ANALISIS REGRESI DENGAN VARIABEL MODERATING

Variabel moderating adalah variabel independen yang akan memperkuat atau memperlemah hubungan antara variabel independen lainnya terhadap variabel dependen. Di dalam uji residual variabel moderating dapat di uji dengan 3 uji yaitu :

1.      Uji Interaksi.

2.      Uji Nilai Selisih Mutlak.

3.      Uji Residual.

1.                  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

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.

2.                  Uji Nilai Selisih Mutlak.

Frucot dan Shearon (1991) dalam Ghozali (2009) 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

Dimana : Xi = merupakan nilai standardized score [(Xi – X)/σ X]

X1-X2  = merupakan interkasi yang diukur dengan nilai absolut perbedaan antara                         X1 dan X2

Menurut Furcot dan Shearon, interaksi seperti ini lebih disukai oleh karena ekspektasi sebelumnya berhubungan dengan kombinasi antara X1 dan X2 dan berpengaruh terhadap Y.  Misalkan kita akan menguji penelitian dari model yang sudah dijelaskan didepan tentang Income, Wealth dan Earns. Rumus regresi untuk menguji model tersebut adalah :

Salary = a + b1Educ + b2Salbegin + b3     Educ – Salbegin

Dimana nilai Educ danSalbegin adalah standardized.

            Langkah Analisis

a.       Buka file Employee.xls di program excel

b.      Buatlah variabel baru standardize salbegin (Zsalbegin) dan Standardize Educ (ZEduc) dengan cara :

c.       Dari Menu utama SPSS pilih Analyze, kemudian pilih Descriptive Statistic, terus pilih Descriptives. Tampak pada tampilan seperti dibawah : 

d.      Masukkan dalam kotak Variabel, variabel yang akan di standardize yaitu adalah variabel salbegin dan Educ, lalu pilih Save Standardized Values as Variabel dan klik OK. Maka hasilnya seperti gambar dibawah :

e.       Dari SPSS  data editor pilih menu Transform, kemudian pilih seub menu Compute Values. Kemudian pada kotak Target Variabel isikan nama variabel misalkan AbsX1_X2 ( variabel ini merupakan | Zsalbegin – ZEduc | ). Selanjutnya pada kotak Numeric Expression isikan fungsi ABS (numepxr) unutk membuat nilai absolut. Lalu isikan pada (numexpr) menjadi ABS (ZSalbegin – ZEduc) Seperti gambar berikut :

f.       Lalu tekan OK, dan pada SPSS data editor ada tambahan variabel baru AbsX1_X2 yang tidak lain adalah | Zsalbegin – ZEduc |. Nampak seperti gambar dibawah :

Langkah berikutnya adalah membuat regresi dengan persamaan sebagai berikut :

Salary = a + b1 Zsalbegin + b2 ZEduc+ b3 AbsX1_X2 + e

Dimaana :

Zsalbegin = Standarize Salbegin

ZEduc = Standarize Educ

AbsX1_X2 = | Zsalbegin – ZEduc |

Langkah Analisis Selanjtnya:

a.       Dari SPSS data editor, pilih menu Analyze, kemudian pilih submenu Regression, lalu Linear

b.      Pada kotak Dependent, isikan variabel Salary, Sedangkan pada Kotak Independent, isikan variabel Zsalbegin, ZEduc dan AbsX1_X2

c.       Abaikan suruhan yang lain dan kemudian klik OK.

Hasil Output SPSS dan Intepretasinya

Model Summary
Model		R	R Square	Adjusted R Square	Std. Error of the Estimate
dimension0	1	,892a	,795	,794	7758,896
a.     Predictors: (Constant), AbsX1_X2, Zscore(Educ), Zscore(Salbegin)

A.    Uji Koefisien Determinasi.

      Tampilan output SPSS menunjukkan nilai Adjusted R2 cukup tinggi sebesar 0.794 ata dalam persentase sebesar 79,4% yang berarti variabilitas Salary yang dapat dijelaskan oleh variabel Educ, Variabel Salbegin dan Absx1_x2 sekitar 79,4% dan sisanya 20,6% dijelaskan oleh variabel lain diluar model ini. Jadi dapat disimpulkan model cukup baik.

B.     Uji Signifikansi Simultan.

ANOVAb
Model		Sum of Squares	df	Mean Square	F	Sig.
1	Regression	1,096E11	3	3,654E10	606,985	,000a
	Residual	2,829E10	470	6,020E7
	Total	1,379E11	473
a. Predictors: (Constant), AbsX1_X2, Zscore(Educ), Zscore(Salbegin)
b. Dependent Variable: Salary

Hasil Anova atau F test menunjukkan bahwa nilai F hitung sebesar 606,985 dengan tingkat signifikansi 0.000 jauh dibawah 0.05. Hal ini berarti bahwa variabel independen ZEduc, ZSalbegin dan AbsX1_X2 secara bersama-sama atau simultan mempengaruhi Salary.

C.    Uji Signifikansi Parameter Individual

Coefficientsa
Model		Unstandardized Coefficients		Standardized Coefficients	t	Sig.
		B	Std. Error	Beta
1	(Constant)	35455,878	565,231		62,728	,000
	Zscore(Educ)	2437,624	508,283	,143	4,796	,000
	Zscore(Salbegin)	13854,277	545,608	,811	25,392	,000
	AbsX1_X2	-1682,227	712,179	-,059	-2,362	,019
a. Dependent Variable: Salary

Hasil ini jelas menunjukkan bahwa secara individual Variabel Zsalbegin memberikan nilai koefisien 13854,277 dengan probabilitas signifikansi 0,000. Variabel ZEduc memberikan nilia koefisien 2437,624 dengan probabilitas signifikansi 0,000. Kedua variabel ini dapat disimpulkan berpengaruh terhadap Salary. Variabel moderating AbsX1_X2 ternyata juga signifikan yaitu dengan probabilitas signifikansi 0,019 < 0,05. Temuan ini menunjukkan bahwa variabel Educ memang merupakan variabel Moderating.