Pengujian dan Pembahasan Hipotesis

45

C. Pengujian dan Pembahasan Hipotesis

1. Pengujian Hipotesis

Pengujian pertama yang dilakukan adalah uji t, yaitu untuk mengetahui apakah terjadi trimming atau tidak antara indikator terhadap variabel latennya. Hasil pengujian tersebut dapat ditunjukkan pada path diagram berikut: Sumber: Data Primer Yang Diolah Path diagram diatas menunjukkan bahwa pada seluruh indikator mempunyai nilai signifikan terhadap variabel latennya. Menurut Ghazali 2005:324 batas untuk menolak atau menerima suatu hubungan dengan tingkat signifikansi 5 adalah 1,96 mutlak, dimana apabila nilai t terletak antara -1,96 dan 1,96 maka hipotesis yang menyatakan adanya pengaruh harus ditolak, sedangkan apabila nilai t lebih besar daripada 1,96 atau lebih kecil daripada 1,96 harus diterima dengan taraf signifikansi 5 t |1,96|. 46

2. Penilaian Model Fit

Penilaian model fit adalah bagian dari SEM. Evaluasi ini dilakukan untuk mengetahui apakah output yang dihasilkan mempunyai nilai fit atau tidak. Nilai fit dalam suatu model dapat dilihat dari beberapa indikator Goodness of Fit Index . Output yang dihasilkan dari penelitian ini menunjukkan bahwa model tidak bagus atau tidak fit. Hasil output dapat dilihat dari tabel berikut: Tabel 4.7. Pengujian Kesesuaian Model Indikator Fit Nilai yang di rekomendasikan Hasil Model Evaluasi Model Absolute Fit Measures Probabilitas p 0,05 0,019 Signifikan Normed Chi-Square X2df 2 2 X 2 df 5 1,1107 Over Fitting RMSEA 0,10 0,05 0,01 0,048 Cukup Fit P-Value for test of Close fit 0,05 0,51 Kurang fit GFI 0,90 0,78 Cukup Fit AGFI 0,90 0,70 Cukup Fit Comparative Fit Measures NFI 0,9 0,89 Cukup Fit Fit NNFI or Tucker Lewis Index TLI 0,9 0,97 CFI 0,9 0,97 Fit RFI 0,9 0,87 Cukup Fit Parsimonious Fit Measures PNFI 0-1 0,74 Cukup Baik PGFI 0-1 0,57 Kurang Baik Sumber: Data Primer Yang Diolah 47 Output diatas dapat menunjukkan bahwa hampir seluruh indikator fit menunjukkan model cukup fit. Hal ini dapat ditunjukkan dari beberapa indikator fit diantaranya: ƒ Normed Chi-Square yang mempunyai nilai sebesar 0,1107, karena nilai tersebut mendekati nilai direkomendasikan ≤ 2, maka dapat dikatakan bahwa model tersebut overfitting. Hal ini disesuaikan dengan standar penilaian kesesuaian yang dilakukan oleh Kelloway 1998 dalam Didi Achjari 2003:279 dalam Bahagia 2008:97, menyatakan bahwa nilai normed chi-square dikatakan fit jika 2 X 2 df 5 dan dikatakan overfitting jika nilai normed chi-square ≤ 2. ƒ Root Mean Square Error of Approximation RMSEA yang menunjukkan model cukup fit, karena RMSEA mempunyai nilai 0,048 yang kurang dari 0,05. ƒ Goodness of Fit Index GFI yang mempunyai nilai sebesar 0,78. Nilai tersebut kurang dari nilai yang direkomendasikan yaitu lebih dari 0,90, tapi model GFI dikatakan cukup fit. ƒ Adjusted Goodness of Fit Index AGFI yang mempunyai nilai sebesar 0,70. Nilai tersebut kurang dari nilai yang direkomendasikan yaitu lebih dari 0,90, tapi model GFI dikatakan cukup fit. ƒ Normed Fit Index NFI menunjukkan bahwa model cukup fit. Ini dapat dilihat dari nilai NFI yaitu sebesar 0,89 lebih kecil dari nilai yang direkomendasikan yaitu sebesar 0,90. 48 ƒ NNFI atau Tucker Lewis Index TLI yang mempunyai nilai sebesar 0,97 sehingga dapat dikatakan bahwa model fit. ƒ CFI mempunyai nilai sebesar 0,97 lebih besar dari nilai yang direkomendasikan yaitu sebesar 0,90, sehingga dapat dikatakan bahwa model fit. ƒ RFI menunjukkan bahwa model cukup fit. Ini dapat dilihat dari nilai RFI yaitu sebesar 0,89 lebih kecil dari nilai yang direkomendasikan yaitu sebesar 0,90. Nilai RFI 0-1,dimana nilai RFI yang mendekati 1 tersebut menunjukkan model yang fit. ƒ PNFI menunjukkan bahwa model baik, ini dapat dilihat dari nilai PNFI yang sebesar 0,74 sedangkan PGFI mempunyai nilai sebesar 0,57 sehingga dikatakan bahwa model kurang fit.

3. Evaluasi model Pengukuran

Pengujian model fit telah dilakukan dan menunjukkan bahwa model cukup fit secara keseluruhan, maka langkah selanjutnya yaitu evaluasi model pengukuran ini adalah untuk menentukan kemampuan suatu indikator dalam mengukur variabel latennya dan untuk mengetahui seberapa besar proporsi varians yang dijelaskan oleh variabel latennya sedangkan sisanya dijelaskan oleh measurement error . Evaluasi model pengukuran dapat ditunjukkan pada path diagram berikut: 49 Sumber: Data Primer Yang Diolah Berdasarkan path diagram di atas dapat menunjukkan hubungan indikator terhadap variabel latennya yaitu sebagai berikut: • Keakuratan X 1 terhadap Faktor Kecocokan Tugas-Teknologi Keakuratan mempunyai koefisien path positif dan signifikan terhadap faktor kecocokan tugas-teknologi. Hal ini dapat ditunjukkan dari koefisien jalur yang sebesar 0,69 dan nilai t- hitung yang sebesar 5,32 lebih besar dibandingkan dengan t-tabel sebesar 1,96. • Kompatibilitas X 2 terhadap Faktor Kecocokan Tugas-Teknologi Kompatibilitas mempunyai koefisien path positif dan signifikan terhadap faktor kecocokan tugas-teknologi. Hal ini dapat ditunjukkan dari koefisien jalur yang sebesar 0,80 dan nilai t- 50 hitung yang sebesar 6,64 lebih besar dibandingkan dengan t-tabel sebesar 1,96. • Aksesbilitas X 3 terhadap Faktor Kecocokan Tugas-Teknologi Aksesbilitas mempunyai koefisien path positif dan signifikan terhadap faktor kecocokan tugas-teknologi. Hal ini dapat ditunjukkan dari koefisien jalur yang sebesar 0,78 dan nilai t- hitung yang sebesar 6,34 lebih besar dibandingkan dengan t-tabel sebesar 1,96. • Asistensi X 4 terhadap Faktor Kecocokan Tugas-Teknologi Asistensi mempunyai koefisien path positif dan signifikan terhadap faktor kecocokan tugas-teknologi. Hal ini dapat ditunjukkan dari koefisien jalur yang sebesar 0,80 dan nilai t-hitung yang sebesar 6,65 lebih besar dibandingkan dengan t-tabel sebesar 1,96. • Keandalan Sistem X 5 terhadap Faktor Kecocokan Tugas- Teknologi Keandalan sistem mempunyai koefisien path positif dan signifikan terhadap faktor kecocokan tugas-teknologi. Hal ini dapat ditunjukkan dari koefisien jalur yang sebesar 0,67 dan nilai t- hitung yang sebesar 5,11 lebih besar dibandingkan dengan t-tabel sebesar 1,96. • Kemuktahiran X 6 terhadap Faktor Kecocokan Tugas-Teknologi Kemuktahiran mempunyai koefisien path positif dan signifikan terhadap faktor kecocokan tugas-teknologi. Hal ini dapat 51 ditunjukkan dari koefisien jalur yang sebesar 0,70 dan nilai t- hitung yang sebesar 5,51 lebih besar dibandingkan dengan t-tabel sebesar 1,96. • Presentasi X 7 terhadap Faktor Kecocokan Tugas-Teknologi Presentasi mempunyai koefisien path positif dan signifikan terhadap faktor kecocokan tugas-teknologi. Hal ini dapat ditunjukkan dari koefisien jalur yang sebesar 0,80 dan nilai t- hitung yang sebesar 6,63 lebih besar dibandingkan dengan t-tabel sebesar 1,96. • Kekacauan X 8 terhadap Faktor Kecocokan Tugas-Teknologi Kekacauan mempunyai koefisien path positif dan signifikan terhadap faktor kecocokan tugas-teknologi. Hal ini dapat ditunjukkan dari koefisien jalur yang sebesar 0,72 dan nilai t- hitung yang sebesar 5,68 lebih besar dibandingkan dengan t-tabel sebesar 1,96. • Intensitas Penggunaan X 9 terhadap Pemanfaatan Teknologi Informasi Intensitas Penggunaan mempunyai koefisien path positif dan signifikan terhadap pemanfaatan teknologi informasi. Hal ini dapat ditunjukkan dari koefisien jalur yang sebesar 0,79 dan nilai t- hitung yang sebesar 5,68 lebih besar dibandingkan dengan t-tabel sebesar 1,96. 52 • Frekuensi Penggunaan X 10 terhadap Pemanfaatan Teknologi Informasi Frekuensi Penggunaan mempunyai koefisien path positif dan signifikan terhadap pemanfaatan teknologi informasi. Hal ini dapat ditunjukkan dari koefisien jalur yang sebesar 0,69 dan nilai t- hitung yang sebesar 4,84 lebih besar dibandingkan dengan t-tabel sebesar 1,96. • Jumlah jenis perangkat lunak yang digunakan X 11 terhadap Pemanfaatan teknologi Informasi Jumlah jenis perangkat lunak yang digunakan mempunyai koefisien path positif dan signifikan terhadap pemanfaatan teknologi informasi. Hal ini dapat ditunjukkan dari koefisien jalur yang sebesar 0,74 dan nilai t-hitung yang sebesar 5,17 lebih besar dibandingkan dengan t-tabel sebesar 1,96. • Kematangan X 12 terhadap Pemanfaatan Teknologi Informasi Kematangan mempunyai koefisien path positif dan signifikan terhadap pemanfaatan teknologi informasi. Hal ini dapat ditunjukkan dari koefisien jalur yang sebesar 0,73 dan nilai t- hitung yang sebesar 5,14 lebih besar dibandingkan dengan t-tabel sebesar 1,96. • Tekanan Y 1 terhadap Kinerja Akuntan Publik Tekanan mempunyai koefisien path positif dan signifikan terhadap kinerja akuntan publik. Hal ini dapat ditunjukkan dari koefisien 53 jalur yang sebesar 0,75 dan nilai t-hitung yang sebesar 5,14 lebih besar dibandingkan dengan t-tabel sebesar 1,96. • Tujuan Y 2 terhadap Kinerja Akuntan Publik Tujuan mempunyai koefisien path positif dan signifikan terhadap kinerja akuntan publik. Hal ini dapat ditunjukkan dari koefisien jalur yang sebesar 0,76 dan nilai t-hitung yang sebesar 5,36 lebih besar dibandingkan dengan t-tabel sebesar 1,96. • Target Y 3 terhadap Kinerja Akuntan Publik Target mempunyai koefisien path positif dan signifikan terhadap kinerja akuntan publik. Hal ini dapat ditunjukkan dari koefisien jalur yang sebesar 0,81 dan nilai t-hitung yang sebesar 5,67 lebih besar dibandingkan dengan t-tabel sebesar 1,96 • Tanggung Jawab Y 4 terhadap Kinerja Akuntan Publik Tanggung jawab mempunyai koefisien path positif dan signifikan terhadap kinerja akuntan publik. Hal ini dapat ditunjukkan dari koefisien jalur yang sebesar 0,82 dan nilai t-hitung yang sebesar 5,76 lebih besar dibandingkan dengan t-tabel sebesar 1,96. Evaluasi model juga dapat menunjukkan mengenai seberapa besar proporsi varians indikator yang dijelaskan oleh variabel latennya dan dapat dilihat pada tabel berikut: 54 Tabel 4.8. Squared Multiple Correlations R 2 Variabel Laten Indikator R 2 X 1 0,48 X 2 0,64 X 3 0,61 X 4 0,64 X 5 0,45 X 6 0,49 X 7 0,64 Faktor Kecocokan Tugas-Teknologi X 8 0,52 X 9 0,62 X 10 0,48 X 11 0,55 Pemanfaatan Teknologi Informasi X 12 0,53 Y 1 0,56 Y 2 0,58 Y 3 0,66 Kinerja Akuntan Publik Y 4 0,67 Sumber: Data Primer Yang Diolah Berdasarkan output diatas, dapat dilihat bahwa kompatibilitas X 2 , asistensi X 4 , dan kekacauan X 7 memiliki R 2 55 tertinggi yaitu 0.64, artinya kompatibilitas dan asistensi serta kekacauan berkontribusi besar terhadap faktor kecocokan tugas- teknologi yaitu sebesar 64 sedangkan sisanya 36 dijelaskan oleh measurement error. Kematangan teknologi informasi X 9 memiliki R 2 tertinggi yaitu 0.62, artinya kematangan teknologi informasi berkontribusi besar terhadap pemanfaatan teknologi informasi yaitu 62 sedangkan sisanya 38 dijelaskan oleh measurement error. Tanggung jawab Y 4 memiliki R 2 tertinggi yaitu sebesar 0.67, artinya tanggung jawab berkontribusi besar terhadap kinerja akuntan publik yaitu 67 sedangkan sisanya 33 dijelaskan oleh measurement error.

4. Pembahasan Hipotesis

Pembahasan hipotesis dalam penelitian ini berkaitan dengn model structural yaitu mengenai hubungan-hubungan antara variable eksogen dan endogen BETA dan hubungan antar variable endogen Gamma. Hubungan BETA dan GAMMA dapat dijelaskan pada tabel 4.9. berikut: 56 Tabel 4.9. Hubungan BETA dan GAMMA Hipotesis Variabel Eksogen Variabel Endogen Koefisien Path T-Value H 1 Kecocokan Tugas- Teknologi KTT Kinerja Akuntan Publik KAP 0,41 2,95 H 1 Pemanfaatan Teknologi Informasi PTI Kinerja Akuntan Publik KAP 0,55 3,73 H 1 Kecocokan Tugas- Teknologi KTT Pemanfaatan Teknologi Informasi PTI 0,56 3,44 Sumber: Data Primer Yang Diolah Melihat output hubungan BETA dan GAMMA maka didapatlah pengaruh sebagai berikut: ƒ Kecocokan Tugas-Teknologi Terhadap Kinerja Akuntan Publik. Pengaruh kecocokan tugas-teknologi terhadap kinerja akuntan publik pada tabel diatas menunjukkan pengaruh positif dan signifikan. Hal ini ditunjukkan dari koefisien jalur sebesar 0,41 dan nilai t-hitung KTT terhadap KAP adalah sebesar 2,95 lebih besar dari 1,96. Artinya teknologi menyediakan sarana dan dukungan yang cocok dengan yang diperlukan oleh tugas yang didukungnya sehingga kinerjanya meningkat. Hasil pengujian ini konsisten dengan hasil penelitian Sugeng dan 57 Indriantoro 1998 dalam Adnyana dan Indriantoro 2000:466 yang menyimpulkan faktor kecocokan tugas-teknologi berpengaruh secara signifikan terhadap kinerja individual ƒ Pemanfaatan Teknologi Informasi Terhadap Kinerja Akuntan Publik. Pengaruh pemanfaatan teknologi informasi terhadap kinerja akuntan publik pada tabel diatas menunjukkan pengaruh positif dan signifikan. Hal ini ditunjukkan dari koefisien jalur sebesar 0,55 dan nilai t-hitung PTI terhadap KAP adalah sebesar 3,73 lebih besar dari 1,96. Artinya semakin tinggi perilaku menggunakan atau memanfaatkan teknologi dalam menyelesaikan tugas semakin tinggi atau meningkat kinerjanya. Hasil pengujian ini konsisten dengan hasil penelitian Thompson 1991, Davis 1989, Goodhue dan Thompson 1995, Sugeng dan Indriantoro 1998, Adnyana 1999 dalam Jin 2003:19 yang menyimpulkan bahwa pemanfaatan teknologi informasi akan meningkatkan kinerja. ƒ Kecocokan Tugas-Teknologi Terhadap Pemanfaatan Teknologi Informasi Pengaruh kecocokan tugas-teknologi terhadap pemanfaatan teknologi informasi pada tabel diatas menunjukkan pengaruh positif dan signifikan. Hal ini ditunjukkan dari koefisien jalur sebesar 0,56 dan nilai t-hitung PTI terhadap KAP adalah 58 sebesar 3,44 lebih besar dari 1,96. Artinya tingkat kecocokan tugas-teknologi yang tinggi akan dapat meningkatkan teknologi informasi yang digunakan atau dimanfaatkan. Hasil pengujian ini konsisten dengan hasil penelitian Thompson 1991 dan Qadri 1997 dalam Jin 2003:19 yang menyatakan bahwa pemanfaatan teknologi informasi dipengaruhi oleh kecocokan pekerjaan yang dilakukan.

D. Interpretasi