Akar AVE konstruk Kesesuaian Kompensasi KK sebesar 0,71977 lebih tinggi daripada korelasi antara konstruk Kesesuaian Kompensasi KK dengan konstruk
lainnya dalam model. Akar AVE konstruk Komitmen Organisasi KO sebesar 0,79635, lebih tinggi daripada korelasi antara Komitmen Organisasi KO dengan
konstruk lainnya dalam model.Akar AVE Konstruk Penegakan Hukum PH sebesar 0,72968 lebih tinggi daripada korelasi antara konstruk Penegakan Hukum
dengan konstruk lainnya didalam model. Akar AVE konstruk fraud di sektor pemerintahan FRAUD sebesar 0,81025 lebih tinggi daripada korelasi antara
konstruk fraud di sektor pemerintahan FRAUD dengan konstruk lainnya dalam model.
Berdasarkan 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.
4.4 Uji Inner 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 4.21 R Square
R Square Budaya Etis Organisasi
FRAUD 0,820505
Gaya Kepemimpinan Kesesuaian Kompensasi
Komitmen Organisasi Keefektifan pengendalian internal
Penegakan Hukum Sumber: Output PLS, 2013
Berdasarkan Tabel 4.19 menunjukan bahwa nilai R-square fraud di sektor pemerintahan FRAUD 0,820. Nilai R-square sebesar 0,820 memiliki arti
bahwa variabilitas konstruk fraud di sektor pemerintahan yang dapat di jelaskan oleh variabilitas konstruk Keefektifan Sistem Pengendalian Internal KSPI,
Budaya Etis Organisasi BEO, Gaya Kepemimpinan GK, Kesesuaian Kompensasi KK, Komitmen Organisasi KO dan Penegakan Hukum PH
sebesar 82 sedangkan 18 dijelaskan oleh variabel lain di luar yang diteliti. Semakin besar angka R-square menunjukan semakin besar variabel independen
tersebut dapat menjelaskan variabel dependen sehingga semakin baik persamaan strukturalnya.
4.5 Pengujan Struktural Equation Model SEM
Metode analisis utama dalam penelitian ini dilakukan dengan Structural Equation Model SEM. Pengujian dilakukan dengan bantuan program Smart PLS
2.0. Gambar 4.2 berikut ini menyajikan hasil pengujian Full Model SEM menggunakan PLS sebagai berikut:
Gambar 4.2 Uji Full Model SEM Menggunakan PLS
Berdasarkan hasil pengujian menggunakan smartPLS sebagaimana di tunjukan pada Gambar 4.2, dapat diketahui bahwa tidak terdapat nilai loading
factor dibawah 0.50 selain untuk indikator KSPI yang menggunakan indikator formatif, sehingga tidak harus dilakukan drop data untuk menghapus indikator
yang bernilai loading dibawah 0.50 agar memperoleh model yang baik.
4.6 Pengujian Hipotesis
