Uji Inner Model atau Struktural Model Pengujian Struktural Equation Model SEM

penegakan hukum PH sebesar 0,756491903, lebih tinggi daripada korelasi antara penegakan hukum PH dengan konstruk lainnya dalam model. Akar AVE konstruk fraud di sektor pemerintahan FRAUD sebesar 0,867823139 lebih tinggi daripada korelasi antara konstruk fraud di sektor pemerintahan FRAUD dengan konstruk lainnya dalam model. Dari Tabel diatas menunjukan bahwa nilai akar kuadrat AVE setiap konstruk lebih besar daripada nilai korelasi antara konstruk dengan konstruk lainnya dalam model, maka dikatakan memiliki nilai discriminant validity yang baik Ghozali, 2011:42.

4.6 Uji Inner Model atau Struktural Model

Pengujian inner model atau model struktural dilakukan untuk melihat hubungan antar konstruk, nilai signifikansi dan R-square dari model penelitian. 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 4.30 R Square R Square Keefektifan Sistem Pengendalian Internal Kesesuaian Kompensasi Kultur Organisasi Perilaku Tidak Etis Gaya Kepemimpinan Sistem Pengendalian Internal Penegakan Hukum Fraud 0,931908 Sumber: Lampiran 6 Tabel 4.30 menunjukan bahwa nilai R-square fraud di sektor pemerintahan FRAUD 0,931908. Nilai R-square sebesar 0,931908 memiliki arti bahwa variabilitas konstruk fraud di sektor pemerintahan yang dapat di jelaskan oleh variabilitas konstruk Keefektifan Sistem Pengendalian Internal KSPI, Kesesuaian Kompensasi KK, Kultur Organisasi KO, Perilaku Tidak Etis PTE, Gaya Kepemimpinan GK, Sistem Pengendalian Internal SPI, dan Penegakan Hukum PH sebesar 93,19 . Sedangkan 6,81 dijelaskan oleh variabel lain di luar yang diteliti. Semakin besar angka R-square menunjukkan semakin besar variabel independen tersebut dapat menjelaskan variabel dependen sehingga semakin baik persamaan strukturalnya.

4.7 Pengujian Struktural Equation Model SEM

Metode analisis utama dalam penelitian ini dilakukan dengan Structural Equation Modeling SEM. Pengujian dilakukan dengan bantuan program Smart PLS 2.0. Gambar 4.1 berikut ini menyajikan hasil pengujian Full Model SEM menggunakan PLS sebagai berikut: Gambar 4.1 Uji Full Model SEM Menggunakan PLS Berdasarkan hasil pengujian menggunakan smartPLS sebagaimana di tunjukan pada Gambar 4.1 diatas, dapat diketahui bahwa tidak terdapat nilai loading factor dibawah 0.50 selain untuk indikator SPI yang menggunakan indikator formatif, sehingga tidak harus dilakukan drop data untuk menghapus indikator yang bernilai loading dibawah 0.50 agar memperoleh model yang baik.

4.8 Pengujian Hipotesis