BAB III METODOLOGI PENELITIAN A. Jenis Penelitianeprints.umm.ac.id/60989/4/BAB III.pdf · 2020. 4....
Transcript of BAB III METODOLOGI PENELITIAN A. Jenis Penelitianeprints.umm.ac.id/60989/4/BAB III.pdf · 2020. 4....
19
BAB III
METODOLOGI PENELITIAN
A. Jenis Penelitian
Jenis penelitian ini adalah penelitian asosiatif merupakan jenis
penelitian yang bertujuan untuk menganalisis hubungan antara suatu variabel
dengan variabel yang lain (Ulum dan Juanda, 2017). Dalam penelitian ini
menguji variabel independen, yaitu perencanaan pajak dan beban pajak
tangguhan terhadap manajemen laba.
B. Populasi dan Teknik Penentuan Sampel
Populasi yang digunakan dalam penelitian ini adalah perusahaan yang
terdaftar di BEI selama periode 2017-2018. Penentuan sampel menggunakan
metode purposive sampling, yaitu teknik penentuan sampel berdasarkan
kriteria tertentu. Kriteria sampel dalam penelitian ini tidak termasuk
perusahaan jasa keuangan, dikarenakan jenis kegiatan dari perusahaan jasa
keuangan adalah menghimpun dan menyalurkan kembali dana yang telah
diperoleh sehingga aliran kas masuk dan keluar berbeda dengan perusahaan
lainnya. Sampel dalam penelitian ini adalah perusahaan yang memenuhi
kriteria sebagai berikut :
a. Perusahaan yang terdaftar di BEI tahun 2017-2018.
b. Tidak termasuk perusahaan jasa keuangan.
c. Perusahaan yang menyajikan annual report.
d. Laporan keuangan memiliki laba positif.
e. Perusahaan yang memiliki data yang lengkap terkait dengan variabel-
variabel yang digunakan dalam penelitian ini.
20
C. Definisi Operasional dan Pengukuran Variabel
Variabel yang digunakan dalam penelitian ini dibedakan menjadi dua
macam, yaitu variable dependen dan variable independen. Dalam penelitian
ini yang menjadi variabel dependen yaitu manajemen laba. Sedangkan yang
menjadi variabel independen adalah perencanaan pajak dan beban pajak
tangguhan.
a. Variabel Dependen (Y)
Manajemen laba adalah pemilihan kebijakan akuntansi yang
dilakukan oleh manajemen untuk mencapai tujuan tertentu (Scott, 2015).
Manajemen laba juga dapat diartikan sebagai tindakan manjemen untuk
memilih kebijakan akuntansi dengan tujuan memaksimalkan
kesejahteraan atau nilai pasar perusahaan. Perhitungan manajemen laba
pada penelitian ini menggunakan model jones dimodifikasi (modified
jones model), karena dianggap model ini paling baik diantara model lain
yang sama-sama digunakan untuk mengukur manajemen laba. Berikut
cara mengukur manajemen laba :
Menghitung total accrual (TAC) yaitu laba bersih tahun t dikurangi arus
kas operasi tahun t dengan rumus sebagai berikut:
TAC = NIit – CFOit
Selanjutnya, total accrual (TA) diestimasi dengan Ordinary Least Square
sebagai berikut:
DAit= TAit
Ait−1− [β1 (
1
Ait−1) + β2((∆REVit − ∆REC)/Ait−1) + β3 (
PPEit
Ait−1)]
21
Keterangan:
Dait = Discretionary Accruals perusahaan i pada periode ke t
TAit = Total Acrual perusahaan i pada periode ke t
Ait-t = Total aktiva perusahaan i pada periode ke t-1
ΔREV = Perubahan pendapatan perusahaan i pada periode ke t
∆REC = Perubahan piutang perusahaan i pada periode ke t
PPE = Aktiva tetap perusahaan pada periode ke t
Nilai Discretionary Accruals menurut Sulistyanto (2008) dapat
bernilai negatif, nol, atau positif. Nilai negatif menunjukkan melakukan
manajemen laba dengan cara menurunkan laba (income minimization).
Sedangkan nol menunjukkan melakukan manajemen laba dengan cara
perataan laba (income smoothing) dan jika bernilai positif menunjukkan
melakukan manajemen laba dengan cara menaikkan laba (income
maximization).
b. Variabel Independen (X)
1) Perencanaan Pajak
Perencanaan pajak adalah suatu tindakan yang bertujuan untuk
meminimumkan kewajiban pajak dengan cara merekayasa laporan
keuangan agar dapat ditekan serendah mungkin (Baraja et al., 2019).
Variabel perencanaan pajak diukur dengan menggunakan rumus
effective tax rate. Pada penelitian ini menggunakan ukuran
penghindaran pajak dengan ETR disebabkan karena ukuran ini
seringkali digunakan sebagai proksi penghindaran pajak dalam
22
berbagai riset perpajakan dan sesuai dengan peraturan perpajakan di
Indonesia. Rumus dari ETR adalah sebagai berikut:
ETR = 𝑇𝑎𝑥 𝐸𝑥𝑝𝑒𝑛𝑠𝑒 i,t
𝑃𝑟𝑒𝑡𝑎𝑥 𝐼𝑛𝑐𝑜𝑚𝑒 i,t
Keterangan:
ETR = effective tax rate berdasarkan pelaporan akuntansi keuangan
yang berlaku.
Tax expense = beban pajak penghasilan badan untuk perusahaan i
pada tahun t berdasarkan laporan keuangan perusahaan.
Pretax Income (EBIT)it = Laba sebelum pajak perusahaan i pada
tahun t
2) Beban Pajak Tangguhan
Beban pajak tangguhan adalah jumlah pajak penghasilan yang
terutang atau terpulihkan pada tahun mendatang sebagai akibat
adanya perbedaan temporer yang boleh dikurangkan dan sisa
kerugian yang belum dikompensasikan (Putri, 2017). Dalam
penelitian ini beban pajak tangguhan dapat diukur dengan rumus:
𝐷𝑇𝐸 = Beban Pajak Tangguhan t
Total Aset t−1
Keterangan:
Deffered Tax Expense = Beban pajak tangguhan pada perusahaan i
tahun t
Total aset t-1 = Total aset pada perusahaan i tahun sebelumnya
23
D. Jenis Data dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder.
Data sekunder yang digunakan berupa annual report perusahaan periode
2017-2018. Data-data tersebut diperoleh dari situs Bursa Efek Indonesia
melaui situs IDX yaitu www.idx.co.id.
E. Teknik Pengumpulan Data
Teknik pengumpulan data dalam penelitian ini menggunakan teknik
dokumentasi yaitu dengan mempelajari dokumen yang ada. Dokumen yang
dimaksud dalam penelitian ini yaitu laporan tahunan dan laporan keuangan
perusahaan.
F. Teknik Analisis Data
Analisis penelitian ini digunakan untuk menguji hipotesis. Metode
pengujian yang digunakan adalah uji data panel dengan menggunakan
software EViews 9. Tahapan analisis data adalah sebagai berikut :
1. Melakukan tabulasi data penelitian.
2. Melakukan perhitungan kepada masing-masing variabel yang akan diuji
yaitu perencanaan pajak, beban pajak tangguhan dan manajemen laba.
3. Uji data melalui model regresi data panel
Terdapat keuntungan dalam menggunakan data panel menurut Gujarati
(2006), yaitu :
a. Dengan kombinasi time series dan cross section, data panel
memberikan data yang lebih informatif, lebih variatif, mengurangi
kolinieritas, derajat kebebasan dan efisiensi yang lebih besar.
24
b. Data panel memungkinkan mempelajari model perilaku yang lebih
rumit.
c. Data panel dapat mengurangi bias yang yang terjadi jika dilakukan
uji secara agregat.
d. Data panel tidak membutuhkan uji ekonometri. Uji ekonometri
dilakukan untuk melihat apakah spesifikasi model yang digunakan
sudah memenuhi asumsi klasik atau tidak.
Terdapat tiga jenis model data panel yang tersedia yang nantinya
akan dipilih salah satu model yang terbaik untuk melakukan uji hipotesis.
Ketiga model tersebut adalah sebagai berikut :
a. Common-Effect Model
Model ini memperlakukan semua individu seakan-akan sama,
atau tidak membeda-bedakan karakteristik antar individu yang
terlihat dari nilai intersepnya yang sama untuk semua individu.
Secara sederhana model ini akan menggabungkan observasi waktu
dan individu tanpa memperhatikan perbedaan karakteristik individu,
serta menggunakan regresi OLS (ordinary least square) seperti
regresi pada umumnya. Secara umum, bentuk model linear (yang
disebut regression pooling) yang dapat digunakan untuk
memodelkan data panel adalah :
ʏti = α + χti βti + εti
Keterangan :
ʏti : variabel terikat individu ke-i periode ke-t.
25
α : intersep gabungan.
β : koefisien regresi atau slope.
Χ : variabel independent unit ke-i dan diamati dari periode ke-t.
ε : komponen error individu ke-i periode ke-t.
i : individu (cross section).
T: waktu
b. Fixed Effect Model
Salah satu model estimasi yang bisa digunakan pada model
regresi data panel adalah fixed effect model atau sering disebut juga
sebagai least square dummy variabel (LSDV). Disebut fixed effect
model karena setiap individu dalam model memiliki intersep yang
tidak berubah sepanjang waktu meskipun intersep antar individu
berbeda. Berikut model regresi data panel pada fixed effect model
adalah:
ʏti = α + α1 + χti βti + εti
Untuk mengestimasi model ini, dapat menggunakan regresi
dengan variabel dummy dimana setiap individu akan menjadi
variabel dummy. Dengan menjadikan setiap individu menjadi
variabel dummy, maka akan ada satu yang menjadi basis sebagai
pembanding untuk menghindari perangkap variabel dummy.
c. Random Effect Model
Model ini berbeda dengan fixed effect model, walaupun
keduanya mampu mengatasi masalah adanya heterogenitas antar
26
individu. Akan tetapi random effect model mengatasi masalah
heterogenitas individu pada error. Hal ini untuk menjawab
permasalahan yang ada pada fixed effect model jika terdapat individu
yang banyak akan membutuhkan variabel dummy yang lebih banyak
sehingga dapat mengurangi efisiensi model. Modelnya dituliskan
sebagai berikut:
ʏti = α + α1 + χti βti + εti
εti = u1 + vt + wti
Keterangan:
ʏti = α + α1 + χti βti + εti ʏti = α + α1 + χti βti + εti
u1 : komponen error cross section.
Vt: komponen error time series.
Wti: komponen error gabungan.
Model estimasi yang digunakan dalam random effect model
adalah generalized least square (GLS). Asumsi terpenting pada
random effect model adalah tidak terdapat korelasi atau hubungan
antar error individu dengan variabel penjelas (independent) dalam
model, sehingga tidak diperlukan uji asumsi klasik pada model.
Inilah yang membedakan random effect model dengan fixed effect
model (Gujarati, 2006).
4. Pemilihan Model Regresi Data Panel
Pemilihan model pada regresi data panel diawali dengan
menetapkan model awal terlebih dahulu. Penetapan model awal
27
didasarkan pada bagaimana individu (cross section) diambil. Jika
individu diambil dengan dipilih atau ditentukan oleh peneliti, maka
model awalanya adalah model efek tetap (fixed effect model). Bila
individu diambil secara acak, maka model yang digunakan adalah model
acak tetap (random effect model) (Baltagi, 2008).
Dalam penelitian ini, kategori individu (cross section) dipilih
melalui katogori peneliti, sehinggal model awal yang ditetapkan adalah
fixed effect model. Jika model awal yang terpilih adalah model efek tetap,
maka akan dilakukan uji chow untuk memilih antara model koefisien
tetap (pooled regression/common effect model) dengan fixed effect
model. Jika model yang terpilih adalah fixed effect model, maka
dilakukan pengujian untuk memilih antara fixed effect model dengan
random effect model melalui uji hausmann.
Ketika model yang terpilih adalah fixed effect model, maka akan
dilakukan pemeriksaan asumsi-asumsi klasik yang ada pada regresi panel
dengan metode estimasi ordinary least square. Jika model yang terpilih
adalah random effect model, maka tidak perlu melakukan uji asumsi
klasik karena model estimasi yang digunakan adalah generalized least
square (GLS). Asumsi terpenting dalam model ini adalah tidak terdapat
korelasi atau hubungan antar error dari masing-masing individu dengan
variabel independent dalam model (Gujarati, 2006). Kemudian setelah
menentukan model yang digunakan, baru dilakukan uji model (goodness
of fit test) seperti uji simultan (uji F) dan parsial (uji t).
28
5. Melakukan Uji Chow Untuk Menentukan Common Effect Model atau
Fixed Effect Model
Uji ini digunakan untuk memilih model regresi data panel yang
terbaik diantara common effect model atau fixed effect model. Hipotesis
awal dari uji adalah fixed effect model. Maka prosedur pengujianya
adalah sebagai berikut (Baltagi, 2008):
H0 : common effect model
H1 : fixed effect model
Statistik ui yang digunakan adalah uji F, dimana:
F hitung = ( RRSS – URRS )/ (N-1)
URSS/NT-N-K
Keterangan :
N : jumlah individu (cross section)
T : jumlah periode waktu (timeseries)
K : jumlah variabel penjelas (independent)
RRSS : restricted residual sums of squares dari model koefisien tetap.
URSS : unrestricted residual sums of squares dari model efek tetap.
Menurut Baltagi (2008), cara untuk melihat hasil uji chow adalah
dengan melihat nilai probabilitas chi square. Jika nilai probabilitas chi
square > taraf signifikansi, maka H1 ditolak atau model yang digunakan
adalah common effect model. Sebaliknya jika nilai probabilitas chi square
< taraf signifikansi, maka terima H1 atau model yang digunakan adalah
fixed effect model.
29
6. Melakukan Uji Hausmann Untuk Menentukan Fixed Effect Model atau
Random Effect Model
Uji ini bertujuan untuk memilih model yang terbaik antara metode
fixed effect model atau random effect model. Uji ini menguji apakah
terdapat hubungan antara error pada model dengan salah satu variabel
independen dalam model. Prosedur untuk pengujian Hausmann adalah:
H0 = Random Effect Model
H1 = Fixed Effect model
Jika nilai probabilitas uji hausmann < taraf signifikansi, maka H1
diterima atau model yang tepat adalah model fixed effect. Begitupun
sebaliknya, jika nilai probabilias uji hausmann > taraf signifikansi, maka
H1 ditolak atau model yang digunakan adalah random effect model
(Baltagi, 2008).
7. Melakukan Pengujian Hipotesis
Setelah diperoleh model terbaik, selanjutnya dilakukan pengujian
hipotesis dengan melakukan uji t parsial, uji F, dan koefisien determinasi
(R2). Uji signifikansi secara parsial dilakukan dengan menggunakan uji t
dengan tujuan untuk melihat seberapa besar pengaruh masing-masing
variabel independen secara parsial dalam menerangkan variabel
dependen.
Uji signifikansi model secara keseluruhan dapat dilakukan dengan
uji F. Uji F bertujuan untuk melihat ada tidaknya pengaruh bersama-
sama antar variabel independen terhadap variabel dependen. Sedangkan
30
koefisien determinasi (R2) adalah salah satu bentuk nilai statistik yang
dapat digunakan untuk mengetahui apakah ada hubungan pengaruh
antara dua variabel. Koefisien determinasi (R2) pada intinya mengukur
seberapa jauh kemampuan model dalam menerangkan variasi variabel
terikat.
Adapun pengujian hipotesis yang dilakukan yaitu:
a. Uji Serentak (Overall test)
Uji yang dilakukan untuk mengetahui pengaruh secara bersama-
sama variabel bebas terhadap variabel terikat, uji ini dapat dilakukan
dengan melihat nilai probabilitas suatu variabel bebas dan
dibandingkan dengan tarif signifikansi.
Kesimpulan dari hasil uji ini adalah sebagai berikut :
H0 ditolak, jika nilai probabilitas > tarif signifikansi
H0 diterima, jika nilai probabilitas < tarif signifikansi
b. Uji Parsial (parsial test)
Uji statistik t pada dasarnya menunjukan seberapa jauh
pengaruh satu variabel penjelas secara individual dalam menerangkan
variasi variabel terikat (Kuncoro, 2003). Uji-t digunakan untuk
menguji koefisien regresi secara individu. Pengujian dilakukan dengan
melihat seberapa besar nilai probabilitas variabel bebas dibandingkan
dengan tarif signifikansi.
Kesimpulan dari hasil uji ini adalah sebagai berikut :
H0 ditolak, jika nilai probabilitas > tarif signifikansi
31
H0 diterima, jika nilai probabilitas < tarif signifikansi
c. Koefisien Determinasi
Koefisien Determinasi (R2) adalah salah satu bentuk nilai
statistik yang dapat digunakan untuk mengetahui apakah ada
hubungan pengaruh antara dua variabel. Koefisien Determinasi (R2)
pada intinya mengukur seberapa jauh kemampuan model dalam
menerangkan variasi variabel terikat. Nilai koefisien determinasi (R2)
menunjukkan presentase variasi nilai variabel terikat yang dapat
dijelaskan oleh persamaan regresi yang dihasilkan. Bila nilai R2
semakin mendekati 1, berarti semakin tepat suatu garis regresi
digunakan sebagai pendekatan. Sebaliknya semakin kecil nilai berarti
semakin tidak tepat garis regresi tersebut mewakili data dari hasil
observasi.
Jika nilai R2 sama dengan 1, maka pendekatan tersebut terdapat
kecocokan sempurna dan jika nilai R2 sama dengan 0, maka tidak ada
kecocokan pendekatan. Selain itu, koefisien determinasi (R2) ini juga
untuk mengukur besarnya kontribusi (persentase) dari jumlah variabel
terikat yang diterangkan oleh regresi atau untuk mengukur besarnya
sumbangan dari variabel bebas terhadap naik turunya nilai variabel
terikat. Sedangkan koefisien korelasi dapat dihitung dengan cara
menarik akar dari koefisien determinasi. Koefisien korelasi ini
digunakan untuk mengetahui keeratan hubungan antara dua variabel
dan mengetahui arah hubungan antara dua variabel, dimana batas-
32
batasnya ditentukan oleh -1≤ r ≤1. Bila r = 0 atau mendekati 0, maka
hubungan antara kedua variabel sangat lemah atau tidak ada hubungan
sama sekali.
Bila r = +1 atau mendekati 1, maka korelasi antara variabel
dikatakan positif dan sangat kuat. Tanda positif (+) menyatakan
bahwa korelasi antara dua variabel adalah searah, artinya kenaikan
nilai X terjadi bersama-sama dengan kenaikan nilai Y, sedangkan bila
nilai r = -1 atau mendekati -1, maka korelasi sangat kuat dan negatif.
Tanda negatif (-) menyatakan bahwa kenaikan nilai X terjadi bersama-
sama dengan penurunan nilai.