Operasionalisasi Penelitian Kerangka Pemikiran .1

terhadap data yang telah diuraikan dengan menggunakan metode deskriptif dan verifikatif. Analisis verifikatif dalam penelitian ini dengan menggunakan alat uji statistik yaitu dengan uji persamaan strukturan berbasis variance atau yang lebih dikenal dengan nama Partial Least Square PLS menggunakan software SmartPLS 2.0. Menurut Imam Ghozali 2006:1 metode Partial Least Square PLS dijelaskan sebagai berikut: “εodel persamaan strukturan berbasis variance PLS mampu menggambarkan variabel laten tak terukur langsung dan diukur menggunakan indikator-indikator variable manifest ”. Penulis menggunakan Partial Least Square PLS dengan alasan bahwa variabel yang digunakan dalam penelitian ini merupakan variabel laten tidak terukur langsung yang dapat diukur berdasarkan pada indikator-indikatornya variable manifest, serta secara bersama-sama melibatkan tingkat kekeliruan pengukuran error. Sehingga penulis dapat menganalisis secara lebih terperinci indikator-indikator dari variabel laten yang merefleksikan paling kuat dan paling lemah variabel laten yang mengikutkan tingkat kekeliruannya. Langkah-langkah dalam metode Partial Least Square yang dilakukan dalam penelitian ini dapat dijelaskan sebagai berikut : 1. Merancang Model Pengukuran Model pengukuran outer model adalah model yang menghubungkan variabel laten dengan variabel manifest. Untuk variabel laten manajemen laba terdiri dari 3 variabel manifest. Kemudian untuk variabel laten sanksi perpajakan terdiri dari 4 variabel manifest dan untuk variabel laten kepatuhan perpajakan terdiri dari 5 variabel manifest. 2. Merancang Model Struktural Model struktural inner model pada penelitian ini terdiri dari satu variabel laten eksogen Manajemen laba dan Sanksi perpajakan dan satu variabel laten endogen Kepatuhan perpajakan. Inner model yang kadang disebut juga dengan inner relation structural model dan substantive theory, yaitu untuk menggambarkan hubungan antar variabel laten berdasarkan pada substantive theory, dengan model persamaannya dapat ditulis seperti di bawah ini: Imam Ghozali 2006:22 Dimana dan adalah koefisien jalur yang menghubungkan prediktor endogen dan variabel laten eksogen dan sepanjang range indeks i dan b dan adalah inner residual variabel.

3. Mengkonstruksi Diagram Jalur

Hubungan antar variabel pada sebuah diagram alur yang secara khusus dapat membantu dalam menggambarkan rangkaian hubungan sebab akibat antar konstruk dari model teoritis yang telah dibangun pada tahap pertama. Diagram alur menggambarkan hubungan antar konstruk dengan anak panah yang digambarkan lurus menunjukan hubungan kausal langsung dari suatu konstruk ke konstruk lainya. Konstruk eksogen dikenal dengan independent variable yang diprediksi oleh variabel yang lain dalam model. Konstruk ekosgen adalah konstruk yang dituju oleh garis dengan satu ujung panah. Secara lengkap model srtuktural pada penelitian ini dapat digambarkan pada gambar 3.1. Untuk memahami Gambar tersebut, pada tabel 3.1 akan dijelaskan mengenai lambang-lambang statistik yang digunakan dalam model struktural. 4. Menjabarkan Diagram Alur ke dalam Persamaan Matematis Berdasarkan konsep model penelitian pada tahap dua diatas dapat diformulasikan dalam bentuk matematis. Persamaan yang dibangun dari diagram alur yang konversi terdiri atas: a. Persamaan inner model, menyatakan hubungan kausalitas untuk menguji hipotesis. b. Persamaan outer model model pengukuran, menyatakan hubungan kausalitas antara indikator dengan variabel penelitia latent. Formulasi bentuk persamaan struktural sebagai berikut: PP = λ 1 ξ+ Persamaan pengukuran variabel laten pada penelitian ini dijabarkan sebagai berikut : 1. Model pengukuran untuk variabel eksogen X 1.1 = λ 1 ξ 1 + 1 X 1.2 = λ 2 ξ 1 + 2 X 1.3 = λ 3 ξ 1 + 3 X 2.1 = λ 4 ξ 2 + 4 X 2.2 = λ 5 ξ 2 + 5 X 2.3 = λ 6 ξ 2 + 6 X 2.4 = λ 6 ξ 7 + 7 2. Model pengukuran untuk variabel endogen Y 1= λ 8 + 1 Y 2= λ 9 + 2 Y 3= λ 10 + 3 Y 4= λ 11 + 4 Y 5= λ 12 + 5

5. Estimasi

Estimasi menurut Imam Ghozali 2006:85, pada tahapan ini adalah : “Nilai , s dan  yang terdapat pada langkah keempat diestimasi menggunakan program Smart PLS. Dasar yang digunakan untuk dalam etimasi adalah resampling dengan ί Ʃί ʝ ί ξί + Ʃƅγʝ.ƅξƅ + ʝ