SKRIPSI
Disusun Oleh:
INDRI TRI JULIYANTI
372061003
2017-2021)
Period)
NIM : 372061003
Bandung,
Mengesahkan,
Pembimbing, Ketua Program Studi,
(Intan Pramesti Dewi, S.E., AK., M.Ak.) (Dani Sopian, S.E., M.Ak.)
Mengetahui
Wakil Ketua I Bidang Akademik,
i
LEMBAR PERSETUJUAN REVISI TUGAS AKHIR
Telah melakukan sidang tugas akhir pada hari Jumat, 10 Februari 2023 dan telah
melakukan revisi sesuai masukan pada sidang tugas akhir.
Mengetahui
Ketua Program Studi Akuntansi,
ii
PERNYATAAN ORISINALITAS SKRIPSI
NIM : 372061003
Dengan ini menyatakan tugas akhir yang saya susun dengan judul:
Adalah benar-benar hasil karya saya sendiri dan bukan merupakan plagiat dari tugas
akhir orang lain. Apabila dikemudian hari pernyataan saya tidak benanr, maka saya
bersedia menerima sanksi akademis yang berlaku. Demikian pernyataan ini saya
iii
ABSTRAK
Kata kunci :
Penghindaran Pajak, Profitabilitas, Financial Distress
iv
ABSTRACT
This study aims to find out how likely it is for companies to carry outtax
avoidance which is an act of resistance to pajak.
This research is a quantitative study with secondary data on
manufacturing companies listed on the Indonesia Stock Exchange (IDX) during the
2017-2021 period. The sampling technique used in this study was sampling area
(cluster) sampling (sampling by region).
The samples obtained were 47 companies for 5 consecutive years as many
as 235 samples. The data analysis method used in this study is multiple linear
regression analysis with the SPSS20-22 tool. The results of simultaneous statistical
research (F-Test) show that together Financial Distress and profitability affect Tax
Avoidance. The results of the statistical research (t-test) from the results of the
Financial Distress analysis and profitability of tax avoidance have a significant
positive effect on Tax Avoidance. The results of this study Financial Distress G-
score have a positive but not significant effect on Tax Avoidance and Financial
Distress Z-score has a significant positive effect on Tax Avoidance.
Keywords:
Tax Avoidance, Profitability, Financial Distress
v
KATA PENGANTAR
Puji serta syukur saya panjatkan kehadirat Allah SWT atas berkah, rahmat,
ridho, dan karunia-Nya sehingga saya dapat menyelesaikan penelitian ini dan tak
lupa shalawat serta salam tak lupa penulis tujukan kepada Nabi Muhammad SAW.
Dalam penyusunan skripsi ini telah melibatkan banyak pihak yang sangat
membantu dalam banyak hal. Oleh karena itu, pada kesempatan ini saya ingin
2. Pertama saya harus mengucapkan terima kasih dan rasa syukur untuk saya
sendiri, bisa sampai dititik ini terima kasih telah sabar dan mampu memberikan
3. Kedua orang tua saya yang tercinta, Ibu Lindawati dan Bapak Asri Mulyadi
yang tak hentinya memberikan do’a, dukungan serta kasih sayang yang tiada
vi
4. Adik dan kakak saya Jenny, Safira, Reni, Rama, Frisca yang selalu
ini.
5. Ibu Intan Pramesti Dewi, S.E., AK., M.Ak. selaku dosen pembimbing skripsi.
Terima kasih atas waktu, tenaga, ilmu, serta pengarahan dan saran-saran yang
skripsi ini.
6. Ibu Dr. Hj. Nur Hayati., M.Si., selaku Ketua Sekolah Tinggi Ilmu Ekonomi
7. Ibu Intan Pramesti Dewi, S.E., AK., M.Ak. selaku Wakil Ketua 1 Bidang
8. Bapak Dani Sopian, SE., M.Ak selaku Ketua Program Studi Akuntansi
9. Seluruh Bapak dan Ibu dosen yang telah memberikan ilmu yang tidak terbatas
10. Seluruh jajaran staf Sekolah Tinggi Ilmu Ekonomi STAN – Indonesia Mandiri
11. Kepada seseorang yang selalu mendukung saya dari awal perkuliahan sampai
12. Kepada teman sekaligus sahabat Puja, Syahrul, Ismi, Nielda, dan Aisyah yang
vii
13. Teman-teman Akuntansi 2020, terima kasih karena telah bertahan hingga
akhir, berbagi ilmu dikala kesibukan masing-masing, semoga apa yang kita
14. Serta semua pihak yang tidak dapat saya sebutkan satu persatu, terima kasih
banyak karena telah membantu dalam menyusun skripsi ini. Semoga Allah
SWT membalas semua kebaikan yang telah diberikan kepada semua pihak
Dalam hal ini, saya menyadari bahwa skripsi ini masih belum sempurna karena
itu saran dan kritik yang membangun masih sangat diperlukan dalam
viii
DAFTAR ISI
ix
2.2. Tax Avoidance ............................................................................... 18
2.2.1. Definisi Tax Avoidance .................................................................. 18
2.2.2. Macam-macam Perlawanan Pajak .................................................. 20
2.2.3. Ketentuan Penghindaran Pajak (Tax Avoidance) ............................ 21
2.2.4. Pengukuran Tax Avoidance ............................................................. 22
2.3. Financial Distress ......................................................................... 24
2.3.1. Definisi Financial Distress ............................................................. 24
2.3.2. Dampak Financial Distress............................................................. 25
2.3.3. Pengukuran Financial Distress ....................................................... 26
2.2.3.1. Model Altman Z-Score ............................................................ 26
2.3.3.2. Model Zmijewski ..................................................................... 30
2.3.3.3. Model Grover G-Score ............................................................ 31
2.3.3.4. Model Olhson O-Score ............................................................ 31
2.3.3.5. Model Camel ........................................................................... 33
2.3.3.6. Model S-Score ......................................................................... 34
2.3.3.7 Model Zeta ............................................................................... 35
2.4. Profitabilitas .................................................................................. 37
2.4.1. Definisi Profitabilitas ...................................................................... 37
2.4.2. Tujuan dan Manfaat Profitabilitas................................................... 37
2.4.3. Pengukuran Profitabilitas ................................................................ 38
2.5. Penelitian Terdahulu ...................................................................... 41
2.6. Kerangka Teoritis .......................................................................... 46
2.6.1. Pengaruh Financial Distress Terhadap Tax Voidance .................... 47
2.6.2. Pengaruh Profitabilitas Terhadap Tax Avoidance ........................... 48
2.7. Model Analisis............................................................................... 49
2.7.1. Pengembangan Hipotesis ................................................................ 49
BAB III ................................................................................................................. 50
METODE PENELITIAN ................................................................................... 50
3.1. Objek Penelitian ............................................................................ 50
3.4. Lokasi Penelitian ........................................................................... 51
3.4. Metode Penelitian .......................................................................... 51
3.5. Unit Analisis .................................................................................. 52
x
3.6. Populasi dan Sampel...................................................................... 53
3.6.1. Populasi Penelitian .......................................................................... 53
3.6.2. Sampel Penelitian ............................................................................ 62
3.6.3. Teknik Pengambilan Sampel dan Penentu Ukuran Sampel ............ 63
3.7. Teknik Pengumpulan Sampel ........................................................ 66
3.8. Jenis dan Sumber Data .................................................................. 67
3.9. Operasionalisasi Variabel .............................................................. 67
3.10. Operasional Variabel Independen ................................................. 68
3.11. Variabel Dependen ........................................................................ 69
3.12. Teknik Analisis Data ..................................................................... 71
3.13. Analisis Statistik Deskriptif ........................................................... 71
3.14. Uji Asumsi Klasik ......................................................................... 73
3.15. Analisis Kolerasi ........................................................................... 76
3.15. Pengujian Hipotesis ....................................................................... 77
3.15.1. Uji Analisis Regresi Linier Berganda ............................................. 77
3.15.2. Uji Signifikan Simultan (Uji F) ...................................................... 79
3.15.3. Uji Persial ( Uji t) ............................................................................ 80
3.15.4. Uji Koefisien Determinasi .............................................................. 81
BAB IV ................................................................................................................. 83
HASIL PENELITIAN DAN PEMBAHASAN ................................................. 83
4.1. Hasil Penelitian.............................................................................. 83
4.1.1. Sampel Penelitian ............................................................................ 83
4.2. Analisa Deskriptif .......................................................................... 88
4.2.1. Financial Distress ........................................................................... 89
4.2.1.1. Financial Distress Model Altman Z-Score ..................................... 89
4.2.1.2. Financial Distress G-Score ............................................................. 96
4.2.2. Profitabilitas .................................................................................. 100
4.2. Tax Avoidance ............................................................................... 104
4.3. Rata-rata dan Standar Deviasi ..................................................... 108
4.4. Uji Asumsi Klasik ....................................................................... 110
4.4.1. Uji Normalitas ............................................................................... 111
4.4.2. Multikolonieritas ........................................................................... 114
xi
4.4.3. Uji Heteroskedastisitas .................................................................. 115
4.4. Uji Autokorelasi ............................................................................ 117
4.5. Analisis Korelasi ......................................................................... 118
4.6. Pengujian Hipotesis ..................................................................... 120
4.6.1. Analisis Regresi Linier Berganda ................................................. 120
4.6.2. Uji Signifikan Simultan (Uji-F) .................................................... 124
4.6.3. Uji Persial (Uji-t)........................................................................... 125
4.6.4. Uji Koefisien Determinasi (R2) ..................................................... 127
4.7. Pembahasan Hasil Penelitian dan Keterbatasan .......................... 128
4.7.1. Pembahasan ................................................................................. 128
4.8. Implikasi ...................................................................................... 132
4.8.1. Implikasi Teoritis .......................................................................... 132
4.8.2. Implikasi Praktis ........................................................................... 132
4.9. Keterbatasan ................................................................................ 133
BAB V................................................................................................................. 134
KESIMPULAN DAN SARAN ......................................................................... 134
5.1. Kesimpulan .................................................................................. 134
5.2. Saran ............................................................................................ 135
5.2.1. Saran Teoritis ................................................................................ 135
5.2.2. Saran Praktis ................................................................................. 136
DAFTAR PUSTAKA .................................................................................. cxxxvii
LAMPIRAN ...................................................................................................... cxliii
xii
DAFTAR TABEL
xiii
DAFTAR GAMBAR DAN GRAFIK
xiv
DAFTAR LAMPIRAN
xv
BAB I
PENDAHULUAN
Undang tetang Ketentuan Umum dan Tata Cara Perpajakan UU HPP (Undang-
dan ditetapkan pada 29 Oktober 2021, Pajak merupakan kontribusi wajib pajak
2021).
Pajak juga dapat dikatakan sebagai suatu kewajiban dan tindakan yang
tidak menguntungkan bagi perusahaan, tindakan pembayaran pajak ini juga dapat
kewajiban pajak yang dilakukan dengan bermacam cara adapun dengan cara yang
pajak (Tax Avoidance) Rahma et al., dalam Tri, (2022). Tindakan tersebut dapat
system, karena wajib pajak orang pribadi maupun badan telah diberikan wewenang
1
untuk melaporkan sendiri jumlah pajak yang telah dihitung yang terutang
unik karena di satu sisi Tax Avoidance tidak melanggar hukum (legal), namun disisi
dituduhkan kepada salah satunya pada perusahaan PT. Adaro Energy Tbk, menurut
global witness.org pada laporannya menyatakan bahwa PT. Adaro Energy Tbk,
perusahaan di negara yang dapat membebaskan pajak atau memiliki tarif pajak yang
rendah, penghindaran pajak yang dilakukan PT. Adaro Energy Tbk. Sudah
dilakukan sejak tahun 2009 hingga tahun 2017. PT. Adaro Energy Tbk juga
melakukan praktik tersebut dapat membayar pajak sebesar Rp. 1,75 Triliun atau
sebesar US$125 juta lebih, penghindaran pajak tersebut dilakukan dengan cara
PT. Rajawali Nusantara Indonesia perusahaan yang bergerak dalam bidang jasa
terbatas, tetapi dari segi permodalan, perseroan Tergantung hutang subordinasi atau
2
menghindari kewajiban sehubungan dengan pajak yang dipungut. Dalam laporan
keuangan, kerugian yang tercatat sangat besar sehingga ada pajak yang masuk ke
negara itu. dalam laporan keuangan PT. RNI 2014, Rekor Rp. 20,4 miliar.
Sedangkan omzet perusahaan hanya 2.178 miliar. Belum lagi nilai kerugian yang
ditahan dalam laporan tahunan yang sama Rp. 26,12 miliar. (Bagaskara, 2022).
terhadap Tax Avoidance yang dijadikan sebagai objek penelitian dan variabel yang
Financial Distress, Likuiditas, dan Sales Growth yang diteliti oleh (Suhaidar et al.,
dan Financial Distress yang diteliti oleh (Putri & Yanti, 2022), Ketidak Pastian
2022).
3
masalah dari yang dapat mengakibatkan perusahaan menghadapi kondisi
2020), (Anugerah et al., 2022), (Putri & Yanti, 2022), menjelaskan bahwa Financial
oleh penelitian (Astriyani & Safii, 2022), (Lukito & Sandra, 2021), (Rosalian, 2021),
pajak lebih besar. Penelitian yang dilakukan oleh (Gian & Eva, 2022), (Alfarizi et
al., 2021), (vani, 2020), yang menyatakan bahwa profitabilitas tidak terdapat
adanya pengaruh untuk Tax Avoidance. Penelitian yang dilakuka oleh (Atika,
Avoidance sedangkan hasil penelitian (Faradilla & Bhilawa, 2022), (Sudaryo et al.,
Avoidance.
4
Berdasarkan penjelasan diatas dan adanya inkonsistensi dalam penelitian
2017-2021?
2021?
5
1.3. Tujuan Penelitian
2021.
2021.
dapat memberikan manfaat yang terotis bagi penulis dan pihak lainnya yang
6
1.4.1. Kegunaan Teoritis
mendalam serta masukan dan wawasan ilmu akuntansi terutama dalam ilmu
penelitian ini diharapkan dapat menjadi bahan rujukan dan referensi bagi peneliti
yang akan meneliti penelitian yang serupa pada masa yang akan datang.
penulis yang akan meneliti dimasa yang akan datang, mengenai Financial
Avoidance.
7
kebijakan perusahaan agar tetap patuh dengan hukum dan taat terhadap
tersebut.
8
BAB II
PENGEMBANGAN HIPOTESIS
adanya hubungan kontrak antara principal dan agent untuk melakukan sebuah
oprasional dan laporan keuangan perusahaan yang lebih diketahui dan dipahami
Masalah agensi ini yaitu berkaitan dengan tax avoidance yang adanya
9
manajemen perusahaan yang menimbulkan dampak dilakukannya tax avoidance.
melakukan regulasi terhadap perusahaan yang dapat dikatakan sebagai agent. Hal
ini sangat kontras dengan manajemen perusahaan, yaitu menjaga biaya pajak yang
Korporasi dapat memanipulasi kewajiban pajak agar laba bersih yang diperoleh
2.1.2. Pajak
adalah iuran rakyat kepada kas negara berdasarkan undang-undang (yang dapat
kekayaan dari pihak rakyat kepada kas negara untuk membiayai pengeluaran rutin
dan surplusnta digunakan public saving yang merupakan sumber utama membiayai
10
Dalam UU HPP (Undang-Undang Harmonisasi Peraturan Perpajakan) No.
7 Tahun 2021 tentang Undang-undang Ketentuan Umum dan Tata Cara Perpajakan
No. 7 Tahun 2021, yang tetapkan pada tanggal 29 Oktober 2021, perpajakan adalah
Pajak merupakan hal yang sangat penting bagi setiap negara. Semakin
banyak masyarakat yang membayar pajak, maka semakin banyak pula sarana dan
prasarana yang akan dibangun. Oleh karena itu, perpajakan merupakan landasan
pembangunan nasional.
pengeluaran negara untuk menjalankan tugas-tugas negara yang bersifat rutin dan
melakukan pembangunan dan semua itu negara membutuhkan biaya, biaya yang
pajak. Pajak memiliki fungsi pengaturan dan dapat digunakan sebagai alat untuk
mencapai tujuan. Misalnya, untuk mendorong investasi dalam dan luar negeri,
11
pemerintah memberlakukan bea masuk yang tinggi terhadap produk luar negeri.
c. Fungsi Stabilitas
kebijakan terkait stabilitas harga, sehingga inflasi dapat dikendalikan, yang dapat
melihat dari bertanggung jawab atas pembayaran pajak kepada negara jenis pajak
1. Golongan Pajak
a. Pajak langsung, yaitu pajak yang dikenakan kepada wajib pajak dan
lain atau wajib pajak lainnya. Dalam hal ini contoh pajak langsung seperti
pajak daerah.
12
b. Pajak tidak langsung adalah pajak yang tanggung jawabnya dapat
2. Menurut Sifat:
Jenis penggolongannya menurut sifat untuk melihat subyek (wajib) atau obyek
pajaknya, yaitu siapa yang wajib membayar pajak itu, tanpa memandang
b. Pajak Obyektif, yaitu pajak yang menekankan pada peristiwa apa yang
pusat provinsi dan pemerintahan daerah maka pemungutan pajak pun dibagi
a. Pajak Pusat yaitu pajak yang dipungut oleh pemerintahan pusat yang
13
pajak penjualan barang mewah, pajak bea cukai dan pajak bea materai.
b. Pajak Daerah yaitu pajak yang dipungut oleh pemerintah daerah baik
menentukan beban pajak dan kapan akan dibayarkan atau dilunasi oleh setiap wajib
pajak Negara mempunyai cara tersendiri yang dapat dilakukan diawal tahun atau
sepanjang tahun atau juga di akhir tahun, pemungutan pajak tersebut terdiri atas
ada 3 (tiga) cara (stelsel) dalam menentukan beban pajak yang harus
dibayarkan/dilunasi yaitu:
yang dibayarkan oleh wajib pajak kepada negara berdasarkan keadaan sebenarnya
dari objek pajak yang diperoleh. Penetapan jumlah pajak dan pembayarannya
hanya dapat dilakukan pada akhir tahun pajak. Kelebihan dari cara ini adalah pajak
yang dikenakan kepada wajib pajak lebih nyata atau benar, karena besarnya
14
Kelemahan dari pengenaan pajak terhadap wajib pajak baru ini meskipun diambil
oleh negara pada akhir tahun, sehingga negara tidak dapat memungut pajak lebih
awal, sedangkan pembiayaan belanja negara harus dilakukan pada awal tahun.
yang dilakukan oleh negara pada awal tahun berdasarkan anggaran tahun
sebelumnya atau perkiraan pendapatan. Kelebihan dari sistem ini adalah negara
dapat memungut pajak dari rakyat lebih awal dan dengan demikian dapat
diberikan wajib pajak tidak sesuai dengan keadaan yang sebenarnya, karena
3. Stelsel Campuran
kemampuan pembayaran pajak tahun sebelumnya. Selain itu, pada akhir tahun,
tersebut. Apabila terdapat perbedaan antara pajak yang dibayar dengan pajak
yang sebenarnya dibayar, wajib pajak dapat melihat selisih lebih bayar atau
kurang bayar.
15
2.1.2.4.2. Asas Pemungutan Pajak
Ada 3 (tiga) asas pengenaan pajak yang sudah ditetapkan oleh dasar
1. Asas Domisili
hukum pada suatu negara, dalam hal ini pajak akan dikenakan pada semua
penghasilan yang diperoleh oleh wajib pajak tanpa melihat sumber darimana.
2. Asas Sumber
yang diperoleh atau diterima wajib pajak, wajib pajak dikenakan pajak atas
dasar sumber penghasilan yang diperoleh atau diterima wajib pajak, karena
pada saat pajak penghasilan dipungut, pajak ini hanya dapat dipungut yang
hanya berasal dari negara yang membayarkan penghasilan, dasar ini juga
berarti bahwa pajak akan dikenakan yang menerima penghasilan dari negara,
3. Asas Kebangsaan
hukum berdasarkan badan hukum, dalam hal ini semua penghasilan yang
16
2.1.2.4.3. Sistem Pemungutan Pajak
negara, rakyat dan lembaga pemungutan pajak, sistem ini disesuaikan dengan
besarnya pajak yang terutang oleh wajib pajak, dalam hal wajib pajak
oleh fiskus, jumlah pajaknya lebih kecil status. Sistem tersebut diatur
untuk pemungutan pajak dan retribusi daerah seperti Pajak Bumi dan
atas kewajiban pemenuhan pajaknya kepada negara. Dalam hal ini negara
pelaporan yang dilakukan oleh wajib pajak, alat control negara adalah
maka negara akan memberikan sanksi denda atau pidana penjara, sistem
17
3. With Holding System
wajib pajak. Dalam sistem ini wajib pajak hanya membayar kepada pihak
BM).
yang tidak diatur, serta kelemahan peraturan perpajakan yang berlaku. Dalam
penghindaran pajak ini, wajib pajak tidak secara nyata melanggar undang-undang,
upaya wajib pajak untuk mengurangi beban pajak dengan tidak melakukan
18
Pohan (2013) dalam (Ramdhan, 2021) menjelaskan penghindaran pajak
adalah sebagai upaya wajib pajak secara hukum menghindari pajak, karena itu
bukan kontradiksi dengan memanfaatkan area abu-abu (grey area) atau kelemahan
atas biaya-biaya yang langsung atau tidak langsung berkaitan dengan kegiatan
usaha. Wajib pajak meminjam dari bank, dengan bunga pinjaman lebih tinggi
secara nominal bunga pinjaman dicatat dalam laporan keuangan wajib pajak, tetapi
pinjaman tersebut bukan untuk menambah modal wajib pajak, sehingga volume
penghindaran pajak (tax avoidance) mengacu pada upaya yang dilakukan untuk
tindakan yang dilakukan wajib pajak untuk mengurangi beban pajaknya secara
legal/sah.
19
2.2.2. Macam-macam Perlawanan Pajak
penerimaan kas negara. Perlawanan pajak terdiri dari perlawanan pasif dan
1. Perlawanan Pasif
Perlawanan ini bukan inisiatif wajib pajak sendiri, tetapi terjadi karena
cara hidup masyarakatnya, dan teknik perpajakan itu sendiri. Pada umumnya
membeli emas, bukan karena ingin menghindari pajak penghasilan atas bunga,
2. Perlawanan Aktif
Perlawanan oleh pembayar pajak sendiri. Ini adalah upaya dan tindakan yang
kewajiban pajak yang seharusnya dibayarkan. Ada dua cara untuk menolak
pajak secara aktif, yaitu penghindaran pajak (tax avoidance) dan penggelapan
20
2.2.3. Ketentuan Penghindaran Pajak (Tax Avoidance)
1. Menahan diri yang dimaksud dalam menahan diri tersebut, wajib pajak tidak
2. Pindah lokasi yang dimaksud dalam pindah lokasi tersebut, dengan cara
memindahkan lokasi usaha atau domisili dari lokasi yang tarif pajaknya tinggi
mengemukakan bahwa tax avoidance dapat dilakukan dengan berbagai cara, yaitu
sebagai berikut:
perlakuan pajak khusus atau keringanan pajak (tax haven country) atas suatu
transaksi melalui pemilihan formal yang memberikan beban pajak yang paling
foreign corporation (spesific anti avoidance rule), serta transaksi yang tidak
21
2.2.4. Pengukuran Tax Avoidance
(Anisa, 2022) menyatakan bahwa terdapat dua belas yang digunakan dalam
mengukur tax avoidance, berikut pengukuran tax avoidance disajikan dalam tabel
dibawah ini:
22
12. Margunal tax 𝑆𝑖𝑚𝑢𝑙𝑎𝑡𝑒𝑑 𝑚𝑎𝑟𝑔𝑖𝑛 𝑡𝑎𝑥 𝑟𝑎𝑡𝑒 Present value of
rate taxes on an
additional dollar of
income
CETR (Cash Effective Tax Rate) pengukuran Tax Avoidance menggunakan Cash
Effective Tax Rate (CETR). Menurut Prawita (2019) dalam (Rachel Alchusna
2021) CETR adalah sebuah tarif pajak efektif yang ditanggung oleh perusahaan.
dapat melihat cash flow untuk pembayaran pajak. Tingkat penghindaran pajak yang
Metode ini dikembangkan oleh Dyreng et al., (2010) dalam (Tania Putri
dan Astari 2022) Cash Effective Tax Ratio (CETR) adalah pembayaran pajak
secara kas atas laba perusahaan sebelum pajak penghasilan. Pembayaran pajak
secara kas terdapat dalam laporan arus kas, pada pos pembayaran pajak
penghasilan dari aktivitas operasi, sedangkan laba sebelum pajak terdapat pada
laporan laba rugi pada pos laba sebelum pajak penghasilan. CETR baik digunakan
perusahaan, karena dapat melihat cash flow untuk pembayaran pajak. Untuk
menghitung Cash Effective Tax Ratio (CETR) yaitu dengan rumus, sebagai
berikut:
𝑷𝒆𝒎𝒃𝒂𝒚𝒂𝒓𝒂𝒏 𝑷𝒂𝒋𝒂𝒌
𝑪𝑬𝑻𝑹 =
𝑳𝒂𝒃𝒂 𝑺𝒆𝒃𝒆𝒍𝒖𝒎 𝑷𝒂𝒋𝒂𝒌
23
Keterangan :
Pembayaran pajak (Cash tax paid) yaitu pajak yang dibayarkan oleh perusahaan
kewajibannya sehingga total aset lebih kecil dari total kewajiban. Hal ini
menunjukkan bahwa perusahaan tidak dalam posisi keuangan yang sehat, tetapi
belum bangkrut.
Rahmawati dan Priadi (2021) dalam (Wati, Karamoy, and Kalangi 2022)
dengan biaya tetap perusahaan semakin tinggi dan pendapatan yang sensitif akan
atau nilai arus kas yang kecil. Perusahaan dikaitkan mengalami kesulitan keuangan
jika kewajiban jangka pendek dan panjangnya tidak dipenuhi, maka perusahaan
tersebut memasuki tahap awal kesulitan perusahaan dalam bidang keuangan. Jika
24
terjadi dalam waktu yang lama akan mengarah pada kebangkrutan atau pailit.
perusahaan tersebut.
usaha bahkan dalam kasus kesulitan yang lebih berat dapat mengakibatkan
keadaan tersebut yang dialami perusahaan dalam kesulitan keuangan dapat dibagi
perusahaan. Jika ini terus terjadi, bisa dipastikan perusahaan akan merugi
membayar utang-utangnya.
25
2.3.3. Pengukuran Financial Distress
2. Model Zmijewski
5. Model Camel
7. Model Zeta
yaitu suatu model statistik yang menggunakan analisa regresi untuk melakukan
(Farida, 2019).
1. Model Altmanpertama
Model ini pertama kali diperkenalkan oleh altman digunakan secara spesifik
26
Keterangan:
Z = Overall index
Menurut Altman, terdapat angka-angka cut off nilai Z yang dapat menjelaskan
a. Jika nilai Z < 1,8 maka termasuk perusahaan yang mengalami financial
distress.
b. Jika nilai 1,8 < Z < 2,99 maka termasuk grey area (tidak dapat ditentukan
dengan penanganan manajemen yang tepat. Jika terlambat dan tidak tepat
area ini ada kemungkinan perusahaan bangkrut dan ada pula yang tidak
perusahaan.
27
c. Jika nilai Z > 2,99 maka termasuk perusahaan yang tidak mengalami
liabilities.
Keterangan:
Z’ = Overall Index
X5 = Sales/Total Assets
berikut:
28
a. Nilai Z’ kurang dari 1,23 maka termasuk perusahaan yang mengalami
financial distress.
b. Nilai Z’ di antara 1,23 sampai 2,6 maka perusahaan termasuk dalam grey
area.
c. Nilai Z’ lebih dari 2,9 maka termasuk perusahaan yang tidak mengalami
financial distress.
Keterangan:
sebagai berikut:
a. Nilai Z’’ kurang dari 1,10 maka termasuk perusahaan yang mengalami
financial distress.
29
b. Nilai Z’’ di antara 1,10 sampai 2,60 maka perusahaan termasuk dalam grey
area.
c. Nilai Z’’ lebih dari 2,60 maka termasuk perusahaan yang tidak mengalami
financial distress.
Keterangan:
Dari hasil perhitungan model Zmijewski diperoleh nilai X-Score yang dibagi
dalam dua kategori, yaitu jika X-Score bernilai negatif, maka perusahaan tersebut
dalam kondisi yang sehat, sebaliknya jika X-Score bernilai positif maka
perusahaan tersebut dalam kondisi yang tidak sehat atau cenderung mengarah ke
kebangkrutan.
30
2.3.3.3. Model Grover G-Score
pendesainan dan penilaian ulang terhadap model Altman Z-Score pada tahun 1968,
Keterangan:
G = Overall Index
kurang atau sama dengan -0,02. Sedangkan nilai untuk perusahaan yang dalam
modifikasi atas studinya. Ohlson menggunakan data tahun 1970-1976 dan sampel
sebanyak 105 perusahaan yang bangkrut dan 2058 perusahaan yang tidak bangkrut
metode ini dapat menutupi kekurangan yang terdapat di metode MDA yang
31
digunakan oleh Altman. Mula-mula Ohlson membangun 3 buah model, dimana
setiap model terdiri dari variabel-variabel yang sama. Model yang dibangun
Ohlson memiliki 9 variabel yang terdiri dari beberapa rasio keuangan (Hastuti,
2015). Berikut ini adalah model Ohlson (Widiasmara and Rahayu 2019):
Keterangan:
O = Overall Index
X9 = (laba bersih tahunt - laba bersih tahunt-1) / (laba bersih tahun t + laba
Ohlson (1980) menyatakan bahwa model ini memiliki cut off point
optimal pada nilai 0,38. Ohlson memilih cut off ini karena dengan nilai ini, jumlah
error dapat diminimalisasi. Maksud dari cut off ini adalah bahwa perusahaan yang
memiliki nilai O lebih dari 0,38 berarti perusahaan tersebut diprediksi mengalami
32
financial distress. Sebaliknya, jika nilai O kurang dari 0,38, maka perusahaan
tolak ukur yang menjadi objek pemeriksaan bank yang dilakukan oleh pengawas
bank. Camel terdiri atas lima kriteria, yaitu modal (Capital), aktiva (Asset),
Rumus untuk menghitung model bankometer sebagai berikut (Ouma dan Kirori,
2019)
Dimana:
S-Score > 70 Bank memiliki kondisi keuangan yang sehat tanpa kesulitan
keuangan
S-Score < 70 Bank berada di grey area dan tergolong bank bermasalah keuangan.
33
Bank-bank ini punya probabilitas yang sama untuk bangkrut dan keberlangsungan
S-Score < 50 Bank diklasifikasikan memiliki masalah keuangan yang berat dan
diuji, Springate akhirnya memilih empat rasio untuk menilai apakah sebuah
perusahaan sehat atau bangkrut model tersebut 92,5% akurat dengan menggunakan
Diaman:
34
Kriteria untuk persamaan model Springate ini adalah jika nilai Z < 0,862 maka
tergolong perusahaan bangkrut dan apabila nilai Z > 0862 maka perusahaan
oleh Altman dan Zeta Service Inc., sebuah perusahaan keuangan, di mana model
dalam model Zeta antara lain return on assets, stability of earnings, debt service,
of total market value), dan size (total tangible assets). (Nurdiansyah, 2021)
perusahaan (Husein & Pambekti, 2014). Model Zeta adalah versi tambahan dari
model asli Altman yang ditemukan pada tahun 1968. Model Zeta didasarkan pada
Di mana;
X1 = modal kerja (aset lancar (CA) – kewajiban lancar (CL)) / total aset (TA)
35
X5 = Penjualan (S) / Total Aset (TA)
Model regresi kemudian ditetapkan untuk menguji hubungan antara harga saham
perusahaan di pasar sebagai variabel dependen dan skor Zeta sebagai variabel
independen sebagai berikut dimana harga saham perusahaan i pada waktu t yaitu
koefisien skor Zeta adalah skor Zeta perusahaan i pada waktu t dan ε adalah istilah
kesalahan.
avoidane.
36
2.4. Profitabilitas
periode tertentu, rasio ini juga dapat memberikan ukuran tingkat efektivitas
manajemen suatu perusahaan yang ditunjukkan dari tingkat laba yang dihasilkan
maka semakin tinggi juga dividen yang dihasilkan oleh perusahaan tersebut
(Sitorus, 2022).
profitabilitas bagi perusahaan dan bagi pihak luar perusahaan atau investor
perusahaan, yaitu:
tertentu.
tahun.
37
c. Mengevaluasu perkembangan profit dari waktu ke waktu.
d. Menaksir besarnya laba bersih setelah pajak dengan dana milik sendiri.
Menurut Kasmir (2017) manfaat yang diperoleh bagi perusahaan yaitu sebagai
berikut:
d. Mengetahui besarnya laba bersih setelah pajak dengan dana milik sendiri.
Profit Margin on Sales atau Rasio Profit Margin atau margin laba atas
margin laba atas penjualan. Cara mengukur rasio ini adalah dengan
38
Terdapat dua rumus untuk mencari profit margin, yaitu sebagai berikut:
yang menunjukan hasil (return) atas jumlah aktiva yang digunakan dalam
Semakin kecil (rendah) rasio ini, semakin kurang baik, demikian pula
sebagai berikut:
Untuk mencari hasil pengembalian investasi, selain dengan cara yang sudah
39
Hasil yang diperoleh antara cara seperti rumus di atas dengan pendekatan
pendekatan Du Point:
mengukur laba bersih sesudah pajak dengan modal sendiri. Rasio ini
sebagai berikut:
𝑬𝑨𝑰𝑻
𝑹𝑶𝑬 =
𝑬𝒒𝒖𝒊𝒕𝒚
Selain dengan cara yang sudah dikemukakan di atas, juga dapat pula
diatas dengan pendekatan Du Pont adalah sama. Untuk mencari hasil ROE
𝑹𝑶𝑬 =
40
6. Earning per Share Common Stock
Rumus untuk mencari Earning per Share Common Stock adalah sebagai
berikut:
menggunakan Gross Profit Margin (GPM) dengan cara penjualan bersih dikurangi
Penelitian yang dilakukan oleh (Faradilla and Bhilawa 2022) dengan judul
Tax Avoidance’’ Data yang digunakan adalah data sekunder yang diambil dari
41
laporan keuangan dan laporan keberlanjutan perusahaan. Teknik pengambilan
sampel yang digunakan adalah purposive sampling yang ukuran sampel dari 25
perusahaan yang terdaftar di Bursa Efek Indonesia dari tahun 2015 hingga 2018.
laporan keuangan dan keberlanjutan lengkap dari 2015 hingga 2018. Teknik
analisis data menggunakan uji statistik deskriptif dan uji regresi berganda. Hasil
Penelitian yang dilakukan oleh (Rahmah and Murtanto 2022) dengan judul
“ Determinasi Tax Avoidance” data yang digunakan adalah Penelitian ini data
kesehatan yang tercatat di Bursa Efek Indonesia periode 2019-2021. Data diperoleh
sekunder dari sumber web Bursa Efek Indonesia. Teknik dalam penelitian ini
menggunakan analisis regresi berganda. Hasil yang diperoleh dari semua pengujian
Terhadap Tax Avoidance” data yang digunakan dalam penelitian ini data sekunder
sampling dan jumlah sampel yang didapatkan dan digunakan dalam penelitian ini
42
menunjukkan bahwa financial distress dan karakteristik eksekutif tidak
Penelitian yang dilakukan oleh (Putri, Yanti, and Trisakti, 2022) dengan
Intensitas Modal dan Financial Distress terhadap Tax Avoidance” data yang
yang diperoleh dari laporan tahunan perusahaan listing di Bursa Efek Indonesia
sebanyak 198 sampel dengan periode pengamatan 2018 sampai dengan 2020.
Teknik analisis yang dipakai dalam penelitian ini adalah analisis regreasi linier
dengan judul “Pengaruh Financial Distress dan Corporate Goverance terhadap tax
yang terdiri dari 40 perusahaan perbankan yang terdaftar di Bursa Efek Indonesia
(BEI). Teknik analisis regresi berganda, statistik deskriptif, uji normalitas, uji
43
Penelitian ini memperoleh hasi yang menunjukkan bahwa Financial Distress
Penelitian yang dilakukan oleh (Sidauruk and Putri, 2022) dengan judul
Perusahaan terhadap Tax Avoidance” data yang digunakan data laporan keuangan
dengan periode pengamatan 2017 sampai dengan 2020. Teknik analisis dalam
penelitian ini analisis regresi linier berganda. Penelitian ini memperoleh hasil yang
avoidance.
data yang digunakan data laporan atas keuangan perusahaan yang telah di aduit
dengan 2021. Teknik analisis dalam penelitian ini analisis regresi linier berganda.
44
Penelitian yang dilakukan oleh (Christy Susanto et al., 2022) dengan judul
sampai dengan 2020. Teknik analisis dalam penelitian ini analisis regresi linier
berganda dan regresi panel data. Penelitian ini memperoleh hasil yang
avoidance.
45
Nama Populasi/Teknik Uji
No Judul Hasil Penelitian
Peneliti Sampling Hipotesis
4. Amanda Pengaruh 198 perusahaan listing Analisa corporate social
Putri Corporate Social di Bursa Efek Regresi responsibility,
Ramadanti, Responsibility, Indonesia (BEI) Linier kompensasi
Khomsiyah Kompensasi periode 2018-2020/ Berganda manajemen,
(2022) Manjemen, puposive sampling intensitas modal
Intensitas Modal dan financial
dan Financial distress
Distress terhadap berpengaruh
Tax Avoidance positif terhadap
tax avoidance.
5. Dinda Pengaruh 40 perusahaan Analisis Financial
Yuliana, Financial Distress perbankan yang Regresi Distress dan
Santi dan Corporate terdaftar di Bursa Efek Berganda Corpotae
Susanti dan Governance Indonesia (BEI) 2018- Governance
Sri terhadap tax 2019/ random berpengaruh
Zulaihati avoidance sampling positid terhadap
(2021) tax avoidance
6. Tagor Pengaruh 44 perusahaan Analisisi Financial Distres,
Darus Komisaris terdaftar di BEI 2017- Regresi Leverage
Sidaruk dan Independen, 2022/ purposive Linier berpengaruh
Nandini Karakter Eksekutif, sampling Berganda positif terhadap
Trimelinia Profitabilitas dan tax avoidance
Pebri Putri Ukuran Perusahaan
(2022) terhadap Tax
Avoidance
7. Tata Pengaruh 13 perusahaan Analisis Profitabilitas,
Suwanta Profitabilitas, terdaftar di BEI 2018- Regresi likuiditas
dan Etty Likuiditas dan 2021/purposive Linier berpengaruh
Herijawati Laverage terhadap sampling Berganda positif terhadap
(2022) tax avoidance tax avoidance
8. Lovena C.S, Pengaruh Transfer 140 perusahaan sektor Analisis Profitabilitas
Vennecia .J, Pricing dan pertambangan Regresi berpengaruh
Alexander Profitabilitas terdaftar di Bursa Efek Berganda Positif terhadap
.E, Fiorin Terhadap Indonesia (BEI) dan tax avoidance
.T, Stefanie Penghindaran periode 2018-2020- Analisis
.K dan Ita Pajak 2020/ purposive Regresi
Salsalina sampling Data
(2022) Panel
Pada penelitian ini ada dua variabel dependen dan independen, yang
menjadi variabel dependen dalam penelitian ini adalah Tax Avoidance dan variabel
pajak (Tax Avoidance) oleh peneliti yaitu Financial Distress dan Profitabilitas.
46
Berikut ini peneliti menguraikan kerangka teoritis berupa hubungan Financial
keuangan dapat dilihat dan diukur melalui laporan keuangan setahun sekali, karena
tindakan yang akan dilakukan perusahaan adalah penghindaran pajak, namun jika
akan lebih besar sesuai degan pendapatan perusahaan karena perusahaan tidak mau
karena pajak merupakan beban perusahaan dan dapat sangat mengurangi kas
perusahaan.
47
mempunyai tingkat akurasi yang tinggi. Oleh karena itu dapat disimpulkan
adalah positif, semakin tinggi tingkat financial distress maka praktik penghindaran
keuntungan atau laba pada masa yang akan datang dan merupakan indikator
keberhasilan suatu perusahan. Gross Profit Margin (GPM) maka semakin tinggi
profitabilitas maka semakin baik juga tetapi perlu diingat bahwa GPM dapat sangat
dipengaruhi oleh harga pokok penjualan, apabila harga pokok penjualan meningkat
perusahaan begitu juga pembayaran pajak maka akan semakin tinggi, dalam hal ini
memiliki laba pendapatan yang cukup besar maka penarikan atau pembayaran
pajak kepada negara juga akan besar sehingga perusahaan tidak mau mengurangi
kas yang ada pada perusahaan sehingga dapat ditarik kesimpulan perusahaan akan
48
2.7. Model Analisis
Financial
(+)
Distres (X1)
Tax
Avoidance (Y)
Profitabilitas
(+)
(X2)
periode 2017-2021.
periode 2017-2021.
49
BAB III
METODE PENELITIAN
tujuan tertentu pada suatu penelitian yang akan dibuktikan secara objektif. Menurut
(Sugiyono, 2018) menjelaskan bahwa objek penelitian adalah Suatu sifat atau ciri
atau nilai seseorang, benda atau kegiatan, dengan variasi tertentu, yang ditentukan
(Hardani et al. 2020) Objek Penelitian yaitu dapat berupa orang, benda,
perhatian pada satu atau lebih karakteristik atau atribut dari suatu objek. Fitur-fitur
ini disebut variabel. Nama variabel sebenarnya berasal dari fakta bahwa beberapa
suatu atribut atau properti atau nilai dari suatu objek fakta atau aktivitas yang
50
3.4. Lokasi Penelitian
Bursa Efek Indonesia (BEI) pada periode 2017-2021. Pengambilan data bersumber
dari www.idx.co.id dan website resmi perusahaan yang terdaftar di Bursa Efek
Indonesi (BEI).
dan kegunaan tertentu yang artinya kegiatan penelitian itu didasarkan pada ciri-ciri
keilmuan dan dapat diamati oleh indera manusia sehingga orang-orang dapat
disebut metode tradisional karena sudah lama digunakan dan menjadi tradisi
filsafat positivis. Metode ini merupakan metode ilmiah karena sesuai dengan
sistematis. Metode ini disebut juga metode penemuan, karena segala macam ilmu
metode ini. Metode ini disebut kuantitatif karena data penelitiannya berbentuk
51
Dalam penelitian ini peneliti menggunakan metode penelitian kuantitatif
digunakan untuk menguji suatu hipotesis (Sugiyono, 2018:55) dalam (Tri Puji
Wulandari, 2022).
Priyono (2016:51), Agustin (2021) dalam (Tri Puji Wulandari, 2022) unit
analisis merupakan satuan tertentu yang digunakan sebagai subjek penelitian. Unit
periode 2017-2021.
52
3.6. Populasi dan Sampel
2020) populasi adalah luas wilayah yang digeneralisasikan yang terdiri dari objek
benda, hewan, tumbuhan, gejala, nilai ujian, atau kejadian sebagai sumber data,
dengan ciri-ciri tertentu yang diteliti. Menurut Margono (2004) dalam (Hardani
et al., 2020). Populasi dalam penelitian ini adalah perusahaan manufaktur yang
Berdasarkan data yang diperoleh dari situs resmi Bursa Efek Indonesia
53
NO KODE Nama Perusahaan Keterangan
54
NO KODE Nama Perusahaan Keterangan
55
NO KODE Nama Perusahaan Keterangan
67 ULTJ Ultra Jaya Milk Industry & Tra CONSUMER GOODS INDUSTRI
77 AKPI Argha Karya Prima Industry Tbk BASIC INDUSTRY AND CHEMICALS
56
NO KODE Nama Perusahaan Keterangan
100 FLMC Falmaco Nonwoven Industri Tbk. BASIC INDUSTRY AND CHEMICALS
101 FPNI Lotte Chemical Titan Tbk. BASIC INDUSTRY AND CHEMICALS
102 GDST Gunawan Dianjaya Steel Tbk. BASIC INDUSTRY AND CHEMICALS
103 GGRP Gunung Raja Paksi Tbk. BASIC INDUSTRY AND CHEMICALS
105 IGAR Champion Pacific Indonesia Tbk BASIC INDUSTRY AND CHEMICALS
106 IMPC Impack Pratama Industri Tbk. BASIC INDUSTRY AND CHEMICALS
107 INAI Indal Aluminium Industry Tbk. BASIC INDUSTRY AND CHEMICALS
108 INCF Indo Komoditi Korpora Tbk. BASIC INDUSTRY AND CHEMICALS
57
NO KODE Nama Perusahaan Keterangan
110 INKP Indah Kiat Pulp & Paper Tbk. BASIC INDUSTRY AND CHEMICALS
111 INOV Inocycle Technology Group Tbk. BASIC INDUSTRY AND CHEMICALS
112 INRU Toba Pulp Lestari Tbk. BASIC INDUSTRY AND CHEMICALS
114 IPOL Indopoly Swakarsa Industry Tbk BASIC INDUSTRY AND CHEMICALS
115 ISSP Steel Pipe Industry of Indones BASIC INDUSTRY AND CHEMICALS
116 JKSW Jakarta Kyoei Steel Works Tbk. BASIC INDUSTRY AND CHEMICALS
117 JPFA Japfa Comfeed Indonesia Tbk. BASIC INDUSTRY AND CHEMICALS
118 KBRI Kertas Basuki Rachmat Indonesi BASIC INDUSTRY AND CHEMICALS
119 KDSI Kedawung Setia Industrial Tbk. BASIC INDUSTRY AND CHEMICALS
122 KRAS Krakatau Steel (Persero) Tbk. BASIC INDUSTRY AND CHEMICALS
125 LION Lion Metal Works Tbk. BASIC INDUSTRY AND CHEMICALS
128 MARK Mark Dynamics Indonesia Tbk. BASIC INDUSTRY AND CHEMICALS
131 MOLI Madusari Murni Indah Tbk. BASIC INDUSTRY AND CHEMICALS
132 NIKL Pelat Timah Nusantara Tbk. BASIC INDUSTRY AND CHEMICALS
58
NO KODE Nama Perusahaan Keterangan
134 PBID Panca Budi Idaman Tbk. BASIC INDUSTRY AND CHEMICALS
135 PICO Pelangi Indah Canindo Tbk BASIC INDUSTRY AND CHEMICALS
136 PURE Trinitan Metals and Minerals T BASIC INDUSTRY AND CHEMICALS
137 SAMF Saraswanti Anugerah Makmur Tbk BASIC INDUSTRY AND CHEMICALS
138 SBMA Surya Biru Murni Acetylene Tbk BASIC INDUSTRY AND CHEMICALS
140 SIPD Sreeya Sewu Indonesia Tbk. BASIC INDUSTRY AND CHEMICALS
141 SMBR Semen Baturaja (Persero) Tbk. BASIC INDUSTRY AND CHEMICALS
142 SMCB Solusi Bangun Indonesia Tbk. BASIC INDUSTRY AND CHEMICALS
143 SMGR Semen Indonesia (Persero) Tbk. BASIC INDUSTRY AND CHEMICALS
144 SMKL Satyamitra Kemas Lestari Tbk. BASIC INDUSTRY AND CHEMICALS
150 TBMS Tembaga Mulia Semanan Tbk. BASIC INDUSTRY AND CHEMICALS
152 TIRT Tirta Mahakam Resources Tbk BASIC INDUSTRY AND CHEMICALS
153 TKIM Pabrik Kertas Tjiwi Kimia Tbk. BASIC INDUSTRY AND CHEMICALS
154 TOTO Surya Toto Indonesia Tbk. BASIC INDUSTRY AND CHEMICALS
155 TPIA Chandra Asri Petrochemical Tbk BASIC INDUSTRY AND CHEMICALS
157 UNIC Unggul Indah Cahaya Tbk. BASIC INDUSTRY AND CHEMICALS
158 WSBP Waskita Beton Precast Tbk. BASIC INDUSTRY AND CHEMICALS
59
NO KODE Nama Perusahaan Keterangan
159 WTON Wijaya Karya Beton Tbk. BASIC INDUSTRY AND CHEMICALS
60
NO KODE Nama Perusahaan Keterangan
61
NO KODE Nama Perusahaan Keterangan
Sampel adalah sebagian dari jumlah dan karakteristik yang dimiliki oleh
suatu populasi. Jika kelompok besar, peneliti tidak mungkin mempelajari semua
yang ada dalam kelompok tersebut, misalnya karena keterbatasan dana, tenaga
dan waktu, maka peneliti dapat menggunakan sampel yang diambil dari
kelompok tersebut. Apa yang Anda pelajari dari sampel itu, Kesimpulan akan
berlaku untuk populasi. Untuk itu, sampel yang diambil dari populasi harus
62
Menurut susilana (2015) dalam (I Made Dwi Martha, 2020) Menyatakan
bahwa sampel adalah bagian dari objek dari semua yang diteliti dan dianggap
terlalu besar dan peneliti memiliki keterbatasan dalam melakukan penelitian pada
semua populasi.
adalah cara penentuan jumlah sampel berdasarkan besar kecilnya sampel sebagai
Dwi Martha 2020) agar memudahkan dalam memahami teknik sampling, maka
peluang yang sama bagi setiap anggota populasi untuk digunakan sebagai
63
menjelaskan bahwa Probability sampling (random sampling) merupakan
teknik sampling yang memberikan peluang yang sama bagi setiap unsur atau
yang sama terhadap populasi dan atau sampel. Akan tetapi, penarikan
dan atau sampel. Sehingga titik jenis penarikan sampel penelitian dalam
b) Systematic Sampling
64
c) Snowball Sampling
d) Purposive Sampling
e) Saturated Sampling
probability sampling dengan metode Cluster Sampling. Dalam penelitian ini telah
Cluster Sampling sebanyak 220 perusahaan dengan jumlah sampel yang diperoleh
1. Sub sektor industri barang konsumsi sebanyak 33% maka yang didapatkan
ada 24 perusahaan yang diambil secara acak dari sub sektor industri barang
konsumsi.
2. Sub sektor industri dasar dan kimi sebansyak 40% maka yang didapatkan
3. Sub sektor aneka industri sebanyak 27% maka yang didapatkan ada 16
perusahaan yang di ambil secara acak dari sub sektor aneka industri.
65
3.7. Teknik Pengumpulan Sampel
dalam penelitian karena tujuan utama penelitian adalah untuk memperoleh data.
Tanpa pemahaman tentang teknik pengumpulan data, peneliti tidak akan dapat
sumber, dan dengan berbagai cara. Secara kontekstual, data dapat dikumpulkan
(Sugiyono, 2018)
langsung kepada pengumpul data, seperti melalui orang lain atau melalui
dokumen. Selain itu, ditinjau dari metode atau teknik pengumpulan data, teknik
peristiwa masa lalu. Dokumen dapat berupa teks, gambar, atau karya monumental
periode 2017-2021.
66
3.8. Jenis dan Sumber Data
Jenis data yang dipergunakan dalam penelitian ini yaitu data sekunder
yang terdaftar di Bursa Efek Indonesia (BEI) periode 2017-2021 dengan sumber
Variabel dalam penelitian ini terdiri dari variabel independen dan variabel
dependen. Dalam penelitian ini variabel dependen hanya satu variabel yaitu tax
avoidance. sementara variabel bebas atau variabel independen dalam penelitian ini
variabel yang terlibat dalam penelitian, jadi pengujian dengan asumsi itu bisa
dilakukan dengan tepat, berdasarkan dengan hubungan antara satu variabel dengan
67
3.10. Operasional Variabel Independen
1. Financial Distress
Rahmawati dan Priadi (2021) dalam (Wati, Karamoy, and Kalangi, 2022)
seiring dengan biaya tetap perusahaan semakin tinggi dan pendapatan yang
mengeluarkan biaya yang besar akan mengambil pinjaman kepada pihak lain.
sebagai berikut:
2. Profitabilitas
68
dalam suatu periode tertentu, rasio ini juga dapat memberikan ukuran tingkat
Dalam bahasa Indonesia biasa disebut variabel terikat. Variabel dependen adalah
variabel yang dipengaruhi atau hasil karena adanya variabel bebas (independen).
Sugiyono (2018). Pada penelitian ini yang akan menjadi variabel dependen atau
pajaknya menurut undang-undang pajak yang berlaku. (Aloisius Hama, 2020) dan
menurut Sinambela (2019) dalam (Reza Arifin, 2022) Penghindaran pajak adalah
penghindaran pajak yang sah tidak melanggar peraturan pajak wajib pajak,
berusaha mengurangi pajak dengan mencari celah peraturan. Untuk mengukur tax
𝑷𝒆𝒎𝒃𝒂𝒚𝒂𝒓𝒂𝒏 𝑷𝒂𝒋𝒂𝒌
𝑪𝑬𝑻𝑹 =
𝑳𝒂𝒃𝒂 𝑺𝒆𝒃𝒆𝒍𝒖𝒎 𝑷𝒂𝒋𝒂𝒌
69
Menurut Prawita (2019) dalam (Rachel Alchusna, 2021) CETR adalah
sebuah tarif pajak efektif yang ditanggung oleh perusahaan. CETR baik digunakan
untuk menggambarkan penghindaran pajak karena CETR dapat melihat cash flow
dengan nilai CETR yang rendah, sebaliknya penghindaran pajak yang rendah
Keterangan:
Pembayaran pajak (cash tax paid) adalah pajak yang dibayarkan oleh perusahaan
70
3.12. Teknik Analisis Data
mengumpulkan data dari seluruh responden atau sumber data lainnya. Kegiatan
analisis data dapat mengklasifikasikan data menurut variabel dan jenis responden,
tabulasi data menurut variabel untuk semua responden, menyediakan data untuk
diajukan.
Analisis statistik deskriptif yang digunakan dalam penelitian ini yaitu nilai
rata-rata (mean), standar deviasi dan nilai yang dihitung menggunakan program
spss.
1. Rata-rata (mean)
Sugiyono (2018:49) dalam (Tri Puji Wulandari, 2022) mean adalah teknik
kemudian dibagi dengan jumlah orang dalam kelompok tersebut. Hal ini
71
∑𝑋𝑖
𝑀𝑒 =
𝑛
Keterangan:
Me = Rata-rata (mean)
∑ = Eplison (jumlah)
Xi = Nilai X ke 1 sampai ke n
n = Jumlah sampel
2. Standar deviasi
Sugiyono (2017:56) dalam (Tri Puji Wulandari, 2022) Standar deviasi juga
jumlah kuadrat dari penyimpangan semua nilai individu dari rata-rata grup.
Standar deviasi sampel dilambangkan dengan simbol "s". Hal ini dapat
∑(𝑥 − 𝑥)
𝑠=
𝑛−1
Keterangan:
S = Simpangan baku
n = Jumlah sampel
𝑥̅ = Rata-rata (mean)
Xi = Nilai x ke 1 sampai ke n
n = Jumlah sampel
72
3. Nilai Maksimum dan Minimum
max dan min adalah nilai maksimum dan minimum dari fungsi tersebut, dalam
rentang tertentu (sebagian atau relatif ekstrim) atau keseluruhan domain dari
melakukan uji asumsi klasik untuk mengetahui apakah data yang digunakan telah
memenuhi ketentuan dalam model regresi. Uji asumsi klasik ini meliputi uji
1. Uji Normalitas
normal. Untuk melihat atau menguji apakah data memiliki distribusi normal
atau tidak harus dilihat dari normal p-p plot atau dapat juga melakukan uji
0,05 maka data memiliki distribusi normal. Sedangkan jika hasil uji one sample
maka data tidak memiliki distribusi normal. Regresi baik apabila data distribusi
73
2. Uji Multikolinearitas
adakah ditemukannya korelasi antar variabel bebas dalam model regresi. Pada
model regresi yang baik seharusnya tidak terjadi korelasi antara variabel bebas
atau variabel independen. Jika variabel bebas saling berkorelasi, maka variabel
ini tidak orthogonal. Variabel orthogonal adalah variabel bebas yang nilai
korelasi antara variabel bebasnya sama dengan nol. Untuk mendeteksi ada atau
sebagai berikut:
1) Jika nilai tolerance < 0,1 dan VIF > 10, terjadi multikolinearitas.
2) Jika nilai tolerance > 0,1 dan VIF < 10, maka tidak terjadi multikolinearitas.
3. Uji Heteroskedastisitas
residual satu pengamatan ke pengamatan yang lain. Jika varian dari residual
dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah
adanya heteroskedastisitas yaitu dengan melihat ada atau tidaknya pola tertentu
74
1) Jika terdapat pola yang jelas, seperti titik-titik yang ada membentuk pola
2) Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah
4. Uji Autokorelasi
apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu
sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena
lainnya. Model regresi yang baik yaitu regresi yang bebas dari autokorelasi.
Cara mendeteksi ada atau tidaknya autokorelasi adalah uji Durbin Watson. Uji
mensyaratkan adanya intercept (konstanta) dalam model regresi dan tidak ada
75
3.15. Analisis Kolerasi
antara dua variabel atau lebih. Arah dinyatakan dalam bentuk hubungan positif atau
koefisien kolerasi. Teknik kolerasi yang digunakan dalam penelitian ini adalah
rumus kolerasi pearson product moment berdasarkan model yang diusulkan oleh
𝒏 ∑ 𝒙𝟏 𝒚𝟏 − (∑𝒙𝟏 )(∑𝒚𝟏 )
𝒓𝒙𝒚 =
[{∑𝒙𝒊 𝟐 − (𝒙𝒊 )𝟐 }{𝒏∑𝒙𝒊 𝟐 − (𝒚𝒊 )𝟐 }]
Dimana:
𝑟 = Koefisien korelasi
𝑛 = Banyaknya sampel
Nilai koefisien kolerasi akan terdapat dalam baris -1 ≤ r ≥ +1, yang akan
1. Bila r = 0 atau mendekati 0, maka kolerasi antar kedua variable sangat lemah
2. Bila r = +1 atau mendekati +1, maka kolerasi antar kedua variabel adalah kuat
3. Bila r = -1 atau mendekati -1, maka kolerasi antar kedua variabel adalah kuat
76
3.15. Pengujian Hipotesis
data yang dikumpulkan. Sehingga tidak diragukan lagi pernyataannya bahwa secara
statistik peneliti dapat mengumpulkan data dan mengujinya. Dengan melakukan uji
tersebut dapat diterima (data tidak memberikan bukti untuk menolak hipotesis) atau
penelitian ini diuji dengan menggunakan pengujian fraksional (uji-t) dan penyajian
simultan (uji-F). Hipotesis yang akan diuji dan dibuktikan dalam penelitian ini yaitu
profitabilitas.
regresi linier berganda. Menurut Sugiyono (2018) Analisis regresi linier berganda
dependen (standar) jika dua atau lebih variabel independen dimanipulasi (naik
atau turun nilainya) sebagai prediktor. Jadi analisis regresi berganda akan
77
Analisis regresi linier berganda digunakan peneliti dengan maksud untuk
𝒀 = 𝒂 + 𝜷 𝟏 𝑿𝟏 + 𝜷 𝟐 𝑿𝟐 + 𝜺
Keterangan:
α = Nilai Konstanta
X1 = Financial distress
X2 = Profitabilitas
Arti dari koefisien β adalah jika bertanda positif (+) berarti terdapat hubungan
satu arah antara variabel bebas dengan variabel terikat. Dengan kata lain, kenaikan
atau penurunan besaran variabel bebas akan disertai dengan kenaikan atau
penurunan besaran variabel terikat. Sementara itu, jika nilai beta negatif (-),
terbalik. Dengan kata lain, setiap kenaikan nilai variabel bebas akan diikuti
78
3.15.2. Uji Signifikan Simultan (Uji F)
Menurut Ghozali (2016:98) dalam Tri (2022) Uji statistik F pada dasarnya
mempunyai pengaruh bersama terhadap variabel terikat. Uji F dalam penelitian ini
terhadap tax avoidance secara simultan dan persial. Prosedur yang digunakan
sebagai berikut:
bebas (nk) di mana n: jumlah pengamatan dan k: jumlah variabel. Nilai F dapat
dihitung dengan menggunakan bantuan SPSS. Ketentuan yang digunakan dalam Uji
F sebagai Berikut:
Kriteria yang dipergunakan dalam Uji F pengujian ini adalah sebagai berikut:
1. Jika p value ≤ 0,05 maka H0 ditolak atau dapat diartikan hipotesis alternatif
variabel dependen.
79
3.15.3. Uji Persial ( Uji t)
dependen. Adanya hipotesis statistik yang akan diuji dalam penelitian ini yaitu
sebagai berikut:
tax avoidance.
avoidance.
tax avoidance.
avoidance.
c. Profitabilitas
80
H : 𝛽 > 0, Profitabilitas berpengaruh positif signifikan terhadap tax
avoidance.
yang digunakan adalah 0,05 atau 5% karena dinilai cukup untuk mewakili
(2016), Riduan (2013) dalam (Reza Arifin 2022). Analisa koefisien determinasi
𝐊𝐝 = 𝒓𝟐 𝒙 𝟏𝟎𝟎%
Keterangan:
Kd : Koefisien determinasi
R2 : Koefisiensi korelasi yang dikuadrakan
81
Koefisien determinasi adalah kuadrat dari koefisien korelasi Merupakan
indeks untuk mengukur kemampuan masing-masing variabel dalam pengambilan
keputusan. Keterbatasan kemampuan variabel independen untuk menjelaskan
variabel dependen menyebabkan nilai koefisien determinasi yang kecil. Untuk
dapat mengetahui seberapa berpengaruhnya financial distress dan profitabilitas
terhadap tax avoidance, maka dapat dinyatakan atau disimpulkan dapat
menggunakan analisis ini.
82
BAB IV
di Bursa Efek Indonesia (BEI) periode tahun 2017-2021. Subjek penelitian ini yaitu
laporan kuangan perusahaan yang didapatkan langsung dari website resmi Bursa
Efek Indonesia (BEI) yaitu www.idx.co.id serta pada website pada masing-masing
perusahaan.
Bursa Efek Indonesia (BEI) pada periode tahun 2017-2021 tersebut, penelitian ini
Alasan penelitian ini menggunakan cluster sampling yaitu karena jumlah populasi
dalam penelitian ini memiliki populasi yang besar sehingga populasi dalam
penelitian ini dipilih berdasarkan perusahaan manufaktur yang terbagi menjadi tiga
sektor yaitu Basic Industry and Chemicals (Industri dasar dan kimia), Consumer
83
Tabel 4. 1 Sampel Cluster Sampling
Presentase % (Populasi Sampel (persenatse x
Sub Sektor Populasi
/ Jumlah Populasi) populasi)
Industri barang dan Konsumsi 73 33% 24
Industri dasar dan kimia 87 40% 34
Aneka Industri 60 27% 16
Jumlah 220 100% 74
Perusahaan Outlier -27
Jumlah Perusahaan 47
Tahun 5
Jumlah Data Sampel 235
Sumber: Data yang telah diolah, 2022
84
14 MLIA Mulia Industrindo Tbk
perusahaan yang outlier sehingga sampel yang diperoleh dalam penelitian ini
dengan jumlah data yang diperoleh sebanyak 235 data. Maka dapat dijabarkan
daftar nama perusahaan yang menjadi sampel dalam penelitian ini yaitu sebagai
berikut:
85
Tabel 4. 3 Daftar Sampel Perusahaan Manufaktur
NO KODE Nama Perusahaan
86
NO KODE Nama Perusahaan
87
NO KODE Nama Perusahaan
menggunakan nilai maksimum, minimum dan rata-rata (mean), dan standar deviasi
Dalam penelitian ini data sekunder yang diperoleh dari website Bursa Efek
subsektor manufaktur yang terdaftar di Bursa Efek Indonesia (BEI). Dari data-data
manufaktur yang terdaftar di Bursa Efek Indonesia (BEI), maka selanjutnya dapat
88
4.2.1. Financial Distress
89
24 ISSP 2,7192 2,6012 2,9652 3,2668 4,2078 3,1520
25 JPFA 4,4175 4,0068 3,7816 3,8534 4,3521 4,0823
26 LION 7,5058 7,9137 6,4773 6,4076 6,0677 6,8744
27 TRST 2,9675 2,3539 2,1145 2,5193 2,8655 2,5641
28 PBID 6,0594 6,4988 5,9304 7,3583 7,0209 6,5735
29 PICO 3,4695 2,4882 -0,3148 -0,7966 -1,9130 0,5867
30 SMGR 7,6772 10,2270 2,9162 3,0900 3,1229 5,4067
31 SPMA 2,3306 4,2279 3,7782 4,4481 4,9900 3,9550
32 SRSN 4,6899 5,9524 5,8331 5,3331 6,0175 5,5652
33 SIPD 1,2656 2,1793 2,3915 1,7760 1,5032 1,8231
34 AMIN 6,0731 4,7293 4,6256 4,0009 0,9665 4,0791
35 ASII 3,6402 3,3477 3,6769 4,2058 4,0104 3,7762
36 BATA 7,6132 8,6453 8,8569 2,5847 4,4315 6,4263
37 BELL 3,9726 3,7198 3,4035 2,5783 3,2964 3,3941
38 BIMA 7,5712 7,2890 4,9563 3,1605 2,4210 5,0796
39 BOLT 5,0176 3,9053 4,1726 2,9583 3,8171 3,9742
40 GJTL 2,5668 2,3536 2,6803 3,0514 3,0881 2,7480
41 INDS 3,6115 3,7691 2,9941 2,9539 3,5011 3,3660
42 JECC 1,4818 1,7455 2,9274 3,0195 1,6809 2,1710
43 KBLI 5,5497 6,2500 8,3951 7,0210 6,3762 6,7184
44 KBLM 4,2313 3,1145 3,4330 7,6813 5,5168 4,7954
45 RICY 1,5690 1,9236 1,9065 1,7118 3,9212 2,2064
46 SMSM 7,2602 7,4813 7,5766 7,3243 7,4960 7,4277
47 SSTM 2,7078 3,7084 2,9264 2,8978 4,5047 3,3490
MAX 12,2443 13,0165 8,8569 8,4076 9,3784 8,1415
MIN 0,2198 0,7163 -0,3148 -0,7966 -1,9130 0,5867
MEAN 4,6544 4,9582 4,1924 4,1652 4,2173 4,4375
Sumber: Bursa Efek Indonesia (data yang diolah, 2022).
tertinggi pada perusahaan sektor manufaktur dari tahun 2017 sampai dengan tahun
2021 yaitu dengan rata-rata 8,1415 yang terjadi pada PT. Hartadinata Abadi Tbk.
(HRTA) dengan rata-rata financial distress z-Score lebih dari 2,6. Hal ini dapat
diartikan bahwa PT. Hartadinata Abadi Tbk. (HRTA) tidak mengalami financial
distress. Sedangkan nilai financial distress z-Score yang memiliki nilai terendah
yaitu 0,5867 yang terjadi pada perusahaan PT. Pelangi Indah Canindo Tbk. (PICO)
90
maka dapat diartikan bahwa perusahaan tersebut sedang mengalami financial
perusahaan yang teridentifikasi mengalami grey area atau zona abu-abu yaitu PT
Akasha Wira International Tbk. (ADES) dengan rata-rata 2,57; PT. Langgeng
Makmur Industri Tbk. (LMPI) dengan rata-rata 2,22; PT. Martina Berto Tbk.
(MBTO) dengan rata-rata 1,60; PT Aneka Gas Industri Tbk. (AGII) dengan rata-
rata 1,65; PT. Saranacentral Bajatama Tbk. (BAJA) dengan rata-rata 1,35; PT
Central Proteina Prima Tbk. (CPRO) dengan rata-rata 2,33; PT Indal Aluminium
Industry Tbk. (INAI) dengan rata-rata 1,17; PT Trias Sentosa Tbk. (TRST) dengan
rata-rata 2,56; PT Sreeya Sewu Indonesia Tbk. (SIPD) dengnan rata-rata 1,83; PT
Jembo Cable Company Tbk. (JECC) dengan rata-rata 2,17; PT Ricky Putra
perusahaan nonfinancial distress karena hasil z-Score menunjukkan 4,43 > 2,60.
Pada tahun 2017, nilai financial distress z-Score tertinggi yaitu 12,24 yang
terjadi pada PT. Kalbe Farma Tbk. (KLBF) hal ini menunjukkan bahwa perusahaan
tersebut memiliki nilai lebih dari 2,6 maka dapat dikategorikan perusahaan yang
tidak financial distress. Sedangkan nilai z-Score terendah yaitu 0,21 yang terjadi
pada PT. Saranacentral Bajatama Tbk. (BAJA) hal ini menunjukkan perusahaan
tersebut memiliki nilai kurang dari 1,1 sehingga dikategorikan sebagai perusahaan
91
Untuk pada zona grey area pada tahun 2017 terdapat 6 perusahaan PT
Aneka Gas Industri Tbk. (AGII) dengan rata-rata 2,22; PT Suparma Tbk. (SPMA)
dengan rata-rata 2,33; PT Sreeya Sewu Indonesia Tbk. (SIPD) dengan rata-rata
1,26; PT Gajah Tunggal Tbk. (GJTL) dengnan rata-rata 2,5; PT Jembo Cable
Company Tbk. (JECC) dengan rata-rata 1,4; PT Ricky Putra Globalindo Tbk
Pada tahun 2018 financial distress z-Score tertinggi yaitu 13,01 yang
terjadi pada PT. Buyung Poetra Sembada Tbk. (HOKI) hal ini menunjukan bahwa
perusahaan tesebut memiliki nilai lebih dari 2,6 maka dapat dinyatakan perusahaan
tesebut tidak masuk dalam kategore financial distress. Sedangkan nilai z-Score
terendah yaitu 0,71 yang terjadi pada PT. Saranacentral Bajatama Tbk. (BAJA) hal
ini menunjukkan perusahaan tersebut memiliki nilai kurang dari 1,1 sehingga
Untuk pada zona grey area pada tahun 2018 terdapat 13 perusahaan yaitu
PT Akasha Wira International Tbk. (ADES) dengan rata-rata 1,49; PT. Indofood
Sukses Makmur Tbk. (INDF) dengan rata-rata 2,4; PT. Langgeng Makmur Industri
Tbk. (LMPI) dengan rata-rata 2,4; PT. Martina Berto Tbk. (MBTO) dengan rata-
rata 1,14; PT Aneka Gas Industri Tbk. (AGII) dengan rata-rata 1,79; PT Berlina
Tbk. (BRNA) dengan rata-rata 1,16; PT Indal Aluminium Industry Tbk. (INAI)
dengan rata-rata 1,11; PT Trias Sentosa Tbk. (TRST) dengan rata-rata 2,3; PT
Pelangi Indah Canindo Tbk. (PICO) dengan rata-rata 2,4; PT. Sreeya Sewu
Indonesia Tbk. (SIPD) dengan rata-rata 2,17; PT Gajah Tunggal Tbk. (GJTL)
dengnan rata-rata 2,35; PT Jembo Cable Company Tbk. (JECC) dengan rata-rata
92
1,74; PT Ricky Putra Globalindo Tbk (RICY) dengan rata-rata 1,92.
Pada tahun 2019, nilai financial distress z-Score tertinggi yaitu 8,8569
yang terjadi pada PT Sepatu Bata Tbk. (BATA) hal ini menunjukkan bahwa
perusahaan tersebut memiliki nilai financial distress lebih dari 2,6 maka dapat
terendah yaitu -0,3148 yang terjadi pada PT Pelangi Indah Canindo Tbk. (PICO)
yang artinya perusahaan memiliki nilai kurang dari 1,1 maka dapat dikategorikan
Untuk zona gery area pada tahun 2019 terdapat 8 perusahaan yaitu PT.
Makmur Industri Tbk. (LMPI) dengan rata-rata 2,01; PT Steel Pipe Industry of
Indones (MBTO) dengan rata-rata 1,12; PT Aneka Gas Industri Tbk. (AGII)
dengan rata-rata 1,30; PT Indal Aluminium Industry Tbk. (INAI) dengan rata-rata
1,50; PT Trias Sentosa Tbk. (TRST) dengnan rata-rata 2,11; PT. Sreeya Sewu
Indonesia Tbk. (SIPD) dengan rata-rata 2,39; PT Ricky Putra Globalindo Tbk
Pada tahun 2020, nilai financial distress z-Score tertinggi yaitu 8,4076
yang terjadi pada PT. Charoen Pokphand Indonesia Tbk (CPIN) dengan rata-rata
financial distress z-Score lebih dari 2,6. Hal ini dapat diartikan bahwa PT. Charoen
nilai financial distress z-Score yang memiliki nilai terendah yaitu -0,7966 yang
terjadi pada perusahaan PT. Pelangi Indah Canindo Tbk. (PICO) maka dapat
93
rata-rata perusahaan tersebut kurang dari 1,1.
Untuk zona grey area pada tahun 2020 terdapat 8 perusahaan yaitu PT
Langgeng Makmur Industri Tbk. (LMPI) dengan rata-rata 1,47; PT. Aneka Gas
Industri Tbk. (AGII) dengan rata-rata 1,58; PT Indal Aluminium Industry Tbk.
(INAI) dengan rata-rata 1,30; PT Trias Sentosa Tbk. (TRST) dengan rata-rata 2,51;
PT Sreeya Sewu Indonesia Tbk. (SIPD) dengan rata-rata 1,77; PT. Sepatu Bata
Tbk. (BATA) dengan rata-rata 2,58; PT Trisula Textile Industries Tbk (BELL)
dengan rata-rata 2,57; PT Ricky Putra Globalindo Tbk (RICY) dengan rata-rata
1,71.
Pada tahun 2021 nilai financial distress z-Score tertinggi yaitu 9,3784
yang terjadi pada PT Betonjaya Manunggal Tbk. (BTON) hal ini menunjukkan
bahwa perusahaan tersebut memiliki nilai financial distress lebih dari 2,6 maka
Sedangkan nilai z-Score terendah yaitu -1,9130 yang terjadi pada PT Pelangi Indah
Canindo Tbk. (PICO) hal ini menujukkan bahwa perusahaan tersebut miliki nilai
kurang dari 1,1 maka dpat dikategorikan kedalam perusahaan yang mengalami
financial distress.
Untuk zona grey area pada tahun 2021 terdapat 9 perusahaan yaitu PT
Chitose Internasional Tbk. (CINT) dengan nilai rata-rata 1,85; PT. (LMPI) dengan
rata-rata 2,25; PT Martina Berto Tbk (MBTO) dengan rata-rata 1,46; PT Unilever
Indonesia Tbk. (UNVR) dengan nilai rata-rata 2,06; PT Aneka Gas Industri Tbk.
(AGII) dengan nilai rata-rata 1,34; PT Berlina Tbk. (BRNA) dengan nilai rata-rata
1,39; PT Sreeya Sewu Indonesia Tbk. (SIPD) dengan nilai rata-rata 1,50; PT
94
Primarindo Asia Infrastructure (BIMA) dengan nilai rata-rata 2,42; PT Jembo
perusahaan yang berada di tingkat 1,5 – 2,0 yang artinya perusahaan dekat dengan
Z-SCORE
Financial Distress Non Financial Distress Greay Area
4%
24%
72%
95
4.2.1.2. Financial Distress G-Score
96
37 BELL 0,5557 0,5019 0,4517 0,0552 0,3307 0,3790
38 BIMA 0,4729 0,5415 0,5617 0,1407 0,1502 0,3734
39 BOLT 0,8148 0,5376 0,4825 0,3769 0,4714 0,5367
40 GJTL 0,1139 0,0687 0,1540 0,2092 0,1840 0,1460
41 INDS 0,7688 0,7926 0,6004 0,5655 0,7417 0,6938
42 JECC 0,1709 0,2025 0,3904 0,2475 0,2738 0,2570
43 KBLI 0,9946 1,0031 1,4847 1,1869 1,1623 1,1663
44 KBLM 0,3079 0,2778 0,1867 0,8630 0,0962 0,3463
45 RICY 0,2620 0,4340 0,4345 0,3596 0,9444 0,4869
46 SMSM 1,7553 1,7973 1,7707 1,5859 1,6891 1,7197
47 SSTM 0,0288 0,3377 0,0364 0,0421 0,8593 0,2609
MAX 1,8390 1,8987 1,7707 2,1191 1,9720 1,8673
MIN 0,0066 0,0068 -0,5429 -0,5649 -0,3005 -0,1012
MEAN 0,6738 0,7694 0,6645 0,6357 0,7124 0,6912
Sumber: Bursa Efek Indonesia (data yang telah diolah, 2022).
tertinggi perusahaan manufaktur dari tahun 2017 sampai dengan 2021 yaitu 1,8673
yang terjadi pada PT Panca Budi Idaman Tbk. (PBID) dengan rata-rata financial
distress g-Score lebih besar dari 0.01. hal ini menunjukkan bahwa perusahaan PT
Panca Budi Idaman Tbk. (PBID) tidak mengalami financial distress. Sedangkan
niali terendah financial distress g-Score yaitu -0,1012 yang terjadi pada PT Pelangi
Indah Canindo Tbk. (PICO) nilai financial distress g-Score tersebut sebesar -0,1012
Pada tahun 2017 nilai g-Score tertinggi yaitu 1,8390 yaitu pada PT Panca
Budi Idaman Tbk. (PBID) hal ini dapat diartikan bahwa perusahaan tersebut
memiliki nilai rata-rata g-Score lebih besar dari 0,01 maka dapat dikategorikan
Score terendah yaitu 0,0066 yang terjai pada PT Central Proteina Prima Tbk.
97
(CPRO) nilai finacial distress g-Score tersebut memiliki nilai yang rendah dari -
0,02. Hal ini dapat diartikan bahwa perusahaan mengalami financial distress.
Pada tahun 2018 nilai g-Score tertinggi yaitu 1,8987 yaitu pada PT
Unilever Indonesia Tbk. (UNVR) hal ini dapat diartikan bahwa perusahaan tersebut
memiliki nilai rata-rata g-Score lebih besar dari 0,01 maka dapat dikategorikan
Score terendah yaitu 0,0068 yang terjadi pada PT. Saranacentral Bajatama Tbk.
(BAJA) dengan nilai finacial distress g-Score perusahaan tersebut lebih rendah dari
Pada tahun 2019 nilai g-Score tertinggi 1,7707 yaitu pada PT Selamat
Sempurna Tbk. (SMSM) hal ini membuktikan bahwa perusahaan tersebut memiliki
nilai di rata-rata g-Score lebih besar dari 0,01 maka dapat diartikan bahwa
terendah yaitu -0,5429 yang terjadi pada PT Central Proteina Prima Tbk. (CPRO)
dengan nilai financial distress g-Score perusahaan tersebut lebih rendah -0,02. Hal
Pada tahun 2020 nilai g-Score tertinggi 2,1191 yaitu pada PT Panca Budi
Idaman Tbk. (PBID) hal ini membuktikan bahwa perusahaan tersebut memiliki
nilai rata-rata g-Score lebih besar dari 0,01 maka dapat diartikan bahwa perusahaan
tidak mengalami financial distress. Sedangkan nilai g-Score terendah -0,5649 yaitu
pada PT Central Proteina Prima Tbk. (CPRO) dengan nilai financial distress g-
Score perusahaan tersebut lebih rendah dari -0,02. Hal ini menunjukkan bahwa
98
Pada tahun 2021 nilai g-Score tertinggi 1,9720 yaitu terjadi pada PT Panca
Budi Idaman Tbk. (PBID) hal ini membuktikan bahwa perusahaan memiliki nilai
lebih besar dari 0,01 maka dapat diartikan bahwa perusahaan tersebut tidak
mengalami finacial distress. Sedangkan nilai g-Score terendah -0,3005 yaitu pada
PT. Pelangi Indah Canindo Tbk. (PICO) dengan nilai financial distress g-Score
perusahaan tersebut lebih rendah dari -0,02. Hal ini menunjukkan bahwa
G-SCORE
Financial Distress Nonfinancial Distress
4%
96%
99
4.2.2. Profitabilitas
periode tertentu, rasio ini juga dapat memberikan ukuran tingkat efektivitas
manajemen suatu perusahaan yang ditunjukkan dari tingkat laba yang dihasilkan
dari penjualan.
100
28 PBID 0,1492 0,1424 0,1299 0,2115 0,1980 0,1662
29 PICO 0,1269 0,1189 0,1221 0,0395 0,0365 0,0888
30 SMGR 0,2862 0,3040 0,3150 0,3303 0,3133 0,3098
31 SPMA 0,1507 0,1561 0,1491 0,1826 0,2108 0,1698
32 SRSN 0,2187 0,2378 0,2527 0,2146 0,1848 0,2217
33 SIPD 0,1005 0,1617 0,1456 0,1234 0,0993 0,1261
34 AMIN 0,3117 0,3278 0,3223 0,2728 -0,1747 0,2120
35 ASII 0,2056 0,2122 0,2118 0,2203 0,2186 0,2137
36 BATA 0,4595 0,4793 0,4602 0,2131 0,4465 0,4117
37 BELL 0,2352 0,2647 0,2869 0,2354 0,2812 0,2607
38 BIMA 0,4243 0,4418 0,3931 -0,0980 -0,0785 0,2165
39 BOLT 0,2526 0,2021 0,1746 0,1166 0,1844 0,1861
40 GJTL 0,1742 0,1599 0,1755 0,2987 0,0160 0,1649
41 INDS 0,1939 0,1512 0,1483 0,1607 0,1956 0,1699
42 JECC 0,1398 0,1053 0,1198 0,0916 0,0188 0,0951
43 KBLI 0,1615 0,1289 0,1803 0,0575 0,0999 0,1256
44 KBLM 0,0871 0,0977 0,0925 0,0569 0,0198 0,0708
45 RICY 0,2641 0,1663 0,1505 0,1558 0,1440 0,1761
46 SMSM 0,3015 0,3034 0,3028 0,3208 0,3213 0,3099
47 SSTM 0,0106 0,0286 0,0463 0,0283 0,0265 0,0281
MAX 0,5389 0,4838 0,4602 0,5160 0,9556 0,5883
MIN 0,0069 -0,0076 0,0236 -0,0980 -0,1747 0,0281
MEAN 0,2274 0,2208 0,2235 0,2090 0,1983 0,2158
Sumber: Bursa Efek Indonesia (data yang telah diolah, 2022)
memiliki nilai tertinggi yaitu perusahaan sektor manufaktur dari tahun 2017 sampai
dengan tahun 2021 terjasdi pada PT Akasha Wira International Tbk. (ADES)
dengan rata-rata nilai 0,5883. Sedangkan nilai profitabilitas yang memiliki nilai
lebih rendah terjadi pada PT. Sunson Textile Manufacture Tbk. (SSTM) dengan
101
Pada tahun 2017 nilai profitabilitas tertinggi yaitu 0,5389 yang terjadi
memiliki nilai terendah yaitu 0,0069 yang terjadi pada PT Saranacentral Bajatama
Tbk. (BAJA).
Pada tahun 2018 nilai profitabilitas tertinggi yaitu 0,4838 yang terjadi
Pada tahun 2019 nilai profitabilitas tertinggi yaitu 0,4602 yang terjadi
pada PT Sepatu Bata Tbk. (BATA), sedangkan profitabilitas yang memiliki nilai
Pada tahun 2020 nilai profitabilitas tertinggi yaitu 0,5160 yang terjadi
Pada tahun 2021 nilai profitabilitas tertinggi yaitu 0,9556 pada PT Akasha
Wira International Tbk (ADES), sedangkan nilai terendah -0,1747 yang terjadi
profit margin selama 2017-2021 terjadi pada tahun 2017 dengan nilai sebesar
0,2274. Sedangkan nilai rata-rata terendah profitabilitas terjadi pada tahun 2018
102
Profitabilitas
0,23
0,2274
0,225
0,2235
0,22 0,2208
0,215
0,21 0,209
0,205
0,2
0,1983
0,195
0,19
0,185
0,18
2017 2018 2019 2020 2021
Profitabilitas
Pada tabel 4.6. dan Garfik 4.1. diatas dapat dilihat nilai rata-rata
profitabilitas pada tahun 2017 sebesar 0,2274 pada tahun 2017 sampai dengan
0,2208 pada tahun 2018, di tahun 2019 mengalami kenaikan kembali sebesar
0,2235, lalu pada tahun 2020 mengalami penurunan kembali sebesar 0,2090
103
Dapat ditarik kesimpulan bahwa hasil dari grafik diatas perusahaan dari
tahun 2017 sampai dengan tahun 2021 perusahaan mengalami penurunan profit
pajak bukan hanya pajak pendapatan namun pajak lainnya seperti pajak bangunan,
104
25 JPFA 0,3947 0,2502 0,4899 0,1997 0,2852 0,3240
26 LION 0,6161 0,3338 1,2376 0,6369 0,1468 0,5942
27 TRST 1,1989 0,5613 1,0515 0,2039 0,1187 0,6269
28 PBID 0,3403 0,3751 0,4013 0,1773 0,2399 0,3068
29 PICO 0,2523 0,3621 0,1074 0,0425 0,0026 0,1534
30 SMGR 0,5091 0,1323 0,1930 0,3426 0,3548 0,3064
31 SPMA 0,1113 0,1580 0,0922 0,1121 0,1214 0,1190
32 SRSN 0,0530 0,1640 0,2309 0,3405 0,7521 0,3081
33 SIPD 0,2496 1,7555 0,0000 0,2986 0,0054 0,4618
34 AMIN 0,2226 0,2923 0,3430 0,5400 0,2036 0,3203
35 ASII 0,2186 0,0229 0,3213 0,2784 1,7119 0,5106
36 BATA 0,2767 0,3664 0,7106 0,0285 0,2396 0,3244
37 BELL 0,3976 0,1939 0,2121 0,5717 0,6987 0,4148
38 BIMA 0,7990 1,5115 0,0362 0,0620 0,0179 0,4853
39 BOLT 0,3696 0,4765 0,5231 0,2170 0,0537 0,3280
40 GJTL 2,2456 1,9027 0,5058 0,1302 2,6216 1,4812
41 INDS 0,1727 0,3351 0,2856 0,2062 0,2597 0,2519
42 JECC 0,5443 0,0406 0,0443 1,6291 0,0772 0,4671
43 KBLI 0,2448 0,1608 0,1847 0,9954 0,0201 0,3212
44 KBLM 0,4257 0,2044 1,8700 0,0355 0,4274 0,5926
45 RICY 0,4398 0,4090 0,5588 0,0534 0,0548 0,3032
46 SMSM 0,2317 0,2330 0,2455 0,2014 0,1821 0,2188
47 SSTM 0,0079 1,1777 0,0061 0,0140 0,0364 0,2484
MAX 2,2456 1,9027 2,4330 1,8042 2,6216 1,4812
MIN 0,0010 0,0033 0,0000 0,0095 0,0021 0,0194
MEAN 0,4095 0,3809 0,4222 0,2938 0,3439 0,3701
Sumber: Bursa Efek Indonesia (data yang telah diolah, 2023)
CETR pada tahun 2017 yaitu PT. Betonjaya Manunggal Tbk. (BTON) sebesar
0,0010. Maka dapat di tarik kesimpulan bahwa setiap Rp. 1 laba sebelum pajak,
maka kemungkinan tax avoidance sebesar 0,010. Sedangkan pada tahun 2018,
perusahaan yang memiliki nilai minimum CETR di alami oleh PT. Charoen
Pokphand Indonesia Tbk (CPIN) sebesar 0,0033. Maka dapat ditarik kesimpulan
bahwa setiap Rp. 1 laba sebelum pajak, maka kemungkinan tax avoidance sebsar
0,0033. Pada tahun 2019 nilai minimum yang terjadi pada PT Sreeya Sewu
105
Indonesia Tbk. (SIPD) sebesar 0,000. Maka dapat ditarik kesimpulan bahwa setiap
Rp. 1 laba sebelum pajak, maka kemungkinan tax avoidance sebesar 0,000. Juga
pada tahun 2020 memiliki nilai minimum terjadi pada PT. Charoen Pokphand
Indonesia Tbk (CPIN) sebesar 0,0095. Maka dapat ditarik kesimpulan bahwa
setiap Rp. 1 laba sebelum pajak, maka kemungkinan tax avoidance sebesar 0,0095.
Dan juga pada tahun 2021 yang memiliki nilai minimum terjadi pada PT. Pelangi
Indah Canindo Tbk. (PICO) sebesar 0,0026. Maka dapat ditarik kesimpulan bahwa
setiap Rp. 1 laba sebelum pajak, maka kemungkinan tax avoidance sebesar 0,0026.
tahun 2017 yaitu PT. Gajah Tunggal Tbk. (GJTL) sebesar 2,2456. Maka dapat di
artikan setiap Rp. 1 laba sebelum pajak, jadi kemungkinan tax avoidance sebesar
2,2456. pada tahun 2018 perusahaan yang memiliki nilai maksimum CETR dialami
oleh PT. Gajah Tunggal Tbk. (GJTL) sebesar 1,9027. Maka dapat diartikan setiap
Rp. 1 laba sebelum pajak, jadi kemungkinan tax avoidance sebesar 1,9027. Pada
tahun 2019 perusahaan yang mengalami nilai maksimum CETR dialami oleh PT.
Duta Pertiwi Nusantara Tbk. (DPNS) sebesar 2,4330. Maka dapat diartikan setiap
Rp. 1 laba sebelum pajak, jadi kemungkinan tax avoidance sebesar 2,4330. Pada
tahun 2020 perusahaan yang memiliki nilai maksimum CETR dialami oleh PT.
Duta Pertiwi Nusantara Tbk. (DPNS) sebesar 1,8042, maka dapat diartikan bahwa
setiap Rp. 1 laba sebelum pajak, kemungkinan tax avoidance sebesar 1,8042. Dan
juga pada tahun 2021 perusahaan yang memiliki nilai maksimum CETR dialami
oleh PT. Gajah Tunggal Tbk. (GJTL) sebesar 2,6216, maka dapat diartikan bahwa
setiap Rp. 1 laba sebelum pajak, kemungkinana terjadi tax avoidance sebesar
106
2,6216.
diukur menggunakan CETR selama periode 2017 sampai dengan 2021 terjadi pada
tahun 2017 dengan nilai 0,4095. Sedangkan untuk nilai rata-rata terendah terjadi
pada tahun 2020 dengan nilai rata-rata sebesar 0,2938. Dibawah ini merupakan
Tax Avoidance
0,45
0,4095 0,4222
0,4
0,3809
0,35 0,3439
0,3 0,2939
0,25
0,2
0,15
0,1
0,05
0
2017 2018 2019 2020 2021
Tax Avoidance
Pada tabel 4.7. dan grafik 4.2. diatas, dapat dilihat dari nilai rata-rata
penghindaran pajak (tax avoidance) pada tahun 2017 sampai dengan tahun 2021.
Pada tahun 2017 nilai rata-rata penghindaran pajak sebesar 0,4095 dan pada tahun
2018 mengalami penurunan sebesar 0,3809 namun pada tahun 2019 mengalami
107
pada tahun 2020 sebesar 0,2938 pada tahun 2021 mengalami kenaikan kembali
sebesar 0,3439. Berdasarkan grafik diatas dapat ditarik kesimpulan bahwa rata-rata
maksimal tax avoidance terjadi pada tahun 2019 sebesar 0,4222 sedangkan
data yang digunakan dalam penelitian serta dapat menunjukkan nilai rata-rata dan
108
Tabel 4. 7 Hasil Analisis Deskriptif Financial Distress G-Score
Descriptive Statistics
Sumber: SPSS22
Berdasarkan uji statistik deskriptif pada tabel 4.8 sampai 4.10. diatas dapat
disimpulkan bahwa jumlah sampel (N) adalah 235 sampel dalam periode selama 5
tahun yaitu dari tahun 2017 sampai dengan tahun 2021. Berikut ini juga dapat
109
menggunakan z-Score sebesar 25712,22800 dan menggunakan g-Score
sebesar 5231,52514
9556,00 dan nilai rata-rata sebesar 2157,9149 serta nilai standar deviasi
sebesar 1359,35454.
dan nilai rata-rata sebesar 3700,6596 serta nilai standar deviasi sebesar
4491,88200.
menggunakan uji asumsi klasik terlebih dahulu. Uji ini digunakan untuk memenuhi
linier yang diperoleh melalui metode penaksiran OLS (Ordinary Least Squares)
variable bebas terhadap variable tak bebas jika persamaan tersebut memenuhi
asumsi-asumsi regresi klasik. Asumsi regresi yang dilihat adalah asumsi error
heteroskedastis dan asumsi bebas autokorelasi. Uji asumsi klasik yang digunakan
110
4.4.1. Uji Normalitas
Unstandardized Residual
N 235
Normal Parametersa,b Mean .0000000
Std. Deviation .15874231
Most Extreme Differences Absolute .068
Positive .068
Negative -.041
Kolmogorov-Smirnov Z 1.041
Asymp. Sig. (2-tailed) .229
a. Test distribution is Normal.
b. Calculated from data.
Sumber: Output SPSS 20
sebesar 1,041 dengan probabiliti (p-value) sebesar 0,229. Nilai probability uji
111
Tabel 4. 10 Hasil Uji Normalitas Z-Score
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 235
Normal Parametersa,b Mean .0000000
Std. Deviation .15996173
Most Extreme Differences Absolute .084
Positive .084
Negative -.055
Kolmogorov-Smirnov Z 1.293
Asymp. Sig. (2-tailed) .071
a. Test distribution is Normal.
b. Calculated from data.
Sumber: Output SPSS 20
sebesar 1,293 dengan probabiliti (p-value) sebesar 0,071. Nilai probability uji
Kolmogorov-Smirnov model lebih besar < 0,05 sehingga dapat disimpulkan nilai
normalitas dengan model lain yang dapat digunakan cara lain dengan melihat
grafik normal P Plot of Regression Statistic. Model regresi telah memenuhi asumsi
normalitas bila titik-titik data pada grafik P-P Lot menyebar di sekitar garis
diagonal dan mengikuti arah garis diagonal. Hasil Grafik uji normalitas pada
112
Grafik 4. 3 Grafik Normal P-Plot model X –Y (Z-Score)
113
4.4.2. Multikolonieritas
ditemukan adanya korelasi antar variabel bebas (independen). Model korelasi yang
bebas dalam model regresi. Jika terdapat multikolinieritas maka koefisien regresi
kesalahannya menjadi besar. Indikator yang digunakan dalam menilai ada tidaknya
multikolinieritas diantara variabel bebas pada model regresi yang diperoleh pada
penelitian ini digunakan nilai Variance Inflation Factors (VIF). Jika nilai tolerance
> 0,10 dan VIF <10, maka dapat diartikan bahwa tidak terdapat multikolinearitas
pada penelitian tersebut. Hasil uji multikolinearitas dapat dilihat pada tabel berikut
ini:
Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics
114
Hasil uji multikolinearitas dengan melihat nilai VIF dan Tolerance
menunjukanm bahwa semua variabel dalam penelitian ini memiliki nilai tolerance
diatas 1 dan semua nilai VIF dibawah 10. Berdasarkan hasil menunjukkan
multikoleniaritas bahwa nilai tolerance ssemua variabel independen < 0,10 yaitu
0,699 untuk variabel financial distress menggunakan z-Score dan 0,661 yang
menggunakan g-Score dan variabel profitabilitas 0,903 dan hasil perhitungan VIF
memiliki nilai dibawah < 0,10 semua, maka dapat kita simpulkan bahwa pada
model regresi yang digunkan dalam penelitian ini tidak terjadi multikolinieritas
grafik plot antara nilai prediksi variabel terikat (ZPRED) dengan nilai residualnya
titik-titik tersebar di atas dan dibawa angka nol dan menyebar dan menyempit ke
arah kiri, sehingga dapat disimpulkan bahwa dalam model regresi persamaan tidak
115
Grafik 4. 5 Grafik Uji Heteroskedastisitas Model X –Y (Z-Score)
116
Berdasarkan hasil uji pada heteroskedastisitas dapat dilihat titik-titik
tersebut meneybar diatas angka 0 pada sumbu Y dan tidak ada pola tertentu maka
uji Durbin Watson yaitu dengan membandingkan nilai Durbin Watson hitung (d)
dengan nilai Durbin Watson tabel dengan batas lebih tinggi (upper bond atau du)
merupakan D-W hitung sedangkan nilai du berasal dari tabel Durbin Watson. Atau
kriteria lain adalah bila D-W hitung mendekati + 2 hal tersebut menunjukan dalam
model regresi tidak terjadi autokorelasi. Hasil uji autokorelasi dengan Durbin
berada dalam rentang du (1,789) – 4-du (2,211) yaitu daerah tidak ada autokorelasi.
117
Hasil = du < d < 4 - Du
N = 235
D = 1,892
Dl = 1,748
Du = 1,789
4-dl = 4 - 1,571 = 2,252
4-du = 4 - 1,789 = 2,211
Hasil = 1,789 < 1,892 < 2,211
sebesar 1,892. Untuk nilai Du dapat dilihat pada tabel Durbin-Watson, dimana
dengan jumlah (n) yaitu sebanyak 235 dan jumlah variabel (k) yaitu 2 maka di
peroleh nilai du sebesar 1,789 dan nilai Durbin-Watson (WD) lebih kecil dari 4
dikurangi nilai du maka dapat disimpulkan tidak ada auto korelasi positif ataupin
negatif.
118
Tabel 4. 13 Koefisien Korelasi
Correlationsb
FS_ZSCORE FS_GSCORE Profitabilitas Tax avoidance
** **
FS_ZSCORE Pearson Correlation 1 .547 .208 .283**
dengan Penghindaran pajak (tax avoidance) pada tabel di atas diperoleh sebesar
0,283. Nilai korelasi financial distress (Z-Score) dengan Penghindaran pajak (tax
pajak (tax avoidance) pada tabel di atas diperoleh sebesar 0,271. Nilai korelasi
jadi Penghindaran pajak (tax avoidance) memiliki hubungan yang searah dengan
avoidance) pada tabel di atas diperoleh sebesar 0,236. Nilai korelasi Profitabilitas
119
Nilai dari tiga pengukuran tersebut financial distress menggunakan z-
score dan g-score sedangkan profitabilitas menggunakan gross profit margin yang
positif maka dapat disimpulkan bahwa variabel indepen memiliki hubungan yang
analisis regresi linear berganda. Analisis regresi linear berganda dilakukan untuk
mengetahui signifikansi pengaruh variabel bebas yaitu financial distress (X1) dan
avoidance) (Y). Persamaan regresi yang peneliti gunakan adalah sebagai berikut:
Y = α + β1X1 + β2X2 + ε
Keterangan:
X1 = Financial distress
X2 = Profitabilitas
e = error
120
1. Model Regresi Financial distress (Z-Score) dan Profitabilitas terhadap
pajak (tax avoidance) diperoleh hasil estimasi regresi linier berganda yang
Keterangan:
X2 = Profitabilitas
e = error
Nilai konstanta sebesar 0,139 menunjukan rata-rata skor Penghindaran pajak (tax
avoidance) (Y) jika pada kondisi financial distress dan Profitabilitas tidak berubah
(konstan) atau nol (0). Hasil perhitungan koefisien regresi untuk X1 (1) diperoleh
121
sebesar 0,019. Koefisien regresi X1 bertanda positif artinya jika nilai Z-Score
financial distress meningkat dan variabel lainnya tidak berubah maka nilai
Penghindaran pajak (tax avoidance) meningkat sebesar 0,019. Maka ada hubungan
yang searah antara Penghindaran pajak (tax avoidance) dengan financial distress
yang diukur dengan nilai Z-Score. Yang artinya semakin tinggi financial distress
variabel lainnya tidak berubah maka penghindaran pajak (tax avoidance) naik
sebesar 0,253. Jadi ada hubungan yang searah antara Penghindaran pajak (tax
menurun maka tindakan penghindaran pajak yang dilakukan oleh perusahaan akan
meningkat pula.
pajak (tax avoidance) diperoleh hasil estimasi regresi linier berganda yang
122
Tabel 4. 15 Hasil Regresi Linier Berganda
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta T Sig.
1 (Constant) .168 .022 7.672 .000
Keterangan :
X2 = Profitabilitas
avoidance) (Y) jika pada kondisi financial distress dan Profitabilitas tidak berubah
Koefisien regresi X1 bertanda positif artinya jika nilai G-Score financial distress
meningkat dan variabel lainnya tidak berubah maka nilai Penghindaran pajak (tax
avoidance) meningkat sebesar 0,093. Jadi ada hubungan yang searah antara
Penghindaran pajak (tax avoidance) dengan financial distress yang diukur dengan
123
Penghindaran pajak (tax avoidance).
variabel lainnya tidak berubah maka Penghindaran pajak (tax avoidance) naik
sebesar 0,214. Maka ada hubungan yang searah antara Penghindaran pajak (tax
atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama –
menggunakan analisis regresi linier berganda maka hasil yang didapatkan sebagai
berikut:
dan Penghindaran pajak (tax avoidance) diperoleh hasil nilai Uji F yang diolah
124
Berdasarkan tabel 4.18 diperoleh nilai sebesar 10.767 dengan signifikan
sebesar 0,000 yang artinya nilai signifikan lebih kecil daripada nilai profibilitas
yanitu 0,05 atau 0,000 < 0,05 maka dapat di artikan bahwa koefisien regresi positif
dan signifikan dengan demikian dapat ditarik kesimpulan bahwa secara simultan
avoidance.
<0,05 maka H0 ditolak, jika nilai probabilitas > 0,05 maka Ha diterima berdasarkan
Standardized
Unstandardized Coefficients Coefficients
125
Berdasarkan tabel 4.21 menunjukkan hasil pengaruh Financial distress
sebesar 0,014. Maka dapat diasumsikan bahwa setiap kenaikan satuan finacial
distress akan berdampak pada kenaikan CETR sebesar 0,014. Berdasarkan teori
bahwa semakin tinggi nilai CETR makan tax avoidace semakin rendah sehingga
dapat ditarik kesimpulan bahwa setiap kenaikan financial distress akan berdampak
pada kenaikan variabel tax avoidance sebesar 0,014 dengan asumsi independen
lainnya konstan.
mempunyai nilai koefisiensi sebesar 0,052. Dapat ditarik kesimpulan bahwa setiap
kenaikan satuan financial distress akan berdampak pada kenaikan nilai CETR
mempunyai nilai koefisiensi sebesar 0,204. Dapat ditarik kesimpulan bahwa setiap
kenaikan profitabilitas akan berdampak pada kenaikan nilai CETR sebesar 0,204
Dari tabel diatas dapat juga disimpulkan koefisien regresi untuk financial
distress menggunakan nilai z-Score 0,014 dan nilai signifikan sebesar 0,014 karena
0.014 < 0,05 maka H1 dapat dikonfirmasi bahwa financial distress menggunakan
126
artinya 0,110 < 0,05 maka dapat di artikan menggunakan g-Score tidak signifikan
nilai koefisien regresi sebesar 0,204 dan memiliki nilai signifikan sebesar 0,014
yang artinya 0,014 < 0,05 artinya variabel profitabilitas berpengaruh positif
dependen. Nilai koefisien determinasi yang ditunjukkan dengan nilai R 2 dari model
Kd = R2 x 100%
Keterangan:
Kd = Koefisien determinasi
R = Koefisien Korelasi
127
Kd = R2 x 100%
= 0,123 x 100%
= 12,3 %
Berdasarkan tabel diatas menunjukkan bahwa nilai Nagleke’s R.Square
sebesar 0,123 yang berarti variabel dependen dapat dijelaskan oleh variabel
oleh variabel-variabel lain yang ada diluar pada penelitian ini yaitu ukuran
independen,sales growth, komite audit, umur perusahaan, intensitas aset tetap dan
variabel-variabel lainnya yang tidak ditelidi dalam penelitian ini. (Rusydi, 2014),
(Ayu dan Ery, 2016), (Diantari dan Ulupui, 2016), (Oktamawati, 2017).
4.7.1. Pembahasan
distress dan profitabilitas terhadap tax avoidance dapat dijelaskan dan diartikan
avoidance.
128
Hasil penelitian statistik persial (Uji-t) dari hasil analisis diatas
Berikut ini juga merupakan penjelasan pengaruh yang terjadi antara variabel-
variabel tersebut:
Dari hasil pengujian hipotesis di atas maka dapat disimpulkan bahwa financial
129
dividen bagi pemegang saham. Hasil penelitian ini sejalan dengan penelitian
Hal ini dapat diartikan bahwa perusahaan yang diukur menggunakan grover
tidak dapat dilakukan oleh penelitian yang secara bersamaan untuk periode
2017 sampai 2021 dikarenakan nilai tingkat dalam peengukuran grover hanya
terdapat 2 perbandingan yang dimana jika dalam z-score nilai grover rata-rata
avoidance.
130
Hal ini menunjukkan bahwa semakin tinggi profitabilitas maka semakin tinggi
tax avoidance. Maka semakin tinggi Gross Profit Margin maka semakin baik
kinerja perusahaan begitu juga pembayaran pajak maka akan semakin tinggi,
dalam hal ini pula menjadi faktor perusahaan melakukan penghindaran pajak
jika perusahaan memiliki laba pendapatan yang cukup besar maka penarikan
atau pembayaran pajak kepada negara juga akan besar sehingga perusahaan
tidak mau mengurangi kas yang ada pada perusahaan sehingga dapat ditarik
dalam hal ini perusahaan mengabaikan pajak yang harus dibayar yang berarti
karena perusahaan mengetahui bahwa pajak adalah bagian yang wajib dan
Hasil ini sejalan dengan penelitian yang dilakukan oleh Rachel, (2021) ,
131
4.8. Implikasi
Dalam penelitian ini diperoleh hasil bahwa financial distress dan profitabilitas
berpengaruh positif signifikan terhadap tax avoidance. Hasil penelitian ini sejalan
dengan penelitian Meilia & Adnan, (2017), Halim, (2019), Suwanta at al., (2022),
Alwan at al., (2022), Anisa, (2022), Christy Susanto et al., (2022) yang
dengan penelitian Reza, (2022), Suhaidar et al., (2022), Estevania & Wi, (2022),
avoidance.
Implikasi praktis yaitu dari hasil penelitian ini bagi pihak yang
(tax avoidance) untuk waktu yang akan datang. Berdasarkan hasil pengujian yang
tax avoidance.
yang didaptkan perusahaan atau rendah maka akan meningkatkan jumlah pajak
132
serta hutang pajak dikarenakan laba yang dihasilkan perusahaan merupakan
pengenaan pajak penghasilan. Semakin tinggi jumlah laba maka nilai CETR
4.9. Keterbatasan
ini sedikit yang digunakan dari total perusahaan sub sektor manufaktur
2. Penelitian ini juga dilakukan pada seluruh sektor manufaktur yang terdaftar
133
BAB V
5.1. Kesimpulan
235 yang terdiri dari 47 perusahaan sektor manufaktur yang terdaftar di Bursa Efek
Indonesia (BEI), tetapi terdapat pada penelitian ini data perusahaan outlier
pajak.
134
5.2. Saran
variabel lain yang tidak berpaku pada financial distress dan profitabilitas
3. Bagi peneliti selanjutnya diharapkan dapat menambah uji analisis data agar
distress ataupun profitabilitas dengan model yang berbeda dan terbaru agar
pajak sebesar 12,3% dan untuk sisanya yaitu sebesar 87,7% yang dijelaskan
135
5.2.2. Saran Praktis
berikut:
tetap dalam batas koridor peraturan yang telah ditetapkan oleh pemerintah.
2. Bagi investor, dalam hal ini jika akan menginvestasikan untuk dapat lebih
mematuhi peraturan pajak yang berlaku saat ini, tax aoidance ini bukan
prilaku yang baik yang dapat memberikan dampak pada seluruh para
investor.
penghindaran pajak.
136
DAFTAR PUSTAKA
cxxxvii
Atika Saputri Friska. (2018). Leverage, Intensitas Modal Dan Proporsi Dewan
Komisaris Independen Terhadap Tax Avoidance (Studi Pada Perusahaan Jasa
Subsektor Bank yang Terdaftar di Bursa Efek Indonesia Tahun 2012-2016).
Jurnal Ekobis Dewantara, 37-39.
Bagaskara Alvie. (2022). Pengaruh Corporate Governance Dan Insentif Eksekutif
Terhadap Tax Avoidance Pada Perusahaan (Studi Empiris Pada Perusahaan
Manfaktur Sub Sektor Barang Konsumsi Yang Terdaftar Di Bursa Efek
Indonesia Periode 2015-2019). Indonesia Banking School.
Estevania Kattrine dan Wi Peng. (2022). Pengaruh Profitabilitas, Leverage, Sales
Growth, Dan Financial Distress Terhadap Tax Avoidance Pada Perusahaan
Manufaktur Subsektor Food And Beverages Yang Terdaftar Di Bursa Efek
Indonesia (Bei) Tahun 2017-2021. Jurnal Akuntansi, 113-122
Faradilla Ivory Candra dan Bhilawa Loggar. (2022). Pengaruh profitabilitas,
leverage, ukuran perusahaan dan sales growth terhadap Tax Avoidance. Jurnal
Ilmiah Akuntansi dan Keuangan, 34-44.
Lukito Dicky Putra dan Sandra Amelia. (2021). Pengaruh Capital Intensity,
Profitabilitas, Dan Financial Distress Terhadap Tax Avoidance. Universitas
Kwik Kian Gie, 114-125.
Ni Made Nita Saputri dan Kadek Dewi Padnyawati. (2021). Pengaruh Profitabilitas,
Likuiditas, Dan Leverage Terhadap Financial Distress (Studi Kasus pada
Perusahaan Sektor Property dan Real Estate Yang Terdaftar di Bursa Efek
Indonesia (BEI) Periode 2017-2019). Universitas Hindu Indonesia.
Putri Yoana Aulia dan Yanti Harti Budi. (2022). Pengaruh Corporate Social
Responsibility , Kompensasi Manajemen , Intensitas Modal , Financial
Distress Terhadap Tax Avoidance. Universitas Trisakti, 487-500.
Rosalian N. (2021). Pengaruh Ketidakpastian Lingkungan Dan Financial Distress
Terhadap Tax Avoidance Dengan Strategi Bisnis. Universitas Islam Indonesia
.
Sinduarta Putu Wahyudi dan Hapsari Dini Wahjoe. (2022). Determinan
Penghindaran Pajak: Studi pada Perusahaan Makanan dan Minuman dari
Indonesia. SEIKO : Journal of Management & Business, 390-400.
cxxxviii
Sudaryo Yoyo, Purnamasari Dyah dan Kartikawati Gustiani. (2018). Pengaruh
Profitabilitas, Leverage, Kualitas Audit, dan Komite Audit Terhadap Tax
Avoidance Pada Perusahaan Manufaktur Yang Terdaftar Pada Bursa Efek
Indonesia Periode 2013-2017. Indonesia Membangun, 15-32.
Suhaidar, Erwandy, Ridwan Muhammad Qomaruddin, Sitorus Berkati. (2020).
Pengaruh Financial Distress, Likuiditas, Dan Sales Growth Terhadap
Penghindaran Pajak Pada Perusahaan Property Dan Real Estate. Bisnin dan
Ekonomi, 16-19.
Syalsabila Haya dan Sekar Mayangsari. (2022). pengaruh risiko perusahaan, ukuran
perusahaan, dan Financial Distress terhadap Tax Avoidance. Universitas
Trisakti.
Tri, P. W. (2022). Pengaruh Ukuran Perusahaan dan Transfer Pricing Terhadap Tax
Avoidance (Studi Pada Perusahaan Manufaktur Yang Terdaftar di Bursa Efek
Indonesia Periode 2016-2020). IM & STIE STAN-IM.
vani Mailia Apollo. (2020). Pengaruh Profitabilitas, Ukuran Perusahaan Dan
Capital Intensity Terhadap Tax Avoidance. Universitas Mercu Buana, 506-
515.
Yuni Ni Putu Ayu Indira dan Setiawan Putu Ery. (2019). Pengaruh Corporate
Governance dan Profitabilitas terhadap Penghindaran Pajak dengan Ukuran
Perusahaan. Jurnal Akuntansi, 128-144.
Christy Susanto Lovena, Julianetta Vennecia, Excel Alexander, Tantya Fiorin,
Kristiana Stefanie dan Salsalina Ita. (2022). Pengaruh Transfer Pricing dan
Profitabilitas terhadap Penghindaran Pajak Perusahaan Publik Sektor
Pertambangan di Indonesia. Akuntansi, Bisnis dan Ekonomi, 2(1), 59-69.
Febrilyantri Candra. (2022). Pengaruh Likuiditas , Leverage , Ukuran Perusahaan
Terhadap Tax Avoidance Pada Perusahaan Manufaktur Sub-Sektor Otomotif
Tahun 2018-2021. Journal of Islamic Banking and Finance, 128-141.
Fiqotus Sa'idah. (2022). Analisis Model Altman Z-Score, Grover, Springate Dan
Zmijewski Dalam Memprediksi Kondisi Financial Distress. UIN Raden Intan
Lampung, 30-31.
cxxxix
Maulida Rezi Atika. (2022). Pengaruh Profitabilitas, Current Ratio, Debt to Equity
Ratio dan Collateralizable Asset Terhadap Kebijikan Dividen Perusahaan
Transportasi dan Logistik Periode 2017-2021. Universitas Hayam Wuruk, 44-
45.
Nidha Fadhila dan Sari Andayani. (2022). Pengaruh Financial Distress,
Profitabilitas, dan Leverage terhadap Tax Avoidance. Universitas UPN, 6(4),
3489-3500.
Nurul Yusi Fauziah. (2020). Pengaruh Financial Distress Terhadap Tax Avoidance.
epub. imandiri.
Putri Yoana Aulia dan Yanti Harti Budi. (2022). Pengaruh Corporate Social
Responsibility , Kompensasi Manajemen , Intensitas Modal , Financial
Distress Terhadap Tax Avoidance. Universitas Trisakti, 2(2), 487-500.
Rafidah I. (2018). Pengaruh Financial Distress, Corporate Governance dan
Konservatisme Akuntansi Terhadap Tax Avoidance (Studi Empiris pada
perusahaan perbankan yang listing di BEI tahun 2015-2017). Universitas
UII(3), 1-13.
Rahmah Annisa Aulia dan Murtanto. (2022). Determinasi Tax Avoidance Masa
Pandemi COVID-19. Ekonomi Trisakti, 2(2), 1861-1874.
Ramdhan. (2021). Pengaruh Kepemilikan Institusional, Kepemilikan Manajerial,
Karakteristik Eksekutif Dan Capital Intensity Terhadap Tax Avoidance.
epub.imandiri.
Reza Arifin. (2022). Pengaruh Profitabilitas, Ukuran Perusahaan dan Pertumbuhan
Penjualan Terhadap Tax Avoidance (Studi pada Perusahaan Sektor
Manufaktur yang Terdaftar di Bursa Efek Indonesia Periode 2016-2020).
epub. imandiri.
Salsabila, R. S., Dhia, N. R., & Hasnawati. (2022). Pengaruh Advertising, Capital
Expenditure, Pendidikan Ceo Dan Pendidikan Cfo Terhadap Tax Avoidance
Pada Sektor Perbankan Di Indonesia. Akuntansi Trisakti, 340-355.
Sidauruk Tagor Darius dan Putri Nandini Trimelinia Pebriani. (2022). Pengaruh
Komisaris Independen, Karakter Eksekutif, Profitabiltas dan Ukuran
Perusahaan terhadap Tax Avoidance. Akuntansi Keuangan, 2(1), 45-57.
cxl
Sitorus Paskah Ria. (2022). Pengaruh Likuiditas, Leverage, Profitabilitas, Dan
Pertumbuhan Perusahaan Terhadap Kebijakan Dividen Pada Perusahaan
Manufaktur Sektor Food And Beverage Yang Terdaftar di BEI. Akuntansi
Prima, 4(2), 1-17.
Suwanta Tata dan Herijawati Etty. (2022). Pengaruh Profitabilitas, Likuiditas Dan
Leverage Terhadap Tax Avoidance (Studi Kasus Pada Perusahaan Manufaktur
Industri Barang Konsumsi Yang Terdaftar Di Bursa Efek Indonesia Tahun
2018-2021). Ekonomi dan Bisnis, 2(2), 902-911.
Tania Putri Astari. (2021). Pengaruh Struktur Modal dan Tax Avoidance terhadap
Nilai Perusahaan (Studi Pada Peusahaan Manufaktur Yang Terdaftar di Bursa
Efek Indonesia Periode 2016-2020). epub imandiri.
Tresna Syah Rozak, Arief Tri Hardiyanto dan Haqi Fadilah. (2018). Pengaruh
Profitabilitas, Likuiditas, Dan Leverage Terhadap Tax Avoidance. Akuntansi
Universitas Pakuan, 5.
Wati Rivaldy Yohannes Yosis, Karamoy Herman dan Kalangi Lintje. (2022).
Pengaruh Struktur Corporate Governance Dan Financial Ratios Terhadap
Financial Distress Perusahaan Otomotif. Riset Akuntansi Dan Auditing, 84-
100.
Widiasmara Anny dan Rahayu Henny Catur. (2019). Perbedaan Model Ohlson,
Model Taffler Dan Model Springate Dalam Memprediksi Financial Distress.
Jurnal Akuntansi, No. 3.
Windi Oktavia dan Momamad Safii. (2022). Pengaruh Karakter Eksekutif Dan
Financial Distress Terhadap Tax Avoidance. Jurnal Akuntansi, 3(2), 414-420.
Yuliana Dinda, Susanti Santi dan Zulaihati Sri. (2021). Pengaruh Financial Distress
dan Corporate Governance terhadap Tax Avoidance. Akuntansi dan Audit,
2(2), 435-451.
Rachel Alchusna dan Zati Rizka Fadhilab. (2021). Pengaruh Profitabilitas, Rasio
Leverage Dan Ukuran Perusahaan Terhadap Tax Avoidance Pada Perusahaan
Manufaktur Sektor Industri Barang Konsumsi Yang Terdaftar Di Bei Tahun
2017 – 2021. Ekonomi Bisnis dan Akuntansi, 1(3), 1-9.
cxli
Sumber dari E-BOOK
Adrian Sutedi. (2018). Hukum Pajak. Jakarta Pusat: Sinar Grafik.
Adrianto Dwi Nugroho, SH., Adv., LL.M. (2018). Hukum Pidana Pajak Indonesia.
Jakarta: PT. Citra Aditya Bakti.
Auliya Nur Hikmatul, Hardani, Andriani Helmina, Asri Fardani Roushandy,
Ustiawaty Jumari, Utami Evi Fatm, Istiqomah Ria Rahmatul dan Sukmana,
Dhika Juliana. (2020). Metode Penelitian Kualitatif & Kuantitatif.
Yogyakarta: CV. Pustaka Ilmu.
Dr. Alexander Thian, M.Si. (2021). Dasar-Dasar Perpajakan. Yogyakarta: Anggota
IKAPI.
Aloisius hama. (2020). Analisi Kecendrungan Penghindaran Pajak Penghasilan
(Vol. 5). Jakarta: Mitra Abisatya.
Catharina Vista Okta Frida. (2020). Hukum Pajak di Indonesia: Pengantar atau
Dasar-Dasar Perpajakan. Yogyakarta: Garudhawaca.
Setu Satyawan. (2022). PERPAJAKAN Pengantar, KUP, Pajak Penghasilan, PPN
& PPn-Bm, Pajak Bea. Malang: Universitas Muhammadiyah Malang.
Sugiyono Prof. Dr. (2018). Metode Penelitian Kunatitatif Kualitatif dan R&D.
Bandung: CV. ALFABETA.
Toto Prihadi. (2020). Analisis Laporan Keuangan Konsep & Aplikasi. Jakarta:
PT. Gramedia Pustaka Utama.
cxlii
LAMPIRAN
LAMPIRAN 1 Daftra Populasi Penelitian Subsektor Manufaktur
1,47185 1,05102 0,94464 1,07625 0,50828 1,27090 0,43781 0,21836 0,35468 0,53928 0,33865
KLBF LMPI
2017 2018 2019 2020 2021 2017 2018 2019
10.042.738.649.964 10.648.288.386.726 11.222.490.978.401 13.075.331.880.715 15.712.209.507.638 572.240.218.362 525.674.069.930 4,79994E+11
2.227.336.011.715 2.286.167.471.594 2.577.108.805.851 3.176.726.211.674 3.534.656.089.431 360.471.900.688 379.536.352.404 4,03748E+11
7.815.402.638.249 8.362.120.915.132 8.645.382.172.550 9.898.605.669.041 12.177.553.418.207 211.768.317.674 146.137.717.526 76.246.762.076
16.616.239.416.335 18.146.206.145.369 20.264.726.862.584 22.564.300.317.374 25.666.635.156.271 834.548.374.286 786.704.752.983 7,37642E+11
0,4703 0,4608 0,4266 0,4387 0,4745 0,2538 0,1858 0,1034
0,7761 0,7604 0,7039 0,7238 0,7828 0,4187 0,3065 0,1706
3.241.186.725.992 3.306.399.669.021 3.402.616.824.533 3.627.632.574.744 4.143.264.634.774 -34598578079 58874992358 56356644949
-36.391.625.753 -29.738.266.966 -40.420.271.275 -89.580.314.845 -57.384.355.149 -29359988718 27355690148 25533836273
3.204.795.100.239 3.276.661.402.055 3.362.196.553.258 3.538.052.259.899 4.085.880.279.625 - 63.958.566.797 86.230.682.506 81.890.481.222
16.616.239.416.335 18.146.206.145.369 20.264.726.862.584 22.564.300.317.374 25.666.635.156.271 834.548.374.286 786.704.752.983 737.642.257.697
0,1929 0,1806 0,1659 0,1568 0,1592 - 0,0766 0,1096 0,1110
0,6565 0,6147 0,5648 0,5337 0,5419 - 0,2609 0,3731 0,3779
2.453.251.410.604 2.497.261.964.757 2.537.601.823.645 2.799.622.515.814 866.101.273.717 -31140558174 46390704290 -41669593909
16.616.239.416.335 18.146.206.145.369 20.264.726.862.584 22.564.300.317.374 25.666.635.156.271 834.548.374.286 786.704.752.983 737.642.257.697
0,14764 0,13762 0,12522 0,12407 0,03374 - 0,03731 0,05897 - 0,05649
0,00236 0,00220 0,00200 0,00199 0,00054 - 0,00060 0,00094 - 0,00090
1,10339 1,20372 1,18051 0,82203 1,28198 1,89870 1,30214 1,19794 0,95082 0,04267
AGII ALDO
2018 2019 2020 2021 2017 2018 2019 2020 2021 2017
1.585.943 1.696.015 1.629.893 2.044.419 348.662.337.262 373.344.346.111 527.212.418.930 536.525.873.066 710.233.784.991 727.240.100.955
1.297.840 1.938.711 1.615.068 1.979.987 242.051.192.180 231.453.796.427 291.076.212.712 303.886.581.958 387.942.345.634 760.156.840.021
288.103 - 242.696 14.825 64.432 106.611.145.082 141.890.549.684 236.136.206.218 232.639.291.108 322.291.439.357 - 32.916.739.066
6.647.755 7.020.980 7.121.458 8.164.599 498.701.656.995 526.129.315.163 925.114.449.507 953.551.967.212 1.210.809.442.028 946.448.936.464
0,0433 - 0,0346 0,0021 0,0079 0,2138 0,2697 0,2553 0,2440 0,2662 - 0,0348
0,0715 - 0,0570 0,0034 0,0130 0,3527 0,4450 0,4212 0,4026 0,4392 - 0,0574
147.639 138.137 96.179 275.898 38.621.790.950 57.208.486.144 121.937.309.241 83.963.236.519 129.768.148.235 28.628.554.806
295.098 332.058 355.724 -9.420.721.207 -11.380.269.019 -21.611.314.605 -16.276.022.165 -12.759.329.124 26.782.998.764
442.737 470.195 451.903 275.898 29.201.069.743 45.828.217.125 100.325.994.636 67.687.214.354 117.008.819.111 55.411.553.570
6.647.755 7.020.980 7.121.458 8.164.599 498.701.656.995 526.129.315.163 925.114.449.507 953.551.967.212 1.210.809.442.028 946.448.936.464
0,0666 0,0670 0,0635 0,0338 0,0586 0,0871 0,1084 0,0710 0,0966 0,0585
0,2267 0,2280 0,2160 0,1150 0,1993 0,2965 0,3692 0,2416 0,3290 0,1993
3.147.792 3.299.564 3.382.141 3.582.925 229.422.823.176 271.590.217.470 533.406.306.270 590.123.647.820 703.402.561.482 172.016.210.273
6.647.755 7.020.980 7.121.458 8.164.599 498.701.656.995 526.129.315.163 925.114.449.507 953.551.967.212 1.210.809.442.028 946.448.936.464
0,47351 0,46996 0,47492 0,43884 0,46004 0,51620 0,57658 0,61887 0,58094 0,18175
0,00758 0,00752 0,00760 0,00702 0,00736 0,00826 0,00923 0,00990 0,00929 0,00291
0,29064 0,16341 0,21184 0,12103 0,54469 0,73323 0,78109 0,63428 0,75885 0,13900
BAJA BRNA
2018 2019 2020 2021 2017 2018 2019 2020 2021
692.169.207.950 636.445.607.431 562.587.933.413 543.722.430.669 718.757.530 811.798.388 665.275.229 494.691.709 405.198.035
811.365.493.384 748.332.823.419 619.717.175.037 211.939.279.423 654.032.840 825.079.803 840.292.748 742.677.853 653.818.710
- 119.196.285.434 - 111.887.215.988 - 57.129.241.624 331.783.151.246 64.724.690 - 13.281.415 - 175.017.519 - 247.986.144 - 248.620.675
901.181.796.270 836.870.774.001 760.425.479.634 726.173.017.525 1.964.877.082 2.461.326.183 2.263.112.918 1.965.718.547 2.020.640.257
- 0,1323 - 0,1337 - 0,0751 0,4569 0,0329 - 0,0054 - 0,0773 - 0,1262 - 0,1230
- 0,2182 - 0,2206 - 0,1240 0,7539 0,0544 - 0,0089 - 0,1276 - 0,2082 - 0,2030
90.434.239.905 5.026.701.131 48.827.525.559 130.605.249.884 224.189.380 21.224.294 163.083.992 187.053.341 216.722.795
-30.499.688.935 26.797.517.030 22.838.297.166 -15.783.194.069 -77.812.790 88.859.686 95.426.650 95.818.580 85.837.237
59.934.550.970 31.824.218.161 71.665.822.725 114.822.055.815 146.376.590 110.083.980 258.510.642 282.871.921 302.560.032
901.181.796.270 836.870.774.001 760.425.479.634 726.173.017.525 1.964.877.082 2.461.326.183 2.263.112.918 1.965.718.547 2.020.640.257
0,0665 0,0380 0,0942 0,1581 0,0745 0,0447 0,1142 0,1439 0,1497
0,2264 0,1294 0,3208 0,5382 0,2536 0,1522 0,3888 0,4898 0,5097
76.521.348.613 74.187.193.716 127.839.088.486 214.084.351.649 853.029.437 1.123.271.562 953.780.791 766.723.518 851.035.084
901.181.796.270 836.870.774.001 760.425.479.634 726.173.017.525 1.964.877.082 2.461.326.183 2.263.112.918 1.965.718.547 2.020.640.257
0,08491 0,08865 0,16812 0,29481 0,43414 0,45637 0,42145 0,39005 0,42117
0,00136 0,00142 0,00269 0,00472 0,00695 0,00730 0,00674 0,00624 0,00674
1,28450 1,62834 1,08472 1,13329 1,15271 0,82191 1,21192 0,92145 0,89335 0,76883 0,00664
CPRO DPNS
2018 2019 2020 2021 2017 2018 2019 2020 2021 2017
1.959.723 1.574.516 1.702.148 1.818.753 181.198.774.207 192.296.998.181 185.274.219.728 184.653.012.538 225.928.824.403 413.617.087.456
3.192.796 5.077.465 5.085.064 2.055.151 18.832.789.797 24.857.084.132 8.536.205.993 885.861.221 23.888.996.571 91.524.721.725
- 1.233.073 - 3.502.949 - 3.382.916 - 236.398 162.365.984.410 167.439.914.049 176.738.013.735 183.767.151.317 202.039.827.832 322.092.365.731
6.572.440 6.000.259 6.326.293 6.448.014 308.491.173.960 322.185.012.261 318.141.387.900 317.310.718.779 362.242.571.405 796.767.646.172
- 0,1876 - 0,5838 - 0,5347 - 0,0367 0,5263 0,5197 0,5555 0,5791 0,5577 0,4042
- 0,3096 - 0,9633 - 0,8823 - 0,0605 0,8684 0,8575 0,9166 0,9556 0,9203 0,6670
1.831.870 350.149 195.391 2.286.758 7.568.252.565 12.347.569.714 5.302.563.264 4.461.029.495 28.186.888.107 102.649.309.681
-390.072 392.474 397.827 -247.407 347.155.120 600.175.340 726.084.740 1979979070
1.441.798 742.623 593.218 2.039.351 7.568.252.565 12.347.569.714 5.649.718.384 5.061.204.835 28.912.972.847 104.629.288.751
6.572.440 6.000.259 6.326.293 6.448.014 308.491.173.960 322.185.012.261 318.141.387.900 317.310.718.779 362.242.571.405 796.767.646.172
0,2194 0,1238 0,0938 0,3163 0,0245 0,0383 0,0178 0,0160 0,0798 0,1313
0,7467 0,4213 0,3192 1,0766 0,0835 0,1305 0,0604 0,0543 0,2717 0,4470
674.343 329.492 707.584 2.861.207 267.835.387.367 277.708.599.001 282.101.635.876 284.823.663.685 307.956.854.988 76.195.665.729
6.572.440 6.000.259 6.326.293 6.448.014 308.491.173.960 322.185.012.261 318.141.387.900 317.310.718.779 362.242.571.405 796.767.646.172
0,10260 0,05491 0,11185 0,44373 0,86821 0,86195 0,88672 0,89762 0,85014 0,09563
0,00164 0,00088 0,00179 0,00710 0,01389 0,01379 0,01419 0,01436 0,01360 0,00153
0,43553 -0,54285 -0,56492 1,00901 0,93805 0,97417 0,96289 0,99551 1,17838 1,11248
EKAD IGAR
2018 2019 2020 2021 2017 2018 2019 2020 2021
461.472.621.715 486.522.278.448 552.493.858.098 643.773.422.158 396.252.892.753 396.252.892.753 446.573.796.440 509.735.319.690 664.451.418.649
91.381.683.504 70.337.529.585 68.166.758.308 82.981.081.779 60.941.267.200 72.223.978.098 57.853.674.597 48.639.860.188 91.677.487.054
370.090.938.211 416.184.748.863 484.327.099.790 560.792.340.379 335.311.625.553 324.028.914.655 388.720.121.843 461.095.459.502 572.773.931.595
853.267.454.400 968.234.349.565 1.081.979.820.386 1.165.564.745.263 513.022.591.574 570.197.810.698 617.594.780.669 665.863.417.235 809.371.584.010
0,4337 0,4298 0,4476 0,4811 0,6536 0,5683 0,6294 0,6925 0,7077
0,7157 0,7092 0,7386 0,7939 1,0784 0,9377 1,0385 1,1426 1,1677
101.455.415.901 111.834.501.956 123.522.654.770 137.720.156.180 95.764.791.063 61.747.960.127 83.534.447.014 83.166.786.329 135.948.996.651
1104454880 1580092320 1743708910 1816242210 1412395662 1085304026 1020381203 255230277
102.559.870.781 113.414.594.276 125.266.363.680 139.536.398.390 95.764.791.063 63.160.355.789 84.619.751.040 84.187.167.532 136.204.226.928
853.267.454.400 968.234.349.565 1.081.979.820.386 1.165.564.745.263 513.022.591.574 570.197.810.698 617.594.780.669 665.863.417.235 809.371.584.010
0,1202 0,1171 0,1158 0,1197 0,1867 0,1108 0,1370 0,1264 0,1683
0,4091 0,3987 0,3941 0,4075 0,6354 0,3771 0,4664 0,4304 0,5728
74.045.187.763 77.402.572.552 95.929.070.814 108.490.477.354 72.376.683.136 44.672.438.405 60.836.752.751 60.770.710.445 104.034.299.846
853.267.454.400 968.234.349.565 1.081.979.820.386 1.165.564.745.263 513.022.591.574 570.197.810.698 617.594.780.669 665.863.417.235 809.371.584.010
0,08678 0,07994 0,08866 0,09308 0,14108 0,07835 0,09851 0,09127 0,12854
0,00139 0,00128 0,00142 0,00149 0,00226 0,00125 0,00158 0,00146 0,00206
0,03966 0,09773 0,11542 0,09047 0,21965 0,16779 0,16588 0,24246 0,22950 0,61763
JPFA LION
2017 2018 2019 2020 2021 2017 2018 2019 2020 2021
11.189.325 13.334.804 12.873.148 11.745.138 14.161.153 503.156.333.673 516.186.639.128 503.134.003.908 465.603.517.298 473.632.576.449
4.769.640 7.689.521 7.741.958 6.007.679 7.064.166 153.806.819.548 146.900.045.005 96.795.209.943 75.454.398.417 145.920.423.985
6.419.685 5.645.283 5.131.190 5.737.459 7.096.987 349.349.514.125 369.286.594.123 406.338.793.965 390.149.118.881 327.712.152.464
19.959.548 24.827.355 26.650.895 25.951.760 28.589.656 681.937.947.736 696.192.628.101 688.017.892.312 647.829.858.922 692.582.711.193
0,3216 0,2274 0,1925 0,2211 0,2482 0,5123 0,5304 0,5906 0,6022 0,4732
0,5307 0,3752 0,3177 0,3648 0,4096 0,8453 0,8752 0,9745 0,9937 0,7807
1.710.054 2.918.114 2.494.477 1.679.091 2.793.847 20.175.438.794 23.908.625.171 5.763.388.287 -7.110.199.333 -3.693.250.636
471.772 561.117 752155 799.928 600980 -2.040.451.387 -2.003.749.999 -2.169.756.944 -2.259.394.908 -1.510.473.718
2.181.826 3.479.231 3.246.632 2.479.019 3.394.827 18.134.987.407 21.904.875.172 3.593.631.343 - 9.369.594.241 - 5.203.724.354
19.959.548 24.827.355 26.650.895 25.951.760 28.589.656 681.937.947.736 696.192.628.101 688.017.892.312 647.829.858.922 692.582.711.193
0,1093 0,1401 0,1218 0,0955 0,1187 0,0266 0,0315 0,0052 - 0,0145 - 0,0075
0,3721 0,4770 0,4147 0,3252 0,4042 0,0905 0,1071 0,0178 - 0,0492 - 0,0256
8.662.040 10.765.677 11.896.814 11.411.970 13.102.710 9.282.943.009 14.679.673.993 926.463.199 -9.571.328.569 -4.303.093.348
19.959.548 24.827.355 26.650.895 25.951.760 28.589.656 681.937.947.736 696.192.628.101 688.017.892.312 647.829.858.922 692.582.711.193
0,43398 0,43362 0,44639 0,43974 0,45830 0,01361 0,02109 0,00135 - 0,01477 - 0,00621
0,00694 0,00694 0,00714 0,00704 0,00733 0,00022 0,00034 0,00002 - 0,00024 - 0,00010
0,89585 0,84527 0,72522 0,68291 0,80646 0,93558 0,98199 0,99224 0,94470 0,75526
TRST PBID
2017 2018 2019 2020 2021 2017 2018 2019 2020
1.189.727.024.906 1.494.150.559.018 1.394.497.849.782 1.337.085.097.940 1.814.243.649.259 1.177.435.699 1.689.893.416 1.550.097.999 1.486.968.395
968.421.072.104 1.314.074.889.815 1.300.374.327.083 1.163.590.483.941 1.547.234.666.976 442.229.374 708.309.176 594.735.136 390.799.927
221.305.952.802 180.075.669.203 94.123.522.699 173.494.613.999 267.008.982.283 735.206.325 981.584.240 955.362.863 1.096.168.468
3.332.905.936.010 4.284.901.587.126 4.349.022.887.699 4.223.302.387.771 4.628.831.951.931 1.818.904.603 2.295.734.967 2.338.919.728 2.421.301.079
0,0664 0,0420 0,0216 0,0411 0,0577 0,4042 0,4276 0,4085 0,4527
0,1096 0,0693 0,0357 0,0678 0,0952 0,6669 0,7055 0,6740 0,7470
12.513.681.277 36.216.675.439 17.514.074.859 46.317.333.298 218.345.343.985 302.782.707 385.012.265 297.821.465 489.217.622
439820570 41725913348 48925041492 45946088409 46388108684 324585495 389049923 308769926 488542357
12.953.501.847 77.942.588.787 66.439.116.351 92.263.421.707 264.733.452.669 627.368.202 774.062.188 606.591.391 977.759.979
3.332.905.936.010 4.284.901.587.126 4.349.022.887.699 4.223.302.387.771 4.628.831.951.931 1.818.904.603 2.295.734.967 2.338.919.728 2.421.301.079
0,0039 0,0182 0,0153 0,0218 0,0572 0,3449 0,3372 0,2593 0,4038
0,0132 0,0619 0,0520 0,0744 0,1947 1,1741 1,1477 0,8828 1,3746
38.199.681.742 63.193.899.099 38.911.968.283 73.277.742.422 200.975.805.947 230.873.967 297.628.915 223.626.619 373.653.845
3.332.905.936.010 4.284.901.587.126 4.349.022.887.699 4.223.302.387.771 4.628.831.951.931 1.818.904.603 2.295.734.967 2.338.919.728 2.421.301.079
0,01146 0,01475 0,00895 0,01735 0,04342 0,12693 0,12964 0,09561 0,15432
0,00018 0,00024 0,00014 0,00028 0,00069 0,00203 0,00207 0,00153 0,00247
0,33735 0,24707 0,11421 0,55289 0,42677 0,42429 0,75784 0,54880 0,81924 0,86543
SIPD AMIN
2020 2021 2017 2018 2019 2020 2021 2017 2018 2019 2020
579393962 528387932 1.168.670 1.154.203 1.481.676 1.604.213 1843743 198.101.001.850 257.665.373.808 292.588.867.203 307.856.159.370
266837335 213017466 1.072.809 1.047.350 1.251.213 1.483.479 1728951 89.715.515.949 144.509.470.711 167.420.913.753 180.655.241.982
312.556.627 315.370.466 95.861 106.853 230.463 120.734 114.792 108.385.485.901 113.155.903.097 125.167.953.450 127.200.917.388
906846895 860162908 2.239.699 2.187.879 2.470.793 2.592.850 2794113 252.452.307.121 360.906.218.575 404.722.056.954 420.680.923.158
0,3447 0,3666 0,0428 0,0488 0,0933 0,0466 0,0411 0,4293 0,3135 0,3093 0,3024
0,5687 0,6050 0,0706 0,0806 0,1539 0,0768 0,0678 0,7084 0,5173 0,5103 0,4989
61027867 32257288 237.482 33.989 110.041 46.806 6163 43.285.170.463 51.284.231.355 44.656.540.624 14.637.584.276
-20816785 -24269814 -96907 92937 -89.773 -73546 62711 879.792.922 909.649.045
40.211.082 7.987.474 140.575 126.926 20.268 - 26.740 68.874 44.164.963.385 52.193.880.400 44.656.540.624 14.637.584.276
906.846.895 860.162.908 2.239.699 2.187.879 2.470.793 2.592.850 2.794.113 252.452.307.121 360.906.218.575 404.722.056.954 420.680.923.158
0,0443 0,0093 0,0628 0,0580 0,0082 - 0,0103 0,0246 0,1749 0,1446 0,1103 0,0348
0,1509 0,0316 0,2137 0,1975 0,0279 - 0,0351 0,0839 0,5955 0,4923 0,3756 0,1184
44152245 26542985 -354.925 25.934 79.776 28.266 15065 151.366.178.112 182.138.438.811 207.223.731.255 209.961.645.652
906.846.895 860.162.908 2.239.699 2.187.879 2.470.793 2.592.850 2.794.113 252.452.307.121 360.906.218.575 404.722.056.954 420.680.923.158
0,04869 0,03086 - 0,15847 0,01185 0,03229 0,01090 0,00539 0,59958 0,50467 0,51201 0,49910
0,00078 0,00049 - 0,00254 0,00019 0,00052 0,00017 0,00009 0,00959 0,00807 0,00819 0,00799
0,71885 0,63607 0,28681 0,27787 0,18131 0,04155 0,15161 1,29431 1,00154 0,87769 0,60937
ASII BATA
2021 2017 2018 2019 2020 2021 2017 2018 2019 2020 2021 2017
240.379.288.600 121.528 133.609 129058 132308 160262 567.954.415 569.545.551 544.652.375 343.779.513 297.612.923 333.171.768.612
182.669.165.262 98.722 116.467 99962 85736 103778 230.497.528 194.538.478 164.585.862 248.721.907 197.108.646 187.735.291.863
57.710.123.338 22.806 17.142 29.096 46.572 56.484 337.456.887 375.007.073 380.066.513 95.057.606 100.504.277 145.436.476.749
350.375.482.319 295.830 344.711 351958 338203 367311 855.691.231 876.856.225 863.146.554 775.324.937 652.742.235 465.965.155.745
0,1647 0,0771 0,0497 0,0827 0,1377 0,1538 0,3944 0,4277 0,4403 0,1226 0,1540 0,3121
0,2718 0,1272 0,0821 0,1364 0,2272 0,2537 0,6507 0,7057 0,7265 0,2023 0,2541 0,5150
56.805.130.187 29.137 34.995 34054 21741 3235 79.524.179 92.878.105 35.857.813 225.041.792 64.001.214 20.231.713.304
-2042 -3105 -1.360.440 -2.832.683 -2.361.949 -13.372.797 -5.977.735 -14.589.629.041
56.805.130.187 27.095 31.890 34.054 21.741 3.235 78.163.739 90.045.422 33.495.864 211.668.995 58.023.479 5.642.084.263
350.375.482.319 295.830 344.711 351.958 338.203 367.311 855.691.231 876.856.225 863.146.554 775.324.937 652.742.235 465.965.155.745
0,1621 0,0916 0,0925 0,0968 0,0643 0,0088 0,0913 0,1027 0,0388 0,2730 0,0889 0,0121
0,5519 0,3118 0,3149 0,3294 0,2188 0,0300 0,3109 0,3496 0,1321 0,9293 0,3026 0,0412
141.315.873.220 156.505 174.363 186763 195454 215615 579.308.728 636.807.359 653.251.326 477.944.179 426.925.493 14.950.959.786
350.375.482.319 295.830 344.711 351.958 338.203 367.311 855.691.231 876.856.225 863.146.554 775.324.937 652.742.235 465.965.155.745
0,40333 0,52904 0,50582 0,53064 0,57792 0,58701 0,67701 0,72624 0,75683 0,61644 0,65405 0,03209
0,00645 0,00846 0,00809 0,00849 0,00925 0,00939 0,01083 0,01162 0,01211 0,00986 0,01046 0,00051
0,81720 0,43051 0,38887 0,45727 0,43679 0,27432 0,95082 1,04360 0,84653 1,12175 0,54618 0,55570
BELL BIMA
2018 2019 2020 2021 2017 2018 2019 2020 2021
342.554.523.490 404.187.217.742 356.315.769.740 348.622.477.814 72.385.157.397 80.207.862.904 83.827.868.074 51.714.591.960 40.245.606.224
218.191.271.919 279.731.191.535 260.049.224.077 228.429.369.228 84.180.581.813 84.043.258.686 56.494.542.352 54.832.811.345 65.422.923.082
124.363.251.571 124.456.026.207 96.266.545.663 120.193.108.586 - 11.795.424.416 - 3.835.395.782 27.333.325.722 - 3.118.219.385 - 25.177.316.858
514.962.171.773 590.884.444.113 554.235.931.111 524.473.606.697 89.327.328.853 98.190.640.839 246.536.771.775 223.781.482.859 218.663.866.293
0,2415 0,2106 0,1737 0,2292 - 0,1320 - 0,0391 0,1109 - 0,0139 - 0,1151
0,3985 0,3475 0,2866 0,3781 - 0,2179 - 0,0645 0,1829 - 0,0230 - 0,1900
30.583.858.545 35.318.255.384 -14.071.086.133 8.485.241.219 10.901.810.252 3.179.255.211 35.318.255.384 14.071.086.133 25.979.196.419
-14.824.413.595 -17.132.646.241 -23.677.639.276 -15.775.704.613 6.827.940.640 13.920.936.116 -7.586.063.186 -3.172.006.941 -4.083.284.931
15.759.444.950 18.185.609.143 - 37.748.725.409 - 7.290.463.394 17.729.750.892 17.100.191.327 27.732.192.198 10.899.079.192 21.895.911.488
514.962.171.773 590.884.444.113 554.235.931.111 524.473.606.697 89.327.328.853 98.190.640.839 246.536.771.775 223.781.482.859 218.663.866.293
0,0306 0,0308 - 0,0681 - 0,0139 0,1985 0,1742 0,1125 0,0487 0,1001
0,1042 0,1048 - 0,2318 - 0,0473 0,6756 0,5928 0,3829 0,1658 0,3409
24.022.782.725 23.213.651.840 -16.558.668.514 4.172.725.902 -84.637.373.721 -80.847.643.921 64.487.893.211 29.459.586.724 9.376.220.686
514.962.171.773 590.884.444.113 554.235.931.111 524.473.606.697 89.327.328.853 98.190.640.839 246.536.771.775 223.781.482.859 218.663.866.293
0,04665 0,03929 - 0,02988 0,00796 - 0,94750 - 0,82337 0,26158 0,13164 0,04288
0,00075 0,00063 - 0,00048 0,00013 - 0,01516 - 0,01317 0,00419 0,00211 0,00069
0,81481 0,53761 0,48251 0,37688 0,47145 0,11387 0,06870 0,15404 0,20920 0,18404
INDS JECC
2017 2018 2019 2020 2021 2017 2018 2019 2020
1.044.177.985.635 1.134.664.034.610 959.368.453.499 1.001.966.532.378 1.401.800.862.936 1.294.457.697 1.415.578.044 1.287.480.241 931.144.662
203.724.817.070 217.729.909.744 164.608.081.444 162.477.563.520 401.426.894.926 1.220.226.620 1.288.252.935 1.028.264.298 683.973.802
840.453.168.565 916.934.124.866 794.760.372.055 839.488.968.858 1.000.373.968.010 74.231.077 127.325.109 259.215.943 247.170.860
2.434.617.337.849 2.482.337.567.967 2.834.422.741.208 2.826.260.084.696 3.165.018.057.203 1.927.985.352 2.081.620.993 1.888.753.850 1.513.949.141
0,3452 0,3694 0,2804 0,2970 0,3161 0,0385 0,0612 0,1372 0,1633
0,5696 0,6095 0,4627 0,4901 0,5215 0,0635 0,1009 0,2264 0,2694
160.340.854.561 147.982.768.771 130.070.871.745 75.316.440.467 213.789.217.074 111.623.616 122.048.569 144.970.437 21.247.754
-7.782.103.244 -4.101.092.987 -3.247.625.157 -674.069.588 3.461.695.814 -48.209.496 -57.079.103 -50.453.888 -27.484.555
152.558.751.317 143.881.675.784 126.823.246.588 74.642.370.879 217.250.912.888 63.414.120 64.969.466 94.516.549 - 6.236.801
2.434.617.337.849 2.482.337.567.967 2.834.422.741.208 2.826.260.084.696 3.165.018.057.203 1.927.985.352 2.081.620.993 1.888.753.850 1.513.949.141
0,0627 0,0580 0,0447 0,0264 0,0686 0,0329 0,0312 0,0500 - 0,0041
0,2133 0,1973 0,1523 0,0899 0,2337 0,1120 0,1062 0,1703 - 0,0140
2.144.818.918.530 2.194.231.835.853 2.572.287.128.060 2.563.740.312.761 2.662.433.401.892 547.361.482 609.241.164 756.131.724 745.051.172
2.434.617.337.849 2.482.337.567.967 2.834.422.741.208 2.826.260.084.696 3.165.018.057.203 1.927.985.352 2.081.620.993 1.888.753.850 1.513.949.141
0,88097 0,88394 0,90752 0,90711 0,84121 0,28390 0,29268 0,40033 0,49212
0,01410 0,01414 0,01452 0,01451 0,01346 0,00454 0,00468 0,00641 0,00787
1,75534 1,79733 1,77070 1,58585 1,68910 0,02878 0,33771 0,03637 0,04213 0,85929
LAMPIRAN 7 Hasil Data Financial Distress G-Score
Descriptive Statistics
Sumber: SPSS22
Hasil Uji Normalitas Z-Score
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 235
Normal Parametersa,b Mean .0000000
Std. Deviation .15874231
Most Extreme Differences Absolute .068
Positive .068
Negative -.041
Kolmogorov-Smirnov Z 1.041
Asymp. Sig. (2-tailed) .229
a. Test distribution is Normal.
b. Calculated from data.
Unstandardized Residual
N 235
Normal Parametersa,b Mean .0000000
Std. Deviation .15996173
Most Extreme Differences Absolute .084
Positive .084
Negative -.055
Kolmogorov-Smirnov Z 1.293
Asymp. Sig. (2-tailed) .071
a. Test distribution is Normal.
b. Calculated from data.
Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics
Koefisien Korelasi
Correlationsb
FS_ZSCORE FS_GSCORE Profitabilitas Tax avoidance
FS_ZSCORE Pearson Correlation 1 .547** .208** .283**
Hasil Uji t
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
1 .350 a
.123 .111 1588.90456