ANALISIS REGRESI DENGAN VARIABEL MODERATING

Banyak penelitian di bidang manajemen dan akuntansi menggunakan variabel moderating.

Variabel moderating adalah variabel independen yang akan memperkuat atau memperlemah
hubungan antara variabel independen lainnya dengan variabel dependen. Model hubungan
berikut ini dapat menggambarkan adanya pengaruh moderating.

Struktur
Desentralisasi

Partisipasi Anggaran Kinerja Manajerial

Dalam gambar tersebut variabel struktur organisasi mrupakan variabel moderating oleh
karena dapat melemahkan atau memperkuat hubungan antara partisipasi anggaran dan
kinerja manajerial. Sebaliknya semakin tinggi partisipasi anggaran dan struktur organisasinya
sentralisasi, maka semakin menurun kinerja manajerial.

Apabila ditumuskan Hipotesis Alternatif sebagai berikut:

Ha: Semakin tinggi tingkat partisipasi anggaran dan struktur organisasinya desentralisasi,
maka semakin tinggi kinerja manajerial. Sebaliknya semakin rendah partisipasi anggaran
dan struktur organisasinya sentralisasi, maka semakin menurun kinerja manajerial.

Variabel struktur organisasi merupakan variabel moderating, oleh karena variabel ini dapat
memperkuat atau memperlemah hubungan antara partisipasi anggaran dan kinerja
manajerial.

Ada tiga cara menguji regresi dengan variabel moderating yaitu:

1) Uji interaksi;
2) Uji nilai selisih mutlak;
3) Uji residual
UJI INTERAKSI

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
sebagai berikut:

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

Variabel perkalian antara X1 dan X2 merupakan variabel moderating oleh karena

menggambarkan pengaruh moderating varibel 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 dY/dXI merupakan fungsi dari X2 atau variabel X2
memoderasi hubungan antara XI dan Y.

Untuk memberikan contoh dengan data, misalkan kita gunakan data Latihan Moderasi Excell
dan kita ingin mengetahui hubungan antara Gaji (gaji kepala keluarga), Penghasilan
(Penghasilan seluruh anggota keluarga) dan Aset (kekayaan keluarga). Dalam hal ini kita ingin
mengetahui apakah ada hubungan moderasi antara Gaji dan Aset atau kalau digambarkan
sebagai berikut:

Aset

Gaji Penghasilan
Hipotesis yang akan diuji: Semakin tinggi Gaji dan Aset akan berpangaruh terhadap semakin
tinggi Penghasilan. Untuk menguji apakah Aset merupakan variabel moderating, maka
persamaan regresi dapat ditulis sbb:

Penghasilan = a + bl Gaji + b2 Aset + b3 Gaji*Aset + e

Jika variabel Aset merupakan moderating variabel, maka koefisien b3 harus signifikan pada
0.05 atau 0.10.

Langkah Analisis

a. Buka file Crossec xls

b. Dari SPSS data editor tampak bahwa kita belum mempunyai variabel perkalian antara
Gaji dan Aset. Untuk itu kita perlu membuat variabel perkalian ini dengan cara
c. Pilih menu Transform, lalu submenu Compute
d. Pada kotak Target variable isikan nama variabel, misal moderat (merupakan variabel
perkalian antara Gaji dan Aset)
e. Pada kotak Numeric Expression isikan perkalian antara Gaji dan Aset seperti ini:
Gaji*Aset

f. Tekan OK, dan sekarang pada SPSS data editor terdapat variabel baru bernama
Moderat (merupakan variabel Gaji*Aset).
g. Tampilan SPSS data editor
Langkah Analisis Regresi

a. Dari menu utama SPSS, pilih menu Analyze, kemudian submenu Regression, lalu
pilih Linear
b. Tampak dilayar windows Linear Regression
c. Pada kotak Dependent isikan variabel Penghasilan
d. Pada kotak Independent isikan variabel Gaji, Aset, dan Moderat(Gaji*Aset).

e. Pada kotak method pilih enter

f. Abaikan yang lain tekan OK
 g. Tampilan output SPSS

Koefisien
determinasi
Model Summary
Model R R Square Adjusted R Std. Error of the
Square Estimate
1 ,726a ,528 ,513 1584,531
a. Predictors: (Constant), Moderat, Gaji, Aset

Uji Signifikansi
Simultan (Uji F)
ANOVAa
Model Sum of Squares df Mean Square F Sig.
Regression 266524367,266 3 88841455,755 35,385 ,000b

Residual 238520270,371 95 2510739,688

1

Total 505044637,636 98

a. Dependent Variable: Penghasilan

b. Predictors: (Constant), Moderat, Gaji, Aset

Uji Parameter
Individual (Uji t)
Coefficientsa
Model Unstandardized Coefficients Standardized t Sig.
Coefficients
B Std. Error Beta

(Constant) 4292,234 903,597 4,750 ,000

Aset ,007 ,002 ,604 3,129 ,002

1
Gaji ,617 ,210 ,495 2,934 ,004
Moderat -3,758E-007 ,000 -,325 -1,171 ,245
a. Dependent Variable: Penghasilan

Koefisien Determinasi

Tampilan outpust SPSS memberikan besarnya adjusted R sebesar 0.513, hal ini berarti 51.3%
variasi Penghasilan yang dapat dijelaskan oleh variasi variabel indepeden Gaji, Aset dan
Moderat. Sedangkan sisanya (100% - 51.3% = 48.7%) dijelaskan oleh sebab-sebab lain diluar
model.
Uji Signifikansi Simultan (Uji Statistik F)

Uji Anova atau F test menghasilkan nilai F hitung sebesar 35.385 dengan tingkat signifikansi
0.00. Karena probabilitas signifikansi jauh lebih kecil dari 0.05, maka model regresi dapat
digunakan untuk memprediksi Penghasilan atau dapat dikatakan bahwa Gaji, Aset dan
Moderat secara bersama-sama berpengaruh terhadap Penghasilan.

Uji Signifikansi Parameter Individual (Uji t Statistik)

Dari ke tiga variabel independen yang dimasukkan dalam regresi, variabel Gaji dan Aset
berpengaruh secara signifikan terhadap Penghasilan. Variabel Gaji memberikan nilai
koefisein parameter 0.007 dengan tingkat signifikansi 0.002 dan variabel Aset memberikan
nilai koefisien parameter 0.617 dengan tingkat signifikansi 0.004. Variabel Moderat yang
merupakan interaksi antara Gaji dan Aset ternyata tidak signifikan. Sehingga dapat
disimpulkan bahwa variabel Aset bukanlah variabel moderating. Jika variabel Moderat
signifikan maka dapat di simpulkan bahwa variabel Aset merupakan variabel moderating.

Regresi dengan variabel interaksi memiliki kelemahan. Umumnya metode ini menimbulkan
masalah oleh karena akan terjadi multikolonieritas yang tinggi antara variabel independen,
misalkan antara variabel Gaji dan Moderat (Gaji Aset) atau antara variabel Aset dan Moderat
(Gaji Aset), hal ini disebabkan pada variabel moderat ada unsur Gaji dan Aset. Hubungan
multikolonieritas lebih dari 80% menimbulkan masalah dalam regresi, untuk itu perlu dicari
cara lain untuk menguji moderating variabel.

UJI NILAI SELISIH MUTLAK

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| (3)

Dimana :

|X1 - X2 | = masing –masing X1 dan X2 merupakan nilai standardized score diukur dengan
[(Xi-x̄)/𝜎X]

|X1 - X2 | = merupakan interaksi yang diukur dengan nilai absolut perbedaan antara X1 dan
X2
menurut Furcot 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 Aset berasosiasi dengan score rendah
dari Gaji (score tinggi Gaji), maka akan terjadi perbedaan nilai absolut yang besar. Hal ini juga
akan berlaku score rendah dari Aset berasosiasi dengan score tinggi dari Gaji (score rendah
Gaji). Kedua kombinasi ini diharapkan akan berpengaruh terhadap Penghasilan yang
meningkat. Rumus regresi untuk menguji adalah sebagai berikut:

Penghasilan = a + bl Gaji + b2 Aset + b3 | Gaji - Aset |

Dimana nilai Gaji dan Aset dalam kurung adalah standardized.

Langkah Analisis

a. Buka file Latihan Moderasi Excell di program excel

b. Buatlah variabel baru standardize Gaji (ZGaji) dan standardize Aset (ZAset) dengan
cara :
c. Dari menu utama SPSS pilih Analyze, kemudian pilih Descriptive Statistic, lalu pilih
descriptives

d. Tampak tampilan windows descriptives, masukkan dalam kotak variabel, variabel

yang akan kita standardize yaitu Gaji dan Aset, lalu pilih save standardized value as
variable dan tekan OK
Pada SPSS data editor kita punya variabel baru ZGaji (standardized Gaji) dan ZAset
(standardized Aset)
 e. Dari SPSS data editor pilih menu Transform, kemudian pilih submenu Compute.

f. Pada kotak Target Variable isikan nama variabel misalkan AbsX1_X2 (variabel ini
merupakan | ZGaji - ZAset )
g. Pada kotak Numeric Expression isikan fungsi ABS(numexpr) untuk membuat nilai
absolut. Lalu isikan pada (numexpr) menjadi ABS(ZGaji-ZAset)
h. Lalu tekan OK, dan pada SPSS data editor ada tambahn variabel baru AbsX1_X2
yang tidak lain adalah | ZGaji - ZAset |

Langkah berikutnya adalah membuat regresi dengan persamaan sbb:

Penghasilan = a + b1 ZGaji + b2 ZAset +b3 AbsX1_X2 + e

Dimana:

Z Gaji = standardize Gaji

Z Aset = standardize Aset

AbsX1_X2 = | ZGaji- ZAset |

Langkah Analisis

a. Dari SPSS data editor, pilih menu Analyze, kemudian pilih submenu Regression, lalu
Linear.
b. Pada kotak Dependent, isikan variabel Penghasilan
c. Pada kotak Independent, isikan variabel ZGaji, ZAset dan Absx1_x2
d. Abaikan yang lain dan tekan OK
e. Tampilan output SPSS

Model Summary
Model R R Square Adjusted R Std. Error of the
Square Estimate
1 ,726a ,528 ,513 1584,696
a. Predictors: (Constant), AbsX1_X2, Zscore(Gaji), Zscore(Aset)

Uji Koefisien Determinasi

Tampilan output SPSS menunjukkan nilai Adjusted R2 cukup tinggi 51.3% yang berarti
variabilitas Penghasilan yang dapat dijelaskan oleh variabel ZGaji, ZAset dan Absx1_x2
sekitar 51.3% dan sisanya 48.7% dijelaskan oleh variabel lain diluar model ini. Jadi dapat
disimpulkan model cukup baik

Uji Signifikansi Simultan

Hasil Anova atau F test menunjukkan bahwa nilai F hitung sebesar 35.371 dengan tingkat
signifikansi 0.000 jauh di bawah 0.05. Hal berarti bahwa variabel independen ZGaji, ZAset
dan AbsX1_X2 secara bersama-sama atau simultan mempengaruhi Penghasilan.
ANOVAa
Model Sum of Squares df Mean Square F Sig.
Regression 266474780,024 3 88824926,675 35,371 ,000b

Residual 238569857,612 95 2511261,659

1

Total 505044637,636 98

a. Dependent Variable: Penghasilan

b. Predictors: (Constant), AbsX1_X2, Zscore(Gaji), Zscore(Aset)

Uji Signifikansi Simultan

Hasil Anova atau F test menunjukkan bahwa nilai F hitung sebesar 135.067 dengan tingkat
signifikansi 0.000 jauh di bawah 0.05. Hal berarti bahwa variabel independen ZGaji,ZAset dan
Absx1 x2 secara bersama-sama atau simultan mempengaruhi Penghasilan

Uji Signifikansi Parameter Individual

Hasil tampilan output SPSS jelas menunjukkan bahwa secara individu variabel ZGaji
memberikan nilai koefisien 805.667 dengan probabilitas signifikansi 0.002. Variabel ZAset
memberikan nilai koefisien 909.996 dengan probabilitas signifikansi 0.001. Kedua variabel ini
dapat disimpulkan berpengaruh terhadap Penghasilan. Variabel moderating AbsX1_X2
ternyata tidak signifikan yaitu dengan probabilitas signifikansi 0.248 dan jauh di atas 0.05.

Temuan ini menunjukkan bahwa variabel Aset memang bukan variabel moderating dan ini
konsisten dengan pengujian interaksi di sebelumnya.

Coefficientsa
Model Unstandardized Coefficients Standardized t Sig.
Coefficients
B Std. Error Beta

(Constant) 9261,407 276,844 33,454 ,000

Zscore(Gaji) 805,667 253,121 ,355 3,183 ,002

1
Zscore(Aset) 909,996 255,204 ,401 3,566 ,001
AbsX1_X2 482,635 415,234 ,083 1,162 ,248
a. Dependent Variable: Penghasilan
UJI RESIDUAL

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

Aset

Gaji Penghasilan

Lakukan regresi:

Aset = a + b1 Gaji + e (1)

| e l = a+ b1 Penghasilan (2)

Analisis residual ingin menguji pengaruh deviasi (penyimpangan) dari suatu model. Fokusnya
adalah ketidak cocokkan (lack of fit) yang dihasilkan dari deviasi hubungan linear antar
variabel independen. Lack of fit ditunjukkan oleh nilai residual didalam regresi. Dalam hal ini
jika terjadi kecocokan antara Gaji dan Aset (nilais residual kecil atau nol) yaitu Gaji tinggi dan
Aset juga tinggi, maka Penghasilan juga tinggi. Sebaliknya jika terjadi ketidak cocokkan atau
lack of fit antara Gaji dan Aset (oya residual besar) yaitu Gaji tinggi dan Aset rendah, maka
Penghasilan akan rendah.

Persamaan regresi (2) menggambarkan apakah variabel Aset merupakan variabel

moderating dan ini ditunjukkan dengan nilai koefisien bl Penghasilan signifikan dan negatif
hasilnya (yang berarti adanya lack of fr antara Gaji dan Aset mengakibatkan Penghasilan
turun atau berpengarub negatif).

Langkah Analisis

a. Buka file Latihan Moderasi Excell

b. Dari menu Utama SPSS pilih Analyze, kemudian submenu Regression dan Linear
c. Buat persamaan regresi (1) yaitu meregress Gaji terhadap Aset dan dapatkan nilai
residualnya
d. Pada kotak Dependent isikan variable Aset dan pada kotak Independent isikan
variabel Gaji
e. Dapatkan nilai residual dengan cara, klik Save dan pilih Residual Unstandardized

f. Pilih Continue dan tekan OK

g. Pada SPSS data editor sekarang kita mempunyai variabel baru Res 1 yang
merupakan residual dari Aset = a + b1 Gaji + e
h. Buatlah nilai residual (Res_1) dalam nilai absolut denga cara
i. Pilih menu Transform, kemudian Compute
j. Pada kotak Target Variable berilah nama AbsRes 1 (nilai absolut dari Res 1)
k. Pada kota Numeric Expression pilih fungsi ABS(numexpr) dan isikan menjadi
ABS(Res_1)
l. Tekan OK dan sekarang kita punya variabel baru AbsRes_1
m. Regresikan AbsRes I terhadap Penghasilan, jika hasilnya signifikan dan koefisien
parameternya negatif, maka variabel Aset merupakan variabel moderating.
n. Tampilan output SPSS
Coefficientsa
Model Unstandardized Coefficients Standardized t Sig.
Coefficients
B Std. Error Beta

(Constant) 39515,646 33495,437 1,180 ,241

1
Penghasilan 6,468 3,422 ,188 1,890 ,062
a. Dependent Variable: AbsRes_1

Jelas bahwa walaupun variabel Penghasilan signifikan, tetapi nilai koefisien parameternya
positif, maka dapat disimpulkan bahwa variabel Aset bukanlah variabel moderating. Aset
dianggap variabel moderating kalau nilai koefisien parameternya negatif dan signifikan.