korelasi anatar konstruk dengan konstruk lainnya di dalam model dapat dilihat dalam tabel.
Tabel 4.20 dan tabel 4.21 menunjukan nilai akar kuadrat AVE setiap konstruk lebih besar daripada sebagian besar nilai korelasi antara konstruk dengan
konstruk lainnya dalam model, maka dikatakan memiliki nilai discriminant validity yang baik Ghozali, 2008:42.
4.2.2 Uji
Inner Model atau Model Struktural
Pengujian inner model atau model struktural dilakukan untuk melihat hubungan antar konstruk, nilai signifikansi dan R-square yang merupakan uji
goodness-fit model. Model struktural dievaluasi dengan menggunakan R-square untuk konstruk dependen, Stone-Geisser test untuk predictive relevance dan uji t
serta signifikansi koefisien parameter jalur struktural.
Tabel 4.22 Nilai R- Square
R Square
Asimetri Informasi Budaya Etis Manajemen
Kecurangan Fraud
0.952014
Kesesuaian Kompensasi Komitmen Organisasi
Keadilan Prosedural Keefektifan Pengendalian Internal
Penegakan HukumPeraturan
Sumber: Output PLS, 2013 Tabel 4.22 di atas menunjukan bahwa nilai R-square Kecurangan fraud
di sektor pemerintahan FRAUD K 0,952. Nilai R-square sebesar 0,952 memiliki
arti bahwa variabilitas konstruk kecurangan fraud di sektor pemerintahan yang dapat di jelaskan oleh variabilitas konstruk Penegakan HukumPeraturan PP,
Keefektifan Pengendalian Internal KPI, Asimetri Informasi AI, Kesesuaian Kompensasi KK, Keadilan Prosedural KP, Budaya Etis Manajemen BEM,
Komitmen Organisasi KO sebesar 95,2 sedangkan 4,8 dijelaskan oleh variabel lain di luar yang diteliti.
4.2.3 Pengujan
Struktural Equation Model SEM
Metode analisis utama dalam penelitian ini dilakukan dengan Structural Equation Model SEM. Pengujian dilakukan dengan bantuan program Smart
PLS. Gambar 4.1 berikut ini menyajikan hasil pengujian Full Model SEM menggunakan PLS sebagai berikut:
Gambar 4.1 Full Model SEM PLS Algorithm
Sumber : Output SmartPLS, 2013
Berdasarkan hasil pengujian menggunakan smartPLS sebagaimana di tunjukan pada gambar 4.1, dapat diketahui bahwa masih terdapat indikator
Budaya Etis Manajemen BEM dengan nilai weight yang tidak signifikan yaitu BEM2. Indikator BEM2 tidak valid untuk mengukur konstruk BEM sehingga
harus didrop dalam penelitian ini agar memperoleh goodness-fit model. Gambar 4.2 berikut ini menyajikan hasil pengujian Full Model SEM Drop 2
menggunakan PLS sebagai berikut:
Gambar 4.2 Full Model SEM PLS Algorithm Drop 2
Sumber : Output SmartPLS, 2013
4.3 Pengujian Hipotesis
Pengujian hipotesis yang diajukan dilakukan dengan pengujian model struktural inner model dengan melihat nilai R-square yang merupakan uji
goodness-fit model. Selain itu juga dengan melihat path coefficients yang menunjukkan koefisien parameter dan nilai signifikansi t statistik. Signifikansi
parameter yang diestimasi dapat memberikan informasi mengenai hubungan antar variabel-variabel penelitian. Batas untuk menolak dan menerima hipotesis yang
diajukan diatas adalah 1,977 untuk p0.05. Tabel berikut ini menyajikan output estimasi untuk pengujian model struktural.
Tabel 4.23 Uji Hipotesis berdasarkan Path Coefficient Mean,STDEV,T-
