Anda di halaman 1dari 44

ANALISIS

REGRESI DENGAN VARIABEL


MODERATING
Oleh:
Dr.Suliyanto, SE,MM

http://management-unsoed.ac.id
Path Analisis
Download

JENIS-JENIS VARIABEL
DALAM PENELITIAN

Variabel Bebas
Variabel yang mempengaruhi variabel tergantung.
Variabel Tergantung
Variabel yang besar kecilnya tergantung pada variabel bebas.
Variabel Moderating
Variabel yang akan memperkuat atau memperlemah
hubungan antara variabel bebas dengan variabel tergantung.
Variabel Intervening
Merupakan variabel antara yang fungsinya memediasi
hubungan antara variabel bebas dengan varibel tergantung.

LATAR BELAKANG MUNCULNYA


ANALISIS REGRESI VARIABEL
MODERATING
Dalam kenyataan dalam kasus manajemen
tidak hanya terdapat hubungan antara varibel
bebas dengan variabel tergantung, tetapi juga
muncul
adanya
variabel
yang
ikut
mempengaruhi hubungan antar variabel
tersebut yaitu variabel moderasi.
Contoh:
Besarnya konsumsi tidak hanya dipengaruhi
oleh pendapatan, tetapi gaya hidup ikut
menentukan pengaruh pendapatan terhadap
konsumsi.

Model Variabel Moderating


Satu Varibel Bebas

Dua Variabel Bebas


atau Lebih

X2
X1
X1

X2
X3

X4
Y

TIGA METODE YANG DIGUNAKAN


UNTUK MELAKUKAN UJI REGRESI
DENGAN VARIABEL MODERASI
1.

2.

3.

Uji Interaksi
Uji interaksi sering disebut dengan Moderated Regression
Analysis (MRA). Merupakan aplikasi khusus regresi linier
berganda
dimana
dalam
persamaan
regresinya
mengandung unsur interaksi (perkalian dua atau lebih
variabel independen).
Uji Nilai Selisih Mutlak
Dilakukan dengan mencari nilai selisih mutlak dari variabel
independen.
Uji Residual
Dilakukan
dengan
menguji
pengaruh
deviasi
(penyimpangan) dari suatu model. Fokusnya adalah
ketidakcocokan (pack of fit) yang dihasilkan dari deviasi
hubungan antar variabel independen.

Contoh Kasus:
Seorang peneliti akan meneliti apakah
lingkungan kerja memoderasi hubungan
antara program pelatihan dengan prestasi
kerja. Untuk keperluan tersebut diambil
sampel sebanyak 15 karyawan.

METODE PERTAMA

Uji Interaksi
Uji interaksi dilakukan dengan cara
mengalikan
dua atau lebih variabel
bebasnya.
Jika hasil perkalian dua varibel bebas
tersebut signifikan maka variabel tersebut
memoderasi hubungan antara variabel
bebas dan variabel tergantungnya.

Persamaan Regresi
Persamaan Regresi Moderasi dengan uji
iterasi:
Y = a + b1X1 + b2X2+b3X1X2 +
Y = Nilai yang diramalkan
a = Konstansta
b1 = Koefesien regresi untuk X1
b2 = Koefesien regresi untuk X2
b3 = Koefesien variabel moderasi
X1 = Variabel bebas pertama
X2 = Variabel bebas kedua
X3 = Variabel Moderasi
= Nilai Residu

1.

Judul

Pemecahan

Pengaruh pelatihan terhadap prestasi kerja dengan


lingkungan kerja sebagai variabel moderasi.

2. Perumusan Masalah
Apakah pelatihan berpengaruh terhadap prestasi kerja ?
Apakah lingkungan kerja berpengaruh terhadap prestasi
kerja?
Apakah lingkungan kerja memoderasi hubungan antara
pelatihan dengan prestasi kerja ?
3. Hipotesis
Pelatihan berpengaruh positif terhadap prestasi kerja.
Lingkungan kerja berpengaruh positif terhadap prestasi kerja.
Lingkungan kerja memoderasi hubungan antara pelatihan
dengan prestasi kerja.

4. Kriteria Penerimaan Hipotesis


Hipotesis 1.
Ho : b1= 0 : Tidak terdapat pengaruh pelatihan terhadap prestasi kerja.
Ha : b1 > 0 : Terdapat pengaruh positif pelatihan terhadap prestasi kerja.
Kriteria:

Ho diterima Jika thitung t tabel atau > 0,05

Ha diterima thitung > t tabel atau 0,05


Hipotesis 2.
Ho : b2 = 0 : Tidak terdapat pengaruh lingkungan kerja terhadap prestasi kerja.
Ha : b2 > 0 : Terdapat pengaruh positif lingkungan kerja terhadap prestasi kerja.
Kriteria:

Ho diterima Jika thitung t tabel atau > 0,05

Ha diterima thitung > t tabel atau 0,05


Hipotesis 3.
Ho : b3= 0 : Lingkungan kerja tidak memoderasi hubungan pelatihan terhadap prestasi

kerja.
Ha : b3 0:Lingkungan kerja memoderasi hubungan pelatihan terhadap prestasi kerja.

Ho diterima Jika thitung t tabel atau > 0,05


Ha diterima thitung > t tabel atau 0,05

5. Sampel
15 Karyawan

6. Data Yang dikumpulkan


Y

6 5

10

X1

5 4

X2

4 3

7. Analisis Data

Untuk analisis data diperlukan, perhitungan:


1.Persamaan regresi
2.Nilai Prediksi
3.Koefesien determinasi
4.Kesalahan baku estimasi
5.Kesalahan baku koefesien regresinya
6.Nilai F hitung
7.Nilai t hitung
8.Kesimpulan

Persamaan Regresi
Y

X1

X2

X3

X12

X22

X32

X1X2

X1X3

X2.X3

YX1

YX2

YX3

56

64

49

3136

56

448

392

72

63

504

42

49

36

1764

42

294

252

56

48

336

56

64

49

3136

56

448

392

72

63

504

12

16

144

12

48

36

20

15

60

30

36

25

900

30

180

150

42

35

210

42

49

36

1764

42

294

252

56

48

336

20

25

16

400

20

100

80

30

24

120

12

16

144

12

48

36

20

15

60

48

64

36

2304

48

384

288

64

48

384

30

36

25

900

30

180

150

42

35

210

10

72

81

64

5184

72

648

576

90

80

720

42

49

36

1764

42

294

252

56

48

336

30

36

25

900

30

180

150

42

35

210

25

25

25

625

25

125

125

30

30

150

36

18

12

12

24

107

93

78

523

619

444

23101

523

3689

3143

704

595

4164

Koefesien Regresi:
Y = a +b1X1+b2X2+b0X3+
a

Deter min an[ A1] 259.724

1,832
Deter min ant[ A] 141.754

b1

Deter min an[ A2] 60.216

0,425
Deter min ant[ A] 141.754

b2

Deter min an[ A3] 60.310

0,425
Deter min ant[ A] 141.754

b3

Deter min an[ A4]


1.850

0,013
Deter min ant[ A] 141.754

Y = 1,832 +0,425X1+0,425X2+0,013X3

Makna Persamaan Regresi Yang


Terbentuk
a =
b1 =

b2 =

b3 =

1,832, Artinya jika pelatihan (X1) dan lingkungan kerja


(X2) sebesar 0 maka Prestasi Kerja (Y) akan sebesar
1,832.
0,425, Artinya jika lingkungan kerja (X2) dan X3
(moderasi) konstans, maka kenaikan pelatihan (X1) akan
menyebabkan peningkatan Prestasi Kerja (Y) sebesar
0,425.
0,425, Artinya jika Pelatihan (X1) dan X3 (moderasi)
konstans, maka kenaikan lingkungan kerja (X1) akan
menyebabkan peningkatan Prestasi Kerja (Y) sebesar
0,425.
0,013, Artinya jika pelatihan (X1) dan Lingkungan Kerja
(X2) konstans, maka kenaikan moderasi (X3) akan
menyebabkan kenaikan Prestasi kerja (Y) sebesar
-0,013 kali.

Nilai Prediksi

Berapa besarnya nilai prestasi kerja jika nilai pelatihan sebesar 8 dan nilai
lingkungan kerja sebesar 7 ?
1,832+ (0,0425x8)+(0,0425x7)+(0,013*56= 8,935
Berapa besarnya nilai prestasi kerja jika nilai pelatihan sebesar 7 dan nilai
lingkungan kerja sebesar 6 ?
1,832+ (0,0425x7)+(0,0425x6)+(0,013*42= 7,903
Berapa besarnya nilai prestasi kerja jika nilai pelatihan sebesar 8 dan nilai
lingkungan kerja sebesar 7 ?
1,832+ (0,0425x8)+(0,0425x7)+(0,013*56= 8,935
Berapa besarnya nilai prestasi kerja jika nilai pelatihan sebesar 4 dan nilai
lingkungan kerja sebesar 3 ?
1,832+ (0,0425x4)+(0,0425x3)+(0,013*12= 4,963
Berapa besarnya nilai prestasi kerja jika nilai pelatihan sebesar 6 dan nilai
lingkungan kerja sebesar 5 ?
1,832+ (0,0425x6)+(0,0425x5)+(0,013*30= 6,897

Dan seterusnya.!!!

X1

X2

X3

Y Pred

(Y-Y Pred)2

(Y-Y Bar)2

56

8.935

0.004

3.484

42

7.903

0.009

0.751

56

8.935

0.004

3.484

12

4.963

0.001

4.551

30

6.897

0.011

0.018

42

7.903

0.009

0.751

20

5.917

0.007

1.284

12

4.963

0.001

4.551

48

8.406

0.165

0.751

30

6.897

0.011

0.018

10

72

9.993

0.000

8.218

42

7.903

0.009

0.751

30

6.897

0.011

0.018

25

6.407

0.166

1.284

4.035

0.001

9.818

107

93

78

523

106.954

0.410

39.733

Koefesien Determinasi
Koefesien determinasi:
(0,410)
(Y Y )
2

R 1
0,990
R 1
(39,733)
(Y Y )
2

Koefesien Determinasi Disesuaikan (adjusted)


Radj

2
P
(
1

R
)
R2
N P 1

3(1 0,990)
Radj 0,990
0,986
15 3 1

Kesalahan Baku
Estimasi
Digunakan untuk mengukur tingkat
kesalahan dari model regresi yang dibentuk.
Se

(Y Y )
nk

Se

(0,410)
0,193
15 4

Standar Error Koefesien Regresi


Digunakan untuk mengukur besarnya tingkat
kesalahan dari koefesien regresi:

Se 2
Sb
( Kii )
Det[ A]

(0,193) 2
Sa
(1.036.194) 0,522
141.754
(0,193) 2
S b1
(113 .649) 0,173
141.754
Sb 2

(0,193) 2

(105.512) 0,166
141.754

Sb3

(0,193) 2
(1.137) 0,017
141.754

Uji F
Uji F digunakan untuk menentukan uji ketepatan model (goodness of
fit):
Ho: Diterima jika F hitung F tabel
Ha: Diterima jika F hitung > F tabel

R 2 /( k 1)
F
1 R 2 /(n k )

0,990 /(4 1)
351,911
1 0,990 /(15 4)

Karena F hitung (351,911) > dari F tabel (3,59) maka moder persmaan
rgeresi yang dibentuk memiliki goodness of fit yang tinggi.

Uji t
Digunakan untuk mengatahui pengaruh parsial variabel bebas terhadap variabel
tergantung.
Ho: Diterima jika -t tabel t hitungl t tabel
Ha: Diterima jika -t hitung < t tabel atau t hitung > t tabel

t hitung

bj

Sbj

Karena:

0,425
tX1
2,458
0,173
tX 2
tX 3

0,425
2,555
0,166

0,013

0,755
0,017

t hitung X1(2,458) > t tabel (1,796), maka Ha diterima


t hitung X2 (2,555) > dari t tabel (1,796), maka Ha diterima.
t hitung X3 (0,755) < dari t tabel (1,796), maka Ha ditolak.

KESIMPULAN
KESIMPULAN
Pelatihan berpengaruh positif terhadap prestasi
kerja.
Lingkungan kerja berpengaruh positif terhadap
prestasi kerja.
Lingkungan kerja tidak memoderasi hubungan
antara pelatihan dengan prestasi kerja.

Dengan Menggunakan
Program Komputer
Langkah Langkah:
Buka file : Regresi Moderasi
Kalikan variabel X1 dengan Variabel X2
langkah sebagai berikut:

Transform Compute.
Tuliskan X3 pada kotak Target Variable
Pada kotak Numeric Expression ketikan X1*X2
OK

Analyze Regression Linear...


Masukan variabel Y pada kotak
Dependent
X1, X2, X3 pada kotak Independent
Abaikan pilihan yang lain OK

KESIMPULAN
KESIMPULAN
Pelatihan berpengaruh positif terhadap prestasi
kerja.
Lingkungan kerja berpengaruh positif terhadap
prestasi kerja.
Lingkungan kerja tidak memoderasi hubungan
antara pelatihan dengan prestasi kerja.

METODE KEDUA

Nilai Selisih Mutlak


Uji selisih nilai mutlak dilakukan dengan
cara
mencari
selisih
nilai
mutlak
terstandarisasi diantara kedua variabel
bebasnya.
Jika selisih nilai mutlak diantara kedua
variabel bebasnya tersebut signifikan positif
maka variabel tersebut memoderasi
hubungan antara variabel bebas dan
variabel tergantungnya.

xi x 8 6,200
z

1,034

1,740
Variabel X3
merupakan variabel
moderasi:
|1.034-1.087| = 0,053
|0,460-0,483| = 0,023
|1,034-1,087| = 0,053
Dan sterusnya.

Dengan Menggunakan Program


Komputer
Langkah Langkah:
Buka file : Regresi Moderasi
Tranformasi X dan X2 dalam bentuk standardize

Analyse Descriptive Statistics Descriptive-aktivkan save


stnadardize..
Masukan X1 dan X2 ke Variables
OK

Kurangi dan absolutkan variabel X1 dengan Variabel X2


langkah sebagai berikut:

Transform Compute.
Tuliskan X3 pada kotak Target Variable
Pada kotak Numeric Expression ketikan abs (X1-X2)
OK

Analyze Regression Linear...


Masukan variabel Y pada kotak
Dependent
ZX1, ZX2, X3 pada kotak Independent

Abaikan pilihan yang lain OK

KESIMPULAN
KESIMPULAN
terhadap prestasi kerja.
Lingkungan kerja berpengaruh positif terhadap
prestasi kerja.
Lingkungan kerja tidak memoderasi hubungan
antara pelatihan dengan prestasi kerja.
Pelatihan berpengaruh positif

METODE KETIGA

Uji Residual
Fokus dari uji ini adalah ketidakcocokkan
(lack of fit) yang dihasilkan dari deviasi
hubungan linier antar variabel independent.
Lack of fit ditunjukkan oleh nilai residual
didalam regresi.
Jika variabel tergantung Y diregresikan
terhadap nilai absolut residual ternyata
signifikan dan negatif maka dikatakan
terjadi moderasi.

Analyze Regression Linear...


Masukan variabel Y pada kotak
Dependent
X1, X2 pada kotak Independent
Klik Save pada Residual pilih unstandardize
Abaikan pilihan yang lain OK

Dengan Menggunakan
Program Komputer
Langkah Langkah:
Langkah Langkah:
Buka file : Regresi Moderasi
Munculkan nilai residual Unstanstandardisze

Analyse RegresiLinier..
Masukan X1 dan X2 ke independent dan Y ke Dependent
Klik Save, pilih Resdual unstandardize
OK

Absolutkan variabel Res_1 dengan langkah sebagai berikut:

Transform Compute.
Tuliskan X3 pada kotak Target Variable
Pada kotak Numeric Expression ketikan abs (Res_1)
OK

Rgresikan Y terhadap X3
Analyze Regression Linear...
Masukan variabel X3 pada kotak
Dependent
Y pada kotak Independent

Abaikan pilihan yang lain OK

KESIMPULAN
KESIMPULAN
Lingkungan tidak kerja memoderasi
hubungan antara pelatihan dengan
prestasi kerja.

Anda mungkin juga menyukai