MODERATED REGRESSION
ANALYSIS
(MRA)
MENGENAL VARIABEL MODERASI
• moderasi adalah di mana hubungan antara variable independen dan variable dependen berubah sesuai dengan nilai variable moderator (Dawson, 2014)
• Variable moderasi dapat berupa skala rasio, interval atau level kontinu atau bisa juga kategoris, tergantung pada jenisnya variable moderating (Kim et al., 2001)
• moderator tidak seharusnya memiliki hubungan
dengan konstruksi yang diteliti, tidak seperti variable mediasi di mana mediator harus terkait dengan kedua konstruksi (Shrout dan Bolger, 2002)
2
GAMBAR KONSTRUK HUBUNGAN
3
Dengan 1 variabel independen
Dengan 2 atau lebih variabel independen
KRITERIA VARIABEL MODERASI
❑ Quasi Moderator (Moderator Semu),
Jika terdapat pengaruh variable Z terhadap variable Y pada estimasi pertama dan terdapat pengaruh Interaksi X*Z pada estimasi kedua dan memiliki signifikasi terhadap variable Y.
❑ Pure Moderator (Moderator Murni),
Jika pada estimasi pertama Z tidak memiliki pengaruh signifikan terhadap variable Y,
sedangkan Interaksi X*Z pada estimasi kedua berpengaruh signifikan terhadap variable Y.
❑ Prediktor Moderasi (Moderasi Prediktor),
jika ada pengaruh yang signifikan variable Z terhadap variable Y pada estimasi pertama tetapi pengaruh Interaksi X*Z pada estimasi kedua tidak signifikan.
❑ Homologizer Moderasi (Moderasi Potensial),
jika tidak ada pengaruh yang signifikan variable Z terhadap variable Y pada estimasi pertama serta pengaruh Interaksi X*Z pada estimasi kedua juga tidak signifikan.
4
ADA TIGA CARA UNTUK MENGUJI
REGRESI DENGAN VARIABEL MODERATING
YAITU:
UJI INTERAKSI (MRA)
regresi linear berganda dimana dalam persamaan regresinya mengandung unsur interaksi (perkalian dua atau lebih variabel independen) dengan rumus persamaan sebagai berikut:
Y = a + b1X1 + b2X2 + b3 X1X2 + e Dengan,
X1 adalah variabel independent X2 adalah variabel moderating
X1X2 adalah hasil perkalian variabel X1 dan X2 Hipotesis yang terbentuk yakni,
➢ X1 berpengaruh langsung terhadap Y
➢ X2 berpengaruh langsung terhadap Y
➢ X1 berpengaruh terhadap Y dimoderasi oleh X2
PROBLEM TERBESAR MRA?
>80% pasti akan terjadi hubungan multikolonieritas yang tinggi antara variable independen, misalkan terjadi multikolinieritas antara variable X1 dan variable moderat (X1X2) atau antara variable X2 dan Moderat (X1X2). Hal ini disebabkan pada uji interaksi variable moderating ada unsur X1 dan X2, maka masalah yang timbul pasti multikolinieritas. (Rahardi & Farid, 2021)
7
MULTIKOLINIERITAS
TINGGI
APA DAMPAKNYA?
• Jika tidak diperbaiki atau diabaikan maka
multikolinier bisa merubah arah hipotesis dan signifikansi
• Perhatikan contoh kasus berikut
8
CONTOH KASUS
Analisis mengenai pengaruh literasi data (X1) dan literasi manusia (X2) terhadap Perilaku ekonomi (Y) yang dimoderasi oleh kreativitas (X3)
Hipotesis yang terbentuk
1. Pengaruh langsung X1 terhadap Y 2. Pengaruh langsung X2 terhadap Y 3. Pengaruh langsung X3 terhadap Y
4. Pengaruh X1 terhadap Y yang dimoderasi oleh X3 5. Pengaruh X2 terhadap Y yang dimoderasi oleh X3
9
HASIL OUTPUT 1
10
Hasil Regresi Linier Berganda X1 X2 X3 terhadap Y
Semua variabel independent
berpengaruh positif dan signifikan terhadap Y
HASIL OUTPUT 2
11
Hasil Regresi Linier Berganda X1, X2, X3, X1*X3, X2*X3 terhadap Y
Semua variabel independent berpengaruh tidak signifikan terhadap Y
Nilai VIF > 10
Terjadi multikolinier yang tinggi
BAGAIMANA CARA MENGATASINYA?
12
LAKUKAN CENTERING DATA (Hayes, 2005)
Mengurangi nilai pada data ke-I
dengan rata-rata pada masing-masing variabel independent yang digunakan
UJI ASUMSI KLASIK
13
HASIL OUTPUT 3
HASIL OUTPUT 3
14
• Berikut hasil interpretasi output menurut Rahardi & Farid (2021):
• Nilai R square meningkat dari sebelumnya 0,936 (93,6%) menjadi 0,945 (94,5%) setelah adanya variabel moderasi X3 pada model
• Pada tabel Anova menunjukkan nilai sig. sebesar 0,000 yang berarti bahwa terdapat pengaruh Simultan yang signifikan
HASIL OUTPUT 3
15
• Pada regresi awal, variabel X1 memiliki nilai sig. 0,047 < 0,05 (ada pengaruh signifikan secara parsial terhadap Y dengan nilai koefisien sebesar 0,124. Akan tetapi setelah dimoderasi oleh X3, variabel X1 tidak memiliki
pengaruh signifikan secara parsial terhadap Y serta nilai koefisiennya juga turun menjadi 0,115.
• Pada variabel X2 baik sebelum dimoderasi maupun setelah dimoderasi tetap menunjukkan pengaruh yang signifikan terhadap Y akan tetapi nilai koefisiennya lebih tinggi setelah dimoderasi oleh X3
• Selanjutnya nilai CX1X3 juga menunjukkan pengaruh negative yang tidak signifikan (0,109 < 0,05), sedangkan CX2X3 menunjukkan pengaruh positif yang tidak signifikan (0,159 < 0,05).
• Hal ini menunjukkan bahwa X3 merupakan Moderasi Prediktor sebab X3 memiliki pengaruh signifikan terhadap Y tetapi tidak dapat memoderasi secara signifikan hubungan X1 dan X2 terhadap Y. variabel X3 cenderung
menurunkan hubungan X1 terhadap Y, sedangkan X3 cenderung meningkatkan hubungan X2 terhadap Y.
For Your Attention
16
