Kritik Terhadap Metode Causal Steps Baron dan Kenny untuk Analisis Peran Mediasi

Secara umum, prosedur untuk analisis adanya efek mediasi suatu hubungan ditentukan dengan tiga cara, yakni dengan causal steps dari Baron dan Kenny (1986), dengan Sobel Test, dan dengan Bootstraping. Diantara ketiga itu, prosedur analisis mediator yang paling umum digunakan mahasiswa baik untuk level skripsi maupun tesis adalah prosedur estimasi yang didasarkan pada panduan Baron dan Kenny (1986), atau yang sering dikenal dengan sebutan Causal steps. Hal ini wajar, karena memang Baron dan Kenny adalah pionir yang pertama kali mencetuskan teknik untuk melihat adanya peran variabel mediator. Jurnal dari Baron dan Kenny sudah disitasi oleh ribuan peneliti dunia.

Meskipun demikian, tren terkini justru banyak yang mengkritik prosedur causal steps Baron dan Kenny, bahkan beberapa jurnal sudah tidak menerima lagi teknik analisis ini dimuat dalam artikel mereka. Tulisan ini akan merangkum beberapa kritik yang disampaikan peneliti dunia terhadap prosedur causal steps Baron dan Kenny, serta alternatif solusi yang digunakan untuk analisis variabel 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 jalur c yang diharapkan signifikan atau yang disebut efek total (total effect).

2. Membuat persamaan regresi pengetahuan (X) terhadap sikap (M). Analisis regresi ini akan menghasilkan jalur a yang diharapkan signifikan.

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 jalur b, sedangkan prediksi X terhadap Y menghasilkan jalur c’. Jalur b diharapkan signifikan, sedangkan jalur c’ diharapkan tidak signifikan agar terjadi mediasi sempurna, atau jalur c’ signifikan tapi menurun effect sizenya untuk agar terjadi mediasi parsial. Jalur a*b ini disebut efek tidak langsung (indirect effect), sedangkan jalur c’ disebut efek langsung (direct effect).

Jika salah satu dari keempat jalur tersebut tidak sesuai dengan kriteria, maka peneliti tidak dapat menyebut adanya efek mediasi. Beberapa kritik kemudian muncul atas prosedur ini.

Pertama, perlu dicatat bahwa metode Baron dan Kenny tidak memberikan cara menguji bahwa efek tidak langsung (jalur a*b) telah terjadi. Baron dan Kenny hanya menyebutkan langkah-langkah kausal (yang sudah diuraikan sebelumnya), yang harus dipenuhi untuk memungkinkan mediasi terjadi. Baron dan Kenny justru merekomendasikan peneliti untuk menggunakan teknik analisis Sobel Test untuk menguji efek tidak langsung ini. Meskipun demikian, langkah ini sebenarnya bukan bagian dari causal steps Baron dan Kenny, dan hal ini sering diabaikan oleh para peneliti. Tren terkini juga banyak yang mengkritik penggunaan Sobel Test karena sangat tergantung pada distrubusi sampel yang normal.

Kedua, beberapa langkah yang dilakukan dalam causal steps Baron dan Kenny juga dirasa tidak penting dan kurang logis, karena dalam analisis peran mediator yang paling utama sebenarnya adalah ada atau tidaknya efek tidak langsung (indirect effect). Baron dan Kenny menetapkan bahwa X harus berperan signifikan terhadap Y dengan tidak adanya M (total effect), karena akan ada efek untuk memediasi. Meskipun hal nampak ini logis, namun tidak demikian. Misal: peneliti meregresikan X ke Y pada suatu kelompok sampel (misal laki-laki dan perempuan). Jika kedua kelompok sampel tersebut memiliki magnitude hubungan yang sama besar namun dengan arah yang berlawanan, maka ketika kedua kelompok tersebut dijadikan satu akan menjadikan hubungan X dan Y menjadi tidak signifikan. Dengan demikian jika mengacu pada kriteria Baron dan Kenny tidak ada efek mediasi. Padahal mediasi bisa terjadi meskipun tidak terdapat total effect X terhadap Y. Pada kasus yang lain, Baron dan Kenny menetapkan bahwa M harus berperan signifikan terhadap Y. Padahal, jika hubungan X dan Y sangat kuat dapat menyebabkan standar eror yang besar pada M, yang kemudian dapat menyebabkan perannya terhadap Y menjadi negatif.

Kritik yang paling utama adalah terkait pemisahan jenis mediasi dari Baron dan Kenny menjadi mediasi sempurna dan mediasi parsial. Isitilah mediasi sempurna menunjukkan bahwa dia telah mampu memperantarai keseluruhan total effect hubungan antara X dan Y. Namun pada kenyataannya, sering dijumpai banyak mediator sempurna dari suatu hubungan X dan Y. Lebih lanjut, dalam kasus dimana sebenarnya ada mediasi parsial, temuan mediasi sempurna mungkin hanyalah cerminan ketidakmampuan untuk mendeteksi efek langsung melalui kurangnya kekuatan statistik. Hasil ini sering dianggap benar, padahal jika sampel ditambah ada kemungkinan sebanarnya ada efek langsung, yang ini berarti terjadi mediasi parsial. Dalam hal ditemukan mediasi parsial juga sebenarnya agak tidak masuk akal. Semua variabel psikologis pada dasarnya dimediasi oleh sesuatu, sehingga terjadinya efek langsung yang signifikan hanyalah refleksi dari mispesifikasi model.

Lalu bagaimana alternatif solusi untuk analisis peran mediasi. Beberapa peneliti sudah berpindah ke teknik bootstraping untuk analisis peran mediasi. Selain bisa menguji efek tidak langsung, bootstraping juga lebih tahan atas ketidaknormalan data, seperti yang menjadi kelemahan Sobel Test. Teknik ini lebih diterima secara ilmiah, beberapa jurnal lebih menerima prosedur menggunakan bootstraping dibandingkan causal steps yang dirasa sudah outdated. Teknik analisis dengan bootsraping sendiri bisa dilakukan di SPSS dengan mengunduh plug PROCESS Hayes untuk SPSS yang memungkinkan seseorang untuk menghasilkan output untuk efek tidak langsung, termasuk interval kepercayaan dan effect sizenya. Tulisan sebelumnya tentang prosedur analisis mediator dengan causal steps dapat dilihat di sini, sementara tulisan tentang prosedur analsis mediator dengan bootstraping melalui PROCESS di SPSS dapat dilihat di sini.

Bahan bacaan:

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

Field, A. (2013). Discovering statistics using IBM SPSS statistics. Sage.

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

Zhao, X., Lynch, J.G., & Chen, Q. (2010). Reconsidering Baron and Kenny: Myths and Truths about Mediation Analysis. Journal of Consumer Research. 37(2), 197-206

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.

Skala Versi Pendek untuk Mengukur Kepribadian Big Five dalam Bahasa Indonesia

Sumber gambar: https://www.verywellmind.com

Tren penelitan terkini menunjukkan pertanyaan penelitian yang menjadi lebih kompleks serta melibatkan lebih banyak variabel. Hal ini didukung dengan teknik statistik yang lebih canggih, seperti dengan Model Persamaan Struktural (SEM).

Validasi Instrumen Penelitian dengan Analisis Faktor Eksploratori (EFA) Menggunakan SPSS

Pada tulisan sebelumnya telah dijelaskan bahwa analisis faktor eksloratori dapat berguna dalam pengembangan awal instrumen penelitian maupun untuk uji validitas instrumen yang sudah jadi. Tulisan kali ini akan memberikan contoh penggunaan analisis faktor eksploratori untuk menguji validitas skala yang sudah jadi.

Pengembangan Awal Instrumen Penelitian dengan Analisis Faktor Eksploratori (EFA): Analisis Menggunakan SPSS

Analisis Faktor merupakan salah satu teknik statistik yang digunakan untuk melihat sekelompok variabel berdasarkan kemiripannya. Kemiripan dalam hal ini adalah korelasi yang tinggi antar variabel tersebut. Oleh karena itu asumsi mendasar dalam analisis faktor adalah bahwa variabel-variabel yang dianalisis harus saling berhubungan.

Analisis Regresi dengan Variabel Dummy di SPSS

Kata “dummy” kalau diterjemahkan secara harfiah artinya “buatan”. Jadi yang dimaksud dengan variabel dummy adalah variabel yang nilainya sebenarnya adalah buatan, karena nilai variabel tersebut sebenarnya bukanlah skala. Atau secara mudahnya, variabel dummy adalah variabel independen yang wujudnya berskala non-metrik atau kategori. Jika variabel independen berukuran kategori atau dikotomi, maka dalam model regresi kita harus nyatakan sebagai variabel dummy dengan memberi kode 0 atau 1. Setiap variabel dummy menyatakan satu kategori variabel, dan setiap variabel dengan k kategori dapat dinyatakan dalam k-1 variabel dummy.

Analisis Jalur dengan Program AMOS

Analisis Jalur (path analysis) merupakan teknik analisis perluasan dari model regresi, yang digunakan untuk menguji ketergantungan sejumlah variabel dalam suatu model (model kausal). Model ini pada umumnya digambarkan dalam suatu gambar lingkaran dan arah panah yang menunjukkan hubungan antara variabel independen, variabel mediator, dan variabel dependen. Model analisis jalur ini cocok untuk menguji hipotesis penelitian yang menunjukkan hubungan langsung dan tidak langsung. Model kausal yang dirumuskan oleh peneliti ini haruslah berbasiskan pertimbangan teoritis yang kuat.

Skoring Item Unfavorable di Excel

Item unfoavorable merupakan item yang pernyataannya tidak mendukung variabel yang diukur. Misalkan, dalam skala kepercayaan diri, item yang berbunyi “saya tidak takut tampil di depan umum”, merupakan item favorable, karena pernyataan tersebut mendukung kepercayaan diri. Sedangkan item yang berbunyi “saya malu tampil di depan umum” merupakan item unvaforable, karena pernyataan tersebut tidak mendukung kepercayaan diri. Jadi penjelasan item unfavorable sebagai item negatif agaknya cukup ambigu. Jika dikatakan negatif terhadap variabel yang diukur, benar memang demikian. Namun jika dikatakan item unfavorable memiliki kalimat negatif atau bernada negatif, tentu penjelasan ini kurang tepat. Pada kenyataannya, pada skala depresi item yang bernada negatif justru merupakan item favorable yang mengukur depresi.

Berkenalan dengan JASP: Software Analisis Statistik Gratis Tanpa Perlu Coding

Jika berbicara mengenai software analisis open-source alias gratisan, tentu kita akan mengatakan R. Namun sayangnya, pengguna R sering menyerah duluan karena harus berurusan dengan coding yang rumit, sehingga banyak yang beralih kembali lagi ke SPSS yang berbayar. Sekarang kemudahan SPSS dalam analisis ini dapat dirasakan dalam satu software gratisan bernama JASP. Pengembangan JASP didanai oleh beberapa universitas dan hibah riset dari beberapa institusi di Uni Eropa, seperti European Research Council dan University of Amsterdam. JASP sendiri sampai saat ini masih terus berkembang dengan berbagai fitur baru.

Analisis dengan Variabel Moderator melalui PROCESS di SPSS

Secara umum Baron dan Kenny (1986) menyebut istilah moderator sebagai variabel yang dapat berupa kualitatif (misal: jenis kelamin, suku) maupun kuantitatif (misal: skor depresi) yang dapat mempengaruhi arah dan/atau kuat lemahnya hubungan antara variabel independen dengan variabel dependen. Sebagai contoh, jenis kelamin bisa menjadi moderator pada hubungan antara banyaknya diskon dengan pengeluaran perbulan. Pada wanita, mungkin semakin besar diskon, pengeluaran per bulan juga akan semakin meningkat. Namun pada laki-laki, tenyata semakin banyak diskon pengeluaran perbulannya adalah sama. Jenis kelamin dalam hal ini menjadi moderator karena besarnya hubungan antara banyak diskon dengan pengeluaran perbulan berbeda pada tiap kelompok.