Jumat, 22 Februari 2019

Bab IV Kualitatif


 1.    Uji Validitas

Uji validitas memiliki tujuan untuk meyakinkan bahwa kuesioner yang disusun benar-benar baik dalam mengukur dan menghasilkan data yang valid. Menurut Sugiyono (2015) menjelaskan, instrumennya yang valid berarti alat ukur yang digunakan untuk mendapatkan data itu valid. Valid berarti instrumen tersebut dapat digunakan untuk mengukur apa yang seharusnya diukur. Validitas adalah ketepatan atau kecermatan suatu instrument dalam mengukur apa yang ingin diukur.
Menurut Sudarmanto (2015), uji validitas dilakukan untuk mengetahui apakah alat ukur yang telah disusun dapat digunakan untuk mengukur apa yang hendak diukur secara tepat. Validitas suatu instrument akan menggambarkan tingkat kemampuan alat ukur yang digunakan mengungkapkan sesuatu yang menjadi sasaran pokok pengukuran.
Sunyoto (2013) menyatakan uji validitas digunakan untuk mengukur sah atau valid tidaknya suatu kuesioner. Kuesioner dikatakan calid jika pertanyaan pada kuesioner mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut.

1.1.  Uji Validitas Variabel Pengendalian Internal (X1)

Dari hasil di atas, diketahui bahwa variabel pengendalian internal, seluruh pertanyaan memiliki nilai Pearson Corelation atau R hitung di atas R tabel (0.2303) dan nilai Sig > 0.05, sehingga dapat disimpulkan bahwa pertanyaan untuk variabel pengendalian internal memenuhi uji validitas.

1.2.  Uji Validitas Variabel Kompensasi (X2)

Correlations

Q19
Q20
Q21
Q22
Kompensasi
Q19
Pearson Correlation
1
.439**
.375**
-.060
.680**
Sig. (2-tailed)

.000
.001
.612
.000
N
73
73
73
73
73
Q20
Pearson Correlation
.439**
1
.548**
.179
.826**
Sig. (2-tailed)
.000

.000
.130
.000
N
73
73
73
73
73
Q21
Pearson Correlation
.375**
.548**
1
.180
.779**
Sig. (2-tailed)
.001
.000

.127
.000
N
73
73
73
73
73
Q22
Pearson Correlation
-.060
.179
.180
1
.412**
Sig. (2-tailed)
.612
.130
.127

.000
N
73
73
73
73
73
Kompensasi
Pearson Correlation
.680**
.826**
.779**
.412**
1
Sig. (2-tailed)
.000
.000
.000
.000

N
73
73
73
73
73
**. Correlation is significant at the 0.01 level (2-tailed).

Dari hasil di atas, diketahui bahwa variabel kompensasi (X2), seluruh pertanyaan memiliki nilai Pearson Corelation atau R hitung di atas R tabel (0.2303) dan nilai Sig > 0.05, sehingga dapat disimpulkan bahwa pertanyaan untuk variabel kompensasi memenuhi uji validitas.

1.3.  Uji Validitas Variabel Moralitas (X3)

Correlations

Q23
Q24
Q25
Q26
Moralitas
Q23
Pearson Correlation
1
.563**
.505**
-.075
.741**
Sig. (2-tailed)

.000
.000
.530
.000
N
73
73
73
73
73
Q24
Pearson Correlation
.563**
1
.646**
-.097
.764**
Sig. (2-tailed)
.000

.000
.416
.000
N
73
73
73
73
73
Q25
Pearson Correlation
.505**
.646**
1
-.080
.749**
Sig. (2-tailed)
.000
.000

.502
.000
N
73
73
73
73
73
Q26
Pearson Correlation
-.075
-.097
-.080
1
.368**
Sig. (2-tailed)
.530
.416
.502

.001
N
73
73
73
73
73
Moralitas
Pearson Correlation
.741**
.764**
.749**
.368**
1
Sig. (2-tailed)
.000
.000
.000
.001

N
73
73
73
73
73
**. Correlation is significant at the 0.01 level (2-tailed).

Dari hasil di atas, diketahui bahwa variabel Moralitas (X3), seluruh pertanyaan memiliki nilai Pearson Corelation atau R hitung di atas R tabel (0.2303) dan nilai Sig > 0.05, sehingga dapat disimpulkan bahwa pertanyaan untuk variabel moralitas memenuhi uji validitas.

1.4.  Uji Validitas Variabel Kecurangan (Y)

Dari hasil di atas, diketahui bahwa variabel Kecurangan (Y), dari 18 pertanyaan ada 2 yang tidak memenuhi uji validitas yaitu pertanyaan ke 30 (Q30) dengan nilai r hitung 0.204 < r tabel 0.2303 dengan nilai sig 0.084 > 0.05 dan pertanyaan ke 32 (Q32) dengan nilai r hitung sebesar 0.227 < r tabel 0.2303 dengan nilai sig 0.054 > 0.05. selain 2 pertanyaan yang diajukan tersebut ada 16 pertanyaan yang diajukan untuk menilai kecurangan dengan nilai r hitung > r tabel dengan seluruh nilai sig < 0.05, sehingga dinyatakan lulus uji validitas.

2.    Uji Reliabilitas

Tujuan pengujian reliabilitas adalah untuk meyakinkan bahwa kuesioner yang disusun benar-benar baik dalam mengukur dan menghasilkan data yang reliable atau yang dapat dipercaya. Sunyoto (2013) menyatakan reliabilitas adalah alat untuk mengukur suatu kuesioner yang merupakan indikator dari variabel. Butir pertanyaan dikatakan reliable atau handal apabila jawaban seseorang terhadap pertanyaan adalah konsisten.
Pengukuran keandalan butir pertanyaan dengan sekali menyebar kuesioner kepada responden, kemudian hasil skor diukur korelasinya antar skor jawaban pada butir pertanyaan yang sama dengan bantuan komputer SPSS dengan fasilitas cronbach alpha. Suatu variabel dikatakan reliable jika memberikan nilai cronbach alpha lebih besar dari 0,60 (Sunyoto, 2013).
Priyatno (2012) menyatakan bahwa semua item yang valid dimasukkan ke dalam uji reliabilitas, sedangkan yang tidak valid tidak dimasukkan ke dalam reliabilitas.
Menurut  Sekaran dalam Priyatno (2016), pengambilan keputusan untuk diuji reliabilitas adalah sebagai berikut:
a)        cronbach alpha < 0,6                   = reliabilitas kurang baik
b)        cronbach alpha < 0,6 - 0,79       = reliabilitas dapat diterima
c)         cronbach alpha > 0,8                   = reliabilitas baik

2.1.  Uji Reliabilitas Variabel Pengendalian Internal (X1)

Case Processing Summary

N
%
Cases
Valid
73
100.0
Excludeda
0
.0
Total
73
100.0
a. Listwise deletion based on all variables in the procedure.



Reliability Statistics
Cronbach's Alpha
N of Items
.879
18

Dari hasil di atas, pengujian Reliabilitas untuk variabel pengendalian internal (X1) memiliki nilai 0.879 > 0.8 maka dapat diambil kesimpulan bahwa reliabilitas termasuk kategori baik.

2.2.  Uji Reliabilitas Variabel Kompensasi (X2)

Case Processing Summary

N
%
Cases
Valid
73
100.0
Excludeda
0
.0
Total
73
100.0
a. Listwise deletion based on all variables in the procedure.


Reliability Statistics
Cronbach's Alpha
N of Items
.625
4

Dari hasil di atas, pengujian Reliabilitas untuk variabel kompensasi (X2) memiliki nilai 0.625 lebih besar dari 0.6 dan lebih kecil dari 0.79 (0.6 < 0.625 < 0.79) maka dapat diambil kesimpulan termasuk kategori reliabilitas dapat diterima.

2.3.  Uji Reliabilitas Variabel Moralitas

Case Processing Summary

N
%
Cases
Valid
73
100.0
Excludeda
0
.0
Total
73
100.0
a. Listwise deletion based on all variables in the procedure.


Reliability Statistics
Cronbach's Alpha
N of Items
.505
4

Dari hasil di atas, pengujian Reliabilitas untuk variabel moralitas (X3) memiliki nilai 0.505 lebih kecil dari 0.6 maka dapat diambil kesimpulan termasuk kategori reliabilitas kurang baik.

2.4.  Uji Reliabilitas Variabel Kecurangan (Y)

Case Processing Summary

N
%
Cases
Valid
73
100.0
Excludeda
0
.0
Total
73
100.0
a. Listwise deletion based on all variables in the procedure.


Reliability Statistics
Cronbach's Alpha
N of Items
.756
18

Dari hasil di atas, pengujian Reliabilitas untuk variabel kecurangan (Y) memiliki nilai 0.756 lebih besar dari 0.6 dan lebih kecil dari 0.79 (0.6 < 0.756 < 0.79) maka dapat diambil kesimpulan termasuk kategori reliabilitas dapat diterima.

3.    Uji Asumsi Klasik


Ramadhina et al. (2011) menyatakan bahwa pengujian asumsi klasik diperlukan untuk mengetahui apakah hasil estimasi regresi yang dilakukan benar-benar bebas dari adanya gejala heteroskedastisitas, gejala multikolinearitas, dan gejala autokorelasi, serta normalitas.
Menurut Priyatno (2012) model regresi linear dapat disebut sebagai model yang baik jika model tersebut memenuhi beberapa asumsi yang kemudian disebut dengan asumsi klasik. Harus terpenuhinya asumsi klasik ditujukan untuk memperoleh model regresi dengan estimasi yang tidak bias dan pengujian dapat dipercaya. Apabila ada satu syarat aja yang tidak terpenuhi maka hasil analisis regresi tidak dapat dikatakan bersifat BLUE (Best Linear Unbiased Estimator).
Untuk mengetahui apakah model persamaan regresi yang digunakan dalam penelitian memenuhi asumsi klasik, harus dilakukan uji asumsi klasik atas model persamaan tersebut. Uji asumsi klasik yang dilakukan penulis terdiri dari uji normalitas, uji multikolinearitas, dan uji heteroskedastisitas.

3.1.  Uji Normalitas

Menurut Ghozali (2013) uji normalitas bertujuan untuk mengetahui apakah dalam model regresi, variabel pengganggu aatau residual memiliki distribusi normal. Ada dua cara yang digunakan untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik.
a)        Analisis Grafik
         Metode yang lebih handal adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk salah satu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
Dari grafik di atas, menunjukkan bahwa letak Plot berada di sekitar garis diagonal dan tidak ada penyimpangan sehingga menandakan bahwa data yang diuji terdistribusi normal.

b)       Uji Statistik
Uji statistik yang dapat digunakan untuk menguji normalitas residual adalah uji statistik non-parametik Kolmogrov-Smirnov (K-S). jika signifikan (Asymp.sig)<0.05 maka data tidak berdistribusi normal.

One-Sample Kolmogorov-Smirnov Test

Unstandardized Residual
N
73
Normal Parametersa,b
Mean
.0000000
Std. Deviation
3.20382843
Most Extreme Differences
Absolute
.086
Positive
.054
Negative
-.086
Kolmogorov-Smirnov Z
.736
Asymp. Sig. (2-tailed)
.651
a. Test distribution is Normal.
b. Calculated from data.


Dari hasil uji menggunakan SPSS, nilai Asymp.Sig (2-tailed) pada Uji Kolmogorov Smirnov menunjukkan angka 0.652 > 0.05 yang artinya tidak ada masalah uji normalitas.
Dari hasil 2 uji di atas dapat disimpulkan bahwa data terdistribusi normal dan tidak ada masalah normalitas sehingga dinyatakan telah lulus dan data layak digunakan.

3.2.  Uji Multikolinearitas

Menurut Ghazali (2013), uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Multikolinearitas dapat dilihat dari nilai tolerance  dan variance inflation factor (VIF). nilai tolerance yang rendah sama dengan VIF yang tinggi, karena VIF = 1/tolerance.
Dalam penelitian ini, metode yang digunakan dalam uji multikolinearitas adalah dengan melihat nilai VIF. Untuk mengetahui suatu model regresi bebas dari multikolinearitas, yaitu mempunyai nilai VIF kurang dari 10 dan mempunyai angka tolerance lebih dari 0,1.
Dari hasil pengujian di atas menunjukkan bahwa nilai tolerance untuk semua variabel di atas 0.1 dan nilai VIF untuk semua variabel di atas 1 dan tidak lebih dari 10, sehingga dapat disimpulkan bahwa tidak terjadi masalah multikolinearitas dan data layak untuk digunakan.

3.3.  Uji Heterokedastisitas

Tujuan penelitian ini adalah untuk mengkaji apakah dalam sebuah regresi terjadi kesamaan varians dari residual suatu pengamatan ke pengamatan lain. Jika varian dari residual suatu pengamatan ke pengamatan lain tetap, makan disebut homokedastisitas, sedangkan varian berbeda disebut heteroskedastisitas, model regresi yang baik adalah model yang tidak terjadi heteroskedastisitas.
Menurut Ghozali (2013), uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual suatu pengamatan dengan pengamatan lain. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Ada beberapa cara yang dapat digunakan untuk mendeteksi ada atau tidaknya heteroskedastisitas, antara lain:
a)        Uji heteroskedastisitas dengan melihat grafik plot antara nilai prediksi variabel terikat (dependen) yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heteroskedastisitasdapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED. Jika tidak adanya pola yang jelas, serta titik-titik yang menyebar diatas dan dibawah angka 0 pada sumbu Y, maka data dapat dikatakan tidak terjadi heteroskedastisitas.
Dari hasil pengujian menggunakan SPSS, terlihat bahwa Plot menyebar, tidak menumpuk dan tidak membentuk pola, sehingga dapat dinyatakan bahwa sebaran data tidak mengalami masalah heterokedastisitas.
b)        Uji heteroskedastisitasdengan uji gletser. Uji gletser mengusulkan untuk meregresi nilai absolute residual terhadap variabel independen. Jika diperoleh nilai signifikan 0,05 maka dapat disimpulkan bahwa tidak terjadi problem heteroskedastisitas.
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t
Sig.
B
Std. Error
Beta
1
(Constant)
1.569
3.679

.426
.671
Pengendalian Internal
-.022
.046
-.061
-.472
.639
Kompensasi
-.036
.136
-.034
-.267
.791
Moralitas
.199
.140
.175
1.426
.158
a. Dependent Variable: RES_2


Dari hasil uji Glejser, tingkat signifikasi untuk semua variabel independen di atas 0.05, sehingga dapat disimpulkan bahwa data tidak terkena masalah heterokedastisitas dan layak digunakan.

4.    Analisis Data

     Menurut Sujarweni (2015), analisis data diartikan sebagai upada data yang sudah tersedia kemudian diolah dengan statistik dan dapat digunakan untuk menjawab rumusan masalah dalam penelitian. Dengan demikian, teknik analisis data dapat diartikan sebagai cara melaksanakan analisis terhadap data, dengan tujuan mengolah data tersebut untuk menjawab rumusan masalah.

4.1.  Regresi Linear Berganda

Analisis regresi linier berganda merupakan teknik analisis regresi yang dapat digunakan untuk menguji  pengaruh beberapa variabel independen terhadap satu variabel dependen. Persamaannya dapat ditulis sebagai berikut:
l  Y  =       Kecenderungan Kecurangan (fraud
l  =       Konstanta atau Intercept
l  =       Koefisien Regresi
l           =       Pengendaliaan Internal
l           =       Kesesuaian Kompensasi
l           =       Moralitas Individu
l  Ɛ  =       Error
Dari persamaan regresi di atas, dapat diinterpretasikan sebagai berikut :
1.       Konstanta sebesar 26.675 berarti jika nilai pengendalian internal (X1), kompensasi (X2), dan moralitas (X3) bernilai tetap atau 0, maka indikasi kecurangan adalah sebesar 26.675

2.       Koefisien regresi variabel pengendalian internal (X1) sebesar 0.416 berarti jika variabel independen lain nilainya tetap dan pengendalian internal mengalami kenaikan 1%, maka kecurangan (Y) akan mengalami kenaikan sebesar 0.416%. Koefisien bernilai positif artinya terjadi hubungan positif antara variabel independen dengan variabel dependen, semakin naik  pengendalian internal semakin naik kecurangan, begitupun sebaliknya.

3.       Koefisien regresi variabel kompensasi (X2) sebesar 0.243 berarti jika variabel independen lain nilainya tetap dan kompensasi mengalami kenaikan 1%, maka kecurangan (Y) akan mengalami kenaikan sebesar 0.243%. Koefisien bernilai positif artinya terjadi hubungan positif antara variabel independen dengan variabel dependen, semakin naik  kompensasi semakin naik kecurangan, begitupun sebaliknya.

4.       Koefisien regresi moralitas (X3) sebesar 0.744 berarti jika variabel independen lain nilainya tetap dan moralitas mengalami kenaikan 1%, maka kecurangan (Y) akan mengalami kenaikan sebesar 0.744%. Koefisien bernilai positif artinya terjadi hubungan positif antara variabel independen dengan variabel dependen, semakin naik  moralitas semakin naik kecurangan, begitupun sebaliknya.

4.1.  Koefisien Determinasi

Koefisien determinasi ( ) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi berada di antara nol dan satu. Nilai  yang kecil berarti kemampuan variabel variabel independen dalam menjelaskan variabel dependen amat terbatas. “Nilai yang mendekati satu berarti variabel-varibel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen”. (Ghozali, 2006 : 69).
            Besarnya kontribusi variabel independen terhadap variabel dependen dapat ditentukan dengan rumus koefisien sebagai berikut:

Sumber: Riduwan dan Kuncoro (2014:62)
Keterangan:
KP           : Nilai koefisien Determinasi
r              : Nilai Koefisien Korelasi
Berdasarkan tabel di atas diperoleh angka R sebesar 0.705 terletak diantara interval 0,71 s/d 0,90. Hal ini menunjukkan bahwa terjadi hubungan yang  sangat kuat antara pengendalian internal, kompensasi, dan moralitas terhadap kecurangan.
              Koefisien determinasi (regresi) untuk mengetahui seberapa besar kontribusi X terhadap naik turunnya Y. Dari Tabel di atas  R Square sebesar 0.475 atau 47.5% hal ini berarti bahwa prosentase kontribusi variabel pengendalian internal, kompensasi, dan moralitas terhadap kecurangan sebesar 47.5% sedangkan sisanya sebesar 52.5% dipengaruhi oleh variabel lain yang tidak dijelaskan dalam penelitian ini.

4.2.  Pengujian korelasi


Menurut Priyatno (2014:123), analisis korelasi sederhana adalah hubungan antara dua variabel. Dalam perhitungan korelasi akan didapat koefisien korelasi berkisar antara 0 sampai 1, nilai semakin mendekati 1 atau -1, maka hubungan semakin erat, jika mendekati 0 maka hubungan semakin lemah. Macam koefisien korelasi yang digunakan pada SPSS adalah korelasi Pearson atau dikenal juga dengan korelasi product moment dan analisis Kendalls tau-b dan spearman's Rho.
          Pengujian dimaksud untuk mengetahui apakah terdapat hubungan signifikan atau tidak antar variabel tersebut. Pengujian menggunakan uji dua sisi (two tailed). Signifikan artinya nyata atau berarti dengan maksud bahwa hubungan yang terjadi dapat diberlakukan untuk populasi. Signifikasi hubungan antar variabel yang diteliti dapat dianalisis dengan ketentuan sebagai berikut:
Jika probabilitas atau signifikan < 0.05 maka hubungan antar variabel signifikan.
Jika probabilitas atau signifikasi > 0.05 maka hubungan antar variabel tidak signifikan.
          Menurut Riduwan dan Kuncoro (2014:62), keeratan korelasi dapat dilihat pada tabel 3.4 dibawah ini:
Tabel 3.4
Interpretasi Koefisien Korelasi Nilai r
Interval Koefisien
Tingkat Hubungan
0.80 – 1.000
Sangat Kuat
0.60 – 0.799
Kuat
0.40 – 0.599
Cukup Kuat
0.20 – 0.399
Rendah
0.00 – 0.199
Sangat Rendah
Sumber: Riduwan dan Kuncoro (2014:62)

 

Correlations

Pengendalian Internal
Kompensasi
Moralitas
Kecurangan
Pengendalian Internal
Pearson Correlation
1
.369**
.195
.626**
Sig. (2-tailed)

.001
.098
.000
N
73
73
73
73
Kompensasi
Pearson Correlation
.369**
1
.217
.365**
Sig. (2-tailed)
.001

.065
.001
N
73
73
73
73
Moralitas
Pearson Correlation
.195
.217
1
.425**
Sig. (2-tailed)
.098
.065

.000
N
73
73
73
73
Kecurangan
Pearson Correlation
.626**
.365**
.425**
1
Sig. (2-tailed)
.000
.001
.000

N
73
73
73
73
**. Correlation is significant at the 0.01 level (2-tailed).

Dari tabel korelasi Pearson dapat diinterpretasikan sebagai berikut :
1. Hubungan pengendalian internal dengan kecurangan

Hubungan antara pengendalian internal dengan kecurangan adalah 0.626 atau 62.6% korelasi tergolong kuat dengan arah hubungan positif. Artinya jika pengendalian internal mengalami kenaikan maka kecurangan juga akan mengalami kenaikan, dan apabila pengendalian internal mengalami penurunan maka kecurangan juga akan menurun. Pada kolom sig (2-tailed) terdapat probabilitas 0,000 (0,000<0,05) artinya ada hubungan yang signifikan antara pengendalian internal dengan kecurangan.
2. Hubungan kompensasi dengan kecurangan
Hubungan antara kompensasi dengan kecurangan adalah 0.365 atau 36.5% korelasi tergolong rendah dengan arah hubungan positif. Artinya jika kompensasi mengalami kenaikan maka kecurangan juga akan mengalami kenaikan, dan apabila kompensasi mengalami penurunan maka kecurangan juga akan menurun. Pada kolom sig (2-tailed) terdapat probabilitas 0,001 (0,001<0,05) artinya ada hubungan yang signifikan antara kompensasi dengan kecurangan.
3. Hubungan moralitas dengan kecurangan
Hubungan antara moralitas dengan kecurangan adalah 0.425 atau 42.5% korelasi tergolong cukup kuat dengan arah hubungan positif. Artinya jika moralitas mengalami kenaikan maka kecurangan juga akan mengalami kenaikan, dan apabila moralitas mengalami penurunan maka kecurangan juga akan menurun. Pada kolom sig (2-tailed) terdapat probabilitas 0,001 (0,001<0,05) artinya ada hubungan yang signifikan antara moralitas dengan kecurangan.

4.3.  Pengujian Hipotesis secara Parsial


Menurut (Ghozali, 2006 : 65) “uji stastistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variabel dependen”. Pengujian dilakukan dengan menggunakan significance level 0,05 (α=5%). Penerimaan atau penolakan hipotesis dilakukan dengan kriteria sebagai berikut :
a)        Jika nilai signifikan > 0,05 maka hipotesis ditolak (koefisien regresi tidak signifikan). Hal ini berarti bahwa secara parsial variabel independen tersebut tidak mempunyai pengaruh yang signifikan terhadap variabel dependen.
b)        Jika nilai signifikan ≤ 0,05 maka hipotesis diterima (koefisien regresi signifikan). Hal ini berarti secara parsial variabel independen tersebut mempunyai pengaruh yang signifikan terhadap variabel dependen.
1. Pada tabel di atas memperlihatkan hasil pengujian secara parsial antara variabel pengendalian internal terhadap kecurangan. Dari tabel tersebut diketahui nilai sig.t sebesar 0.000 < 0.05, selain itu dapat dilihat nilai t-hitung (5.709) > t-tabel (1.995), dengan demikian maka dapat disimpulkan bahwa ada pengaruh yang signifikan antara pengendalian internal dengan kecurangan.
2. Pada tabel di atas memperlihatkan hasil pengujian secara parsial antara variabel kompensasi terhadap kecurangan. Dari tabel tersebut diketahui nilai sig.t sebesar 0.261 > 0.05, selain itu dapat dilihat nilai t-hitung (1.132) < t-tabel (1.995), dengan demikian maka dapat disimpulkan bahwa tidak ada pengaruh yang signifikan antara kompensasi dengan kecurangan.
3. Pada tabel di atas memperlihatkan hasil pengujian secara parsial antara variabel moralitas terhadap kecurangan. Dari tabel tersebut diketahui nilai sig.t sebesar 0.001 < 0.05, selain itu dapat dilihat nilai t-hitung (3.384) > t-tabel (1.995), dengan demikian maka dapat disimpulkan bahwa ada pengaruh yang signifikan antara moralitas dengan kecurangan.

4.4.  Pengujian secara simultan


“Uji – F merupakan pengujian hubungan regresi secara simultan atau bersama-sama”. (Ghozali, 2006 : 67)
           
Artinya tidak semua variabel independen berpengaruh secara simultan.
           
Artinya semua variabel independen berpengaruh secara simultan. Untuk menguji hipotesis ini, digunakan statistik F dengan membandingkan F hitung dengan F tabel dengan kriteria pengambilan keputusan sebagai berikut:
Jika Fhitung > Ftabel, maka Ha diterima ()
Jika Fhitung < Ftabel, maka Ho diterima ()

ANOVAb
Model
Sum of Squares
df
Mean Square
F
Sig.
1
Regression
728.708
3
242.903
22.678
.000a
Residual
739.045
69
10.711


Total
1467.753
72



a. Predictors: (Constant), Moralitas, Pengendalian Internal, Kompensasi
b. Dependent Variable: Kecurangan

Dari uji ANOVA atau uji F test tersebut, Fhitung sebesar 22.678 sedangkan Ftabel dengan tingkat signifikansi 5% diperoleh Ftabel  sebesar 2,7375 Dalam hal ini maka Fhitung (22.678) > Ftabel (2,7375), selain itu dari tabel ANOVA, dapat dilihat besar probabilitas yaitu 0,000. Karena signifikan penelitian kurang dari 0,05 (0,000 < 0,05) artinya ada pengaruh secara signifikan antara pengendalian internal, kompensasi, dan moralitas secara simultan (bersama-sama) terhadap kecurangan.