3. Panjangnya kelas interval :
P = Rentang Kelas + 1
Banyak kelas
3.6.2 Statistik Inferensial
Analisis data dalam penelitian ini menggunakan Partial Least Square PLS. Kelebihan PLS yaitu dapat digunakan dengan jumlah
sampel yang tidak besar dan dapat diterapkan pada semua skala data Ghozali, 2011. Dengan PLS akan dilakukan tekhnik SEM Structural
Equation Model yang hampir sama dengan regresi tapi secara simultan menggunakan alur struktural. SEM dipilih karena kemampuannya untuk
mengkonfirmasi dimensi atau faktor dari sebuah konsep melalui indikator- indikator empiris serta kemampuannya untuk mengukur pengaruh antar
faktor yang secara teoritis ada Ferdinand, 2002 Menurut Pristiyanti 2012 Kelebihan penggunaan SEM adalah SEM memiliki kemampuan
untuk menggambarkan pola hubungan antara konstruk laten dan variabel manifest, SEM juga memiliki kemampuan untuk mengestimasi hubungan
antar variabel yang bersifat multiple relationship yang dibentuk dalam model struktural.
PLS merupakan pendekatan yang lebih tepat untuk tujuan prediksi, hal ini terutama pada kondisi dimana indikator bersifat formatif, atau
ketika penelitian ini masih tidak pasti karena variabel seharusnya termasuk pada sebuah model atau berhubungan diantara variabel dengan model atau
berhubungan diantara variabel dengan model miss-specified akan
menghasilkan perkiraan inferior varians sesuai yang dijelaskan PLS. Missing variables dan miss-specification lain hanya memiliki sedikit efek
estimasi yang dibuat oleh PLS Ghozali, 2006 dalam Rahardian, 2011. Estimasi parameter menggunakan PLS dikategorikan menjadi 3 yaitu,
weight estimate untuk menciptakan skor variabel laten, path estimate untuk menghubungkan antar variabel laten dengan indikatornya, dan
means serta lokasi parameter sebagai indikator dan variabel laten. Terdapat 2 model analisis jalur dalam PLS yaitu:
1. Menilai outer model atau measurement model
Evaluasi Outer Model dilakukan untuk menguji validitas dan reliabilitas hubungan antara konstruk dengan indikator-indikatornya
Ardiana, 2012. Tahap pertama adalah menguji convergent validity, yang dapat dilihat dari korelasi antara skor indikator dengan konstruknya.
Indikator dianggap reliable jika memiliki nilai korelasi diatas 0,7. Skor loading 0,5 hingga 0,6 masih dapat diterima Ghozali, 2011. Dengan
demikian indikator yang memiliki nilai korelasi dibawah 0,5 harus di drop dari model kecuali untuk indikator yang berhubungan formatif terhadap
variabel konstruknya. Kedua dengan discriminan validity dari model pengukuran dengan
reflektif indikator dinilai berdasarkan cross loading pengukuran dengan konstruk. Jika korelasi konstruk dengan item pengukuran lebih besar dari
pada ukuran konstruk lainnya maka menunjukan kontruk laten yang
memprediksi ukuran pada blok yang lebih baik dari pada ukuran blok lainnya Rahardian, 2011.
Ketiga dengan composite reliability. Direkomendasikan nilai AVE harus lebih besar 0,50 Fornell dan Larcker, 1981 dalam Imam Ghozali,
2008. Composite reability yang mengukur suatu konstruk dapat dievaluasi dengan dua macam ukuran yaitu internal consistency dan
cronbach’s alpha Ghozali, 2008.
2. Inner Model
Menilai inner model adalah melihat hubungan antara konstruk laten dengan melihat hasil estimasi koefisien parameter path dan tingkat
signifikansinya Ghozali, 2011. Pengambilan keputusan atas penerimaan atau penolakan hipotesis dilakukan dengan membandingkan nilai t-
statistic dan nilai t-tabel, jika t-statistic lebih kecil dari nilai t-tabel, maka H0 diterima, jika nilai t-statistic lebih besar dari nilai t-tabel, maka H0
ditolak dan Ha diterima. 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-statistics. Signifikansi parameter yang diestimasi dapat memberikan
informasi mengenai hubungan antar variabel-variabel penelitian. Pengambilan keputusan atas penerimaan atau penolakan hipotesis
dilakukan dengan ketentuan sebagai berikut:
1. Hipotesis yang menyatakan pengaruh negatif akan diterima jika arah
hubungannya negatif dengan dengan nilai T-statistic diatas nilai 1,96. 2.
Hipotesis yang menyatakan pengaruh positif akan diterima jika arah hubungannya positif dengan dengan nilai T-statistic diatas nilai 1,96.
3. Hipotesis yang menyatakan pengaruh negatif akan ditolak jika arah
hubungannya positif meskipun nilai T-statistic diatas nilai 1,96. 4.
Hipotesis yang menyatakan pengaruh positif akan ditolak jika arah hubungannya negatif meskipun nilai T-statistic diatas nilai 1,96.
Tabel 3.5 Ilustrasi Uji Hipotesis Berdasarkan
Path Coefficient Variabel
OriginalSample T Statistics Keputusan
KD - Fraud X
Y Ha ditolakditerima
KP - Fraud X
Y Ha ditolakditerima
PP - Fraud X
Y Ha ditolakditerima
SPI - Fraud X
Y Ha ditolakditerima
PTE - Fraud X
Y Ha ditolakditerima
BO - Fraud X
Y Ha ditolakditerima
KO - Fraud X
Y Ha ditolakditerima
Sumber: data diolah, 2014
Tabel 3.6 Kriteria Penerimaan Dan Penolakan Hipotesis
Original Sample T-Statistics
Keputusan
x negatif y 1,96
Hipotesis ditolak x negatif
y 1,96 Hipotesis diterima
x positif y 1,96
Hipotesis ditolak x positif
y 1,96 Hipotesis diterima
Sumber: data diolah, 2014 pada hipotesis yang menyatakan negatif
pada hipotesis yang menyatakan positif
259
BAB V PENUTUP
5.1 Simpulan
Berdasarkan hasil pengujian dan pembahasan pada bab sebelumnya, maka
dapat ditarik kesimpulan menurut persepsi 4 obyek penelitian sebagai berikut: 5.1.1
Pegawai Dinas Pendidikan Kabupaten Semarang
1. Penegakan peraturan tidak berpengaruh terhadap kecenderungan
kecurangan fraud pada pegawai Dinas Pendidikan di Kabupaten Semarang. Penegakan peraturan termasuk dalam kategori sangat
tinggi. Rata-rata terendah ditunjukkan oleh indikator PP4, yaitu
mengenai kedisiplinan jam kerja yang berlaku di instansinya.
2. Keadilan distributif berpengaruh negatif terhadap kecenderungan
kecurangan fraud pada pegawai Dinas Pendidikan di Kabupaten Semarang. Keadilan distributif termasuk dalam kategori sangat adil.
Rata-rata terendah ditunjukkan oleh indikator KD1, yaitu mengenai gambaran kesesuaian gaji dan kompensasi terhadap usaha yang telah
dikerjakan.
3. Keadilan prosedural berpengaruh negatif terhadap kecenderungan
kecurangan fraud pada pegawai Dinas Pendidikan di Kabupaten Semarang. Keadilan prosedural termasuk dalam kategori adil. Rata-
rata terendah ditunjukkan oleh indikator KP2, yaitu mengenai prosedur
penggajian dan kompensasi lain yang diterima.