Published on Dec 5, 2013 ; analisis

moderating
ANALISIS REGRESI DENGAN VARIABEL MODERATING
Oleh: Dr.Suliyanto, SE,MM
http://management-unsoed.ac.id Path Analisis

Analisis regresi-dengan-variabel-moderating-dan-intervening
20091 (1)
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 Y X2 X3 X4 Y
TIGA METODE YANG DIGUNAKAN UNTUK MELAKUKAN UJI REGRESI
DENGAN VARIABEL MODERASI
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 + ε
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
ε = Nilai Residu
Judul Pemecahan Pengaruh pelatihan terhadap prestasi kerja dengan
lingkungan kerja sebagai variabel moderasi.
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 ?
Hipotesis
– Pelatihan berpengaruh positif terhadap prestasi kerja.
– Lingkungan kerja berpengaruh positif terhadap prestasi kerja.
– Lingkungan kerja memoderasi hubungan antara pelatihan dengan
prestasi kerja.
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 α > 0,05 
Ha diterima thitung > t tabel atau α ≤ 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 α > 0,05  Ha diterima
thitung > t tabel atau α ≤ 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 α > 0,05 Ha diterima
thitung > t tabel atau α ≤ 0,05
Sampel 15 Karyawan 6.
Data Yang dikumpulkan Y 9 8 9 5 7 8 6 5 8 7 10 8 7 6 4 X1 8 7 8 4 6 7 5 4
8 6 9 7 6 5 3 X2 7 6 7 3 5 6 4 3 6 5 8 6 5 5 2
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 9 8 7 56 64 49 3136 56 448 392 72 63 504 8 7 6 42 49 36 1764
42 294 252 56 48 336 9 8 7 56 64 49 3136 56 448 392 72 63 504 5 4 3 12
16 9 144 12 48 36 20 15 60 7 6 5 30 36 25 900 30 180 150 42 35 210 8 7
6 42 49 36 1764 42 294 252 56 48 336 6 5 4 20 25 16 400 20 100 80 30
24 120 5 4 3 12 16 9 144 12 48 36 20 15 60 8 8 6 48 64 36 2304 48 384
288 64 48 384 7 6 5 30 36 25 900 30 180 150 42 35 210 10 9 8 72 81 64
5184 72 648 576 90 80 720 8 7 6 42 49 36 1764 42 294 252 56 48 336 7
6 5 30 36 25 900 30 180 150 42 35 210 6 5 5 25 25 25 625 25 125 125 30
30 150 4 3 2 6 9 4 36 6 18 12 12 8 24 107 93 78 523 619 444 23101 523
3689 3143 704 595 4164
Koefesien Regresi:
Y = a +b1X1+b2X2+b0X3+ε
a= Determinan[ 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+0,013X3ε
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 (X 1) 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……………….!!!
Y X1 X2 X3 Y Pred (Y-Y Pred)2 (Y-Y Bar)2 9 8 7 56 8.935 0.004 3.484 8 7
6 42 7.903 0.009 0.751 9 8 7 56 8.935 0.004 3.484 5 4 3 12 4.963 0.001
4.551 7 6 5 30 6.897 0.011 0.018 8 7 6 42 7.903 0.009 0.751 6 5 4 20
5.917 0.007 1.284 5 4 3 12 4.963 0.001 4.551 8 8 6 48 8.406 0.165 0.751
7 6 5 30 6.897 0.011 0.018 10 9 8 72 9.993 0.000 8.218 8 7 6 42 7.903
0.009 0.751 7 6 5 30 6.897 0.011 0.018 6 5 5 25 6.407 0.166 1.284 4 3 2
6 4.035 0.001 9.818 107 93 78 523 106.954 0.410 39.733
Koefesien Determinasi Koefesien determinasi: (0,410) 2 ∑ (Y − Yˆ ) R =
1− = 0,990 R = 1− (39,733) ∑ (Y − Y ) 2 2 2 Koefesien Determinasi
Disesuaikan (adjusted) Radj P (1 − R 2 ) = 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 − Yˆ ) n−k 2 Se = (0,410) =
0,193 15 − 4
Standar Error Koefesien Regresi Digunakan untuk mengukur besarnya
tingkat kesalahan dari koefesien regresi: Sb = Se 2 ( 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 ) F= 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
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 – 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 δ 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 →Regresi→Linier….. 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
Regresikan 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.
Langkah-langkah Dalam Moderasi
Uji Interaksi
Oleh Belajar SPSS
17 Juni 2012

Uji interaksi atau sering disebut dengan Moderated Regression Analysis (MRA)
merupakan aplikasi khusus regresi berganda linear dimana dalam persamaan
regresinya mengandung unsur interaksi (perkalian dua atau lebih variabel
independen) dengan rumus persamaan regresi :

Y = a + b1X1 + b2X2 + b3X3 + b3X1X2 + e ... (1)

Variabel perkalian antara X1 dan X2 merupakan variabel moderating oleh karena

menggambarkan pengaruh moderating variabel X2 terhadap hubungan X1 dan
Y. Sedangkan variabel X1 dan X2 merupakan pengaruh langsung dari variabel
X1 dan X2 terhadap Y. Mengapa perkalian antara X1 dan X2 dapat dianggap
sebagai moderating variabel, hal ini dapat dijelaskan dengan cara membuat
persamaan derivasi (turunan) X1 atau dY/dX1 dari persamaan (1). Hasil dy/dX1
adalah :

dY/dX1 = b1 + b3X2 ... (2)

Persamaan (2) memberikan makna bahwa Y/dX1 merupakan fungsi dari X2 atau
variabel X2 memoderasi hubungan antara X1 dan Y.

Untuk memberikan contoh dengan data, misalkan kita ingin mengetahui

hubungan antara Earns (gaji kepala keluarga), Income (income seluruh anggota
keluarga) dan Wealth (kekayaan keluarga). Dalam hal ini kita ingin mengetahui
apakah data hubungan moderasi antara Earns dan Wealth atau kalau
digambarkan sebagai berikut :

Hipotesis yang akan diuji. Semakin tinggi Earns dan Wealth akan berpengaruh
terhadap semakin tinggi Income. Untuk mengetahui apakah Wealth merupakan
variabel moderating, maka persamaan regresi dapat ditulis sebagai berikut:

Income = a + b1 Earns + b2 Wealth + b3 Earns * Wealth + e

Jika variabel Wealth merupakan moderating variabel, maka koefisien b3 harus

signifikan pada 0,05 atau 0,10.

Cara menggunakan software SPSS untuk melakukan uji interaksi adalah sebagai
berikut :

a. Buka file
b. Buat perkalian antara variabel Earns dan Wealth. Pilih menu Transform, lalu
submenu Compute.
c. Pada kotak Target Variable isikan nama variabel, misalnya Moderat
(merupakan variabel perkalian antara Earns dan Wealth).
d. Pada kotak Numeric Expression isikan perkalian antara Earns dan Wealth
seperti ini : Earns * Wealth.
e. Press OK, dan sekarang pada editor SPSS terdapat variabel baru dengan
nama Moderat.

Langkah analisis regresi

a. Dari menu SPSS, pilih menu Statistic/Analyze, kemudian submenu

Regression, lalu pilih Linear.
b. Setelah tampil menu Linear Regression, pada kotak Dependent isikan variabel
Income dan pada kotak Independent isikan variabel Earns, Wealth dan Moderat.
c. Press Ok, selesai.

Output uji interaksi :

Pengambilan Keputusan :
pada output model summary, koefisien determinasi besarnya adjusted R2
terbesar 0,806, hal ini berarti 80,6% variasi Income yang dapat dijelaskan oleh
variasi variabel independen Earns, Wealth dan Moderat. Sedangkan sisanya
(100% - 80,6% = 19,4%) dijelaskan oleh sebab-sebab lain diluar model.

pada output coefficient, menunjukkan bahwa koefisien b3 sebesar 146, jadi tidak
signifikan karena lebih besar daripada 0,05 atau 0,10. Keputusannya variabel
Wealth bukan merupakan variabel moderating.
Uji Nilai Selisih Mutlak
20 Juni 2012

Frucot and Shearon (1991) mengajukan model regresi yang agak berbeda untuk
menguji pengaruh moderasi yaitu dengan model nilai selisih mutlak dari variabel
independen dengan rumus persamaan regresi :

Y = a + b1X1 + b2X2 + b3|X1 - X2|

di mana :

Xi merupakan nilai standardized score [ (rata-rata Xi - X) / 6X]

|X1-X2| merupakan interaksi yang diukur dengan nilai absolut perbedaan antara
X1 dan X2

Menurut Frucot dan Shearon (1991) interaksi seperti ini lebih disukai oleh karena
ekspektasi sebelumnya berhubungan dengan kombinasi antara X1 dan X2 dan
berpengaruh terhadap Y. Misalkan dengan contoh kita, jika score tinggi untuk
Wealth berasosiasi dengan score rendah dari Earns (score tinggi Earns), maka
akan terjadi perbedaan nilai absolut yang besar. Hal ini juga akan berlaku score
rendah dari Wealth bersosiasi dengan score tinggi dari Earns (score rendah
Earns). Kedua kombinasi ini diharapkan akan berpengaruh terhadap Income
yang meningkat. Rumus regresi untuk menguji adalah sebagai berikut :

Income = a + b1 Earns + b2 Wealth + b3 |Earns - Wealth|

di mana nilai Earns dan Wealth adalah standardized.

Langkah analisis:

a. buka file
b. buat variabel baru dengan nama ZEarn yaitu standardized untuk variabel
Earns dan ZWealth yaitu standardized untuk variabel Wealth, dengan cara :

- Dari menu utama SPSS pilih Statistic/Analyze, kemudian pilih Descriptive

Statistic, lalu pilih Descriptives.

- Tammpak tampilan windows descriptive, misalkan dalam kotak variabel,

variabel yang akan kita standardize yaitu Earns dan Wealth, lalu pilih Save
Standardized Value as Variable dan tekan OK. Pada data editor kita punya
variabel baru ZEarns dan ZWealth.

- Dari SPSS data editor pilih menu Transform, kemudian pilih submenu Compute.

- Pada kotak Target Variable isikan nama variabel misalkan AbsX1_X2 yaitu
variabel nilai absolut ZEarns diambil ZWealth atau |ZEarns = ZWealth|.

- Pada kotak Numeric Expression isikan fungsi ABS (numexpr) menjadi

ABS(ZEarns - ZWealth)
- Lalu tekan OK, dan SPSS data editor ada tambahan variabel baru AbsX1_X2
yang tidak lain adalah |ZEarns - ZWealth|.

Langkah berikutnya adalah membuat regresi dengan persamaan sebagai berikut

:

Income = a + b1 ZEarns + b2 ZWealth + b3 AbsX1_X2 + e

di mana :

ZEarns adalah standardized Earns

ZWealth adalah standardized Wealth
AbsX1_X2 adalah |ZEarns - ZWealth|

Langkah analisis:

a. dari SPSS data editor, pilih menu Statistic/Analyzem kemudian pilih submenu
Regression, lalu Linear.

b. pada kotak Dependent, isikan variabel Income.

c. pada kotak Independent, isikan variabel ZEarns, ZWealth, dan AbsX1_X2.

d. press OK.

berikut adalah ouputnya:

Uji koefisien determinasi

Tampilan ouput SPSS model summary di atas menunjukkan nilai Adjusted R2

cukup tinggi 80,2$ yang berarti variabilitas Income yang dapat dijelaskan oleh
variabel ZEarns, ZWelath dan AbsX1_X2 secara bersama-sama atau simultan
mempengaruhi Income.

output lainnya:
Uji signifikansi simultan

Hasil tampilan output ANOVA atau F test di atas menunjukkan bahwa nilai F
hitung sebesar 1335.067 dengan tingkat signifikansi 0,000 jauh di bawah 0,05.
Ini berarti variabel independen ZEarns, ZWealth dan AbsX1_X2 secara bersama-
sama atau simultan mempengaruhi Income.

output lainnya:

Uji signifikansi parameter individual

Hasil tampilan output Coefficient di atas menunjukkan bahwa secara individu

variabel ZEarns memberikan nilai koefisien 4,251 dengan probabilitas signifikan
0,000. Variabel ZWealth memberikan nilai koefisien 1.047 dengan probabilitas
signifikan 0,02. Kedua variabel ini dapat disimpulkan berpengaruh terhadap
Income.

Variabel moderating AbsX1_X2 ternyata tidak signifikan yaitu dengan probabilitas

signifikan 0,635 yang jauh di atas 0,05. Temuan ini konsisten dengan pengujian
Interaksi pada postingan yang lalu.
Uji Residual
Oleh Belajar SPSS
21 Juni 2012

Pengujian variabel moderating dengan uji interaksi maupun uji nilai selisih
mutlak absolut mempunyai kecenderungan akan terjadi multikolinearitas yang
tinggi antar variabel independen dan hal ini akan menyalahi asumsi klasik dalam
regresi ordinary least square (OLS). Untuk mengatasi multikolinearitas ini, maka
dikembangkan metode lain yang disebut uji residual. Langkah uji residual dapat
dilakukan dengan persamaan regresi berganda berikut ini.

Wealth = a + b1 Earns + e, dimana |e| = a + b1 Income

Langkah analisis

a. buka file

b. dari menu SPSS pilih Statistics -> Analyze, kemudian submenu Regression
Linear.

c. buat persamaan regresi seperti di atas, Wealth = a + b1 Earns + e. Yaitu

meregres variabel Earns terhadap variabel Wealth dan dapatkan nilai
residualnya.

d. pada kotak Dependent isikan variabel Wealth dan pada kotak Independent
isikan variabel Earns.

e. dapatkan nilai residual dengan cara, klik Save dan pilih Residual
Unstandardized.

f. pilih Continue dan press OK.

g. pada SPSS data editor sekarang kita mempunyai variabel baru Res_1 yang
merupakan residual dari Wealth = a + b1 Earns + e.

h. buatlah nilai residual (Res_1) dalam nilai absolut dengan cara :

- pilih Transform, kemudian Compute.

- pada kotak Target Variable berilah nama AbsRes_1 (nilai absolut dari Res_1).

- pada kotak Numeric Expression pilih fungsi ABS(numexpr) dan isikan menjadi
ABS(Res-1).

- press OK, sekarang kita sudah punya variabel baru AbsRes_1.

i. regresikan AbsRes_1 terhadap Income.

Berikut output regresi residual:

Pengambilan keputusan :

jika hasilnya signifikan dan koefisien parameternya negatif, maka variabel Wealth
merupakan variabel moderating.

Jelas bahwa walaupun variabel Income signifikan, tetapi nilai koefisien

parameternya positif, maka dapat disimmpulkan bahwa variabel Wealth bukanlah
variabel moderating. Wealth dianggap variabel moderating kalau nilai koefisien
parameternya negatid dan signifikan.