Variabel Intervening (Metpen) [PDF]

Citation preview

VARIABEL INTERVENING



Definisi Variabel Intervening Variabel Intervening adalah tipe variabel-variabel yang mempengaruhi hubungan antara variabel-variabel independen dengan variabel-variabel dependen menjadi hubungan yang tidak langsung. Variabel Intervening merupakan variabel yang terletak diantara variabelvariabel independen dengan variabel-variabel dependen,sehingga variabel independen tidak langsung menjelaskan atau mempengaruhi variabel dependen. Contoh hubungan antara Variabel independen,Variabel Intervening dan Variabel dependen Contoh 1: Partisipasi



Motivasi



Kinerja



(Variabel Independen )



(Variabel Intervening)



(Variabel dependen)



Gambar diatas mununjukkan hubungan motivasi,partisipasi dan kinerja. Motivasi (Variabel Intervening) dipengaruhi oleh partisipasi (Variabel Independen) dan mempengaruhi kinerja (Variabel dependen) Contoh 2: Penghasilan (X) Gaya Hidup (I) Harapan hidup (Y) Gambar diatas menunjukkan : 1. Penghasilan mempengaruhi gaya hidup 2. Gaya hidup mempengaruhi harapan hidup 3. Karena adanya Variabel gaya hidup (I) maka hubungan yang terjadi antara Penghasilan (X) ke harapan hidup (Y) menjadi tidak langsung karna diperantarai variabel gaya hidup (I) Jika digambarkan dalam gambar akan terlihat seperti berikut: Direct 3 X-Y



Indirect X-I-Y



Direct 1 X-I



Direct 2 I-Y



Contoh Penggunaan hubungan antara Earns dengan Income di mediasi oleh variabel Wealth. Jadi Wealth sebagai variabel intervening atau kalau digambarkan seperti di bawah ini :



Pada gambar di atas dapat dijelaskan bahwa Earns dapat berpengaruh langsung terhadap Income, tetapi juga dapat pengaruhnya tidak langsung yaitu lewat variabel Wealth lebih dahulu baru ke Income.Logikanya semakin tinggi Earns akan meningkatkan Wealth dengan tingginya Wealth akan berpengaruh terhadap Income. Untuk menguji pengaruh variabel intervening digunakan metode analisis jalur (Path Analysis). Analisis jalur merupakan perluasan dari analisis regresi linear berganda, atau analisis jalur adalah penggunaan analisis regresi untuk menaksir hubungan kausalitas antar variabel (model causal atau sebab akibat) yang telah ditetapkan sebelumnya berdasarkan teori. Analisis jalur sendiri tidak dapat menentukan hubungan sebab-akibat dan juga tidak dapat digunakan sebagai substitusi bagi peneliti untuk melihat hubungan kausalitas antar variabel. Hubungan kausalitas antar variabel telah dibentuk dengan model berdasarkan landasan teoritis. Apa yang dapat dilakukan oleh analisis jalur adalah menentukan pola hubungan antara tiga atau lebih variabel dan tidak dapat digunakan untuk mengkonfirmasi atau menolak hipotesis kausalitas imajiner. Diagram jalur memberikan secara eksplisit hubungan kausalitas antar variabel berdasarkan pada teori. Anak panah menunjukkan hubungan antar variabel. Model bergerak dari kiri ke kanan dengan implikasi prioritas hubungan kausal variabel yang dekat ke sebelah kiri. Setiap nilai p menggambarkan jalur dan koefisien jalur. Berdasarkan gambar model jalur diajukan hubungan berdasarkan teori bahwa Earns mempunyai hubungan langsung dengan Income (p1). Namun demikian Earns juga mempunyai hubungan tidak langsung ke Income yaitu dari Earns ke Wealth (p2) baru kemudian ke Income (p3). Hubungan langsung terjadi jika satu variabel mempengaruhi variabel lainnya tanpa ada variabel ketiga yang memediasi (intervening) hubungan kedua variabel tadi. Hubungan tidak langsung adalah jika ada variabel ketiga yang memediasi hubungan kedua variabel ini.



Kemudian pada setiap variabel dependen (endogen variabel) akan ada anak panah yang menuju ke variabel ini dan ini berfungsi untuk menjelaskan jumlah variance yang tak dapat dijelaskan (unexplained variance) oleh variabel itu. Jadi anak panah dari e1 ke Wealth menunjukkan jumlah variance variabel Wealth yang tidak dijelaskan oleh Earns. Sedangkan anak panah dari e2 menuju Income menunjukkan variance Income yang tidak dapat dijelaskan oleh variabel Earns dan Wealth. Koefisien jalur adalah standardized koefisien regresi. Koefisien jalur dihitung dengan membuat dua persamaan struktural, yaitu persamaan regresi yang menunjukkan hubungan yang dihipotesiskan. Dalam hal ini ada dua persamaan tersebut adalah : Wealth = b1 Earns + e1 ... (1) Income = b1 Earns + b2 Wealth + e2 ... (2) Standardized koefisien untuk Earns pada persamaan (1) akan memberikan nilai p2. Sedangkan koefisien untuk Earns dan Wealth pada persamaan (2) akan memberikan nilai p1 dan p3. Langkah analisis: a. dari SPSS editor, pilih menu Statistics/Analyze, kemudian pilih Regression dan Linear. b. pada kotak Dependent isikan variabel variabel Wealth dan pada kotak Independent isikan variabel Earns. c. press OK



d. lakukan regresi persamaan (2) dengan mengganti pada kotak Dependent isikan variabel Income dan pada kotak Independent isikan variabel Earns dan Wealth. e. press OK



Pengambilan keputusan: Output SPSS di atas memberikan nilai standardized beta Earns pada persamaan (1) sebesar 0,625 dan signifikan pada 0,000 yang berarti Earns mempengaruhi Wealth. Nilai koefisien standardized beta 0,625 merupakan nilai path atau jalur p2. Pada output SPSS persamaan regresi (2) nilai standardized beta Earns 0,764 dan Wealth 0,195 semuanya signifikan. Nilai standardized beta Earns 0,764 merupakan nilai jalur path p1 dan nilai standardized beta Wealth 0,195 merupakan nilai jalur path p3.



Hasil analisis jalur menunjukkan bahwa Earns dapat berpengaruh langsung ke Income dan dapat juga berpengaruh tidak langsung yaitu dari Earns ke Wealth (sebagai variabel intervening) lalu ke Income. Besarnnya pengaruh langsung adalah 0,764 sedangkan besarnya pengaruh tidak langsung harus dihitung dengan mengalihkan koefisien tidak langsungnya yaitu (0,625) x (0,195) = 0,0122. Oleh karena koefisien hubungan langsung lebih besar dari koefisien hubungan tidak langsung, maka dapat dikatakan bahwa hubungan yang sebenarnya adalah langsung.



REFRENSI



Ghozali, Imam. 2006. Aplikasi Analisis Multivariate Dengan Program SPSS. Semarang : Universitas Diponegoro Paul Jose. 2008. Workshop on Statistical Mediation and Moderation : Statistical Mediation. Victoria University of Wellington, 27 March, 2008. SASP Conference Sugiyono. 2007. Metode Penelitian Administrasi. Bandung : Alfabeta http://blogtutorialspss.blogspot.com/2012/06/analisis-regresi-dengan-variabel_27.html