Analisis Variabel Mediator melalui PROCESS di SPSS

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.

Pada tulisan sebelumnya, saya menyajikan cara analisis regresi dengan variabel mediator dengan model efek kausal berdasarkan panduan dari Baron dan Kenny (1986) dan dengan sobel test. Sayangnya prosedur pengujian efek mediasi berdasarkan efek kausal yang dijelaskan Baron dan Kenny sudah outdated dan mendapat banyak kritik. Baron dan Kenny menjelaskan beberapa langkah harus dipenuhi untuk menentukan adanya efek mediasi, namun Baron dan Kenny sendiri tidak menyediakan cara untuk mengetes apakah efek tidak langsung (ab) itu benar terjadi. Baron dan Kenny kemudian menyarankan untuk menggunakan sobel test untuk menghitung efek tidak langsung ini, meskipun kemudian penggunan sobel test ini juga banyak dikritik karena terlalu bergantung pada distribusi yang normal. Selain itu pelabelan Baron dan Kenny terhadap jenis mediasi sempurna dan parsial juga dirasa tidak berguna.

Hayes (2013) merekomendasikan penggunaan metode bootstrapping Hayes (2013) merekomendasikan penggunaan metode bootstrapping untuk menghitung efek tidak langsung (tersedia dalam PROSES) yang tidak mengalami keterbatasan yang dialami sobel test dan model efek kausal. PROCESS memungkinkan seseorang menghasilkan output untuk efek tidak langsung (a*b), termasuk interval kepercayaan dan effet size. Tulisan ini akan menyajikan alternatif cara menganalisis variabel mediator melalui macro yang dibuat oleh Andrew F. Hayes yang dapat diinstal di SPSS, yang disebut PROCESS. Keunggulan dari PROCESS ini adalah, kita hanya perlu melakukan satu kali analisis untuk melihat efek mediasi. Selain itu, PROCESS juga bisa digunakan untuk membuat model yang lebih kompleks dengan variabel mediator lebih dari satu.

PROCESS dapat didownload secara gratis di link berikut http://www.processmacro.org/download.html. Versi terbaru dari PROCESS yakni v3.0. Jika sudah didownload, buka SPSS dan buka folder yang sudah didownload tadi. Masuk ke folder PROCESS v3.0 for SPSS, lalu doble klik pada file process.spd untuk menginstal PROCESS ke SPSS. Jika cara ini tidak berhasil, maka kita bisa menginstal manual di SPSS dengan klik menu utilities – custom dialogs – install custom dialog. Lalu pilih file process.spd di komputer anda. Jika PROCESS sudah berhasil terinstall, maka akan muncul menu baru pada analyze – resgression – PROCESS v3.0 seperti tampak pada gambar di bawah.


Contoh penelitian
Tulisan ini akan memberikan contoh penelitian yang sama dengan tulisan sebelumnya yang menggunakan analisis regresi berdasarkan panduan Baron dan Kenny (1986) untuk melakukan analisis regresi dengan variabel mediator. Variabel yang digunakan dalam penelitian ini adalah:
·         Variabel independen (X)   : Pengetahuan tentang ASI eksklusif
·         Variabel mediator (M)       : Sikap terhadap ASI eksklusif
·         Variabel dependen (Y)     : 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.

Bagan pertama menunjukkan pengaruh total (total effect) pengetahuan (X) terhadap perilaku (Y). Bagan kedua 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 koefisien a*b.  

Analisis data
Untuk melakukan uji peran mediator ikuti langkah-langkah berikut.
1.    Masuk ke menu analyze – regression – PROCESS v3.0. 
2.  Masukkan variabel perilaku ke variabel Y, pengetahuan ke variabel X, dan sikap ke variabel mediator(s) (M).
3.   Pada bagian model number, jangan lupa pilih model 4 untuk analisis mediator sederhana dengan 1 variabel mediator.
4.    Klik options, lalu centang show total effect, pairwaise contras of indirect effect, dan effect size.
5.    Klik continue, dan OK
Catatan: model number ini berbeda untuk tiap model yang berbeda, misalnya untuk model mediator sederhana adalah model 4. Template untuk melihat kesesuaian model di PROCESS dengan model yang kita hipotesiskan dapat dilihat di file berikut.

Output analisis
Output analisis PROCESS dapat dilihat pada gambar di bawah.
·      Jalur a merupakan pengaruh X ke M. Dari output di atas, koefisien jalur a sebesar 1,06 dan signifikan pada taraf p<0,05.
·     Jalur c’ merupakan pengaruh X ke Y atau efek langsung dari X ke Y. Koefisien jalur c sebesar 0,65 dan tidak signifikan pada taraf p<0,05.
·         Jalur b merupakan efek M ke Y. Koefisien jalur b sebesar 0,69 dan signifikan pada taraf p<0,05.
·     Jalur a*b merupakan efek tidak langsung X ke Y. Dari output di atas dapat kita hitung efek tidak langsung adalah 0,74.
·      Jalur c merupakan efek total X ke Y. Efek total dapat dihitung juga dengan menjumlahkan efek langsung ditambah efek tidak langsung, atau penjumlahan jalur a + jalur (a*b). Besar koefisien efek total adalah 1,40 dan signifikan pada taraf p<0,05.
·       Karena jalur a dan jalur b signifikan, maka jika mengacu pada panduan Baron dan Kenny (1986), dapat ditarik kesimpulan ada peran mediasi.

PROCESS dapat digunakan untuk menarik kesimpulan adanya peran mediasi tidak hanya dengan kondisi-kondisi seperti yang sudah disampaikan Baron dan Kenny, namun juga melihat interval kepercayaan berdasarkan hasil bootstrap pada 5000 sampel.

Untuk melihat apakah ada efek mediasi atau tidak, kita bisa melihat pada output di bagian indirect effect of X on Y. Disitu tertulis koefisien tidak langsung sebesar 0,741 (sama seperti kita mengkalikan jalur a*b). Interval kepercayaan (Confidence Interval / CI) dari hasil bootstrap tertulis BootLLCI (lower level for CI) = 0,33 dan BootULCI (upper level for CI) = 1,32. Pada dasarnya kita bertanya apakah mungkin (dengan keyakinan 95%) bahwa efek tidak langsung yang sesungguhnya adalah menjadi nol (yang berarti tidak ada mediasi). Jika rentang BootLLCI dan BootULCI itu tidak mencakup nilai nol (0), maka dapat disimpulkan estimasi signifikan dan terjadi efek mediasi. Effect size dapat dilihat dari koefisien terstandar efek tidak langsung X ke Y yakni sebesar 0,194.

Dari hasil analisis di atas, nilai efek tidak langsung tidak terstandar bootstrap  sebesar 0,74, dan interval kepercayaan (CI) 95% berkisar antara 0,33 sampai 1,32. Karena nol tidak termasuk dalam rentang interval kepercayaan 95%, maka dapat ditarik kesimpulan bahwa terdapat efek tidak langsung yang signifikan pengetahuan terhadap perilaku melalui sikap.

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

Hayes, A. F. (2013). Introduction to mediation, moderation, and conditional process analysis. New York, NY: Guilford.


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

Share this

Related Posts

Previous
Next Post »

12 komentar

Write komentar
January 2, 2019 at 9:46 AM delete

Salam, artikelnya menjelaskan dengan baik sekali dan sangat aktual.

Saya ingin sedikit memberi koreksi, pada paragraf 7 sepertinya ada typo pada kalimat berikut:

Huruf c’ merupakan koefisien regresi X ke Y dengan mengontrol Y. Pengaruh langsung diperoleh dari koefisien c’


Kalimat pertama, mungkin maksudnya dengan mengontrol M.

Kalimat kedua, mungkin maksudnya c (baca: c saja) dan bukannya c' (baca: c aksen).

Demikian, mohon maaf dan semoga berkenan ya. Salam sukses berkah selalu...

Reply
avatar
January 23, 2019 at 10:11 PM delete

sudah saya lakukan, tp knp tidak keluar output?

Reply
avatar
January 24, 2019 at 1:33 AM delete

Bro..kalau variabel bebas nya 2, mediasi 1, variabel terikat 1. itu model nomor berapa ya ?mohon bantuan

Reply
avatar
August 4, 2019 at 1:23 AM delete

ketika saya gunakan langkah di atas kenapa tak bisa terinstal ya mas. mohon pencerahannya mas untuk kebutuhan tesis saya. terima kasih

Reply
avatar
August 8, 2019 at 5:35 PM delete

Pagi, sebelumnya terimakasih banyak atas pencerahannya,
Apakah mediation variable bisa dalam bentuk dummy atau tidak ya, dan sekiranya bisa dihandle oleh model nomor brp pada PROCESS v3.3 (Saya menggunakan process 3.3 yang terbaru)

Reply
avatar
September 12, 2019 at 7:47 PM delete

Gmna klau datanya menggunakan data panel??

Reply
avatar
Anonymous
November 30, 2019 at 6:22 PM delete

terima kasih artikel ini sangat membantu,semoga ilmunya semakin berkah amiin

Reply
avatar
December 22, 2019 at 12:31 AM delete

hallo kakk, mau nanya. kalo pake bootstrapping ini jenis datanya ordinal aja yg dipakai atau harus di ubah ke interval pake msi gtt?

Reply
avatar
September 13, 2020 at 11:40 PM delete

kak boleh minta ngak template setiap modelnya

Reply
avatar
October 20, 2020 at 12:46 AM delete

Assalamualaikum Mas Hanif, mas setelah download PROCESS dari link yang njenengan share lalu diunduh PROCESS nya, dan klik mcmed.sps (SPSS Statistics Syntax File) selanjutnya apa lagi tahapnya mas untuk bisa masuk ke menu spss regresi?

Reply
avatar
November 23, 2020 at 6:53 PM delete

untuk template model tidak bisa dibuka mas hanif, bagaimana caranya?

Reply
avatar
Anonymous
November 28, 2021 at 11:29 AM delete

halo mau nanya, kalau sebaran data tidak normal apa bisa dilanjutkan dengan uji sobel? terima kasih

Reply
avatar
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.

Pada tulisan sebelumnya, saya menyajikan cara analisis regresi dengan variabel mediator dengan model efek kausal berdasarkan panduan dari Baron dan Kenny (1986) dan dengan sobel test. Sayangnya prosedur pengujian efek mediasi berdasarkan efek kausal yang dijelaskan Baron dan Kenny sudah outdated dan mendapat banyak kritik. Baron dan Kenny menjelaskan beberapa langkah harus dipenuhi untuk menentukan adanya efek mediasi, namun Baron dan Kenny sendiri tidak menyediakan cara untuk mengetes apakah efek tidak langsung (ab) itu benar terjadi. Baron dan Kenny kemudian menyarankan untuk menggunakan sobel test untuk menghitung efek tidak langsung ini, meskipun kemudian penggunan sobel test ini juga banyak dikritik karena terlalu bergantung pada distribusi yang normal. Selain itu pelabelan Baron dan Kenny terhadap jenis mediasi sempurna dan parsial juga dirasa tidak berguna.

Hayes (2013) merekomendasikan penggunaan metode bootstrapping Hayes (2013) merekomendasikan penggunaan metode bootstrapping untuk menghitung efek tidak langsung (tersedia dalam PROSES) yang tidak mengalami keterbatasan yang dialami sobel test dan model efek kausal. PROCESS memungkinkan seseorang menghasilkan output untuk efek tidak langsung (a*b), termasuk interval kepercayaan dan effet size. Tulisan ini akan menyajikan alternatif cara menganalisis variabel mediator melalui macro yang dibuat oleh Andrew F. Hayes yang dapat diinstal di SPSS, yang disebut PROCESS. Keunggulan dari PROCESS ini adalah, kita hanya perlu melakukan satu kali analisis untuk melihat efek mediasi. Selain itu, PROCESS juga bisa digunakan untuk membuat model yang lebih kompleks dengan variabel mediator lebih dari satu.

PROCESS dapat didownload secara gratis di link berikut http://www.processmacro.org/download.html. Versi terbaru dari PROCESS yakni v3.0. Jika sudah didownload, buka SPSS dan buka folder yang sudah didownload tadi. Masuk ke folder PROCESS v3.0 for SPSS, lalu doble klik pada file process.spd untuk menginstal PROCESS ke SPSS. Jika cara ini tidak berhasil, maka kita bisa menginstal manual di SPSS dengan klik menu utilities – custom dialogs – install custom dialog. Lalu pilih file process.spd di komputer anda. Jika PROCESS sudah berhasil terinstall, maka akan muncul menu baru pada analyze – resgression – PROCESS v3.0 seperti tampak pada gambar di bawah.


Contoh penelitian
Tulisan ini akan memberikan contoh penelitian yang sama dengan tulisan sebelumnya yang menggunakan analisis regresi berdasarkan panduan Baron dan Kenny (1986) untuk melakukan analisis regresi dengan variabel mediator. Variabel yang digunakan dalam penelitian ini adalah:
·         Variabel independen (X)   : Pengetahuan tentang ASI eksklusif
·         Variabel mediator (M)       : Sikap terhadap ASI eksklusif
·         Variabel dependen (Y)     : 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.

Bagan pertama menunjukkan pengaruh total (total effect) pengetahuan (X) terhadap perilaku (Y). Bagan kedua 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 koefisien a*b.  

Analisis data
Untuk melakukan uji peran mediator ikuti langkah-langkah berikut.
1.    Masuk ke menu analyze – regression – PROCESS v3.0. 
2.  Masukkan variabel perilaku ke variabel Y, pengetahuan ke variabel X, dan sikap ke variabel mediator(s) (M).
3.   Pada bagian model number, jangan lupa pilih model 4 untuk analisis mediator sederhana dengan 1 variabel mediator.
4.    Klik options, lalu centang show total effect, pairwaise contras of indirect effect, dan effect size.
5.    Klik continue, dan OK
Catatan: model number ini berbeda untuk tiap model yang berbeda, misalnya untuk model mediator sederhana adalah model 4. Template untuk melihat kesesuaian model di PROCESS dengan model yang kita hipotesiskan dapat dilihat di file berikut.

Output analisis
Output analisis PROCESS dapat dilihat pada gambar di bawah.
·      Jalur a merupakan pengaruh X ke M. Dari output di atas, koefisien jalur a sebesar 1,06 dan signifikan pada taraf p<0,05.
·     Jalur c’ merupakan pengaruh X ke Y atau efek langsung dari X ke Y. Koefisien jalur c sebesar 0,65 dan tidak signifikan pada taraf p<0,05.
·         Jalur b merupakan efek M ke Y. Koefisien jalur b sebesar 0,69 dan signifikan pada taraf p<0,05.
·     Jalur a*b merupakan efek tidak langsung X ke Y. Dari output di atas dapat kita hitung efek tidak langsung adalah 0,74.
·      Jalur c merupakan efek total X ke Y. Efek total dapat dihitung juga dengan menjumlahkan efek langsung ditambah efek tidak langsung, atau penjumlahan jalur a + jalur (a*b). Besar koefisien efek total adalah 1,40 dan signifikan pada taraf p<0,05.
·       Karena jalur a dan jalur b signifikan, maka jika mengacu pada panduan Baron dan Kenny (1986), dapat ditarik kesimpulan ada peran mediasi.

PROCESS dapat digunakan untuk menarik kesimpulan adanya peran mediasi tidak hanya dengan kondisi-kondisi seperti yang sudah disampaikan Baron dan Kenny, namun juga melihat interval kepercayaan berdasarkan hasil bootstrap pada 5000 sampel.

Untuk melihat apakah ada efek mediasi atau tidak, kita bisa melihat pada output di bagian indirect effect of X on Y. Disitu tertulis koefisien tidak langsung sebesar 0,741 (sama seperti kita mengkalikan jalur a*b). Interval kepercayaan (Confidence Interval / CI) dari hasil bootstrap tertulis BootLLCI (lower level for CI) = 0,33 dan BootULCI (upper level for CI) = 1,32. Pada dasarnya kita bertanya apakah mungkin (dengan keyakinan 95%) bahwa efek tidak langsung yang sesungguhnya adalah menjadi nol (yang berarti tidak ada mediasi). Jika rentang BootLLCI dan BootULCI itu tidak mencakup nilai nol (0), maka dapat disimpulkan estimasi signifikan dan terjadi efek mediasi. Effect size dapat dilihat dari koefisien terstandar efek tidak langsung X ke Y yakni sebesar 0,194.

Dari hasil analisis di atas, nilai efek tidak langsung tidak terstandar bootstrap  sebesar 0,74, dan interval kepercayaan (CI) 95% berkisar antara 0,33 sampai 1,32. Karena nol tidak termasuk dalam rentang interval kepercayaan 95%, maka dapat ditarik kesimpulan bahwa terdapat efek tidak langsung yang signifikan pengetahuan terhadap perilaku melalui sikap.

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

Hayes, A. F. (2013). Introduction to mediation, moderation, and conditional process analysis. New York, NY: Guilford.


12 comments

  1. Salam, artikelnya menjelaskan dengan baik sekali dan sangat aktual.

    Saya ingin sedikit memberi koreksi, pada paragraf 7 sepertinya ada typo pada kalimat berikut:

    Huruf c’ merupakan koefisien regresi X ke Y dengan mengontrol Y. Pengaruh langsung diperoleh dari koefisien c’


    Kalimat pertama, mungkin maksudnya dengan mengontrol M.

    Kalimat kedua, mungkin maksudnya c (baca: c saja) dan bukannya c' (baca: c aksen).

    Demikian, mohon maaf dan semoga berkenan ya. Salam sukses berkah selalu...

    ReplyDelete
  2. sudah saya lakukan, tp knp tidak keluar output?

    ReplyDelete
  3. Bro..kalau variabel bebas nya 2, mediasi 1, variabel terikat 1. itu model nomor berapa ya ?mohon bantuan

    ReplyDelete
  4. ketika saya gunakan langkah di atas kenapa tak bisa terinstal ya mas. mohon pencerahannya mas untuk kebutuhan tesis saya. terima kasih

    ReplyDelete
  5. Pagi, sebelumnya terimakasih banyak atas pencerahannya,
    Apakah mediation variable bisa dalam bentuk dummy atau tidak ya, dan sekiranya bisa dihandle oleh model nomor brp pada PROCESS v3.3 (Saya menggunakan process 3.3 yang terbaru)

    ReplyDelete
  6. Gmna klau datanya menggunakan data panel??

    ReplyDelete
  7. terima kasih artikel ini sangat membantu,semoga ilmunya semakin berkah amiin

    ReplyDelete
  8. hallo kakk, mau nanya. kalo pake bootstrapping ini jenis datanya ordinal aja yg dipakai atau harus di ubah ke interval pake msi gtt?

    ReplyDelete
  9. kak boleh minta ngak template setiap modelnya

    ReplyDelete
  10. Assalamualaikum Mas Hanif, mas setelah download PROCESS dari link yang njenengan share lalu diunduh PROCESS nya, dan klik mcmed.sps (SPSS Statistics Syntax File) selanjutnya apa lagi tahapnya mas untuk bisa masuk ke menu spss regresi?

    ReplyDelete
  11. untuk template model tidak bisa dibuka mas hanif, bagaimana caranya?

    ReplyDelete
  12. halo mau nanya, kalau sebaran data tidak normal apa bisa dilanjutkan dengan uji sobel? terima kasih

    ReplyDelete

Artikel Lainnya