1.449484 0.1519

Gender Diversity 0.225604 0.285009 0.791568 0.4314
Kompensasi Eksekutif 0.079622 0.029259 2.721269 0.0083
Gender Diversity*Kompensasi Eksekutif -0.801770 0.289888 -2.765790 0.0074

Effects Specification
S.D. Rho

Cross-section random 0.101264 0.5103

Idiosyncratic random 0.099195 0.4897

Weighted Statistics

R-squared 0.105081 Mean dependent var 0.030779

Adjusted R-squared 0.064402 S.D. dependent var 0.102695
S.E. of regression 0.099333 Sum squared resid 0.651227
F-statistic 2.583220 Durbin-Watson stat 1.563003
Prob(F-statistic) 0.060667

77
 Unweighted Statistics

R-squared 0.123591 Mean dependent var 0.076706

Sum squared resid 1.221577 Durbin-Watson stat 0.833243

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

merupakan interaksi antara gender diversity terhadap tax avoidance dengan

kompensasi eksekutif diketahui signifkan. Maka dapat disimpulkan bahwa

kompensasi eksekutif memoderasi (memperkuat) pengaruh antara gende diversity

dengan tax avoidance, sehingga H5 diterima.

4.2 Pembahasan Hasil Penelitian

Hasil analisis di atas, maka pembuktian hipotesis dapat dijelaskan

sebagai berikut :

Hipotesis Pernyataan Hasil

H1 Financial Distress terhadap Tax Avoidance Hipotesis Ditolak
H2 Gender Diversity terhadap Tax Avoidance Hipotesis Ditolak
H3 Financial Distress, Gender Diversity, dan Hipotesis
Kompensasi Eksekutif Terhadap Tax Avoidance Diterima
H4 Kompensasi Eksekutif memoderasi pengaruh Hipotesis Ditolak
Financial Distress Terhadap Tax Avoidance
H5 Kompensasi Eksekutif memoderasi pengaruh Hipotesis
Gender Diversity Terhadap Tax Avoidance Diterima

Sumber : Data Diolah 2023

1. Pengaruh Financial Distress terhadap Tax Avoidance

Hipotesis pertama yang diajukan dalam penelitian ini adalah Financial

Distress tidak berpengaruh terhadap Tax Avoidance. Hal pengujian yang

dilakukan menunjukkan bahwa nilai probability Financial Distress sebesar

78
0,9232 berarti nilai probabilitas lebih besar dari nilai signifikansi (0,05). Maka

dapat disimpulkanFinancial Distress tidak berpengaruh terhadap Tax Avoidance.

Hal ini menunjukkan hipotesis kedua dalam penelitian ini ditolak.

Hasil tersebut membuktikan bahwa hipotesis pertama ditolak. Hal ini dapat

diartikan bahwa apabila perusahaan memiliki tingkat financial distress tidak akan

meningkatkan kecenderungan perusahaan untuk melakukan tindakan

penghindaran pajak. Perusahaan yang seringkali melakukan tindakan Tax

Avoidance cenderung merupakan perusahaan besar dengan kondisi keuangan

yang sehat karena nilai laba yang dimiliki bernilai besar maka nilai pajak

penghasilannya pun akan bernilai besar sehingga perusahaan dengan keuangan

sehat akan cenderung melakukan praktik penghindaran pajak untuk

meminimalisir beban pajaknya. Dengan kondisi keuangan yang sehat perusahaan

juga dinilai mampu membayar akuntan profesional untuk mencari celah pajak

dengan rekayasa hukum agar dapat melakukan penghindaran pajak tanpa

menyalahi undang-undang. Hal ini juga dikarenakan semakin tinggi tingkat

Financial Distress suatu perusahaan atau semakin sulit kondisi keuangan

perusahaan maka dipandang akan terlalu beresiko untuk melakukan tindakan

penghindaran pajak yang mana dampaknya akan mempersulit perusahaan dalam

melakukan kegiatan pendanaan.

2. Pengaruh Gender Diversity terhadap Tax Avoidance

Hipotesis kedua yang diajukan dalam penelitian adalah gender diversity

tidak berpengaruh terhadap tax avoidance. Hasil pengujian yang dilakukan

menunjukkan bahwa nilai probability gender diversity sebesar 0,4342 berarti

79
 nilai probabilitas lebih besas dari nilai signifikansi (0,05). Sehingga variabel

gender diversity tidak berpengaruh terhadap tax avoidance. Hal ini menunjukkan

hipotesis ketiga dalam penelitian ini ditolak. (Sembiring, 2021)

Hasil ini sesuai dengan riset yang dibuktikan oleh Mala & Ardiyanto (2021),

dan Prasetyo (2019). Dengan kata lain, baik pria maupun wanita, keduanya

bertanggung jawab secara profesional sebagai direksi dari suatu perusahaan.

Akan tetapi, berbeda dengan hasil yang diteliti oleh Hoseini et al. (2019)

dan Jarboui et al. (2020) dimana mereka membuktikan bahwa board gender

diversity memberi dampak kepada penghindaran pajak karena kehadiran

perempuan di dewan perusahaan memiliki perilaku manajer yang egois dan

oportunistik dan mengungkap niat palsu mereka seperti menghindari

membayar pajak untuk memaksimalkan kepentingan pemegang saham.

3. Pengaruh Financial Distress, Gender Diversity, dan Kompensasi

Eksekutif Terhadap Tax Avoidance

Hipotesis ketiga yang diajukan Financial Distress, Gender Diversity,

dan Kompensasi Eksekutif berpengaruh secara simultan terhadap Tax

Avoidance. Hasil pengujian pada penelitian ini menunjukkan bahwa pada uji

f (simultan) untuk menyeluruh model menunjukkan nilai 0.000000 dimana

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

variabel Financial Distress, Gender Diversity, dan Kompensasi Eksekutif

berpengaruh signifikan Terhadap Tax Avoidance. Hasil tersebut membuktikan

bahwa hipotesis ketiga diterima. Hal ini dapat diartikan bahwa secara

80
 bersama-sama financial distress, gender diversity dan kompensasi eksekutif

mempengaruhi tindakan penghindaran pajak / Tax Avoidance. Nilai koefesien

determinasi sebesar 85% menunjukan bahwa Konservatisme Akuntansi,

Financial Distress dan Sales Growth mampu menjelaskan variabel Tax

Avoidance sedangkan sisanya sebesar 15% dipengaruhi oleh variabel lain.

4. Pengaruh Kompensasi Eksekutif memoderasi pengaruh Financial

Distress Terhadap Tax Avoidance

Berdasarkan hasil uji pada tabel 4.15 uji moderasi pengaruh financial

distress antara proporsi kompensasi eksekutif terhadap tax avoidance memiliki

nilai probabilitas 5164. Artinya 0.5164 > 0.05 merupakan interaksi antara

proporsi financial distress terhadap tax avoidance dengan kompensasi eksekutif

diketahui tidak signifkan. Maka dapat disimpulkan bahwa kompensasi eksekutif

tidak memoderasi hubungan pengaruh antara financial distress dengan tax

avoidance, sehingga H4 ditolak.

Hal ini bisa menjadi penjelasankan dimana suatu perusahaan yang

mengalami kesulitan keuangan dihadapkan pada kondisi meningkatnya biaya

modal, pengurangan akses sumber dana eksternal, penurunan rating kredit yang

mengakibatkan manajemen untuk mengambil risiko lebih 4 terkait agresivitas

pajak perusahaan. Jika perusahaan yang mengalami kesulitan keuangan akan

berusaha untuk meminimalisir seluruh pengeluaran dan juga akan berupaya

untuk menjaga citra perusahaan di masyarakat. Semakin lama perusahaan

terjebak dalam posisi financial distress, maka semakin besar pula jumlah pajak

yang dihindari.

81
5. Pengaruh Kompensasi Eksekutif memoderasi pengaruh Gender Diversity

Terhadap Tax Avoidance

Berdasarkan hasil uji pada tabel 4.16 uji moderasi pengaruh gender

diversity antara proporsi kompensasi eksekutif terhadap tax avoidance

memiliki nilai Prob. 0.0074. Artinya 0.0074 < 0.05 merupakan interaksi antara

gender diversity terhadap tax avoidance dengan kompensasi eksekutif

diketahui signifkan. Maka dapat disimpulkan bahwa kompensasi eksekutif

memoderasi (memperkuat) pengaruh antara gende diversity dengan tax

avoidance, sehingga H5 diterima.

Hasil ini menjelaskan keragaman gender didalam perusahan sangatlah

mempengaruhi akan kinerja perusahaan yang akan menimbulkan kinerja yang

lebih efektif dan transparan. Dan keragaman gender pula yang mempengaruhi

monitoring perusahaan dan hasil yang akan didapatkan lebih baik yang akan

meminimalkan akan resiko terhadap kegagalan.

82