atas 0,50 yang dapat digunakan untuk mengukur model penelitian sehingga nilai loading factor kurang dari 0,50 harus di drop atau dihapus agar mampu
menghasilkan model yang baik Pristiyanti, 2012. Berdasarkan hasil pengujian outer loading dapat diketahui bahwa nilai
loading factor untuk indikator variabel reflektif memiliki nilai di atas 0,50 sehingga tidak ada indikator variabel reflektif dalam penelitian ini yang perlu di
drop atau dihapus. Untuk variabel formatif, cara untuk menilai outer model yang adalah dengan
melihat significance of weights. Nilai weight indikator formatif dengan konstruknya harus signifikan Suseno, 2011. Nilai weight dikatakan signifikan
jika t-statistic pada output outer weight lebih besar dari nilai t-tabel yaitu 1,983. Berdasarkan output outer weight maka dapat disimpulkan bahwa semua nilai t-
statistic untuk indikator formatif berada di atas nilai t-tabel yaitu 1,983 sehingga dapat disimpulkan bahwa semua indiktor untuk konstruk keefektifan pengendalian
internal dinyatakan valid untuk mengukur konstruk tersebut.
4.2.1 Uji Outer Model atau Measurement Model Indikator Kecenderungan
Kecurangan Fraud KK.
Hasil estimasi perhitungan outer loading menggunakan SmartPLS 2.0 untuk indikator variabel kecenderungan kecurangan fraud tersaji pada lampiran 6.
Berdasarkan hasil tersebut dapat diketahui nilai loading factor masing-masing indikator variabel kecenderungan kecurangan fraud KK. Nilai loading factor
KK1 sebesar
0,827, Nilai
loading factor KK2 sebesar 0,811, nilai loading factor KK3 sebesar 0,881, nilai loading factor KK4 sebesar 0,867, nilai loading factor
KK5 sebesar 0,897, nilai loading factor KK6 sebesar 0,866, nilai loading factor KK7 sebesar 0,852, nilai loading factor KK8 sebesar 0,852, nilai loading factor
KK9 sebesar 0,826. Dengan demikian, dapat disimpulkan bahwa semua nilai loading factor untuk indikator variabel kecenderungan kecurangan fraud yaitu
KK1 sampai KK9 berada di atas 0,50 sehingga tidak ada indikator yang perlu di drop.
4.2.2 Uji Outer Model atau Measurement Model Indikator Penegakan
Peraturan PP
Hasil estimasi perhitungan outer loading menggunakan SmartPLS 2.0 untuk indikator variabel penegakan peraturan tersaji pada lampiran 6. Berdasarkan
hasil tersebut dapat diketahui nilai loading factor masing-masing indikator variabel penegakan peraturan PP. Nilai loading factor PP1 sebesar
0,876, Nilai
loading factor PP2 sebesar 0,887, nilai loading factor PP3 sebesar 0,915, nilai loading factor PP4 sebesar 0,864, nilai loading factor PP5 sebesar 0,893. Dengan
demikian, dapat disimpulkan bahwa semua nilai loading factor untuk indikator variabel penegakan peraturan yaitu PP1 sampai PP5 berada di atas 0,50 sehingga
tidak ada indikator yang perlu di drop. 4.2.3
Uji Outer Model atau Measurement Model Indikator Keefektifan Pengendalian Internal KPI
Hasil estimasi perhitungan outer weight menggunakan SmartPLS 2.0 untuk indikator variabel keefektifan pengendalian internal tersaji pada lampiran 6.
Variabel Keefektifan pengendalian internal merupakan variabel formatif sehingga untuk melihat nilai outer model dilakukan dengan melihat nilai t-statistic masing-
masing indikator kemudian dibandingkan dengan nilai t-tabel yaitu sebesar 1,983 untuk α 5 0,05. Berdasarkan hasil tersebut dapat diketahui nilai t-statistic
masing-masing indikator variabel keefektifan pengendalian internal KPI. Nilai t- statistic KPI1 sebesar
3,465, nilai
t-statistic KPI2 sebesar 4,372, nilai t-statistic KPI3 sebesar 3,742, nilai t-statistic KPI4 sebesar 2,575, nilai t-statistic KPI5
sebesar 2,172. Dengan demikian, dapat disimpulkan bahwa semua nilai t-statistic untuk semua indikator variabel keefektifan pengendalian internal yaitu KPI1
sampai KPI5 lebih besar dari nilai t-tabel yaitu sebesar 1,983 sehingga tidak ada
indikator yang perlu di drop. 4.2.4
Uji Outer Model atau Measurement Model Indikator Asimteri Informasi AI
Hasil estimasi perhitungan outer loading menggunakan SmartPLS 2.0 untuk indikator variabel asimetri informasi tersaji pada lampiran 6. Berdasarkan
hasil tersebut dapat diketahui nilai loading factor masing-masing indikator variabel asimetri informasi AI. Nilai loading factor AI1 sebesar
0,829, Nilai
loading factor AI2 sebesar 0,768, nilai loading factor AI3 sebesar 0,885, nilai loading factor AI4 sebesar 0,861, nilai loading factor AI5 sebesar 0,908, nilai
loading factor AI6 sebesar 0,893. Dengan demikian, dapat diketahui bahwa semua nilai loading factor untuk indikator variabel asimetri informasi yaitu AI1 sampai
AI6 berada di atas 0,50 sehingga tidak ada indikator yang perlu di drop.
4.2.5 Uji Outer Model atau Measurement Model Indikator Keadilan
