BAB 9

   
  MODEL EMPIRIS
   

 
  BENTUK MODEL EMPIRIS
 
  Model empiris dapat mempunyai sebuah dependen variabel maupun
  lebih dari satu dependen variabel.
 
  Yang termasuk model-model empiris yang mengggunakan hanya sebuah
variabel dependen adalah model regresi, model regresi logit, model regresi
probit, model regresi tobit, model analisis diskriminan, model ANOVA dan
model analisis conjoint.
Bentuk dari model regresi adalah sebagai berikut:
 
Y1 = X1 + X 2 + … + X n
(metrik) (metrik, non-metrik)
 
Bentuk dari model regresi Logit/Probit/Tobit adalah sebagai berikut:
 
Y1 = X1 + X 2 + … + X n
(non-metrik) (metrik, non-metrik)
 
Bentuk dari model analisis Diskriminan adalah sebagai berikut:
 
Y1 = X1 + X 2 + … + X n
(non-metrik) (metrik, non-metrik)
 
Bentuk dari model ANOVA adalah sebagai berikut:
 
Y1 = X1 + X 2 + … + X n
(metrik) (non-metrik)
 
Bentuk dari model analisis Conjoint adalah sebagai berikut:
 
Y1 = X1 + X 2 + … + X n
 Yang termasuk model-model empiris yang mengggunakan lebih dari
sebuah variabel dependen adalah model MANOVA dan model korelasi
kanonikal.
 
Bentuk dari model MANOVA adalah sebagai berikut:
 
Y1 + Y2 + … + Yn = X1 + X2 + … + Xn
(metrik) (non-metrik)
 
Bentuk dari korelasi Kanonikal adalah sebagai berikut:

 
Y1 + Y2 + … + Yn = X1 + X2 + … + Xn
(metrik, non-metrik) (metrik, non-metrik)
 
Yang termasuk model-model empiris yang mengggunakan banyak persamaan secara
simultan adalah model persamaan-persamaan simultan (simultaneous equations) dan
structural equation modeling.
Bentuk dari model persamaan-persamaan simultan (simultaneous equations) adalah
sebagai berikut:
  Y1 = X11 + X12 + … + X1n

Y2 = X21 + X22 + … + X2n

Yn = Xn1 + Xn2 + … + Xnn

(metrik) (metrik, non-metrik)

 
Bentuk dari structural equation modeling adalah sebagai berikut:
  Y1 = X11 + X12 + … + X1n

X11 = X21 + X22 + … + X2n

X1n = Xn1 + Xn2 + … + Xnn

(metrik, non-metrik) (metrik, non-metrik)

Tabel. Ringkasan bentuk-bentuk model empiris.
 
Model
Regresi
Regresi Logit/Probit/Tobit
Analisis diskriminan
ANOVA
Analisis conjoint
MANOVA
Korelasi kanonikal
Persamaan-persamaan
simultan
Structural equation modeling
Tipe data
Variabel Dependen Variabel Independen
(metrik) (metrik, non-metrik)
(non-metrik) (metrik, non-metrik)
(non-metrik) (metrik, non-metrik)
(metrik) (non-metrik)
(metrik, non-metrik) (non-metrik)
(metrik) (non-metrik)
(metrik, non-metrik) (metrik, non-metrik)
(metrik) (metrik, non-metrik)
   
(metrik, non-metrik) (metrik, non-metrik)
VARIABEL DI MODEL EMPIRIS
 
Model adalah bentuk simbol dari suatu teori. Bentuk simbol pada model ini
harus menunjukkan hubungan kausal antara variabel-variabel di dalam
model. Oleh karena itu model seperti ini juga disebut dengan nama model
kausal (causal model).
Variabel (variable) adalah suatu simbol yang berisi suatu nilai. Selain
variabel di kelompokan menjadi variabel dependen (VD) dan variabel
independen (VI), variabel juga dikelompokan menjadi variabel moderasi
(VMO) atau moderating variable, variabel mediasi (VME) atau mediating
variable, dan variabel ekstrani (VE) atau extraneous variable.
  Variabel Moderasi
 
Suatu variabel moderasi (moderating variable) atau (VMO) adalah suatu
variabel independen lainnya yang dimasukkan ke dalam model karena
mempunyai efek kontingensi dari hubungan variabel dependen dan
variabel independen sebelumnya.

VMO

VI VD

Gambar. Variabel moderasi.

  Model empiris untuk variabel moderasi ini dapat disajikan dengan
interaksi variabel-variabel di model analisis regresi moderasian
(moderated regression analysis) sebagai berikut:
 
 
VD    1VI   2 VMO   3 VI * VMO  e
 
 
  Efek Efek    Efek
utama utama interaksi

Notasi:
VD = variabel dependen.
VI = variabel independen.
VMO = variabel moderasi.
e = kesalahan residu.
 Jogiyanto HM - Metodologi Penelitian Bisnis: Salah Kaprah dan Pengalaman-pengalaman

  Grafik dari Efek Moderasi

 
  VD slop lebih tajam untuk nilai 
  VMO lebih tinggi
 
 

slop kurang tajam untuk nilai 
  VMO lebih rendah
 

VI

Gambar 9.2. Grafik dari efek moderasi.

 
 PENTING dan SALAH KAPRAH

  Beberapa penelitian menghilangkan efek-efek order-lebih-rendah

atau efek-efek utama dari persamaan analisis regresi moderasian
dan hanya menggunakan efek interaksi sebagai berikut:

VD     3 VI * VMO  e
Hasil signifikan dari koefisien β3 tidak dapat dikatakan bahwa efek
interaksi terjadi. Signifikansi ini dapat terjadi karena efek yang
signifikan pengaruh VI terdapat VD, tidak perduli efek dari VMO
terjadi atau tidak. Dengan kata lain, karena bentuk interaksi adalah
perkalian antara VI dengan VMO, signifikansi tersebut dapat
terjadi karena pengaruh signifkansi dari VI atau signifikansi terjadi
karena interaksi “mencuri varian” dari salah satu variabelnya.
Penghilangan efek-efek utama akan menghilangkan arti dari efek
interaksi. Dengan demikian, untuk menguji efek interaksi, efek-efek
utama harus dimasukkan ke dalam persamaan analisis regresi
moderasian.
 Variabel Mediasi
 
  Variabel mediasi (VME) atau mediating variable adalah variabel yang
 
secara teori mempengaruhi fenomena yang diobservasi (variabel
dependen), yang efeknya harus diinferensi melalui efek hubungan
antara variabel independen dengan fenomenanya (variabel
dependennya).

VI VME VD (model 1)

 
Gambar. Bentuk model hubungan mediasi.
 Jika hubungan kausal antara variabel independen dengan variabel
dependen masih ingin diperlihatkan, maka bentuk modelnya adalah
  sebagai berikut ini.

  VI VME VD
 
 

VI VD

VME

Gambar Bentuk model hubungan mediasi dan hubungan

langsungnya.
 Variabel Ekstrani
 
  Variabel ekstrani (VE) atau extraneous variable adalah variabel lain selain
variabel independen, dependen, moderating, dan mediating yang dapat
mempengaruhi hubungan kausal. Variabel ekstrani dapat di kelompokkan
menjadi dua, yaitu variabel pelengkap dan variabel pengganggu.

Variabel Kontrol
 
Variabel pelengkap dikenal sebagai variabel kontrol (control variable)
yaitu untuk melengkapi atau mengkontrol hubungan kausalnya supaya lebih
baik untuk didapatkan model empiris yang lebih lengkap dan lebih baik.

Variabel Pengganggu
 
Variabel pengganggu (confounding variable) merupakan variabel yang
efeknya mengganggu hubungan kausal antara variabel independen dan
variabel dependen.
 DEFINISI VARIABEL

  Variabel-variabel didalam model harus didefinisikan agar jelas makna dan

pengukurannya. Dua macam definisi diperlukan yaitu sebagai berikut ini.
1. Definisi naratif (narative definition), yaitu definisi dalam bentuk kalimat
     

untuk menjelaskan makna dan artinya.

2. Definisi operasional (operational definition), yaitu definisi berupa cara
     

mengukur variabel itu supaya dapat dioperasikan.

 
Contohnya variabel reaksi pasar dengan definisi naratifnya sebagai return
tidak normal (abnormal return) yaitu perubahan return saham diluar
perubahan return normalnya. Definisi operasi ini adalah:
 
ARt = Rt – E(Rt),
 
dengan:
ARt = return tidak normal (abnormal return) pada saat t.
Rt = adalah return pada saat t.
E(Rt) = return normal pada saat t.