Analisis Regresi dengan Variabel Mediator

Dalam analisis regresi, terkadang peneliti menemukan adanya hubungan tidak langsung antara satu variabel dengan variabel lain. Terdapat satu variabel yang memperantarai keduanya. Variabel perantara inilah yang disebut mediator atau intervening. Baron dan Kenny (1986) menyebut suatu variabel disebut mediator jika variabel tersebut ikut mempengaruhi hubungan antara variabel prediktor (independen) dan kriterion (dependen).  Model mediasi memiliki hipotesis bahwa variabel independen mempengaruhi variabel mediator, yang pada gilirannya mempengaruhi variabel dependen. Mediasi sempurna (perfect mediation) terjadi ketika tidak adanya efek variabel independen ke dependen ketika variabel mediator dimasukan dalam persamaan. Namun jika efek variabel independen ke dependen menurun namun tidak sama dengan nol dengan memasukan mediator, maka terjadi mediasi parsial. 

Tulisan ini akan memberikan contoh bagaimana melakukan analisis regresi dengan variabel moderator. Variabel yang digunakan dalam penelitian ini adalah:
  • Variabel independen   : Pengetahuan tentang ASI eksklusif
  • Variabel mediator        : Sikap terhadap ASI eksklusif
  • Variabel dependen      : Perilaku memberi ASI eksklusif

Hipotesis penelitian ini adalah Sikap terhadap ASI eksklusif memediasi hubungan antara pengetahuan tentang ASI eksklusif dengan perilaku memberi ASI eksklusif. Data penelitian dapat didownload di sini

Model penelitian tanpa menggunakan model mediasi dapat dilihat pada gambar di bawah.
Gambar di atas menunjukkan pengaruh total (total effect) pengetahuan (X) terhadap perilaku (Y). Huruf c merupakan koefisien regresi dari X ke Y secara langsung.
Model penelitian dengan menggunakan model mediasi dapat dilihat pada gambar di bawah.

Gambar di atas menunjukkan pengaruh langsung (direct effect) dan tidak langsung (indirect effect) variabel X ke Y melalui sikap (M). Huruf a merupakan koefisien regresi dari X ke M. huruf b merupakan koefisien regresi variabel M ke Y dengan mengontrol X. Huruf c’ merupakan koefisien regresi X ke Y dengan mengontrol Y. Pengaruh langsung diperoleh dari koefisien c’, sedangkan pengaruh tidak langsung diperoleh dari perkalian koefiesn axb.  

Mendeteksi Peran Mediator
Langkah-langkah dalam menguji hipotesis mengacu prosedur pengujian peran mediator yang dikemukakan Baron dan Kenny (1986) adalah sebagai berikut:
  1. Membuat persamaan regresi pengetahuan (X) terhadap perilaku (Y). Analisis regresi ini akan menghasilkan koefisien c. Jalur ini diharapkan signifikan (p<0,05).
  2. Membuat persamaan regresi pengetahuan (X) terhadap sikap (M). Analisis regresi ini akan menghasilkan koefisien a. Jalur ini diharapkan signifikan (p<0,05).
  3. Membuat persamaan regresi pengetahuan (X) dan sikap (M) terhadap perilaku (Y). Analisis regresi ini akan menghasilkan dua nilai estimasi prediktor dari M dan X. Prediksi M terhadap Y kita menghasilkan koefisien b, sedangkan prediksi X terhadap Y menghasilkan koefisien c’. Jalur b diharapkan signifikan (p<0,05), sedangkan jalur c’ diharapkan tidak signifikan (p>0,05).

Secara ringkas dapat ditulis dalam tiga persamaan sebagai berikut:
Persamaan I   : Y= α­1+cX
Persamaan II  : M= α­2+ aX
Persamaan III : Y= α­3+cX+bM

Keterangan:
Y          = Perilaku memberi ASI eksklusif
M         = Sikap terhadap ASI eksklusif
X          = Pengetahuan tentang ASI eksklusif
α          = Nilai koefisien konstanta regresi
a          = Nilai koefien regresi pengetahuan terhadap sikap
b          = Nilai koefisien regresi sikap terhadap perilaku dengan mengontrol pengetahuan
c          = Nilai koefisien regresi pengetahuan terhadap perilaku
c’         = Nilai koefisien regresi pengetahuan terhadap perilaku dengan mengontrol sikap

Variabel M disebut sebagai mediator jika terpenuhi kriteria berikut:
  1. Persamaan I, X secara signifikan mempengaruhi Y (atau c ≠0)
  2. Persamaan II, X secara signifikan mempengaruhi M (atau a≠0)
  3. Persamaan III, M secara signifikan mempengaruhi Y (atau b≠0).

Jika pengaruh X ke Y menurun menjadi nol setelah memasukkan M ke persamaan regresi (atau c’ tidak signifikan), maka terjadi mediasi sempurna (perfect mediation). Namun jika efek variabel independen ke dependen menurun namun tidak sama dengan nol dengan memasukan mediator (atau c’ signifikan), maka terjadi mediasi parsial.

Mengalisis Peran Mediator di SPSS
Untuk menganalisis peran mediator di SPSS, kita harus melakukan 3 kali analisis regresi, sesuai dengan panduan langkah yang sudah disebutkan di atas.

1. Analisis regresi pengetahuan (X) terhadap perilaku (Y) -> koefisien c
Klik analyze – regression – linear. Kemudian pada kotak dependent, masukkan variabel perilaku, dan pada kota independent masukan variabel pengetahuan. Lalu klik OK. Maka berikut outputnya.
Dari output tersebut dapat kita ketahui nilai koefisien c adalah sebesar 1,400 (βc=0,367), dengan tc=4,006 dan signifikansi p<0,05. Dengan demikian X secara signifikan mempengaruhi Y (atau c ≠0) dan kriteria pertama terpenuhi.

2. Analisis regresi pengetahuan (X) terhadap sikap (M) -> koefisien a
Klik analyze – regression – linear. Kemudian pada kotak dependent, masukkan variabel sikap, dan pada kota independent masukan variabel pengetahuan. Lalu klik OK. Maka berikut outputnya.
Dari output tersebut dapat kita ketahui nilai koefisien a adalah sebesar 1,065 (βa=0,400), dengan ta=4,433 dan signifikansi p<0,05. Dengan demikian X secara signifikan mempengaruhi M (atau a≠0) dan kriteria kedua terpenuhi.

3. Analisis regresi pengetahuan (X) dan sikap (M) terhadap perilaku (Y) -> koefisien b dan c’
Klik analyze – regression – linear. Kemudian pada kotak dependent, masukkan variabel perilaku, dan pada kota independent masukan variabel sikap dan pengetahuan. Lalu klik OK. Maka berikut outputnya.
Dari output tersebut dapat kita ketahui nilai koefisien b adalah sebesar 0,696 (βb=0,485) dan nilai koefisien c’ adalah sebesar 0,659 (βc’=0,173). Nilai tb=5,499 dan signifikansi p<0,05, sedangkan nilai tc’=1,958 dan signifikansi p>0,05. Dengan demikian M secara signifikan mempengaruhi Y (atau a≠0) dan X tidak mempengaruhi Y (atau c’=0), maka kriteria ketiga terpenuhi.

Secara sederhana, hasil ketiga analisis regresi tersebut dapat digambarkan dalam diagram di bawah ini.
Dikarenakan ketiga kriteria adanya variabel mediator terpenuhi, ditambah lagi efek pengetahuan ke perilaku menjadi tidak signifikan ketika variabel sikap dimasukan ke analisis, maka terbukti bahwa sikap menjadi mediator hubungan antara pengetahuan dengan perilaku memberi ASI.

Dari gambar tersebut dapat ketahui juga efek total pengetahuan ke perilaku (jalur c) sebesar 0,367, efek langsung pengetahuan ke perilaku (jalur c’) sebesar 0,173 dan efek tidak langsung pengetahuan ke perilaku (jalur axb) sebesar 0,400 x 0,485 = 0,194. Efek total merupakan penjumlahan dari efek langsung ditambah efek tidak langsung (c = c’+ab).

Signifikansi Efek Tidak Langsung
Adanya peran mediator juga dapat dilihat dari signifikansi efek tidak langsung. Untuk melihat besarnya pengaruh tidak langsung dan menguji signifikansinya, dapat dilakukan dengan Sobel test. Perhitungan dengan Sobel test menghendaki asumsi subjek yang besar dan data terdistribusi normal (Preacher dan Hayes, 2004). Untuk melakukan kalkulasi Sobel Test kita dapat melakukannya secara online di http://quantpsy.org/sobel/sobel.htm. Untuk lebih cepat, kita bisa langsung menuju kotak kalkulator di bawah, dan memasukkan nilai t hasil perhitungan kita sebelumnya. Output dari hasil perhitungan kita adalah sebagai berikut.
Dari gambar tersebut, hasil perhitungan sobel test diperoleh nilai test statistics sebesar 3,45 dan p<0,01. Dengan demikian dapat disimpulkan sikap terhadap ASI eksklusif memediasi hubungan antara pengetahuan dan perilaku memberi ASI eksklusif. Dalam meningkatkan perilaku memberi ASI eksklusif, pengetahuan meningkatkan sikap terlebih dahulu sebelum meningkatkan perilaku memberi ASI eksklusif.

Prosedur analisis peran mediator lainnya dengan teknik bootstraping dapat dilihat di artikel berikut.

Referensi
Baron, R.M. & Kenny, D.A. 1986. The Moderator-Mediator Variable Distinction in Social Psychological Research: Conceptual, Strategic, and Statistical Considerations. Journal of personality and Social Psychology. 51 (6), 1173-1182

Preacher, K.J., dan Hayes, A.F., 2004. SPSS and SAS Procedures for Estimating Indirect Effects in Simple Mediation Models. Behavior Research Methods, Instruments, & Computers. 36(4):717-731.

Mahasiswa PhD di ELTE, Hungaria. Dosen Psikologi di UMM, Indonesia.

Share this

Related Posts

Previous
Next Post »

6 komentar

Write komentar
August 9, 2019 at 7:58 PM delete

Artikelnya sangat membantu, terima kasih

Reply
avatar
June 16, 2020 at 9:14 AM delete

datanya dimana ya? linknya dibuka kok gabisa

Reply
avatar
September 24, 2020 at 10:20 PM delete

Waahhh...saya baca pak...sederhana enak dipahami, saya UMM juga pak

Reply
avatar
November 20, 2020 at 6:46 PM delete

terima kasih penjelasannya sangat membantu.

mas ijin bertanya, pada Model saya ternyata Independen Variabel Justru Berpengaruh Negatif terhadap Variable pemediasi. dengan mengacu ke Baron Kenny tersebut apakah bisa langsung disimpulkan bahwa tidak terjadi hubunga pemediasi dalam model saya? atas jawabannya saya ucapkan terima kasih.

Reply
avatar
May 14, 2023 at 12:48 AM delete

makasih suhu...semoga semakin banyak bikin artikel yang memberi pencerahan buat mahasiswa2 yang kebingungan cari pemahaman teori seperti saya ini suhu..
trus yang model moderatingnya artikelnya ada gak suhu..?

Reply
avatar
Dalam analisis regresi, terkadang peneliti menemukan adanya hubungan tidak langsung antara satu variabel dengan variabel lain. Terdapat satu variabel yang memperantarai keduanya. Variabel perantara inilah yang disebut mediator atau intervening. Baron dan Kenny (1986) menyebut suatu variabel disebut mediator jika variabel tersebut ikut mempengaruhi hubungan antara variabel prediktor (independen) dan kriterion (dependen).  Model mediasi memiliki hipotesis bahwa variabel independen mempengaruhi variabel mediator, yang pada gilirannya mempengaruhi variabel dependen. Mediasi sempurna (perfect mediation) terjadi ketika tidak adanya efek variabel independen ke dependen ketika variabel mediator dimasukan dalam persamaan. Namun jika efek variabel independen ke dependen menurun namun tidak sama dengan nol dengan memasukan mediator, maka terjadi mediasi parsial. 

Tulisan ini akan memberikan contoh bagaimana melakukan analisis regresi dengan variabel moderator. Variabel yang digunakan dalam penelitian ini adalah:
  • Variabel independen   : Pengetahuan tentang ASI eksklusif
  • Variabel mediator        : Sikap terhadap ASI eksklusif
  • Variabel dependen      : Perilaku memberi ASI eksklusif

Hipotesis penelitian ini adalah Sikap terhadap ASI eksklusif memediasi hubungan antara pengetahuan tentang ASI eksklusif dengan perilaku memberi ASI eksklusif. Data penelitian dapat didownload di sini

Model penelitian tanpa menggunakan model mediasi dapat dilihat pada gambar di bawah.
Gambar di atas menunjukkan pengaruh total (total effect) pengetahuan (X) terhadap perilaku (Y). Huruf c merupakan koefisien regresi dari X ke Y secara langsung.
Model penelitian dengan menggunakan model mediasi dapat dilihat pada gambar di bawah.

Gambar di atas menunjukkan pengaruh langsung (direct effect) dan tidak langsung (indirect effect) variabel X ke Y melalui sikap (M). Huruf a merupakan koefisien regresi dari X ke M. huruf b merupakan koefisien regresi variabel M ke Y dengan mengontrol X. Huruf c’ merupakan koefisien regresi X ke Y dengan mengontrol Y. Pengaruh langsung diperoleh dari koefisien c’, sedangkan pengaruh tidak langsung diperoleh dari perkalian koefiesn axb.  

Mendeteksi Peran Mediator
Langkah-langkah dalam menguji hipotesis mengacu prosedur pengujian peran mediator yang dikemukakan Baron dan Kenny (1986) adalah sebagai berikut:
  1. Membuat persamaan regresi pengetahuan (X) terhadap perilaku (Y). Analisis regresi ini akan menghasilkan koefisien c. Jalur ini diharapkan signifikan (p<0,05).
  2. Membuat persamaan regresi pengetahuan (X) terhadap sikap (M). Analisis regresi ini akan menghasilkan koefisien a. Jalur ini diharapkan signifikan (p<0,05).
  3. Membuat persamaan regresi pengetahuan (X) dan sikap (M) terhadap perilaku (Y). Analisis regresi ini akan menghasilkan dua nilai estimasi prediktor dari M dan X. Prediksi M terhadap Y kita menghasilkan koefisien b, sedangkan prediksi X terhadap Y menghasilkan koefisien c’. Jalur b diharapkan signifikan (p<0,05), sedangkan jalur c’ diharapkan tidak signifikan (p>0,05).

Secara ringkas dapat ditulis dalam tiga persamaan sebagai berikut:
Persamaan I   : Y= α­1+cX
Persamaan II  : M= α­2+ aX
Persamaan III : Y= α­3+cX+bM

Keterangan:
Y          = Perilaku memberi ASI eksklusif
M         = Sikap terhadap ASI eksklusif
X          = Pengetahuan tentang ASI eksklusif
α          = Nilai koefisien konstanta regresi
a          = Nilai koefien regresi pengetahuan terhadap sikap
b          = Nilai koefisien regresi sikap terhadap perilaku dengan mengontrol pengetahuan
c          = Nilai koefisien regresi pengetahuan terhadap perilaku
c’         = Nilai koefisien regresi pengetahuan terhadap perilaku dengan mengontrol sikap

Variabel M disebut sebagai mediator jika terpenuhi kriteria berikut:
  1. Persamaan I, X secara signifikan mempengaruhi Y (atau c ≠0)
  2. Persamaan II, X secara signifikan mempengaruhi M (atau a≠0)
  3. Persamaan III, M secara signifikan mempengaruhi Y (atau b≠0).

Jika pengaruh X ke Y menurun menjadi nol setelah memasukkan M ke persamaan regresi (atau c’ tidak signifikan), maka terjadi mediasi sempurna (perfect mediation). Namun jika efek variabel independen ke dependen menurun namun tidak sama dengan nol dengan memasukan mediator (atau c’ signifikan), maka terjadi mediasi parsial.

Mengalisis Peran Mediator di SPSS
Untuk menganalisis peran mediator di SPSS, kita harus melakukan 3 kali analisis regresi, sesuai dengan panduan langkah yang sudah disebutkan di atas.

1. Analisis regresi pengetahuan (X) terhadap perilaku (Y) -> koefisien c
Klik analyze – regression – linear. Kemudian pada kotak dependent, masukkan variabel perilaku, dan pada kota independent masukan variabel pengetahuan. Lalu klik OK. Maka berikut outputnya.
Dari output tersebut dapat kita ketahui nilai koefisien c adalah sebesar 1,400 (βc=0,367), dengan tc=4,006 dan signifikansi p<0,05. Dengan demikian X secara signifikan mempengaruhi Y (atau c ≠0) dan kriteria pertama terpenuhi.

2. Analisis regresi pengetahuan (X) terhadap sikap (M) -> koefisien a
Klik analyze – regression – linear. Kemudian pada kotak dependent, masukkan variabel sikap, dan pada kota independent masukan variabel pengetahuan. Lalu klik OK. Maka berikut outputnya.
Dari output tersebut dapat kita ketahui nilai koefisien a adalah sebesar 1,065 (βa=0,400), dengan ta=4,433 dan signifikansi p<0,05. Dengan demikian X secara signifikan mempengaruhi M (atau a≠0) dan kriteria kedua terpenuhi.

3. Analisis regresi pengetahuan (X) dan sikap (M) terhadap perilaku (Y) -> koefisien b dan c’
Klik analyze – regression – linear. Kemudian pada kotak dependent, masukkan variabel perilaku, dan pada kota independent masukan variabel sikap dan pengetahuan. Lalu klik OK. Maka berikut outputnya.
Dari output tersebut dapat kita ketahui nilai koefisien b adalah sebesar 0,696 (βb=0,485) dan nilai koefisien c’ adalah sebesar 0,659 (βc’=0,173). Nilai tb=5,499 dan signifikansi p<0,05, sedangkan nilai tc’=1,958 dan signifikansi p>0,05. Dengan demikian M secara signifikan mempengaruhi Y (atau a≠0) dan X tidak mempengaruhi Y (atau c’=0), maka kriteria ketiga terpenuhi.

Secara sederhana, hasil ketiga analisis regresi tersebut dapat digambarkan dalam diagram di bawah ini.
Dikarenakan ketiga kriteria adanya variabel mediator terpenuhi, ditambah lagi efek pengetahuan ke perilaku menjadi tidak signifikan ketika variabel sikap dimasukan ke analisis, maka terbukti bahwa sikap menjadi mediator hubungan antara pengetahuan dengan perilaku memberi ASI.

Dari gambar tersebut dapat ketahui juga efek total pengetahuan ke perilaku (jalur c) sebesar 0,367, efek langsung pengetahuan ke perilaku (jalur c’) sebesar 0,173 dan efek tidak langsung pengetahuan ke perilaku (jalur axb) sebesar 0,400 x 0,485 = 0,194. Efek total merupakan penjumlahan dari efek langsung ditambah efek tidak langsung (c = c’+ab).

Signifikansi Efek Tidak Langsung
Adanya peran mediator juga dapat dilihat dari signifikansi efek tidak langsung. Untuk melihat besarnya pengaruh tidak langsung dan menguji signifikansinya, dapat dilakukan dengan Sobel test. Perhitungan dengan Sobel test menghendaki asumsi subjek yang besar dan data terdistribusi normal (Preacher dan Hayes, 2004). Untuk melakukan kalkulasi Sobel Test kita dapat melakukannya secara online di http://quantpsy.org/sobel/sobel.htm. Untuk lebih cepat, kita bisa langsung menuju kotak kalkulator di bawah, dan memasukkan nilai t hasil perhitungan kita sebelumnya. Output dari hasil perhitungan kita adalah sebagai berikut.
Dari gambar tersebut, hasil perhitungan sobel test diperoleh nilai test statistics sebesar 3,45 dan p<0,01. Dengan demikian dapat disimpulkan sikap terhadap ASI eksklusif memediasi hubungan antara pengetahuan dan perilaku memberi ASI eksklusif. Dalam meningkatkan perilaku memberi ASI eksklusif, pengetahuan meningkatkan sikap terlebih dahulu sebelum meningkatkan perilaku memberi ASI eksklusif.

Prosedur analisis peran mediator lainnya dengan teknik bootstraping dapat dilihat di artikel berikut.

Referensi
Baron, R.M. & Kenny, D.A. 1986. The Moderator-Mediator Variable Distinction in Social Psychological Research: Conceptual, Strategic, and Statistical Considerations. Journal of personality and Social Psychology. 51 (6), 1173-1182

Preacher, K.J., dan Hayes, A.F., 2004. SPSS and SAS Procedures for Estimating Indirect Effects in Simple Mediation Models. Behavior Research Methods, Instruments, & Computers. 36(4):717-731.

6 comments

  1. Artikelnya sangat membantu, terima kasih

    ReplyDelete
  2. datanya dimana ya? linknya dibuka kok gabisa

    ReplyDelete
  3. Waahhh...saya baca pak...sederhana enak dipahami, saya UMM juga pak

    ReplyDelete
  4. terima kasih penjelasannya sangat membantu.

    mas ijin bertanya, pada Model saya ternyata Independen Variabel Justru Berpengaruh Negatif terhadap Variable pemediasi. dengan mengacu ke Baron Kenny tersebut apakah bisa langsung disimpulkan bahwa tidak terjadi hubunga pemediasi dalam model saya? atas jawabannya saya ucapkan terima kasih.

    ReplyDelete
  5. makasih suhu...semoga semakin banyak bikin artikel yang memberi pencerahan buat mahasiswa2 yang kebingungan cari pemahaman teori seperti saya ini suhu..
    trus yang model moderatingnya artikelnya ada gak suhu..?

    ReplyDelete

Artikel Lainnya