Dalam menguji reliabilitas, Henseler, et al. 2009 juga menganjurkan adanya pengujian terhadap internal consistency. Internal consistency diistilahkan oleh
beberapa peneliti sebagai construct reliability Mohamad, 2012. Menurut Henseler, et al. 2009 yang mengadopsi penelitian Werts, Linn, Joreskog 1974,
pengujian terhadap internal consistency dilakukan dengan melihat nilai Cronbachs alpha dan composite reliability.
Tabel 19 Hasil
Cronbachs Alpha dan Composite reliability Konstruk
Cronbachs Alpha
Composite Reliability
INTEGRITAS -
- KERAHASIAAN
- -
KOMPETENSI -
- KUALITAS_AUDIT
0,8308 0,8785
OBYEKTIVITAS -
- Sumber : hasil pengolahan output SmartPLS 2015
Dengan menggunakan Internal consistency berupa Composite Reliability dan Cronbachs Alpha untuk menguji reliabilitas konstruk, Henseler, et al. 2009
mengajukan nilai minimal 0,7. Berdasarkan tabel diatas, diketahui bahwa nilai Composite Reliability dan Cronbachs Alpha berada 0,7 sehingga konstruk
Kualitas_Audit memenuhi internal consistency.
4. Evaluasi Inner Model Model Struktural
Setelah evaluasi model pengukuran selesai dilakukan dan memberikan kesimpulan bahwa indikator formatif dan reflektif dalam penelitian ini dapat
digunakan, maka proses selanjutnya dalam analisis model path PLS adalah evaluasi model strukturalinner model. Henseler, et al. 2009 berpendapat bahwa inner
commit to user
model menyatakan relasi antara variabel laten unobserved dan outer model menunjukkan relasi antara variabel laten dengan variabel observedmanifesnya.
Hair, et al. 2014 menyatakan bahwa setelah dipastikan semua pengukuran konstruk adalah reliabel dan valid langkah selanjutnya adalah menilai hasil dari
model struktural. Perlu dilakukan uji multikolinearitas terhadap model struktural yang akan dianalisis untuk mengetahui kemungkinan adanya interaksi antara
variabel eksogen. Pengujian multikolinieritas dilakukan dengan bantuan IBM SPSS 19. Input-nya adalah output dari Latent Variable Scores yang dihasilkan oleh
Calculation Result dari PLS Algorithm. Hasil pengujian multikolinieritas disajikan dalam tabel berikut :
Tabel 20 Hasil uji multikolinieritas Model Struktural
Indikator Konstruk
Collineary Statistic Ket
Tolerance VIF
Integritas 0,394
2,535 Tdk terdapat multikolinieritas
Obyektivitas 0,332
3,016 Tdk terdapat multikolinieritas
Kerahasiaan 0,34
2,944 Tdk terdapat multikolinieritas
Kompetensi 0,463
2,159 Tdk terdapat multikolinieritas
Sumber : output SPSS 2015
Berdasarkan tabel 20 diatas, dapat diketahui nilai Tolerance yang berkisar antara 0,332 sd 0,463 dan nilai VIF yang berkisar antara 2,159 sd 3,016. Menurut
Ghozali 2011 nilai tolerance 0,1 dan VIF 10 mengindikasikan tidak ada multikolinieritas antar konstruk dalam model struktural. Ghozali 2014
menjelaskan beberapa langkah mengevaluasi structural model, yaitu : perpustakaan.uns.ac.id
commit to user
a. Menguji koefisien R
2
koefisien determinasi bagi konstruk endogen. Pengujian terhadap koefisien determinasi R
2
dilakukan untuk mengetahui pengaruh variabel-variabel eksogen terhadap variabel endogen sebagai kriteria
untuk mengetahui akurasi prediksi terhadap variabel endogen Hair, et al. 2014. Menurut Ghozali 2014 koefisien determinasi sebesar 0,67; 0,33 dan 0,19 dalam
model struktural secara berurutan menunjukkan bahwa model dalam kategori baik, moderat dan lemah.
Berdasarkan output SmartPLS pada Gambar 6 diatas diketahui bahwa koefisien determinasi R
2
sebesar 0,74 yang artinya konstruk endogen Kualitas_Audit dapat dijelaskan sebesar 74 oleh keempat konstruk eksogen Integritas, Obyektivitas,
Kerahasiaan dan Kompetensi dalam model struktural, sedangkan sisanya 26 dipengaruhi oleh konstruk eksogen yang tidak terdapat di dalam model ini.
Berdasarkan pendapat Ghozali 2014 koefisien determinasi sebesar 0,74 menunjukkan bahwa model dalam kategori baik.
b. Menguji estimasi koefisien jalur yaitu arah sign, magnitude dan signifikansi. Pengujian hipotesis juga dilakukan berdasarkan hasil dari tahap ini, namun
untuk pengujian hipotesis akan disampaikan pada bagian selanjutnya. Untuk mendapatkan koefisien signifikansi dengan metode Bootstrapping. Setelah
menjalankan prosedur Bootstrapping dan melihat output Path Coefficien yang ditunjukkan pada gambar 5 dan 6 berturut-turut diatas didapat hasil untuk menguji
estimasi koefisien jalur sebagai berikut : perpustakaan.uns.ac.id
commit to user
Tabel 21 Estimasi koefisien jalur
Koefisien Jalur
Sign t
statistic t tabel
INTEGRITAS → KUALITAS_AUDIT
0,3139 +
3,681 1,6558
OBYEKTIVITAS → KUALITAS_AUDIT
0,0781 +
1,082 1,6558
KERAHASIAAN → KUALITAS_AUDIT
0,2896 +
3,204 1,6558
KOMPETENSI → KUALITAS_AUDIT
0,3074 +
4,422 1,6558
Sumber : hasil pengolahan output SmartPLS 2015 Keterangan : Koefisien jalur dihasilkan prosedur PLS Algorithm dan t-statistic
dihasilkan prosedur Bootstrapping.
Dari tabel 21 diatas dapat diketahui bahwa nilai koefisien jalur dari variabel eksogen ke variabel endogen Kualitas_Audit bervariasi dari yang terendah
Obyektivitas → Kualitas_Audit sebesar 0,0781 sampai yang tertinggi Integritas →
Kualitas_Audit sebesar 0,3139. Apabila nilai koefisien jalur mendekati 1 menggambarkan hubungan yang kuat, sedangkan yang mendekati 0
menggambarkan hubungan yang lemah, dan apabila nilai koefisien sangat rendah umumnya menggambarkan hubungan yang tidak signifikan Hair, et al. 2014.
Terlihat bahwa hubungan antara Obyektivitas → Kualitas_Audit memiliki
hubungan yang relatif lemah secara statistik, sedangkan hubungan yang lain menggambarkan hubungan yang relatif kuat secara statistik.
Masing-masing koefisien jalur memiliki tanda positif, dan nilai signifikansi t- statistic juga bervariasi mulai dari yang tertinggi
Kompetensi → Kualitas_Audit sebesar 4,422 dan terendah Obyektivitas
→ Kualitas_Audit sebesar 1,082. Model ini menggunakan pengujian one tailed, tingkat signifikansi 5 dengan critical
value sebesar 1,6558 Ghozali, 2011. Kesimpulannya terdapat satu path yang tidak memenuhi asumsi critical value yaitu Obyektivitas
→ Kualitas_Audit karena t statistic 1,6558.
commit to user
c. Menguji effect size f
2
. Effect size f
2
merupakan pengujian untuk menilai besarnya pengaruh dari variabel eksogen tertentu terhadap variabel endogen. Hasil dari effect size dapat
menggambarkan pengaruh dari suatu variabel eksogen terhadap variabel endogen apabila variabel eksogen tersebut dihilangkan dari model struktural Hair, et al.
2014. Persamaan untuk menguji effect size f
2
adalah :
Dimana nilai R
2 included
didapatkan dari nilai R
2
model awal dan nilai R
2 excluded
didapatkan dari nilai R
2
hasil respesifikasi model dengan menghilangkan konstruk yang ingin diuji effect size-nya. Pengaruh tersebut dapat dibagi 3 yaitu kecil f
2
= 0.02, menengah f
2
= 0.15 dan besar f
2
= 0.35. Hasil pengujian effect size f
2
adalah sebagai berikut :
Tabel 22 Hasil uji
effect size f
2
Path R
2 include
R
2 exclude
f
2
Ket
Integritas → Kualitas_Audit
0,74 0,702
0,146154 Pengaruh Menengah Obyektivitas
→ Kualitas_Audit 0,74
0,738 0,007692
Pengaruh Kecil Kerahasiaan
→ Kualitas_Audit 0,74
0,712 0,107692
Pengaruh Kecil Kompetensi
→ Kualitas_Audit 0,74
0,698 0,161538 Pengaruh Menengah
Sumber : hasil pengolahan output SmartPLS 2015
Berdasarkan tabel 22 diatas didapatkan nilai effect size bervariasi mulai dari 0,007692 sd 1,61538. Variabel eksogen Obyektivitas dan Kerahasiaan memiliki
pengaruh effect size yang kecil dan variabel eksogen Integritas dan Kompetensi perpustakaan.uns.ac.id
commit to user
memiliki effect size menengah untuk menjelaskan koefisien determinasi R
2
dari variabel endogen. Namun dapat dilihat bahwa konstruk Obyektivitas memiliki
effect size paling kecil dibanding konstruk yang lain. d. Menguji relevansi prediksi Stone-Geisser Q
2
test. Pengujian model PLS dilakukan dengan melihat nilai Stone-Geisser Q
2
test yang berfungsi sebagai indikator untuk mengetahui relevansi prediksi dari model
PLS yang diuji. Hair, et al. 2014 menyebutkan bahwa untuk menghasilkan nilai Q
2
dilakukan prosedur Blindfolding. Apabila nilai Q
2
0 menunjukkan bahwa model tersebut memiliki relevansi prediksi terhadap variabel endogen, sedangkan
nilai Q
2
0 menunjukkan sebaliknya. Berdasarkan output prosedur Blindfolding SmartPLS didapatkan hasil berikut :
Tabel 23 Hasil uji
Stone-Geisser Q
2
test Konstruk
Q
2
Ket
KUALITAS_AUDIT 0,3689 Memiliki relevansi prediksi
Sumber : hasil pengolahan output SmartPLS 2015
Dari tabel 23 diatas dapat diketahui bahwa konstruk endogen Kualitas_Audit memiliki nilai Q
2
0 yaitu sebesar 0.3689, dan memenuhi asumsi dari Hair, et al. 2014 untuk dapat dikatakan bahwa model tersebut memiliki relevansi prediksi
terhadap variabel endogen Kualitas_Audit. perpustakaan.uns.ac.id
commit to user
5. Uji Hipotesis
