PENGARUH KEPEMILIKAN INSTITUSIONAL DAN TAX

AVOIDANCE TERHADAP MANAJEMEN LABA

(Studi pada Perusahaan Manufaktur yang Terdaftar di Bursa
Efek Indonesia Periode 2016-2020)

SKRIPSI

Diajukan sebagai salah satu syarat

Untuk Menempuh Ujian Akhir Program Sarjana (S1)
Program Studi Akuntansi STIE STAN – Indonesia Mandiri

Disusun Oleh :
ISTIWA ISLAH FADILAH
371801011

SEKOLAH TINGGI ILMU EKONOMI STAN – INDONESIA MANDIRI

BANDUNG

2022
 LEMBAR PENGESAHAN

Judul : PENGARUH KEPEMILIKAN INSTITUSIONAL DAN

TAX AVOIDANCE TERHADAP MANAJEMEN LABA

(Studi pada Perusahaan Manufaktur yang Terdaftar di Bursa

Efek Indonesia Periode 2016-2020)

Penulis : Istiwa Islah Fadilah

NIM : 371801011

Bandung, 18 Oktober 2022

Mengesahkan,

Dosen Pembimbing Ketua Program Studi,

(Ferdiansyah Ritonga, S.E., M.Ak.) (Dani Sopian., S.E., M.Ak.)

Mengetahui,

Wakil Ketua I Bidang Akademik

(Intan Pramesti Dewi, S.E., M.Ak., Ak., CA.)

 LEMBAR PERSETUJUAN REVISI TUGAS AKHIR

PENGARUH KEPEMILIKAN INSTITUSIONAL DAN TAX

AVOIDANCE TERHADAP MANAJEMEN LABA

(Studi pada Perusahaan Manufaktur yang Terdaftar di Bursa Efek

Indonesia Periode 2016-2020)

Telah melakukan sidang tugas akhir pada 27 Oktober 2022 dan telah melakukan
revisi sesuai dengan masukan pada saat sidang tugas akhir.

Menyetujui,

No Nama Penguji Tanda Tangan

1 Ferdiansyah S.E., M.Ak Pembimbing

2 Intan Pramesti Dewi S.E., M.Ak., Penguji 1

Ak.CA

3 Dani Sopian S.E., M.Ak Penguji 2

Bandung, 28 Oktober 2022

Mengetahui
Ketua Program Studi

Dani Sopian, S.E., M.Ak

NIDN: 04100687702
 PERNYATAAN ORISINALITAS SKRIPSI

Yang bertanda tangan dibawah ini :

Nama : Istiwa Islah Fadilah

NIM : 371801011

Program Studi : Akuntansi S1

Dengan ini menyatakan tugas akhir yang saya susun dengan judul :

“PENGARUH KEPEMILIKAN INSTITUSIONAL DAN TAX AVOIDANCE

TERHADAP MANAJEMEN LABA

(Studi pada Perusahaan Manufaktur yang Terdaftar di Bursa Efek

Indonesia Periode 2016-2020)”

Adalah benar-benar hasil karya sendiri dan bukan merupakan plagiat dari skripsi

orang lain. Apabila dikemudian hari terbukti skripsi ini adalah hasil jiplakan atau

duplikasi dari karya orang lain, maka saya bersedia menerima sanksi akademis

dengan ketentuan yang berlaku.

Bandung, 28 Oktober 2022

Yang membuat pernyataan,

Istiwa Islah Fadilah

371801011

iii
 MOTTO

“Sesungguhnya sesudah kesulitan itu ada kemudahan, maka apabila kamu

telah selesai dari satu urusan, kerjakanlah dengan sungguh-sungguh urusan

yang lain dan kepada Tuhanmulah hendaknya kamu berharap”

(QS. AL-Insyirah : 6-8)

“Rasullullah bersabda : Barang siapa yang menempuh jalan untuk

menempuh ilmu, Allah akan memudahkan jalan menuju surga” (HR.

Muslim)

“Sukses bukanlah kebetulan, ia terbentuk dari kerja keras ketekunan,

pembelajaran, pengorbanan, dan yang paling penting, cintai akan hal yang

sedang atau ingin kamu lakukan”.

iv
 ABSTRAK

Penelitian ini bertujuan untuk mengetahui pengaruh kepemilikan

institusional dan tax avoidance terhadap manajemen laba pada perusahaan
manufaktur yang terdaftar di Bursa Efek Indonesia pada periode 2016-2020.
Populasi pada penelitian ini sebanyak 200 perusahaan dan sampel sebanyak 69
perusahaan dengan kurun waktu 5 tahun. Teknik pengambilan sampel yang
digunakan yaitu menggunakan teknik probality sampling. Metode analisis data
menggunakan analisis deskriptif dan analisis regresi berganda menggunakan
Eviews 10. Hasil penelitian ini menunjukkan bahwa kepemilikan institusional dan
tax avoidance berpengaruh negatif terhadap manajemen laba.
Kata Kunci: Kepemilikan institusional, Tax Avoidance, Manajemen laba.

v
 ABSTRACT
This study aims to determine the effect of institutional ownership and tax
avoidance on earnings management in manufacturing companies listed on the
Indonesia Stock Exchange in the 2016-2020 period. The population in this study
were 200 companies and a sample of 69 companies with a period of 5 years. The
sampling technique used is using probability sampling technique. The data analysis
method uses descriptive analysis and multiple regression analysis using Eviews 10.
The results of this study indicate that institutional ownership and tax avoidance
have no significant negative effect on earnings management.
Keywords: institutional ownership, tax avoidance, earnings management

vi
 KATA PENGANTAR

Puji dan syukur alhamdulillah, penulis panjatkan kehadirat ALLAH SWT

yang telah melimpahkan rahmat serta karunia-Nya, sehingga pada akhirnya penulis

dapat menyelesaikan skripsi dengan judul “PENGARUH KEPEMILIKAN

INSTITUSIONAL DAN TAX AVOIDANCE TERHADAP MANAJEMEN

LABA” (Studi pada Perusahaan Manufaktur yang Terdaftar di Bursa Efek

Indonesia Periode 2016-2020)”. Skripsi ini disusun untuk mencapai tugas akhir

dan untuk mencapai gelar Sarjana Ekonomi pada Sekolah Tinggi Ilmu Ekonomi

STAN Indonesia Mandiri.

Dalam penyusunan skripsi ini penulis banyak mendapat dukungan secara

langsung maupun tidak langsung dari berbagai pihak. Untuk itu pada kesempatan

kali ini penulis ingin menyampaikan rasa terima kasih yang sebesar-besarnya

kepada:

1. ALLAH SWT yang selalu memberikan limpahan rahmat, hidayah, dan

karunia-Nya kepada penulis sehingga penulis mampu dan sabar untuk

menyelesaikan skripsi ini.

2. Bapak Ferdiansyah Ritonga, S.E., M.Ak., selaku dosen pembimbing yang

telah bersedia membimbing, memberikan nasehat, memberikan motivasi,

dan mengarahkan penulis dalam penyusunan skripsi ini.

3. Ibu Dr. Hj. Nur Hayati, S.E., M.Si selaku ketua STIE-STAN Indonesia

Mandiri

vii
4. Ibu Intan Pramesti Dewi, S.E., M.Ak., CA. selaku Wakil Ketua I Bidang

Akademik STIE-STAN Indonesia Mandiri.

5. Bapak Dani Sopian, S.E., M.Ak., selaku Ketua Program Studi Akuntansi

STIE-STAN Indonesia Mandiri.

6. Seluruh dosen dan staf yang telah membantu dan memberikan sarana serta

prasarana di kampus STIE-STAN Indonesia Mandiri.

7. Terimakasih untuk kedua Orang tua tercinta Bapak Amir dan Ibu Ai

Sukartini, dan Adik tercinta Moh Naufal dan Moch Nevan, serta anakku M.

Arroyan Dylan yang sangat penulis sayangi. Terimakasih yang tak pernah

cukup untuk selalu memberikan kasih sayang, doa, nasihat, dukungan,

bantuan moril maupun material yang selama ini tak henti-hentinya diberikan

dalam penyusunan tugas akhir ini.

8. Teman sesama bimbingan Tania Puteri Astari, Silvia Vanessa, Neti Daniati

dan Tripuji wulandari yang saling memotivasi, memberikan saran, berbagi

pengetahuan dan bertukar informasi.

9. Teman-teman program studi akuntansi 2018 terimakasih atas kebersamaan

dan bantuan serta saran yang telah diberikan.

10. Sahabat tercinta Tripuji w, Anisa P, Tania, Anisa Ika, Resi, Wina, Yudha,

Rafly, yang sudah memberikan banyak bantuan dan motivasi dalam

penyusunan skripsi ini serta terimakasih penulis ucapkan atas waktu yang

telah dilalui bersama-sama selama menempuh pendidikan di STIE-STAN

Indonesia Mandiri yang akan menjadi kenangan yang tidak akan dilupakan.

viii
11. Teman-teman diluar kampus yang selalu memberikan support dan doanya

khususnya kepada Indah Shanti serta keluh kesah team yang sudah

memberikan doa sebagai kekuatan untuk penulis.

12. Seluruh pihak yang tidak dapat penulis sebutkan satu persatu yang telah

memberikan dukungan dan memberikan bantuan baik moril maupun materil

kepada penulis dalam penyusunan skripsi ini.

Penulis telah berusaha semaksimal mungkin dalam penyusunan skripsi ini,

namun penulis menyadari bahwa penulisan ini masih jauh dari kata sempurna dan

masih banyak sekali kekurangan di dalamnya. Penulis sangat mengharapkan

masukan, kritik, dan saran yang bersifat membangun kearah perbaikan dan

penyempurnaan skripsi ini.

Akhir kata, semoga dengan skripsi ini dapat memberikan manfaat bagi

semua pihak serta menambah wawasan bagi pemikiran kita semua dan semoga amal

baik dari pihak-pihak yang telah memberikan bantuannya kepada penulis mendapat

balasan dari Allah SWT.

Bandung, 28 Oktober 2022

Istiwa Islah Fadilah

ix
 DAFTAR ISI

LEMBAR PENGESAHAN ................................................................................ i

MOTTO ............................................................................................................ iv

ABSTRAK ......................................................................................................... v

ABSTRACT ....................................................................................................... vi

KATA PENGANTAR ..................................................................................... vii

DAFTAR ISI ..................................................................................................... x

DAFTAR TABEL............................................................................................ xv

DAFTAR GAMBAR ...................................................................................... xvi

DAFTAR GRAFIK ....................................................................................... xvii

DAFTAR LAMPIRAN ................................................................................ xviii

BAB I PENDAHULUAN ................................................................................. 1

1.1 Latar Belakang ............................................................................. 1

1.2 Identifikasi Masalah ..................................................................... 7

1.3 Tujuan Penelitian ......................................................................... 7

1.4 Kegunaan Penelitian ..................................................................... 8

1.4.1 Kegunaan Teoritis ........................................................................ 8

1.4.2 Kegunaan Praktis ......................................................................... 8

BAB II TINJAUAN PUSTAKA, KERANGKA TEORITIS DAN

PENGEMBANGAN HIPOTESIS ..................................................................... 10

x
2.1. Tinjauan Pustaka ........................................................................ 10

2.1.2. Laporan Keuangan .................................................................... 12

2.1.2.1. Definisi Laporan Keuangan ................................................. 12

2.1.2.2. Syarat – Syarat Laporan Keuangan ...................................... 13

2.1.2.3. Jenis – Jenis Laporan Keuangan .......................................... 16

2.1.3. Manajemen Laba ........................................................................ 17

2.1.3.1. Pengertian Manajemen Laba ................................................ 17

2.1.3.2. Motivasi Manajemen Laba .................................................. 18

2.1.3.3. Pola Manajemen Laba ......................................................... 20

2.1.3.4. Metode Manajemen Laba .................................................... 21

2.1.3.5. Teknik Manajemen Laba ..................................................... 22

2.1.3.6. Pengukuran Manjemen Laba ............................................... 24

2.1.4. Kepemilikan Institusional ........................................................... 35

2.1.4.1. Pengertian Kepemilikan Institusional ................................... 35

2.1.4.2. Pengukuran Kepemilikan Institusional ................................. 37

2.1.5. Penghindaran Pajak (Tax Avoidance)............................................37

2.1.5.1 Pengertian Penghindaran Pajak………………………………………….38

2.1.5.2 Karakteristik Penghindaran Pajak……………………………………….38

2.1.5.3 Ketentuan Melakukan Penghindaran Pajak………………………..39

2.1.5.4 Pengukuran Penghindaran Pajak………………………………………..40

2.2.. Penelitian - Penelitian Terdahulu ................................................ 42

2.2. Kerangka Teoritis ....................................................................... 45

xi
 2.2.1. Hubungan kepemilikan Institusional dengan Tax avoidance..46

2.2.2. Hubungan Tax Avoidance dengan Manajemen Laba..............47

2.2.3. Hubungan Kepemilikan Institusional dengan Tax Avoidance

terhadap Manajemen Laba ................................................................. 47

2.3. Model Analisis ........................................................................... 48

2.4. Pengembangan Hipotesis ............................................................ 49

BAB III OBJEK DAN METODE PENELITIAN ............................................. 50

3.1. Objek Penelitian ......................................................................... 50

3.2. Lokasi Penelitian ........................................................................ 51

3.3. Metode Penelitian ....................................................................... 51

3.3.1. Unit Analisis ......................................................................... 52

3.3.2. Populasi dan Sampel ............................................................. 52

3.3.2.1. Populasi Penelitian ...................................................... 52

3.3.2.2. Sampel Penelitian .......... Error! Bookmark not defined.

3.3.3. Teknik Pengambilan Sampel dan Penentuan Ukuran Sampel

Error! Bookmark not defined.

3.3.4. Teknik Pengumpulan Data .................................................... 58

3.3.5. Jenis dan Sumber Data .......................................................... 62

3.3.6. Operasional Variabel ............................................................. 63

3.3.6.1. Variabel Independen .................................................... 63

3.3.6.2. Variabel Dependen ...................................................... 64

3.3.7. Teknik Analisis Data...............................................................73

3.3.7.1. Analisis Statistik Deskriptif......................................... 68

xii
 3.3.7.2. Uji Asumsi Klasik ...................................................... 70

3.3.8. Analisis Kolerasi ................................................................ 72

3.3.9. Pengujian Hipotesis ............................................................ 74

3.3.9.1. Uji Analisis Regresi Linier Berganda .......................... 74

3.3.9.2. Uji Signifikan Simultan (Uji F) ................................... 76

3.3.9.3. Uji Parsial (Uji t) ................................................... 77

3.3.9.4. Uji Koefisien Determinasi (R2) .................................... 78

BAB IV HASIL PENELITIAN DAN PEMBAHASAN ................................... 79

4.1 Hasil Penelitian .......................................................................... 79

4.1.1. Populasi dan Sampel Penelitian......................................85

4.1.2. Analisis Deskriptif ....................................................... 82

4.1.2.1. Kepemilikan institusional...................................... 84

4.1.2.2. Tax Avoidance ...................................................... 88

4.1.2.3. Manajemen Laba .................................................. 92

4.1.2.4. Rata-rata dan Standar Deviasi ............................... 95

4.2 Uji Asumsi Klasik ...................................................................... 96

4.2.1. Uji Normalitas .............................................................. 97

4.2.2. Uji Multikolonieritas ..................................................... 97

4.2.3. Uji Heteroskedastisitas .................................................. 98

4.2.4. Uji Autokorelasi............................................................ 99

4.3 Analisis Korelasi ...................................................................... 100

4.4 Pengujian Hipotesis .................................................................. 102

xiii
 4.4.1. Uji Analisis Regresi Linier Berganda (Uji-F) ............... 102

4.4.2. Uji Parsial (Uji-t) ......................................................... 104

4.4.3. Uji Koefisien Detreminasi (R2) .................................... 105

4.5. Pembahasan, Implikasi dan Keterbatasan .................................. 105

4.5.1. Pembahasan ................................................................. 105

4.5.2. Implikasi ...................................................................... 108

4.5.3. Keterbatasan Penelitian ................................................ 108

BAB V KESIMPULAN DAN SARAN .......................................................... 110

5.1. Kesimpulan .............................................................................. 110

5.2. Saran ........................................................................................ 111

5.2.1. Saran Teoritis ............................................................... 112

5.2.2. Saran Praktis ................................................................ 112

DAFTAR PUSTAKA .................................................................................... 114

RIWAYAT HIDUP ....................................................................................... 241

xiv
 DAFTAR TABEL

Tabel 2.1 Pengukuran Tax Avoidance ................................................................ 40

Tabel 3.2 Populasi Penelitian ............................................................................. 52

Tabel 3.3 Perhitungan Sampel Penelitian ........................................................... 62

Tabel 3.4 Operasionalisasi Variabel ................................................................... 67

Tabel 3.5 Kriteria Penilaian Korelasi.................................................................. 73

Tabel 4.6 Sampling Area.................................................................................... 80

Tabel 4.7 Sampel Perusahaan Manufaktur .......................................................... 80

Tabel 4.8 Kepemilikan Institusional ................................................................... 84

Tabel 4.9 Tax Avoidance .................................................................................... 88

Tabel 4.10 Manajemen Laba .............................................................................. 92

Tabel 4.11 Hasil Analisis Deskriptif................................................................... 95

Tabel 4.12 Hasil Uji Multikolonieritas ............................................................... 98

Tabel 4.13 Hasil Uji Heteroskedastisitas ............................................................ 99

Tabel 4.14 Hasil Uji Autokorelasi .................................................................... 100

Tabel 4.15 Kriteria Korelasi ............................................................................. 101

Tabel 4.16 Hasil Uji Regresi Linier Berganda .................................................. 102

xv
 DAFTAR GAMBAR

Gambar 2.1 Model Analisis................................................................................ 48

xvi
 DAFTAR GRAFIK

Grafik 4.1 Hasil Uji Normalitas ......................................................................... 97

xvii
 DAFTAR LAMPIRAN

Lampiran 1 Daftar Hadir Bimbingan ................................................................ 120

Lampiran 2 Populasi Perusahaan ...................................................................... 122

Lampiran 3 Daftar Sampel Penelitian ............................................................... 128

Lampiran 4 Data Perhitungan Kepemilikan Institusional .................................. 130

Lampiran 5 Data Perhitungan Tax Avoidance ................................................... 155

Lampiran 6 Data Perhitungan Manajemen Laba ............................................... 172

Lampiran 7 Data Hasil Perhitungan Kepemilikan Institusional ......................... 223

Lampiran 8 Data Hasil Perhitungan Tax Avoidance.......................................... 226

Lampiran 9 Data Hasil Perhitungan Manajemen Laba ...................................... 229

Lampiran 10 Hasil Olah Data ........................................................................... 232

Lampiran 11 Profil Singkat Perusahaan............................................................ 235

xviii
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Pada zaman yang tidak stabil ini, persaingan perusahaan semakin pesat.

Dimana perusahaan membutuhkan laporan keuangan yang baik. Laporan keuangan

merupakan laporan aktivitas keuangan dari suatu perusahaan dalam satu periode.

Laporan keuangan juga digunakan untuk memenuhi tujuan – tujuan lain salah

satunya yaitu sebagai laporan kepada pihak di luar perusahaan (Rahmawati et al.,

2017). Penyajian laporan keuangan yang disajikan oleh perusahaan harus sesuai

standar akuntansi yang berlaku. Pemberian informasi tentang posisi keuangan, arus

kas maupun kinerja perusahaan merupakan tujuan dari laporan keuangan, yang

digunakan sebagai dasar dalam pengambilan keputusan serta mampu menampilkan

suatu pertanggung jawaban dari manajemen dalam menggunakan sumber daya

yang sudah dipercayakan kepada perusahaan (Zakia et al., 2019).

Laporan keuangan seringkali disalah gunakan oleh manajemen dengan

melakukan perubahan dalam penggunaan metode akuntansi yang digunakan,

sehingga akan mempengaruhi jumlah laba yang ditampilkan dalam laporan

keuangan. Hal ini sering dikenal dengan istilah manajemen laba (Sumanto dan

Kiswanto, 2018). Laba merupakan pengukuran dari ringkasan kinerja perusahaan

1
yang dilakukan berdasarkan akuntansi berbasis akrual. Informasi laba pada laporan

keuangan umumnya merupakan perhatian utama dalam menaksir kinerja atau

melihat bagaimana pertanggung jawaban manajemen . Namun, informasi laba juga

sering menjadi target rekayasa melalui tindakan oportunis manajemen untuk

memaksimumkan kepuasannya. Karena, adanya kecenderungan pihak-pihak yang

memperhatikan laba dan hal ini disadari oleh manajemen khususnya manajer yang

kinerja diukur berdasarkan informasi laba tersebut, sehingga mendorong

munculnya tindakan untuk mengatur laba atau yang biasa dikenal sebagai

manajemen laba (Zakia et al., 2019)..

Manajemen laba didefinisikan sebagai upaya manajer perusahaan untuk

mengintervensi atau mempengaruhi informasi dalam laporan keuagan dengan

tujuan untuk mengetahui stakeholder yang ingin mengetahui kinerja keuangan.

Manajemen laba dapat dikatakan sebagai permainan akuntansi, apabila melihat

bahwa rekayasa tersebut merupakan upaya untuk menyembunyikan dan mengubah

informasi dengan mempermainkan besar kecilnya angka-angka komponen laporan

keuangan yang dilakukan ketika mencatat dan menyusun informasi. Hal tersebut

akan menimbulkan dampak bagi stakeholder. Karena tidak dapat memperoleh

informasi yang valid dan memadai untuk memastikan apa yang seharusnya

dilakukan (Kusumawardana dan Haryanto, 2019).

2
 Manajemen laba dapat merusak informasi yang dihasilkan laporan

keuangan dan menjadi informasi yang menyesatkan. Informasi yang dihasilkan dari

manajemen laba juga mengakibatkan laporan keuangan yang bias dan mengurangi

kredibilitas laporan keuangan karena angka laba yang dilaporkan tersebut tidak

mencerminkan kondisi yang sebenarnya (Healy dan Wahlen, 1999) dalam

(Karinda, 2018).

Kasus yang terjadi mengenai laba pada perusahaan sektor manufaktur salah

satunya PT Ultra Jaya Milk Industry & Trending Company Tbk (ULTJ) yang

tercatat mengalami penurunan laba sepanjang tahun 2018 lalu. Berdasarkan laporan

keuangan yang mereka liris, laba perusahaan yang memproduksi susu UHT itu

turun tipis sekitar 1,46% menjadi Rp. 697 miliar. Pada di tahun 2017, laba

perusahaan ini mencapai Rp. 708 miliar. Berbeda dengan labanya, pendapatan

ULTJ justru mengalami kenaikan signifikan. Pada tahun 2017, perusahaan ini

meraih pendapatan sebesar Rp. 4,8 triliun sedangkan di tahun selanjutnya,

pendapatan ULTJ naik menjadi Rp. 5,4 triliun atau sekitar 12,5%. General

Manager Public Relations ULTJ Muhammad Muthassawar menjelaskan bahwa

kenaikan pendapatan yang tidak diikuti oleh kenaikan laba itu disebabkan oleh

beberapa hal seperti kenaikan cost of goods sold atau harga pokok penjualan. Meski

begitu, rencana bisnis ULTJ tak akan kendur sedikitpun. Tahun ini, ULTJ tetap

akan melakukan ekspansi dan sudah menyiapkan capital expenditure dari kasnya

3
sendiri. Dengan usaha itu, Azwar menargetkan perusahaan dapat mengalami

pertumbuhan baik laba maupun pendapatan sebesar 10% hingga 15%. Bila itu

terealisasi maka potensi laba yang bisa diraih oleh ULTJ adalah sekitar Rp. 800

miliar dengan potensi Raihan pendapatan sebesar Rp. 6,2 triliun. Hingga berita

ditulis, sejak awal tahun pergerakan Saham ULTJ sendiri memang kurang

menggairahkan. Tercatat, saham emiten makanan minuman ini mengalami

penurunan hingga 9,26% dan menempatkannya di level 1.225 (amp.kontan.co.id,

21 April 2019).

Terdapat beberapa faktor yang mempengaruhi terjadinya tindakan

manajemen laba, diantaranya kepemilikan institusional (Faizal, 2017), tax

avoidance (Putri dan Fadhila, 2017), kualitas audit (Husain, 2017), beban pajak

tangguhan (Antonius dan Tampubolon, 2019), dan ukuran perusahaan (Sarmo et

al., 2020).

Berdasarkan faktor-faktor yang telah dijelaskan diatas, penelitian ini akan

menggunakan 2 (dua) faktor yaitu kepemilikan institusional dan tax avoidance.

Faktor pertama yang diduga dapat berpengaruh terhadap manajemen laba adalah

kepemilikan institusional. Kepemilikan institusional adalah kepemilikan saham

perusahaan yang dimiliki oleh institusi atau lembaga seperti perusahaan asuransi,

bank, perusahaan investasi dan kepemilikan institusi lain. Kepemilikan institusional

memiliki arti penting dalam memonitor manajemen karena dengan adanya

4
kepemilikan institusional akan mendorong peningkatan pengawasan yang lebih

optimal. Monitoring tersebut tentunya akan menjamin kemakmuran untuk

pemegang saham, pengaruh kepemilikan institusional sebagai agen pengawas

ditekan melelui investasi mereka yang cukup besar dalam pasar modal (Tarjo, 2018)

dalam (Adriani, 2020).

Selanjutnya faktor lain yang diduga berpengaruh terhadap manajemen laba

adalah tax avoidance (penghindaran pajak). Tax avoidance (penghindaran pajak)

adalah salah satu cara yang dilakukan oleh wajib pajak, untuk menghindari

pembayaran pajak yang sifatnya legal dengan mengurangi jumlah pajak

terutangnya dengan tidak melakukan pelanggaran ketentuan peraturan perpajakan

Swingly & I Made, 2017). Selanjutnya menjelaskan bahwa penghindaran pajak

adalah proses pengendalian tindakan, supaya terhindar dari dampak pengenaan

pajak yang tidak dikehendaki. Namun, manajemen perusahaan seringkali

memanfaatkan undang-undang yang bersifat samar atau ambigu, sehingga terdapat

celah-celah dalam undang-undang perpajakan (Suandy, 2018).

Penelitian ini dilandaskan pada masalah teoritis yaitu inkonsistensi atas

hasil penelitian terdahulu mengenai faktor-faktor yang mempengaruhi manajemen

laba. Menurut penelitian yang dilakukan oleh Sulistyoningsih (2019), Pratomo dan

Neda (2020) menyatakan bahwa kepemilikan institusional berpengaruh positif

terhadap manajemen laba. Hasil ini diperkuat oleh penelitian Dananjaya dan

5
Ardiana (2016) yang menyatakan bahwa kepemilikan institusional berpengaruh

positif dan signifikan terhadap manajemen laba. Sedangkan penelitian yang

dilakukan oleh Sarmo et al., (2020) dan Zakia et al., (2019) menyatakan bahwa

kepemilikan institusional tidak berpengaruh signifikan terhadap manajemen laba.

Selanjutnya faktor yang mempengaruhi manajemen laba adalah tax

avoidance. Berdasarkan penelitian yang dilakukan oleh Putri dan Fadhila (2017)

menyatakan bahwa tax avoidance berpengaruh terhadap manajemen laba. Berbeda

dengan penelitian yang dilakukan oleh Larastomo et al., (2016) menyatakan bahwa

tax avoidance berpengaruh negatif terhadap manajemen laba. Adapun penelitian

yang dilakukan oleh Ayem dan Ongirwalu (2020), Husain (2017) dan Ginting

(2018) yang menunjukkan hasil bahwa tax avoidance tidak berpengaruh terhadap

manajemen laba.

Berdasarkan latar belakang yang telah diuraikan serta adanya perbedaan

hasil peneliti-peneliti sebelumnya, maka peneliti bermaksud untuk menguji lebih

lanjut mengenai manajemen laba. Oleh karena itu penulis melakukan penelitian

dengan mengangkat judul "Pengaruh Kepemilikan Institusional dan Tax

Avoidance Terhadap Manajemen Laba”

6
1.2 Identifikasi Masalah

Berdasarkan latar belakang penelitian diatas, maka penulis mengidentifikasi

masalah sebagai berikut:

1. Bagaimana pengaruh kepemilikan institusional terhadap manajemen laba

pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia (BEI)

tahun 2016-2020?

2. Bagaimana pengaruh tax avoidance terhadap manajemen laba pada

perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia (BEI) tahun

2016-2020?

1.3 Tujuan Penelitian

Berdasarkan identifikasi masalah yang telah diuraikan diatas, maka tujuan

dari penelitian ini adalah:

1. Untuk mengetahui apakah terdapat pengaruh kepemilikan institusional

terhadap manajemen laba pada perusahaan manufaktur yang terdaftar di

Bursa Efek Indonesia (BEI) tahun 2016-2020.

2. Untuk mengetahui apakah terdapat pengaruh tax avoidance terhadap

manajemen laba pada perusahaan manufaktur yang terdaftar di Bursa Efek

Indonesia (BEI) tahun 2016-2020.

7
1.4 Kegunaan Penelitian

Dengan adanya penelitian ini, diharapkan mampu memberikan kontribusi

positif yang berguna sehingga dapat memberikan manfaat bagi pihak–pihak yang

berkepentingan. Manfaat dan hasil penelitian ini, antara lain:

1.4.1 Kegunaan Teoritis

Hasil penelitian ini diharapkan dapat dijadikan tambahan referensi bagi

penelitian selanjutnya untuk pengembangan ilmu akuntansi dan sebagai bahan

perbandingan bagi peneliti selanjutnya mengenai pengaruh kepemilikan

institusional dan tax avoidance terhadap manajemen laba pada perusahaan

manufaktur yang terdaftar di Bursa Efek Indonesia (BEI) tahun 2016-2020.

1.4.2 Kegunaan Praktis

Dari penelitian ini diharapkan dapat berguna dan bermanfaat bagi berbagai

pihak antara lain:

1. Bagi Perusahaan

Hasil penelitian ini diharapkan dapat menjadi bahan evaluasi untuk melihat

sejauh mana peran kepemilikan institusional dan tax avoidance dalam

pembuatan keputusan dan kebijakan di perusahaan yang terkait dengan

manajemen laba.

8
2. Bagi Investor

Penelitian ini diharapkan dapat bermanfaat untuk informasi dan sebagai

bahan pertimbangan mengenai manajemen laba sehingga para investor

dapat mengambil keputusan yang tepat dalam melakukan investasi.

3. Bagi Penulis

Penelitian ini merupakan sarana untuk menambah ilmu pengetahuan dan

wawasan, serta menemukan kepemilikan institusional dan tax avoidance

terhadap manajemen laba.

4. Bagi Pembaca

Penelitian ini sebagai bahan informasi dan dapat dijadikan referensi bagi

penelitian-penelitian selanjutnya tentang pengaruh kepemilikan

institusional dan tax avoidance terhadap manajemen laba.

9
 BAB II

TINJAUAN PUSTAKA, KERANGKA TEORITIS DAN

PENGEMBANGAN HIPOTESIS

2.1. Tinjauan Pustaka

2.1.1. Teori Keagenan (Agency Theory)

Jensen dan Meckling (1976) dalam Karinda (2018) hubungan keagenan

timbul karena principal bekerja dengan agent, principal akan menyediakan fasilitas

dan mendelegasikan kebijakan pembuatan keputusan kepada agent. Agent memiliki

kewajiban untuk menyampaikan laporan periodik kepada principal terkait dengan

usaha yang dijalankan oleh perusahaan, hal itu dapat menjelaskan bahwa teori

keagenan merupakan teori yang menjelaskan hubungan antara principal dan agent.

Teori keagenan adalah teori yang menyatakan adanya hubungan antara

pihak yang memberi wewenang (principal) dan pihak yang menerima wewenang

(agent) (Marlinda et al., 2020). Sedangkan menurut Mulyani et al. (2018) teori

keagenan merupakan hubungan antara pemegang saham (stakeholder) sebagai

principal dan manajemen sebagai agent.

Dalam Asitalia dan Ita (2017) hubungan tersebut menyebabkan dua

kepentingan yang berbeda antara manajemen maupun pemilik.

10
 Manajemen memiliki lebih banyak informasi dari pada pemilik, sehingga

manajer memiliki peluang untuk melakukan manajemen laba. Konflik kepentingan

antara manajer (agent) dan stakeholder (principal) menyebabkan adanya masalah

keagenan manajemen tidak selalu bertindak untuk kepentingan stakeholder, tetapi

terkadanguntuk kepentingan manajemen itu sendiri tanpa memperhatikan dampak

yang diakibatkan kepada stakeholder.

Manajemen laba timbul karena adanya teori agensi. Sebagai agent, manajer

secara moral bertanggung jawab untuk mengoptimalkan keuntungan para pemilik

(principal) dan sebagai imbalannya akan memperoleh kompensasi sesuai dengan

kontrak Dewi et al. (2019). Asimetri informasi muncul ketika manajer lebih

mengetahui informasi internal dan prospek perusahaan di masa yang akan datang

dibandingkan pemegang saham dan stakeholder lainnya (Suri dan Intan 2018).

Menurut Nabila dan Daljono (2017) asimetri informasi adalah ketidak

seimbangan akan informasi yang dimanfaatkan oleh agen untuk menyembunyikan

beberapa informasi yang tidak diketahui oleh principal. Asimetri informasi dan

konflik kepentingan ini selanjutnya mendorong agent untuk menyajikan informasi

yang tidak relevan. Sedangkan menurut Putri dan Fadhila (2017) asimetri informasi

merupakan suatu keadaan dimana agen memiliki akses informasi atas prospek

perusahaan yang tidak dimiliki oleh pihak luar perusahaan.

11
 Asimetri informasi berkaitan erat dengan agency theory dan adanya

hubungan keagenan. Asumsi yang menyatakan bahwa agent memiliki informasi

yang lebih dibandingkan principal mengakibatkan agent memanfaatkan asimetri

informasi untuk menyembunyikan informasi yang tidak menguntungkan dan

hanya menyajikan informasi sesuai keinginannya terutama informasi yang menilai

kinerja dari manajemen (Mangkusuryo dan Jati, 2017).

Adanya asimetri informasi ini menjadi celah yang dimanfaatkan untuk

melakukan manajemen laba. Manajer dapat menggunakan informasi lebih yang

dimiliki untuk melakukan hal yang memaksimalkan bonus yang diterima. Berbeda

dengan pemilik yang tidak dapat melakukan kontrol yang maksimal karena

kurangnya informasi (Maysani et al., 2019)

2.1.2. Laporan Keuangan

2.1.2.1. Definisi Laporan Keuangan

Laporan keuangan merupakan suatu informasi yang menggambarkan

kondisi keuangan suatu perusahaan, dan lebih jauh informasi tersebut dapat

dijadikan sebagai gambaran kinerja keuangan tersebut (Fahmi, 2017:2).

Menurut Rahmawati et al. (2017) laporan keuangan merupakan laporan

aktivitas keuangan dari suatu perusahaan dalam satu periode. Laporan keuangan

dibuat oleh manajemen dengan tujuan untuk mempertanggung jawabkan tugas –

12
tugas yang dibebankan kepadanya oleh para pemilik perusahaan. Laporan keuangan

juga digunakan untuk memenuhi tujuan – tujuan lain salah satunya yaitu sebagai

laporan kepada pihak diluar perusahaan.

Tujuan dari laporan keuangan yaitu untuk menyediakan informasi posisi

keuangan dan kinerja suatu entitas yang bermanfaat bagi sejumlah besar pengguna

dalam pengambilan keputusan ekonomi oleh siapapun yang tidak dalam posisi

dapat meminta laporan keuangan khusus untuk memenuhi kebutuhan informasi

tersebut (Ningtyas, 2017).

2.1.2.2. Syarat – Syarat Laporan Keuangan

Syarat-syarat laporan keuangan merupakan ciri khas membuat informasi

dalam laporan keuangan yang berguna bagi para pemakai dalam pengambilan

keputusan bernilai ekonomis. Berikut syarat-syarat yang harus dipenuhi didalam

membuat laporan keuangan (Sujarweni, 2017:2):

1. Dapat dipahami

Kualitas penting informasi yang ditampung dalam laporan keuangan adalah

kemudahannya untuk dapat dipahami oleh para pemakai. Dalam hal ini, pemakai

diasumsikan memiliki pengetahuan yang memadai tentang aktifitas ekonomi

dan bisnis, akuntansi serta kemauan untuk mempelajari informasi dengan

ketentuan yang wajar. Namun demikian, informasi kompleks yang dimasukan

13
 kedalam laporan keuangan tidak dapat dikeluarkan hanya atas dasar

pertimbangan bahwa informasi tersebut terlalu mudah untuk dapat dipahami

oleh pemakai tertentu.

2. Relevan

Agar bermanfaat, informasi juga harus relevan untuk memenuhi kebutuhan

pemakai dalam proses pengambilan keputusan. Informasi memiliki kualitas

relevan apabila informasi tersebut dapat mempengaruhi keputusan ekonomi

pemakai dengan membantu mereka mengevaluasi peristiwa masa lalu, masa

kini, atau masa depan, atau mengoreksi hasil evaluasi mereka dimasa lalu.

3. Keandalan

Agar bermanfaat, informasi juga harus andal. Informasi memiliki kualitas

andal jika bebas dari pengertian menyesatkan, kesalahan material, dan dapat

diandalkan pemakainya sebagai penyajian yang tulus atau jujur dari yang

seharusnya disajikan, atau yang secara wajar diharapkan dapat disajikan.

Selain itu informasi harus diarahkan pada kebutuhan pemakai, dan tidak

bergantung pada kebutuhan atau keinginan pihak tertentu. Dalam hal

menghadapi ketidak pastian peristiwa dan keadaan tertentu, maka ketidak

pastian tersebut diakui dengan mengungkapkan hakikat dan tingkatnya dengan

menggunakan pertimbangan sehat. Agar dapat diandalkan, informasi yang

disajikan dalam laporan keuangan harus lengkap dalam batasan materialitas

14
 dan biaya (kelengkapan).

4. Dapat dibandingkan

Pemakai laporan keuangan harus dapat memperbandingkan laporan keuangan

perusahaan antar periode untuk mengidentifikasi kecenderungan posisi

keuangan. Pemakai juga harus dapat memperbandingkan laporan keuangan

antar perusahaan untuk mengevaluasi posisi keuangan, serta perusahaan posisi

keuangan secara relatif. Oleh karena itu, pengukuran dan penyajian dampak

keuangan dari transaksi dan peristiwa lain yang serupa harus dilakukan secara

konsisten untuk perusahaan tersebut, antara periode yang sama, dan untuk

perusahaan yang berbeda.

5. Mempunyai daya uji

Laporan keuangan yang telah disusun dengan panduan konsep – konsep dasar

akuntansi dan prinsip – prinsip akuntansi yang sudah disahkan, sehingga dapat

diuji kebenarannya oleh pihak lain.

6. Netral

Laporan keuangan yang disajikan bersifat umum, objektif dan tidak memihak

pada kepentingan pemakai tertentu.

7. Tepat waktu artinya bahwa laporan keuangan harus di sajikan tepat waktu.

8. Lengkap artinya bahwa laporan keuangan yang disusun harus memenuhi

syarat – syarat tersebut diatas dan tidak menyesatkan pembaca.

15
2.1.2.3. Jenis – Jenis Laporan Keuangan

Secara umum ada empat bentuk laporan keuangan pokok yang dihasilkan

oleh suatu perusahaan (Maruta, 2018):

1. Neraca

Neraca bisa digambarkan sebagai potret kondisi keuangan suatu perusahaan

pada suatu waktu tertentu (snapshot keuangan perusahaan), yang meliputi aset

(sumberdaya atau resources) perusahaan dan kalim keputusan penggunaan dana

atau keputusan investasi pada masa lalu, sedangkan klaim perusahaan

menunjukkan sumber dana tersebut atau keputusan pendanaan pada masa lalu.

Dana diperoleh dari pinjaman (hutang) dan dari penyertaan pemilik perusahaan

(modal).

2. Laporan Laba Rugi

Laporan laba rugi merupakan laporan prestasi perusahaan sela jangka waktu

tertentu. Laba bersih merupakan selisih antara total pendapatan dikurangi

dengan total biaya. Pendapatan mengukur aliran masuk aset bersih setelah

dikurangi hutang dari penjualan barang atau jasa. Biaya mengukur aliran

keluar aset bersih karena digunakan atau dikonsumsikan untuk memperoleh

pendapatan. Pendapatan bisa dibedakan menjadi pendapatan operasional yaitu

pendapatan yang dihasilkan oleh kegiatan sampingan perusahaan, dan

pendapatan non operasioanl atau pendapatan lain – lain yang dihasilkan oleh

16
 kegiatan sampingan perusahaan.

3. Laporan Ekuitas Pemegang Saham

Merekonsiliasi saldo awal dan akhir semua akun yang ada dalam seksi ekuitas

pemegang saham pada neraca. Beberapa perusahaan menyajikan laporan saldo

laba, sering kali dikombinasikan dengan laporan laba-rugi yang mengkoliasi

saldo awal dan akhir akun saldo laba. Perusahaan – perusahaan yang memilih

format penyajian yan terakhir biasanya akan menyajikan laporan ekuitas

pemegang sebagai pengungkapan dalam catatan kaki.

4. Laporan Arus Kas

Laporan arus kas menyajikan aliran kas masuk atau keluar bersih pada suatu

periode, hasil dari tiga kegiatan pokok perusahaan yaitu operasi, investasi dan

pendanaan. Aliran kas diperlukan terutama untuk mengetahui kemmapuan

perusahaan yang sebenarnya dalam memenuhi kewajiban – kewajibannya.

2.1.3. Manajemen Laba

2.1.3.1. Pengertian Manajemen Laba

Dewi et al. (2019) mendefinisikan manajemen laba merupakan tindakan

yang dilakukan pihak manajemen yang dapat mempengaruhi tingkat laba yang

ditampilkan. Manajemen laba dapat terjadi karena adanya pemisahan wewenang

atau kepentingan antara pemegang saham (principal) dan manajer (agent) sebagai

17
pengelola perusahaan.

Menurut Pricilia dan Liana (2017) manajemen laba merupakan masalah

keagenan yang sering dipicu oleh adanya pemisahan peran atau perbedaan

kepentingan antara pemegang saham dengan manajemen perusahaan. Kedua pihak

tersebut berupaya untuk lebih mengutamakan kepentingannya masing – masing dari

pada kepentingan perusahaan. Sebagai agen, manajer bertanggung jawab untuk

mengoptimalkan laba para pemilik (principal). Namun dilain pihak, manajer

tersebut juga mempunyai kepentingan untuk memaksimalkan kesejahteraan.

Sedangkan menurut Rahmawati et al. (2017) manajemen laba adalah suatu

kondisi dimana manajemen melakukan intervensi proses penyusunan laporan

keuangan bagi pihak eksternal sehingga dapat meratakan, menaikkan dan

menurungkan pelaporan laba.

2.1.3.2. Motivasi Manajemen Laba

Scott (2006) menyebutkan bahwa ada beberapa motivasi manajer dalam

melakukan manajemen laba. Berikut adalah uraian dari motivasi manajemen laba:

1. Rencana Bonus (bonus scheme)

Manajer yang bekerja diperusahaan dengan rencana bonus akan berusaha

mengatur laba yang dilaporkan agar memaksimalkan bonus yang akan

diterimanya.

18
2. Kontrak Hutang Jangka Panjang (debt covenant)

Motivasi ini sejalan dengan hipotesis debt covenant dalam teori akuntansi

positif, yaitu semakin dekat perusahaan ke pelanggaran perjanjian hutang, maka

manajer akan cenderung memilih metode akuntansi yang dapat mengurangi

kemungkinan perusahaan mengalami pelanggaran kontrak.

3. Motivasi Politik (political motivation)

Perusahaan - perusahaan besar dan industri strategis cenderung untuk

menurunkan laba untuk mengurangi visibilitasnya untuk memperoleh

kemudahan dan fasilitas dari pemerintah

4. Motivasi Perpajakan (taxation motivation)

Perpajakan merupakan suatu alasan utama mengapa perusahaan mengurangi

laba yang dilaporkan. Dengan mengurangi laba yang dilaporkan, maka

perusahaan dapat meminimalkan besar pajak yang harus dibayarkan kepada

pemerintah pergantian CEO, CEO yang akan habis masa penugasannya akan

melakukan strategi memaksimalkan laba untuk meningkatkan bonusnya.

Demikian pula dengan CEO yang kinerjanya kurang baik, akan cenderung

memaksimalkan laba untuk mencegah atau membatalkan pemecatannya.

5. Penawaran Saham Perdana (initial public offering)

Saat perusahaan go public, informasi keuangan yang ada dalam prospectus

merupakan sumber inforasi yang penting. Informasi ini dapat dipakai dengan

19
 sinyal kepada calon investor tentang nilai perusahaan.

6. Pentingnya Memberi Informasi kepada Investor

Informasi mengenai kinerja perusahaan harus disampaikan kepada investor

sehingga pelaporan laba perlu disajikan agar investor tetap menilai bahwa

perusahaan tersebut dalam kinerja yang baik.

2.1.3.3. Pola Manajemen Laba

Scott (2003) mengidentifikasi adanya empat pola yang dilakukan olehpihak

manajemen untuk melakukan manajemen laba yaitu:

1. Taking a bath

Dilakukan ketika terjadi keadaan buruk yang tidak menguntungkan dan tidak

dapat dihindari, yaitu dengan cara mengakui biaya-biaya pada periode yang

akan datang dan kerugian periode berjalan.

2. Income Minimization

Dilakukan saat perusahaan memperoleh profitabilitas yang tinggi dengan tujuan

agar tidak mendapat perhatian politis.

3. Income Maximization

Dilakukan dengan memaksimalkan laba agar memperoleh bonus yang lebih

besar. Dari positif accounting theory, para manajer dapat terlibat dalam

maksimalisasi laba bersih yang dilaporkan untuk tujuan bonus.

20
4. Income Smoothing

Dilakukan dengan menaikkan atau menurunkan laba untuk mengurangi

fluktuasi laba yang dilaporkan sehingga perusahaan terlihat stabil dan tidak

berisiko tinggi.

2.1.3.4. Metode Manajemen Laba

Ada dua metode yang digunakan untuk manajemen laba menurut Healy dan

Wahlen (1998) dalam Runturambi et al. (2017), yaitu:

1. Seseorang bisa menggunakan fleksibilitas yang diperbolehkan dalam akuntansi

yang berlaku umum prinsip (GAAP) untuk mengubah laporan laba- rugi tanpa

mengubah arus kas yang mendasari, yang Healy dan Wahlen gambarkan

sebagai penggunaan penilaian manajerial dalam pelaporan keuangan Ini adalah

disebut accounting earnings management.

2. Manajer dapat mengubah keputusan operasi, seperti jadwal pengiriman atau

perawatan, agar mengelola arus kas yang mendasari yang akan mempengaruhi

laporan pendapatan yang dilaporkan, yang digambarkan sebagai penataan

transaksi oleh Healy dan Wahlen. Jenis manajemen ini biasanya disebut sebagai

manajemen laba ekonomi.

21
2.1.3.5. Teknik Manajemen Laba

Adapun teknik-teknik dalam melakukan praktik manajemen laba menurut

Runturambi et al. (2017) yaitu:

1. Mengubah metode depresiasi

Tujuannya perusahaan dapat mengurangi beban depresiasi untuk menaikkan

laba periode berjalan, misalnya dengan mengubah metode saldo menurun

berganda ke metode garis lurus

2. Mengubah umur harta

Tujuannya perusahaan dapat memperkecil beban depresiasi dan amortisasi

untuk menaikkan laba periode berjalan dengan memperpanjang umur harta.

3. Mengubah nilai sisa harta

Tujuannya perusahaan dapat memperkecil beban depresiasi untuk menaikkan

laba periode berjalan dengan memperbesar nilai sisa.

4. Menetapkan cadangan piutang tak tertagih

Tujuannya perusahaan dapat memperkecil biaya piutang tak tertagih untuk

menaikkan laba periode berjalan dengan menetapkan cadangan piutang tak

tertagih yang kecil.

5. Menetapkan cadangan kewajiban jaminan garansi

Tujuannya dengan menetapkan kecil cadangan kewajiban jaminan garansi,

perusahaan dapat memperkecil biaya jaminan garansi untuk menaikkan laba

22
 periode berjalan.

6. Menentukan adanya kerusakan harta

Tujuannya perusahaan dapat membebankan kerugian pada periode berjalan

untuk menyimpan laba periode berjalan sebgai simpanan laba periode-periode

mendatang atau menangguhkan beban periode sebelumnya.

7. Mengestimasi tahap penyelesaian kontrak dengan metode persentase

Tujuannya dengan menetapkan persentase penyelesaian yang besar,

perusahaan dapat mengakui pendapatan lebih besar untuk menaikkan laba

periode berjalan.

8. Mempertimbangkan jumlah persediaan yang dihapus

Tujuannya dengan menurunkan jumlah persediaan seharusnya dihapuskan,

perushaan dapat mengurangi beban tahun ini untuk menaikkan laba periode

berjalan.

9. Mengakui pendapatan atas pengiriman barang ke kantor perwakilan

Tujuannya dengan mengakui pendapatan atas pengiriman barang ke kantor

perwakilan yang sebenarnya belum terjual, perusahaan mengakui pendapatan

lebih besar untuk menaikkan laba periode berjalan.

10. Tidak menutup periode akuntansi

Tujuannya dengan tetap membuka periode akuntansi, perusahaan masih tetap

dapat mencatat penjualan periode berikutnya untuk menaikkan laba periode

23
 berjalan. Teknik ini biasnaya dilakukan dengan memundurkan tanggal pada

computer.

2.1.3.6. Pengukuran Manjemen Laba

Berikut beberapa model pengukuran dalam mendeteksi manajemen laba:

1. Model Healy

Healy model (1985) menguji manajemen laba dengan membandingkan rata-

rata total akrual diseluruh variabel pembagian manajemen laba. Studi Healy

berbeda dengan kebanyakan studi manajemen laba lainnya karena ia memprediksi

bahwa manajemen laba sistematis terjadi dalam setiap periode. kemudian dilakukan

melalui perbandingan berpasangan dari total akrual rata-rata pada kelompok di

mana pendapatan diprakirakan akan dikelola ke atas dengan rata-ratatotal akrual

untuk masing-masing kelompok di mana pendapatan diprediksi akan dikelola ke

bawah. Pendekatan ini setara dengan memperlakukan seperangkat pengamatan

dimana pendapatan diperkirakan akan dikelola ke atas sebagai periode estimasi dan

himpunan pengamatan dimana pendapatan diperkirakan akan dikelola ke bawah

sebagai periode peristiwa. Total akrual rata – rata dari periode estimasi kemudian

mewakili ukuran akrual non discretionary. Total akrual (ACCt) yang mencakup

discretionary (DAt) dan non-discretionary (NDAt) compotens, dihitung sebagai

berikut (Healy, 1985). Berikut merupakan rumus perhitungan Healy Model:

24
 𝐴𝐶𝐶𝑡 = 𝑁𝐴𝑡 + 𝐷𝐴𝑡

2. Model DeAngelo

DeAngelo (1986) menguji manajemen laba dengan menghitung perbedaan

pertama dalam total akrual, dan dengan mengasumsikan bahwa perbedaan pertama

memiliki nilai nol yang diharapkan berdasarkan hipotesis nol yang menyatakan

tidak ada manajemen laba. Model ini men-Corporate Governance-nakan total

akrual periode lalu (disajikan dengan total aset-1) sebagai ukuran akrual

nondiskretionioner. Dengan demikian, model DeAngelo untuk akrual

nondiskretionioner adalah sebagai berikut:

𝑁𝐷𝐴𝑡 = 𝑇𝐴𝑡−1

Dechow et al. (1995) dalam Suyono (2017) menjelaskan bahwa Model

DeAngelo dapat dipandang sebagai kasus khusus dari Model Healy, dimana periode

estimasi akrual nondiskretioner dibatasi pada pengamatan tahun sebelumnya.

Gambaran umum Model Healy dan Model DeAngelo adalah bahwa keduanya

menggunakan total akrual dari periode estimasi proxy untuk akrual nondiskretioner

yang diharapkan. Jika akrual nondiskretioner konstan dari waktu ke waktu dan

akrual diskretionioner memiliki rata – rata nol pada periode estimasi, maka Model

Healy dan Model DeAngelo akan mengukur akrual nondiskretionioner tanpa

kesalahan. Namun, jika akrual nondiskretioner berubah dari satu periode lainnya,

maka kedual model akar cenderung mengukur akrual nondiskretioner dengan

25
 kesalahan.

Selanjutnya, Dechow et al. (1995) menjelaskan bahwa ketika akrual

nondiskretioner mengikuti proses yang konstan, maka Model Healy lebih sesuai

digunakan. Sebaliknya, jika akrual nondiskretioner mengikuti proses yang acak,

maka Model DeAngelo lebih sesuai.

3. Model Jones

Jones (1991) mengusulkan sebuah model yang menyederhanakan anggapan

bahwa akrual nondiskretioner bersifat konstan. Modelnya mencoba mengendalikan

efek berupa perubahan pada lingkungan ekonomi perusahaan terhadap akrual

nondiskretioner. Model Jones untuk akrual nondiskretioner pada tahun yang

bersangkutan adalah:

NDAt = 𝘢1(1/At−1) + 𝘢2(∆REV∆t) + 𝘢3(PPEt)

Keterangan:

- ∆𝑅𝐸𝑉∆𝑡 = pendapatan pada tahun t dikurangi pendapatan pada tahun t-1dibagi

dengan total aset pada t-1

- 𝑃𝑃𝐸𝑡 = propert, pabrik, dan peralatan pada tahun t dibagi dengan total aset pada t-1

- 𝐴𝑡−1 = total aset pada tahun t-1

- 𝛼1, 𝛼2, 𝛼3 = parameter – parameter spesifik perusahaan.

Estimasi parameter spesifik perusahaan (α1, α2, α3) dihasilkan dengan

menggunakan model berikut pada periode estimasi (Jones, 1991):

26
TAt = a1(1/At−1) + a2(∆REV∆t) + a3(PPEt) + 𝑣t,

Dimana:

a1, a2, dan a3 menunjukukan estimasi koefisien regresi dari α1, α2, dan α3. Sedangkan
TA adalah total akrual dibagi dengan total aset tahun t-1.
Dechow et al. (1995) menjelaskan bahwa hasil perhitungan Model Jones

menunjukkan bahwa model tersebut berhasil menjelaskan sekitar seperempat

variasi total akrual. Asumsi pendapatan dikelola melalui pendapatan discretionary.

Misalnya, pertimbangkan situasi dimana manajemen menggunakan

kebijakasanaannya utnuk memperoleh pendapatan pada akhir tahun saat uang

sbelum diterima dan sangat dipertanyakan apakah pendapatan tersebut telah

diperoleh. Hasil dari pertimbangan manajerial ini akan meningkatkan pendapatan

dan jumlah akrual (melalui peningkatan piutang). Model Jones menterjemahkan

pendapatan total akrual yang berhubungan dengan pendapatan dan oleh karena itu

akan mengekstrak komponen akrual diskretioner ini, yang menyebabkan estimasi

manajemen laba menjadi bias terhadap nol.

4. Model Industri

Dechow dan Sloan (1991) menyusun model pengukuran manajemen laba yang

dikenal dengan Model Industri. Serupa dengan Model Jones, Model Industri

menyederhanakan anggapan bahwa akrual nondiskretioner konstan sepanjang

waktu. Namun, alih-alih mencoba secara langsung memodelkan faktor penentu

akrual nondiskretioner, Model Industri mengasumsikan bahwa variasidalam faktor

27
 penentu akrual nondiskretioner adalah umum di seluruh perusahaan di industri yang

sama. Model Industri untuk akrual nondiskretioner adalah:

NDAt = 𝗒1 + 𝗒2medianI(TAt)

Dimana:

- medianI(TAt) = nilai median dari total akrual yang diukur dengan aset tahun t-1

untuk semua perusahaan non-sampel dalam kode industri yang sama. Parameter

spesifik perusahaan 𝛾 1 dan 𝛾 2 diperkirakan menggunakan koefisien regresi paa

pengamatan di periode estimasi.

Kemampuan Model Industri untuk mengurangi kesalahan pengukuran dalam

akrual diskresioner bergantung pada dua faktor. Pertama, Model Industri hanya

menghilangkan variasi akrual nondiscretionary yang umum terjadi di perusahaan-

perusahaan di industri yang sama. Jika perubahan akrual nondiscretionary

mencerminkan respon terhadap perubahan dalam keadaan spesifik perushaan, maka

Model Industri tidak akan mengekstrak semua akrual nondiscretionary dari proxy

akrual diskresioner. Kedua, Model Industri menghilangkan variasi dalam akrual

diskresioner yang berkorelasi di seluruh perusahaan di industri yang sama, yang

berpotensi menimbulkan masalah. Tingkat keparahan masalah ini bergantung pada

sejauh mana stimulus manajemen laba berkorelasi di antara perusahaan –

perusahaan di idustri yang sama (Dechow et al, 1995).

28
5. Model Dechow-Dichev

Dechow dan Dichev (2002) mengajukan sebuah model yang bisa digunakan

untuk mengukur kualitas akrual dalam laba yang tersaji di laporan keuangan.

Pengukuran didasari padas sebuah observasi yang menenmukan bahwa akrual akan

mampu menyesuaikan perubahan arus kas dari waktu ke watu. Akan tetapi,

seringkali akrual didasari pada suatu estimasi akan peristiwa yang akan dating, yang

jika estimasi ini salah maka memerlukan penyesuaian di masa yang akan datang.

Dengan demikian, kesalahan estimasi menjadi faktor pengganggu yang dapat

menurunkan kualitas akrual. Model ini memfokuskan diri pada pemanfaatan akrual

untuk kepentingan oportunitis manajer yang dapat menyesatkan para pengguna

laporan keuangan. Selanjutnya model ini menjelaskan bahwa karakterisktik asal

dari proses akrual menyarankan bahwa besaran kesalahan estimasi akan secara

berhubungan dengan hal – hal fundamental perusahaan seperti lamanya siklus

operasi perusahaan dan variabilitas operasional perusahaan.

Selanjutnya model ini membangun rerangka akrual, dimana laba akan sama

dengan arus kas ditambah dengan akrual, dengan formula seperti berikut:

𝐸 = 𝐶𝐹 + 𝐴𝑐𝑐𝑟𝑢𝑎𝑙𝑠

Dari perspektif akuntansi, arus kas (CF) di kategorikan menjadi arus kas tahun lalu

(CFt-1), arus kas tahun berjalan (CFt), dan arus kas masa depan (CFt+1). Sehingga,

rumus selengkapnya dari laba (E) adalah sebagai berikut:

29
 Et = CFt-1t + CF t +t CFt+1t + ɛt+1t - ɛt t-1

Dari rumus diatas, porsi akrual yang terdapat dalam laba (At) ditentukan formula

sebagai berikut:

At= CFt-1t – (CF t+1+ CF t-1) + CF

t t t+1 t+1 t
t
+ɛ t
- ɛ t-1

Kemudian diukur perubahan modal kerja akrual (∆WC) dengan formulasebagai

berikut:

∆WCt = b0 + (b1xCFOt-1) + (b2xCFOt) + (b3xCFOt+1) + ɛt

6. Model Kothari

Kothari et al. (2005) berupa menyempurnakan Model Jones, dengan

menambahkan perubahan return on assets (ROA) untuk mengontrol kinerja.

Dengan kata lain, model ini hanya menambahkan perubahan ROA dalam

perhitungan akrual diskresioner. Model ini beragumen bahwa memasukan unsure

ROA dalam perhitungan akrual diskretioner akan dapat meminimalkan kesalahan

spesifikasi, sehingga akan ampu mengukur manajemen laba secara akurat.

7. Model Pendekatan Baru

Dechow et al. (2011) mengusulkan sebuah pendekatan baru untuk mendeteksi

manajemen laba yang sekaligus meningkatan daya uji dan spesifikasi untuk

meminimalkan besaran kesalahan estimasi dari model akrual diskretioner yang

sebelumnya. Secara khusus, penelitian ini menjelaskan bahwa setiap pengelolaan

laba berbasis akrual dalam satu periode harus berbalik dalam periode lain
30
(reversal). Misalnya, jika peneliti sama-sama akurat dalam memprediksi periode di

mana manajemen laba terjadi dan periode di mana manajamen laba berbalik,

kekuatan pengujian manajemen laba dapat menignkat akurasinya lebih dari 40%

dengan memasukkan faktor pembalikan. Sehubungan dengan pencegahan

kesalahan spesifikasi dalam pengujian manajemen laba dalam sebuah sampel yang

mengabaikan faktor karakteristik ekonomi, pengujian model ini mengahruskan

variabel yang dihilangkan tidak berbalik dalam periode yang sama dengan

manajemen laba, sebagai contoh, ukuran perusahaan telah diidentifikasi sebagai

variabel potensial berkorelasi penting yang diabaikan dalam pengujian manajemen

laba (Ecker et al., 2011).

Hal ini menjadi penting untuk menaruh perhatian pada variable ukuran

perusahaan karena ukuran perusahaan cenderung bertahan, sehingga

menggabungkan pembalikan akrual dapat secara substansial mengurangi kesalahan

spesifikasi. Demikian pula, investasi baru telah diidentifikasi sebagai berkorelasi

penting yang diabaikan dalam pengujian manajemen laba (McNichols dan Stubben,

2008). Selama investasi baru tidak sepenuhnya dibalik (yaitu, dilikuidasi) dalam

periode pembalikan manajemen laba, menggabungkan pembalikan akan

mengurangi bias dalam pengujian. Model ini menunjukkan bahwa

menggabungkan pembalikan akrual dapat memberikan solusi yang kuat untuk

mengurangi kesalahan spesifikasi dalamberbagai karateristik ekonomi berbeda.

31
Selanjutnya Dechow et al. (2011) mengembangkan formulabaru untukmengukur

manajemen laba dengan langkah – langkah sebagai berikut:

a. Mengembangkan formula untuk menghitung discretionary accruals (DA)

sebagai berikut:

Dai,t = a + bPARTi,t + ɛi,t

Dimana:

PART = variabel dummy ditetapkan 1 pada periode di mana determinan yang

dihipotesiskan atas manajemen laba memang terjadi dan 0 untuk sebaliknya.

b. Mengajukan asumsi standar dari OLS, estimasi OLS yaitu b dinotasikandengan

b^, merupakan estimator linier tidak bias yang terbaik dengan standar eror.

Sehingga formulanya adalah:

SE(b^) = Sɛ/[(n-1)SPART]

Dimana:

n = Jumlah obsevasi

Sɛ = Standar eror regresi

b^ = Besaran manajemen laba

SPART = Standar devisiasi atas sampel PART

Rasio b^ terhadap SE(b^) memiliki distribusi t dengan n-2 degress of freedom.

Hipotesis nol yang menyatakan manajemen laba ditolak jikahasilnya memiliki arah

dan signifikan secara statistik pada tingkat konvensional. Akibatnya, t-statistik

32
yang dihasilkan dan kekuatan pengujian manajemen laba menjadi semakin

meningkat.

c. Karena akrual diskretioner sangat sulit untuk diobservasi secara langusng,

makadirumuskan proksi dari akrual diskretioner (DAP), yang merupakan akrual

diskretioner yang memepertimbangkan unsur eror. Sehingga forula menjadi

sebagai berikut:

DAPit = (DAitµit) + ղit

Dimana:

µ = akrual diskretioner yang secara tidak disengaja terhapus dari DAP

ղ = akrual non diskresioner yang secara tidak disengaja masih melekat diDAP

d. Untuk menganalisis kesalahan spesifikasi, selanjutnya DAP disubtitusikan

terhadap DA dalam persamaan berikut ini:

DAPit = a + bPARTit+ (-µit + ղit + ɛit)

Selanjutnya estimator OLS b yang diperoleh dari meregresikan DAP

terhadap PART dinotasikan dengan b, merupakan kesalahan spesifikasi akibat

kesalahan regresi (-µit + ղ). Secara spesifik b˜ merupakan estimator bias dari b,

yang dapat diketahui dengan formula sebagai berikut:

E(b ) – b = β(-µit + ղ)PART

Dimana:

β(-µit + ղ)PART = merupakan koefisien regresi dari hasil regresi (-µit + ղ) terhadap

33
PART..

e. Menghitung standar eror b˜ dengan formula sebagai berikut:

SE(b˜ ) = SE (b^)(1-r2(-µit + ղ)PART)) / ((1-r2(DAP)(-µit + ղ)PART))

Dimana:

r2(-µit + ղ)PART) = r squared hasil regresi (-µit + ղ) terhadap PART.

r2(DAP)(-µit + ղ)PART) = r squared hasil regresi DAP terhadap komponen (-µit+ ղ) yang

merupakan orthogonal terhadap PART.

Semua penjelasan diatas dapat memperjelas tiga tipe kesalahan spesifikasi yang

berbeda yang mungkin muncul dari estimasi, yaitu (Dechow et al., 2011):

(1) Bias dan hilangnya kekuatan pengukuran yang disebabkan oleh diabaikannya

-µ dari DAP. µ merepresentasikan akrual diskretioner yang secara tidak

disengaja terhapus dari DAP.

(2) Bias dan kesalahan spesifikasi akibat dimasukkannya korelasi ղ ke dalam DAP

ղ merepresentasikan akrual nol diskretioner yang secara tidak sengaja

tertinggal di dalam DAP.

(3) Inefisiensi yang disebabkan karena dimasukkannya ղ yang tidak terkorelasi ke

dalam DAP. Jika akrual non diskretioner tertinggal di dalam DAP tetapi tidak

terkorelasi dengan PART maka b^ menjadi tidak bias.

Selanjutnya, Dechow et al. (2011) mensubstitusikan hasilnya ke dalam

34
persamaan modal kerja akrual (WA_ACC) dengan memperhitungkan periode

pembalikan ke dalam persamaan berikut:

WA_ACCit = a + bPARTit + cPARTit +∑kƒkXk.i.t + e+i

Dimana:

Xk = pengendali untuk akrual non diskretioner

2.1.4. Kepemilikan Institusional

2.1.4.1. Pengertian Kepemilikan Institusional

Kepemilikan institusional adalah kepemilikan saham oleh pihak

institusional. Kepemilikan institusional yang tinggi akan menimbulkan usaha

pengawasan yang besar oleh pihak institusional (Marlinda et al. 2020).

Menurut Jensen dan Meckling (1976) dalam Mulyani et al. (2018)

menyatakan bahwa kepemilikan institusional memiliki peranan yang sangat penting

dalam meminimalisasi konflik keagenan yang terjadi antara manajer dan pemegang

saham. Keberadaan investor institusional dianggap mampu menjadi mekanisme

monitoring yang efektif dalam setiap keputusan yang diambil oleh manajer. Hal ini

disebabkan investor institusional terlibat dalam pengambilan keputusan yang

strategis sehingga tidak mudah percaya terhadap tindakan manipulasi laba.

Hubungan yang melekat antara kepemilikan institusional dengan fungsi

pengawasan atau monitoring adalah adanya asumsi bahwa pihak institusi memliki

35
keinginan untuk mengawasi perilaku manajemen dengan lebih baik dibadningkan

dengan investor internal (individual). Source of power yang dimiliki oleh

kepemilikan institusi dapat menjadi dua mata bagian yang berbeda, dapat sebagai

pendukung tindakan yang dilakukan manajemen jika menguntungkan perusahaan

secara umum, dan juga menjadi ancaman utama bagi keberadaan manajemen

apabila dianggap merugikan perusahaan karena lebih mementingkan keinginan

pribadinya (Krisna, 2019).

Dengan adanya kepemilikan institusional akan meningkatkan pengawasan

yang lebih optimal, yang tentunya akan menjamin kemakmuran pemegang saham.

Selain itu, kepemilikan institusional memiliki dua kelebihan diantaranya

(Subagiastra et al. 2016):

1. Memiliki profesionalisme dalam menganalisis informasi sehingga dapat

menguji keandalan informasi.

2. Memiliki motivasi yang kuat untuk melaksanakan pengawasan lebih ketat atas

aktivitas yang terjadi di dalam perusahaan.

Keberadaan institusi yang memantau secara profesional perkembangan

investasinya menyebabkan tingkat pengendalian terhadap tindakan manajemen

sangat tinggi sehingga potensi dapat ditekan (Cahyono et al., 2016).

36
2.1.4.2. Pengukuran Kepemilikan Institusional

Menurut Santoso (2017) kepemilikan institusional memiliki peran yang

penting dalam memantau dan mempengaruhi manajer.

Dalam Mangkusuryo dan Jati (2017) kepemilikan institusional diukur dari

jumlah presentase hak suara yang dimiliki institusi atau perusahaan. Indikator yang

digunakan untuk mengukur kepemilikan institusional ini adalah jumlah saham yang

dimiliki oleh institusi terhadap seluruh modal saham yang beredar, berikut rumus

pengukuran variabel tersebut:

𝐽𝑢𝑚𝑙𝑎ℎ 𝑠𝑎ℎ𝑎𝑚 i𝑛𝑠𝑡i𝑡𝑢𝑠i𝑜𝑛𝑎𝑙

𝐾𝐼 = × 100%
𝐽𝑢𝑚𝑙𝑎ℎ 𝑠𝑎ℎ𝑎𝑚 𝑦𝑎𝑛𝑔 𝑏𝑒𝑟𝑒𝑑𝑎𝑟

2.1.5. Penghindaran Pajak (Tax Avoidance)

2.1.5.1. Pengertian Penghindaran Pajak (Tax Avoidance)

Tax avoidance adalah upaya untuk mengurangi jumlah pajak yang terutang

dengan menggunakan loopholes yang terdapat dalam peraturan perpajakan yang

berlaku (Praditasari dan Setiawan, 2017). Vidiyanti (2017) mendefinisikan

penghindaran pajak (tax avoidance) sebagai salah satu tindakan yang dilakukan

wajib pajak untuk mengurangi beban pajaknya secara legal. Fenomena

penghindaran pajak di Indonesia dapat dilihat dari rasio pajak (tax ratio).

Menurut Oktavia et al. (2020) tax avoidance atau penghindaran pajak

37
merupakan bagian dari tax planning yang dilakukan dengan tujuan meminimalkan

permbayaran pajak. Pengertian tax avoidance sebagai penghematan pajak yang

timbul dengan memanfaatkan ketentuan perpajakan yang dilakukan secara legal

untuk meminimalkan kewajiban pajak. Secara hukum tax avoidance tidak dilarang

meskipun seringkali mendapat sorotan yang kurang baik dari kantor pajak karena

dianggap memiliki konotasi yang negatif. Oleh karena itu tax avoidance merupakan

persoalan unik dan rumit karena di satu sisi tax avoidance tidak melanggar hukum,

tapi disisi lain tax avoidance tidak diingingkan oleh pemerintah

Upaya yang dilakukan dalam menghindari pajak tentunya penggelapan

pajak (tax evasion) seperti melakukan berbagai cara pelanggaran hukum dengan

melakukan pengurangan bahkan penghilang beban pajak, sedangkan dalam

penhindaran pajak (tax avoidance) dilakukan dengan mentaati peraturan hukum

namun memanfaatkan peluamg menghindari membayar pajak yang terdapat dalam

peraturan (Saputra et al., 2020).

2.1.5.2. Karakteristik Penghindaran Pajak (Tax Avoidance)

Terdapat tiga karakter penghindaran pajak menurut Komite Urusan Fiskal

dari Organization for Economic Cooperation and Development (OECD) dalam

Antonius dan Tampubolon (2019) yaitu:

1. Terdapat unsur artifisial, yaitu memuat aturan seolah – olah terdapat didalam

38
 undang – undang namun tidak ada, hal ini dilakukan karena ketiadaan faktor

pajak.

2. Memanfaatkan loopholes, menggunakan ketentuan – ketentuan yang legaluntuk

memenuhi tujuan, namun tidak sesuai dengan yang dijelaskan dalam peraturan

perundang – undangan.

3. Para konsultan yang menunjukan beberapa cara dalam melakukan tindakan

penghindaran pajak, dengan ketentuan yang melarang wajib pajak untuk tidak

memberitahukan kepada yang lain.

2.1.5.3. Ketentuan melakukan Penghindaran Pajak (Tax Avoidance)

Adapun ketentuan yang digunakan untuk menghindari pajak dengan tetap

mematuhi peraturan perundang – undangan menurut Merk (2007) dalam Nugraha

dan Mulyani (2019):

1. Memindahkan subjek atau objek pajak ke negara – negara yang mempunyai

perlakuan pajak khusus atau keringanan khusus (tax avoidance) aras suatu

jenis pendapatan atau penghasilan.

2. Usaha penghindaran pajak yang dilakukan dengan tetap mempertahankan

substansi ekonomi dari transaksi yang memberikan beban pajak paling

rendah (formal tax planning). Penghindaran pajak atas transaksi transfer

oricing, thin capitalization, treaty shopping, dan controlled foreign

39
 corporation, serta transaksi yang tidak memiliki substansi dari sebuah

bisnis.

2.1.5.4. Pengukuran Penghindaran Pajak (Tax Avoidance)

Hanlon dan Heitzman (2010) menyatakan bahwa terdapat dua belas cara

yang dapat digunakan dalam mengukur tax avoidance yang umumnya digunakan,

berikut pengukuran tax avoidance disajikan dala tabel dibawah ini:

Tabel 2.1
Pengukuran Tax Avoidance

No Metode Cara Perhitungan Keterangan

1. GAAP ETR 𝑤𝑜𝑟𝑑𝑤i𝑑𝑒 𝑇𝑜𝑡𝑎𝑙 𝐼𝑛𝑐𝑜𝑚𝑒 𝑡𝑎𝑥 𝑒𝑥𝑝𝑒𝑛𝑠𝑒 Total tax expense
per dollar of pre –
𝑤𝑜𝑟𝑑𝑤i𝑑𝑒 𝑡𝑜𝑡𝑎𝑙 𝑝𝑟𝑒 − 𝑡𝑎𝑥 𝑎𝑐𝑐𝑜𝑢𝑛𝑡i𝑛𝑔 tax book
i𝑛𝑐𝑜𝑚𝑒 income
2. Current ETR 𝑤𝑜𝑟𝑑𝑤i𝑑𝑒 𝐶𝑢𝑟𝑟𝑒𝑛𝑡 𝐼𝑛𝑐𝑜𝑚𝑒 𝑡𝑎𝑥 𝑒𝑥𝑝𝑒𝑛𝑠𝑒 Current tax expense
per dollar of pre-
𝑤𝑜𝑟𝑑𝑤i𝑑𝑒 𝑡𝑜𝑡𝑎𝑙 𝑝𝑟𝑒 − 𝑡𝑎𝑥 𝑎𝑐𝑐𝑜𝑢𝑛𝑡i𝑛𝑔 tax book income
i𝑛𝑐𝑜𝑚𝑒
3. Cash ETR 𝑤𝑜𝑟𝑑𝑤i𝑑𝑒 𝐶𝑎𝑠ℎ 𝑡𝑎𝑥 𝑒𝑥𝑝𝑒𝑛𝑠𝑒 Cash taxes paid per
dollar of pre- tax
𝑤𝑜𝑟𝑙𝑑𝑤i𝑑𝑒 𝑡𝑜𝑡𝑎𝑙 𝑝𝑟𝑒 − 𝑡𝑎𝑥 𝑎𝑐𝑐𝑜𝑢𝑛𝑡i𝑛𝑔 book
i𝑛𝑐𝑜𝑚𝑒 income
4. Long-run cash 𝑤𝑜𝑟𝑑𝑤i𝑑𝑒 𝐶𝑎𝑠ℎ 𝑡𝑎𝑥 𝑒𝑥𝑝𝑒𝑛𝑠𝑒 Sum of cash taxes
ETR paid over n year
𝑤𝑜𝑟𝑙𝑑𝑤i𝑑𝑒 𝑡𝑜𝑡𝑎𝑙 𝑝𝑟𝑒 − 𝑡𝑎𝑥 𝑎𝑐𝑐𝑜𝑢𝑛𝑡i𝑛𝑔 divided by the sum of
i𝑛𝑐𝑜𝑚𝑒 pre-tax earning
overn
years
40
No Metode Cara Perhitungan Keterangan

5. ETR Statutory ETR-GAAP ETR the difference of

Differential between the statutory
ETR and firm’s
GAAP ETR
6. DTAX Error term from following The unexplained
regression:ETR differential ᵡ Pre-tax book portion of the ETR
income=α+b ᵡ control + e differential

7. BTD book income –((U.S CTE + fgn CTE)/U.S

Total Pre-tax The total difference
STR) – (NOLt – NOLt-1)) between book and
taxable
income
8. Temporary Defeered tax expense/U.S.STR The total difference
BTD between book and
taxable
income
9. Abnormal total Residual from BTD/Tait=βAit+β+mi A measure of
BTD unexplained
total book-tax
differences
10. Unrecognized Disclosed amount post-FIN 48 Tax liability accrued
tax benefits for taxes not yet paid
on uncertain
positions

11. Indicator
Tax sheller
variable for firms accused of engaging in a tax Firms identifed via
activity sheller firms disclouse, the
press, or IRS
confidental
Data

12. Marginal tax Simulated marginal rate Present value of

rate taxes on an
additional dollar of
Income

41
 Menurut Dyeng et al. (2010) dalam Febriana (2017), variabel penghindaran

pajak dihitung melalui CETR (Cash Effective Tax Rate) perusahaan yaitu kas yang

dikeluarkan untuk biaya pajak dibagi dengan laba sebelum pajak. Rumus untuk

menghitung CETR yaitu:

𝑃𝑒𝑚𝑏𝑎𝑦𝑎𝑟𝑎𝑛 𝑃𝑎j𝑎𝑘
𝐶𝐴𝑆𝐻 𝐸𝑇𝑅 =
𝐿𝑎𝑏𝑎 𝑆𝑒𝑏𝑒𝑙𝑢𝑚 𝑃𝑎j𝑎𝑘

Keterangan:

Pembayaran pajak (Cash tax paid) adalah jumlah kas pajak yang

dibayarkan perusahaan berdasarkan laporan keuangan arus kas perusahaan.

Semakin besar nilai CETR maka semakin rendah tingkat penghindaran pajak suatu

perusahaan (Lestari dan Winedar, 2018).

2.2. Penelitian - Penelitian Terdahulu

Sebelumnya sudah banyak peneliti yang melakukan penelitian terhadap

manajemen laba sehingga dapat dijadikan gambaran dan acuan dalam penelitian

saat ini. Berikut beberapa hasil penelitian terdahulu:

1. Penelitian yang dilakukan Praditasari dan Setiawan (2017) dengan judul

penelitian “Pengaruh Good Corporate Governance, Ukuran Perusahaan,

Leverage dan Profitabilitas pada Tax Avoidance”. Populasi pada penelitian ini

42
 yaitu perusahaan property dan real estate yang terdaftar di Bursa Efek

Indonesia periode 2011-2015. Sampel dalam penelitian ini menggunakan

purposive sampling. Metode analisis penelitian ini menggunakan analisis

regresi linier berganda. Hasil penelitian menunjukan bahwa kepemilikan

institusional berpengaruh negatif terhadap tax avoidance.

2. Penelitian yang dilakukan Charisma dan Susi (2019) dengan judul peneitian

“Pengaruh Struktur Kepemilikan terhadap Tindakan Penghindaran Pajak

dengan Kualitas Audit sebagai Variabel Moderating”. Populasi pada penelitian

ini yaitu perusahaan manufaktur yang listing di Burda Efek Indonesia tahun

2014 – 2017. Sampel dalam penelitian ini menggunakanpurposive sampling

dengan hasil 17 perusahaan yang memenuhi kriteria. Metode analisis penelitian

ini menggunakan analisis regresi linier berganda. Hasil penelitian menunjukan

bahwa kepemilikan institusional berpengaruh negatif terhadap tax avoidance.

3. Penelitian yang dilakukan Krisna (2019) dengan judul penelitian “Pengaruh

Kepemlikan Instituional dan Kepemilikan Manajerial pada Tax Avoidance

dengan Kualitas Audit sebagai Variabel Pemoderasi”. Populasi pada penelitian

ini yaitu seluruh perusahaan manufaktur yang terdaftar di BEI periode tahun 2012 –

2016. Sampel dalam penelitian ini menggunakan purposive sampling. Metode analisis

penelitian ini menggunakan analisis regresi linier berganda. Hasil penelitian

menunjukan bahwa kepemilikan institusional berpengaruh negatif terhadap tax

avoidance..
43
4. Penelitian yang dilakukan Karinda (2018) dengan judul penelitian “Pengaruh

Penghindaran Pajak yang Dimoderasi Corporate Governance Terhadap

Manajemen Laba (Studi Empiris pada Perusahaan Manufaktur yang Terdaftar

di Bursa Efek Indonesia Tahun 2014- 2017)”. Populasi pada penelitian ini yaitu

perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia Tahun 2014

sampai 2017. Sampel dalam penelitian ini menggunakan metode purposive

sampling, sehingga sampel berjumlah 52 perusahaan manufaktur. Metode

analisis yang digunakan adalah Moderated Regression Analysis. Hasil

penelitian ini menunjukkan penghindaran pajak berpengaruh positif terhadap

manajemen laba.

5. Penelitian yang dilakukan Putri dan Fadhlia (2017) dengan judul penelitian

“Pergantian CEO, Penghindaran Pajak, Kompensasi Eksekutif Dan

Manajemen Laba Studi Kausalitas Pada Perusahaan Manufaktur Indonesia”.

Populasi penelitian yang digunakan adalah perusahaan manufaktur yang

terdaftar di Bursa Efek Indonesia (BEI) dan populasi target adalah perusahaan

manufaktur yang terdaftar di BEI tahun 2011-2015. Pengambilan sampel

dilakukan secara purposive sampling dengan kriteria-kriteria tertentu dengan

hasil 24 perusahaan. Metode analisis yang digunakan adalah Moderated

Regression Analysis. Hasil penelitian ini menunjukan penghindaran pajak

berpengaruh positif terhadap manajemen laba pada perusahaan manufaktur

44
 yang terdaftar di Bursa Efek Indonesia tahun 2011-2015.

6. Penelitian yang dilakukan Maysani et al. (2019) dengan judul penelitian

“Pengaruh Tax Avoidance Dan Mekanisme Corporate Governance Pada

Manajemen Laba”. Populasi penelitian adalah perusahaan manufaktur yang

terdaftar dalam BEI periode 2013-2017, kemudian sampel ditentukan dengan

metode probability sampling dengan hasil sejumlah 12 perusahaan. Hasil

penelitian memperlihatkan bahwa tax avoidance berpengaruh positif pada

manajemen laba.

2.2. Kerangka teoritis

Pada penelitian ini yang menjadi variabel dependen adalah manajemen laba

yang hendak di prediksi oleh variabel independen kepemilikan institusional, dan

tax avoidance. Peneliti mengharapkan adanya pengaruh yang signifikan antara

variabel kepemilikan institusional, dan tax avoidance terhadap manajaemen laba

pada perusahaan sektor manufaktur yang terdaftar di Bursa Efek Indonesia periode

2016 – 2020.

2.2.1. Hubungan Kepemilikan Institusional dengan Tax Avoidance

Kepemilikan institusional ini bagian yang merupakan kepemilikan saham

yang dimiliki oleh investor institusional seperti pemerintah, bank, perusahaan

45
asuransi, dan perusahaan lain. Pemegang saham atau investor dapat dikatakan

sebagai pemilik perusahaan yang secara tidak langsung ikut mengawasi dan

mengendalikan apakah perusahaan tersebut berjalandengan baik atau tidak.

Semakin tinggi presentase kepemilikan institusional dalam perusahaan,

maka institusi dapat menjadi alat monitoring yang efektis sehingga dapat

meningkatkan nilai perusahaan dan dapat mengurangi praktik penghindaran pajak

(tax avoidance). Perusahaan dengan kepemilikan institusional yang tinggi akan

menurunkan praktik penghindaran pajak (tax avoidance).

Semakin banyak kepemilikan institusional oleh pihak perusahaan maka

akan semakin kecil pula peluang manajemen melakukan praktik tax avoidance.

Karena dengan banyaknya kepemilikan institusional, maka semakin banyak pula

saham beredar yang akan dimiliki institusi lain sehingga pengawasan oleh pihak

institusi semakin ketat terhadap kinerja perusahaan. Sebaliknya semakin sedikit

kepemilikan institusional maka semakin besar pula terjadinya praktik tax avoidance

dalam kinerja perusahaan, karena akansemakin sedikit juga pengawasan dari pihak

luar dalam pelaporan keuangan secara tepat kepada stakeholder dan pemegang

saham sehingga mempermudah dan memberikan kesempatan kepada pihak

manajemen dalam melakukantindakan tax avoidance.

46
2.2.2. Hubungan Tax Avoidance dengan Manajemen Laba

Tax avoidance merupakan salah satu tindakan yang dilakukan wajib pajak

untuk mengurangi beban pajak dengan menggunakan loopheles yang terdapat

dalam peraturan perundang -undangan perpajakan yang berlaku. Tax avoidance ini

dilakukan secara legal karena tidak melanggar dari ketentuan perpajakan yang

sudah di tentukan oleh undang-undang pajak untuk mengurangi, menghindari,

meminimumkan, dan meringankan beban pajak.

Tax avoidance dapat mempengaruhi manajemen laba karena peraturan

pajak dan metode akuntansi untuk mengakui laba yang dapat dijadikan peluang oleh

para manajer untuk melakukan praktik manajemen laba. Beban pajak yang

ditanggung perusahaan dipengaruhi oleh besarnya pajak yang dilaporakan.

Perusahaan dengan penghasilan yang tinggi tentu akan dibebani pajak yang

semakin tinggi. Hal inilah yang menjadi faktor dilakukannya praktik manajemen

laba. Penghindaran pajak menjadi salah satu cara yang dapat dilakukan pihak

manajer untuk meningkatkan laba (Lestari dan Putri, 2017).

2.2.3. Hubungan Kepemilikan Institusional dengan Tax Avoidance terhadap

Manajemen Laba

Kepemilikan institusional yaitu jumlah saham yang dimiliki oleh pihak

institusi seperti investor, perusahaan asuransi, dan bank dalam suatu perusahaan.

47
Kepemilikan institusional juga memiliki peran penting dalam pengelolaan

perusahaan untuk memonitoring. Semakin tinggi jumlah saham institusional dalam

perusahaan maka akan semakin kecil peluang perusahaan dalam melakukan praktik

penghindaran pajak maupun manajemen laba. Sebaliknya jika semakin kecil jumlah

saham institusional dalam suatu perusahaan maka peluang melakukan pengindaran

pajak maupun manajemen laba akan semakin besar.

2.3. Model Analisis

Mengacu pada kerangka teoritis yang penulis susun dapat dikemukakan

model analisis yang tercantum pada gambar berikut:

Gambar 2.1 Model Analisis

48
2.4. Pengembangan Hipotesis

Berdasarkan kerangka teoritis, dapat dikemukakan hipotesis penelitian

berikut:

H1: Kepemilikan institusional berpengaruh negatif terhadap manajemen laba

H2 : Tax Avoindance berpengaruh positif terhadap manajemen laba.

49
 BAB III

OBJEK DAN METODE PENELITIAN

3.1. Objek Penelitian

Objek penelitian adalah sasaran untuk mendapatkan tujuan tertentu

mengenai suatu hal yang akan dibuktikan secara objektif. Menurut Sugiyono

(2018:39) objek penelitian merupakan suatu atribut atau sifat atau nilai dari orang,

objek, atau kegiatan yang mempunyai variasi tertentu yang ditetapkan oleh peneliti

untuk dipelajari kemudian ditarik kesimpulan.

Objek penelitian menggunakan 2 variabel yaitu variabel independen dan

variabel dependen. Variabel independen (variabel bebas) merupakan variabel yang

mempengaruhi atau yang menjadi sebab perubahannya atau timbulnya variabel

dependen (terikat). Sedangkan variabel dependen (variabel terikat) merupakan

variabel yang dipengaruhi atau yang menjadi akibat karena adanya variabel bebas

(Sugiyono, 2019:69).

Dalam penelitian ini yang menjadi objek penelitian yaitu variabel

independen dan variabel dependen. Terdapat dua variabel independen yaitu

kepemilikan institusional dan tax avoidance. Serta terdapat satu variabel

depedenden yaitu manajemen laba.

50
3.2. Lokasi Penelitian

Penelitian ini dilakukan pada perusahaan sektor manufaktur yang terdaftar

di Bursa Efek Indonesia (BEI) periode tahun 2016 - 2020 melalui website resmi

www.idx.co.id dan website masing-masing perusahaan.Alasan memilih perusahaan

sektor manufaktur dikarenakan perusahaan manufaktur merupakan perusahaan

yang berskala besar sehingga dapat memperoleh sampel yang cukup besar. Selain

itu, sektor manufaktur mempunyai pengaruh yang cukup besar dalam sektor

perdagangan di Bursa Efek Indonesia dengan skala produksi yang besar sehingga

dapat memungkinkan melakukan praktik manajemen laba agar perusahaan terlihat

baik dalam kinerjanya oleh pihak eksternal maupun internal.

3.3. Metode Penelitian

Menurut Sugiyono (2017:02) metode penelitian merupakan cara ilmiah

untuk mendapatkan data dengan tujuan dan kegunaan tertentu. Dalam penelitian ini

jenis metode penelitian yang digunakan yaitu metode deskriptif dan metode

verifikatif.

Metode deskriptif merupakan penelitian yang dilakukan untuk

menggambarkan variabel mandiri, baik hanya pada satu variabel atau lebih

(variabel yang berdiri sendiri) tanpa membuat perbandingan dan mencari variabel

itu dengan variabel lain (Sugiyono, 2017:07).Metode verifikatif merupakan

penelitian yang dilakukan terhadap populasi atau sampel tertentu dengan tujuan

hipotesis yang telah ditetapkan (Sugiyono, 2017:08).

51
3.3.1. Unit Analisis

Menurut Priyono (2016) unit analisis merupakan satuan tertentu yang

digunakan sebagai subjek penelitian. Unit analisis dapat dibagi menjadi beberapa

seperti individu, kelompok, organisasi, kategori, sosial, institusi, dan masyarakat.

Dalam penelitian ini, unit analisis yang digunakan adalah laporan keuangan dan

laporan tahunan (annual report) perusahaan manufaktur yang terdaftar di Bursa Efek

Indonesia (BEI) periode 2016-2020.

3.3.2. Populasi dan Sampel

3.3.2.1. Populasi Penelitian

Populasi adalah wilayah generalisasi yang terdiri atas: obyek/subjek yang

mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk

dipelajari dan kemudian ditarik kesimpulannya (Sugiyono, 2017:80).

Populasi dalam penelitian ini adalah perusahaan sektor manufaktur yang

terdafatar di Bursa Efek Indonesia periode tahun 2015-2019.

Tabel 3.2
Populasi Penelitian

No Kode Nama Perusahaan

1. ADES Akasha Wira International Tbk.
2. ADMG Polychem Indonesia Tbk.
3. AGII Aneka Gas Industri Tbk.
4. AISA FKS Food Sejahtera Tbk.
5. AKPI Argha Karya Prima Industry Tbk.
6. ALDO Alkindo Naratama Tbk.
7. ALKA Alakasa Industrindo Tbk.
8. ALMI Alumindo Light Metal Industry Tbk.

52
No. Kode Nama Perusahaan
9. ALTO Tri Banyan Tirta Tbk.
10. AMFG Asahimas Flat Glass Tbk.
11. APLI Asiaplast Industries Tbk.
12. ARGO Argo Pantes Tbk.
13. ARKA Arkha Jayanti Persada Tbk.
14. ARNA Arwana Citra Mulia Tbk.
15. ASII Astra Internasional Tbk.
16. AUTO Astra Otoparts Tbk.
17. AVIA Avia Avian Tbk.
18. BAJA Saranacentral Bajatama Tbk.
19. BATA Sepatu Bata Tbk.
20. BELL Trisula Textile Industries Tbk.
21. BIMA Primarindo Asia Infrastructure Tbk.
22. BOLT Garuda Metalindo Tbk.
23. BRAM Indo Korsda Tbk.
24. BRNA Berlina Tbk.
25. BRPT Barito Pacific Tbk.
26. BTEK Bumi Teknokultura Unggul Tbk.
27. BTON Beton Jaya Manunggal Tbk.
28. BUDI Budi Starch & Sweetener Tbk.
29. CAKK Cahayaputra Asa Keramik Tbk.
30. CAMP Campina Ice Cream Industry Tbk.
31. CBMF Cahaya Bintang Medan Tbk.
32. CCSI Communication Cable Systems Indonesia Tbk.
33. CEKA Wilmar Cahaya Indonesia Tbk.
34. CINT Chitose Internasional Tbk.
35. CLEO Sariguna Primatirta Tbk.
36. CMNT Cemindo Gemilang Tbk.
37. CNTX Centex Tbk.
38. COCO Wahana Interfood Nusantara Tbk.
39. CPIN Charoen Pokphand Indonesia Tbk.
40. CPRO Central Proteina Prima Tbk.
41. CTBN Citra Tubindo Tbk.
42. DLTA Delta Djakarta Tbk.
43. DMND Diamond Food Indonesia Tbk.
44. DPNS Duta Pertiwi Indonesia Tbk.
45. DVLA Darya Varia Laboratoria Tbk.
46. EKAD Ekadharma Internasional Tbk.

53
No. Kode Nama Perusahaan
47. ENZO Morenzo Abadi Perkasa Tbk.
48. EPAC Megalestari Epack Sentosaraya Tbk.
49. ERTX Eratex Djaja Tbk.
50. ESIP Sinergi Inti Plastindo Tbk.
51. ESTI Ever Shine Textile Industry Tbk.
52. ETWA Eterindo Wahanatama Tbk.
53. FASW Fajar Surya Wisesa Tbk.
54. FOOD Sentra Food Indonesia Tbk.
55. FPNI Lotte Chemical Titan Tbk.
56. GDST Gunawan Dianjaya Steel Tbk.
57. GDYR Goodyear Indonesia Tbk.
58. GGRM Gudang Garam Tbk.
59. GGRP Gunung Raja Paksi Tbk.
60. GJTL Gajah Tunggal Tbk.
61. GMFI Garuda Maintenance Facility Aero Asia Tbk.
62. GOOD Garudafood Putra Putri Jaya Tbk.
63. HDTX Panasia Indo Resources Tbk.
64. HMSP Handjaya Mandala Sampoerna Tbk.
65. HOKI Buyung Poetra Sembada Tbk.
66. HRTA Hartadinata Abadi Tbk.
67. ICBP Indofood CBP Sukses Makmur Tbk.
68. IFII Indonesia Fibreboard Industry Tbk.
69. IGAR Champion Pacific Indonesia Tbk.
70. IIKP Inti Agri Resources Tbk.
71. IKAN Era Mandiri Cemerlang Tbk.
72. IKBI Sumi Indo Kabel Tbk.
73. IMAS Indomobil Sukses Internasional Tbk.
74. IMPC Impack Pratama Industri Tbk.
75. INAF Indofarma Tbk.
76. INAI Indal Alumunium Industry Tbk.
77. INCI Intan Wijaya Internasonal Tbk.
78. INCF Indo Komoditi Korpora Tbk.
79. INDF Indofood Sukses Makmur Tbk.
80. INDR Indo Rama Synthetics Tbk.
81. INDS Indospring Tbk.
82. INKP Indah Kiat Pulp & Paper Tbk.
83. INOV Incoyle Technology Group Tbk.
84. INRU Toba Pulp Lestari Tbk.

54
 No. Kode Nama Perusahaan
85. INTP Indocement Tunggal Prakarsa Tbk.
86. IPOL Indopoly Swakarsa Industry Tbk.
87. ISSP Steel Pipe Industry of Indonesia Tbk.
88. ITIC Indonesia Tobacco Tbk.
89. JECC Jembo Cable Company Tbk.
90. JKSW Jakarta Kyoei Steel Works Tbk.
91. JPFA Japfa Comfeed Indonesia Tbk.
92. JSKY Sky Energy Indonesia Tbk.
93. KAEF Kimia Farma Tbk.
94. KBLI KMI Wire & Cable Tbk.
95. KBLM Kabelindo Murni Tbk.
96. KBRI Kertas Basuki Rachmat Indonesia Tbk.
97. KDSI Kedawung Setia Industrial Tbk.
98. KEJU Mulia Boga Raya Tbk.
99. KIAS Keramik Indonesia Asosiasi Tbk.
100. KICI Kedaung Indonesia Can Tbk.
101. KINO Kino Indonesia Tbk.
102. KLBF Kalbe Farma Tbk.
103. KMTR Kirana Megatara Tbk.
104. KPAL Steadfast Marine Tbk.
105. KPAS Cottonindo Ariesta Tbk.
106. KRAH Grand Kartecth Tbk.
107. KRAS Kakatau Steel Tbk.
108. LION Lion Metal Works Tbk.
109. LMPI Langgeng Makmur Industry Tbk.
110. LMSH Lionmesh Prima Tbk.
111. LPIN Multi Prima Sejahtera Tbk.
112. MAIN Malindo Feedmill Tbk.
113. MARK Mark Dynamics Indonesia Tbk.
114. MASA Multistrada Arah Sarana Tbk.
115. MBTO Martina Berto Tbk.
116. MDKI Emdeki Utama Tbk.
117. MERK Merck Indonesia Tbk.
118. MDNA Magna Investama Mandiri Tbk.
119. MLBI Multi Bintang Indonesia Tbk.
120. MLIA Mulia Industrindo Tbk.
121. MOLI Madusari Murni Indah Tbk.
122. MRAT Mustika Ratu Tbk.

55
123. MYOR Mayora Indah Tbk.
124. MYTX Asia Pacific Investama Tbk.
125. NASI Wahana Inti Makmur Tbk.
126. NIKL Pelat Timah Nusantara Tbk.
127. NIPS Nipress Tbk.
128. NPGF Nusa Palapa Gemilang Tbk.
129. OBMD OBM Drilchem Tbk.
130. PANI Pratama Abadi Nusa Industri Tbk.
131. PBID Panca Budi Idaman Tbk.
132. PBRX Pan Brothers Tbk.
133. PCAR Prima Cakrawala Abadi Tbk.
134. PEHA Phapros Tbk.
135. PICO Pelangi Indo Canindo Tbk.
136. POLU Golden Flower Tbk.
137. POLY Asia Pacific Fibers Tbk.
138. PRAS Prima Alloy Steel Universal Tbk.
139. PSDN Prasidha Aneka Niaga Tbk.
140. PTSN Sat Nusapersada Tbk.
141. PURE Trinitan Metals And Minerals Tbk.
142. PYFA Pyridam Farma Tbk.
143. RICY Ricky Putra Globalindo Tbk.
144. RMBA Bentoel Internasional Investama Tbk.
145. ROTI Nippon Indosari Corpindo Tbk.
146. SAMF Saraswanti Anugerah Makmur Tbk.
147. SBMA Surya Biru Murni Acetylene Tbk.
148. SCCO Supreme Cable Manufacturing & Commerce Tbk.
149. SCNP Selaras Citra Nusantara Perkasa Tbk.
150. SCPI Organon Pharma Indonesia Tbk.
151. SIDO Industri Jamu & Farmasi Sido Muncul Tbk.
152. SINI Singaraja Putra Tbk.
153. SIPD Sreeya Sewu Indonesia Tbk.
154. SKBM Sekar Bumi Tbk.
155. SKLT Sekar Laut Tbk.
156. SLIS Gaya Abadi Sempurna Tbk.
157. SMBR Semen Baturaja (persero) Tbk.
158. SMCB Semen Bangun Indonesia Tbk.
159. SMGR Semen Indonesia (persero) Tbk.
160. SMKL Satyamitra Kemas Lestari Tbk.
161. SMSM Selamat Sempurna Tbk.

56
162. SOHO Soho Global Health Tbk.
163. SOFA Boston Furniture Indusries Tbk.
164. SPMA Suparma Tbk.
165. SQBB Taisho Pharmaceutical Indonesia Tbk.
166. SQBI Taisho Pharmaceutical Indonesia Tbk.
167. SRIL Sri Rejeki Isman Tbk.
168. SRSN Indo Acidatama Tbk.
169. SSTM Sunson Textile Manufacturer Tbk.
170. STAR Buana Artha Anugerah Tbk.
171. STTP Siantar Top Tbk.
172. SULI SLJ Global Tbk.
173. SWAT Sriwahana Adityakarta Tbk.
174. TALF Tunas Alfin Tbk.
175. TBLA Tunas Baru Lampung Tbk.
176. TBMS Tembaga Mulia Semanan Tbk.
177. TCID Mandom Indonesia Tbk.
178. TDPM Tridomain Perfomance Materials Tbk.
179. TFCO Tifico Fiber Indonesia Tbk.
180. TIRT Tirta Mahakam Resources Tbk.
181. TKIM Pabrik Kertas Tjiwi Kimia Tbk.
182. TOTO Surya Toto Indonesia Tbk.
183. TOYS Sunindo Adipersada Tbk.
184. TPIA Chandra Asri Petrochemical Tbk.
185. TRIS Trisula Internasional Tbk.
186. TRST Trias Sentosa Tbk.
187. TSPC Tempo Scan Pacific Tbk.
188. UCID Uni Charm Indonesia Tbk.
189. ULTJ Ultrajaya Milk Industry & Trading Company Tbk.
190. UNIC Unggul Indah Cahaya Tbk.
191. UNIT Nusantara Inti Corpora Tbk.
192. UNVR Unilever Indonesia Tbk.
193. VOKS Voksel Electric Tbk.
194. WIIM Wismilak Inti Makmur Tbk.
195. WMUU Widodo Makmur Unggas Tbk.
196. WOOD Integra Indocabinet Tbk.
197. WSBP Waskita Beton Precast Tbk.
198. WTON Wijaya Karya Beton Tbk.
199. YPAS Yana Prima Hasta Persada Tbk.
200. ZONE Mega Perintis Tbk.

57
3.3.3. Teknik Pengumpulan Data

Teknik pengambilan sampel disebut juga teknik sampling. Untuk

menentukan sampel yang akan digunakan dalam penelitian, terdapat berbagaiteknik

pengambilan sampel yang digunakan. Menurut sugiyono (2018:81) teknik

pengambilan sampel secara skematis dibagi menjadi 2 yaitu: probability sampling

dan non probability sampling.

1. Probability Sampling

Probability sampling adalah teknik pengambilan sampel yang memberikan

peluang yang sama bagi setiap unsur (anggota) populasi untuk dipilih menjadi

angota sampel (Sugiyono, 2018:82). Teknik ini meliputi simple random sampling

proportionate stratified random sampling, disproportionate stratified random

sampling dan cluster sampling. Teknik ini dapat dijelaskan sebagai berikut:

a. Simple Random Sampling

Simple random sampling ini merupakan teknik untuk mendapatkan sampel yang

langsung di lakukan pada unit sampling. Simple random sampling dikatakan

simple (sederhana) karena pengambilan anggota sampel daripopulasi dilakukan

secara acak tanpa memperhatikan strata yang ada dalam populasi itu. Cara

tersebut dilakukan bila anggota populasi dianggap homogen.

b. Proportionate Stratified Random

Proportionate Stratified Random yaitu biasa digunakan pada populasi yang

mempunyai susunan bertingkat atau berlapis. Teknik ini digunakan bila

populasi mempunyai anggota/unsur yang tidak homogen dan berstrata

proporsional.

58
c. Disproportionate Stratified Random Sampling

Disproportionate Stratified Random Sampling yaitu digunakan untuk

menentukan jumlah sampel bila populasinya berstrata akan tetapi kurang

proporsional.

d. Sampling Area (Cluster)

Cluster sampling digunakan bila mana populasi tidak terdiri dari individu -

individu, melainkan terdiri dari kelompok - kelompok individu dan cluster.

Teknik sampling ini digunakan untuk menentukan sampel bila objek yang

akan diteliti atau sumber data sangat luas.

2. Nonprobability Sampling

Nonprobability sampling adalah teknik pengumpulan sampel yang tidak

memberi peluang atau kesempatan sama bagi setiap unsur atau anggota populasi

untuk dipilih menjadi sampel (Sugiyono, 2018:84). Teknik ini meliputi sampling

sistematis, sampling kuota, sampling incidental, purposive sampling, sampling

jenuh dan snowball sampling. Teknik ini dapat dijelaskan sebagai berikut:

a. Systematic Sampling

Systematic sampling merupakan teknik penentuan sampel berdasarkan urutan

dari anggota populasi yang telah diberi nomor urut.

b. Quota Sampling

Quota sampling merupakan teknik untuk menentukan sampel dari populasi

yang mempunyai ciri-ciri tertentu sampai jumlah (kuota) yang diinginkan.

Quota sampling biasanya digunakan untuk penelitian yang menginginkan

59
 sedikit sampel, dimana setiap kasus dipelajari secara mendalam. Dan

bahayanya jika sampel terlalu sedikit, maka tidak akan dapat mewakili

sampel.

c. Accidental Sampling

Accidental sampling merupakan pengambilan sampel tidak ditetapkan lebih

dahulu. Peneliti langsung saja mengumpulkan data dari unit sampling yang

ditemui.

d. Purposive Sampling

Purposive sampling ini merupakan teknik penentuan sampel dengan

pertimbangan tertentu. Pemilihan subjek ini dalam purposive sampling

didasarkan atas ciri-ciri tertentu dipandang mempunyai sangkut paut yang

erat dengan ciri-ciri populasi yang sudah diketahui sebelumnya. Sampel yang

dihubungi disesuaikan dengan kriteria-kriteria tertentu yang diterapkan

berdasarkan tujuan penelitian atau permasalahan penelitian.

e. Sampling Jenuh

Sampling jenuh ini merupakan teknik penentuan sampel bila semua anggota

populasi digunakan sebagai sampel. Hal ini sering dilakukan bila jumlah

populasinya relatif kecil, kurang dari 30 orang. Sampel jenuh disebut juga

dengan istilah sensus dan dimana semua anggota populasi dijadikan sampel.

f. Snowball Sampling

Snowball sampling merupakan teknik pengambilan sampel yang awal mula

jumlahnya kecil dan kemudian sampel ini disuruh memilih teman-temannya

untuk dijadikan sampel, sehingga jumlah sampel semakin lama semakin

60
 banyak.

Dalam penelitian ini teknik sampling yang digunakan yaitu probability

sampling dengan teknik proportionate stratified random sampling. Proportionate

stratified random sampling merupakan teknik pengambilan sampel yang digunakan

pada populasi yang tidak homogen dan berstata dengan mengambil sampel dari

tiap-tiap sub populasi yang jumlahnya disesuaikan dengan jumlah anggota dari

masing-masing sub populasi secara acak (Sugiyono, 2017:119).

Dalam penelitian ini telah ditetapkan sampel perusahaan manufaktur yang

terdaftar di Bursa Efek Indonesia (BEI) selama periode 2016-2020 dengan teknik

proportionate stratified random sampling sebayak 200 perusahaan dengan jumlah

sampel yang diperoleh sebanyak 69 perusahaan manufaktur. Yang terdiri dari :

1. Sub sektor kimia sebanyak 43% sehingga terdapat 37 perusahaan yang

diambil secara acak dari sub sektor kimia.

2. Sub sektor aneka industri sebanyak 25% sehingga terdapat 12 perusahaan

yang diambil secara acak dari sub sektor aneka industri.

3. Sub sektor konsumsi sebanyak 32% sehingga terdapat 20 perusahaan yang

diambil secara acak dari sub sektor konsumsi.

61
 Tabel 3.3
Perhitungan data menggunakan proportionate stratified random sampling
dari perusahaan sektor manufaktur yang terdaftar di (BEI) selama periode
2016-2020

Sub Sektor Populasi Presentase % Sampel

(Populasi / (Presentase
Jumlah ×Populasi)
Populasi)
Industri Dasar dan Kimia 86 43% 37

Industri Barang dan 64 32% 20

Konsumsi
Aneka Industri 50 25% 12

Jumlah 200 100% 69

Sumber : www.idx.com

3.3.4. Jenis dan Sumber Data

Jenis data yang digunakan dalam penelitian ini yaitu data kuantitatif. Data

kuantitatif merupakan data yang berbentuk angka dan analisis menggunakan

statistik (Sugiyono, 2018:07)

Sumber data yang digunakan dalam penelitian ini adalah data sekunder. Data

sekunder merupakan sumber data penelitian yang diperoleh peneliti secara tidak

langsung melainkan media perantara (diperoleh dan dicatat oleh pihak lain atau

lewat dokumen). (Sugiyono, 2018:225).

Sumber data dalam penelitian ini melalui website resmi Bursa Efek

Indonesia (BEI) yaitu www.idx.com dan website masing-masing perusahaan yang

dimaksudkan agar data yang diperoleh relevan dan dapat dipercaya. Data sekunder

62
yang dimaksud meliputi laporan posisi keuangan, laporan laba rugi, laporan arus

kas dan laporan tahunan (annual report) perusahaan manufaktur periode 2016 -

2020.

3.3.5. Operasional Variabel

Menurut Sugiyono (2017:39) variabel penelitian adalah suatu atribut atau

sifat atau nilai dari orang, objek atau kejadian yang mempunyai variasi tertentu

yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya.

Dalam penelitian ini terdiri dari dua variabel penelitian, yaitu kepemilikan

institusional, tax avoidance sebagai variabel independen. Manajemen laba sebagai

variabel dependen.

3.3.5.1. Variabel Independen

Menurut Sugiyono (2017:39) variabel independen sering disebut juga

sebagai variabel stimulus, predictor, antecedent. Dalam bahasa Indonesia disebut

juga sebagai variabel bebas. Variabel independen merupakan variabel yang

mempengaruhi atau yang menjadi sebab perubahannya atau timbulnya variabel

dependen (terikat).

Dalam penelitian ini variabel independen atau variabel bebas yang

digunakan terdiri dari kepemilikan institusional dan tax avoidance.

1. Kepemilikan Institusional

Kepemilikan institusional adalah kepemilikan saham oleh pihak

institusional. Kepemilikan institusional yang tinggi akan menimbulkan

63
 usaha pengawasan yang besar oleh pihak institusional (Marlinda et al.

2020). Kepemilikan institusional diukur dari jumlah presentase hak suara

yang dimiliki institusi atau perusahaan. Berikut rumus cara menghitung

kepemilikan institusional:

𝐽𝑢𝑚𝑙𝑎ℎ 𝑠𝑎ℎ𝑎𝑚 i𝑛𝑠𝑡i𝑡𝑢𝑠i𝑜𝑛𝑎𝑙

𝐾𝐼 = × 100%
𝐽𝑢𝑚𝑙𝑎ℎ 𝑠𝑎ℎ𝑎𝑚 𝑦𝑎𝑛𝑔 𝑏𝑒𝑟𝑒𝑑𝑎𝑟

2. Tax avoidance adalah upaya untuk mengurangi jumlah pajak yang terutang

dengan menggunakan loopholes yang terdapat dalam peraturan perpajakan

yang berlaku (Praditasari dan Setiawan, 2017). Menurut Dyeng et al. (2010)

dalam Febriana (2017), variabel penghindaran pajak dihitung melalui

CETR (Cash Effective Tax Rate) perusahaanyaitu kas yang dikeluarkan

untuk biaya pajak dibagi dengan laba sebelum pajak. Rumus untuk

menghitung CETR yaitu:

𝑃𝑒𝑚𝑏𝑎𝑦𝑎𝑟𝑎𝑛 𝑃𝑎j𝑎𝑘
𝐶𝐴𝑆𝐻 𝐸𝑇𝑅 =
𝐿𝑎𝑏𝑎 𝑆𝑒𝑏𝑒𝑙𝑢𝑚 𝑃𝑎j𝑎𝑘
Keterangan:

Pembayaran pajak adalah jumlah kas pajak yang dibayarkan perusahaan

berdasarkan laporan keuangan arus kas perusahaan.Semakin besar nilai

CETR maka semakin rendah tingkat penghindaran pajak suatu perusahaan

(Lestari dan Winedar 2018).

3.3.6.2 Variabel Dependen

Variabel dependen sering disebut sebagai variabel output, kriteria,

64
konsekuen. Dalam bahasa Indonesia sering disebut variabel terikat. Variabel

dependen atau variabel terikat merupakan variabel yang dipengaruhi atau yang

menjadi akibat, karena adanya variabel bebas (Sugiyono, 2017:39). Pada penelitian

ini yang menjadi variabel dependen atau variabel terikat adalah manajemen laba.

Dalam Sulistyanto (2018:6) manajemen laba secara umum didefinisikan

sebagai upaya manajer perusahaan untuk mengintervensi dalam laporan keuangan

dengan tujuan untuk mengelabui stakeholder yang ingin mengetahui kinerja dari

kondisi perusahaan. Pengukuran manajemen laba dalam penelitian ini

menggunakan Jones Modification. Berikut cara perhitungan manajemen laba.

Langkah I

Mengukur Total Accrual yang dihitung dengan rumus:

TACit = Nit – CFOit

Keterangan:

TACit : Total Accrual perusahaan i pada periode ke t

Nit : Laba Bersih perusahaan i pada periode ke t

CFOit : Aliran Kas dari aktivitas operasi perusahaan i pada

Langkah II

Menghitunng nilai Accrual diestimasi dengan persamaan

regresi OLS (Ordinary Least Square)

65
Keterangan :

TACit : Total Accrual perusahaan i pada periode ke t

Ait-1 : Total aset perusahaan i pada tahun t

REVit : Pendapatan perusahaan i padda tahun t

REVit-1 : Pendapatan perusahaan i padda tahun t-1

PPEit : Jumlah asset tetap perusahaan i pada tahun t

Langkah III

Menghitung Non-discretionary dengan rumus sebagai berikut :

Keterangan :

NDAit : Non-discretionary accruals perusahaan i periode t

Ait-1 : Total aset perusahaan i pada tahun t

REVit : Pendapatan perusahaan i padda tahun t

REVit-1 : Pendapatan perusahaan i padda tahun t-1

PPEit : Jumlah asset tetap perusahaan i pada tahun t

RECit : Piutang perusahaan i pada tahun t

RECit : Piutang perusahaan i pada tahun t-1

Langkah IV

Menghitung Non-discretionary dengan rumus sebagai berikut :

66
 Keterangan :

DAit : Discretionary Accrual perusahaan i dalam periode tahun t

TACit : Total Accrual perusahaan i pada periode ke t

Ait-1 : Total aset perusahaan i pada tahun t

NDAit : Non-discretionary accruals perusahaan i periode t

Tabel 3.4 Operasionalisasi Variabel

Variabel Indikator Skala
Independen: Pengukuran kepemilikan institusional diukur dari Rasio
Kepemilikan jumlah presentase hak suara yang dimiliki institusi atau
institusional perusahaan.
(X1) KI = Jumlah saham institusional x 100%

Jumlah saham beredar

Independen: Pengukuran tax avoidance menggunakan CETR (Cash Rasio
Tax Effective Tax Rate) perusahaan yaitu kas yang
avoidance(X dikeluarkan untuk biaya pajak dibagi dengan laba
2) sebelum pajak.
CETR= Pembayaran pajak
Laba sebelum pajak
Variabel Pengukuran manajemen laba dalam penelitian Rasio
Dependen: ini manggunakan Stubben dengan
Manajemen menggunakan Jones Modification.
laba (Y) 𝐶𝑢𝑟𝐴𝑐𝑐i,𝑡
𝐷𝐶𝐴i,𝑡 = 𝑇𝐴 − 𝑁𝐷𝐶𝐴i,𝑡
i,𝑡−1

3.3.7 Teknik Analisis Data

Analisis data merupakan kegiatan setelah data dari seluruh responden atau

sumber data lain terkumpul. Kegiatan dalam analisis data adalah mengelompokkan

67
data berdasarkan variabel dan jenis responden, mentabulasi data berdasarkan

variabel dari seluruh responden, menyajikan data tiap variabel yang diteliti,

melakukan perhitungan untuk menjawab rumusan masalah dan melakukan

perhitungan untuk menguji hipotesis yang telah diajukan (Sugiyono, 2018:147).

3.3.7.1 Analisis Statistik Deskriptif

Statistik deskriptif adalah statistik yang digunakan untuk menganalisis data

dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul

sebagaimana adanya tanpa bermaksud memuat kesimpulan yang berlaku umum

atau generalisasi (Sugiyono, 2018:49).

Analisis statistik deskriptif yang digunakan dalam penelitian ini yaitu nilai

rata-rata (mean), standar deviasi dan nilai yang dihitung menggunakan program

eviews.

1. Rata-rata (mean)

Rata-rata (mean) merupakan teknik penjelasan kelompok yang didasarkan

atas nilai rata-rata dari kelompok tersebut. Rata-rata (mean) ini dapat

dihitung dengan menjumlahkan data seluruh individu dalam kelompok

kemudian dibagi dengan jumlah individu yang ada pada kelompok

kemudian dibagi dengan jumlah individu yang ada pada kelompok tersebut

(Sugiyono, 2018:49). Hal ini dapat dirumuskan sebagai berikut :

M e = ∑xi

68
Keterangan:

𝑀𝑒 = Rata-rata (mean)

∑ = Eplison (jumlah)

Xi = Nilai x ke 1 sampai ke n

𝑛 = Jumlah sampel

2. Standar Deviasi

Dalam Sugiyono (2017:56) standar deviasi disebut juga akar varians atau

simpanan baku. Varians merupakan jumlah kuadrat semua deviasi nilai-nilai

individual terhadap rata-rata kelompok. Standar deviasi untuk sampel diberi simbol

Sehingga standar deviasinya dapat dirumuskan sebagai berikut:

∑(xi − x̅)2
s=√
(n − 1

Keterangan:

S = Simpangan baku sampel

∑ = Epsilon (jumlah)

Xi = Nilai x ke i sampai ke

69
3.3.7.2 Uji Asumsi Klasik

Uji asumsi klasik digunakan untuk mengetahui apakah model estimasi telah

memenuhi kriteria ekonometrika, dalam artian tidak terjadi penyimpangan yang

cukup serius dari asumsi-asumsi yang harus dipenuhi dalam metode Ordinary Least

Square (OLS) (Ghozali, 2016:159).

Beberapa uji asumsi klasik yang digunakan menurut Ghozali (2016):

1. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi,

variabel pengganggu atau residual memiliki distribusi normal. Seperti

diketahui bahwa uji T dan F mengasumsikan bahwa nilai residual mengikuti

distribusi normal. Jika asumsi dilanggar maka uji statistik menjadi tidak

valid untuk jumlah sampel kecil (Ghozali, 2016:160). Dalam penelitian ini

pengujian normalitas residual adalah dengan melihat grafik histogram yang

membandingkan antara data observasi dengan distribusi yang mendekati

distribusi normal. Distribusi normal akan membentuk garis lurus diagonal,

dan ploting data residual akan dibandingkan dengan garis diagonal. Jika

distribusi data residual normal, maka garis yang akan menggambarkan data

sesungguhnya akan mengikuti garis diagonalnya (Ghozali, 2016:161).

2. Uji Multikolonieritas

Uji multikolonieritas bertujuan untuk menguji apakah model mendeteksi

ada atau tidaknya multikolonieritas digunakan analisis melalui nilai

tolerance dan lawannya, nilai Variance Inflation Factor (VIF). Kedua

ukuran ini menunjukkan setiap variabel independen manakah yang

70
 dijelaskan oleh variabel independen lainnya (Ghazali, 2016:105) dengan

dasar pengambilan keputusan sebagai berikut

1) Jika nilai tolerance < 0,1 dan VIF > 10, terjadi multikolonieritas

2) Jika nilai tolerance > 0,1 dan VIF < 10, tidak terjadi multikolonieritas

3. Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi

terjadi ketidaksamaan variance dari residual satu pengamatan ke

pengamatan yang lain. Model regresi yang baik adalah yang

homoskedastisitas dapat dideteksi dengan melihat ada tidaknya pola tertentu

pada grafik scatterplot antara nilai prediksi variabel terikat (dependen)

dengan residualnya (Ghozali, 2016:139). Dasar analisis dari uji

heteroskedastisitas adalah sebagai berikut:

1) Jika pola tertentu, seperti titik-titik yang ada membentuk pola tertentu

yang teratur (bergelombang, melebar kemudian menyempit), maka

mengindikasikan telah terjadi heteroskedastisitas.

2) Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di

bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.

4. Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi

linear terdapat kolerasi antara kesalahan pengganggu pada periode t dengan

regresi ditemukan adanya kolerasi antar variabel bebas (independen). Model

regresiyang baik seharusnya tidak terjadi kolerasi di antara variabel bebas.

Untuk kesalahan pada periode t-1 (sebelumnya). Model regresi yang baik

71
 adalah regresi yang bebas dari autokolerasi. Pengujian autokolerasi

diakukan dengan menggunakan uji Durbin-Watson (DW), dengan tingkat

kepercayaan 𝛼 = 5% (Ghozali, 2016:110). Pengujian terhadap gejala ini

dilakukan dengan tes Durbin-Watson (DW) dengan membandingkan nilai

DW terhadap du (batas atas) dan dl (batas bawah).

3.3.8. Analisis Kolerasi

Kolerasi merupakan angka yang menunjukan arah dan kuatnya hubungan

antara dua variabel atau lebih. Arah dinyatakan dalam bentuk hubungan positif atau

negatif, sedangkan kuatnya hubungan digunakan dinyatakan dalam besarnya

koefisien kolerasi. Teknik kolerasi yang digunakan dalam penelitian ini adalah

pearson product moment. Rumus untuk menganalisis kolerasi parsial menggunakan

rumus kolerasi pearson product moment berdasarkan model yang diusulkan oleh

(Sugiyono, 2013:228) sebagai berikut:

Dimana: 𝑟 = Koefisien korelasi

𝑛 = Banyaknya sampel

𝑋𝑋𝐹𝐹 = Nilai variabel x ke i sampai ke n

𝑌𝐹𝐹 = Nilai variabel y ke i sampai ke n

Nilai koefisien kolerasi akan terdapat dalam baris -1 ≤ r ≥ +1, yang akan

menghasilkan kemungkinan berikut:

72
1. Bila r = 0 atau mendekati 0, maka kolerasi antar kedua variable sangat lemah

atau tidak terdapat hubungan antara variabel X terhadap variabel Y.

2. Bila r = +1 atau mendekati +1, maka kolerasi antar kedua variabel adalah

kuat dan searah, dikatakn positif.

3. Bila r = -1 atau mendekati -1, maka kolerasi antar kedua variabel adalah kuat

dan berlawanan arah, dikatakan negatif.

Variabel yang akan diuji kolerasinya yaitu ukuran perusahaan, transfer

pricing dan penghindaran pajak (tax avoidance). Adapun kriteria penilaian kolerasi

sebagai berikut:

Tabel 3.5 Kriteria Penilaian Kolerasi

Interval Koefisien Tingkat Hubungan

0,00 – 0,199 Sangat Rendah
0,20 – 0,399 Rendah
0,40 – 0,599 Sedang
0,60 – 0,799 Kuat
0,80 – 1,00 Sangat Kuat

73
3.3.9. Pengujian Hipotesis

Menurut Sugiyono (2018:159) hipotesis merupakan jawaban sementara

terhadap rumusan masalah penelitian. Kebenaran dari hipotesis itu harus dibuktikan

melalui data yang terkumpul. Agar pernyataannya tidak diragukan maka secara

statistik peneliti bisa melakukan pengumpulan data dan melakukan pengujian.

Dengan melakukan pengujian statistik terhadap hipotesis peneliti dapat

memutuskan apakah hipotesis dapat diterima (data tidak memberikan bukti untuk

menolak) atau ditolak (data memberikan bukti untuk menolak hipotesis). Pengujian

hipotesis dalam penelitian ini menggunakan pengujian secara parsial (uji t) dan

penyajian secara simultan (uji F). hipotesis yang akan diuji dan dibuktikan dalam

penelitian ini berkaitan dengan variabel-variabel bebas, yaitu kepemilikan

institusional dan tax avoidance.

3.3.9.1. Uji Analisis Regresi Linier Berganda

Analisis regresi yang digunakan dalam penelitian ini menggunkan model

regresi linier berganda. Menurut Sugiyono (2018:277) analisis regresi linier

berganda bermaksud meramalkan bagaimana keadaan (naik turunnya) variabel

dependen (kriterium), bila dua atau lebih variabel independen sebagai faktor

predictor dimanipulasi (dinaik turunkan nilainya). Jadi analisis regresi berganda

akan dilakukan bila jumlah variabel independennya minimal 2.

Analisis regresi linier berganda digunakan peneliti dengan maksud untuk

mengetahui sejauh mana pengaruh ukuran perusahaan dan transfer pricing terhadap

penghindaran pajak (tax avoidance). Menurut Sugiyono (2018:184) bentuk

74
persamaan dari regresi linier berganda ini adalah sebagai berikut:

Y = α + β1X1 + β2X2 + ε

Keterangan :

Y = Penghindaran pajak (tax avoidance)

a = Nilai Konstanta

β1 = Koefisien regresi dari variabel X1 (kepemilikan institusional)

β2 = Koefisien regresi dari variabel X2 (tax avoidance)

X1 = kepemilikan institusional

X2 = Tax avoidance

ε = Error term (tingkat kesalahan)

Arti koefisien β yaitu menunjukan hubungan searah antara variabel bebas

dengan variabel terikat jika bernilai positif (+). Dengan kata lain, peningkatan atau

penurunan besarnya variabel bebas akan diikuti oleh peningkatan atau penurunan

besarnya variabel terikat. Sedangkan jika nilai β negatif (-), menunjukan hubungan

yang berlawanan antara variabel bebas dengan variabel terikat. Dengan kata lain,

setiap peningkatan besarnya nilai variabel bebas akan diikuti oleh penurunan

besarnya nilai variabel terikat dan sebaliknya.

75
3.3.9.2.Uji Signifikan Simultan (Uji F)

Menurut Ghozali (2016:98) uji statistik F pada dasarnya menunjukan

apakah semua variabel independen atau bebas yang dimasukan dalam model

mempunyai pengaruh secara bersama-sama terhadap variabel dependen atau

terikat. Uji F dalam penelitian ini digunakan untuk menguji signifikasi pengaruh

kepemilikan institusional dan tax avoidance terhadap manajemen laba secara

simultan dan parsial. Prosedur yang dapat digunakan adalah sebagai berikut:

a. Dalam penelitian ini digunakan tingkat signifikan 0,05 dengan derajat bebas

(nk), dimana n: jumlah pengamatan dan k : jumlah variabel. Nilai Fdapat

dihitung dengan menggunakan bantuan EViews. Ketentuan yang digunakan

dalam Uji F sebagai berikut:

H0 : β1 , β2 = 0, tidak terdapat pengaruh yang signifikan dari kepemilikan

institusional dan tax avoidance terhadap manajemen laba.

H0 : β1 , β2 > 0, terdapat pengaruh yang signifikan dari kepemilikan

institusional dan tax avoidance terhadap manajemen laba.

Kriteria yang digunakan dalam uji F Pengujian adalah sebagai berikut:

1. Jika p value ≤ 0,05 maka H0 ditolak atau dengan kata lain hipotesis alternatif

diterima, artinya bahwa variabel-variabel independen berpengaruh terhadap

variabel dependen.

2. Jika p value ≥ 0,05 maka H0 diterima atau dengan kata lain hipotesis

alternatif ditolak, artinya bahwa variabel-variabel independen tidak

berpengaruh terhadap variabel dependen.

76
3.3.9.3 Uji Parsial (Uji t)

Uji statistik t digunakan untuk mengetahui pengaruh masing-masing

variabel independen terhadap variabel dependen (Ghozali, 2016:178). Hipotesis nol

(H0) tidak terdapat pengaruh yang signifikan dan hipotesis alternatif (H1)

menunjukkan adanya pengaruh antara variabel independen dan variabel dependen,

maka pengujian dilakukan dengan langkah-langkah sebagai berikut:

1. Menentukan hipotesis parsial antara variabel-variabel independen terhadap

variabel dependen. Adapun hipotesis statisti yang akan diuji dalam

penelitian ini adalah :

 Kepemilikan Institusional

H0 : β1 ≤ 0, kepemilikan institutional tidak berpengaruh secara positif

signifikan terhadap manajemen laba.

H1 : β1 > 0, kepemilikan institutional berpengaruh negatif terhadap

manajemen laba (tax avoidance).

 Tax avoidance

H0 : β2 ≤ 0, tax avoidance tidak berpengaruh secara positif signifikan

terhadap manajemen laba.

H1 : β2 > 0, tax avoidance berpengaruh secara positif signifikan terhadap

manajemen laba.

2. Ditentukan dengan 5% dari derajat bebas untuk menentukan table sebagai

batas daerah penerimaan dan penolakan hipotesis. Tingkat signifikan yang

digunakan adalah 0,05 atau 5% karena dinilai cukup untuk mewakili

hubungan variabel-variabel yang diteliti dan merupakan tingkat signifikan

77
 yang umum digunakan dalam suatu penelitian.

3.3.9.4 Uji Koefisien Determinasi (R2)

Koefisien determinasi yaitu angka yang menyatakan besar kecilnya

sumbangan yang diberikan variabel independen terhadap variabel dependen

(Riduan, 2013:228). Menurut Ghozali (2016:98) tujuan determinasi R2 pada intinya

adalah untuk mengukur seberapa jauh kemampuan model dalam menerangkan

variasi variabel independen. Nilai koefisien determinasi adalah antara nol dan satu,

nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam

menjelaskan variasi variabel dependen amat terbatas. Analisis koefisien

determinasi atau disingkat Kd yang diperoleh dengan mengkuadratkan koefisien

kolerasinya yaitu:

Kd = R2 x 100%

Keterangan:

Kd = Koefisien determinasi

R2 = Hasil analisis korelasi yang dikuadratkan

78
 BAB IV

HASIL PENELITIAN DAN PEMBAHASAN

4.1 Hasil Penelitian

4.1.1 Populasi dan Sampel Penelitian

Populasi yang digunakan dalam penelitian ini adalah perusahaan

manufaktur sektor industri barang konsumsi yang terdaftar secara berturut-turut di

Bursa Efek Indonesia (BEI) periode 2016-2020. Subjek penelitian adalah laporan

keuangan dan laporan tahunan perusahaan yang diambil langsung dari website

resmi Bursa Efek Indonesia (BEI) yaitu www.idx.co.id serta website masing-

masing perusahaan.

Pemilihan sampel dalam penelitian ini menggunakan beberapa sampel

perusahaan yang ditentukan dengan berdasarkan teknik sampling area (cluster)

sampling (sampling menurut daerah). Alasan menggunakan teknik sampling area

(cluster) sampling (sampling menurut daerah) karena peneliti merandom dari

jumlah populasi yang besar. Sehingga populasi dipilih berdasarkan perusahaan

manufaktur yang terbagi menjadi tiga sektor yaitu; sektor industri barang

konsumen, sektor industri dasar dan kimia, dan sektor aneka industri. Adapun

rumus dalam penentuan sampling area (cluster) sampling ialah sebagai berikut:

79
 Tabel 4.6

Sampel Cluster Slamping Area

Sub Sektor Populasi Presentase % Sampel

(Populasi / (Presentase

Jumlah ×Populasi

Populasi)

Industri Dasar dan Kimia 86 43% 37

Industri Barang dan Konsumsi 64 32% 20

Aneka Industri 50 25% 12

Jumlah 200 100% 69

Sumber : www.idx.com

Berdasarkan penentuan sampel diatas, dari 200 perusahaan yang terdaftar di

Bursa Efek Indonesia (BEI) diperoleh sampel dalam penelitian ini sebanyak 69

perusahaan dengan periode penelitian selama lima tahun dari 2016-2020, Sehingga

jumlah data yang diperoleh dalam penelitian ini sebanyak 335 data dari tiga sub

sektor manufaktur yaitu sub sektor industri barang konsumsi, sub sektor industri

dasar & kimia, dan sub sektor aneka industri. Adapun daftar nama perusahaan yang

menjadi sampel dalam penelitian ini adalah sebagai berikut:

Tabel 4.7
Daftar Sampel Perusahaan Manufaktur

No Kode Nama Perusahaan

1. ADES Akasha Wira International Tbk.
2. AGII Aneka Gas Industri Tbk.

80
No Kode Nama Perusahaan
3. AKPI Argha Karya Prima Industry Tbk.
4. ALDO Alkindo Naratama Tbk.
5. AMFG Asahimas Flat Glass Tbk.
6. APLI Asiaplast Industries Tbk.
7.. ARNA Arwana Citra Mulia Tbk.
8. ASII Astra International Tbk.
9. BATA Sepatu Bata Tbk.
10. BELL Trisula Textile Induatrie Tbk.
11. BIMA Primarindo Asia Infrastructure Tbk.
12. BRAM Indo Kordsa Tbk.
13. BRPT Bario Pacific Tbk.
14. BTON Beton Jaya Manunggal Tbk.
15. BUDI Budi Strach & Sweetener Tbk.
16. CEKA Wilmar Cahaya Indonesia Tbk.
17. CPIN Charoen Pokphand Indonesia Tbk.
18. DLTA Delta Djakarta Tbk.
19. DPNS Duta Pertiwi Nusantara Tbk.
20. DVLA Darya Varia Laboratoria Tbk.
21. EKAD Ekadharma International Tbk.
22. GGRM Gudang Garam Tbk.
23. GJTL Gajah Tunggal Tbk.
24. HMSP Handjaya Mandala Sampoerna Tbk.
25. ICBP Indofood CBP Sukses Makmur Tbk.
26. IGAR Champion Pacific Indonesia Tbk.
27. IMPC Impack Pratama Industri Tbk.
28. INDF Indofood Sukses Makmur Tbk.
29. INDS Indospring Tbk.
30. INKP Indah Kiat Pulp & Paper Tbk.
31. INTP Indocement Tunggal Prakarsa Tbk.
32. IPOL Indopoly Swakarsa Industry Tbk.
33. ISSP Steel Pipe Industry of Indonesia Tbk.
34. JECC Jembo Cable Compant Tbk.
35. JPFA Japra Comfeed Indonesia Tbk.
36. KBLI KMI Wire & Cable Tbk.
37. KBLM Kabelindo Murni Tbk.
38. KDSI Kedawung Setia Industrial Tbk.
39. KINO Kino Indonesia Tbk.
40. KLBF Kalbe Farma Tbk.

81
 No Kode Nama Perusahaan
41. LION Lion Metal Works TBk.
42. MAIN Malindo Feedmill Tbk.
43. MLBI Multi Bintang Indonesia Tbk.
44. MLIA Mulia Industrindo Tbk.
45. MOLI Madusari Murni Indah Tbk.
46. MYOR Mayora Indah Tbk.
47 PICO Pelangi Indah Canindo Tk.
48. PSDN Prasidha Aneka Niaga Tbk.
49. PYFA Pyridam Farma Tbk.
50.. ROTI Nippon Indosari Corpindo Tbk.
51. SIDO Industri Jamu & Farmasi Sido Muncul Tbk.
52. SKLT Sekar Laut Tbk.
53. SMBR Semen Baturaja (persero) Tbk.
54. SMGR Semen Indonesia (persero) Tbk.
55. SMSM Selamat Sempurna Tbk.
56. SRSN Indo Acidatama Tbk.
57. STTP Siantar Top Tbk.
58. TALF Tunas Alfin Tbk.
59. TBMS Tembaga Mulia Semanan Tbk.
60. TCID Mandom Indonesia Tbk.
61. TOTO Surya Toto Indonesia Tbk.
62. TRST Trias Sentosa Tbk.
63. TSPC Tempo Scan Pasifik Tbk.
64. ULTJ Ulrajaya Milk Industry & Tranding Company Tbk.
65. UNIC Unggul Indah Cahya Tbk.
66. UNVR Unilever Indonesia Tbk.
67. VOKS Voksel Electric Tbk.
68. WIIM Wismililak Inti Makmur Tbk.
69. WTON Wijaya Karya Beton Tbk.

4.1.2 Analisis Deskriptif

Analisis deskriptif merupakan suatu gambaran yang dilakukan dengan nilai

maksimum, minimum, rata-rata (mean), dan standar deviasi dari masing- masing

variabel. Dalam penelitian ini data sekunder yang didapat diperoleh dari website

82
Bursa Efek Indonesia www.idx.co.id dan website resmi dari masing-masing

perusahaan sektor manufaktur. Dari data-data yang dapat, maka dilakukan

perhitungan statistik. Data statistik yang digunakan dalam penelitian ini adalah

statistik deskriptif dengan cara pengumpulan, peringkasan dan penyajian data.

Berdasarkan data yang telah diperoleh dari laporan keuangan tahunan

perusahaan sektor manufaktur yang terdaftar di Bursa Efek Indonesia, selanjutnya

bisa dilihat nilai maksimum, minimum, rata-rata (mean) dari masing-masing

variabel.

83
4.1.2.1 Kepemilikan institusional

Tabel 4.8
Kepemilikan Institusional

Kepemilikan Institusional
No Kode Mean
2016 2017 2018 2019 2020
1. ADES 1.027 0.944 0.944 0.944 0.944 0.961
2. AGII 0.655 0.655 0.725 0.739 4.029 1.361
3. AKPI 0.573 0.700 0.702 0.702 0.702 0.676
4. ALDO 0.584 0.584 0.584 0.778 0.778 0.662
5. AMFG 0.008 0.008 0.005 0.009 0.009 0.008
6. APLI 0.534 0.588 0.588 0.588 0.590 0.578
7.. ARNA 0.140 0.140 0.140 0.140 0.647 0.241
8. ASII 0.501 0.499 0.501 0.501 0.501 0.501
9. BATA 0.871 0.871 0.871 0.871 0.871 0.871
10. BELL 0.670 0.793 0.793 0.949 0.906 0.822
11. BIMA 0.742 0.735 0.958 0.958 0.958 0.870
12. BRAM 0.013 0.013 0.014 0.013 0.001 0.011
13. BRPT 9.191 0.259 0.341 0.226 0.267 2.057
14. BTON 0.020 0.020 0.020 0.020 0.020 0.020
15. BUDI 0.534 0.534 0.534 0.578 0.903 0.617
16. CEKA 0,870 0,870 0,870 0,870 0,870 0.870
17. CPIN 0.555 0.555 0.555 0.555 0.555 0.555
18. DLTA 0,968 0,817 0,966 0,965 0,962 0.936
19. DPNS 0.599 0.599 0.667 0.667 0.667 0.640
20. DVLA 0,921 0,943 0,937 0,936 0,936 0.935
21. EKAD 0.754 0.768 0.775 0.785 0.785 0.773
22. GGRM 0,951 0,952 0,975 0,962 0,937 0.955
23. GJTL 0.595 0.595 0.595 0.595 0.595 0.595
24. HMSP 0,988 0,989 0,988 0,979 0,962 0.981
25. ICBP 0,805 0,805 0,805 0,805 0,805 0.805

84
 Kepemilikan Institusional
No Kode Mean
2016 2017 2018 2019 2020
26. IGAR 0.848 0.848 0.848 0.848 0.848 0.848
27. IMPC 0.001 0.893 0.893 0.898 0.898 0.717
28. INDF 0,501 0,501 0,501 0,501 0,501 0.501
29. INDS 0.881 0.881 0.881 0.881 0.881 0.881
30. INKP 0.527 0.527 0.530 0.533 0.533 0.530
31. INTP 0.510 0.510 0.510 0.510 0.510 0.510
32. IPOL 0.734 0.786 0.810 0.810 0.810 0.790
33. ISSP 0.559 0.559 0.559 0.559 0.559 0.559
34. JECC 0.901 0.843 0.901 0.901 0.901 0.889
35. JPFA 0.630 0.630 0.641 0.524 0.524 0.590
36. KBLI 0.585 0.551 0.630 0.498 0.498 0.552
37. KBLM 0.824 0.816 0.819 0.818 0.818 0.819
38. KDSI 0.757 0.784 0.784 0.784 0.784 0.779
39. KINO 0,877 0,879 0,874 0,883 0,859 0.875
40. KLBF 0,978 0,568 0,570 0,570 0,932 0.723
41. LION 0.998 0.998 0.998 0.998 0.998 0.998
42. MAIN 0.572 0.573 0.573 0.573 0.573 0.573
43. MLBI 0.818 0.818 0.818 0.982 0.982 0.884
44. MLIA 0.823 0.672 0.672 0.299 0.299 0.553
45. MOLI 0.593 0.593 0.593 0.514 0.514 0.561
46. MYOR 0,591 0,591 0,591 0,591 0,591 0.591
47 PICO 0.940 0.940 0.940 0.764 0.764 0.870
48. PSDN 0.925 0.847 0.847 0.851 0.851 0.864
49. PYFA 0,538 0,538 0,538 0,538 0,693 0.569
50.. ROTI 0,694 0,731 0,731 0,992 0,992 0.828
51. SIDO 0,810 0,810 0,810 0,964 0,951 0.869
52. SKLT 0,977 0,841 0,841 0,977 0,844 0.896
53. SMBR 0.762 0.762 0.762 0.762 0.946 0.799

85
 Kepemilikan Institusional
No Kode Mean
2016 2017 2018 2019 2020
54. SMGR 0.510 0.510 0.510 0.510 0.510 0.510
55. SMSM 0.581 0.581 0.581 0.581 0.836 0.632
56. SRSN 0.680 0.328 0.328 0.328 0.399 0.413
57. STTP 0,568 0,568 0,568 0,635 0,635 0.595
58. TALF 0.994 0.994 0.994 0.994 0.994 0.994
59. TBMS 0.862 0.862 0.862 0.862 0.862 0.862
60. TCID 0.738 0.738 0.738 0.759 0.875 0.770
61. TOTO 0.924 0.924 0.658 0.924 0.924 0.871
62. TRST 0.280 0.280 0.280 0.280 0.743 0.373
63. TSPC 0,784 0,784 0,852 0,852 0,976 0.850
64. ULTJ 0,371 0,369 0,363 0,364 0,204 0.334
65. UNIC 0.582 0.582 0.582 0.582 0.641 0.594
66. UNVR 0,989 0,990 0,942 0,988 0,983 0.978
67. VOKS 0.631 0.631 0.694 0.541 0.541 0.608
68. WIIM 0,441 0,381 0,381 0,381 0,373 0.391
69. WTON 0.600 0.600 0.600 0.600 0.669 0.614
Min 0.001 0.008 0.005 0.009 0.001 0.005
Max 9.191 0.998 0.998 0.998 4.029 3.243
Mean 0.808 0.644 0.655 0.650 0.754 0.702
Std. Deviasi 1.213 0.246 0.249 0.265 0.522 0.499

Berdasarkan tabel 4.5 diatas, nilai minimum kepemilikan institusional

secara berturut-turut pada tahun 2016-2020 dialami oleh PT Impack Pratama

Industri Tbk (IMPC), Asahimas Flat Glass Tbk (AMFG) and Indo Kordsa Tbk

(BRAM) sebesar 0,001, 0,008, 0,005, 0,009, dan 0,001. Sedangkan untuk nilai

maksimum kepemilikan institusional di tahun 2016 dialami oleh PT Bario Pacific

86
Tbk (BRTP) dengan nilai sebesar 9,191.Kemudian berturut-turut Pada tahun 2017

- 2019 , nilai maksimum kepemilikan institusional dialami oleh PT Lion Metal

Works TBk (LION) sebesar 0,998, 0,998, dan 0,998. Sedangkan di tahun 2020

terdapat perusahaan yang memiliki nilai maksimum kepemilikan institusional yaitu

PT Aneka Gas Industri Tbk (AGII) sebesar 4,029.

Nilai rata-rata (mean) tertinggi kepemilikan institusional perusahaan selama

periode 2016-2020 terjadi pada tahun 2016 dengan nilai sebesar 0,808. Sedangkan

nilai rata-rata (mean) terendah kepemilikan institusional perusahaan selama periode

2016-2020 terjadi pada tahun 2018 dengan nilai sebesar 0,650.

87
4.1.2.2 Tax Avoidance

Tabel 4.9

Tax Avoidance

Tax Avoidance
No Kode Mean
2016 2017 2018 2019 2020
1. ADES 0.112 0.124 0.214 0.490 2.346 0.657
2. AGII 0.174 0.088 0.212 0.200 0.232 0.181
3. AKPI 0.352 0.144 0.364 0.245 0.392 0.299
4. ALDO 0.307 0.114 0.248 0.161 0.003 0.167
5. AMFG 0.337 0.127 0.089 0.196 0.010 0.152
6. APLI 0.171 0.129 0.417 0.837 0.418 0.394
7.. ARNA 0.245 0.159 1.552 0.616 0.132 0.541
8. ASII 0.244 0.183 0.237 0.141 0.193 0.200
9. BATA 0.422 1.018 2.798 0.350 0.343 0.986
10. BELL 0.418 0.167 0.265 0.761 0.232 0.369
11. BIMA 0.032 0.428 0.271 0.292 0.233 0.251
12. BRAM 0.215 0.236 0.373 0.323 0.246 0.279
13. BRPT 0.182 0.299 0.287 0.325 0.199 0.258
14. BTON 0.134 0.096 0.273 0.241 0.053 0.159
15. BUDI 0.318 0.164 0.184 0.386 0.164 0.243
16. CEKA 0.251 0.297 0.253 0.172 0.326 0.260
17. CPIN 0.142 0.951 0.276 0.171 0.134 0.335
18. DLTA 0.261 6.511 0.221 0.557 4.755 2.461
19. DPNS 0.003 0.205 0.233 0.241 3.615 0.859
20. DVLA 0.190 0.017 0.000 0.253 6.540 1.400
21. EKAD 0.127 1.480 0.000 0.247 6.671 1.705
22. GGRM 0.269 0.279 0.506 0.166 0.293 0.303
23. GJTL 0.000 0.352 0.130 0.616 0.233 0.266
24. HMSP 0.225 3.173 0.257 0.334 0.001 0.798

88
 Tax Avoidance
No Kode Mean
2016 2017 2018 2019 2020
25. ICBP 0.307 0.210 0.246 1.238 0.336 0.467
26. IGAR 0.212 0.260 0.254 0.637 0.690 0.411
27. IMPC 0.238 0.228 0.264 0.543 1.322 0.519
28. INDF 0.363 0.139 0.358 0.149 0.160 0.234
29. INDS 0.398 0.218 0.311 0.690 1.729 0.669
30. INKP 0.022 0.229 0.169 2.729 0.274 0.685
31. INTP 0.182 0.321 0.284 0.263 0.333 0.277
32. IPOL 0.245 0.278 0.349 0.299 0.250 0.284
33. ISSP 0.367 0.277 0.440 0.281 2.699 0.813
34. JECC 0.014 0.366 0.261 0.622 0.202 0.293
35. JPFA 0.152 0.711 0.227 1.125 0.218 0.487
36. KBLI 0.157 0.028 0.322 0.303 0.432 0.248
37. KBLM 0.099 0.254 0.287 0.875 9.616 2.226
38. KDSI 0.124 0.235 0.155 0.343 0.335 0.238
39. KINO 0.409 0.212 0.079 0.168 0.288 0.231
40. KLBF 0.243 0.572 0.447 2.519 0.220 0.800
41. LION 0.327 0.799 0.465 0.341 0.204 0.427
42. MAIN 0.226 1.512 0.270 0.246 1.382 0.727
43. MLBI 0.191 0.315 0.224 0.269 1.382 0.476
44. MLIA 46.096 0.022 0.163 0.304 1.310 9.579
45. MOLI 0.444 0.299 0.273 0.202 2.043 0.652
46. MYOR 0.290 0.344 0.285 0.229 0.338 0.297
47 PICO 0.035 0.345 0.206 0.296 0.308 0.238
48. PSDN 0.194 0.371 0.034 0.362 0.209 0.234
49. PYFA 0.322 0.413 0.052 0.107 0.226 0.224
50.. ROTI 0.273 0.558 0.362 0.043 0.031 0.253
51. SIDO 0.272 0.556 0.134 0.442 0.152 0.311
52. SKLT 0.319 0.812 0.120 0.326 0.553 0.426

89
 Tax Avoidance
No Kode Mean
2016 2017 2018 2019 2020
53. SMBR 0.232 0.001 0.119 0.311 0.086 0.150
54. SMGR 0.304 0.100 0.033 0.619 0.257 0.263
55. SMSM 0.205 1.985 0.145 0.218 0.192 0.549
56. SRSN 10.431 0.016 0.104 0.262 0.315 2.226
57. STTP 4.802 0.088 0.520 0.251 0.184 1.169
58. TALF 0.239 0.359 0.199 0.145 0.544 0.297
59. TBMS 0.043 0.184 0.180 0.264 1.025 0.339
60. TCID 0.151 1.316 1.037 0.109 0.418 0.606
61. TOTO 0.376 0.340 0.169 0.159 8.445 1.898
62. TRST 0.354 0.113 0.327 0.202 0.581 0.315
63. TSPC 1.542 0.179 0.128 0.216 0.255 0.464
64. ULTJ 0.271 0.294 0.544 0.219 0.349 0.335
65. UNIC 0.285 0.446 0.041 0.207 0.066 0.209
66. UNVR 0.241 0.155 0.045 0.204 1.136 0.356
67. VOKS 0.272 0.423 1.723 0.301 1.115 0.767
68. WIIM 0.332 0.245 0.395 0.170 1.119 0.452
69. WTON 1.425 0.259 0.270 0.258 0.234 0.489
Min 0.000 0.001 0.000 0.043 0.001 0.009
Max 46.096 6.511 2.798 2.729 9.616 13.550
Mean 1.147 0.495 0.329 0.411 1.034 0.683
Std. Deviasi 5.655 0.890 0.413 0.449 1.915 1.864

Berdasarkan tabel 4.4 diatas, perusahaan yang memiliki nilai minimum

CETR pada tahun 2016 yaitu PT Gajah Tunggal Tbk Tbk (GJTL) dengan nilai

sebesar 0,00. Pada tahun 2017 , nilai minimum CETR dialami oleh PT Indo

Acidatama Tbk. (SRSN) dengan nilai sebesar 0,016. Pada tahun 2018, secara

berturut-turut nilai minimum CETR dialami oleh PT Darya Varia Laboratoria Tbk.

90
(DVLA) Dan PT Ekadharma International Tbk . (EKAD) dengan nilai sebesar 0,00

dan 0,00. Pada tahun 2019, nilai minimum CETR yaitu PT Nippon Indosari

Corpindo Tbk. (ROTI) dengan nilai sebesar 0,043. Serta di tahun 2020, nilai

minimum CETR yaitu PT Handjaya Mandala Sampoerna Tbk. (HMSP) dengan

nilai sebesar 0,001.

Sedangkan perusahaan yang memiliki nilai maksimum CETR secara

berturut-turut di tahun 2016 adalah PT Mulia Industrindo Tbk. (MLIA) dengan

nilai sebesar 46,096.Di tahun 2017 perusahaan dengan nilai maksimum CETR

dialami oleh PT Delta Djakarta Tbk (DLTA) dengan nilai sebesar 6,511.Di tahun

2018 perusahaan dengan nilai maksimum CETR dialami oleh PT Sepatu Bata Tbk

(BATA) dengan nilai sebesar 2,798. Di tahun 2019 perusahaan dengan nilai

maksimum CETR dialami oleh PT Indah Kiat Pulp & Paper Tbk (INKP) dengan

nilai sebesar 2,729 Serta di tahun 2020, nilai maksimum CETR dialami oleh PT

Kabelindo Murni Tbk (KBLM) dengan nilai sebesar 9,616.

Nilai rata-rata (mean) tertinggi tax avoidance perusahaan yang diukur

menggunakan proksi CETR selama periode 2016-2020 terjadi pada tahun 2016

dengan nilai sebesar 1,147. Sedangkan nilai rata-rata (mean) terendah tax

avoidance perusahaan selama periode 2016-2020 terjadi pada tahun 2016 dan 2018

dengan nilai sebesar 0,000.

91
 4.1.2.3 Manajemen Laba

Tabel 4.10

Manajemen Laba

Manajemen laba
No Kode Mean
2016 2017 2018 2019 2020
1 ADES 0,0547 -0,0149 -0,0433 0,0090 0,0229 0,01
2 AGII 0,0919 0,0112 0,0060 0,0007 -0,0030 0,02
3 AKPI 0,0005 0,0024 -0,0018 -0,0021 0,0171 0,00
4 ALDO -0,0002 0,0005 0,0006 0,0008 -0,0010 0,00
5 AMFG 0,1393 -0,0024 0,0053 0,0033 -0,0014 0,03
6 APLI 0,0164 0,0603 0,0232 -0,0227 -0,0184 0,01
7.. ARNA -0,0001 0,0001 0,0030 -0,0029 -0,0001 0,00
8 ASII 0,0029 0,0004 0,0001 -0,0013 0,0004 0,00
9 BATA 0,0804 -0,0716 -0,0001 -0,0112 0,0020 0,00
10 BELL 0,5801 -0,8780 0,0163 -0,0172 -0,0158 -0,06
11 BIMA 0,0296 0,0061 0,0251 0,0163 0,0080 0,02
12 BRAM -0,0174 0,0515 0,0081 -0,0007 -0,8796 -0,17
13 BRPT 0,0083 -0,0140 0,0321 0,3398 -0,5172 -0,03
14 BTON 0,0106 -0,0054 -0,0097 -0,0598 -0,0010 -0,01
15 BUDI -0,0090 0,0171 -0,0514 -0,0290 0,1869 0,02
16 CEKA -0,0246 -0,0057 0,0264 0,0259 -0,0212 0,00
17 CPIN -0,1420 -0,0245 -0,0308 0,0342 -0,0064 -0,03
18 DLTA -0,0045 0,0410 0,0032 0,0290 -0,0552 0,00
19 DPNS 0,0379 0,0196 0,0380 -0,0453 0,0201 0,01
20 DVLA -0,0045 0,0401 0,0030 0,0290 -0,0609 0,00
21 EKAD 0,0299 -0,1092 -0,0003 0,1258 -0,0160 0,01
22 GGRM 0,0029 -0,0042 -0,0013 -0,0266 0,0058 0,00
23 GJTL 0,0478 -0,0160 0,0179 0,0053 0,0266 0,02
24 HMSP 0,0123 0,0010 -0,0104 -0,0044 0,0234 0,00

92
 Manajemen laba
No Kode Mean
2016 2017 2018 2019 2020
25 ICBP -0,0036 0,0017 -0,0044 -0,0080 0,0275 0,00
26 IGAR 0,0302 0,0039 1,3052 0,0024 -0,0272 0,26
27 IMPC 0,0023 0,0063 -0,0045 -0,0139 -0,0121 0,00
28 INDF -0,4272 0,0002 0,0016 -0,0032 0,0093 -0,08
29 INDS -0,0087 0,0239 0,0317 -0,0450 -0,0031 0,00
30 INKP 0,0006 0,0127 -0,0149 0,0119 0,0161 0,01
31 INTP 0,0017 -0,0016 -0,0004 -0,0004 0,0002 0,00
32 IPOL 0,0054 -0,0023 0,0027 0,0183 -0,0026 0,00
33 ISSP 0,1244 0,0078 -0,0048 0,0199 0,0136 0,03
34 JECC 0,0535 -0,0426 -0,0241 0,0393 -0,0880 -0,01
35 JPFA 0,0011 0,0030 -0,0043 0,0011 -0,0004 0,00
36 KBLI 0,0095 0,2820 0,0217 0,0081 -0,2314 0,02
37 KBLM 0,0415 0,1260 -0,0134 -0,0226 -0,0335 0,02
38 KDSI -0,0486 -0,0229 0,0284 -0,1305 -0,0169 -0,04
39 KINO 0,0602 -0,0326 -0,0232 0,0438 -0,0071 0,01
40 KLBF -0,0061 0,0130 -0,1502 -0,1226 -0,0652 -0,07
41 LION -0,0219 0,0016 0,0088 -0,1073 -0,0193 -0,03
42 MAIN -9,9931 -57,6271 -20,8380 -37,1426 -0,0494 -25,13
43 MLBI 0,0749 -0,1195 -0,0976 -0,1322 -0,3159 -0,12
44 MLIA 0,0014 -0,0112 -0,0164 -0,0257 -0,0628 -0,02
45 MOLI -27,6951 8,6561 -0,0021 -0,0766 -0,0343 -3,83
46 MYOR 0,1779 0,8657 3,0095 -2,4042 0,3852 0,41
47 PICO 0,0065 -0,1023 -0,0777 -0,2099 0,0572 -0,07
48 PSDN -0,0134 -0,0736 0,0520 0,1267 0,0001 0,02
49 PYFA -0,0256 0,0666 -0,0110 -0,0373 0,0760 0,01
50.. ROTI -0,0462 -0,0901 -0,0594 -0,0238 -0,0320 -0,05
51 SIDO -0,0559 -0,0213 -0,0607 -0,0181 -0,0368 -0,04
52 SKLT 0,0077 0,0388 -0,0359 -0,0397 -0,0285 -0,01

93
 Manajemen laba
No Kode Mean
2016 2017 2018 2019 2020
53 SMBR 0,3038 -0,0064 0,0000 -0,0318 0,0055 0,05
54 SMGR 0,0248 -0,1240 -0,2143 -0,5185 -0,2116 -0,21
55 SMSM 0,0988 0,1115 0,0713 -0,0581 0,1459 0,07
56 SRSN -68,4024 -3,5439 0,3782 1,2839 0,2799 -14,00
57 STTP -0,3938 -1,7749 -3,3024 -1,9428 -0,5445 -1,59
58 TALF 0,6509 0,0984 -0,0496 0,4190 0,0114 0,23
59 TBMS -0,0679 -0,0179 -0,0386 -0,0869 -0,0253 -0,05
60 TCID -1,1137 -3,4728 -3,9339 0,6547 -30,5195 -7,68
61 TOTO 2,1696 -0,0941 -0,0339 -0,1431 0,0131 0,38
62 TRST -0,2651 -7,8528 -2,2537 0,9856 -1,8405 -2,25
63 TSPC -0,0770 -0,1042 0,1888 0,0884 -7,2332 -1,43
64 ULTJ -2,7925 -1,2592 0,4565 -0,2053 -1,0745 -0,97
65 UNIC 0,3782 -74,0001 115,0923 -39,1842 63,8153 13,22
66 UNVR 73,4939 0,0058 -0,1255 0,0095 0,0890 14,69
67 VOKS -0,0278 1,5634 0,5564 0,5799 1,2576 0,79
68 WIIM -0,4608 -8,2515 -4,8185 -9,4629 -8,2352 -6,25
69 WTON 11,6654 -5,0690 -5,7033 -13,2134 -4,8603 -3,44
Min -68,4024 -74,0001 -20,8380 -39,1842 -30,5195 -25,1300
Max 73,4939 8,6561 115,0923 1,2839 63,8153 14,6945
Mean 0,0023 -0,0023 -0,0013 -0,0044 -0,0031 0,0001
Std Deviasi 11092 8723 13688 3046 5154 1334

Berdasarkan tabel 4.10 diatas, nilai minimum Manajemen Laba secara

berturut-turut pada tahun 2016-2020 dialami oleh PT Impack Pratama Industri Tbk

(IMPC) sebesar -0,0045. Sedangkan untuk nilai maksimum Manajemen Laba di

tahun 2016 dialami oleh PT Unilever Tbk (UNVR) dengan nilai sebesar 73,49 .

Nilai rata-rata (mean) tertinggi Manajemen Laba perusahaan selama periode

94
2016-2020 terjadi pada tahun 2016 dengan nilai sebesar 0,0023. Sedangkan nilai

rata-rata (mean) terendah Manajemen Laba perusahaan selama periode 2016-2020

terjadi pada tahun 2018 dengan nilai sebesar -0,0013.

4.1.2.4 Rata-rata dan Standar Deviasi

Dalam penelitian ini statistik deskriptif dipergunakan untuk menunjukkan

data yang digunakan dalam penelitian serta dapat menunjukkan nilai rata-rata dan

standar deviasi dari masing-masing variabel penelitian. Hasil statistik deskriptif

dari masing-masing variabel penelitian adalah sebagai berikut:

Tabel 4.11
Hasil Analisis Deskriptif

Date: 09/27/22 Time: 20:11

Sample: 1 345

KEPEMILIKAN_INSTITUSIONAL TAX_AVOIDANCE MANAJEMEN_LABA

Mean 0.726792 0.685408 -0.034351

Median 0.731114 0.263294 0.001048
Maximum 9.190621 46.09647 63.15924
Minimum 0.000000 6.71E-06 -73.75987
Std. Dev. 0.612508 2.722412 5.590483
Skewness 9.601720 13.97231 -2.759598
Kurtosis 121.6656 227.6061 138.6362

Jarque-Bera 207120.8 734279.8 264129.6

Probability 0.000000 0.000000 0.000000

Sum 250.0164 235.7803 -11.81687

Sum Sq. Dev. 128.6818 2542.153 10719.95

Observations 344 344 344

Sumber: Data yang telah diolah dengan Eviews 10, 2022.

Dari hasil analisis deskriptif pada tabel 4.11 diatas, maka dapat disimpulkan

bahwa :

95
1. Variabel kepemilikan institusional pada perusahaan sektor manufaktur yang

telah diteliti memiliki nilai maksimum sebesar 9.190621, dengan nilai

minimum sebesar 0,0000, nilai rata-rata 0,726792 dan nilai standar deviasi

0,612508.

2. Variabel penghindaran pajak (tax avoidance) pada perusahaan sektor

manufaktur yang telah diteliti memiliki nilai maksimum sebesar 46.09647,

dengan nilai minimum sebesar 6.71E06, nilai rata-rata 0,685408, dan nilai

standar deviasi sebesar 2.722412.

3. Variabel manajemen laba pada perusahaan sektor manufaktur yang telah

diteliti memiliki nilai maksimum sebesar 63.15924, dengan nilai minimum

sebesar -73.75987, nilai rata-rata -0,034351, dan nilai standar deviasi

sebesar 5.590483.

4.2 Uji Asumsi Klasik

Dalam analisis ini analisis regresi berganda diharuskan untuk mencari

keabsahannya. Penelitian ini akan diuji dengan menggunakan uji asumsi klasik

terlebih dahulu. Uji ini digunakan untuk memenuhi persyaratan dalam melakukan

pengujian analisis regresi berganda ini. Uji asumsi klasik digunakan untuk menguji

kelayakan model regresi. Pada penelitian ini uji asumsi klasik yang digunakan

adalah uji normalitas, uji multikolonieritas, uji heteroskedastisitas, uji autokorelasi.

Dan dapat dijelaskan sebagai berikut:

96
4.2.1 Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi,

variabel dependen dan variabel independen keduanya mempunyai distribusi normal

ataukah tidak. Berdasarkan hasil pengujian normalitas menggunakan uji Jarque

Bera diperoleh hasil sebagai berikut:

Grafik 4.1

Hasil Uji Normalitas

300
Seri es : Res i dua l s
Sa mpl e 1 345
250 Obs erva ti ons 344

200 Mea n 6.59e-17

Medi a n 0.041116
150 Ma xi mum 63.19030
Mi ni mum -73.67341
Std. Dev. 5.589345
100
Skewnes s -2.748511
Kurtos i s 138.4914
50
Ja rque-Bera 263563.3
0 Proba bi l i ty 0.000000
-70 -60 -50 -40 -30 -20 -10 0 10 20 30 40 50 60

Sumber: Eviews 10, data yang telah diolah, 2022

Berdasarkan Grafik 4.1 diatas, dapat dilihat bahwa nilai jarque bera sebesar

263563.3 dan hasil probability sebesar 0,0000. Karena p value < 0,05 maka dalam

penelitian ini dinyatakan berdistribusi tidak normal.

4.2.2 Uji Multikolonieritas

Dalam penelitian ini uji multikolinearitas digunakan untuk menguji apakah

terdapat korelasi antar masing-masing vaeriabel independen dalam model regresi.

Model regresi ini dapat dikatakan baik apabila tidak terjadi korelasi antara variabel

97
independen atau dengan kata lain, model regresi berganda yang baik yaitu model

regresi yang tidak mengalami multikolinearitas. Dalam penelitian ini, untuk

mendeteksi ada atau tidaknya multikolonieritas didalam model regresi salah

satunya dengan menganalisis matrik korelasi variabel-variabel independen. Jika

antarr variabel independen ada korelasi yang cukup tinggi (umumnya diatas 0,9),

maka hal ini merupakanindikasi adanya multikolonieritas

Tabel 4.12

Hasil Uji Multikolonieritas

Variance Inflation Factors
Date: 09/27/22 Time: 21:14
Sample: 1 345
Included observations: 344

Coefficient Uncentered Centered

Variable Variance VIF VIF

C 0.224533 2.457978 NA
KEPEMILIKAN_INSTI... 0.244449 2.414558 1.001025
TAX_AVOIDANCE 0.012374 1.064660 1.001025

Berdasarkan hasil pengujian yang ditunjukkan pada tabel 4.8 diatas,

diketahui bahwa nilai koefisien antar variabel lebih kecil dari 0,9. Hal ini sesuai

dengan kriteria pengujian bahwa hasil dari uji multikolinearitas tidak ada nilai

koefisien korelasi antar variabel yang lebih dari 0,9. Maka dapat disimpulkan

bahwa tidak terjadi multikolinieritas dalam model regresi penelitian ini.

4.2.3 Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah dari model regresi

terjadi ketidaksamaan varian residual satu pengamatan ke pengamatan yang lain.

Jika varian dari residual dari suatu pengamatan ke pengamatan yang lain tetap,

98
maka disebut homoskedastisitas, dan jika varian berbeda, maka disebut

heteroskedastisitas. Berdasarkan hasil uji pengujian heteroskedastisitas

menggunakan metode Glejser diperoleh hasil sebagai berikut:

Tabel 4.13

Hasil Uji Heteroskedastisitas

Heteroskedasticity Test: Glejser
Null hypothesis: Homoskedasticity

F-statistic 0.105066 Prob. F(2,341) 0.9003

Obs*R-squared 0.211850 Prob. Chi-Square(2) 0.8995
Scaled explained SS 0.569281 Prob. Chi-Square(2) 0.7523

Berdasarkan tabel 4.9 diatas, menunjukkan nilai Obs*R-squared sebesar

0,8995 dan nilai probability sebesar 0,9003. Maka hasil probability 0,1663 > dari

0,05 sehingga bisa dipastikan bahwa residual variabel pengamatan pada penelitian

ini tidak terjadi gejala heteroskedastisitas.

4.2.4 Uji Autokorelasi

Uji ini bertujuan untuk menguji apakah dalam model regresi linear ada

kolerasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu

pada periode t-1 (sebelumnya).

Salah satu uji yang digunakan untuk mendeteksi adanya autokorelasi adalah

uji Breusch Godfrey atau disebut juga dengan Langrange Multiplier. Apabila nilai

probabilitas > α = 5% berarti tidak terjjadi autokorelasi begitu sebaliknya jika nilai

probabilitas < α = 5% berarti terjadi autokorelasi. Berdasarkan hasil pengujian

autokorelasi diperoleh hasil sebagai berikut:

99
 Tabel 4.14

Hasil Uji Autokorelasi

Dependent Variable: MANAJEMEN_LABA
Method: Least Squares
Date: 09/27/22 Time: 20:33
Sample: 1 345
Included observations: 344

Variable Coefficient Std. Error t-Statistic Prob.

C 0.074837 0.473850 0.157935 0.8746

KEPEMILIKAN_INSTITUSIONAL -0.167598 0.494418 -0.338981 0.7348
TAX_AVOIDANCE 0.018413 0.111238 0.165527 0.8686

R-squared 0.000407 Mean dependent var -0.034351

Adjusted R-squared -0.005456 S.D. dependent var 5.590483
S.E. of regression 5.605712 Akaike info criterion 6.294132
Sum squared resid 10715.59 Schwarz criterion 6.327626
Log likelihood -1079.591 Hannan-Quinn criter. 6.307472
F-statistic 0.069429 Durbin-Watson stat 2.977477
Prob(F-statistic) 0.932939

Berdasarkan hasil dari tabel 4.10 diatas, maka dapat disimpulkan bahwa

nilai Probability ChiSquare sebesar 0,7348 lebih besar dari 0,05. Artinya model

regresi yang digunakan tidak terjadi autokorelasi.

4.3 Analisis Korelasi

Analisis ini mengukur kuat lemahnya hubungan dana rah pengaruh antar

variabel. Dibawah ini akan disajikan hasil dari pengujian koefisien korelasi sebagai

berikut:

100
 Tabel 4.15 Kriteria Korelasi

Covariance Analysis: Ordinary

Date: 09/27/22 Time: 21:28
Sample: 1 345
Included observations: 344
Balanced sample (listwise missing value deletion)

Covariance
Correlation
t-Statistic
Probability KEPEMILIKAN_INSTITUSIONAL TAX_AVOIDANCE MANAJEMEN_LABA
KEPEMILIKAN_INSTITUSIONAL 0.374075
1.000000
-----
-----

TAX_AVOIDANCE 0.053195 7.389981

0.031994 1.000000
0.591975 -----
0.5543 -----

MANAJEMEN_LABA -0.061715 0.127155 31.16265

-0.018076 0.008379 1.000000
-0.334331 0.154962 -----
0.7383 0.8769 -----

Sumber: Eviews 10, data yang telah diolah, 2022

Berdasarkan tabel 4.11 diatas, dapat diketahui bahwa nilai signifikan

variabel ukuran perusahaan dengan tax avoidance sebesar 0,053 yang artinya lebih

kecil dari nilai probabilitas sebesar 0,05, maka dapat disimpulkan terjadi korelasi

yang signifikan dan positif dengan kategori hubungan sangat rendah.

Untuk variabel kepemilikan institusional dengan tax avoidance diketahui

nilai signifikan sebesar -0,061715 yang artinya berarti lebih kecil dari nilai

probabilitas sebesar 0,05, maka dapat disimpulkan terjadi korelasi yang signifikan

dan negatif dengan kategori hubungan sangat rendah.

101
 4.4 Pengujian Hipotesis

Dalam penelitian ini pengujian hipotesis menggunakan analisis regresi

berganda untuk menguji pengaruh kepemilikan institusional dan tax avoidance terhadap

manajemen laba . Beberapa analisis yang dilakukan dalam penelitian ini sebagai

berikut:

4.4.1 Uji Analisis Regresi Linier Berganda (Uji-F)

Analisis regresi digunakan untuk mengetahui hubungan yang ada antara

variabel-variabel sehingga dari hubungan yang diperoleh dapat ditaksir variabel

yang satu, apabila harga variabel lainnya diketahui. Berdasarkan hasil pengujian

menggunakan analisis regresi linear berganda diperoleh hasil sebagai berikut:

Tabel 4.16
Hasil Uji Regresi Linier Berganda
Dependent Variable: MANAJEMEN_LABA
Method: Least Squares
Date: 09/27/22 Time: 20:33
Sample: 1 345
Included observations: 344

Variable Coefficient Std. Error t-Statistic Prob.

C 0.074837 0.473850 0.157935 0.8746

KEPEMILIKAN_INSTITUSIONAL -0.167598 0.494418 -0.338981 0.7348
TAX_AVOIDANCE 0.018413 0.111238 0.165527 0.8686

R-squared 0.000407 Mean dependent var -0.034351

Adjusted R-squared -0.005456 S.D. dependent var 5.590483
S.E. of regression 5.605712 Akaike info criterion 6.294132
Sum squared resid 10715.59 Schwarz criterion 6.327626
Log likelihood -1079.591 Hannan-Quinn criter. 6.307472
F-statistic 0.069429 Durbin-Watson stat 2.977477
Prob(F-statistic) 0.932939

102
 Model persamaan regresi yang berbentuk berdasarkan hasil penelitian

adalah sebagai berikut:

Y = 0,074837 – (-0,167598) X1 – 0,018413 X2 + e

Berdasarkan model persamaan regresi tersebut dapat dijelaskan yaitu sebagai

berikut:

1. Jika persamaan regresi diatas diketahui memiliki nilai konstanta sebesar

0,074837 artinya apabila variabel independen yaitu variabel kepemilikan

institusional dan tax avoidance dianggap konstan (bernilai 0), maka variabel

dependen yaitu variabel manajemen laba akan bernilai sebesar 0,074637.

Artinya, ketika tidak ada perubahan nilai kepemilikan institusional dan tax

avoidance, maka nilai manajemen laba cenderung tetap atau tidak

mengalami perubahan.

2. Jika nilai koefisien regresi variabel kepemilikan institusional menunjukkan

sebesar -0,167598, artinya apabila variabel ukuran perusahaan mengalami

peningkatan sebesar (satu) satuan, sedangkan variabel independen lainnya

yaitu variabel manajemen laba dianggap konstan (bernilai 0), maka variabel

dependen yaitu variabel manajemen laba akan mengalami penurunan

sebesar -0,167598. Tanda negatif pada nilai koefisien regresi menunjukan bahwa

kepemilikan institusional memiliki arah pengaruh negatif terhadap manjemen

laba..

3. Jika nilai koefisien regresi variabel tax avoidance menunjukkan sebesar -

0,0018413, artinya apabila variabel tax avoidance mengalami peningkatan

sebesar satu (satuan), sedangkan variabel independen lainnya yaitu variabel

103
 kepemilikan institusional dianggap konstan (bernilai 0), maka variabel

dependen yaitu manajemen laba akan mengalami penurunan sebesar

0,00181413. Tanda negatif pada nilai koefisien regresi menunjukan bahwa

tax avoidance memiliki arah negatif terhadap manajemen laba.

Berdasarkan hasil pengujian hipotesis secara simultan diperoleh hasil yang

dapat dilihat di tabel 4.13 diatas, hasil pengujian hipotesis secara simultan (uji-F)

diperoleh nilai F-statistik sebesar 0,074837 dengan nilai probability sebesar -

0,167598 yang artinya nilai probability sebesar 0,00181413 lebih besar dari nilai

probabilitas sebesar 0,05. Maka diperoleh kesimpulan bahwa H0 diterima dan HA

ditolak yang artinya variabel independen kepemilikan institusional dan tax

avoidance tidak berpengaruh terhadap variabel dependen yaitu manajemen laba..

4.4.2 Uji Parsial (Uji-t)

Pengujian ini pada dasarnya bertujuan untuk menunjukkan pengaruh

variabel independen secara individual terhadap variabel dependen. Jika nilai

probabilitas < 0,05 maka H0 ditolak sedangkan jika probabilitas > 0,05 maka H0

diterima. Berdasarkan hasil pengujian hipotesis secara parsial diperoleh hasil

sebagai berikut:

1. Kepemilikan institusional

Kepemilikan institusional diperoleh nilai koefisien sebesar -0,0006 dan nilai

probabilitas sebesar 0,9858, yang artinya nilai signifikan lebih besar dari 0,05. Maka dapat

disimpulkan H0 diterima dan HA ditolak yang artinya kepemilikan institusional

berpengaruh negatif tidak signifikan terhadap manajemen laba.

104
 2. Tax avoidance

Tax avoidance diperoleh nilai koefisien sebesar -0,3200 dan nilai probabilitas

sebesar 0,1914, yang artinya nilai probabilitas lebih besar dari 0,05. Maka dapat

disimpulkan H0 diterima dan HA ditolak yang artinya tax avoidance berpengaruh

negatif tidak signifikan terhadap manajemen laba.

4.4.3 Uji Koefisien Detreminasi (R2)

Uji koefisien determinasi digunakan untuk mengukur seberapa jauh

kemampuan model dalam menerangkan variasi variabel independen terhadap

variabel dependen. Nilai koefisien determenasi yang ditunjukkan dengan nilai R 2

dari model regresi digunakan untuk mengetahui besarnya variabilitas varibel

dependen yang dapat dijelaskan oleh variabel-variabel bebasnya (Ghozali,

2016:98).

Berdasarkan tabel diatas menunjukan nilai R-squared sebesar 0,000407,

yang berarti 0,00407% manajemen laba dapat dijelaskan oleh variabel independen

yaitu kepemilikan institusional dan tax avoidance. Sedangkan 99,49%

kemungkinan terjadinya manajemen laba dipengaruhi oleh variabel-variabel yang

tidak terdapat pada penelitian ini.

4.5. Pembahasan, Implikasi dan Keterbatasan

4.5.1. Pembahasan

Berdasarkan hasil penelitian yang telah dijabarkan melalui beberapa

pengujian dengan variabel kepemilikan institusional, dan tax avoidance terhadap

105
manajemen laba .Berikut paparan penjelasan atas jawaban dari hipotesis penelitian:

1. Pengaruh kepemilikan institusional terhadap manajemen laba

Berdasarkan pada hipotesis yang telah dirumuskan dalam penelitian ini

bahwa kepemilikan institusional berpengaruh negatif terhadap manajemen laba.

Namun dalam hasil pengujian didapatkan bahwa kepemilikan institusional tidak

berpengaruh secara signifikan terhadap manajemen laba karena 0,568 ≥ 0,05

sehingga hasil dari penelitian ini tidak sesuai dengan hipotesis yang telah

dirumuskan sebelumnya.

Kepemilikan institusional tidak berpengaruh secara signifikan terhadap

manajemen laba artinya besar kecilnya persentase kepemilikan institusional dalam

perusahaan tidak membuat tindakan manajemen laba yang dilakukan oleh

perusahaan dapat dihindari. Kepemilikan institusional harusnya mampu untuk

mengawasi dan mempengaruhi manajer dalam mengambil keputusan agar

manajemen mampu menghindari perilaku yang bertujuan untuk mementingkan

kepentingan diri sendiri. Namun, sebaikbaiknya struktur kepemilikan institusional

ternyata masih belum mampu untuk mengontrol tindakan manajemen yang

berusaha untuk memenuhi kepentingan dirinya sendiri Fenny (2014) dalam Santoso

(2017). Tidak adanya pengaruh dalam kepemilikan institusional terhadap

manajemen laba kemungkinan hal ini disebabkan oleh kualitas sumber daya dari

pemilik institusional yang masih kurang. Pemegang saham institusi tidak

menjalankan wewenangnya dengan benar dalam mengawasi serta mengontrol

keputusan yang diambil oleh manajer sehingga tax avoidance tetap terjadi. Jadi

dapat disimpulkan bahwa kepemilikan institusional sebagai pihak yang

106
bertanggung jawab untuk memonitor dan mengontrol pihak manajemen yang sudah

diberi hak untuk membuat kebijakan yang memaksimalkan kesejahteraan pemilik,

ditambah lagi kepemilikan institusional yang kurang peduli dengan citra

perusahaan, maka keberadaan kepemilikan institusioanal tidak dapat menekan

penghindaran pajak yang dilakukan oleh perusahaan Syafriyeni et al. (2020).

Hasil penelitian ini sejalan dengan penelitian yang dilakukan Sandy dan

Lukviarnan (2015) dan Fitria (2018) yang membuktikan bahwa kepemilikan

manajerial tidak berpengaruh signifikan terhadap manajemen laba.

2. Pengaruh tax avoidance terhadap manajemen laba

Berdasarkan pengujian yang telah dilakukan, ditemukan bahwa hipotesis

keempat dalam penelitian ini ditolak (H0 diterima) yang artinya variabel tax

avoidance tidak berpengaruh secara signifikan terhadap manajemen laba karena

memiliki nilai signifikan sebesar 0,976 ≥ 0,05 dan tidak sesuai dengan hipotesis

yang telah dirumuskan.

Menurut Tampubolon dan Antonius (2019) menyatakan bahwa tinggi atau

rendahnya tingkat penghindaran pajak (tax avoidance) yang dilakukan suatu

perusahaan tidak mempengaruhi dalam praktik manajemen laba. Penghindaran

pajak (tax avoidance) tidak signifikan terhadap manajemen laba karena didalam

perusahaan manufaktur terdapat beberapa divisi atau departemen dengan masing-

masing manajemen. Hal ini dapat mengakibatkan kecenderungan, dimana

manajemen akan memprioritaskan kepentingannya dalam memperoleh bonus

apabila menunjukkan hasil kinerja yang memuaskan. Sehingga, manajemen laba

yang dilakukan cenderung terjadi karena self interest manajemen, bukan karena

107
penghindaran pajak (tax avoidance). yang menjadi kepentingan dari pemilik

perusahaan (principal).

Hasil ini sejalan dengan Sudaryono et al. (2016), Ongirwalu dan Ayem

(2020), dan Husain (2017) yang menyatakan bahwa tax avoidance tidak

berpengaruh signifikan terhadap manajemen laba.

4.5.2. Implikasi

4.5.2.1. Implikasi Teoritis

Implikasi teoritis dari hasil penelitian ini mendukung dan membantah hasil

penelitian yang dilakukan oleh peneliti-peneliti terdahulu. Dalam penelitian ini

diperoleh hasil bahwa kepemilikan institusional tidak berpengaruh signifikan

terhadap manajemen laba . Hasil penelitian ini sejalan dengan penelitian yang

dilakukan Sandy dan Lukviarnan (2015) dan Fitria (2018) yang membuktikan

bahwa kepemilikan manajerial tidak berpengaruh signifikan terhadap manajemen

laba.

Terakhir untuk penelitian tax avoidance terdapat hasil yang menyatakan

bahwa tax avoidance tidak berpengaruh signifikan terhadap manajemen laba. Hasil

ini sejalan dengan Sudaryono et al. (2016), Ongirwalu dan Ayem (2020), dan

Husain (2017) yang menyatakan bahwa tax avoidance tidak berpengaruh signifikan

terhadap manajemen laba.

4.5.3. Keterbatasan Penelitian

Setelah melakukan analisis data, pengujian data, dan interpretasi hasil

108
terdapat beberapa hal yang menjadi keterbatasan dalam penelitian ini. Beberapa

keterbatasan dalam penelitian ini:

1. Sampel yang digunakan dalam penelitian ini yaitu 69 perusahaan sektor

manufaktur. Jumlah sampel ini sedikit karena jumlah perusahaan dalam

sektor manufaktur yang terdaftar di Bursa Efek Indonesia.

2. Variabel independen yang digunakan dalam penelitian ini hanya

kepemilikan institusional, dan tax avoidance sehingga variabel- variabel

tersebut belum sepenuhnya menjelaskan mekanismenya.

3. Hasil uji Squared Multiple Correlations pada variabel manajemen laba

menghasilkan nilai 0,000 yang menunjukkan bahwa variabel dependen

dapat menjelaskan variabel lainnya sebesar 0% dan terdapat sebesar 100%

dijelaskan oleh variabel lain yang tidak terdapat pada penelitian ini.

109
 BAB V

KESIMPULAN DAN SARAN

5.1. Kesimpulan

Penelitian ini bertujuan untuk mengetahui pengaruh kepemilikan

institusional, dan tax avoidance terhadap manajemen laba pada perusahaan sektor

manufaktur yang terdaftar di Bursa Efek Indonesia (BEI) periode 2016-2020.

Teknik pengambilan data diperoleh sampel sebanyak 69 perusahaan dari populasi

sebanyak 200. Adapun analisis data yang dilakukan dalam penelitian ini yaitu

analisis statistik deskriptif dan regresi linear berganda dengan bantuan softwere

EVIEWS 10.0.

Berdasarkan hasil analisis, maka kesimpulan yang dapat diambil dari

penelitian ini adalah sebagai berikut:

1. Berdasarkan hipotesis pertama (H1) yang telah dirumuskan dalam penelitian

ini bahwa kepemilikan institusional berpengaruh negatif terhadap

manajemen laba. Namun hasil pengujian menunjukan bahwa kepemilikan

institusional tidak berpengaruh signifikan terhadap manajemen laba

sehingga hipotesis tidak diterima. Hal ini disebabkan karena kualitas

sumber daya dari pemilik institusional yang masih kurang. Pemegang saham

institusi tidak menjalankan wewenangnya dengan benar dalam mengawasi

serta mengontrol keputusan yang diambil oleh manajer pada perusahaan

sehingga praktik manajemen laba tetap terjadi. Jadi dapat disimpulkan

bahwa kepemilikan institusional sebagai pihak yang bertanggung jawab

110
 untuk memonitor dan mengontrol pihak manajemen perusahaan.

2. Berdasarkan hipotesis keempat (H2) yang telah dirumuskan dalam

penelitian ini bahwa tax avoidance berpengaruh negatif terhadap

manajemen laba. Namun hasil pengujian menunjukan bahwa tax avoidance

tidak berpengaruh signifikan terhadap manajemen laba sehingga hipotesis

tidak diterima. Hasil ini menunjukkan karena tinggi rendahnya perusahaan

dalam melakukan penghindaran pajak (tax avoidance) tidak mempengaruhi

prakik manajemen laba. Menurut Tampubolon dan Antonius (2019)

menyatakan bahwa penghindaran pajak (tax avoidance) tidak signifikan

terhadap manajemen laba karena didalam perusahaan manufaktur terdapat

beberapa divisi atau departemen dengan masing-masing manajemen. Hal ini

dapat mengakibatkan kecenderungan, dimana manajemen akan

memprioritaskan kepentingannya dalam memperoleh bonus apabila

menunjukkan hasil kinerja yang memuaskan. Sehingga, manajemen laba

yang dilakukan cenderung terjadi karena self interest manajemen, bukan

karena penghindaran pajak (tax avoidance). yang menjadi kepentingan dari

pemilik perusahaan (principal).

5.2. Saran

Penelitian ini tidak terlepas dari kesalahan dan kekurangan. Terdapat

keterbatasan dalam penelitian ini, oleh karena itu penulis akan memberikan saran

guna untuk mengatasi keterbatasan-keterbatasan yang ada. Saran-saran yang dapat

penulis berikan adalah sebagai berikut:

111
5.2.1. Saran Teoritis

Saran teoritis yang dapat diberikan penulis untuk peneliti selanjutnya adalah

sebagai berikut:

1. Bagi peneliti selanjutnya dapat menambah atau memperluas populasi dan

sampel sehingga tidak hanya meneliti perusahaan manufaktur periode 2016-

2020 saja akan tetapi dapat menambah periode tahun menjadi 6 atau 7tahun.

2. Penelitian selanjutnya dapat menambah proksi manajemen laba yang lain,

misalnya dewan direksi, komite audit, atau kriteria lain.

3. Penelitian selanjutnya dapat menggunakan pengukuran lain sebagai proksi

manajemen laba.

5.2.2. Saran Praktis

Berdasarkan hasil penelitian dan kesimpulan diatas, maka saran-saran yang

dapat diberikan berkaitan dengan manajemen laba maupun tax avoidance di

Indonesia adalah sebagai berikut:

1. Bagi investor penelitian ini dapat menjadi acuan dalam pengambilan sebuah

keputusan dan lebih memperhatikan atau mempertimbangkan faktor-faktor

yang mempengaruhi manajemen laba maupun tax avoidance. Hal tersebut

dimaksudkan agar dalam berinvestasi, para investor lebih mampu memilih

perusahaan yang mengelola manajemen laba maupun penghindaran pajak.

2. Bagi perusahaan lebih memperhatikan atau mempertimbangkan faktor-

faktor yang dapat mempengaruhi manajemen laba maupun penghindaran

pajak. Hasil penelitian ini diharapkan dapat menambah wawasan mengenai

112
faktor-faktor yang mempengaruhi manajemen laba maupun penghindaran

pajak dan dapat menjadi rujukan dalam pengambilan keputusan bagi pihak

manajemen perusahaan.

113
 DAFTAR PUSTAKA

Ayem Sri, Stella Nenden Ongirwalu. 2020. “Pengaruh Adopsi IFRS,

Penghindaran Pajak, dan Kepemilikan Manajerial terhadap
Manajemen Laba”. JIA (Jurnal Ilmiah Akuntansi) Vol. 5, No. 2, Hal:
360-376 Desember 2020.

Asitalia Fioren, Ita Trisnawati. 2017. “Pengaruh Good Corporate

Governance danLeverage terhadap Manajemen Laba”. Jurnal Bisnis
Dan Akuntansi Vol. 19, No. 1a, November 2017, Issue 2, Hlm. 109-
119. ISSN: 1410 – 9875.

Cahyono Deddy Dyas, Andini Rita, Kharis Raharjo. 2016. “Pengaruh Komite
Audit, Kepemilikan Institusional, Dewan Komisaris, Ukuran
Perusahaan (Size), Leverage (Der) dan Profitabilitas (Roa) terhadap
Tindakan Penghindaran Pajak (Tax Avoidance) pada Perusahaan
Perbankan yang Listing BEI Periode Tahun 2011 – 2013”. Journal Of
Accounting, Volume2 No.2 Maret 2016.

Dewi Putu Nita Mintria, I Putu Mega Juli Semara Putra, Ni Putu Lisa
Ernawatiningsih . 2019. “Pengaruh Good Corporate Governance dan
Ukuran Perusahaan terhadap Manajemen Laba pada Perusahaan yang
Terdaftar di Busra Efek Indonesia Tahun 2015-2018”. Seminar
Nasional INOBALI 2019. Inovasi Baru dalam Penelitian Sains,
Teknologi dan Humaniora.

Fahmi, Irham. 2017. “Analisis Laporan Keuangan”. CV. Alfabeta, Bandung.

Sujarweni, V Wiwatma. 2017. “Analisis Laporan Keuangan”.
Yogyakarta: Pustaka baru press Maruta, Heru. 2017. “Analisis
Laporan Keuangan Model DU PONT sebagai Analisis yang
Integratif”. Jurnal STIE Syariah Bengkalis. Prodi Manajemen
Keuangan Syariah

Ginting Sindi Klara BR. 2018. “Pengaruh Jenis KAP, Leverage, Tax
Avoidance terhadap Manajemen Laba”. Sekolah Tinggi Ilmu
Ekonomi Yayasan Kelarga Pahlawan Negara Yogyakarta

114
Hanlon, Michelle., dan Heitzman, Shane. 2010. A Review Of Tax Research.
Journal Of Accounting and Economic, FL : Elsevier

Husain, T. 2017. “Pengaruh Tax Avoidance dan Kualitas Audit terhadap

Manajemen Laba”. Jurnal Online Insan Akuntan, Vol.2, No.1, Juni
2017, 137 – 156 E-ISSN: 2528-0163

Karinda Wilda Desti. 2018. “Pengaruh Penghindaran Pajak yang Dimoderasi

Corporate Governance terhadap Manajemen Laba (Studi Empiris
pada Perusahaan Manufaktur yang Terdaftar di Bursa Efek Indonesia
pada Tahun 2014-2017)”. Artikel jurusan akuntansi fakultas ekonomi
universitas negeri padang

Kusumawardana Yogi, Haryanto Mulyo. 2019. “Analisis Pengaruh Ukuran

Perusahaan, Laverage, Kepemilikan Institusional, dan Kepemilikan
Manajerial terhadap Manajemen Laba”. Diponegoro Journal of
Management. Volume 8, Nomor 2, tahun 2019, Hal. 148-158. ISSN
(Online): 2337-3792.

Larastomo Juoro, Halim Dedy Perdana, Hanung Triatmiki, Eko Arief

Sudaryono. 2016. “Pengaruh Tata Kelola Perusahaan dan
Penghindaran Pajak terhadap Manajemen Laba pada Perusahaan
Manufaktur di Indonesia”. Jurnal Bisnis dan Manajemen, Volume 6
(1), April 2016. P-ISSN: 2087-2038; E-ISSN: 2461-1182.

Mangkusuryo Yusuf, A. Waluyo Jati. 2017. ”Pengaruh Mekanisme Good

Corporate Governance terhadap Manajemen Laba”. Jurnal Reviu
Akuntansi dan Keuangan Vol. 7 No. 2, Oktober 2017 Pp 1067-1080.
ISSN: 2088-0685.

Marlinda Dian Eva, Kartika Hendra Titisari, Endang Masitoh. 2020.

“Pengaruh Gcg, Profitabilitas, Capital Intensity, dan Ukuran
Perusahaan terhadap Tax Avoidance”. Ekonomis: Journal of
Economics and Business, 4(1), Maret 2020: 39-47. ISSN 2597-8829
(Online).

Maruta, Heru. 2017. “Analisis Laporan Keuangan Model DU PONT sebagai

Analisis yang Integratif”. Jurnal STIE Syariah Bengkalis. Prodi
Manajemen Keuangan Syariah

115
Mayasani Ni Putu, I Gusti Ngurah Agung Suaryana. 2019. “Pengaruh Tax
Avoidance dan Mekanisme Corporate Governance pada Manajemen
Laba”. Denpasar, Vol. 28 No. 3 September 2019 Hal. 1886-1903. E-
JA e-

Mulyani Sri, Anita Wijayanti, Endang Masitoh. 2018. “Pengaruh Corporate

Governance terhadap Tax Avoidance (Perusahaan Pertambangan
yang Terdaftar di BEI)”. Jurnal Riset Akuntansi dan Bisnis Airlangga
Vol. 3. No. 1 (2018) 322-340. ISSN 2548-1401 (Print) ISSN 2548-
4346 (Online). Jurnal Akuntansi e-ISSN 2302-8556.

Nabila, Afifa, Daljono. 2017. “Pengaruh Proporsi Dewan Komisaris

Independen, Komite Audit, dan Reputasi Auditor terhadap
Manajemen Laba”. Diponegoro Journal of Accounting Volume 2,
Nomor 1, Tahun 2013, Halaman 1-10.

Praditasari Ni Koming Ayu, Putu Ery Setiawan. 2017. “Pengaruh Good

Corporate Governance Perusahaan, Leverage dan Profitabilitas pada
Tax Avoidance”. E-Jurnal Akuntansi Universitas Udayana Vol.19.2.
Mei (2017): 1229-1258. ISSN: 2302-8556

Pratomo, Dudi, Neda Alma. 2020. “Pengaruh Dewan Komisaris Independen,

Kepemilikan Institusional, Kepemilikan Manajerial, dan
Kepemilikan Asing terhadap Manajemen Laba (Studi Kasus pada
Perusahaan Sektor Pertambangan yang Terdaftar di Bursa Efek
Indonesia Periode 2014- 2018)”. Jurnal Akuntansi Keuangan dan
Bisnis Vol. 13, No. 2, November 2020, 98-107.

Pricilia Shierly, Liana Susanto. 2017. “Pengaruh Kepemilikan Institusional,

Kepemilikan Manajerial, Komisaris Independen, dan Ukuran Dewan
Komisaris terhadap Manajemen Laba serta Implikasinya terhadap
Kinerja Keuangan pada Perusahaan Manufaktur yang Terdaftar di
Bursa EfekIndonesia Periode 2012-2014”. Jurnal Ekonomi/Volume
XXII, No. 02, Juli 2017: 267- 285.

116
Putri Natasya, Wida Fadhlia. 2017. “Pergantian CEO, Penghindaran Pajak,
Kompensasi Eksekutif dan Manajemen Laba Studi Kausalitas pada
Perusahaan Manufaktur Indonesia”. Jurnal Ilmiah Mahasiswa
Ekonomi Akuntansi (JIMEKA) Vol. 2, No. 3, (2017) Halaman 86-99
E-ISSN 2581-1002.

Rahmawati Melai, Siti Noor Khikmah, Veni Soraya Dewi. 2017. “Pengaruh
Kualitas Auditor dan Corporate Governance terhadap Manajemen
Laba (Studi Empiris pada Perusahaan Manufaktur yang Terdaftar di
Bursa Efek Indonesia Periode 2011-2016)”. University Research
Colloquium 2017, Universitas Muhammadiyah Magelang, ISSN
2407-9189

Runturambi I V., et al. 2017. “Analisis Manajemen Laba pada Perusahaan di

Sektor Industri dan Food and Baverages yang Terdaftar di Bursa Efek
Indonesia Tahun 2015-2016”. Jurnal Riset Akuntansi Going Concern,
12 (2), 857-873.
Sarmo Sulaiman, Muttaqillah, Muhdin, Iwan Kusuma Negara. 2020.
“Pengaruh Kepemilikan Institusional, Proporsi Dewan Komisaris
Independen, Ukuran Perusahaan dan Leverage terhadap Manajemen
Laba”. JIAI (Jurnal Ilmiah Akuntansi Indonesia) Vol. 5, No. 2,
Oktober 2020 . ISSN (Print) : 2528-6501. ISSN (Online) : 2620-5432.

Santoso Ika Septiana. “Pengaruh Corporate Governance, Profitabilitas, dan

Ukuran Perusahaan Terhadap Tax Avoidance Pada Perusahaan
Manufaktur Yang Terdaftar di BEI”. Artikel Ilmiah. Sekolah Tinggi
Ilmu Ekonomi Perbanas Surabaya

Sandy, Syeldila dan Lukviarman, Niki. (2015). Pengaruh Corporate

Governance
Terhadap Tax Avoidance. JAAI Vol. 19 No. 2, Desember 2015: 85-
98

Subagiastra Komang. I Putu Rdy Arizona, I Nyoman Kusuma Adnyana

Mahaputra. 2016. “Pengaruh Profitabilitas, Kepemilikan Keluarga
dan Good Corporate Governance terhadap Penghindaran Pajak”.
Jurnal IlmiahAkuntansi Vol. 1, No. 2, Hal: 167-193 Desember 2016.

117
 Sujarweni, V Wiwatma. 2017. “Analisis Laporan Keuangan”. Yogyakarta:
Pustaka baru press.

Sulistyoningsih Novy, Asyik Nur Fadjrih. 2019. “Pengaruh Good Corporate

Governance dan Kinerja Keuangan terhadap Manajemen Laba”.
Jurnal Ilmu dan Riset Akuntansi e-ISSN: 2460-0585.

Sumanto Bowo, Asrori Kiswanto. 2018. “Pengaruh Kepemilikan

Institusional dan Ukuran Dewan Komisaris terhadap Manajemen
Laba”. Accounting Analysis Journal. Jurusan Akuntansi, Fakultas
Ekonomi, Universitas Negeri Semarang, Indonesia..

Suri Natasha, Intan Pramesti Dewi. 2018. “Pengaruh Mekanisme Good

Corporate Governance terhadap Manajemen Laba (Studi pada
PerusahaanManufaktur Sektor Food and Beverages yang Terdaftar di
Bursa Efek Indonesia Periode 2012 – 2016)”. Jurnal Sains
Manajemen & Akuntansi. Volume X No. 2 November 2018.

Swingly, Calvin dan I Made Sukartha, 2015. “Pengaruh Karakter Eksekutif,

Komite Audit, Leverage dan Sales Growth pada Tax Avoidance”. E-
Jurnal Akuntansi Universitas Udayana 10.1 (2015): 47-62. ISSN:
2302-8556.

Zakia Veni, Nur Diana, M. Cholid Mawardi. 2019. “Pengaruh Kepemilikan

Manajerial, Kepemilikan Institusional, Ukuran Perusahaan,
Leverage, Profitabilitas, Pertumbuhan Penjualan terhadap
Manajemen Laba dengan Good Corporate Governance sebagai
Variabel Moderating”. Fakultas Ekonomi dan Bisnis Universitas
Islam Malang. E-JRA Vol. 08 No. 04 Februari 2019.

Situs Lain :
https://www.cnbcindonesia.com
https://www.idx.co.id

118
LAMPIRAN

119
Lampiran 1 Daftar Hadir Bimbingan

Daftar Hadir Bimbingan

Tahun Akd 2021/2022

Periode 2
NIM 371801011
Nama Mahasiswa ISTIWA ISLAH
FADILAH
Judul Penelitian
Pembimbing 1 Ferdiansyah, SE.,M.Ak.
Pembimbing 2

No. Tanggal Materi Rekomendasi

1. 31/03/2022 Konsultasi Judul yg disetujui : pengaruh kepemilikan
topik, judul, dan institusional dan penghindaran pajak
variabel terhadap manajemen laba
penelitian
2. 07/04/2022 Bab 1 1. Perbaiki tata tulis dan estetika
penulisan. Masih berantakan. 2.
Fenomena PT. Akasha Wira Internasional
apakah relevan dengan masalah
manajemen laba? 3. Kepemilikan
institusional sebagai variabel yang pernah
diteliti sebelumnya 4. Terdapat beberapa
paragraf yang harus dihilangkan/dihapus.
5. Inkonsistensi hasil penelitian terdahulu
untuk hubungan antara penghindaran
pajak dengan manajemen laba tidak ada.
Tambahkan.
3. 19/05/2022 Bab 1 acc Bab 1 acc, siapkan bab 2 nya

4. 14/06/2022 Bab 2 1. Perbaiki tata tulis dan estetika

penulisan 2. Lanjutkan sisa bab 2 nya

5. 20/06/2022 Bab 2 Bab 2 ACC

6. 27/06/2022 Bab 3 Bab 3 ACC dengan catatan (tata tulis dan

estetika penulisan perbaiki)

7. 15/08/2022 Bab 4, Statistik Lanjutkan bab 4 nya.

deskriptif

120
8. 28/09/2022 Bab 4 1. Perbaiki tata tulis dan estetika
penulisan 2. Lengkapi pembahasan hasil
penelitian, termasuk implikasi penelitian,
serta keterbatasan penelitiannya.

9. 03/10/2022 Bab 4 Hasil pengujian hipotesis belum ada.

LENGKAPI

121
Lampiran 2 Populasi Perusahaan

Populasi Perusahaan
Daftar Perusahaan Manufaktur yang Terdaftar di Bursa Efek Indonesia
Periode 2016-2020
No Kode Nama Perusahaan
1. ADES Akasha Wira International Tbk.
2. ADMG Polychem Indonesia Tbk.
3. AGII Aneka Gas Industri Tbk.
4. AISA FKS Food Sejahtera Tbk.
5. AKPI Argha Karya Prima Industry Tbk.
6. ALDO Alkindo Naratama Tbk.
7. ALKA Alakasa Industrindo Tbk.
8. ALMI Alumindo Light Metal Industry Tbk.
9. ALTO Tri Banyan Tirta Tbk.
10. AMFG Asahimas Flat Glass Tbk.
11. APLI Asiaplast Industries Tbk.
12. ARGO Argo Pantes Tbk.
13. ARKA Arkha Jayanti Persada Tbk.
14. ARNA Arwana Citra Mulia Tbk.
15. ASII Astra Internasional Tbk.
16. AUTO Astra Otoparts Tbk.
17. AVIA Avia Avian Tbk.
18. BAJA Saranacentral Bajatama Tbk.
19. BATA Sepatu Bata Tbk.
20. BELL Trisula Textile Industries Tbk.
21. BIMA Primarindo Asia Infrastructure Tbk.
22. BOLT Garuda Metalindo Tbk.
23. BRAM Indo Korsda Tbk.
24. BRNA Berlina Tbk.
25. BRPT Barito Pacific Tbk.
26. BTEK Bumi Teknokultura Unggul Tbk.
27. BTON Beton Jaya Manunggal Tbk.
28. BUDI Budi Starch & Sweetener Tbk.
29. CAKK Cahayaputra Asa Keramik Tbk.
30. CAMP Campina Ice Cream Industry Tbk.
31. CBMF Cahaya Bintang Medan Tbk.

122
No. Kode Nama Perusahaan
32. CCSI Communication Cable Systems Indonesia Tbk.
33. CEKA Wilmar Cahaya Indonesia Tbk.
34. CINT Chitose Internasional Tbk.
35. CLEO Sariguna Primatirta Tbk.
36. CMNT Cemindo Gemilang Tbk.
37. CNTX Centex Tbk.
38. COCO Wahana Interfood Nusantara Tbk.
39. CPIN Charoen Pokphand Indonesia Tbk.
40. CPRO Central Proteina Prima Tbk.
41. CTBN Citra Tubindo Tbk.
42. DLTA Delta Djakarta Tbk.
43. DMND Diamond Food Indonesia Tbk.
44. DPNS Duta Pertiwi Indonesia Tbk.
45. DVLA Darya Varia Laboratoria Tbk.
46. EKAD Ekadharma Internasional Tbk.
47. ENZO Morenzo Abadi Perkasa Tbk.
48. EPAC Megalestari Epack Sentosaraya Tbk.
49. ERTX Eratex Djaja Tbk.
50. ESIP Sinergi Inti Plastindo Tbk.
51. ESTI Ever Shine Textile Industry Tbk.
52. ETWA Eterindo Wahanatama Tbk.
53. FASW Fajar Surya Wisesa Tbk.
54. FOOD Sentra Food Indonesia Tbk.
55. FPNI Lotte Chemical Titan Tbk.
56. GDST Gunawan Dianjaya Steel Tbk.
57. GDYR Goodyear Indonesia Tbk.
58. GGRM Gudang Garam Tbk.
59. GGRP Gunung Raja Paksi Tbk.
60. GJTL Gajah Tunggal Tbk.
61. GMFI Garuda Maintenance Facility Aero Asia Tbk.
62 GOOD Garudafood Putra Putri Jaya Tbk.
63. HDTX Panasia Indo Resources Tbk.
64. HMSP Handjaya Mandala Sampoerna Tbk.
65. HOKI Buyung Poetra Sembada Tbk.
66. HRTA Hartadinata Abadi Tbk.
67. ICBP Indofood CBP Sukses Makmur Tbk.
68. IFII Indonesia Fibreboard Industry Tbk.
69. IGAR Champion Pacific Indonesia Tbk.

123
No. Kode Nama Perusahaan
70. IIKP Inti Agri Resources Tbk.
71. IKAN Era Mandiri Cemerlang Tbk.
72. IKBI Sumi Indo Kabel Tbk.
73. IMAS Indomobil Sukses Internasional Tbk.
74. IMPC Impack Pratama Industri Tbk.
75. INAF Indofarma Tbk.
76. INAI Indal Alumunium Industry Tbk.
77. INCI Intan Wijaya Internasonal Tbk.
78. INCF Indo Komoditi Korpora Tbk.
79. INDF Indofood Sukses Makmur Tbk.
80. INDR Indo Rama Synthetics Tbk.
81. INDS Indospring Tbk.
82. INKP Indah Kiat Pulp & Paper Tbk.
83. INOV Incoyle Technology Group Tbk.
84. INRU Toba Pulp Lestari Tbk.
85. INTP Indocement Tunggal Prakarsa Tbk.
86. IPOL Indopoly Swakarsa Industry Tbk.
87. ISSP Steel Pipe Industry of Indonesia Tbk.
88. ITIC Indonesia Tobacco Tbk.
89. JECC Jembo Cable Company Tbk.
90. JKSW Jakarta Kyoei Steel Works Tbk.
91. JPFA Japfa Comfeed Indonesia Tbk.
92. JSKY Sky Energy Indonesia Tbk.
93. KAEF Kimia Farma Tbk.
94. KBLI KMI Wire & Cable Tbk.
95. KBLM Kabelindo Murni Tbk.
96. KBRI Kertas Basuki Rachmat Indonesia Tbk.
97. KDSI Kedawung Setia Industrial Tbk.
98. KEJU Mulia Boga Raya Tbk.
99. KIAS Keramik Indonesia Asosiasi Tbk.
100. KICI Kedaung Indonesia Can Tbk.
101. KINO Kino Indonesia Tbk.
102. KLBF Kalbe Farma Tbk.
103. KMTR Kirana Megatara Tbk.
104. KPAL Steadfast Marine Tbk.
105. KPAS Cottonindo Ariesta Tbk.
106. KRAH Grand Kartecth Tbk.
107. KRAS Kakatau Steel Tbk.

124
No. Kode Nama Perusahaan
108. LION Lion Metal Works Tbk.
109. LMPI Langgeng Makmur Industry Tbk.
110. LMSH Lionmesh Prima Tbk.
111. LPIN Multi Prima Sejahtera Tbk.
112. MAIN Malindo Feedmill Tbk.
113. MARK Mark Dynamics Indonesia Tbk.
114. MASA Multistrada Arah Sarana Tbk.
115. MBTO Martina Berto Tbk.
116. MDKI Emdeki Utama Tbk.
117. MERK Merck Indonesia Tbk.
118. MDNA Magna Investama Mandiri Tbk.
119. MLBI Multi Bintang Indonesia Tbk.
120. MLIA Mulia Industrindo Tbk.
121. MOLI Madusari Murni Indah Tbk.
122. MRAT Mustika Ratu Tbk.
123. MYOR Mayora Indah Tbk.
124. MYTX Asia Pacific Investama Tbk.
125. NASI Wahana Inti Makmur Tbk.
126. NIKL Pelat Timah Nusantara Tbk.
127. NIPS Nipress Tbk.
128. NPGF Nusa Palapa Gemilang Tbk.
129. OBMD OBM Drilchem Tbk.
130. PANI Pratama Abadi Nusa Industri Tbk.
131. PBID Panca Budi Idaman Tbk.
132. PBRX Pan Brothers Tbk.
133. PCAR Prima Cakrawala Abadi Tbk.
134. PEHA Phapros Tbk.
135. PICO Pelangi Indo Canindo Tbk.
136. POLU Golden Flower Tbk.
137. POLY Asia Pacific Fibers Tbk.
138. PRAS Prima Alloy Steel Universal Tbk.
139. PSDN Prasidha Aneka Niaga Tbk.
140. PTSN Sat Nusapersada Tbk.
141. PURE Trinitan Metals And Minerals Tbk.
142. PYFA Pyridam Farma Tbk.
143. RICY Ricky Putra Globalindo Tbk.
144. RMBA Bentoel Internasional Investama Tbk.
145. ROTI Nippon Indosari Corpindo Tbk.

125
No. Kode Nama Perusahaan
146. SAMF Saraswanti Anugerah Makmur Tbk.
147. SBMA Surya Biru Murni Acetylene Tbk.
148. SCCO Supreme Cable Manufacturing & Commerce Tbk.
149. SCNP Selaras Citra Nusantara Perkasa Tbk.
150. SCPI Organon Pharma Indonesia Tbk.
151. SIDO Industri Jamu & Farmasi Sido Muncul Tbk.
152. SINI Singaraja Putra Tbk.
153. SIPD Sreeya Sewu Indonesia Tbk.
154. SKBM Sekar Bumi Tbk.
155. SKLT Sekar Laut Tbk.
156. SLIS Gaya Abadi Sempurna Tbk.
157. SMBR Semen Baturaja (persero) Tbk.
158. SMCB Semen Bangun Indonesia Tbk.
159. SMGR Semen Indonesia (persero) Tbk.
160. SMKL Satyamitra Kemas Lestari Tbk.
161. SMSM Selamat Sempurna Tbk.
162. SOHO Soho Global Health Tbk.
163. SOFA Boston Furniture Indusries Tbk.
164. SPMA Suparma Tbk.
165. SQBB Taisho Pharmaceutical Indonesia Tbk.
166. SQBI Taisho Pharmaceutical Indonesia Tbk.
167. SRIL Sri Rejeki Isman Tbk.
168. SRSN Indo Acidatama Tbk.
169. SSTM Sunson Textile Manufacturer Tbk.
170. STAR Buana Artha Anugerah Tbk.
171. STTP Siantar Top Tbk.
172. SULI SLJ Global Tbk.
173. SWAT Sriwahana Adityakarta Tbk.
174. TALF Tunas Alfin Tbk.
175. TBLA Tunas Baru Lampung Tbk.
176. TBMS Tembaga Mulia Semanan Tbk.
177. TCID Mandom Indonesia Tbk.
178. TDPM Tridomain Perfomance Materials Tbk.
179. TFCO Tifico Fiber Indonesia Tbk.
180. TIRT Tirta Mahakam Resources Tbk.
181. TKIM Pabrik Kertas Tjiwi Kimia Tbk.
182. TOTO Surya Toto Indonesia Tbk.
183. TOYS Sunindo Adipersada Tbk.

126
No. Kode Nama Perusahaan
184. TPIA Chandra Asri Petrochemical Tbk.
185. TRIS Trisula Internasional Tbk.
186. TRST Trias Sentosa Tbk.
187. TSPC Tempo Scan Pacific Tbk.
188. UCID Uni Charm Indonesia Tbk.
189. ULTJ Ultrajaya Milk Industry & Trading Company Tbk.
190. UNIC Unggul Indah Cahaya Tbk.
191. UNIT Nusantara Inti Corpora Tbk.
192. UNVR Unilever Indonesia Tbk.
193. VOKS Voksel Electric Tbk.
194. WIIM Wismilak Inti Makmur Tbk.
195. WMUU Widodo Makmur Unggas Tbk.
196. WOOD Integra Indocabinet Tbk.
197. WSBP Waskita Beton Precast Tbk.
198. WTON Wijaya Karya Beton Tbk.
199. YPAS Yana Prima Hasta Persada Tbk.
200. ZONE Mega Perintis Tbk.

127
Lampiran 3 Daftar Sampel Penelitian

Daftar Sampel Perusahaan Manufaktur Periode 2016-2020

No Kode Nama Perusahaan

1. ADES Akasha Wira International Tbk.
2. AGII Aneka Gas Industri Tbk.
3. AKPI Argha Karya Prima Industry Tbk.
4. ALDO Alkindo Naratama Tbk.
5. AMFG Asahimas Flat Glass Tbk.
6. APLI Asiaplast Industries Tbk.
7.. ARNA Arwana Citra Mulia Tbk.
8. ASII Astra International Tbk.
9. BATA Sepatu Bata Tbk.
10. BELL Trisula Textile Induatrie Tbk.
11. BIMA Primarindo Asia Infrastructure Tbk.
12. BRAM Indo Kordsa Tbk.
13. BRPT Bario Pacific Tbk.
14. BTON Beton Jaya Manunggal Tbk.
15. BUDI Budi Strach & Sweetener Tbk.
16. CEKA Wilmar Cahaya Indonesia Tbk.
17. CPIN Charoen Pokphand Indonesia Tbk.
18. DLTA Delta Djakarta Tbk.
19. DPNS Duta Pertiwi Nusantara Tbk.
20. DVLA Darya Varia Laboratoria Tbk.
21. EKAD Ekadharma International Tbk.
22. GGRM Gudang Garam Tbk.
23. GJTL Gajah Tunggal Tbk.
24. HMSP Handjaya Mandala Sampoerna Tbk.
25. ICBP Indofood CBP Sukses Makmur Tbk.
26. IGAR Champion Pacific Indonesia Tbk.
27. IMPC Impack Pratama Industri Tbk.
28. INDF Indofood Sukses Makmur Tbk.
29. INDS Indospring Tbk.
30. INKP Indah Kiat Pulp & Paper Tbk.
31. INTP Indocement Tunggal Prakarsa Tbk.
32. IPOL Indopoly Swakarsa Industry Tbk.
33. ISSP Steel Pipe Industry of Indonesia Tbk.

128
 No Kode Nama Perusahaan
34. JECC Jembo Cable Compant Tbk.
35. JPFA Japra Comfeed Indonesia Tbk.
36. KBLI KMI Wire & Cable Tbk.
37. KBLM Kabelindo Murni Tbk.
38. KDSI Kedawung Setia Industrial Tbk.
39. KINO Kino Indonesia Tbk.
40. KLBF Kalbe Farma Tbk.
41. LION Lion Metal Works TBk.
42. MAIN Malindo Feedmill Tbk.
43. MLBI Multi Bintang Indonesia Tbk.
44. MLIA Mulia Industrindo Tbk.
45. MOLI Madusari Murni Indah Tbk.
46. MYOR Mayora Indah Tbk.
47 PICO Pelangi Indah Canindo Tk.
48. PSDN Prasidha Aneka Niaga Tbk.
49. PYFA Pyridam Farma Tbk.
50.. ROTI Nippon Indosari Corpindo Tbk.
51. SIDO Industri Jamu & Farmasi Sido Muncul Tbk.
52. SKLT Sekar Laut Tbk.
53. SMBR Semen Baturaja (persero) Tbk.
54. SMGR Semen Indonesia (persero) Tbk.
55. SMSM Selamat Sempurna Tbk.
56. SRSN Indo Acidatama Tbk.
57. STTP Siantar Top Tbk.
58. TALF Tunas Alfin Tbk.
59. TBMS Tembaga Mulia Semanan Tbk.
60. TCID Mandom Indonesia Tbk.
61. TOTO Surya Toto Indonesia Tbk.
62. TRST Trias Sentosa Tbk.
63. TSPC Tempo Scan Pasifik Tbk.
64. ULTJ Ulrajaya Milk Industry & Tranding Company Tbk.
65. UNIC Unggul Indah Cahya Tbk.
66. UNVR Unilever Indonesia Tbk.
67. VOKS Voksel Electric Tbk.
68. WIIM Wismililak Inti Makmur Tbk.
69. WTON Wijaya Karya Beton Tbk.

129
Lampiran 4 Data Perhitungan Kepemilikan Institusional

DATA PERHITUNGAN KEPEMILIKAN INSTITUSIONAL

KODE JML SAHAM JML SAHAM

TAHUN JML KM
SAHAM INSTITUSIONAL YANG BEREDAR

2016 556.860.623 542.347.113 1,027

2017 556.860.623 589.896.800 0,944

ADES
2018 556.860.623 589.896.800 0,944

2019 556.860.623 589.896.800 0,944

2020 556.860.623 589.896.800 0,944

2016 2.009.891.000 3.066.660.000 0,655

2017 2.009.891.000 3.066.660.000 0,655

AGII
2018 2.222.216.000 3.066.660.000 0,725

2019 2.265.257.540 3.066.660.000 0,739

2020 2.739.598.100 3.066.660.000 4,029

2016 389.747.943 680.000.000 0,573

AKPI

2017 476.175.852 680.000.000 0,700

130
KODE JML SAHAM JML SAHAM
TAHUN JML KM
SAHAM INSTITUSIONAL YANG BEREDAR

2018 477.478.323 680.000.000 0,702

2019 477.478.323 680.000.000 0,702

2020 477.478.323 680.000.000 0,702

2016 321.230.769 550.000.000 0,584

2017 321.230.769 550.000.000 0,584

ALDO
2018 321.230.769 550.000.000 0,584

2019 855.877.869 1.100.000.000 0,778

2020 855.888.269 1.100.000.000 0,778

2016 3.681.587.000 434.000.000.000 0,008

2017 3.681.177.000 434.000.000.000 0,008

AMFG
2018 2.081.387.000 434.000.000.000 0,005

2019 3.739.181.000 434.000.000.000 0,009

2020 4.112.953.000 434.000.000.000 0,009

APLI
2016 801.304.000 1.500.000.000 0,534

131
KODE JML SAHAM JML SAHAM
TAHUN JML KM
SAHAM INSTITUSIONAL YANG BEREDAR

2017 801.304.000 1.362.671.400 0,588

2018 801.304.000 1.362.671.400 0,588

2019 801.304.000 1.362.671.400 0,588

2020 804.014.600 1.362.671.400 0,590

2016 1.025.450.000 7.341.430.976 0,140

2017 1.026.150.000 7.341.430.976 0,140

ARNA
2018 1.026.388.000 7.341.430.976 0,140

2019 1.027.150.000 7.341.430.976 0,140

2020 4.752.823.382 7.341.430.976 0,647

2016 20.288.255.040 40.483.553.140 0,501

2017 20.188.255.040 40.483.553.140 0,499

ASII
2018 20.288.255.040 40.483.553.140 0,501

2019 20.288.255.040 40.483.553.240 0,501

2020 20.288.255.040 40.483.553.240 0,501

132
KODE JML SAHAM JML SAHAM
TAHUN JML KM
SAHAM INSTITUSIONAL YANG BEREDAR

2016 1.132.413.500 1.300.000.000 0,871

2017 1.132.413.500 1.300.000.000 0,871

BATA
2018 1.132.413.500 1.300.000.000 0,871

2019 1.131.985.200 1.300.000.000 0,871

2020 1.131.985.200 1.300.000.000 0,871

2016 700.000.000 1.045.531.525 0,670

2017 1.150.000.000 1.450.000.000 0,793

BELL
2018 1.150.000.000 1.450.000.000 0,793

2019 1.376.443.100 1.450.000.000 0,949

2020 6.569.533.800 7.250.000.000 0,906

2016 31.896.100 43.000.000 0,742

2017 31.589.250 43.000.000 0,735

BIMA

2018 582.862.056 608.175.716 0,958

2019 582.862.056 608.175.716 0,958

133
KODE JML SAHAM JML SAHAM
TAHUN JML KM
SAHAM INSTITUSIONAL YANG BEREDAR

2020 582.862.056 608.175.716 0,958

2016 5.686.585.835 450.000.000.000 0,013

2017 5.802.867.884 450.000.000.000 0,013

BRAM
2018 6.202.489.654 450.000.000.000 0,014

2019 5.954.064.545 450.000.000.000 0,013

2020 315.022.182 450.000.000.000 0,001

2016 64.149.551.607.338 6.979.892.784.000 9,191

2017 3.609.374.162.400 13.959.785.568.000 0,259

BRPT
2018 4.194.368.070.300 12.291.586.878.000 0,341

2019 20.131.866.081.500 89.015.998.170.000 0,226

2020 24.895.247.690 93.388.796.190 0,267

2016 14.138.000 720.000.000 0,020

BTON
2017 14.138.000 720.000.000 0,020

2018 - 720.000.000 -

134
KODE JML SAHAM JML SAHAM
TAHUN JML KM
SAHAM INSTITUSIONAL YANG BEREDAR

2019 - 720.000.000 -

2020 14.353.100 720.000.000 0,020

2016
2.402.568.831 4.498.997.362 0,534

2017
2.402.568.831 4.498.997.362 0,534

BUDI 2018
2.402.568.831 4.498.997.362 0,534

2019
2.602.568.831 4.498.997.362 0,578

2020
4.063.272.212 4.498.997.362 0,903

2016
517.771.000 595.000.000 0,870

2017
517.771.000 595.000.000 0,870

CEKA 2018
517.771.000 595.000.000 0,870

2019
517.771.000 595.000.000 0,870

2020
517.771.000 595.000.000 0,870

2016
9.106.385.410 16.398.000.000 0,555
CPIN
2017
9.106.385.410 16.398.000.000 0,555

135
KODE JML SAHAM JML SAHAM
TAHUN JML KM
SAHAM INSTITUSIONAL YANG BEREDAR

2018
9.106.385.410 16.398.000.000 0,555

2019
9.106.385.410 16.398.000.000 0,555

2020
9.106.385.410 16.398.000.000 0,555

2016
775.112.200 800.659.050 0,968

2017
653.907.150 800.659.050 0,817

DLTA 2018
773.738.350 800.659.050 0,966

2019
773.424.450 800.659.050 0,966

2020
770.693.850 800.659.050 0,963

2016
198.235.935.000 331.129.952.000 0,599

2017
198.235.935.000 331.129.952.000 0,599

DPNS 2018
220.774.238.000 331.129.952.000 0,667

2019
220.774.238.000 331.129.952.000 0,667

2020
220.774.238.000 331.129.952.000 0,667

DVLA 2016
1.031.800.912 1.120.000.000 0,921

136
KODE JML SAHAM JML SAHAM
TAHUN JML KM
SAHAM INSTITUSIONAL YANG BEREDAR

2017
1.056.262.772 1.120.000.000 0,943

2018
1.049.888.072 1.120.000.000 0,937

2019
1.048.606.572 1.120.000.000 0,936

2020
1.048.335.672 1.120.000.000 0,936

2016
527.200.720.000 698.775.000.000 0,754

2017
536.712.320.000 698.775.000.000 0,768

EKAD 2018
541.781.720.000 698.775.000.000 0,775

2019
548.343.820.000 698.775.000.000 0,785

2020
548.343.820.000 698.775.000.000 0,785

2016
1.829.807.688 1.924.088.000 0,951

2017
1.831.731.776 1.924.088.000 0,952

GGRM 2018
1.875.985.800 1.924.088.000 0,975

2019
1.850.972.656 1.924.088.000 0,962

2020
1.802.870.456 1.924.088.000 0,937

137
KODE JML SAHAM JML SAHAM
TAHUN JML KM
SAHAM INSTITUSIONAL YANG BEREDAR

2016
2.073.452.443 3.484.800.000 0,595

2017
2.073.452.443 3.484.800.000 0,595

GJTL 2018
2.073.452.443 3.484.800.000 0,595

2019
2.073.452.443 3.484.800.000 0,595

2020
2.073.452.443 3.484.800.000 0,595

2016
114.922.259.977 116.318.076.900 0,988

2017
115.012.225.282 116.318.076.900 0,989

HMSP 2018
114.938.701.302 116.318.076.900 0,988

2019
113.893.895.098 116.318.076.900 0,979

2020
111.950.118.698 116.318.076.900 0,962

2016
9.391.678.000 11.661.908.000 0,805

2017
9.391.678.000 11.661.908.000 0,805
ICBP
2018
9.391.678.000 11.661.908.000 0,805

2019
9.391.678.000 11.661.908.000 0,805

138
KODE JML SAHAM JML SAHAM
TAHUN JML KM
SAHAM INSTITUSIONAL YANG BEREDAR

2020
9.391.678.000 11.661.908.000 0,805

2016
824.612.420.000 972.204.500.000 0,848

2017
824.612.420.000 972.204.500.000 0,848

IGAR 2018
824.612.420.000 972.204.500.000 0,848

2019
824.612.420.000 972.204.500.000 0,848

2020
824.612.420.000 972.204.500.000 0,848

2016
3.256.380.000 4.833.500.000.000 0,001

2017
4.317.042.954.000 4.833.500.000.000 0,893

IMPC 2018
4.341.088.454.000 4.833.500.000.000 0,898

2019
4.341.088.454.000 4.833.500.000.000 0,898

2020
4.341.088.454.000 4.833.500.000.000 0,898

2016
4.396.103.450 8.780.426.500 0,501

INDF 2017
4.396.103.450 8.780.426.500 0,501

2018
4.396.103.450 8.780.426.500 0,501

139
KODE JML SAHAM JML SAHAM
TAHUN JML KM
SAHAM INSTITUSIONAL YANG BEREDAR

2019
4.396.103.450 8.780.426.500 0,501

2020
4.396.103.450 8.780.426.500 0,501

2016
578.210.207 656.249.710 0,881

2017
578.210.207 656.249.710 0,881

INDS 2018
578.210.207 656.249.710 0,881

2019
578.210.207 656.249.710 0,881

2020
578.210.207 656.249.710 0,881

2016
38.496.183.304.308 73.015.738.330.586 0,527

2017
39.078.846.950.904 74.120.876.884.668 0,527

INKP 2018
41.979.380.683.339 79.225.303.968.621 0,530

2019
40.500.256.260.098 76.052.133.862.841 0,533

2020
40.500.256.260.098 76.052.133.862.841 0,533

2016
1.877.480.863.000 3.681.231.699.000 0,510
INTP
2017
1.877.480.863.000 3.681.231.699.000 0,510

140
KODE JML SAHAM JML SAHAM
TAHUN JML KM
SAHAM INSTITUSIONAL YANG BEREDAR

2018
1.877.480.863.000 3.681.231.699.000 0,510

2019
1.877.480.863.000 3.681.231.699.000 0,510

2020
1.877.480.863.000 3.681.231.699.000 0,510

2016
63.132.911.075.480 85.993.342.927.114 0,734

2017
68.591.071.541.040 87.294.905.587.932 0,786

IPOL 2018
75.608.363.441.880 93.305.130.569.829 0,810

2019
72.580.060.783.480 89.569.418.554.609 0,810

2020
72.580.060.783.480 89.569.418.554.609 0,810

2016
4.020.063.930.000 7.185.992.035.000 0,559

2017
4.020.063.930.000 7.185.992.035.000 0,559

ISSP 2018
4.020.063.930.000 7.185.992.035.000 0,559

2019
4.020.063.930.000 7.185.992.035.000 0,559

2020
4.020.063.930.000 7.185.992.035.000 0,559

JECC 2016
136.303.300.000 151.200.000.000 0,901

141
KODE JML SAHAM JML SAHAM
TAHUN JML KM
SAHAM INSTITUSIONAL YANG BEREDAR

2017
127.474.300.000 151.200.000.000 0,843

2018
136.303.300.000 151.200.000.000 0,901

2019
136.303.300.000 151.200.000.000 0,901

2020
136.303.300.000 151.200.000.000 0,901

2016
7.186.031.335.000 11.410.522.910.000 0,630

2017
7.186.031.335.000 11.410.522.910.000 0,630

JPFA 2018
7.514.780.366.000 11.726.575.201.000 0,641

2019
6.148.115.716.000 11.726.575.201.000 0,524

2020
6.148.115.716.000 11.726.575.201.000 0,524

2016
2.345.034.899 4.007.235.107 0,585

2017
2.206.626.999 4.007.235.107 0,551

KBLI 2018
2.524.018.303 4.007.235.107 0,630

2019
1.996.210.816 4.007.235.107 0,498

2020
1.996.210.816 4.007.235.107 0,498

142
KODE JML SAHAM JML SAHAM
TAHUN JML KM
SAHAM INSTITUSIONAL YANG BEREDAR

2016
923.022.700.000 1.120.000.000.000 0,824

2017
913.381.200.000 1.120.000.000.000 0,816

KBLM 2018
916.977.800.000 1.120.000.000.000 0,819

2019
915.960.800.000 1.120.000.000.000 0,818

2020
915.960.800.000 1.120.000.000.000 0,818

2016
306.488.500.000 405.000.000.000 0,757

2017
317.691.000.000 405.000.000.000 0,784

KDSI 2018
317.691.000.000 405.000.000.000 0,784

2019
317.691.000.000 405.000.000.000 0,784

2020
317.691.000.000 405.000.000.000 0,784

2016
1.253.245.100 1.428.571.500 0,877

2017
1.255.892.500 1.428.571.500 0,879
KINO
2018
1.248.761.600 1.428.571.500 0,874

2019
1.262.071.600 1.428.571.500 0,883

143
KODE JML SAHAM JML SAHAM
TAHUN JML KM
SAHAM INSTITUSIONAL YANG BEREDAR

2020
1.227.059.700 1.428.571.500 0,859

2016
45.863.802.855 46.875.122.110 0,978

2017
26.614.076.385 46.875.122.110 0,568

KLBF 2018
26.702.656.085 46.875.122.110 0,570

2019
26.702.830.685 46.875.122.110 0,570

2020
43.672.145.710 46.875.122.110 0,932

2016
518.865.000.000 520.160.000.000 0,998

2017
518.865.000.000 520.160.000.000 0,998

LION 2018
518.865.000.000 520.160.000.000 0,998

2019
518.865.000.000 520.160.000.000 0,998

2020
518.865.000.000 520.160.000.000 0,998

2016
1.281.443.142 2.238.750.000 0,572

MAIN 2017
1.282.143.142 2.238.750.000 0,573

2018
1.282.143.142 2.238.750.000 0,573

144
KODE JML SAHAM JML SAHAM
TAHUN JML KM
SAHAM INSTITUSIONAL YANG BEREDAR

2019
1.282.143.142 2.238.750.000 0,573

2020
1.282.143.142 2.238.750.000 0,573

2016
1.723.151.000 2.107.000.000 0,818

2017
1.723.151.000 2.107.000.000 0,818

MLBI 2018
1.723.151.000 2.107.000.000 0,818

2019
2.069.038.300 2.107.000.000 0,982

2020
2.069.038.300 2.107.000.000 0,982

2016
1.088.600.521 1.323.000.000 0,823

2017
889.685.722 1.323.000.000 0,672

MLIA 2018
889.685.722 1.323.000.000 0,672

2019
396.173.422 1.323.000.000 0,299

2020
396.173.422 1.323.000.000 0,299

2016
1.176.821.091.000 1.983.888.498.000 0,593
MOLI
2017
1.176.821.091.000 1.983.888.498.000 0,593

145
KODE JML SAHAM JML SAHAM
TAHUN JML KM
SAHAM INSTITUSIONAL YANG BEREDAR

2018
1.176.821.091.000 1.983.888.498.000 0,593

2019
1.200.122.293.000 2.334.888.498.000 0,514

2020
1.200.122.293.000 2.334.888.498.000 0,514

2016
13.207.471.430 22.358.699.725 0,591

2017
13.207.471.430 22.358.699.725 0,591

MYOR 2018
13.207.471.430 22.358.699.725 0,591

2019
13.207.471.425 22.358.699.725 0,591

2020
13.207.471.425 22.358.699.725 0,591

2016
534.338.000.000 568.375.000.000 0,940

2017
534.338.000.000 568.375.000.000 0,940

PICO 2018
534.338.000.000 568.375.000.000 0,940

2019
433.997.791.000 568.375.000.000 0,764

2020
433.997.791.000 568.375.000.000 0,764

PSDN 2016
1.331.806.000 1.440.000.000 0,925

146
KODE JML SAHAM JML SAHAM
TAHUN JML KM
SAHAM INSTITUSIONAL YANG BEREDAR

2017
1.220.039.335 1.440.000.000 0,847

2018
1.220.039.335 1.440.000.000 0,847

2019
1.225.661.835 1.440.000.000 0,851

2020
1.225.661.835 1.440.000.000 0,851

2016
288.119.974 535.080.000 0,538

2017
288.119.974 535.080.000 0,538

PYFA 2018
288.119.974 535.080.000 0,538

2019
288.119.974 535.080.000 0,538

2020
371.018.312 535.080.000 0,693

2016
3.511.223.500 5.061.800.000 0,694

2017
4.523.028.207 6.186.488.888 0,731

ROTI 2018
4.523.028.207 6.186.488.888 0,731

2019
6.138.575.329 6.186.488.888 0,992

2020
6.138.575.329 6.186.488.888 0,992

147
KODE JML SAHAM JML SAHAM
TAHUN JML KM
SAHAM INSTITUSIONAL YANG BEREDAR

2016
12.150.000.000 15.000.000.000 0,810

2017
12.150.000.000 15.000.000.000 0,810

SIDO 2018
12.150.000.000 15.000.000.000 0,810

2019
14.458.675.519 15.000.000.000 0,964

2020
28.520.598.188 30.000.000.000 0,951

2016
675.094.100 690.740.500 0,977

2017
580.615.000 690.740.500 0,841

SKLT 2018
580.615.000 690.740.500 0,841

2019
675.095.800 690.740.500 0,977

2020
582.852.200 690.740.500 0,844

2016
7.500.000.000 9.837.678.500 0,762

2017
7.499.999.999 9.837.678.500 0,762
SMBR
2018
7.499.999.999 9.837.678.500 0,762

2019
7.499.999.999 9.837.678.500 0,762

148
KODE JML SAHAM JML SAHAM
TAHUN JML KM
SAHAM INSTITUSIONAL YANG BEREDAR

2020
9.393.050.800 9.932.534.336 0,946

2016
3.025.406.000 5.931.520.000 0,510

2017
3.025.406.000 5.931.520.000 0,510

SMGR 2018
3.025.406.000 5.931.520.000 0,510

2019
3.025.406.000 5.931.520.000 0,510

2020
3.025.406.000 5.931.520.000 0,510

2016
3.347.263.708 5.758.675.440 0,581

2017
3.347.263.708 5.758.675.440 0,581

SMSM 2018
3.347.263.708 5.758.675.440 0,581

2019
3.347.263.708 5.758.675.440 0,581

2020
4.816.070.435 5.758.675.440 0,836

2016
4.093.851.048 6.020.000.000 0,680

SRSN 2017
1.974.199.522 6.020.000.000 0,328

2018
1.974.198.800 6.020.000.000 0,328

149
KODE JML SAHAM JML SAHAM
TAHUN JML KM
SAHAM INSTITUSIONAL YANG BEREDAR

2019
1.974.198.800 6.020.000.000 0,328

2020
2.402.647.294 6.020.000.000 0,399

2016
743.600.500 1.310.000.000 5,676

2017
743.600.500 1.310.000.000 0,568

STTP 2018
743.600.500 1.310.000.000 0,568

2019
832.424.100 1.310.000.000 0,635

2020
832.424.100 1.310.000.000 0,635

2016
1.345.495.900 1.353.435.000 0,994

2017
1.345.715.600 1.353.435.000 0,994

TALF 2018
1.345.715.600 1.353.435.000 0,994

2019
1.345.715.600 1.353.435.000 0,994

2020
1.345.715.600 1.353.435.000 0,994

2016
316.754.000 367.340.000 0,862
TBMS
2017
316.754.000 367.340.000 0,862

150
KODE JML SAHAM JML SAHAM
TAHUN JML KM
SAHAM INSTITUSIONAL YANG BEREDAR

2018
316.754.000 367.340.000 0,862

2019
316.754.000 367.340.000 0,862

2020
316.754.000 367.340.000 0,862

2016
148.334.763 201.066.667 0,738

2017
148.428.496 201.066.667 0,738

TCID 2018
148.438.129 201.066.667 0,738

2019
152.604.259 201.066.667 0,759

2020
175.986.221 201.066.667 0,875

2016
9.531.686.400 10.320.000.000 0,924

2017
9.531.686.400 10.320.000.000 0,924

TOTO 2018
6.795.560.760 10.320.000.000 0,658

2019
9.531.686.400 10.320.000.000 0,924

2020
9.531.686.400 10.320.000.000 0,924

TRST 2016
223.760.000 800.000.000 0,280

151
KODE JML SAHAM JML SAHAM
TAHUN JML KM
SAHAM INSTITUSIONAL YANG BEREDAR

2017
223.760.000 800.000.000 0,280

2018
223.760.000 800.000.000 0,280

2019
223.760.000 800.000.000 0,280

2020
594.710.400 800.000.000 0,743

2016
3.528.900.000 4.500.000.000 0,784

2017
3.528.900.000 4.500.000.000 0,784

TSPC 2018
3.835.800.000 4.500.000.000 0,852

2019
3.835.800.000 4.500.000.000 0,852

2020
4.391.698.458 4.500.000.000 0,976

2016
1.071.448.000 2.888.000.000 0,371

2017
4.258.067.200 11.552.000.000 0,369

ULTJ 2018
4.193.376.000 11.552.000.000 0,363

2019
4.203.338.260 11.552.000.000 0,364

2020
2.123.271.600 10.398.000.000 0,204

152
KODE JML SAHAM JML SAHAM
TAHUN JML KM
SAHAM INSTITUSIONAL YANG BEREDAR

2016
222.965.970 383.331.363 0,582

2017
222.965.970 383.331.363 0,582

UNIC 2018
222.965.970 383.331.363 0,582

2019
222.965.970 383.331.363 0,582

2020
245.824.870 383.331.363 0,641

2016
7.545.510.194 7.630.000.000 0,989

2017
7.555.834.685 7.630.000.000 0,990

UNVR 2018
7.186.382.680 7.630.000.000 0,942

2019
7.535.624.839 7.630.000.000 0,988

2020
37.484.602.729 38.150.000.000 0,983

2016
524.376.657 831.120.519 0,631

2017
2.649.910.210 4.155.602.595 0,638
VOKS
2018
2.882.677.570 4.155.602.595 0,694

2019
2.246.160.663 4.155.602.595 0,541

153
KODE JML SAHAM JML SAHAM
TAHUN JML KM
SAHAM INSTITUSIONAL YANG BEREDAR

2020
2.246.160.663 4.155.602.595 0,541

2016
925.997.450 2.099.873.800 0,441

2017
799.938.643 2.099.873.800 0,381

WIIM 2018
799.938.643 2.099.873.800 0,381

2019
799.938.643 2.099.873.800 0,381

2020
782.538.643 2.099.873.800 0,373

2016
5.229.280.000 8.715.466.600 0,600

2017
5.229.280.000 8.715.466.600 0,600

WTON 2018
5.229.280.000 8.715.466.600 0,600

2019
5.229.280.000 8.715.466.600 0,600

2020
5.827.165.749 8.715.466.600 0,669

154
Lampiran 5 Data Perhitungan Tax Avoidance

DATA PERHITUNGAN TAX AVOIDANCE

KODE PEMBAYARAN LABA SEBELUM

TAHUN CETR
SAHAM PAJAK PAJAK

2016
6.874.000.000 61.636.000.000 0,112
2017
6.344.000.000 51.095.000.000 0,124
ADES 2018
6.133.000.000 70.060.000.000 0,088
2019
15.885.000.000 110.179.000.000 0,144
2020
19.093.000.000 167.919.000.000 0,114
2016
15.316.000.000 87.915.000.000 0,174
2017
17.013.000.000 133.820.000.000 0,127
AGII 2018
19.101.000.000 147.639.000.000 0,129
2019
22.018.000.000 138.137.000.000 0,159
2020
18.322.000.000 99.862.000.000 0,183
2016
26.771.689.000 75.952.611.000 0,352
2017
32.373.850.000 31.813.498.000 1,018
AKPI 2018
15.357.229.000 91.686.890.000 0,167
2019
33.617.894.000 78.501.405.000 0,428
2020
9.594.782.000.000 40.676.936.000.000 0,236
2016
10.397.020.319.000 33.847.325.358.000 0,307
2017
11.533.291.195.000 38.621.790.950.000 0,299
ALDO
2018
3.515.846.766.000 36.734.487.412.000 0,096
2019
10.121.360.588.000 61.645.955.048.000 0,164

155
KODE PEMBAYARAN LABA SEBELUM
TAHUN CETR
SAHAM PAJAK PAJAK

2020
24.962.387.219.000 83.963.236.519.000 0,297
2016
117.634.000.000 348.561.000.000 0,337
2017
60.494.000.000 63.589.000.000 0,951
AMFG 2018
72.818.000.000 11.184.000.000 6,511
2019
34.443.000.000 168.416.000.000 0,205
2020
7.980.000.000 465.748.000.000 0,017
2016
5.724.151.169.000 33.523.652.447.000 0,171
2017
5.768.481.145.000 3.897.608.083.000 1,480
APLI 2018
5.525.481.894.000 19.799.477.242.000 0,279
2019
6.883.636.639.000 19.570.567.909.000 0,352
2020
6.569.795.964.000 2.070.661.333.000 3,173
2016
30.383.985.120.000 123.838.299.924.000 0,245
2017
34.886.327.895.000 166.203.941.034.000 0,210
ARNA 2018
55.097.062.037.000 211.729.940.176.000 0,260
2019
66.496.366.102.000 291.607.365.374.000 0,228
2020
58.526.382.894.000 420.626.406.830.000 0,139
2016
5.426.000.000.000 22.253.000.000.000 0,244
2017
6.369.000.000.000 29.196.000.000.000 0,218
ASII 2018
8.010.000.000.000 34.995.000.000.000 0,229
2019
10.943.000.000.000 34.054.000.000.000 0,321
2020
6.052.000.000 21.741.000.000 0,278

156
KODE PEMBAYARAN LABA SEBELUM
TAHUN CETR
SAHAM PAJAK PAJAK

2016
27.566.960.000.000 65.302.022.000.000 0,422
2017
22.005.123.000.000 79.524.179.000.000 0,277
BATA 2018
34.031.709.000.000 92.878.105.000.000 0,366
2019
25.482.096.000.000 35.857.813.000.000 0,711
2020
6.409.273.000 225.041.792.000 0,028
2016
20.051.389.227.000 47.947.291.257.000 0,418
2017
5.135.521.819.000 20.231.713.304.000 0,254
BELL 2018
7.242.141.142.000 30.825.297.382.000 0,235
2019
7.492.122.126.000 35.318.255.384.000 0,212
2020
8.044.010.270.000 14.071.086.133.000 0,572
2016
970.220.190.000 29.869.197.190.000 0,032
2017
8.710.330.725.000 10.901.810.252.000 0,799
BIMA 2018
4.805.452.285.000 3.179.255.211.000 1,512
2019
1.277.974.057.000 4.052.895.029.000 0,315
2020
872.017.464.000 40.351.529.424.000 0,022
2016
89.110.441.240 414.228.530.284 0,215
2017
137.957.563.404 461.572.746.024 0,299
BRAM 2018
134.937.447.921 392.391.657.000 0,344
2019
7.078.438.000.000 20.538.844.000.000 0,345
2020
1.583.151.000.000 4.262.413.000.000 0,371
BRPT 2016
925.424.986.000 5.072.053.878.000 0,182

157
KODE PEMBAYARAN LABA SEBELUM
TAHUN CETR
SAHAM PAJAK PAJAK

2017
3.307.432.596.000 8.001.828.144.000 0,413
2018
3.684.212.577.000 6.600.570.129.000 0,558
2019
2.138.974.672.000 3.845.975.769.000 0,556
2020
198.595.000.000 244.472.000.000 0,812
2016
1.097.792.650.000 8.214.698.964.000 0,134
2017
14.786.159.000 14.737.057.056.000 0,001
BTON 2018
3.421.230.379.000 34.236.874.970.000 0,100
2019
5.738.079.066.000 2.890.115.839.000 1,985
2020
75.116.000.000 4.697.219.006.000 0,016
2016
16.781.000.000 52.832.000.000 0,318
2017
5.362.000.000 61.016.000.000 0,088
BUDI 2018
25.799.000.000 71.781.000.000 0,359
2019
15.448.000.000 83.905.000.000 0,184
2020
91.202.000.000 69.312.000.000 1,316
2016
71.741.157.316.000 285.827.837.455.000 0,251
2017
48.635.458.386.000 143.195.939.366.000 0,340
CEKA 2018
13.897.283.933.000 123.394.812.359.000 0,113
2019
51.024.771.845.000 285.132.249.695.000 0,179
2020
68.470.778.126.000 232.864.791.126.000 0,294
2016
564.587.000.000 3.983.661.000.000 0,142
CPIN
2017
1.452.945.000.000 3.259.822.000.000 0,446

158
KODE PEMBAYARAN LABA SEBELUM
TAHUN CETR
SAHAM PAJAK PAJAK

2018
918.248.000.000 5.907.351.000.000 0,155
2019
1.949.684.000.000 4.608.641.000.000 0,423
2020
1.166.389.000.000 4.767.698.000.000 0,245
2016
85.426.694.000.000 327.047.654.000.000 0,261
2017
95.717.980.000.000 369.012.853.000.000 0,259
DLTA 2018
94.339.700.000.000 441.248.218.000.000 0,214
2019
87.631.571.000.000 412.437.215.000.000 0,212
2020
59.940.288.000.000 164.704.480.000.000 0,364
2016
31.134.771.000 12.288.056.506.000 0,003
2017
1.880.683.295.000 7.568.252.565.000 0,248
DPNS 2018
1.094.008.767.000 12.347.569.714.000 0,089
2019
2.213.581.973.000 5.302.563.264.000 0,417
2020
6.925.727.543.000 4.461.029.495.000 1,552
2016
40.763.252.000.000 214.417.956.000.000 0,190
2017
53.649.116.000.000 226.147.921.000.000 0,237
DVLA 2018
76.348.303.000.000 27.284.390.400.000 2,798
2019
79.897.505.000.000 301.250.035.000.000 0,265
2020
57.943.498.000.000 214.069.167.000.000 0,271
2016
15.028.285.649.000 118.449.029.979.000 0,127
EKAD 2017
38.261.692.997.000 102.649.309.681.000 0,373
2018
29.115.691.717.000 101.455.415.901.000 0,287

159
KODE PEMBAYARAN LABA SEBELUM
TAHUN CETR
SAHAM PAJAK PAJAK

2019
30.483.889.023.000 111.834.501.956.000 0,273
2020
22.754.445.504.000 123.522.654.770.000 0,184
2016
2.405.902.000.000 8.931.136.000.000 0,269
2017
2.638.900.000.000 10.436.512.000.000 0,253
GGRM 2018
2.897.496.000.000 10.479.242.000.000 0,276
2019
3.204.640.000.000 14.487.736.000.000 0,221
2020
2.251.510.000.000 9.663.133.000.000 0,233
2016
200.533.000.000 29.869.197.190.000.000 0,000
2017
239.880.000.000 10.901.810.252.000.000 0,000
GJTL 2018
162.840.000.000 3.179.255.211.000.000 0,000
2019
231.577.000.000 457.876.000.000 0,506
2020
62.044.000.000 476.377.000.000 0,130
2016
3.826.053.000.000 17.011.447.000.000 0,225
2017
4.337.944.000.000 16.894.806.000.000 0,257
HMSP 2018
4.412.498.000.000 17.961.269.000.000 0,246
2019
4.630.741.000.000 18.259.423.000.000 0,254
2020
2.948.120.000.000 11.161.466.000.000 0,264
2016
1.530.642.000.000 4.989.254.000.000 0,307
2017
1.862.383.000.000 5.206.561.000.000 0,358
ICBP
2018
2.005.525.000.000 6.446.785.000.000 0,311
2019
1.684.628.000.000 9.958.647.000.000 0,169

160
KODE PEMBAYARAN LABA SEBELUM
TAHUN CETR
SAHAM PAJAK PAJAK

2020
2.817.278.000.000 9.935.232.000.000 0,284
2016
20.320.848.027.000 95.774.588.017.000 0,212
2017
33.389.113.795.000 95.764.791.063.000 0,349
IGAR 2018
27.168.554.186.000 61.747.960.127.000 0,440
2019
21.766.110.579.000 83.534.447.014.000 0,261
2020
18.889.933.731.000 83.166.786.329.000 0,227
2016
39.267.826.741.000 164.796.167.232.000 0,238
2017
35.837.323.880.000 111.423.979.247.000 0,322
IMPC 2018
33.682.665.107.000 117.459.959.119.000 0,287
2019
12.166.259.978.000 78.665.948.594.000 0,155
2020
10.763.102.688.000 135.690.181.916.000 0,079
2016
2.678.358.000.000 7.385.228.000.000 0,363
2017
3.422.799.000.000 7.658.554.000.000 0,447
INDF 2018
3.460.973.000.000 7.446.966.000.000 0,465
2019
2.361.672.000.000 8.749.397.000.000 0,270
2020
2.784.615.000.000 12.426.334.000.000 0,224
2016
23.927.426.317.000 60.140.115.829.000 0,398
2017
26.170.174.192.000 160.340.854.561.000 0,163
INDS 2018
47.600.009.458.000 174.554.322.152.000 0,273
2019
37.126.886.347.000 130.070.871.745.000 0,285
2020
15.500.891.661.000 75.316.440.467.000 0,206

161
KODE PEMBAYARAN LABA SEBELUM
TAHUN CETR
SAHAM PAJAK PAJAK

2016
43.347.808.000 1.939.307.260.000 0,022
2017
209.303.052.000 6.192.614.676.000 0,034
INKP 2018
552.913.542.000 10.654.468.155.000 0,052
2019
2.162.244.946.000 5.966.863.412.000 0,362
2020
770.569.460.000 5.750.021.252.000 0,134
2016
754.245.000.000 4.145.632.000.000 0,182
2017
274.627.000.000 2.287.274.000.000 0,120
INTP 2018
167.132.000.000 1.400.822.000.000 0,119
2019
76.104.000.000 2.274.427.000.000 0,033
2020
311.374.000.000 2.148.328.000.000 0,145
2016
33.832.350.228 137.815.573.868 0,245
2017
4.942.188.468 47.463.494.184 0,104
IPOL 2018
57.507.048.567 110.616.159.510 0,520
2019
18.430.251.622 92.739.732.906 0,199
2020
33.812.096.036.000 187.440.072.648.000 0,180
2016
51.100.000.000 139.149.000.000 0,367
2017
21.179.000.000 20.430.000.000 1,037
ISSP 2018
10.055.000.000 59.637.000.000 0,169
2019
76.306.000.000 233.293.000.000 0,327
2020
19.793.000.000 154.954.000.000 0,128
JECC 2016
38.246.392.000 175.425.515.000 0,343

162
KODE PEMBAYARAN LABA SEBELUM
TAHUN CETR
SAHAM PAJAK PAJAK

2017
60.753.310.000 111.623.616.000 0,544
2018
4.956.846.000 122.048.569.000 0,041
2019
6.428.385.000 142.867.729.000 0,045
2020
36.614.283.000 21.247.754.000 1,723
2016
419.397.000.000 2.766.591.000.000 0,152
2017
674.877.000.000 1.710.054.000.000 0,395
JPFA 2018
788.421.000.000 2.918.114.000.000 0,270
2019
1.222.093.000.000 2.494.477.000.000 0,490
2020
335.394.000.000 1.679.091.000.000 0,200
2016
60.705.492.363.000 386.129.743.485.000 0,157
2017
104.974.127.449.000 428.884.849.225.000 0,245
KBLI 2018
49.693.745.885.000 308.977.208.238.000 0,161
2019
97.775.453.785.000 499.080.077.892.000 0,196
2020
47.761.897.782.000 57.059.161.518.000 0,837
2016
3.405.735.812.000 34.528.844.006.000 0,099
2017
27.458.663.018.000 44.548.264.596.000 0,616
KBLM 2018
9.104.072.397.000 64.508.435.214.000 0,141
2019
17.072.956.339.000 48.831.643.532.000 0,350
2020
6.945.400.385.000 9.130.021.231.000 0,761
2016
7.916.973.243.000 63.697.916.133.000 0,124
KDSI
2017
27.224.211.124.000 93.363.070.902.000 0,292

163
KODE PEMBAYARAN LABA SEBELUM
TAHUN CETR
SAHAM PAJAK PAJAK

2018
33.565.882.403.000 103.955.745.914.000 0,323
2019
30.833.924.584.000 94.926.825.515.000 0,325
2020
19.969.593.099.000 82.952.707.385.000 0,241
2016
89.613.261.669.000 219.312.978.691.000 0,409
2017
54.442.838.200.000 140.964.951.060.000 0,386
KINO 2018
34.557.803.047.000 200.385.373.873.000 0,172
2019
108.800.715.984.000 636.096.776.179.000 0,171
2020
75.294.227.229.000 135.159.940.052.000 0,557
2016
752.684.488.364.000 3.091.188.460.230.000 0,243
2017
782.316.500.559.000 3.241.186.725.992.000 0,241
KLBF 2018
838.106.813.718.000 3.306.399.669.021.000 0,253
2019
839.509.478.376.000 3.402.616.824.533.000 0,247
2020
602.524.461.985.000 3.627.623.574.744.000 0,166
2016
17.898.756.417.000 54.671.394.698.000 0,327
2017
12.430.253.792.000 20.175.438.794.000 0,616
LION 2018
7.979.956.206.000 23.908.625.171.000 0,334
2019
7.132.482.607.000 5.763.388.287.000 1,238
2020
4.528.356.534.000 7.110.199.333.000 0,637
2016
71.092.202.000 314.707.065.000 0,226
MAIN 2017
77.637.942.000 143.030.698.000 0,543
2018
59.332.110.000 398.187.122.000 0,149

164
KODE PEMBAYARAN LABA SEBELUM
TAHUN CETR
SAHAM PAJAK PAJAK

2019
171.577.374.000 248.776.840.000 0,690
2020
54.778.170.000 20.070.557.000 2,729
2016
252.522.000.000 1.320.186.000.000 0,191
2017
467.798.000.000 1.780.020.000.000 0,263
MLBI 2018
500.380.000.000 1.671.912.000.000 0,299
2019
456.918.000.000 1.626.612.000.000 0,281
2020
246.674.000.000 396.470.000.000 0,622
2016
52.892.340.000 1.147.427.000 46,096
2017
25.009.427.000 22.229.696.000 1,125
MLIA 2018
80.146.021.000 264.824.823.000 0,303
2019
163.736.787.000 187.176.793.000 0,875
2020
41.324.626.000 120.544.205.000 0,343
2016
27.558.696.234.000 62.004.422.749.000 0,444
2017
19.496.992.844.000 115.752.823.694.000 0,168
MOLI 2018
32.524.948.000 12.911.752.000 2,519
2019
28.127.293.000 82.408.851.000 0,341
2020
25.951.055.000 105.501.929.000 0,246
2016
535.275.278.217.000 1.845.683.269.238.000 0,290
2017
588.474.260.121.000 2.186.884.603.474.000 0,269
MYOR
2018
723.570.678.622.000 2.381.942.198.855.000 0,304
2019
547.269.067.440.000 2.704.466.581.011.000 0,202

165
KODE PEMBAYARAN LABA SEBELUM
TAHUN CETR
SAHAM PAJAK PAJAK

2020
614.758.865.448.000 2.683.890.279.936.000 0,229
2016
612.188.290.000 17.285.721.005.000 0,035
2017
5.705.316.394.000 19.249.539.964.000 0,296
PICO 2018
6.445.591.543.000 17.802.088.423.000 0,362
2019
1.021.694.702.000 9.512.852.655.000 0,107
2020
2.732.344.653.000 64.269.139.438.000 0,043
2016
9.865.780.556.000 50.871.812.791.000 0,194
2017
27.136.964.270.000 61.364.326.999.000 0,442
PSDN 2018
26.589.202.525.000 81.587.515.133.000 0,326
2019
33.113.190.399.000 106.504.030.071.000 0,311
2020
20.614.017.424.000 33.306.275.241.000 0,619
2016
2.274.563.489.000 7.053.407.169.000 0,322
2017
2.094.731.164.000 9.599.280.773.000 0,218
PYFA 2018
2.961.618.997.000 11.317.236.776.000 0,262
2019
3.136.873.761.000 12.518.822.477.000 0,251
2020
4.303.412.969.000 29.642.208.781.000 0,145
2016
101.019.619.984.000 369.416.841.698.000 0,273
2017
49.102.534.677.000 186.147.334.530.000 0,264
ROTI 2018
20.320.139.824.000 186.936.324.915.000 0,109
2019
55.180.972.607.000 347.098.820.613.000 0,159
2020
32.380.538.836.000 160.357.537.779.000 0,202

166
KODE PEMBAYARAN LABA SEBELUM
TAHUN CETR
SAHAM PAJAK PAJAK

2016
171.160.000.000 629.082.000.000 0,272
2017
147.330.000.000 681.889.000.000 0,216
SIDO 2018
189.738.000.000 867.837.000.000 0,219
2019
222.621.000.000 1.073.835.000.000 0,207
2020
244.347.000.000 1.199.548.000.000 0,204
2016
8.026.883.297.000 25.166.206.536.000 0,319
2017
8.237.550.980.000 27.370.565.356.000 0,301
SKLT 2018
6.739.406.776.000 39.567.679.343.000 0,170
2019
14.650.111.931.000 56.782.206.578.000 0,258
2020
130.595.564.582.000 55.673.983.557.000 2,346
2016
81.103.544.000.000 349.280.550.000.000 0,232
2017
48.490.108.000.000 208.947.154.000.000 0,232
SMBR 2018
56.926.290.000.000 145.356.709.000.000 0,392
2019
265.889.000.000 86.572.265.000.000 0,003
2020
365.931.000.000 36.467.602.000.000 0,010
2016
1.544.512.150.000 5.084.621.543.000 0,304
2017
1.147.544.131.000 2.746.546.363.000 0,418
SMGR 2018
542.907.169.000 4.104.959.323.000 0,132
2019
616.721.000.000 3.195.775.000.000 0,193
2020
1.195.316.000.000 3.488.650.000.000 0,343
SMSM 2016
135.020.000.000 658.208.000.000 0,205

167
KODE PEMBAYARAN LABA SEBELUM
TAHUN CETR
SAHAM PAJAK PAJAK

2017
167.001.000.000 720.638.000.000 0,232
2018
193.018.000.000 828.281.000.000 0,233
2019
201.818.000.000 822.042.000.000 0,246
2020
137.832.000.000 693.444.000.000 0,199
2016
17.610.944.000 1.688.362.000 10,431
2017
1.005.112.000 18.969.208.000 0,053
SRSN 2018
8.338.542.000 50.845.763.000 0,164
2019
18.614.426.000 57.029.659.000 0,326
2020
8.193.767.000 61.027.867.000 0,134
2016
45.345.049.181.000 217.746.308.540.000 4,802
2017
60.687.733.168.000 288.545.819.603.000 4,755
STTP 2018
89.810.904.314.000 324.694.650.175.000 3,615
2019
92.823.915.898.000 607.043.293.422.000 6,540
2020
115.958.847.906.000 773.607.195.121.000 6,671
2016
9.809.110.259.000 41.045.743.182.000 0,239
2017
9.365.983.573.000 31.954.151.234.000 0,293
TALF 2018
14.155.089.100.000 60.866.228.487.000 0,233
2019
20.270.528.875 30.106.862.755.000 0,001
2020
10.449.158.148.000 31.098.991.418.000 0,336
2016
5.605.947.262.000 128.995.202.468.000 0,043
TBMS
2017
99.366.532.488.000 143.932.312.692.000 0,690

168
KODE PEMBAYARAN LABA SEBELUM
TAHUN CETR
SAHAM PAJAK PAJAK

2018
162.797.487.264.000 123.138.560.817.000 1,322
2019
17.685.644.557.000 110.623.810.475.000 0,160
2020
149.350.408.520.000 86.381.831.640.000 1,729
2016
33.536.827.158.000 221.475.875.643.000 0,151
2017
66.616.437.948.000 243.083.045.787.000 0,274
TCID 2018
78.201.157.875.000 234.625.954.664.000 0,333
2019
50.295.267.261.000 200.992.358.095.000 0,250
2020
154.836.107.409.000 57.357.757.687.000 2,699
2016
94.715.903.786.000 251.673.531.210.000 0,376
2017
76.205.502.869.000 377.660.867.510.000 0,202
TOTO 2018
98.653.823.687.000 451.998.563.901.000 0,218
2019
80.111.168.888.000 185.479.305.304.000 0,432
2020
17.103.712.127.000 1.778.690.961.000 9,616
2016
21.357.853.296.000 60.395.884.756.000 0,354
2017
15.003.168.012.000 44.777.509.057.000 0,335
TRST 2018
20.328.919.188.000 70.678.434.952.000 0,288
2019
18.416.717.612.000 83.804.736.499.000 0,220
2020
9.445.689.085.000 46.317.333.298.000 0,204
2016
466.394.302.993.000 718.958.200.369.000 1,542
TSPC 2017
538.603.804.385.000 744.090.262.873.000 1,382
2018
526.447.491.388.000 727.700.178.905.000 1,382

169
KODE PEMBAYARAN LABA SEBELUM
TAHUN CETR
SAHAM PAJAK PAJAK

2019
608.007.758.084.000 796.220.911.472.000 1,310
2020
521.052.950.620.000 1.064.448.534.874.000 2,043
2016
253.029.785.147.000 932.482.782.655.000 0,271
2017
347.000.000.000 1.026.231.000.000 0,338
ULTJ 2018
291.922.000.000 949.018.000.000 0,308
2019
287.947.000.000 1.375.359.000.000 0,209
2020
321.089.000.000 1.421.517.000.000 0,226
2016
50.595.366.646.000 177.444.799.234.000 0,285
2017
70.170.741.516.000 2.297.075.186.760.000 0,031
UNIC 2018
61.852.912.515.000 407.524.924.683.000 0,152
2019
105.589.396.513.000 191.060.960.004.000 0,553
2020
49.223.884.960.000 570.981.671.080.000 0,086
2016
2.066.894.000.000 8.571.855.000.000 0,241
2017
2.406.049.000.000 9.371.661.000.000 0,257
UNVR 2018
2.340.586.000.000 12.185.764.000.000 0,192
2019
3.120.471.000.000 9.901.772.000.000 0,315
2020
1.693.036.000.000 9.206.869.000.000 0,184
2016
61.071.508.582.000 224.343.824.106.000 0,272
2017
125.333.754.671.000 230.242.661.579.000 0,544
VOKS
2018
145.526.446.588.000 141.989.954.853.000 1,025
2019
108.328.948.691.000 258.947.121.683.000 0,418

170
KODE PEMBAYARAN LABA SEBELUM
TAHUN CETR
SAHAM PAJAK PAJAK

2020
60.452.396.977.000 7.158.362.929.000 8,445
2016
45.325.281.371.000 136.662.997.252.000 0,332
2017
31.638.662.019.000 54.491.308.212.000 0,581
WIIM 2018
18.067.051.524.000 70.730.637.719.000 0,255
2019
14.976.706.662.000 42.874.167.628.000 0,349
2020
14.115.264.412.000 215.214.468.586.000 0,066
2016
238.923.936.734.000 340.540.053.867.000 1,425
2017
369.377.638.473.000 419.501.620.158.000 1,136
WTON 2018
555.564.819.311.000 619.251.303.685.000 1,115
2019
559.573.427.319.000 626.270.544.710.000 1,119
2020
1.327.871.369.000 310.275.688.000 0,234

171
 Lampiran 6 Data Perhitungan Manajemen Laba

KODE
TAHUN Nit CFOit TACit
SAHAM
2016 119.156.000.000 -63.205.000.000
55.951.000.000
2017 87.199.000.000 -48.957.000.000
38.242.000.000
ADES 2018 146.588.000.000 -93.630.000.000
52.958.000.000
2019 184.462.000.000 -100.577.000.000
83.885.000.000
2020 230.679.000.000 -94.890.000.000
135.789.000.000
2016 129.110.000.000 -95.741.000.000
33.369.000.000
2017 213.726.000.000 -156.139.000.000
57.587.000.000
AGII 2018 311.207.000.000 -196.833.000.000
114.374.000.000
2019 411.801.000.000 -308.370.000.000
103.431.000.000
2020 364.251.000.000 -264.389.000.000
99.862.000.000
2016 384.621.003.000 -332.227.146.000
52.393.857.000
2017 145.628.143.000 -132.294.173.000
13.333.970.000
AKPI 2018 16.883.236.000 47.343.035.000
64.226.271.000
2019 243.459.904.000 -189.104.636.000
54.355.268.000
2020 241.597.435.000 -175.591.888.000
66.005.547.000
2016 38.225.302.345.000 -12.995.797.122.000
25.229.505.223.000
2017 12.706.380.594.000 16.329.014.803.000
29.035.395.397.000
ALDO 2018 17.370.720.460.000 25.135.555.063.000
42.506.275.523.000
2019 99.465.554.519.000 -21.043.819.164.000
78.421.735.355.000
2020 119.962.516.014.000 -54.630.874.461.000
65.331.641.553.000
AMFG 2016 451.924.000.000 -425.880.000.000
26.044.000.000

172
 KODE
TAHUN Nit CFOit TACit
SAHAM
2017 341.708.000.000 -303.139.000.000
38.569.000.000
2018 216.492.000.000 -209.896.000.000
6.596.000.000
-
2019 - 45.608.000.000 -86.615.000.000
132.223.000.000
-
2020 565.550.000.000 -996.537.000.000
430.987.000.000
2016 49.685.387.363.000 -24.575.905.169.000
25.109.482.194.000
2017 10.904.672.310.000 1.462.513.187.000
12.367.185.497.000
APLI 2018 1.429.851.349.000 22.067.148.651.000
23.497.000.000.000
2019 18.517.650.964.000 -8.928.969.594.000
9.588.681.370.000
-
2020 38.239.314.386.000 -44.663.340.049.000
6.424.025.663.000
2016 95.618.365.174.000 -4.242.454.199.000
91.375.910.975.000
2017 245.599.197.741.000 -123.415.288.098.000
122.183.909.643.000
ARNA 2018 356.764.910.588.000 -198.557.111.986.000
158.207.798.602.000
2019 368.988.791.699.000 -151.313.552.190.000
217.675.239.509.000
2020 419.903.184.489.000 -93.661.672.982.000
326.241.511.507.000
2016 19.407.000.000.000 -1.105.000.000.000
18.302.000.000.000
2017 23.285.000.000.000 -120.000.000.000
23.165.000.000.000
ASII 2018 27.692.000.000.000 -320.000.000.000
27.372.000.000.000
2019 19.175.000.000.000 7.446.000.000.000
26.621.000.000.000
2020 37.683.000.000.000 137.363.000.000.000
175.046.000.000.000
2016 19.176.233.000 23.055.430.000
42.231.663.000
BATA
2017 47.680.636.000 5.973.740.000
53.654.376.000

173
 KODE
TAHUN Nit CFOit TACit
SAHAM
2018 40.450.899.000 27.493.968.000
67.944.867.000
2019 48.742.952.000 -25.301.614.000
23.441.338.000
2020 48.742.952.000 129.018.078.000
177.761.030.000
2016 13.169.891.854.000 12.043.123.470.000
25.213.015.324.000
2017 17.805.531.871.000 -2.854.572.085.000
14.950.959.786.000
BELL 2018 49.583.922.599.000 -28.142.994.517.000
21.440.928.082.000
2019 24.834.511.428.000 -3.510.692.800.000
21.323.818.628.000
2020 -46.593.443.354.000
16.558.668.514.000 63.152.111.868.000
2016 17.103.256.597.000 306.864.144.000
17.410.120.741.000
2017 9.669.781.404.000 6.125.870.628.000
15.795.652.032.000
BIMA 2018 885.231.753.000 1.464.624.208.000
2.349.855.961.000
2019 6.642.849.130.000 -3.594.248.230.000
3.048.600.900.000
2020 2.595.122.276.000 32.433.184.211.000
35.028.306.487.000
2016 696.655.894.896 -397.038.711.144
299.617.183.752
2017 349.983.272.720 -17.136.008.720
332.847.264.000
BRAM 2018 601.654.242.078 -321.055.905.078
280.598.337.000
2019 526.346.185.108 -323.641.803.108
202.704.382.000
2020 439.821.664.000 216.175.608.000
655.997.272.000
2016 5.866.055.848.000 -1.833.576.348.000
4.032.479.500.000
BRPT 2017 6.946.303.464.000 -1.866.155.712.000
5.080.147.752.000
2018 7.850.975.517.000 -4.345.617.771.000
3.505.357.746.000

174
 KODE
TAHUN Nit CFOit TACit
SAHAM
2019 6.384.576.389.000 -4.474.857.009.000
1.909.719.380.000
2020 297.995.000.000 -156.612.000.000
141.383.000.000
-
2016 - 1.794.007.269.000 -4.180.730.715.000
5.974.737.984.000
2017 6.005.724.423.000 5.365.202.789.000
11.370.927.212.000
BTON 2018 25.560.227.579.000 2.252.484.582.000
27.812.712.161.000
2019 25.034.751.120.000 -23.667.138.991.000
1.367.612.129.000
2020 20.339.707.649.000 -15.853.623.710.000
4.486.083.939.000
2016 287.744.000.000 -249.120.000.000
38.624.000.000
2017 25.833.000.000 19.858.000.000
45.691.000.000
BUDI 2018 8.219.000.000 42.248.000.000
50.467.000.000
2019 26.016.000.000 38.005.000.000
64.021.000.000
2020 193.682.000.000 -126.589.000.000
67.093.000.000
2016 176.087.317.362.000 73.609.696.264.000
249.697.013.626.000
2017 208.851.008.007.000 -101.430.121.168.000
107.420.886.839.000
CEKA 2018 287.259.686.428.000 -194.610.029.653.000
92.649.656.775.000
2019 453.147.999.966.000 -237.688.799.724.000
215.459.200.242.000
2020 171.295.450.196.000 10.517.143.796.000
181.812.593.992.000
2016 4.157.137.000.000 -1.931.735.000.000
2.225.402.000.000
2017 1.624.465.000.000 872.322.000.000
2.496.787.000.000
CPIN
2018 5.035.954.000.000 -484.469.000.000
4.551.485.000.000
2019 3.400.173.000.000 232.001.000.000
3.632.174.000.000

175
 KODE
TAHUN Nit CFOit TACit
SAHAM
2020 4.845.575.000.000 -999.742.000.000
3.845.833.000.000
2016 259.851.506.000 -16.262.021.000
243.589.485.000
2017 342.202.126.000 -62.429.491.000
279.772.635.000
DLTA 2018 51.342.493.000 286.787.507.000
338.130.000.000
2019 274.364.533.000 43.450.644.000
317.815.177.000
2020 -123.440.137.000
123.465.762.000 246.905.899.000
2016 14.127.914.662.000 -4.118.523.559.000
10.009.391.103.000
2017 3.994.084.302.000 1.969.335.769.000
5.963.420.071.000
DPNS 2018 12.882.144.526.000 -3.502.007.174.000
9.380.137.352.000
2019 2.120.773.193.000 1.816.911.928.000
3.937.685.121.000
2020 11.519.990.828.000 -1.510.599.725.000
10.009.391.103.000
2016 187.475.539.000.000 -35.392.139.000.000
152.083.400.000.000
2017 230.738.193.000.000 -68.488.900.000.000
162.249.293.000.000
DVLA 2018 26.628.428.000.000 174.023.540.000.000
200.651.968.000.000
2019 272.638.844.000.000 -50.855.595.000.000
221.783.249.000.000
2020 246.905.899.000 -123.449.137.000
123.456.762.000
2016 84.490.481.400.000 6.195.340.130.000
90.685.821.530.000
2017 51.605.876.745.000 24.589.788.984.000
76.195.665.729.000
EKAD 2018 61.219.347.295.000 12.825.840.468.000
74.045.187.763.000
2019 115.559.223.532.000 30.705.971.453.000
146.265.194.985.000
2020 231.776.954.118.000 -135.847.883.304.000
95.929.070.814.000

176
 KODE
TAHUN Nit CFOit TACit
SAHAM
2016 6.973.650.000.000 -300.968.000.000
6.672.682.000.000
2017 8.204.579.000.000 -450.931.000.000
7.753.648.000.000
GGRM 2018 11.224.700.000.000 -3.431.692.000.000
7.793.008.000.000
2019 11.174.403.000.000 -294.301.000.000
10.880.102.000.000
2020 -9.886.005.000.000
7.591.709.000.000 17.477.714.000.000
2016 1.293.214.000.000 -666.653.000.000
626.561.000.000
2017 45.028.000.000 693.833.000.000
738.861.000.000
GJTL 2018 42.970.000.000 436.766.000.000
479.736.000.000
2019 1.258.371.000.000 -989.264.000.000
269.107.000.000
2020 -2.279.681.000.000
318.914.000.000 2.598.595.000.000
2016 14.076.579.000.000 -1.314.350.000.000
12.762.229.000.000
2017 15.376.315.000.000 -2.705.781.000.000
12.670.534.000.000
HMSP 2018 20.193.483.000.000 -6.655.065.000.000
13.538.418.000.000
2019 17.145.967.000.000 -3.424.454.000.000
13.721.513.000.000
2020 11.953.039.000.000 -3.371.661.000.000
8.581.378.000.000
2016 4.584.964.000.000 -953.663.000.000
3.631.301.000.000
2017 5.174.368.000.000 -1.631.195.000.000
3.543.173.000.000
ICBP 2018 4.653.375.000.000 -994.594.000.000
3.658.781.000.000
2019 7.398.161.000.000 -2.038.132.000.000
5.360.029.000.000
2020 9.336.780.000.000 -1.918.206.000.000
7.418.574.000.000
IGAR 2016 63.688.738.725.000 5.616.891.070.000
69.305.629.795.000

177
 KODE
TAHUN Nit CFOit TACit
SAHAM
2017 88.100.059.088.000 -14.825.176.069.000
73.274.883.019.000
2018 2.010.760.208.000 43.775.998.774.000
45.786.758.982.000
2019 110.401.909.570.000 -48.289.064.047.000
62.112.845.523.000
2020 76.495.883.364.000 -15.725.172.919.000
60.770.710.445.000
2016 164.657.518.831.000 -38.834.388.056.000
125.823.130.775.000
2017 20.613.985.520.000 70.689.506.420.000
91.303.491.940.000
IMPC 2018 43.232.569.972.000 62.291.359.192.000
105.523.929.164.000
2019 136.558.916.453.000 -43.413.716.414.000
93.145.200.039.000
2020 -111.149.553.658.000
115.805.324.362.000 226.954.878.020.000
2016 7.175.603.000.000 -6.565.809.000.000
609.794.000.000
2017 6.507.803.000.000 -5.950.427.000.000
557.376.000.000
INDF 2018 5.035.892.000.000 -377.111.000.000
4.658.781.000.000
2019 13.344.494.000.000 -7.984.465.000.000
5.360.029.000.000
2020 13.855.497.000.000 -5.103.431.000.000
8.752.066.000.000
2016 193.436.286.326.000 -143.879.918.992.000
49.556.367.334.000
2017 320.252.084.705.000 -206.612.544.804.000
113.639.539.901.000
INDS 2018 113.733.783.003.000 1.304.105.320.000
115.037.888.323.000
2019 155.508.121.580.000 288.172.141.627.000
443.680.263.207.000
2020 -250.056.838.070.000
58.751.009.229.000 308.807.847.299.000
2016 2.203.450.256.000 520.765.924.000
2.724.216.180.000
INKP
2017 9.019.526.808.000 -3.420.382.272.000
5.599.144.536.000

178
 KODE
TAHUN Nit CFOit TACit
SAHAM
2018 7.377.251.796.000 1.140.559.290.000
8.517.811.086.000
2019 7.293.938.106.000 -3.479.642.716.000
3.814.295.390.000
2020 7.583.953.036.000 -2.653.191.668.000
4.930.761.368.000
2016 3.546.113.000.000 324.206.000.000
3.870.319.000.000
2017 2.781.805.000.000 -921.987.000.000
1.859.818.000.000
INTP 2018 1.984.532.000.000 -838.595.000.000
1.145.937.000.000
2019 3.230.772.000.000 -1.395.467.000.000
1.835.305.000.000
2020 -1.731.674.000.000
1.806.337.000.000 3.538.011.000.000
2016 106.981.315.004 -19.682.691.992
87.298.623.012
2017 113.590.753.812 -79.999.490.364
33.591.263.448
IPOL 2018 61.537.386.006 11.938.179.843
73.475.565.849
2019 285.578.098.809 -222.884.213.482
62.693.885.327
2020 520.404.213.108.000 -393.481.700.274.000
126.922.512.834.000
2016 374.343.000.000 -271.418.000.000
102.925.000.000
2017 743.498.000.000 -734.818.000.000
8.680.000.000
ISSP 2018 374.857.000.000 -326.293.000.000
48.564.000.000
2019 461.349.000.000 -275.643.000.000
185.706.000.000
2020 -174.750.000.000
175.835.000.000 350.585.000.000
2016 184.371.203.000 -51.948.042.000
132.423.161.000
JECC 2017 85.948.536.000 -2.593.166.000
83.355.370.000
2018 7.444.003.000 80.984.876.000
88.428.879.000

179
 KODE
TAHUN Nit CFOit TACit
SAHAM
2019 179.820.473.000 -179.717.956.000
102.517.000
2020 -384.667.995.000
21.247.754.000 405.915.749.000
2016 2.753.605.000.000 -581.997.000.000
2.171.608.000.000
2017 770.662.000.000 272.442.000.000
1.043.104.000.000
JPFA 2018 1.926.687.000.000 326.514.000.000
2.253.201.000.000
2019 1.879.537.000.000 -657.633.000.000
1.221.904.000.000
2020 -3.097.064.000.000
1.002.376.000.000 4.099.440.000.000
2016 383.175.671.680 -48.836.833.088
334.338.838.592
2017 65.871.447.329 191.375.473.138
257.246.920.467
KBLI 2018 89.354.164.341 161.403.941.685
250.758.106.026
2019 35.053.662.077 382.898.322.035
417.951.984.112
2020 -683.723.072.955.000
73.694.555.905.000 757.417.628.860.000
2016 33.243.538.568.000 -11.998.515.652.000
21.245.022.916.000
2017 5.645.375.903.000 38.349.573.742.000
43.994.949.645.000
KBLM 2018 49.396.645.050.000 -8.721.548.422.000
40.675.096.628.000
2019 90.085.786.270.000 -51.437.517.123.000
38.648.269.147.000
2020 -56.827.530.597.000
6.563.771.460.000 63.391.302.057.000
2016 85.536.484.701.000 -38.409.135.634.000
47.127.349.067.000
2017 61.261.640.106.000 7.703.568.443.000
68.965.208.549.000
KDSI
2018 88.557.902.537.000 -11.796.000.326.000
76.761.902.211.000
2019 258.033.801.758.000 -193.942.898.251.000
64.090.903.507.000

180
 KODE
TAHUN Nit CFOit TACit
SAHAM
2020 -32.293.563.254.000
60.178.290.460.000 92.471.853.714.000
2016 11.867.374.074.000 169.242.779.736.000
181.110.153.810.000
2017 240.312.298.590.000 -130.616.296.792.000
109.696.001.798.000
KINO 2018 104.743.680.332.000 45.372.364.710.000
150.116.045.042.000
2019 17.379.083.127.000 498.224.256.522.000
515.603.339.649.000
2020 63.977.439.663.000
135.159.940.052.000 71.182.500.389.000
2016 2.159.833.281.176.000 191.051.652.375.000
2.350.884.933.551.000
2017 2.008.316.536.066.000 444.934.874.538.000
2.453.251.410.604.000
-
KLBF 2018 2.770.775.949.459.000
653.250.886.056.000 2.117.525.063.403.000
-
2019 2.502.968.822.391.000
580.814.677.453.000 1.922.154.144.938.000
-
2020 4.221.549.815.090.000
2.799.622.515.814.000 1.421.927.299.276.000
2016 53.300.060.257.000 -10.954.643.202.000
42.345.417.055.000
2017 9.661.711.698.000 -378.768.689.000
9.282.943.009.000
LION 2018 8.977.194.202.000 5.702.479.791.000
14.679.673.993.000
2019 5.161.613.004.000 4.103.018.986.000
9.264.631.990.000
2020 1.693.397.883.000
7.110.199.333.000 5.416.801.450.000
2016 251.605.232.000.000 -39.644.695.000.000
211.960.537.000.000
2017 265.893.212.000.000 -217.194.883.000.000
48.698.329.000.000
MAIN 2018 367.904.123.000.000 -83.657.245.000.000
284.246.878.000.000
2019 312.988.282.000.000 -160.563.171.000.000
152.425.111.000.000
2020 -245.550.955.000
38.953.042.000 284.503.997.000

181
 KODE
TAHUN Nit CFOit TACit
SAHAM
2016 1.248.469.000.000 -266.340.000.000
982.129.000.000
2017 1.331.611.000.000 -9.544.000.000
1.322.067.000.000
MLBI 2018 1.412.515.000.000 -187.708.000.000
1.224.807.000.000
2019 1.334.524.000.000 -128.465.000.000
1.206.059.000.000
2020 872.649.000.000 -584.032.000.000
288.617.000.000
2016 4.055.794.000 4.983.769.000
9.039.563.000
2017 144.837.302.000 -97.303.230.000
47.534.072.000
MLIA 2018 227.388.878.000 -38.306.640.000
189.082.238.000
2019 175.969.808.000 -49.196.467.000
126.773.341.000
2020 -343.983.928.000
55.089.347.000 399.073.275.000
2016 70.187.248.882.000 -50.207.872.915.000
19.979.375.967.000
2017 125.073.515.163.000 -76.050.836.672.000
49.022.678.491.000
MOLI 2018 219.820.613.000 -68.668.876.000
151.151.737.000
2019 33.521.038.000 7.325.038.000
40.846.076.000
2020 219.820.613.000 -68.668.876.000
151.151.737.000
2016 659.314.197.175.000 729.361.930.490.000
1.388.676.127.665.000
2017 1.275.530.669.068.000 355.423.161.825.000
1.630.953.830.893.000
MYOR 2018 259.273.241.788.000 1.501.161.038.516.000
1.760.434.280.304.000
-
2019 3.303.864.262.122.000
2.039.404.206.764.000 1.264.460.055.358.000
2020 1.275.530.669.068.000 355.423.161.825.000
1.630.953.830.893.000
PICO 2016 6.595.052.098.000 7.158.399.843.000
13.753.451.941.000

182
 KODE
TAHUN Nit CFOit TACit
SAHAM
2017 42.951.728.636.000 -26.127.189.572.000
16.824.539.064.000
2018 75.713.665.476.000 -59.983.257.130.000
15.730.408.346.000
2019 195.249.634.618.000 -187.762.182.573.000
7.487.452.045.000
2020 40.115.211.942.000
64.398.773.870.000 24.283.561.928.000
2016 24.429.296.083.000 8.701.879.546.000
33.131.175.629.000
2017 24.864.871.829.000 14.875.647.431.000
39.740.519.260.000
PSDN 2018 17.812.366.089.000 38.045.154.516.000
55.857.520.605.000
2019 57.339.523.786.000 17.707.940.572.000
75.047.464.358.000
2020 24.754.247.573.000
52.304.824.027.000 27.550.576.454.000
2016 7.052.759.074.000 -1.906.442.033.000
5.146.317.041.000
2017 20.930.568.000 7.106.471.600.000
7.127.402.168.000
PYFA 2018 4.829.470.105.000 3.617.977.883.000
8.447.447.988.000
2019 17.609.426.409.000 -8.266.708.390.000
9.342.718.019.000
2020 20.992.144.187.000
22.104.364.267.000 1.112.220.080.000
2016 414.702.426.418.000 -134.925.057.587.000
279.777.368.831.000
2017 370.617.213.073.000 -235.253.191.934.000
135.364.021.139.000
ROTI 2018 295.922.456.326.000 -168.751.019.963.000
127.171.436.363.000
2019 479.788.528.325.000 -243.269.970.905.000
236.518.557.420.000
2020 486.591.578.118.000 -317.981.295.640.000
168.610.282.478.000
2016 462.656.000.000 17.869.000.000
480.525.000.000
SIDO
2017 640.695.000.000 -106.896.000.000
533.799.000.000

183
 KODE
TAHUN Nit CFOit TACit
SAHAM
2018 846.389.000.000 -182.540.000.000
663.849.000.000
2019 836.914.000.000 -29.225.000.000
807.689.000.000
2020 934.016.000.000 1.035.754.000.000 -101.738.000.000
2016 1.641.040.298.000 19.005.166.238.000
20.646.206.536.000
2017 2.153.248.753.000 25.217.316.603.000
27.370.565.356.000
SKLT 2018 14.653.378.405.000 17.300.752.847.000
31.954.131.252.000
2019 55.384.490.789.000 -10.440.862.889.000
44.943.627.900.000
2020 55.673.983.557.000 99.975.050.847.000 -44.301.067.290.000
2016 87.306.699.000.000 171.783.826.000.000
259.090.525.000.000
2017 183.236.105.000.000 -36.587.673.000.000
146.648.432.000.000
SMBR 2018 64.468.290.000.000 11.606.431.000.000
76.074.721.000.000
2019 87.929.949.000.000 -57.856.094.000.000
30.073.855.000.000
2020 64.468.290.000.000 11.606.431.000.000
76.074.721.000.000
2016 5.180.010.976.000 -644.974.153.000
4.535.036.823.000
2017 2.745.186.809.000 -702.160.895.000
2.043.025.914.000
SMGR 2018 4.459.340.000.000 -1.373.636.000.000
3.085.704.000.000
2019 5.608.931.000.000 -3.237.698.000.000
2.371.233.000.000
2020 2.745.186.809.000 -702.160.895.000
2.043.025.914.000
2016 582.843.000.000 -80.651.000.000
502.192.000.000
2017 446.032.000.000 109.356.000.000
555.388.000.000
SMSM
2018 542.647.000.000 90.903.000.000
633.550.000.000
2019 677.867.000.000 -39.191.000.000
638.676.000.000

184
 KODE
TAHUN Nit CFOit TACit
SAHAM
2020 446.032.000.000 109.356.000.000
555.388.000.000
2016 114.821.748.000.000 -103.765.697.000.000
11.056.051.000.000
2017 85.865.101.000.000 -68.166.534.000.000
17.698.567.000.000
SRSN 2018 31.287.997.000.000 7.447.095.000.000
38.735.092.000.000
2019 10.927.791.000.000 31.901.337.000.000
42.829.128.000.000
2020 31.287.997.000.000 7.447.095.000.000
38.735.092.000.000
2016 696.655.894.896 -397.038.711.144
299.617.183.752
2017 349.983.272.720 -17.136.008.720
332.847.264.000
STTP 2018 601.654.242.078 -321.055.905.078
280.598.337.000
2019 526.346.185.108 -323.641.803.108
202.704.382.000
2020 439.821.664.000 216.175.608.000
655.997.272.000
2016 18.563.419.205.000 11.574.288.119.000
30.137.707.324.000
2017 804.193.508.000 17.525.458.445.000
18.329.651.953.000
TALF 2018 29.787.329.473.000 -29.741.055.013.000
46.274.460.000
2019 27.401.453.041.000 206.843.060.371.000
234.244.513.412.000
2020 804.193.508.000 17.525.458.445.000
18.329.651.953.000
2016 13.972.876.000.000 -6.745.871.000.000
7.227.005.000.000
2017 11.940.360.000.000 -4.356.689.000.000
7.583.671.000.000
TBMS 2018 10.021.741.000.000 -3.644.300.000.000
6.377.441.000.000
2019 12.417.076.000.000 -6.486.024.000.000
5.931.052.000.000
2020 10.021.741.000.000 -3.644.300.000.000
6.377.441.000.000

185
 KODE
TAHUN Nit CFOit TACit
SAHAM
2016 264.194.256.792.000 -102.134.660.445.000
162.059.596.347.000
2017 317.363.708.428.000 -138.237.326.360.000
179.126.382.068.000
TCID 2018 193.367.434.215.000 -20.317.991.459.000
173.049.442.756.000
2019 126.569.066.962.000 18.580.277.599.000
145.149.344.561.000
2020 317.363.708.428.000 -138.237.326.360.000
179.126.382.068.000
2016 305.802.664.813.000 -137.238.081.095.000
168.564.583.718.000
2017 421.340.061.708.000 -142.404.257.164.000
278.935.804.544.000
TOTO 2018 356.708.792.806.000 -10.015.996.704.000
346.692.796.102.000
2019 277.886.404.272.000 -137.288.903.357.000
140.597.500.915.000
2020 356.708.792.806.000 -10.015.996.704.000
346.692.796.102.000
2016 239.192.778.741.000 -205.397.911.801.000
33.794.866.940.000
2017 229.411.066.077.000 -191.211.384.335.000
38.199.681.742.000
TRST 2018 118.453.889.096.000 -55.259.989.997.000
63.193.899.099.000
2019 11.282.524.233.000 27.629.444.050.000
38.911.968.283.000
2020 118.453.889.096.000 -55.259.989.997.000
63.193.899.099.000
2016 259.851.506.000 -16.262.021.000
243.589.485.000
2017 342.202.126.000 -62.429.491.000
279.772.635.000
TSPC 2018 51.342.493.000 286.787.507.000
338.130.000.000
2019 274.364.533.000 43.450.644.000
317.815.177.000
2020 -123.440.137.000
123.465.762.000 246.905.899.000
ULTJ 2016 779.109.000.000.000 -69.283.364.258.000
709.825.635.742.000

186
 KODE
TAHUN Nit CFOit TACit
SAHAM
2017 1.072.516.000.000.000 -360.835.000.000.000
711.681.000.000.000
2018 575.823.000.000.000 125.784.000.000.000
701.607.000.000.000
2019 1.096.817.000.000.000 -60.952.000.000.000
1.035.865.000.000.000
2020 1.072.516.000.000.000 -360.835.000.000.000
711.681.000.000.000
2016 163.443.511.856.000 120.355.388.480.000
283.798.900.336.000
2017 252.277.335.096.000 -90.630.741.444.000
161.646.593.652.000
UNIC 2018 86.087.474.217.000 164.153.328.803.000
250.240.803.020.000
2019 218.098.307.697.000 -59.789.146.268.000
158.309.161.429.000
2020 86.087.474.217.000 164.153.328.803.000
250.240.803.020.000
2016 6.684.219.000.000 -293.547.000.000
6.390.672.000.000
2017 7.059.862.000.000 -55.300.000.000
7.004.562.000.000
UNVR 2018 7.914.537.000.000 1.166.650.000.000
9.081.187.000.000
2019 8.669.069.000.000 -1.339.232.000.000
7.329.837.000.000
2020 7.914.537.000.000 1.166.650.000.000
9.081.187.000.000
2016 194.253.220.963.000 -34.207.347.570.000
160.045.873.393.000
2017 68.692.517.377.000 97.512.441.962.000
166.204.959.339.000
VOKS 2018 67.756.473.097.000 37.712.271.490.000
105.468.744.587.000
2019 169.486.566.476.000 38.762.558.925.000
208.249.125.401.000
2020 68.692.517.377.000 97.512.441.962.000
166.204.959.339.000
2016 136.703.864.740.000 -30.413.557.872.000
106.290.306.868.000
WIIM
2017 194.599.188.956.000 -154.009.398.105.000
40.589.790.851.000

187
 KODE
TAHUN Nit CFOit TACit
SAHAM
2018 140.978.069.476.000 -89.835.218.557.000
51.142.850.919.000
2019 199.249.244.086.000 -171.921.152.605.000
27.328.091.481.000
2020 194.599.188.956.000 -154.009.398.105.000
40.589.790.851.000
2016 79.247.536.911.000 202.900.542.932.000
282.148.079.843.000
2017 556.143.968.917.000 -215.685.109.526.000
340.458.859.391.000
WTON 2018 733.378.642.718.000 -246.738.468.265.000
486.640.174.453.000
2019 1.126.052.429.214.000 -615.340.695.811.000
510.711.733.403.000
2020 733.378.642.718.000 -246.738.468.265.000
486.640.174.453.000

188
 KODE TAH Ait TACit/Ait t-1 REV delta REV REC delta REC
SAHAM UN
2016 767.479.000.000 298.265.000.000 247.577.000.000 152.608.000.000
0,000 42.728.000.000
- -
2017 840.236.000.000 289.213.000.000 9.052.000.000 140.594.000.000
0,000 12.014.000.000
-
ADES 2018 881.275.000.000 764.703.000.000 475.490.000.000 131.862.000.000
0,000 8.732.000.000
-
2019 822.375.000.000 673.364.000.000 91.339.000.000 134.404.000.000
0,000 2.542.000.000
- -
2020 958.791.000.000 98.254.000.000 575.110.000.000 119.610.000.000
0,000 14.794.000.000
2016 5.847.722.000.000 28.291.000.000 21.513.285.000 241.414.000.000
0,000 89.317.044.000
2017 6.403.543.000.000 53.840.000.000 25.549.000.000 307.738.000.000
0,000 66.324.000.000
AGII 2018 6.647.755.000.000 65.517.000.000 11.677.000.000 345.266.000.000
0,000 37.528.000.000
2019 7.021.882.000.000 68.080.000.000 2.563.000.000 349.734.000.000
0,000 4.468.000.000
-
2020 7.118.147.000.000 68.105.000.000 25.000.000 327.823.000.000
0,000 21.911.000.000
2016 2.615.909.190.000 11.310.652.000 11.034.309.000 3.007.692.000
0,000 1.785.152.000
-
AKPI 2017 2.745.325.833.000 2.130.934.000 9.179.718.000 8.398.646.000
0,000 5.390.954.000
-
2018 3.017.185.725.000 2.724.734.000 593.800.000 3.173.769.000
0,000 5.224.877.000

189
 KODE TAH Ait TACit/Ait t-1 REV delta REV REC delta REC
SAHAM UN
-
2019 2.776.775.756.000 89.893.924.000 87.169.190.000 1.612.512.000
0,000 1.561.257.000
-
2020 2.644.257.716.000 7.983.316.000 81.910.608.000 43.989.575.000
0,000 42.377.063.000
-
2016 410.330.576.602.000 1.371.706.512.000 865.539.461.000 122.441.440.000
0,000 54.624.700.000
-
2017 498.701.656.995.000 685.976.337.000 685.730.175.000 249.268.986.000
0,000 126.827.546.000

2018 526.129.315.163.000 1.711.032.491.000

1.025.056.154.00 570.869.273.000
ALDO 0,000 0 321.600.287.000

2019 925.114.449.507.000 5.400.125.375.000

3.689.092.884.00 1.174.775.622.00
0,000 0 0 603.906.349.000
-
2020 953.551.967.212.000 7.714.658.289.000
2.314.532.914.00 300.328.462.000
0,000 0 874.447.160.000
-
2016 6.267.816.000.000 273.500.000.000 1.430.000.000 377.147.000.000
0,000 23.704.000.000
-
2017 5.504.890.000.000 383.080.000.000 109.580.000.000 367.771.000.000
0,000 9.376.000.000
AMFG 2018 8.432.632.000.000 433.422.000.000 50.342.000.000 399.595.000.000
0,000 31.824.000.000
2019 8.738.055.000.000 441.462.000.000 8.040.000.000 427.052.000.000
0,000 27.457.000.000
-
2020 7.961.657.000.000 451.665.000.000 10.203.000.000 414.753.000.000
0,000 12.299.000.000

190
 KODE TAH Ait TACit/Ait t-1 REV delta REV REC delta REC
SAHAM UN
-
2016 314.468.690.130.000 637.428.295.000
3.367.244.116.00 38.577.151.928.0
0,000 0 00 4.842.048.406.000

2017 398.698.779.619.000 1.747.584.301.000

1.110.156.006.00 57.587.237.763.0 19.010.085.835.00
0,000 0 00 0
APLI 2018 503.177.499.114.000 2.055.383.897.000 307.799.596.000
66.822.259.178.0
0,000 00 9.235.021.415.000
-
-
2019 419.264.529.448.000 1.568.070.312.000 487.313.585.000
55.345.178.335.0 11.477.080.843.00
0,000 00 0
-
2020 406.440.898.710.000 3.776.378.634.000
2.208.308.322.00 47.733.434.977.0
0,000 0 00 7.611.743.358.000
-
2016 1.543.216.299.146.000 3.081.046.628.000
1.031.875.236.00 2.135.778.219.00
0,000 0 0 222.665.390.000

2017 1.601.346.561.573.000 3.722.502.345.000 641.455.717.000

2.152.202.872.00
0,000 0 16.424.653.000

ARNA 2018 1.639.857.646.863.000 4.844.183.763.000

1.121.681.418.00 6.794.974.222.00
0,000 0 0 4.642.771.350.000
- -
2019 1.799.137.069.343.000 2.400.284.481.000
2.443.899.282.00 1.686.278.206.00
0,000 0 0 5.108.696.016.000
-
2020 1.970.340.289.520.000 3.610.537.265.000
1.210.252.784.00 1.413.912.149.00
0,000 0 0 272.366.057.000

191
 KODE TAH Ait TACit/Ait t-1 REV delta REV REC delta REC
SAHAM UN
-
2016 261.855.000.000.000 7.855.000.000.000
1.262.000.000.00 1.537.000.000.00
0,000 0 0 614.000.000.000
-
2017 295.836.000.000.000 7.033.000.000.000 822.000.000.000
1.566.000.000.00
0,000 0 29.000.000.000
-
ASII 2018 333.325.000.000.000 7.055.000.000.000 22.000.000.000
1.564.000.000.00
0,000 0 2.000.000.000
-
2019 351.958.000.000.000 9.961.000.000.000
2.906.000.000.00 1.257.000.000.00
0,000 0 0 307.000.000.000

2020 338.203.000.000.000 11.755.000.000.000

1.794.000.000.00 1.475.000.000.00
0,000 0 0 218.000.000.000

2016 804.742.917.000 254.691.210.000 4.240.448.000 70.707.610.000

0,000 64.109.897.000
- -
2017 855.691.231.000 60.303.017.000 194.388.193.000 1.698.753.000
0,000 69.008.857.000
BATA 2018 879.829.686.000 62.948.492.000 2.645.475.000 1.717.365.000
0,000 18.612.000
2019 863.146.554.000 273.444.270.000 210.495.778.000 4.070.108.000
0,000 2.352.743.000
- -
2020 775.324.937.000 215.095.350.000 58.348.920.000 2.307.099.000
0,000 1.763.009.000
-
BELL 2016 768.585.633.805. 416.162.129.906. 288.289.122.758.0
0,000 000
387.981.312.196.000 91.157.839.090.000 000 00

192
 KODE TAH Ait TACit/Ait t-1 REV delta REV REC delta REC
SAHAM UN
-
2017 354.971.071.524. 96.162.758.324.0 319.999.371.582.0
0,000 000
465.965.155.745.000 446.128.910.614.000 00 00

2018 115.244.747.213. 110.450.405.380. 14.287.647.056.00

0,000 000
514.962.171.773.000 561.373.657.827.000 000 0

2019 152.952.048.179. 94.390.361.508.0 14.287.647.056.00

590.884.444.113.000 0,000 714.325.706.006.000 000 00 0
- -
2020 176.026.455.165. 74.711.143.850.0 19.679.217.658.00
0,000 000
554.235.931.111.000 538.299.250.841.000 00 0

2016 246.536.771.775.000 2.413.647.986.000

1.592.565.139.00 9.840.287.674.00
0,000 0 0 6.688.041.457.000
-
2017 98.190.640.839.000 876.236.625.000
1.537.411.361.00 11.240.108.092.0
0,000 0 00 1.399.820.418.000
BIMA 2018 13.744.954.448.0
89.190.640.839.000 0,000 1.740.278.416.000 864.041.791.000 2.504.846.356.000
00
-
2019 92.041.274.561.000 938.462.834.000 801.815.582.000
15.142.829.214.0
0,000 00 1.397.874.766.000
-
2020 99.558.394.759.000 242.632.004.000 695.830.830.000
15.825.508.503.0
0,000 00 682.679.289.000
-
BRAM 2016 41.363.754.544.000 36.351.656.844.000
11.414.797.332.0 742.590.000
0,000 00 18.974.414.000

193
 KODE TAH Ait TACit/Ait t-1 REV delta REV REC delta REC
SAHAM UN
-
2017 4.386.720.222.000 101.068.904.000
36.250.587.940.0 14.238.488.000
0,000 00 13.495.898.000
-
2018 45.063.576.648.000 56.577.292.000 44.491.612.000 46.718.272.000
0,000 32.479.784.000
- -
2019 4.381.695.326.000 25.132.028.000 31.445.264.000 9.926.212.000
0,000 36.792.060.000

2020 45.331.155.053.000 74.034.113.156.000

74.008.981.128.0 470.128.877.000
0,000 00 460.202.665.000

2016 7.182.435.000.000 2.402.466.000.000 68.296.000.000 78.726.000.000

0,000 66.844.000.000
-
2017 7.042.491.000.000 3.075.561.000.000 673.095.000.000 16.968.000.000
0,000 61.758.000.000
-
BRPT 2018 3.642.928.000.000 2.452.847.000.000 622.714.000.000 206.041.000.000
0,000 189.073.000.000
-
2019 2.570.590.000.000 1.961.307.000.000 491.540.000.000
1.415.030.000.00
0,000 0 1.208.989.000.000
- -
2020 2.253.084.000.000 1.406.139.000.000 555.168.000.000 52.944.000.000
0,000 1.362.086.000.000
-
2016 230.561.123.774.000 4.465.951.382.000
2.545.968.773.00 10.895.831.194.0
0,000 0 00 2.308.058.073.000
BTON
2017 217.841.392.648.000 82.573.452.940.000
78.107.501.558.0 14.190.808.521.0
0,000 00 00 3.294.977.327.000

194
 KODE TAH Ait TACit/Ait t-1 REV delta REV REC delta REC
SAHAM UN
-
-
2018 183.501.650.442.000 66.636.013.140.000
15.937.439.800.0 11.126.739.229.0
0,000 00 00 3.064.069.292.000
-
2019 177.290.628.918.000 67.760.109.860.000
1.124.096.720.00 196.051.141.000 10.930.688.088.00
0,000 0 0
- -
2020 183.116.245.288.000 67.679.530.150.000 80.579.710.000 -
0,000 196.051.141.000
-
2016 2.999.767.000.000 2.622.892.000.000 251.241.000.000 489.618.000.000
0,000 12.170.000.000
-
2017 3.392.980.000.000 2.297.120.000.000 325.772.000.000 521.661.000.000
0,000 32.043.000.000
- -
BUDI 2018 2.939.456.000.000 2.162.779.000.000 134.341.000.000 338.999.000.000
0,000 182.662.000.000
-
2019 2.931.807.000.000 2.193.293.000.000 30.514.000.000 255.182.000.000
0,000 83.817.000.000
-
2020 3.265.953.000.000 2.156.224.000.000 37.069.000.000 800.728.000.000
0,000 545.546.000.000
-
2016 1.425.964.152.418.000
4.115.541.761.173.0 629.807.930.819. 94.521.000
0,000 00 000 15.547.845.000

CEKA 2017 1.392.636.444.501.000

4.257.738.486.908.0 142.196.725.735. 28.281.251.000
0,000 00 000 28.186.730.000
-
-
2018 1.168.956.042.706.000
3.629.327.583.572.0 628.410.903.336. 3.918.884.000
0,000 00 000 24.362.367.000

195
 KODE TAH Ait TACit/Ait t-1 REV delta REV REC delta REC
SAHAM UN
-
2019 1.393.079.542.074.000
3.120.937.098.980.0 508.390.484.592. 477.846.377.000
0,000 00 000 473.927.493.000

2020 1.566.673.828.068.000
3.634.297.273.749.0 513.360.174.769. 700.314.317.000
0,000 00 000 222.467.940.000
-
2016 24.204.994.000.000 38.256.857.000.000
30.723.519.000.0 2.187.133.000.00
0,000 00 0 1.413.340.000.000

2017 24.522.593.000.000 49.367.386.000.000

11.110.529.000.0 2.239.906.000.00
0,000 00 0 52.773.000.000

CPIN -
2018 27.541.427.000.000 53.957.604.000.000
4.590.218.000.00 1.750.046.000.00
0,000 0 0 489.860.000.000
-
2019 29.109.408.000.000 42.501.146.000.000
11.456.458.000.0 2.021.813.000.00
0,000 00 0 271.767.000.000
-
2020 31.159.291.000.000 42.518.762.000.000 17.616.000.000
1.834.984.000.00
0,000 0 186.829.000.000
2016 85.481.150.000
1.197.796.650.000 0,000 1.658.618.899.000 148.351.045.000 237.795.000
- -
2017 881.310.571.000
1.340.842.765.000 0,000 777.308.328.000 145.972.031.000 2.379.014.000
DLTA
2018 893.006.350.000 115.698.022.000
1.523.517.170.000 0,000 156.825.348.000 10.853.317.000
-
2019 65.869.623.000
1.425.983.722.000 0,000 827.136.727.000 197.060.469.000 40.235.121.000

196
 KODE TAH Ait TACit/Ait t-1 REV delta REV REC delta REC
SAHAM UN
- -
2020 280.800.316.000
1.225.580.913.000 0,000 546.336.411.000 101.780.949.000 95.279.520.000
-
2016 296.129.565.784.000 7.882.651.162.000
3.244.729.848.00 10.276.286.000.0 10.174.505.051.00
0,000 0 00 0
-
2017 308.491.173.960.000 4.586.153.872.000
3.296.497.290.00 15.854.405.910.0
0,000 0 00 5.578.119.910.000

DPNS 2018 2.578.410.329.00 27.682.701.570.0 11.828.295.660.00

328.336.609.423.000 0,000 7.164.564.201.000
0 00 0
-
-
2019 318.141.387.900.000 6.752.640.735.000 411.923.466.000
12.759.536.460.0 14.923.165.110.00
0,000 00
0
2020 317.310.718.779.000 7.138.659.193.000 386.018.458.000
19.160.405.693.0
0,000 00 6.400.869.233.000
2016 1.225.580.913.000 1.658.618.899.000 85.481.150.000 148.351.045.000
0,000 237.795.000
- -
2017 1.425.983.722.000 777.308.328.000 881.310.571.000 145.972.037.000
0,000 2.379.008.000
DVLA 2018 1.523.517.170.000 893.006.350.000 115.698.022.000 156.825.348.000
0,000 10.853.311.000
-
2019 1.292.805.083.000 827.136.727.000 65.869.623.000 197.060.469.000
0,000 40.235.121.000
- -
2020 1.103.831.856.000 546.336.411.000 280.800.316.000 101.780.949.000
0,000 95.279.520.000

197
 KODE TAH Ait TACit/Ait t-1 REV delta REV REC delta REC
SAHAM UN

2016 792.508.630.708.000 1.565.520.209.000

1.099.193.305.00 81.737.871.362.0 11.689.021.351.00
0,000 0 00
0
-
2017 796.767.646.172.000 91.329.537.970.000
89.764.017.761.0 378.684.854.000 81.359.186.508.00
0,000 00 0

EKAD 2018 857.844.536.377.000 105.037.156.664.000

13.707.618.694.0 889.468.512.000
0,000 00 510.783.658.000
-
2019 968.234.349.565.000 2.556.229.690.000
102.480.926.974. 102.774.971.158. 101.885.502.646.0
0,000 000 000
00
-
-
2020 1.081.979.820.386.000 2.109.609.450.000 446.620.240.000
87.196.198.463.0 15.578.772.695.00
0,000 00 0

2016 62.951.634.000.000
5.908.574.000.00 2.089.949.000.00
0,000 76.274.147.000.000 0 0 521.851.000.000

2017 7.031.778.000.00 2.229.097.000.00

66.759.930.000.000 0,000 83.305.925.000.000 0 0 139.148.000.000
GGRM -
-
2018 69.097.219.000.000
7.031.778.000.00 1.725.933.000.00
0,000 76.274.147.000.000 0 0 503.164.000.000

2019 34.249.672.000.0 1.875.909.000.00

78.647.274.000.000 0,000 110.523.819.000.000 00 0 149.976.000.000

198
 KODE TAH Ait TACit/Ait t-1 REV delta REV REC delta REC
SAHAM UN

2020 3.953.492.000.00 2.556.127.000.00

78.191.409.000.000 0,000 114.477.311.000.000 0 0 680.218.000.000

2016 663.319.000.000
1.383.485.000.00
18.697.779.000.000 0,000 13.633.556.000.000 0 874.127.000.000
-
2017 513.362.000.000
1.112.992.000.00
18.697.779.000.000 0,000 14.146.918.000.000 0 270.493.000.000
-
GJTL 2018 513.362.000.000
1.415.841.000.00
18.191.176.000.000 0,000 13.633.556.000.000 0 302.849.000.000

2019 2.305.865.000.00 1.644.794.000.00

18.856.075.000.000 0,000 15.939.421.000.000 0 0 228.953.000.000
-
2020 2.504.829.000.00 1.998.361.000.00
17.781.660.000.000 0,000 13.434.592.000.000 0 0 353.567.000.000

2016 6.397.351.000.00 3.124.358.000.00

42.508.277.000.000 0,000 95.466.657.000.000 0 0 835.682.000.000

2017 3.624.827.000.00 3.375.798.000.00

43.141.063.000.000 0,000 99.091.484.000.000 0 0 251.440.000.000
HMSP
-
2018 7.650.407.000.00 3.370.321.000.00
46.602.420.000.000 0,000 106.741.891.000.000 0 0 5.477.000.000
- -
2019 50.902.806.000.000 106.055.176.000.000 686.715.000.000
3.118.541.000.00
0,000 0 251.780.000.000

199
 KODE TAH Ait TACit/Ait t-1 REV delta REV REC delta REC
SAHAM UN
-
2020 92.425.210.000.000
13.629.966.000.0 3.507.586.000.00
49.674.030.000.000 0,000 00 0 389.045.000.000
-
2016 2.724.975.000.00
28.901.948.000.000 0,000 34.466.069.000.000 0 984.573.000.000 25.900.000.000

2017 35.606.593.000.000
1.140.524.000.00 1.096.176.000.00
31.619.514.000.000 0,000 0 0 111.603.000.000

ICBP 2018 2.806.814.000.00 1.117.009.000.00

34.367.153.000.000 0,000 38.413.407.000.000 0 0 20.833.000.000
-
2019 38.709.314.000.000 42.296.703.000.000
3.883.296.000.00 1.065.882.000.00
0,000 0 0 51.127.000.000

2020 103.588.325.000.000 46.641.048.000.000

4.344.345.000.00 2.380.015.000.00
0,000 0 0 1.314.133.000.000

2016 2.407.075.535.00 136.984.654.250. 11.703.327.797.00

0,000 0
439.465.673.296.000 4.516.900.972.000 000 0

2017 2.807.738.040.00 138.818.678.276.

13.022.591.574.000 0,000 7.324.639.012.000 0 000 1.834.024.026.000
IGAR
2018 1.982.512.890.00 155.930.119.765. 17.111.441.489.00
0,000 0
570.197.810.698.000 9.307.151.902.000 000 0
-
2019 617.594.780.669.000 8.204.073.010.000
1.103.078.892.00 157.166.494.342.
0,000 0 000 1.236.374.577.000

200
 KODE TAH Ait TACit/Ait t-1 REV delta REV REC delta REC
SAHAM UN
- -
2020 665.863.417.235.000 4.639.756.249.000
3.564.316.761.00 140.088.301.532. 17.078.192.810.00
0,000 0 000
0
-
2016 2.276.031.922.082.00 1.135.296.191.546.0 12.542.187.220.0 26.097.938.892.0
0 0,000 00 00 00 2.915.961.786.000

2017 2.294.677.493.483.00 1.193.054.430.825.0 57.758.239.279.0 43.596.466.151.0 17.498.527.259.00

0,000 00
0 00 00 0

IMPC 2018 2.370.198.817.803.00 1.395.298.815.177.0 202.244.384.352. 44.836.954.721.0

0 0,000 00 000 00 1.240.488.570.000
-
2019 2.501.132.856.219.00 1.495.759.701.262.0 100.460.886.085. 17.565.658.919.0 27.271.295.802.00
0,000 000
0 00 00 0
-
2020 2.697.100.062.756.00 1.797.514.877.242.0 301.755.175.980. 4.607.557.705.00 12.958.101.214.00
0,000 000
0 00 0 0
-
2016 82.174.515.000.000 66.750.317.000.000
2.688.370.000.00 3.729.640.000.00 39.087.105.000.00
0,000 0 0
0
INDF 2017 3.436.301.000.00 3.941.053.000.00
88.400.877.000.000 0,000 70.186.618.000.000 0 0 211.413.000.000

2018 3.208.110.000.00 4.258.499.000.00

96.537.796.000.000 0,000 73.394.728.000.000 0 0 317.446.000.000

201
 KODE TAH Ait TACit/Ait t-1 REV delta REV REC delta REC
SAHAM UN
-
2019 96.198.559.000.000 76.592.955.000.000
3.198.227.000.00 4.128.356.000.00
0,000 0 0 130.143.000.000

2020 163.136.516.000.000 81.731.469.000.000

5.138.514.000.00 5.315.611.000.00
0,000 0 0 1.187.255.000.000
- -
2016 2.477.272.502.538.00 1.940.606.279.00 272.872.368.439. 22.532.077.317.00
0,000 0
0 18.527.880.065.000 000 0
-
2017 2.434.617.337.849.00 2.801.505.491.00 331.613.321.002. 58.740.952.563.00
0,000 0
0 15.726.374.574.000 000 0

INDS 2018 2.482.337.567.967.00 20.652.810.160.0 409.642.916.389. 78.029.595.387.00

0,000 00
0 36.379.184.734.000 000 0
-
2019 2.834.422.741.208.00 24.255.524.792.0 298.985.934.250. 110.656.982.139.0
0,000 00
0 60.634.709.526.000 000 00
- -
2020 2.826.260.084.696.00 44.485.699.709.0 287.385.211.194. 11.600.723.056.00
0,000 00
0 16.149.009.817.000 000 0
-
-
2016 102.480.362.400.000 40.529.606.754.000
1.695.466.890.00 2.316.102.672.00
0,000 0 0 50.355.240.000
INKP
2017 113.811.190.288.000 46.631.150.624.000
6.101.543.870.00 3.963.724.132.00
0,000 0 0 1.647.621.460.000

202
 KODE TAH Ait TACit/Ait t-1 REV delta REV REC delta REC
SAHAM UN
-
2018 130.460.101.804.000 49.724.754.428.000
3.093.603.804.00 2.440.141.440.00
0,000 0 0 1.523.582.692.000
-
2019 36.776.083.052.000
12.948.671.376.0 3.222.647.452.00
126.748.561.400.000 0,000 00 0 782.506.012.000
-
2020 32.676.383.052.000
4.099.700.000.00 5.014.514.512.00
125.643.356.820.000 0,000 0 0 1.791.867.060.000
-
2016 50.586.000.000
30.150.580.000.000 0,000 70.709.000.000 69.081.000.000 42.550.000.000
- -
2017 2.370.000.000
28.863.676.000.000 0,000 68.339.000.000 17.719.000.000 51.362.000.000
- -
INTP 2018 1.695.000.000 4.221.000.000
27.788.562.000.000 0,000 66.644.000.000 13.498.000.000
2019 382.552.000.000
27.707.749.000.000 0,000 449.196.000.000 12.716.000.000 8.495.000.000
- -
2020 63.578.000.000
27.344.672.000.000 0,000 385.618.000.000 12.464.000.000 252.000.000

2016 4.214.560.830.792.000 5.897.611.668.000

1.312.767.066.00 37.224.664.230.0 22.063.893.306.00
0,000 0 00 0
-
IPOL 2017 4.287.546.937.284.000 6.414.691.452.000 517.079.784.000
27.247.890.774.0
0,000 00 9.976.773.456.000
-
2018 4.307.711.380.284.000 3.696.134.208.000
2.718.557.244.00 38.426.619.972.0 11.178.729.198.00
0,000 0 00 0

203
 KODE TAH Ait TACit/Ait t-1 REV delta REV REC delta REC
SAHAM UN

2019 4.134.805.132.692.000 9.795.718.062.000

6.099.583.854.00 117.335.783.916. 78.909.163.944.00
0,000 0 000
0
-
2020 4.179.117.460.830.000 15.117.477.336.000
5.321.759.274.00 106.281.736.080. 11.054.047.836.00
0,000 0 000 0
2016 87.213.000.000
6.041.811.000.000 0,000 91.645.000.000 638.952.000.000 343.026.000.000
-
2017 87.153.000.000 4.492.000.000
6.269.365.000.000 0,000 685.243.000.000 46.291.000.000
-
ISSP 2018 25.563.000.000
6.494.070.000.000 0,000 112.716.000.000 655.892.000.000 29.351.000.000
2019 10.726.000.000
3.547.289.000.000 0,000 123.442.000.000 785.057.000.000 129.165.000.000
-
2020 51.888.000.000
3.113.612.000.000 0,000 71.554.000.000 830.077.000.000 45.020.000.000
-
2016 233.606.000
1.587.210.576.000 0,000 402.341.000 437.336.193.000 72.521.329.000
-
2017 917.025.000
1.927.985.352.000 0,000 1.319.366.000 369.651.364.000 67.684.829.000
-
JECC 2018 13.849.000
2.081.620.993.000 0,000 1.333.215.000 322.992.909.000 46.658.455.000
2019 1.641.107.000 307.892.000
1.888.753.850.000 0,000 404.574.468.000 81.581.559.000
- -
2020 603.798.000 1.037.309.000
1.513.949.141.000 0,000 238.051.321.000 166.523.147.000

204
 KODE TAH Ait TACit/Ait t-1 REV delta REV REC delta REC
SAHAM UN
2016 19.251.026.000.000 612.291.000.000 22.374.000.000 65.595.000.000
0,000 17.942.000.000
-
2017 19.920.021.000.000 209.688.000.000 402.603.000.000 97.012.000.000
0,000 31.417.000.000
-
JPFA 2018 125.782.000.000
24.827.355.000.000 0,000 335.470.000.000 16.390.000.000 80.622.000.000
-
2019 177.039.000.000
26.650.895.000.000 0,000 158.431.000.000 29.692.000.000 13.302.000.000
- -
2020 48.966.000.000
25.951.760.000.000 0,000 109.465.000.000 12.674.000.000 17.018.000.000
-
2016 1.871.422.416.044.00 2.812.196.217.447.0 150.157.686.426. 529.785.330.337.
0 0,000 00 000 000 6.163.599.404.000
-
2017 3.013.760.616.985.00 3.186.704.707.526.0 374.508.490.079. 23.873.699.608.0 505.911.630.729.0
0,000 000
0 00 00 00
-
KBLI 2018 3.244.821.647.076.00 4.239.937.390.001.0 1.053.232.682.47 19.610.987.333.0
0 0,000 00 5.000 00 4.262.712.275.000
-
2019 3.556.474.711.037.00 4.500.555.248.155.0 260.617.858.154. 8.724.907.813.00 10.886.079.520.00
0,000 000
0 00 0 0
-
-
2020 3.009.724.379.484.00 1.968.859.464.809.0 2.531.695.783.34 -
0 0,000 00 6.000 8.724.907.813.000

205
 KODE TAH Ait TACit/Ait t-1 REV delta REV REC delta REC
SAHAM UN
-
2016 5.089.076.648.00 48.804.150.813.0 38.915.168.625.00
0,000 0
639.091.366.917.000 102.704.178.403.000 00 0

2017 1.235.198.847.468.00 1.215.476.677.995.0 1.112.772.499.59 71.429.010.416.0 22.624.859.603.00

0,000 2.000
0 00 00 0

KBLM 2018 1.298.358.478.375.00 1.243.465.775.218.0 27.989.097.223.0 80.827.334.006.0

0 0,000 00 00 00 9.398.323.590.000
- -
2019 1.284.437.358.420.00 1.149.120.504.681.0 94.345.270.537.0 53.056.751.388.0 27.770.582.618.00
0,000 00
0 00 00 0
- -
2020 1.026.762.882.496.00 265.297.612.163. 23.637.133.568.0 29.419.617.820.00
0,000 000
0 883.822.892.518.000 00 0

2016 1.142.273.020.550.00 1.995.337.146.834.0 281.390.953.867. 366.702.067.522. 35.107.240.592.00

0,000 000
0 00 000 0

KDSI 2017 1.328.291.727.616.00 2.245.519.457.754.0 250.182.310.920. 415.080.462.642. 48.378.395.120.00

0,000 000
0 00 000 0
-
2018 1.391.416.464.512.00 2.327.951.625.610.0 82.432.167.856.0 370.235.456.448. 44.845.006.194.00
0,000 00
0 00 000 0

206
 KODE TAH Ait TACit/Ait t-1 REV delta REV REC delta REC
SAHAM UN
- -
2019 1.253.650.408.375.00 2.234.941.096.110.0 93.010.529.500.0 352.331.300.302. 17.904.156.146.00
0,000 00
0 00 000 0
- -
2020 1.245.707.236.962.00 1.923.089.935.410.0 311.851.160.700. 322.868.719.313. 29.462.580.989.00
0,000 000
0 00 000 0
- -
2016 3.284.504.424.358.00 3.493.028.761.680.0 110.818.840.837. 863.423.500.403. 30.700.501.795.00
0,000 000
0 00 000 0
- -
2017 3.237.595.219.274.00 3.160.637.269.263.0 332.391.492.417. 820.333.562.486. 43.089.937.917.00
0,000 000
0 00 000 0

KINO 2018 3.592.164.205.408.00 3.611.694.059.699.0 451.056.790.436. 966.790.910.171. 146.457.347.685.0

0,000 000
0 00 000 00

2019 4.695.764.958.883.00 4.678.868.638.822.0 1.067.174.579.12 1.369.676.008.09 402.885.097.920.0

0,000 3.000
0 00 1.000 00
-
2020 5.255.359.155.031.00 4.024.971.042.139.0 653.897.596.683. 1.428.552.938.54 58.876.930.450.00
0,000 000
0 00 1.000 0
-
KLBF 2016 15.226.009.210.657.0 58.520.145.771.0 2.606.612.666.11 269.168.361.579.0
0,000 00
00 45.975.818.025.000 9.000 00

207
 KODE TAH Ait TACit/Ait t-1 REV delta REV REC delta REC
SAHAM UN
-
2017 16.616.239.416.335.0 3.860.247.762.00 2.851.855.047.28 245.242.381.162.0
0,000 0
00 42.115.570.263.000 1.000 00

2018 18.146.206.145.369.0 33.367.069.856.0 3.230.855.504.41 379.000.457.138.0

0,000 00
00 75.482.640.119.000 9.000 00
-
##############
2019 20.264.726.862.584.00
66.253.834.956.000
9.228.805.163.00 #### 300.322.191.808.0
0 0,000 0 00
-
##############
2020 22.564.300.317.374.00
144.789.468.974.000
78.535.634.018.0 #### 97.130.890.555.00
0 0,000 00 0
-
2016 10.114.043.373.0 22.000.679.980.0
685.812.995.987.000 0,000 379.137.149.036.000 00 00 2.387.589.639.000
- -
2017 29.446.352.895.0 18.712.025.348.0
681.937.947.736.000 0,000 349.690.796.141.000 00 00 3.288.654.632.000

2018 74.437.624.586.0 22.672.705.218.0

LION 696.192.628.101.000 0,000 424.128.420.727.000 00 00 3.960.679.870.000
-
2019 51.639.397.799.0 98.390.747.167.0 75.718.041.949.00
0,000 00
688.017.892.312.000 372.489.022.928.000 00 0
-
2020 73.936.102.349.0 109.012.840.612. 10.622.093.445.00
0,000 00
647.829.858.922.000 298.552.920.579.000 000 0

208
 KODE TAH Ait TACit/Ait t-1 REV delta REV REC delta REC
SAHAM UN
-
2016 5.246.340.041.000 471.325.269.000
3.769.007.416.000 0,000 348.005.966.000 24.370.590.000
2017 195.055.794.000
4.008.635.719.000 0,000 5.441.395.835.000 361.114.944.000 13.108.978.000
-
MAIN 2018 1.264.496.900.00
4.335.844.455.000 0,000 6.705.892.735.000 0 309.273.625.000 51.841.319.000
-
2019 6.704.085.752.00
4.648.577.041.000 0,000 1.806.983.000 0 399.441.023.000 90.167.398.000
-
2020 1.178.424.000
4.674.206.873.000 0,000 2.985.407.000 383.162.203.000 16.278.820.000
-
2016 2.275.038.000.000 21.997.000.000 11.900.000.000 286.846.000.000
0,000 423.109.000.000
2017 214.644.000.000 192.647.000.000 560.248.000.000
2.510.078.000.000 0,000 273.402.000.000
-
MLBI 2018 2.889.501.000.000 1.555.000.000 213.089.000.000 604.963.000.000
0,000 44.715.000.000
2019 2.896.950.000.000 4.171.000.000 2.616.000.000 858.299.000.000
0,000 253.336.000.000
2020 2.907.425.000.000 5.061.000.000 890.000.000
1.189.261.000.00
0,000 0 330.962.000.000
-
2016 79.748.185.000
7.723.578.677.000 0,000 5.793.737.618.000 2.423.243.000 1.346.060.000
MLIA
2017 483.398.091.000
5.186.685.608.000 0,000 6.277.135.709.000 18.852.361.000 16.429.118.000

209
 KODE TAH Ait TACit/Ait t-1 REV delta REV REC delta REC
SAHAM UN
-
2018 5.263.726.099.000 5.576.944.266.000 700.191.443.000 24.143.331.000
0,000 5.290.970.000
- -
2019 1.689.868.466.00
5.758.102.626.000 0,000 3.887.075.800.000 0 11.145.328.000 12.998.003.000
-
2020 150.963.020.000
5.745.215.496.000 0,000 3.736.112.780.000 19.137.249.000 7.991.921.000

2016 5.246.340.041.000
1.510.227.261.00 109.012.840.612. 108.993.703.363.0
0,000 0
3.769.007.416.000 000 00
-
2017 195.055.794.000
108.664.834.646.0
0,000
4.008.635.719.000 5.441.395.835.000 348.005.966.000 00
MOLI
2018 1.264.496.900.00
4.335.844.455.000 0,000 6.705.892.735.000 0 361.114.944.000 13.108.978.000
-
-
2019 6.704.085.752.00
4.648.577.041.000 0,000 1.806.983.000 0 309.273.625.000 51.841.319.000

2020 1.178.424.000
4.674.206.873.000 0,000 2.985.407.000 399.441.023.000 90.167.398.000
- -
2016 410.330.576.602.000 1.371.706.512.000
14.817.358.929.3 122.441.440.000 2.153.782.045.899
0,000 35.000
MYOR .000
-
2017 498.701.656.995.000 685.976.337.000 685.730.175.000 249.268.986.000
0,000 126.827.546.000

210
 KODE TAH Ait TACit/Ait t-1 REV delta REV REC delta REC
SAHAM UN

2018 526.129.315.163.000 1.711.032.491.000

1.025.056.154.00 570.869.273.000
0,000 0 321.600.287.000
-
2019 925.114.449.507.000 5.400.125.375.000
3.689.092.884.00 1.174.775.622.00
0,000 0 0 270.540.811.000

2020 953.551.967.212.000 7.714.658.289.000

2.314.532.914.00 300.328.462.000
0,000 0 270.540.811.000

2016 638.566.761.462.000 706.730.705.044.000

7.420.105.479.00 14.539.909.696.0
0,000 0 00 3.577.905.708.000

2017 40.334.017.486.0 56.006.311.690.0 41.466.401.994.00

0,000 00
723.062.823.329.000 747.064.722.530.000 00 0
-
PICO 2018 28.980.721.044.0 53.824.688.212.0
852.932.442.585.000 0,000 776.045.443.574.000 00 00 2.181.623.478.000
-
-
2019 1.128.475.286.643.00 5.884.752.737.00 44.684.279.665.0
0 0,000 770.160.690.837.000 0 00 9.140.408.547.000
- -
2020 1.092.811.641.343.00 0,000 461.716.478.731. 29.348.150.707.0 15.336.128.958.00
0 308.444.212.106.000 000 00 0

PSDN 2016 47.998.980.257.0 64.745.242.474.0 19.720.613.330.00

0,000 00
653.796.725.408.000 932.905.806.441.000 00 0

211
 KODE TAH Ait TACit/Ait t-1 REV delta REV REC delta REC
SAHAM UN
-
2017 690.979.867.049.000 361.457.249.474.000
571.448.556.967. 94.365.538.924.0 29.620.296.450.00
0,000 000 00
0
-
2018 730.614.112.524.000 328.462.113.889.000
32.995.135.585.0 94.520.976.777.0
0,000 00 00 155.437.853.000
-
2019 1.224.283.552.949.0 895.821.439.060. 71.799.675.436.0 22.721.301.341.00
0,000 000
763.492.320.252.000 00 00 0
-
2020 328.827.506.950. 77.250.794.160.0
765.375.539.783.000 0,000 895.456.045.999.000 000 00 5.451.118.724.000
- -
2016 399.422.400.000
895.056.623.599. 42.692.622.386.0 34.558.171.774.00
0,000 000
187.057.163.854.000 00 0
- -
2017 372.447.376.000 26.975.024.000
37.327.885.021.0
159.563.931.041.000 0,000 00 5.364.737.365.000

PYFA 2018 399.422.400.000 26.975.024.000

42.692.622.386.0
187.057.163.854.000 0,000 00 5.364.737.365.000
-
2019 2.753.559.619.00 41.551.408.067.0
94.839.789.331.000 0,000 3.152.982.019.000 0 00 1.141.214.319.000
-
2020 1.302.975.362.00 59.304.207.665.0 17.752.799.598.00
0,000 0
99.232.960.294.000 1.850.006.657.000 00 0

212
 KODE TAH Ait TACit/Ait t-1 REV delta REV REC delta REC
SAHAM UN

2016 2.919.640.858.718.00 2.521.920.968.213.0 347.419.255.314. 138.850.856.494. 10.072.094.684.00

0,000 000
0 00 000 0
-
2017 4.559.573.709.411.00 2.491.100.179.560.0 30.820.788.653.0 164.515.198.562. 25.664.342.068.00
0,000 00
0 00 000 0

ROTI 2018 4.393.810.380.883.00 2.766.545.866.684.0 275.445.687.124. 206.166.236.967. 117.570.289.764.0

0,000 000
0 00 000 00
-
2019 4.682.083.844.951.000
3.337.022.314.624.0 570.476.447.940. 282.085.488.326. 106.010.188.746.0
0,000 00 000 000 00
- -
2020 3.352.166.671.985.000
3.212.034.546.032.0 124.987.768.592. 176.075.299.580. 175.806.018.580.0
0,000 00 000 000 00
-
-
2016 3.212.020.894.03
3.158.198.000.000 0,000 13.652.000.000 2.000 269.281.000.000 39.624.000.000
-
2017 3.784.000.000
3.158.198.000.000 0,000 17.436.000.000 229.657.000.000 39.624.000.000
SIDO -
2018 176.000.000
3.337.628.000.000 0,000 17.260.000.000 238.574.000.000 8.917.000.000
-
2019 3.608.000.000
3.529.557.000.000 0,000 13.652.000.000 269.281.000.000 30.707.000.000
-
2020 4.092.000.000
3.849.516.000.000 0,000 9.560.000.000 296.885.000.000 27.604.000.000

213
 KODE TAH Ait TACit/Ait t-1 REV delta REV REC delta REC
SAHAM UN

2016 833.850.372.883.000
88.742.641.675.0 108.361.346.707. 21.247.949.749.00
0,000 00
568.239.939.951.000 000 0

2017 80.338.386.896.0 116.147.932.953.

636.284.210.210.000 0,000 914.188.759.779.000 00 000 7.786.586.246.000

SKLT 2018 1.045.029.834.378.0 130.841.074.599. 163.848.351.756. 47.700.418.803.00

0,000 000
747.293.725.435.000 00 000 0
-
2019 87.829.746.373.0 177.886.504.926. 14.038.153.170.00
0,000 00
790.845.543.826.000 957.200.088.005.000 000 0
- -
2020 37.088.614.319.0 153.898.836.527. 23.987.668.399.00
0,000 00 000
773.863.042.440.000 920.111.473.686.000 0
- -
2016 4.214.560.830.792.000 5.897.611.668.000
914.213.862.018. 37.224.664.230.0 116.674.172.297.0
0,000 000 00 00
-
2017 4.287.546.937.284.000 6.414.691.452.000 517.079.784.000
27.247.890.774.0
0,000 00 9.976.773.456.000
SMBR -
2018 4.307.711.380.284.000 3.696.134.208.000
2.718.557.244.00 38.426.619.972.0 11.178.729.198.00
0,000 0 00 0

2019 4.134.805.132.692.000 9.795.718.062.000

6.099.583.854.00 117.335.783.916. 78.909.163.944.00
0,000 0 000 0

214
 KODE TAH Ait TACit/Ait t-1 REV delta REV REC delta REC
SAHAM UN
-
2020 4.179.117.460.830.000 15.117.477.336.000
5.321.759.274.00 106.281.736.080. 11.054.047.836.00
0,000 0 000
0
- -
2016 15.025.832.336.0 105.642.784.080.0
0,000 00
6.041.811.000.000 91.645.000.000 638.952.000.000 00
-
2017 87.153.000.000 4.492.000.000
6.269.365.000.000 0,000 685.243.000.000 46.291.000.000
SMGR -
2018 25.563.000.000
6.494.070.000.000 0,000 112.716.000.000 655.892.000.000 29.351.000.000
2019 10.726.000.000
3.547.289.000.000 0,000 123.442.000.000 785.057.000.000 129.165.000.000
-
2020 51.888.000.000
3.113.612.000.000 0,000 71.554.000.000 830.077.000.000 45.020.000.000
- -
2016 71.151.659.000
1.587.210.576.000 0,000 402.341.000 437.336.193.000 392.740.807.000
-
2017 917.025.000
1.927.985.352.000 0,000 1.319.366.000 369.651.364.000 67.684.829.000
-
SMSM 2018 13.849.000
2.081.620.993.000 0,000 1.333.215.000 322.992.909.000 46.658.455.000
2019 1.641.107.000 307.892.000
1.888.753.850.000 0,000 404.574.468.000 81.581.559.000
- -
2020 603.798.000 1.037.309.000
1.513.949.141.000 0,000 238.051.321.000 166.523.147.000
-
SRSN 2016 19.251.026.000.000 612.291.000.000 611.687.202.000 65.595.000.000
0,000 172.456.321.000

215
 KODE TAH Ait TACit/Ait t-1 REV delta REV REC delta REC
SAHAM UN
-
2017 19.920.021.000.000 209.688.000.000 402.603.000.000 97.012.000.000
0,000 31.417.000.000
-
2018 125.782.000.000
24.827.355.000.000 0,000 335.470.000.000 16.390.000.000 80.622.000.000
-
2019 177.039.000.000
26.650.895.000.000 0,000 158.431.000.000 29.692.000.000 13.302.000.000
- -
2020 48.966.000.000
25.951.760.000.000 0,000 109.465.000.000 12.674.000.000 17.018.000.000
2016 804.742.917.000 254.691.210.000 145.226.210.000
9.840.287.674.00
0,000 0 9.827.613.674.000
-
2017 855.691.231.000 60.303.017.000 194.388.193.000
11.240.108.092.0
0,000 00 1.399.820.418.000

STTP 2018 879.829.686.000 62.948.492.000 2.645.475.000

13.744.954.448.0
0,000 00 2.504.846.356.000

2019 863.146.554.000 273.444.270.000 210.495.778.000

15.142.829.214.0
0,000 00 1.397.874.766.000
-
2020 775.324.937.000 215.095.350.000 58.348.920.000
15.825.508.503.0
0,000 00 682.679.289.000
-
2016 91.048.374.090.0 742.590.000
387.981.312.196.000 0,000 91.157.839.090.000 00 11.931.410.000
TALF
2017 354.971.071.524. 14.238.488.000
465.965.155.745.000 0,000 446.128.910.614.000 000 13.495.898.000

216
 KODE TAH Ait TACit/Ait t-1 REV delta REV REC delta REC
SAHAM UN

2018 115.244.747.213. 46.718.272.000

514.962.171.773.000 0,000 561.373.657.827.000 000 32.479.784.000
-
2019 152.952.048.179. 9.926.212.000
590.884.444.113.000 0,000 714.325.706.006.000 000 36.792.060.000
-
2020 176.026.455.165. 470.128.877.000
554.235.931.111.000 0,000 538.299.250.841.000 000 460.202.665.000
-
-
2016 246.536.771.775.000 2.413.647.986.000
535.885.602.855. 78.726.000.000
0,000 000 391.402.877.000
- -
2017 98.190.640.839.000 876.236.625.000
1.537.411.361.00 16.968.000.000
0,000 0 61.758.000.000
TBMS 2018 89.190.640.839.000 0,000 1.740.278.416.000 864.041.791.000 206.041.000.000 189.073.000.000
-
2019 92.041.274.561.000 938.462.834.000 801.815.582.000
1.415.030.000.00
0,000 0 1.208.989.000.000
- -
2020 99.558.394.759.000 242.632.004.000 695.830.830.000 52.944.000.000
0,000 1.362.086.000.000

2016 41.363.754.544.000 36.351.656.844.000

36.109.024.840.0 10.895.831.194.0 10.842.887.194.00
0,000 00 00
TCID 0
-
2017 4.386.720.222.000 101.068.904.000
36.250.587.940.0 14.190.808.521.0
0,000 00 00 3.294.977.327.000

217
 KODE TAH Ait TACit/Ait t-1 REV delta REV REC delta REC
SAHAM UN
- -
2018 45.063.576.648.000 56.577.292.000 44.491.612.000
11.126.739.229.0
0,000 00 3.064.069.292.000
-
-
2019 4.381.695.326.000 25.132.028.000 31.445.264.000 196.051.141.000 10.930.688.088.00
0,000
0
-
2020 45.331.155.053.000 74.034.113.156.000
74.008.981.128.0 94.521.000
0,000 00 195.956.620.000

2016 1.425.964.152.418.000
4.115.541.761.173.0 4.041.507.648.01 28.281.251.000
0,000 00 7.000 28.186.730.000
-
2017 1.392.636.444.501.000
4.257.738.486.908.0 142.196.725.735. 3.918.884.000
0,000 00 000 24.362.367.000
-
TOTO 2018 1.168.956.042.706.000
3.629.327.583.572.0 628.410.903.336. 477.846.377.000
0,000 00 000 473.927.493.000
-
2019 1.393.079.542.074.000
3.120.937.098.980.0 508.390.484.592. 700.314.317.000
0,000 00 000 222.467.940.000

2020 1.566.673.828.068.000
3.634.297.273.749.0 513.360.174.769. 2.187.133.000.00
0,000 00 000 0 1.486.818.683.000
-
2016 24.204.994.000.000 38.256.857.000.000
3.596.040.416.74 2.239.906.000.00
0,000 9.000 0 52.773.000.000
TRST
-
2017 24.522.593.000.000 49.367.386.000.000
11.110.529.000.0 1.750.046.000.00
0,000 00 0 489.860.000.000

218
 KODE TAH Ait TACit/Ait t-1 REV delta REV REC delta REC
SAHAM UN

2018 27.541.427.000.000 53.957.604.000.000

4.590.218.000.00 2.021.813.000.00
0,000 0 0 271.767.000.000
-
-
2019 29.109.408.000.000 42.501.146.000.000
11.456.458.000.0 1.834.984.000.00
0,000 00 0 186.829.000.000
-
2020 31.159.291.000.000 42.518.762.000.000 17.616.000.000
0,000 148.351.045.000 1.686.632.955.000
-
-
2016 40.860.143.101.0
1.197.796.650.000 0,000 1.658.618.899.000 00 145.972.031.000 2.379.014.000
-
2017 881.310.571.000
1.340.842.765.000 0,000 777.308.328.000 156.825.348.000 10.853.317.000

TSPC 2018 893.006.350.000 115.698.022.000

1.523.517.170.000 0,000 197.060.469.000 40.235.121.000
- -
2019 65.869.623.000
1.425.983.722.000 0,000 827.136.727.000 101.780.949.000 95.279.520.000
-
2020 280.800.316.000
10.276.286.000.0 10.174.505.051.00
0,000 00
1.225.580.913.000 546.336.411.000 0
-
2016 296.129.565.784.000 7.882.651.162.000
34.636.110.838.0 15.854.405.910.0 15.706.054.865.00
0,000 00 00 0
ULTJ
-
2017 308.491.173.960.000 4.586.153.872.000
3.296.497.290.00 27.682.701.570.0 11.828.295.660.00
0,000 0 00
0

219
 KODE TAH Ait TACit/Ait t-1 REV delta REV REC delta REC
SAHAM UN
-
2018 328.336.609.423.000 7.164.564.201.000
2.578.410.329.00 12.759.536.460.0 14.923.165.110.00
0,000 0 00
0
-
2019 318.141.387.900.000 6.752.640.735.000 411.923.466.000
19.160.405.693.0
0,000 00 6.400.869.233.000
-
2020 317.310.718.779.000 7.138.659.193.000 386.018.458.000 148.351.045.000 19.012.054.648.00
0,000
0
-
-
2016 1.225.580.913.000 1.658.618.899.000
5.480.040.294.00 145.972.037.000
0,000 0 2.379.008.000
-
2017 1.425.983.722.000 777.308.328.000 881.310.571.000 156.825.348.000
0,000 10.853.311.000

UNIC 2018 1.523.517.170.000 893.006.350.000 115.698.022.000 197.060.469.000

0,000 40.235.121.000
- -
2019 1.292.805.083.000 827.136.727.000 65.869.623.000 101.780.949.000
0,000 95.279.520.000
-
2020 1.103.831.856.000 546.336.411.000 280.800.316.000
81.737.871.362.0 81.636.090.413.00
0,000 00 0
-
2016 792.508.630.708.000 1.565.520.209.000
1.019.183.798.00 378.684.854.000 81.359.186.508.00
0,000 0
UNVR 0

2017 796.767.646.172.000 91.329.537.970.000

89.764.017.761.0 889.468.512.000
0,000 00 510.783.658.000

220
 KODE TAH Ait TACit/Ait t-1 REV delta REV REC delta REC
SAHAM UN

2018 857.844.536.377.000 105.037.156.664.000

13.707.618.694.0 102.774.971.158. 101.885.502.646.0
0,000 00 000
00
- -
2019 968.234.349.565.000 2.556.229.690.000
102.480.926.974. 87.196.198.463.0 15.578.772.695.00
0,000 000 00 0
-
-
2020 1.081.979.820.386.000 2.109.609.450.000 446.620.240.000
2.089.949.000.00 85.106.249.463.00
0,000 0 0

2016 62.951.634.000.000
74.164.537.550.0 2.229.097.000.00
0,000 76.274.147.000.000 00 0 139.148.000.000
-
2017 7.031.778.000.00 1.725.933.000.00
66.759.930.000.000 0,000 83.305.925.000.000 0 0 503.164.000.000
-
VOKS 2018 69.097.219.000.000
7.031.778.000.00 1.875.909.000.00
0,000 76.274.147.000.000 0 0 149.976.000.000

2019 34.249.672.000.0 2.556.127.000.00

78.647.274.000.000 0,000 110.523.819.000.000 00 0 680.218.000.000
-
2020 3.953.492.000.00 1.383.485.000.00
78.191.409.000.000 0,000 114.477.311.000.000 0 0 1.172.642.000.000
-
-
WIIM 2016 100.843.755.000. 1.112.992.000.00
18.697.779.000.000 0,000 13.633.556.000.000 000 0 270.493.000.000

221
 KODE TAH Ait TACit/Ait t-1 REV delta REV REC delta REC
SAHAM UN

2017 513.362.000.000
1.415.841.000.00
18.697.779.000.000 0,000 14.146.918.000.000 0 302.849.000.000
-
2018 513.362.000.000
1.644.794.000.00
18.191.176.000.000 0,000 13.633.556.000.000 0 228.953.000.000

2019 2.305.865.000.00 1.998.361.000.00

18.856.075.000.000 0,000 15.939.421.000.000 0 0 353.567.000.000
-
2020 2.504.829.000.00 3.124.358.000.00
17.781.660.000.000 0,000 13.434.592.000.000 0 0 1.125.997.000.000

2016 82.032.065.000.0 3.375.798.000.00

42.508.277.000.000 0,000 95.466.657.000.000 00 0 251.440.000.000
-
2017 3.624.827.000.00 3.370.321.000.00
43.141.063.000.000 0,000 99.091.484.000.000 0 0 5.477.000.000
-
WTON 2018 7.650.407.000.00 3.118.541.000.00
46.602.420.000.000 0,000 106.741.891.000.000 0 0 251.780.000.000
-
2019 50.902.806.000.000 106.055.176.000.000 686.715.000.000
3.507.586.000.00
0,000 0 389.045.000.000
- -
2020 92.425.210.000.000
13.629.966.000.0 3.370.321.000.00
49.674.030.000.000 0,000 00 0 137.265.000.000

222
Lampiran 7 Data Hasil Perhitungan Kepemilikan Institusional

Data Hasil Perhitungan Kepemilikan Institusional

Kepemilikan Institusional
No Kode Mean
2016 2017 2018 2019 2020
1 ADES 1,027 0,944 0,944 0,944 0,944 0,961
2 AGII 0,655 0,655 0,725 0,739 4,029 1,361
3 AKPI 0,573 0,700 0,702 0,702 0,702 0,676
4 ALDO 0,584 0,584 0,584 0,778 0,778 0,662
5 AMFG 0,008 0,008 0,005 0,009 0,009 0,008
6 APLI 0,534 0,588 0,588 0,588 0,590 0,578
7.. ARNA 0,140 0,140 0,140 0,140 0,647 0,241
8 ASII 0,501 0,499 0,501 0,501 0,501 0,501
9 BATA 0,871 0,871 0,871 0,871 0,871 0,871
10 BELL 0,670 0,793 0,793 0,949 0,906 0,822
11 BIMA 0,742 0,735 0,958 0,958 0,958 0,870
12 BRAM 0,013 0,013 0,014 0,013 0,001 0,011
13 BRPT 9,191 0,259 0,341 0,226 0,267 2,057
14 BTON 0,020 0,020 0,020 0,020 0,020 0,020
15 BUDI 0,534 0,534 0,534 0,578 0,903 0,617
16 CEKA 0,870 0,870 0,870 0,870 0,870 0,870
17 CPIN 0,555 0,555 0,555 0,555 0,555 0,555
18 DLTA 0,968 0,817 0,966 0,965 0,962 0,936
19 DPNS 0,599 0,599 0,667 0,667 0,667 0,640
20 DVLA 0,921 0,943 0,937 0,936 0,936 0,935
21 EKAD 0,754 0,768 0,775 0,785 0,785 0,773
22 GGRM 0,951 0,952 0,975 0,962 0,937 0,955
23 GJTL 0,595 0,595 0,595 0,595 0,595 0,595
24 HMSP 0,988 0,989 0,988 0,979 0,962 0,981
25 ICBP 0,805 0,805 0,805 0,805 0,805 0,805
26 IGAR 0,848 0,848 0,848 0,848 0,848 0,848
27 IMPC 0,001 0,893 0,893 0,898 0,898 0,717
28 INDF 0,501 0,501 0,501 0,501 0,501 0,501
29 INDS 0,881 0,881 0,881 0,881 0,881 0,881
30 INKP 0,527 0,527 0,530 0,533 0,533 0,530
31 INTP 0,510 0,510 0,510 0,510 0,510 0,510
32 IPOL 0,734 0,786 0,810 0,810 0,810 0,790

223
 Kepemilikan Institusional
No Kode Mean
2016 2017 2018 2019 2020
33 ISSP 0,559 0,559 0,559 0,559 0,559 0,559
34 JECC 0,901 0,843 0,901 0,901 0,901 0,889
35 JPFA 0,630 0,630 0,641 0,524 0,524 0,590
36 KBLI 0,585 0,551 0,630 0,498 0,498 0,552
37 KBLM 0,824 0,816 0,819 0,818 0,818 0,819
38 KDSI 0,757 0,784 0,784 0,784 0,784 0,779
39 KINO 0,877 0,879 0,874 0,883 0,859 0,875
40 KLBF 0,978 0,568 0,570 0,570 0,932 0,723
41 LION 0,998 0,998 0,998 0,998 0,998 0,998
42 MAIN 0,572 0,573 0,573 0,573 0,573 0,573
43 MLBI 0,818 0,818 0,818 0,982 0,982 0,884
44 MLIA 0,823 0,672 0,672 0,299 0,299 0,553
45 MOLI 0,593 0,593 0,593 0,514 0,514 0,561
46 MYOR 0,591 0,591 0,591 0,591 0,591 0,591
47 PICO 0,940 0,940 0,940 0,764 0,764 0,870
48 PSDN 0,925 0,847 0,847 0,851 0,851 0,864
49 PYFA 0,538 0,538 0,538 0,538 0,693 0,569
50.. ROTI 0,694 0,731 0,731 0,992 0,992 0,828
51 SIDO 0,810 0,810 0,810 0,964 0,951 0,869
52 SKLT 0,977 0,841 0,841 0,977 0,844 0,896
53 SMBR 0,762 0,762 0,762 0,762 0,946 0,799
54 SMGR 0,510 0,510 0,510 0,510 0,510 0,510
55 SMSM 0,581 0,581 0,581 0,581 0,836 0,632
56 SRSN 0,680 0,328 0,328 0,328 0,399 0,413
57 STTP 0,568 0,568 0,568 0,635 0,635 0,595
58 TALF 0,994 0,994 0,994 0,994 0,994 0,994
59 TBMS 0,862 0,862 0,862 0,862 0,862 0,862
60 TCID 0,738 0,738 0,738 0,759 0,875 0,770
61 TOTO 0,924 0,924 0,658 0,924 0,924 0,871
62 TRST 0,280 0,280 0,280 0,280 0,743 0,373
63 TSPC 0,784 0,784 0,852 0,852 0,976 0,850
64 ULTJ 0,371 0,369 0,363 0,364 0,204 0,334
65 UNIC 0,582 0,582 0,582 0,582 0,641 0,594
66 UNVR 0,989 0,990 0,942 0,988 0,983 0,978
67 VOKS 0,631 0,631 0,694 0,541 0,541 0,608

224
 Kepemilikan Institusional
No Kode Mean
2016 2017 2018 2019 2020
68 WIIM 0,441 0,381 0,381 0,381 0,373 0,391
69 WTON 0,600 0,600 0,600 0,600 0,669 0,614
Min 0,001 0,008 0,005 0,009 0,001 0,005
Max 9,191 0,998 0,998 0,998 4,029 3,243
Mean 0,808 0,644 0,655 0,650 0,754 0,702
Std. Deviasi 1,213 0,246 0,249 0,265 0,522 0,499

225
Lampiran 8 Data Hasil Perhitungan Tax Avoidance

Data Hasil Perhitungan Tax Avoidance

Manajemen laba
No Kode Mean
2016 2017 2018 2019 2020
1 ADES 0,112 0,124 0,214 0,490 2,346 0,657
2 AGII 0,174 0,088 0,212 0,200 0,232 0,181
3 AKPI 0,352 0,144 0,364 0,245 0,392 0,299
4 ALDO 0,307 0,114 0,248 0,161 0,003 0,167
5 AMFG 0,337 0,127 0,089 0,196 0,010 0,152
6 APLI 0,171 0,129 0,417 0,837 0,418 0,394
7.. ARNA 0,245 0,159 1,552 0,616 0,132 0,541
8 ASII 0,244 0,183 0,237 0,141 0,193 0,200
9 BATA 0,422 1,018 2,798 0,350 0,343 0,986
10 BELL 0,418 0,167 0,265 0,761 0,232 0,369
11 BIMA 0,032 0,428 0,271 0,292 0,233 0,251
12 BRAM 0,215 0,236 0,373 0,323 0,246 0,279
13 BRPT 0,182 0,299 0,287 0,325 0,199 0,258
14 BTON 0,134 0,096 0,273 0,241 0,053 0,159
15 BUDI 0,318 0,164 0,184 0,386 0,164 0,243
16 CEKA 0,251 0,297 0,253 0,172 0,326 0,260
17 CPIN 0,142 0,951 0,276 0,171 0,134 0,335
18 DLTA 0,261 6,511 0,221 0,557 4,755 2,461
19 DPNS 0,003 0,205 0,233 0,241 3,615 0,859
20 DVLA 0,190 0,017 0,000 0,253 6,540 1,400
21 EKAD 0,127 1,480 0,000 0,247 6,671 1,705
22 GGRM 0,269 0,279 0,506 0,166 0,293 0,303
23 GJTL 0,000 0,352 0,130 0,616 0,233 0,266
24 HMSP 0,225 3,173 0,257 0,334 0,001 0,798
25 ICBP 0,307 0,210 0,246 1,238 0,336 0,467
26 IGAR 0,212 0,260 0,254 0,637 0,690 0,411
27 IMPC 0,238 0,228 0,264 0,543 1,322 0,519
28 INDF 0,363 0,139 0,358 0,149 0,160 0,234
29 INDS 0,398 0,218 0,311 0,690 1,729 0,669
30 INKP 0,022 0,229 0,169 2,729 0,274 0,685
31 INTP 0,182 0,321 0,284 0,263 0,333 0,277
32 IPOL 0,245 0,278 0,349 0,299 0,250 0,284

226
 Manajemen laba
No Kode Mean
2016 2017 2018 2019 2020
33 ISSP 0,367 0,277 0,440 0,281 2,699 0,813
34 JECC 0,014 0,366 0,261 0,622 0,202 0,293
35 JPFA 0,152 0,711 0,227 1,125 0,218 0,487
36 KBLI 0,157 0,028 0,322 0,303 0,432 0,248
37 KBLM 0,099 0,254 0,287 0,875 9,616 2,226
38 KDSI 0,124 0,235 0,155 0,343 0,335 0,238
39 KINO 0,409 0,212 0,079 0,168 0,288 0,231
40 KLBF 0,243 0,572 0,447 2,519 0,220 0,800
41 LION 0,327 0,799 0,465 0,341 0,204 0,427
42 MAIN 0,226 1,512 0,270 0,246 1,382 0,727
43 MLBI 0,191 0,315 0,224 0,269 1,382 0,476
44 MLIA 46,096 0,022 0,163 0,304 1,310 9,579
45 MOLI 0,444 0,299 0,273 0,202 2,043 0,652
46 MYOR 0,290 0,344 0,285 0,229 0,338 0,297
47 PICO 0,035 0,345 0,206 0,296 0,308 0,238
48 PSDN 0,194 0,371 0,034 0,362 0,209 0,234
49 PYFA 0,322 0,413 0,052 0,107 0,226 0,224
50.. ROTI 0,273 0,558 0,362 0,043 0,031 0,253
51 SIDO 0,272 0,556 0,134 0,442 0,152 0,311
52 SKLT 0,319 0,812 0,120 0,326 0,553 0,426
53 SMBR 0,232 0,001 0,119 0,311 0,086 0,150
54 SMGR 0,304 0,100 0,033 0,619 0,257 0,263
55 SMSM 0,205 1,985 0,145 0,218 0,192 0,549
56 SRSN 10,431 0,016 0,104 0,262 0,315 2,226
57 STTP 4,802 0,088 0,520 0,251 0,184 1,169
58 TALF 0,239 0,359 0,199 0,145 0,544 0,297
59 TBMS 0,043 0,184 0,180 0,264 1,025 0,339
60 TCID 0,151 1,316 1,037 0,109 0,418 0,606
61 TOTO 0,376 0,340 0,169 0,159 8,445 1,898
62 TRST 0,354 0,113 0,327 0,202 0,581 0,315
63 TSPC 1,542 0,179 0,128 0,216 0,255 0,464
64 ULTJ 0,271 0,294 0,544 0,219 0,349 0,335
65 UNIC 0,285 0,446 0,041 0,207 0,066 0,209
66 UNVR 0,241 0,155 0,045 0,204 1,136 0,356
67 VOKS 0,272 0,423 1,723 0,301 1,115 0,767
68 WIIM 0,332 0,245 0,395 0,170 1,119 0,452
69 WTON 1,425 0,259 0,270 0,258 0,234 0,489

227
 Manajemen laba
No Kode Mean
2016 2017 2018 2019 2020
Min 0,000 0,001 0,000 0,043 0,001 0,009
Max 46,096 6,511 2,798 2,729 9,616 13,550
Mean 1,147 0,495 0,329 0,411 1,034 0,683
Std. Deviasi 5,655 0,890 0,413 0,449 1,915 1,864

228
 Lampiran 9 Data Hasil Perhitungan Manajemen Laba

Data Hasil Perhitungan Manajemen Laba

Manajemen laba
No Kode Mean
2016 2017 2018 2019 2020
1 ADES 0,0547 -0,0149 -0,0433 0,0090 0,0229 0,01
2 AGII 0,0919 0,0112 0,0060 0,0007 -0,0030 0,02
3 AKPI 0,0005 0,0024 -0,0018 -0,0021 0,0171 0,00
4 ALDO -0,0002 0,0005 0,0006 0,0008 -0,0010 0,00
5 AMFG 0,1393 -0,0024 0,0053 0,0033 -0,0014 0,03
6 APLI 0,0164 0,0603 0,0232 -0,0227 -0,0184 0,01
7.. ARNA -0,0001 0,0001 0,0030 -0,0029 -0,0001 0,00
8 ASII 0,0029 0,0004 0,0001 -0,0013 0,0004 0,00
9 BATA 0,0804 -0,0716 -0,0001 -0,0112 0,0020 0,00
10 BELL 0,5801 -0,8780 0,0163 -0,0172 -0,0158 -0,06
11 BIMA 0,0296 0,0061 0,0251 0,0163 0,0080 0,02
12 BRAM -0,0174 0,0515 0,0081 -0,0007 -0,8796 -0,17
13 BRPT 0,0083 -0,0140 0,0321 0,3398 -0,5172 -0,03
14 BTON 0,0106 -0,0054 -0,0097 -0,0598 -0,0010 -0,01
15 BUDI -0,0090 0,0171 -0,0514 -0,0290 0,1869 0,02
16 CEKA -0,0246 -0,0057 0,0264 0,0259 -0,0212 0,00
17 CPIN -0,1420 -0,0245 -0,0308 0,0342 -0,0064 -0,03
18 DLTA -0,0045 0,0410 0,0032 0,0290 -0,0552 0,00
19 DPNS 0,0379 0,0196 0,0380 -0,0453 0,0201 0,01
20 DVLA -0,0045 0,0401 0,0030 0,0290 -0,0609 0,00
21 EKAD 0,0299 -0,1092 -0,0003 0,1258 -0,0160 0,01
22 GGRM 0,0029 -0,0042 -0,0013 -0,0266 0,0058 0,00
23 GJTL 0,0478 -0,0160 0,0179 0,0053 0,0266 0,02
24 HMSP 0,0123 0,0010 -0,0104 -0,0044 0,0234 0,00
25 ICBP -0,0036 0,0017 -0,0044 -0,0080 0,0275 0,00
26 IGAR 0,0302 0,0039 1,3052 0,0024 -0,0272 0,26
27 IMPC 0,0023 0,0063 -0,0045 -0,0139 -0,0121 0,00
28 INDF -0,4272 0,0002 0,0016 -0,0032 0,0093 -0,08
29 INDS -0,0087 0,0239 0,0317 -0,0450 -0,0031 0,00
30 INKP 0,0006 0,0127 -0,0149 0,0119 0,0161 0,01
31 INTP 0,0017 -0,0016 -0,0004 -0,0004 0,0002 0,00
32 IPOL 0,0054 -0,0023 0,0027 0,0183 -0,0026 0,00

229
 Manajemen laba
No Kode Mean
2016 2017 2018 2019 2020
33 ISSP 0,1244 0,0078 -0,0048 0,0199 0,0136 0,03
34 JECC 0,0535 -0,0426 -0,0241 0,0393 -0,0880 -0,01
35 JPFA 0,0011 0,0030 -0,0043 0,0011 -0,0004 0,00
36 KBLI 0,0095 0,2820 0,0217 0,0081 -0,2314 0,02
37 KBLM 0,0415 0,1260 -0,0134 -0,0226 -0,0335 0,02
38 KDSI -0,0486 -0,0229 0,0284 -0,1305 -0,0169 -0,04
39 KINO 0,0602 -0,0326 -0,0232 0,0438 -0,0071 0,01
40 KLBF -0,0061 0,0130 -0,1502 -0,1226 -0,0652 -0,07
41 LION -0,0219 0,0016 0,0088 -0,1073 -0,0193 -0,03
42 MAIN -9,9931 -57,6271 -20,8380 -37,1426 -0,0494 -25,13
43 MLBI 0,0749 -0,1195 -0,0976 -0,1322 -0,3159 -0,12
44 MLIA 0,0014 -0,0112 -0,0164 -0,0257 -0,0628 -0,02
45 MOLI -27,6951 8,6561 -0,0021 -0,0766 -0,0343 -3,83
46 MYOR 0,1779 0,8657 3,0095 -2,4042 0,3852 0,41
47 PICO 0,0065 -0,1023 -0,0777 -0,2099 0,0572 -0,07
48 PSDN -0,0134 -0,0736 0,0520 0,1267 0,0001 0,02
49 PYFA -0,0256 0,0666 -0,0110 -0,0373 0,0760 0,01
50.. ROTI -0,0462 -0,0901 -0,0594 -0,0238 -0,0320 -0,05
51 SIDO -0,0559 -0,0213 -0,0607 -0,0181 -0,0368 -0,04
52 SKLT 0,0077 0,0388 -0,0359 -0,0397 -0,0285 -0,01
53 SMBR 0,3038 -0,0064 0,0000 -0,0318 0,0055 0,05
54 SMGR 0,0248 -0,1240 -0,2143 -0,5185 -0,2116 -0,21
55 SMSM 0,0988 0,1115 0,0713 -0,0581 0,1459 0,07
56 SRSN -68,4024 -3,5439 0,3782 1,2839 0,2799 -14,00
57 STTP -0,3938 -1,7749 -3,3024 -1,9428 -0,5445 -1,59
58 TALF 0,6509 0,0984 -0,0496 0,4190 0,0114 0,23
59 TBMS -0,0679 -0,0179 -0,0386 -0,0869 -0,0253 -0,05
-
60 TCID
-1,1137 -3,4728 -3,9339 0,6547 30,5195 -7,68
61 TOTO 2,1696 -0,0941 -0,0339 -0,1431 0,0131 0,38
62 TRST -0,2651 -7,8528 -2,2537 0,9856 -1,8405 -2,25
63 TSPC -0,0770 -0,1042 0,1888 0,0884 -7,2332 -1,43
64 ULTJ -2,7925 -1,2592 0,4565 -0,2053 -1,0745 -0,97
65 UNIC 0,3782 -74,0001 115,0923 -39,1842 63,8153 13,22
66 UNVR 73,4939 0,0058 -0,1255 0,0095 0,0890 14,69
67 VOKS -0,0278 1,5634 0,5564 0,5799 1,2576 0,79
68 WIIM -0,4608 -8,2515 -4,8185 -9,4629 -8,2352 -6,25

230
 Manajemen laba
No Kode Mean
2016 2017 2018 2019 2020
69 WTON 11,6654 -5,0690 -5,7033 -13,2134 -4,8603 -3,44
-
Min
-68,4024 -74,0001 -20,8380 -39,1842 30,5195 -25,1300
Max 73,4939 8,6561 115,0923 1,2839 63,8153 14,6945
Mean 0,0023 -0,0023 -0,0013 -0,0044 -0,0031 0,0001
Std. Deviasi 11092 8723 13688 3046 5154 1334

231
Lampiran 10 Hasil Olah Data

Hasil Olah Data Output Eviews10

Hasil Statistik Deskriptif

Date: 09/27/22 Time: 20:11
Sample: 1 345

KEPEMILIKAN_INSTITUSIONAL TAX_AVOIDANCE MANAJEMEN_LABA

Mean 0.726792 0.685408 -0.034351

Median 0.731114 0.263294 0.001048
Maximum 9.190621 46.09647 63.15924
Minimum 0.000000 6.71E-06 -73.75987
Std. Dev. 0.612508 2.722412 5.590483
Skewness 9.601720 13.97231 -2.759598
Kurtosis 121.6656 227.6061 138.6362

Jarque-Bera 207120.8 734279.8 264129.6

Probability 0.000000 0.000000 0.000000

Sum 250.0164 235.7803 -11.81687

Sum Sq. Dev. 128.6818 2542.153 10719.95

Observations 344 344 344

Hasil Uji Normalitas

300
Seri es : Res i dua l s
Sa mpl e 1 345
250 Obs erva ti ons 344

200 Mea n 6.59e-17

Medi a n 0.041116
150 Ma xi mum 63.19030
Mi ni mum -73.67341
Std. Dev. 5.589345
100
Skewnes s -2.748511
Kurtos i s 138.4914
50
Ja rque-Bera 263563.3
0 Proba bi l i ty 0.000000
-70 -60 -50 -40 -30 -20 -10 0 10 20 30 40 50 60

Hasil Uji Multikolonieritas

232
 Variance Inflation Factors
Date: 09/27/22 Time: 21:14
Sample: 1 345
Included observations: 344

Coefficient Uncentered Centered

Variable Variance VIF VIF

C 0.224533 2.457978 NA
KEPEMILIKAN_INSTI... 0.244449 2.414558 1.001025
TAX_AVOIDANCE 0.012374 1.064660 1.001025

Hasil Uji Heteroskedastisitas

Heteroskedasticity Test: Glejser

Null hypothesis: Homoskedasticity

F-statistic 0.105066 Prob. F(2,341) 0.9003

Obs*R-squared 0.211850 Prob. Chi-Square(2) 0.8995
Scaled explained SS 0.569281 Prob. Chi-Square(2) 0.7523

Hasil Uji Autokorelasi

Dependent Variable: MANAJEMEN_LABA

Method: Least Squares
Date: 09/27/22 Time: 20:33
Sample: 1 345
Included observations: 344

Variable Coefficient Std. Error t-Statistic Prob.

C 0.074837 0.473850 0.157935 0.8746

KEPEMILIKAN_INSTITUSIONAL -0.167598 0.494418 -0.338981 0.7348
TAX_AVOIDANCE 0.018413 0.111238 0.165527 0.8686

R-squared 0.000407 Mean dependent var -0.034351

Adjusted R-squared -0.005456 S.D. dependent var 5.590483
S.E. of regression 5.605712 Akaike info criterion 6.294132
Sum squared resid 10715.59 Schwarz criterion 6.327626
Log likelihood -1079.591 Hannan-Quinn criter. 6.307472
F-statistic 0.069429 Durbin-Watson stat 2.977477
Prob(F-statistic) 0.932939

233
 Hasil Analisis Kolerasi

Covariance Analysis: Ordinary

Date: 09/27/22 Time: 21:28
Sample: 1 345
Included observations: 344
Balanced sample (listwise missing value deletion)

Covariance
Correlation
t-Statistic
Probability KEPEMILIKAN_INSTITUSIONAL TAX_AVOIDANCE MANAJEMEN_LABA
KEPEMILIKAN_INSTITUSIONAL 0.374075
1.000000
-----
-----

TAX_AVOIDANCE 0.053195 7.389981

0.031994 1.000000
0.591975 -----
0.5543 -----

MANAJEMEN_LABA -0.061715 0.127155 31.16265

-0.018076 0.008379 1.000000
-0.334331 0.154962 -----
0.7383 0.8769 -----

Hasil Analisis Regresi Berganda – Uji Simultan (Uji-F) – Uji Parsial (Uji-t)

Dependent Variable: MANAJEMEN_LABA

Method: Least Squares
Date: 09/27/22 Time: 20:33
Sample: 1 345
Included observations: 344

Variable Coefficient Std. Error t-Statistic Prob.

C 0.074837 0.473850 0.157935 0.8746

KEPEMILIKAN_INSTITUSIONAL -0.167598 0.494418 -0.338981 0.7348
TAX_AVOIDANCE 0.018413 0.111238 0.165527 0.8686

R-squared 0.000407 Mean dependent var -0.034351

Adjusted R-squared -0.005456 S.D. dependent var 5.590483
S.E. of regression 5.605712 Akaike info criterion 6.294132
Sum squared resid 10715.59 Schwarz criterion 6.327626
Log likelihood -1079.591 Hannan-Quinn criter. 6.307472
F-statistic 0.069429 Durbin-Watson stat 2.977477
Prob(F-statistic) 0.932939

234
Lampiran 11 Profil Singkat Perusahaan

Profil Singkat Perusahaan

1. PT. Surya Toto Indonesia Tbk. (TOTO)

PT. Surya Toto Indonesia Tbk didirikan pada tanggal 11 Juli 1997, perseroan

mengawali usahanya sebagai CV Surya yang bergerak di bidang penjualan material

bangunan, terutama produk saniter (kloset, wastafel, urinal, bidet dan sebagainya),

fitting (kran, shower, dan sebagainya), kitchen system (peralatan sistem dapur,

lemari pakaian, dan lain sebagainya), aksesoris (tempat tissue, sabun, dan

sebagainya). Ditahun 1968, perseroan ini kemudian menjadi agen penjualan resmi

TOTO Ltd Jepang, sebuah merek produk saniter ternama di dunia. CV Surya

kemudian berubah nama menjadi PT. Surya Toto Indonesia (STI). Kantor pusat

perusahaan berlokasi di Jl. Letjen S. Parman Kav. 81, Jakarta, Indonesia, sedangkan

pabrik dan entitas anak berlokasi di berbagai tempat salah satunya di Jl. M. H.

Thamrin Serpong, Tanggerang, Jl. Arya Jaya Santika No. 1 Desa Bojong, Cikupa

Tanggerang, dan Jl. Raya Pasar Kemis, Kampung Gilengok, Desa Sukamantri,

Tanggerang.

2. PT. Indofood Sukses Makmur Tbk. (INDF)

PT. Indofood Sukses Makmur Tbk didirikan pada tanggal 14 Agustus 1990 dengan

nama PT. Panganjaya Intikusuma. Ruang lingkup kegiatan perusahaan terdiri dari,

antara lain mendirikan dan menjalankan industri makanan olahan, bumbu

penyedap, minuman ringan, kemasan, minyak goreng, penggilingan biji gandum,

pembuatan tekstil karung terigu, perdagangan, pengangkutan, agrobisnis dan jasa.

Kantor pusat Perusahaan berlokasi di Sudirman Plaza, Indofood Tower, Lantai 27,

235
Jl. Jendral Sudirman Kav. 76 – 78, Jakarta, Indonesia, sedangkan pabrik dan

perkebunan dan entitas anak berlokasi di berbagai tempat di pulau Jawa, Sumatera,

Kalimantan, Sulawesi, dan Malaysia. Perusahaan mulai beroperasi secara komersial

pada tahun 1990.

236
237
238
239
240
 RIWAYAT HIDUP

Data Pribadi

Nama Lengkap : Istiwa Islah Fadilah

NIM : 371801011

Tempat, Tanggal Lahir : Garut, 16 Februari 1999

Status : Belum Kawin

Jenis Kelamin : Perempuan

Alamat : Jl. Laswi kp. Cipicung

RT.06 RW.03 No.07

Kelurahan Manggahang

Kecamatan Baleendah Kab

Bandung

Agama : Islam

Kebangsaan : Indonesia

Riwayat Pendidikan : SD Negeri Mangghang II

MTs AL Ihsan Baleendah

MA AL Ihsan Baleendah

STIE – STAN Indonesia Mandiri, Kota

Bandung Pengalaman Kerja : Pernah bekerja di Bandung Store,

PT Salvus Inti, Samsung Center,

PT Nohhi , Pasukan Maung, dan Shimura .

241