STATISTIK Analisis Regresi dengan Variab

ANALISIS

REGRESI DENGAN VARIABEL

MODERATING

Oleh:

Dr.Suliyanto, SE,MM

http://management-unsoed.ac.id

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

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

Model Variabel Moderating

Satu Varibel Bebas

Dua Variabel Bebas

atau Lebih

X

₁

Y

X

₂

X

₁

X

₂

X

₃

X

₄

TIGA METODE YANG DIGUNAKAN

UNTUK MELAKUKAN UJI REGRESI

DENGAN VARIABEL MODERASI

1. 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).

2. Uji Nilai Selisih Mutlak

Dilakukan dengan mencari nilai selisih mutlak dari variabel independen.

3. Uji Residual

Dilakukan dengan menguji pengaruh deviasi

(penyimpangan) dari suatu model. Fokusnya adalah

Contoh Kasus:

METODE PERTAMA



Uji Interaksi

Uji

interaksi

dilakukan

dengan

cara

mengalikan

dua atau lebih variabel

bebasnya.

Persamaan Regresi

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

 = Nilai Residu

Persamaan Regresi Moderasi dengan uji

iterasi:

Pemecahan

1. Judul

Pengaruh pelatihan terhadap prestasi kerja dengan lingkungan kerja sebagai variabel moderasi.

2. 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 ?

3. Hipotesis

– Pelatihan berpengaruh positif terhadap prestasi kerja.

– Lingkungan kerja berpengaruh positif terhadap prestasi kerja.

4. 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 t_hitung ≤t _tabel atau  > 0,05

 Ha diterima t_hitung > t _tabel atau   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 t_hitung ≤t _tabel atau  > 0,05

 Ha diterima t_hitung > t _tabel atau   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 t_hitung ≤t _tabel atau  > 0,05

5. 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

7. 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

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

Makna Persamaan Regresi Yang

Terbentuk

a = 1,832, Artinya jika pelatihan (X₁) dan lingkungan kerja (X₂) sebesar 0 maka Prestasi Kerja (Y) akan sebesar 1,832.

b₁ = 0,425, Artinya jika lingkungan kerja (X₂) dan X₃

(moderasi) konstans, maka kenaikan pelatihan (X₁) akan menyebabkan peningkatan Prestasi Kerja (Y) sebesar 0,425.

b₂ = 0,425, Artinya jika Pelatihan (X₁) dan X₃ (moderasi) konstans, maka kenaikan lingkungan kerja (X₁) akan menyebabkan peningkatan Prestasi Kerja (Y) sebesar 0,425.

b₃ = 0,013, Artinya jika pelatihan (X₁) dan Lingkungan Kerja (X₂) konstans, maka kenaikan moderasi (X₃) akan

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

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

Koefesien Determinasi

Koefesien determinasi:







Koefesien Determinasi Disesuaikan (adjusted)

Kesalahan Baku

Estimasi

Digunakan untuk mengukur tingkat

kesalahan dari model regresi yang dibentuk.

k n

Y Y Se

 





( ˆ)2

0

,

193

4

15

)

410

,

0

(





Standar Error Koefesien Regresi

Digunakan untuk mengukur besarnya tingkat

kesalahan dari koefesien regresi:

Uji F

Uji F digunakan untuk menentukan uji ketepatan model (goodness of fit):

Uji t

KESIMPULAN

KESIMPULAN

–

Pelatihan berpengaruh positif terhadap prestasi

kerja.

–

Lingkungan kerja berpengaruh positif terhadap

prestasi kerja.

–

Lingkungan kerja tidak memoderasi hubungan

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



Analyze



Regression



Linear...

Masukan variabel Y



pada kotak

Dependent



X1, X2, X3



pada kotak

Independent

KESIMPULAN

KESIMPULAN

–

Pelatihan berpengaruh positif terhadap prestasi

kerja.

–

Lingkungan kerja berpengaruh positif terhadap

prestasi kerja.

–

Lingkungan kerja tidak memoderasi hubungan

METODE KEDUA



Nilai Selisih Mutlak

Uji selisih nilai mutlak dilakukan dengan

cara

mencari

selisih

nilai

mutlak

terstandarisasi diantara kedua variabel

bebasnya.

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….

034

,

1

740

,

1

200

,

6

8













x

xi

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)



Analyze



Regression



Linear...

Masukan variabel Y



pada kotak

Dependent



ZX1, ZX2, X3



pada kotak

Independent

KESIMPULAN

KESIMPULAN

– Pelatihan berpengaruh positif

terhadap prestasi kerja.

–

Lingkungan kerja berpengaruh positif terhadap

prestasi kerja.

–

Lingkungan kerja tidak memoderasi hubungan

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.



Analyze



Regression



Linear...

Masukan variabel Y



pada kotak

Dependent



X1, X2



pada kotak

Independent



Klik Save pada Residual pilih unstandardize

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)

Rgresikan Y terhadap X3



Analyze



Regression



Linear...

Masukan variabel X3



pada kotak

Dependent



Y



pada kotak

Independent

KESIMPULAN

KESIMPULAN

–

Lingkungan tidak kerja memoderasi