Anda di halaman 1dari 4

Variabel mediasi atau variabel antara atau variabel intervening (intervene variables) adalah

variabel yang bersifat menjadi perantara (mediating) dari hubungan variabel penjelas ke
variabel tergantung. Sifatnya adalah sebagai penghubung (”jembatan”) antara variabel penjelas
dengan variabel tergantung (bisa bersifat partial atau complete mediation).

Analisis Variabel Mediasi: Pemeriksaan


Analisis variabel mediasi dapat dilakukan melalui dua pendekatan yaitu perbedaan koefisien
dan perkalian koefisien. Pendekatan perbedaan koefisien menggunakan metode pemeriksaan
dengan melakukan analisis dengan dan tanpa melibatkan variabel mediasi. Sedangkan metode
perkalian dilakukan dengan metode Sobel.
Metode pemeriksaan dengan cara melakukan dua kali analisis, yaitu analisis dengan
melibatkan variabel mediasi dan analisis tanpa melibatkan variabel mediasi. Metode
pemeriksaan variabel mediasi dengan pendekatan perbedaan koefisien dilakukan sebagi
berikut: (a) memeriksa pengaruh langsung Variabel Independen terhadap Variabel Dependen
pada model dengan melibatkan variabel mediasi, (b) memeriksa pengaruh Variabel Independen
terhadap Variabel Dependen pada model tanpa melibatkan variabel mediasi, (c) memeriksa
pengaruh Variabel Independen terhadap Variabel Mediasi, dan (d) memeriksa pengaruh
variabel Mediasi terhadap variabel Dependen.

Jika (c) dan (d) signifikan, serta (a) tidak signifikan, maka kepuasan pelanggan dikatakan
sebagai variabel mediasi sempurna (complete mediation). Jika (c) dan (d) signifikan serta (a)
juga signifikan, di mana koefisien dari (a) lebih kecil (turun) dari (b) maka kepuasan pelanggan
dikatakan sebagai variabel mediasi sebagian (partial mediation). Jika (c) dan (d) signifikan
serta (a) juga signifikan, di mana koefisien dari (a) hampir sama dengan (b) maka kepuasan
pelanggan dikatakan bukan sebagai variabel mediasi. Jika salah satu (c) atau (d) atau keduanya
tidak signifikan maka dikatakan bukan sebagai variabel mediasi.

Metode perkalian dilakukan dengan uji Sobel, yaitu melalui melalui pengujian hipotesis.
Simpangan baku pengaruh tidak langsung (perkalian) merujuk pada MacKinnon

(2007)
Dalam hal ini a dan b adalah koefisien jalur yang dilalui. Statistik uji Sobel yaitu z_value,
dihitung dengan pembagian koefisien pengaruh tidak langsung dengan standart errornya

dalam hal ini:


a = koefisien regresi standardized pengaruh variabel penjelas X terhadap variabel mediasi M
SEa = standard error untuk koefisien a.
B = koefisien regresi standardized pengaruh variabel moediasi M terhadap variabel dependen
Y.
SEb = standard error untuk koefisien b
Hal terrsebut akan lebih mudah dipahami jika diberikan ilustrasi penggunaannya. Oleh karena
itu, pada kegiatan praktikum di laboratorium aplikasi software GeSCA akan diberikan contoh
aplikasi uji mediasi dengan metode Uji Sobel.

Hipotesis yang berkaitan dengan mediasi (mediation) sangat umum dijumpai dalam penelitian-
penelitian keperilakuan atau behavioral. Topik mediasi menjadi penting karena memungkinkan
penelitian mengetahui mengapa sesuatu hal terjadi. Analisis mediasi memberikan penelitian
gambaran mengenai proses terjadinya sesuatu.

Mediasi terjadi jika prediktor atau variabel independen mempengaruhi variabel dependen
secara tidak langsung melalui paling tidak satu variabel intervening atau mediator. Bila terdiri
dari hanya satu mediator maka disebut simple mediation dan bila proses mediasional
melibatkan lebih dari satu mediator maka disebut dengan multiple mediation. Tulisan kali ini
akan membicarakan proses mediasi sederhana atau simple mediation.

Mediasi Sederhana (Simple Mediation)


Variabel mediator juga disebut variabel intervening atau variabel proses. Jika variabel
independen tidak lagi mempunyai pengaruh terhadap variabel dependen setelah mengontrol
variabel mediator, maka dinyatakan terjadi perfect atau complete mediation. Jika pengaruh
variabel independen terhadap variabel dependen berkurang tetapi masih berbeda dari 0, setelah
mengontrol variabel mediator, maka dinyatakan terjadi partial mediation (Kenny., 2008;
Preacher and Hayes., 2004).

Hipotesis mediasional atau mediational hypothesis, umumnya diuji dengan dua cara atau
strategi yaitu: causal step berdasarkan ketentuan dari Baron dan Kenny (1986) dan strategi
perkalian koefisien atau product of coefficient, yang didasarkan pada pengujian signifikansi
pengaruh tak langsung atau indirect effects (MacKinnon., 2008; Wuensch., 2007; Larsman.,
2006; Preacher, Rucker and Hayes., 2007).

Strategi Causal Step

Dalam pengujian dengan causal steps, peneliti harus mengestimasi tiga persamaan regresi
berikut:

1. Persamaan regresi sederhana variabel modiator (M) pada variabel independen (X): M
= i1 + a X + e1
2. Persamaan regresi sederhana variabel dependen (Y) pada variabel independen (X): Y
= i2 + c X + e2
3. Persamaan regresi berganda variabel dependen (Y) pada kedua variabel independen (X)
dan mediator (M): Y = i3 + c' X + b M + e3
Dimana i adalah koefisien intersep

Berdasarkan hasil estimasi ketiga model regresi tersebut, ada beberapa persyaratan yang harus
dipenuhi untuk tercapainya mediasi. Pertama, variabel independen harus signifikan
mempengaruhi variabel mediator pada persamaan pertama, jadi koefisien a ≠ 0; kedua, variabel
independen harus signifikan mempengaruhi variabel dependen pada persamaan kedua, jadi
koefisien c ≠ 0; dan ketiga, variabel mediator harus signifikan mempengaruhi variabel
dependen pada persamaan ketiga, jadi koefisien b ≠ 0. Mediasi terjadi jika pengaruh variabel
independen terhadap variabel dependen lebih rendah pada persamaan ketiga (c') dibandingkan
pada persamaan kedua (c) Sebenarnya koefisien a dan b yang signifikan sudah cukup untuk
menunjukkan adanya mediasi, meskipun c tidak signifikan. Sehingga tahap esensial dalam
pengujian mediasional adalah step 2 dan step 3. Jadi (1) variabel independen mempengaruhi
mediator dan (2) mediator mempengaruhi dependen meskipun independen tidak
mempengaruhi dependen. (Bila step 2 dan step 3 terpenuhi dan koefisien c' tidak signifikan (c'
= 0) maka terjadi perfect atau complete mediation. Bila koefisien c' berkurang namun tetap
signifikan (c' ≠ 0) maka dinyatakan terjadi partial mediation (Kenny., 2008; Preacher and
Hayes., 2004).

Strategi Product of Coefficient

Strategi kedua untuk pengujian mediasional adalah product of coefficient, yang menguji
signifikansi pengaruh tak langsung atau indirect effect (perkalian efek langsung atau direct
effect variabel independen terhadap mediator, a dan direct effect mediator terhadap variabel
dependen, b atau ab). Uji signifikansi terhadap koefisien indirect effect ab diakui memberikan
pengujian yang lebih langsung terhadap hipotesis mediasional, dibanding pendekatan causal
step. Uji signifikansi indirect effect ab dilakukan berdasarkan rasio antara koefisien ab dengan
standard error-nya yang akan menghasilkan nilai z statistik (z-value). Standard error koefisien
ab (Sab) dihitung berdasarkan versi Aroian dari Sobel test yang dipopulerkan dan
direkomendasikan oleh Baron and Kenny (1986), yaitu akar kuadrat (
). Sehingga formula lengkapnya adalah sebagai berikut (Baron
and Kenny., 1986; Preacher and Leonardelli., 2006; Preacher, Rucker and Hayes., 2007;
Preacher and Hayes., 2004):

z-value = =
Keterangan:
ab adalah koefisien indirect effet yang diperoleh dari perkalian antara direct effect a dan b.
a adalah koefisien direct effect independen (X) terhadap mediator (M).
b adalah koefisien direct effect mediator (M) terhadap dependen (Y).
Sa adalah standard error dari koefisien a.
Sb adalah standard error dari koefisien b.
Jika z-value dalam harga mutlak > 1,96 atau tingkat signifikansi statistik z (p-value) < 0,05,
berarti indirect effect atau pengaruh tak langsung variabel independen terhadap variabel
dependen melalui mediator, signifikan pada taraf signifikansi 0,05 (Preacher and Hayes.,
2004). z-value beserta nilai probabilitasnya (p-value) dapat dihitung menggunakan Excel atau
alat hitung interaktif. Dengan hanya memasukkan nilai a, b beserta standar error-nya masing-
masing maka uji signifikansi dengan Sobel test (bersama variannya) dapat diperoleh.
Satu masalah serius dengan pendekatan Sobel test di atas dan beberapa variannya dalam
menguji signifikansi indirect effects, adalah power tes yang rendah bila distribusi indirect effect
ab berdistribusi tidak normal, khususnya pada sampel kecil, menunjukkan bahwa distribusi
sampling indirect effect tidak selalu simetris atau normal (Preacher and Hayes., 2004). Satu
metode yang direkomendasikan adalah menggunakan teknik bootsrapping (Shrout dan
Bolger., 2002 dalam Wuensch., 2007; Preacher and Hayes., 2004; Preacher, Rucker and
Hayes., 2007).
Bootsrapping adalah pendekatan nonparametrik untuk menguji hipotesis indirect effect, yang
tidak membutuhkan asumsi mengenai bentuk distribusi variabel atau distribusi sampling dari
indirect effect ab. Pendekatan ini juga tidak didasarkan pada teori sampel besar atau large-
sample theory, yang berarti cocok untuk sampel kecil. Perhitungan besarnya indirect effect dan
pengujian signifikansi dengan teknik bootstrapping dapat menggunakan macro SPSS/SAS dari
Preacher dan Hayes yang tersedia di internet. Macro ini akan menghasilkan semua nilai-nilai
yang dibutuhkan untuk pengujian mediasi berdasarkan aturan Baron dan Kenny, hasil
pengujian signifikansi indirect effect menggunakan Sobel test versi Aroian yang dipopulerkan
dan direkomendasikan oleh Baron and Kenny, serta teknik bootsrapping untuk menghasilkan
interval kepercayaan 95% dan 99% atau 95% confidence intervals dan 99% confidence
intervals.
Bila indirect effect ab dalam 95% confidence intervals, tidak mengandung nol maka indirect
effect atau pengaruh tak langsung variabel independen terhadap variabel dependen melalui
variabel mediator, signifikan pada taraf signifikansi 0,05 yang berarti dukungan terhadap
adanya mediasi (Preacher and Hayes., 2004; Wuensch., 2009).
Langkah-langkah Analisis data melalui SPSS
Untuk melakukan uji peran mediator ikuti langkah-langkah berikut.
1. Masuk ke menu analyze – regression – PROCESS v3.0.
2. Masukkan variabel perilaku ke variabel Y, pengetahuan ke variabel X, dan sikap ke
variabel mediator(s) (M).
3. Pada bagian model number, jangan lupa pilih model 4 untuk analisis mediator
sederhana dengan 1 variabel mediator.
4. Klik options, lalu centang show total effect, pairwaise contras of indirect effect, dan
effect size.
5. Klik continue, dan OK