1

2015 Trisnadi Wijaya [STIE MDP]

Regresi Linier dengan Variabel Mediasi

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.

Gambar 9.1 Model Penelitian tanpa Variabel Mediasi

Gambar 9.1 di atas menunjukkan pengaruh langsung variabel bebas (X) terhadap variabel
terikat (Y). Huruf c merupakan koefisien regresi dari pengaruh variabel bebas (X) terhadap
variabel terikat (Y) secara langsung. Model penelitian dengan menggunakan variabel mediasi
dapat diilustrasikan seperti pada Gambar 9.2.

Trisnadi Wijaya
a

Gambar 9.2 Model Penelitian dengan Variabel Mediasi

Gambar 9.2 di atas menunjukkan pengaruh tidak langsung variabel bebas (X) terhadap
variabel terikat (Y) melalui variabel mediasi (M). Huruf a merupakan koefisien regresi dari
pengaruh variabel bebas (X) terhadap variabel mediasi (M) secara langsung, huruf b
merupakan koefisien regresi dari pengaruh variabel mediasi (M) terhadap variabel terikat (Y)
secara langsung, sedangkan huruf c merupakan koefisien regresi dari pengaruh variabel
bebas (X) terhadap variabel terikat (Y) secara tidak langsung melalui variabel mediasi (M).
Analisis regresi variabel mediasi dapat dilakukan dengan metode Causal Step dan Product of
Coefficient (uji Sobel).

2015 Trisnadi Wijaya [STIE MDP]

A. Metode Causal Step

Metode Causal Step ini dikembangkan oleh Reuben M. Baron dan David A. Kenny pada
tahun 1986. Dengan menggunakan model penelitian seperti pada Gambar 9.1 dan 9.2 di atas,
maka akan diperoleh tiga buah persamaan regresi sebagai berikut:
Persamaan I (dari Gambar 9.1)

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).

2015 Trisnadi Wijaya [STIE MDP]

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.

B. Metode Product of Coefficient (Uji Sobel)

Metode Product of Coefficient ini dikembangkan oleh Michael E. Sobel pada tahun 1982. Uji
variabel mediasi pada metode ini dilakukan dengan menguji kekuatan pengaruh tidak
langsung variabel bebas (X) terhadap variabel terikat (Y) melalui variabel mediasi (M) atau
dengan kata lain menguji signifikansi pengaruh tidak langsung. Perkalian antara pengaruh
langsung variabel bebas terhadap variabel mediator (a) dan pengaruh langsung variabel
mediator terhadap variabel dependen (b) akan menghasilkan koefisien ab. Jadi, koefisien ab
= (c c). Uji signifikansi pengaruh tidak langsung (ab) dilakukan berdasarkan rasio antara
koefisien (ab) dengan standard error-nya yang akan menghasilkan nilai t-statistik. Nilai
standard error dari koefisien ab dapat dihitung dengan menggunakan rumus sebagai berikut:
s ab b 2s a2 a 2s 2b s a2s 2b

Trisnadi Wijaya

Sedangkan nilai t-statistik dari koefisien ab dapat dihitung dengan menggunakan rumus
sebagai berikut:

ab
sab

Langkah-langkah uji variabel mediasi dengan menggunakan metode Product of Coefficient

dapat diuraikan sebagai berikut:
1.

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.

Menghitung nilai standard error dari koefisien ab (sab).

4.

Menghitung nilai t-statistik dari koefisien ab.

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

2015 Trisnadi Wijaya [STIE MDP]

Regresi Linier dengan Variabel Moderasi

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

Gambar 9.3 Model Penelitian dengan Variabel Moderasi

Analisis regresi variabel moderasi dapat dilakukan dengan metode Sub-Group, metode
Interaksi atau sering dikenal juga sebagai Moderated Regression Analysis (MRA), metode
Selisih Absolut, dan metode Residual. Pengujian variabel moderasi dengan metode Interaksi
dan metode Selisih Absolut memiliki kecenderungan akan terjadi pelanggaran asumsi

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

2015 Trisnadi Wijaya [STIE MDP]

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.

Menarik kesimpulan uji variabel moderasi dengan kriteria sebagai berikut:

Jenis Variabel
Intervening, Exogenous,
Antecedent, Suppressor,
Predictor
Homologizer
Quasi Moderator
Pure Moderator

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

|e| = Nilai absolut residual

2015 Trisnadi Wijaya [STIE MDP]

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.

Menghitung nilai absolut residual (|e|).

3.

Meregresikan variabel terikat (Y) terhadap nilai absolut residual (|e|).

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