Model Regresi Moderasi (Moderated Regression Analysis)

Tulisan ini saya buat ketika menerima perkuliahan Statistika Terapan. pertama saya belum mengetahui tentang adanya
sebuah variabel moderator, namun dengan pembahasan dari dosennya yang luar biasa akhirnya saya bisa memahami
walaupun sedikit (lumayan lah...buat jajan.. :D). Kali ini saya ingin share kepada teman-temen terkait dengan materi
tersebut yaitu model regresi moderasi.

Pertama adalah kita harus mengetahu tentang apa itu variabel moderator. Variabel moderatoradalah variabel yang
mempengaruhi arah dan atau kekuatan hubungan antara variabel independen dengan variabel dependen. Variabel
moderator tidak dipengaruhi variabel independen.

Contoh dari Regresi Moderasi

Klasifikasi Variabel Moderasi

Y = b0 + b1X + b2M + b3X*M
No Hasil Uji Jenis Moderasi
1. b2 non significant Moderasi Murni (Pure Moderator)
b3 significant
2 b2 significant Moderasi Semu (Quasi Moderator). Quasi moderasi merupakan variabel
b3 significant yang memoderasi hubungan antara variabel independen dengan variabel
dependen yang sekaligus menjadi variabel independen.
3. b2 significant Prediktor Moderasi (Predictor Moderasi Variabel). Artinya variabel
b3 non significant moderasi ini hanya berperanan sebagai variabel prediktor (independen)
dalam model hubungan yang dibentuk
4. b2 non significant Moderasi Potensial (Homologiser Moderator). Artinya variabel tersebut
b3 non significant potensial menjadi variabel moderasi.

Misalkan dalam contoh sebuah penelitian dengan judul penelitian sebagai berikut :
Pengaruh Pelatiha (X1) terhadap Prestasi Kerja (Y) dengan Lingkungan Kerja (X2) sebagai variabel moderasi.
 Paradigma Pemikiran
dimana X3 = X1X2

Langkah kerja nya disini menggunakan SPS Versi 20 atau yang terbaru. Untuk datanya teman2 boleh
download disini

 Pertama adalah Buka File Reg_Med.sav (yang sudah temen2 download)

 Klik Transform, Klik Compute Variable.

 Ketik X3 Pada Kotak Target Variable

 Pada kotak Numeric Expression ketika Xi*X2

 Klik Ok

 Klik Analyze -->> Regression --->> Linier, Masukan variabel Y -->> pada kotak Dependent

 X1, X2, X3 -->> pada kotak Independent

 Abaikan pilihan yang lain -->> Klik OK

Maka akan output SPSS nya sebagai berikut :

Sebenarnya dalam cara baca dari data diatas mudah saja, hanya tinggal melihan tabel coefficientnya saja kemudian lihat
sig.nya ketika signya kurang dari 0,05 maka signifikan artinya bila kurang dari 0,05 maka kesimpulannya adalah terdapat
pengaruh.
Kesimpulan :
X1signifikan artinya bahwa Pelatihan berpengaruh positif terhadap prestasi kerja
X2 juga signifikan artinya bahwa Lingkungan Kerja berpengaruh positif terhadap prestasi kerja.
Sedangkan X3 tidak signifikan artinya bahwa Lingkungan Kerja tidak memoderasi hubungan antara pelatihan dengan
prestasi kerja.
Catatan : bahwa X2 yaitu Lingkungan Kerja yang dianggap secara teori itu mampu untuk bisa memoderasi ternyata hal
tersebut tidak terjadi sehingga dalam spss dihitung bahwa justru Lingkungan Kerja (X2) itu merupakan sebuah variabel
independen.

REGRESI DENGAN VARIABEL MODERATOR

Variabel moderator adalah variabel yang mempengaruhi (baik memperlemah atau memperkuat
hubungan antara variabel independen ke dependen.

Berbeda dengan variabel intervening (bahasannya dapat dilihat disini), variabel moderator tidak
menyaratkan adanya hubungan antara X ke M.

Contohnya adalah pengaruh motivasi terhadap kinerja. Seseorang yang punya motivasi yang kuat
akan mempengaruhi kinerjanya, dan akan semakin baik jika ia memiliki tingkat pendidikan yang
tinggi. Di sini, pendidikan ditempatkan sebagai variabel moderator yang akan menaikturunkan
pengaruh motivasi terhadap kinerja

Contoh Kasus :
Seorang peneliti ingin mengetahui pengaruh penghasilan keluarga terhadap tabungan yang dimiliki
oleh keluarga tersebut. Data dikumpulkan dari 58 keluarga pada sebuah sekolah di Jakarta. Model
yang ingin diuji adalah pengaruh penghasilan terhadap tabungan, yang dimoderasi oleh jumlah
anggota keluarga

Hipotesis yang dibangun adalah semakin tinggi penghasilan keluarga dan jumlah anggota keluarga
yang sedikit maka akan semakin tinggi pula tabungan yang dimiliki oleh keluarga tersebut.
Semakin rendah penghasilan dan semakin banyak anggota keluarga maka akan semakin rendah
pula tabungan yang dimiliki oleh keluarga tersebut.

Persamaannya adalah :

JTK = a + b1 PK – b2 JK + b3 PK*JAK + e

b3 merupakan variabel perkalian PK (penghasilan keluarga) dengan JK (jumlah keluarga)

merupakan variabel moderating pada hubungan PK ke JTK (jumlah tabungan keluarga)

PENYELESAIAN
Data dapat anda lihat di sini

Pertama, membuat variabel interaksi dengan mengklik “Transform”, lalu pilih “Compute”

Ketik M pada kotak “Target variable”, lalu masukkan perkalian PK dan JK seperti terlihat pada
gambar berikut :

Klik OK, maka kita akan punya variabel baru M yang merupakan perkalian antara PK dan JK

Klik Analyze – Regression, dan pilih Linear

Masukkan variabel TK ke kotak dependent, dan masukkan penghasilan, jumlah keluarga dan
variabel moderat (M) ke box independent.

Abaikan yang lain, lalu klik OK

INTERPRESTASI DAN PEMBAHASAN

Koefisien Determinasi dan uji Signifikansi

Nilai koefisien determinasi pada hasil analisis di atas adalah sebesar 0,469 atau dapat dikatakan
perubahan jumlah tabungan keluarga dipengaruhi oleh variabel penghasilan keluarga, jumlah
keluarga dan variabel moderator sebesar 46,90% sedangkan sisanya 54,10% dipengaruhi variabel
lain diluar model

Hasil uji signifikansi (uji F) memperlihatkan nilai F hitung sebesar 17,805 dengan probabilitas
0,000 (< 0,005). Dengan demikian dapat disimpulkan model ini signifikan dan dapat digunakan
untuk memprediksi tabungan keluarga melalui PK, JK dan M

Uji Signifikansi Model Parsial

hasil Uji model parsial (uji t) memperlihatkan bahwa penghasilan memberikan nilai koefisien
parameter sebesar 3,869 dengan sig 0,000. Variabel jumlah keluarga memberikan nilai koefisien
sebesar 2,875 dengan sig 0,053, sementara variabel M memberikan nilai koefisien sebesar negative
(0,465) dengan sig 0,034

Kesimpulan yang bisa diperoleh dari hasil di atas adalah Moderator terbukti signifikan dalam
mempengaruhi penghasilan terhadap jumlah tabungan. Prediksi nilai negative mengindikasikan
bahwa efek moderasi yang diberikan adalah negative, artinya jumlah keluarga memberi efek
mengurangi pengaruh penghasilan terhadap jumlah tabungan.

Tidak signifikannya koefisien jumlah keluarga (sig 0,053) menunjukkan bahwa variabel ini
merupakan variabel moderator murni dan tidak bisa ditempatkan sebagai variabel independen.
Namun jika hasil menunjukkan bahwa jumlah keluarga (b2) dan moderator (b3) sama-sama
signifikan maka dapat disimpulkan bahwa variabel jumlah keluarga adalah variabel quasi
moderator atau dapat digunakan sebagai variabel independen sekaligus variabel moderator.

Selamat mencoba….