INDUSTRI YANG DIRUGIKAN ATAS FRAUD
METODE PENELITIAN
D. Operasionalisasi Variabel Penelitian
Variabel yang digunakan dalam penelitian akan diuraikan beserta operasional dan cara pengukurannya, yaitu Kecerdasan Intelektual, Kecerdasan Emosional, Kecerdasan Spiritual, Fraud Akademik, dan Sikap Etis Mahasiswa.
1. Kecerdasan
Kecerdasan sebagai gambaran bagaimana kemampuan seorang yang bisa membedakan individunya dengan individu lain dalam keseharian. Dari beberapa pendapat ahli dan literatur, kecerdasan intelektual merupakan kemampuan yang ada pada diri seseorang untuk memperoleh informasi sebagai sumber pengetahuan, lalu dengan proses berpikir dan analisis dapat
56
diterapkan untuk menghadapi masalah di masa depan. Sementara kecerdasan emosional merupakan kecerdasan tentang bagaimana kita membawa diri kita dengan menghargai diri sendiri dan orang lain, juga dengan sensitivitas perasaan agar bisa menghadapi dengan tepat. Serta kecerdasan spiritual adalah bagaimana manusia memaknai hidup dan mengambil hikmah yang terkandung di dalamnya seperti moral, nilai, sehingga menuntun pada perbuatan positif dengan melibatkan Tuhan. Indikator dan skala pengukuran variabel kecerdasan dapat dilihat pada Tabel 3.1.
2. Fraud Akademik
Kecurangan secara umum dapat disimpulkan sebagai upaya mendapatkan keuntungan atau manfaat untuk dirinya atau kelompoknya yang merugikan pihak lain. Dalam hal ini kecurangan akademik merupakan kecurangan yang dilakukan pada proses pembelajaran perguruan tinggi untuk mendapatkan nilai atau keuntungan lainnya bukan dengan cara yang benar. Indikator dan skala pengukuran variabel fraud akademik dapat dilihat pada Tabel 3.2.
3. Sikap Etis Mahasiswa
Perilaku etis adalah perilaku yang sesuai dengan norma, aturan dan hukum yang ditetapkan. Sikap etis mahasiswa merupakan bagaimana seorang mahasiswa menempatkan dirinya sesuai dengan pedoman etis dan tidak etis yang berlaku. Indikator dan skala pengukuran variabel sikap etis mahasiswa dapat dilihat pada Tabel 3.3.
57
Tabel 3.1.
Indikator dan Skala Pengukuran Variabel Kecerdasan
Variabel Indikator No. Butir Skala Pengukuran
Kecerdasan Intelektual (X1), Mostafa
& Miller (2003)
Kecerdasan Numerik 1 Ordinal
Pemahaman Verbal 2
Kecepatan Persepsi 3
Penalaran Induktif 4
Penalaran deduktif 5
Visualisasi spasial 6
Ingatan yang Baik 7
Kontrol IQ Kecerdasan Numerik 8-9 Jawaban opsional
Kecerdasan Emosional (X2), Goleman
(2004)
Pengenalan Diri 1 Ordinal
Pengendalian Diri 2-4
Motivasi 5-6
Empati 7-8
Keterampilan Sosial 9
Kontrol EQ Pengendalian Diri 10 Jawaban opsional
Kecerdasan Spiritual (X3),
Zohar &
Marshall (2001)
Bersikap fleksibel 1-2 Ordinal
Kesadaran diri 3-4
Menghadapi penderitaan 5
Menghadapi dan melampaui rasa sakit
6
Keengganan menyebabkan kerugian yang tidak perlu
7
Kualitas hidup 8
Berpandangan holistic 9
Cenderung bertanya 10
Bidang mandiri 11-12
Kontrol SQ Kesadaran diri 13 Jawaban opsional
58
Tabel 3.2.
Indikator dan Skala Pengukuran Variabel Fraud Akademik
Tabel 3.3.
Indikator dan Skala Pengukuran Variabel Sikap Etis Mahasiswa
Skala pengukuran variabel pada penelitian ini menggunakan skala ordinal, yaitu mengadopsi Likert dengan skala 1-5 (Sangat tidak setuju, tidak setuju, netral, setuju, dan sangat setuju). Nomor butir variabel-variabel penelitian ini menggunakan pernyataan positif. Dikecualikan pada variabel FA nomor butir 1,3,4,5,6,7,8,9,10 dan 11 menggunakan pernyataan negatif sehingga perlakuan penilaiannya akan berbanding terbaik.
Variabel Indikator No. Butir Skala Pengukuran
Fraud
Akademik (Z), Colby (2006)
Plagiarisme 1-2 Ordinal
Pemalsuan data 3-5
Replikasi/penggandaan tugas 6
Menyontek saat ujian 7-10
Kerjasama yang salah 11-12
Variabel Indikator No. Butir Skala Pengukuran
Sikap Etis Mahasiswa (Y), Belkaoui (1992) dalam (Farhan, 2012) dan (IAI et al., 2020)
Fairness 1 Ordinal
Ethics 2-3
Honesty 4-5
Social Responsibility 6-7
Objektivitas 8-9
Integritas 10
Kompetensi 11-12
59 E. Metode Analisis Data
Dalam penelitian ini metode analisis data menggunakan Partial Least Square (PLS). PLS sebagai teknik analisis data dengan software SmartPLS 3 yang dijalankan melalui komputer. Aplikasi smartPLS lebih unggul dalam beberapa hal, di antaranya: data tidak harus berdistribusi normal multivariate (indikator dengan skala kategori, ordinal, interval sampai rasio dapat digunakan pada model yang sama) dan bisa menggunakan ukuran sampel yang kecil atau sedikit. Menurut (Ghozali, 2015) tidak didasarkan pada banyak asumsi membuat PLS menghasilkan data yang kuat.
PLS menggunakan model persamaan Structural Equation Modeling (SEM) yang berbasis komponen atau varian. Tujuan PLS menurut (Ghozali, 2015) yaitu membantu peneliti untuk tujuan prediksi. Model formalnya mendefinisikan variabel laten adalah linier agregat dari indikator-indikatornya. Tahapan yang dilakukan dalam penelitian adalah sebagai berikut:
1. Statistik Deskriptif
Statistik deskriptif memberikan gambaran atau deskripsi suatu data mengenai demografi responden (persebaran universitas, provinsi universitas, semester, jenis kelamin, usia, agama, tingkat IQ) serta nilai N, nilai min, max, sum, mean, dan standard deviation dari setiap variabel dengan cara ditabulasikan dan diberikan penjelasan.
60
2. Uji Model Pengukuran atau Outer Model
Untuk mendefinisikan bagaimana setiap blok indikator berhubungan dengan variabelnya adalah dengan Outer Model. Model penelitian harus melalui tahap purifikasi sebelumnya (Hartono & Willy, 2014). Algoritma PLS-SEM menggunakan elemen yang dikenal untuk memperkirakan elemen model yang tidak diketahui. Untuk tugas ini, algoritma perlu menentukan nilai dari konstruksi Y yang digunakan sebagai masukan untuk (tunggal dan majemuk) model regresi parsial dalam model jalur. Setelah algoritma menghitung nilai konstruksi, skor digunakan untuk memperkirakan setiap model regresi parsial dalam model jalur (Hair Jr, Hult, Ringle, & Sarstedt, 2017).
a. Convergent Validity
Model pengukuran dengan model indikator reflektif dinilai berdasarkan korelasi antara item score atau component score dengan construct score yang dihitung dengan software SmartPLS 3. Ukuran reflektif dikatakan tinggi apabila berkorelasi lebih dari 0.70. Namun, untuk penelitian tahap awal dari pengembangan skala pengukuran diperbolehkan menggunakan nilai loadings 0.50 sampai 0.60 (Ghozali, 2015).
b. Disriminant Validity
Model pengukuran dengan indikator reflektif dinilai berdasarkan cross loadings pengukuran dengan konstruk. Konstruk
61
laten dapat memprediksi ukuran pada blok yang lebih baik daripada ukuran blok lainnya, dicerminkan dengan korelasi konstruk yang mempunyai pengukuran lebih besar. Metode lain untuk menilai discriminant validity adalah membandingkan nilai square root of Average Variance Extracted (AVE) setiap konstruk dengan korelasi antar konstruk. Discriminant validity baik jika nilai akar AVE setiap konstruk lebih besar dari 0.50 atau lebih besar daripada nilai korelasi antar konstruk. (Ghozali, 2015).
c. Reliability
Composite Reliability dan Cronbach Alpha dapat menjadi pilihan untuk mengukur suatu konstruk (Ghozali, 2015). Composite reliability digunakan untuk mengukur nilai sesungguhnya reliabilitas suatu konstruk dan lebih baik dalam mengestimasi konsistensi internal suatu konstruk dengan nilai di atas 0.70 (Hartono & Willy, 2014).
Cronbach Alpha digunakan untuk mengukur batas bawah nilai reliabilitas suatu konstruk dengan nilai 0.60.
3. Uji Model Struktral atau Inner Model
Inner model (inner relation, structural model, dan substantive theory) berguna untuk menggambarkan hubungan antara variabel laten berdasarkan pada teori substantif.
62 a. R-Square
Dalam menilai model dengan PLS dimulai dengan melihat R-Square (R2) untuk setiap variabel laten dependen. Perubahan nilai R2 dapat digunakan untuk menilai seberapa besar pengaruh variabel laten independen tertentu terhadap variabel laten dependen (Ghozali, 2015).
Interpretasinya sama dengan interpretasi pada regresi.
b. Q-Square
Q-square (Q2) mengukur seberapa baik nilai observasi yang dihasilkan oleh model dan juga estimasi parameternya. Nilai Q2>0 menunjukkan model memiliki predictive relevance baik, dan sebaliknya jika nilai Q2<0 menunjukkan model kurang memiliki predictive relevance (Ghozali, 2015). Besaran Q2 ini setara dengan koefisien determinasi total pada analisis jalur (path analysis). Perhitungan Q2 dilakukan dengan rumus: Q2 = 1 – (1–R12) (1–R22) ... (1–Rp2) Dimana R12, R22 ... Rp2 adalah R2 variabel endogen.
c. Goodness of Fit (GoF)
GoF untuk Overall Fit Index bisa disebut GoF Index, digunakan untuk kriteria Goodness of Fit Index. Indeks ini dikembangkan untuk mengevaluasi model pengukuran dan model struktural. Nilai GoF Index ini diperoleh dari average communalities index dikalikan dengan nilai R2 model. Nilai ini terbentang antara 0 sampai 1 dengan interpretasi
63
nilai 0.1 (GoF Kecil), 0.25 (GoF Moderat) dan 0.36 (GoF Besar).
Formula GoF Index yaitu: GoF = √ Com x R2
Com bergaris atas adalah average communalities dan R2 bergaris atas adalah rata-rata model R2.
4. Uji Hipotesis
Analisis jalur (path analysis) digunakan dalam penelitian ini untuk menganalisis pola antar hubungan variabel dengan tujuan untuk mengetahui pengaruh langsung dan tidak langsung seperangkat variabel independen dengan variabel dependennya. Diagram jalur memberikan secara eksplisit hubungan kausalitas antar variabel. Teknik analisis jalur ini akan digunakan dalam pengujian besarnya kontribusi yang ditunjukkan oleh koefisien jalur pada setiap diagram jalur dari hubungan kausal antar variabel Kecerdasan Intelektual (X1), Kecerdasan Emosional (X2), Kecerdasan Spiritual (X3), dan Fraud Akademik (Z), dan Sikap Etis Mahasiswa (Y).
a. Pengujian Pengaruh Langsung
Pengujian pengaruh langsung dalam penelitian ini bertujuan melihat pengaruh kecerdasan intelektual terhadap fraud akademik, pengaruh kecerdasan emosional terhadap fraud akademik, pengaruh kecerdasan spiritual terhadap fraud akademik, pengaruh kecerdasan intelektual terhadap sikap etis mahasiswa, pengaruh kecerdasan
64
emosional terhadap sikap etis mahasiswa, pengaruh kecerdasan spiritual terhadap sikap etis mahasiswa, pengaruh fraud akademik terhadap sikap etis mahasiswa. Pengujian ini dilakukan dengan melihat nilai Tstatistik lebih dari nilai Ttabel, apabila nilai Tstatistik>1.96, maka hipotesis dikatakan mempunyai pengaruh. Hipotesis diterima dapat dikatakan signifikan apabila nilai P<0.05.
b. Pengujian Pengaruh Tidak Langsung (Uji Intervening)
Pengaruh kecerdasan intelektual terhadap sikap etis mahasiswa dengan fraud akademik sebagai variabel intervening, pengaruh kecerdasan emosional terhadap sikap etis mahasiswa dengan fraud akademik sebagai variabel intervening, pengaruh kecerdasan spiritual terhadap sikap etis mahasiswa dengan fraud akademik sebagai variabel intervening. Pengujian ini dilakukan dengan melihat nilai Tstatistik lebih dari nilai Ttabel, apabila nilai Tstatistik>1.96, maka hipotesis dikatakan mempunyai pengaruh. Hipotesis diterima dapat dikatakan signifikan apabila nilai P<0.05.
65 BAB IV