Variabel mediasi atau intervening adalah variabel yang secara teoritis dapat mempengaruhi
hubungan kausal antara variabel bebas terhadap variabel terikat. Variabel ini terletak di
antara variabel independen dan variabel dependen, sehingga variabel independen tidak secara
langsung mempengaruhi variabel dependen. Model penelitian tanpa menggunakan variabel
mediasi dapat diilustrasikan seperti pada Gambar 9.1.
Trisnadi Wijaya
a
cX
Y
Persamaan II (dari Gambar 9.2)
aX
M
Persamaan III (dari Gambar 9.2)
c' X bM
Y
Pada uji ini variabel M dinyatakan sebagai variabel mediasi antara variabel bebas (X)
terhadap variabel terikat (Y) apabila memenuhi beberapa kriteria sebagai berikut:
1.
Jika pada persamaan I, variabel bebas (X) berpengaruh signifikan terhadap variabel
terikat (Y) atau c 0.
2.
Jika pada persamaan II, variabel bebas (X) berpengaruh signifikan terhadap variabel
mediasi (M) atau a 0.
3.
Trisnadi Wijaya
Jika pada persamaan III, variabel mediasi (M) berpengaruh signifikan terhadap variabel
terikat (Y) atau b 0.
Variabel M dinyatakan sebagai variabel mediasi sempurna (perfect mediation) apabila setelah
memasukkan variabel M, pengaruh variabel X terhadap variabel Y menurun menjadi nol
(atau c = 0) atau pengaruh variabel X terhadap variabel Y yang tadinya (sebelum
memasukkan variabel M) signifikan menjadi tidak signifikan setelah memasukkan variabel M
ke dalam model persamaan regresi. Sebaliknya, variabel M dinyatakan sebagai variabel
mediasi parsial (partial mediation) apabila setelah memasukkan variabel M, pengaruh
variabel X terhadap Y menurun tetapi tidak menjadi nol (atau c 0) atau pengaruh variabel
X terhadap Y yang tadinya (sebelum memasukkan variabel M) signifikan menjadi tetap
signifikan setelah memasukkan variabel M ke dalam model persamaan regresi, tetapi
mengalami penurunan nilai pada koefisien regresinya (atau c < c).
Langkah-langkah uji variabel mediasi dengan menggunakan metode Causal Step dapat
diuraikan sebagai berikut:
1. Membuat persamaan regresi variabel bebas (X) terhadap variabel terikat (Y).
2. Membuat persamaan regresi variabel bebas (X) terhadap variabel mediasi (M).
3. Membuat persamaan regresi variabel bebas (X) terhadap variabel terikat (Y) dengan
memasukkan variabel mediasi (M) dalam persamaan.
4. Menarik kesimpulan uji variabel mediasi dengan kriteria seperti yang telah diuraikan di
sebelumnya.
Trisnadi Wijaya
Sedangkan nilai t-statistik dari koefisien ab dapat dihitung dengan menggunakan rumus
sebagai berikut:
ab
sab
Membuat persamaan regresi variabel bebas (X) terhadap variabel terikat (Y), sehingga
diperoleh nilai koefsien regresi a dan standard error dari koefisien regresi a (sa).
2.
Membuat persamaan regresi variabel bebas (X) terhadap variabel terikat (Y) dengan
memasukkan variabel mediasi (M) ke dalam persamaan, sehingga diperoleh nilai
koefisien regresi b dan standard error dari koefisien regresi b (sb).
3.
4.
5.
Menarik kesimpulan uji variabel mediasi dengan kriteria: Apabila nilai absolut dari tstatistik > t tabel pada = 0,05 dan df = n (k +1) dimana n = jumlah observasi dan k =
jumlah variabel bebas, maka dapat disimpulkan bahwa variabel M memediasi hubungan
kausal antara variabel bebas (X) terhadap variabel terikat (Y).
3
Variabel moderasi adalah variabel yang mampu memperkuat atau memperlemah hubungan
kausal antara variabel bebas terhadap variabel terikat. Model penelitian dengan menggunakan
variabel mediasi dapat diilustrasikan seperti pada Gambar 9.3.
Variabel
Moderasi
Variabel
Bebas
Variabel
Terikat
Trisnadi Wijaya
multikolinieritas atau adanya korelasi yang tinggi antar variabel bebas dalam model regresi.
A. Metode Interaksi (Moderated Regression Analysis MRA)
Uji Interaksi dilakukan dengan mengalikan variabel moderasi dengan variabel bebas. Apabila
variabel hasil tersebut signifikan maka dapat disimpulkan bahwa variabel moderasi mampu
memoderasi hubungan kausal antara variabel bebas terhadap variabel terikat. Langkahlangkah analisis regresi variabel moderasi dengan Metode Interaksi dapat diuraikan sebagai
berikut:
1.
Meregresikan variabel bebas (X) terhadap variabel terikat (Y) sehingga akan diperoleh
persamaan I:
X
Y
1
2.
Meregresikan variabel bebas (X) dan variabel moderasi (Z) terhadap variabel terikat (Y)
sehingga akan diperoleh persamaan II:
X Z
Y
1
2
3.
Menghitung variabel interaksi dengan cara mengalikan antara variabel bebas (X) dan
variabel moderasi (Z).
4
4.
Meregresikan variabel bebas (X), variabel moderasi (Z) dan variabel interaksi (XZ)
terhadap variabel terikat (Y) sehingga akan diperoleh persamaan III:
X Z XZ
Y
1
2
3
5.
Kriteria
2 pada Persamaan II
3 pada Persamaan III
2 0
(Signifikan)
3 = 0
(Tidak Signifikan)
2 = 0
(Tidak Signifikan)
2 0
(Signifikan)
2 = 0
(Tidak Signifikan)
3 = 0
(Tidak Signifikan)
3 0
(Signifikan)
3 0
(Signifikan)
B. Metode Residual
Uji Residual menggunakan konsep lack of fit atau adanya ketidakcocokan yang dihasilkan
dari deviasi hubungan linier antar variabel bebas. Lack of fit ditunjukkan oleh nilai residual di
dalam model regresi. Analisis regresi variabel moderasi dengan Metode Residual dilakukan
Trisnadi Wijaya
dengan cara meregresikan variabel terikat terhadap nilai absolut residual dari regresi antara
variabel bebas terhadap variabel moderasi. Apabila koefisien regresi antara variabel terikat
terhadap nilai absolut residual tersebut bernilai negatif dan signifikan, maka variabel
moderasi dinyatakan mampu memoderasi hubungan kausal antara variabel bebas terhadap
variabel terikat.
Persamaan regresi variabel moderasi dengan Metode Residual dapat dituliskan sebagai
berikut:
Z a b1X e
e a b1Y
Keterangan:
Z
= Variabel moderasi
= Variabel bebas/independen
Langkah-langkah analisis regresi variabel moderasi dengan Metode Residual dapat diuraikan
sebagai berikut:
1.
Meregresikan variabel bebas (X) terhadap variabel moderasi (Z) untuk mendapatkan
nilai residual (e).
2.
3.
4.
Menarik kesimpulan uji variabel moderasi dengan kriteria: Apabila koefisien regresi
antara variabel terikat (Y) terhadap nilai absolut residual (|e|) bernilai negatif dan
signifikan, maka variabel moderasi dinyatakan mampu memoderasi hubungan kausal
antara variabel bebas (X) terhadap variabel terikat (Y).
Trisnadi Wijaya