Tutorial Regresi Variabel Moderator atau Intervening Dengan Sobel Test dan Bootstraping

Pada sobel test menghendaki asumsi jumlah sample besar dan nilai koefisien mediasi berdistribusi normal. Pendekatan alternative untuk menguji signifikansi mediasi yaitu dengan menggunakan Teknik bootstrapping. Bootstrapping merupakan pendekatan non-parametrik yang tidak mengasumsukan bentuk distribusi variabel dan dapat diaplikasikan pada jumlah sample kecil. Uji sobel dan bootstrapping ini dikembangkan oleh Hayes dan Preacher (2004). Bootstraping ini disediakan dalam bentuk script SPSS (file bisa didownload di tombol download bagian akhir artikel ini)



Tutorial Regresi Variabel Moerator atau Intervening Dengan Sobel Test dan Bootstraping


Interpretasi Data
Pada Bagian Direct and Total Effects
  1. Nilai b(YX) merupakan total effect variabel independent (X) terhadap variabel dependent (Y) dengan nilai koefisien sebesar 3909,9067 dan nilai sig 0,0000
  2. Nilai b(MX) merupakan pengaruh variabel independent (X) terhadap variabel moderator (M) dengan nilai koefisien 1727,528 dan nilai sig 0,0000
  3. Nilai b (YM.X merupakan pengaruh variabel moderator (M) terhadap variabel dependen (Y) dengan mengontrol variabel independent (X) dengan nilai koefisien 1,6726 dan nilai sig 0,0000
  4. Nilai b(YX.M) merupakan pengaruh variabel independen (X) terhadap variabel dependen (Y) dengan mengontrol variabel moderator (M) dengan nilai koefisien 1020,390 dan nilai sig 0,0000

Pada bagian indirect effect terlihat pengaruh tidak langsung X terhadap Y melalui M dengan besaran pengaruh tidak langsung adalah 2889,516 yang merupakan hasil perkalian koefisien antara b(YM.X) dan b(YX.M) dengan nilai sig 0,0000

Uji signifikansi pada sobel test menghendaki nilai sample yang besar, pada sample yang kecil kecentdrungan tidak berdistribusi normal. Sebagai alternative dapat dilakukan dengan Teknik bootstrapping, yaitu melakukan pengujian dengan resampling sampai 1000 kali

Hasil bootstrapping memberikan nilai estimasi indirect effect X terhadap Y melalui M dengan nilai standard error lebih besar dibandingkan dengan asumsi distribusi normal yaitu 223,3968 dibanding dengan 191,879 dengan demikian nilai t dari pengaruh tidak langsung menggunakan bootstrapping menjadi
t = 2889,516/223,3968 = 12,716