SkriptasUji Moderasi di SmartPLS dan SPSS (MRA): Langkah dan Cara Membaca Interaksi
Uji moderasi di SmartPLS (moderating effect) dan SPSS (MRA, centering, selisih mutlak): langkah, cara membaca koefisien interaksi, dan contoh kalimat Bab 4.
Uji moderasi menjawab pertanyaan apakah kekuatan atau arah pengaruh X terhadap Y berubah tergantung nilai variabel ketiga, Z. Judul skripsi seperti "dengan Z sebagai variabel moderasi" atau "dimoderasi oleh Z" membutuhkan uji ini. Masalahnya, output moderasi sering membingungkan: ada tiga koefisien, satu di antaranya hasil perkalian, dan tanda koefisiennya bisa berlawanan dengan dugaan.
Artikel ini membahas dua jalur yang paling sering dipakai mahasiswa: moderating effect di SmartPLS 4 dan Moderated Regression Analysis (MRA) di SPSS, termasuk alternatif uji selisih mutlak dan uji residual. Anda akan mendapat langkah klik, cara membaca koefisien interaksi, cara membuat simple slope, dan contoh kalimat untuk Bab 4. Semua angka adalah contoh.
Konsep moderasi: interaksi X kali Z
Model moderasi menguji persamaan Y = b0 + b1 X + b2 Z + b3 (X kali Z). Yang diuji adalah b3, koefisien interaksi. Bila b3 signifikan, pengaruh X terhadap Y bergantung pada Z, artinya Z memoderasi.
- b3 bertanda sama dengan b1: Z memperkuat pengaruh X.
- b3 bertanda berlawanan dengan b1: Z memperlemah pengaruh X.
- b3 tidak signifikan: Z bukan moderator, meskipun Z mungkin berpengaruh langsung ke Y.
Moderasi berbeda dari mediasi. Mediator menjelaskan mengapa X memengaruhi Y (jalurnya lewat M). Moderator menjelaskan kapan atau pada siapa pengaruh itu lebih kuat. Kalau skripsi Anda memuat keduanya, baca juga uji mediasi.
Jenis moderator menurut Sharma, Durand, dan Gur-Arie
| Jenis | Z berpengaruh langsung ke Y? | Interaksi X kali Z signifikan? |
|---|---|---|
| Pure moderator | Tidak | Ya |
| Quasi moderator | Ya | Ya |
| Homologizer | Tidak | Tidak (memengaruhi lewat error) |
| Prediktor (bukan moderator) | Ya | Tidak |
Klasifikasi ini sering diminta dosen di Indonesia. Anda bisa menentukannya dari dua koefisien: b2 (Z ke Y) dan b3 (interaksi).
Uji moderasi di SmartPLS 4
- Gambar konstruk X, Z, dan Y beserta indikatornya. Hubungkan X ke Y dan Z ke Y.
- Klik kanan konstruk Y (atau pilih ikon moderating effect), pilih Add moderating effect. Tentukan Moderator variable = Z dan Independent variable = X.
- Pada pengaturan, Calculation method: Two-stage adalah bawaan dan yang paling dianjurkan Hair et al. untuk menguji signifikansi interaksi. Product indicator hanya untuk indikator reflektif. Orthogonalizing dipakai bila ingin mengurangi kolinearitas. Pilih satu dan sebutkan di Bab 3.
- Jalankan Calculate, PLS-SEM algorithm, pastikan outer model lolos.
- Jalankan Calculate, Bootstrapping dengan 10.000 subsampel, Complete.
- Buka Path coefficients. Cari baris Z x X -> Y (nama interaksi). Baca Original sample, T statistics, P values.
- Buka Quality criteria, f-square untuk efek interaksi. Kenny (2018) mengusulkan acuan yang lebih realistis untuk interaksi: 0,005 kecil, 0,01 sedang, 0,025 besar, karena efek interaksi biasanya kecil.
- Buka Simple slope analysis di laporan untuk grafik tiga garis (Z rendah, rata-rata, tinggi).
Interaksi signifikan bila p di bawah 0,05 (atau t di atas 1,96 two-tailed, 1,645 one-tailed). Baca tanda koefisiennya untuk menentukan memperkuat atau memperlemah.
Uji moderasi di SPSS dengan MRA
MRA memakai regresi linear berganda dengan variabel interaksi buatan. Siapkan dulu skor total X, Z, dan Y.
Langkah 1: centering
Hitung rata-rata X dan Z lewat Analyze, Descriptive Statistics, Descriptives. Lalu Transform, Compute Variable: Xc = X - rataX, Zc = Z - rataZ. Centering menekan korelasi tinggi antara X, Z, dan hasil kalinya, sehingga VIF turun dan koefisien lebih stabil.
Langkah 2: buat variabel interaksi
Transform, Compute Variable: XZ = Xc * Zc.
Langkah 3: regresi hierarkis
Analyze, Regression, Linear. Dependent = Y. Masukkan Xc dan Zc ke Block 1, klik Next, masukkan XZ ke Block 2. Di Statistics centang R squared change dan Collinearity diagnostics. OK.
Cara membaca
- Tabel Model Summary: lihat R Square Change dan Sig. F Change pada Model 2. Bila Sig. F Change di bawah 0,05, penambahan interaksi memperbaiki model secara signifikan.
- Tabel Coefficients Model 2: lihat baris XZ. Sig. di bawah 0,05 berarti Z memoderasi. Tanda B menentukan memperkuat atau memperlemah.
- Baris Zc: Sig. di bawah 0,05 berarti Z juga berpengaruh langsung (quasi moderator). Bila tidak, pure moderator.
- VIF semua variabel sebaiknya di bawah 10 (banyak dosen memakai 5).
Beberapa pedoman meminta tiga persamaan terpisah (Y pada X; Y pada X dan Z; Y pada X, Z, dan XZ). Hasilnya setara dengan regresi hierarkis di atas. Pilih format yang diminta pembimbing.
Alternatif: uji selisih mutlak dan uji residual
Uji selisih mutlak (Frucot dan Shearon) memakai |ZX - ZZ|, selisih mutlak skor terstandar X dan Z, sebagai pengganti variabel interaksi. Buat skor Z lewat Descriptives dengan centang Save standardized values as variables, lalu Compute ABSDIF = ABS(ZX - ZZ), dan regresikan Y pada ZX, ZZ, ABSDIF. Signifikansi ABSDIF menunjukkan moderasi. Metode ini populer di skripsi akuntansi dan manajemen karena menghindari multikolinearitas.
Uji residual menguji kecocokan (fit) antara X dan Z: regresikan Z pada X, simpan residual, ambil nilai mutlaknya, lalu regresikan nilai mutlak residual itu pada Y. Z dianggap moderator bila koefisien Y negatif dan signifikan. Metode ini jarang dipakai di luar Indonesia. Gunakan hanya bila pedoman kampus menyebutnya.
Moderator kategorik: multigroup analysis
Bila moderator Anda kategorik dengan sedikit kelompok, misalnya jenis kelamin atau status pekerjaan, ada dua pilihan. Pertama, tetap memakai interaksi dengan moderator berkode dummy (0 dan 1). Cara ini bekerja baik di MRA maupun SmartPLS dan hasilnya satu koefisien interaksi yang mudah dibaca.
Kedua, multigroup analysis (MGA) di SmartPLS: Calculate, Bootstrap multigroup analysis setelah mendefinisikan grup lewat Data, Generate data groups. SmartPLS membandingkan koefisien jalur X ke Y antar kelompok dan memberi p value perbedaannya (Henseler MGA dan permutation test). Sebelum MGA, idealnya Anda menjalankan MICOM (measurement invariance) lewat Permutation agar perbedaan yang muncul benar-benar berasal dari jalur, bukan dari cara kelompok memahami kuesioner. Tiap kelompok sebaiknya punya sampel yang memadai, umumnya puluhan responden ke atas.
Untuk moderator kontinu seperti usia, pendapatan, atau skor kuesioner, jangan memecah sampel menjadi "tinggi" dan "rendah" berdasarkan median. Pemecahan seperti itu membuang informasi dan menurunkan daya uji. Gunakan interaksi.
Moderated mediation secara singkat
Bila skripsi Anda memuat mediator dan moderator sekaligus, misalnya Z memoderasi jalur M ke Y, Anda masuk ke moderated mediation. Di SmartPLS, tambahkan moderating effect pada jalur yang dimoderasi lalu baca specific indirect effect yang memuat interaksi. Di SPSS, PROCESS Model 7 (moderasi pada jalur a) atau Model 14 (moderasi pada jalur b) memberi index of moderated mediation. Indeks signifikan bila interval bootstrap-nya tidak memuat nol. Model ini menuntut hipotesis yang sangat jelas, jadi pastikan teorinya kuat sebelum dipakai.
Membuat simple slope untuk pembahasan
Koefisien interaksi menyatakan ada moderasi, tetapi grafik simple slope yang menjelaskannya. Hitung prediksi Y untuk Z rendah (rata-rata dikurangi satu SD) dan Z tinggi (rata-rata ditambah satu SD) pada X rendah dan tinggi, lalu gambar dua garis di Excel. SmartPLS 4 menyediakan grafik ini otomatis. Garis yang lebih curam pada Z tinggi berarti Z memperkuat. Garis yang lebih landai berarti memperlemah.
Contoh kalimat Bab 4
SmartPLS (angka contoh): "Koefisien interaksi Z x X terhadap Y sebesar 0,142 dengan t = 2,317 dan p = 0,021, sehingga Z terbukti memoderasi pengaruh X terhadap Y. Tanda koefisien yang positif dan searah dengan pengaruh X (0,356) menunjukkan Z memperkuat pengaruh tersebut. Nilai f Square interaksi 0,031 tergolong besar menurut acuan Kenny untuk efek interaksi."
SPSS MRA (angka contoh): "Penambahan variabel interaksi pada Model 2 meningkatkan R Square sebesar 0,038 (Sig. F Change = 0,014). Koefisien interaksi X kali Z sebesar -0,021 (t = -2,498; Sig. = 0,014) menunjukkan Z memperlemah pengaruh X terhadap Y. Karena Z juga berpengaruh langsung terhadap Y (Sig. = 0,003), Z tergolong quasi moderator."
Kesalahan umum
| Kesalahan | Perbaikan |
|---|---|
| Lupa centering di MRA sehingga VIF tinggi | Kurangi X dan Z dengan rata-ratanya sebelum dikalikan |
| Hanya memasukkan XZ tanpa X dan Z | X, Z, dan XZ harus ada dalam satu persamaan |
| Membagi sampel untuk moderator kontinu | Pakai interaksi. Subgroup hanya untuk moderator kategorik (MGA) |
| Menilai f Square interaksi dengan acuan 0,02/0,15/0,35 | Gunakan acuan Kenny untuk interaksi, atau jelaskan konteksnya |
| Menyebut "memperkuat" tanpa melihat tanda | Bandingkan tanda b3 dengan b1 |
Checklist
- Hipotesis moderasi dirumuskan jelas: memperkuat atau memperlemah.
- Metode (two-stage, MRA, selisih mutlak) ditulis di Bab 3.
- Centering dilakukan untuk MRA.
- Koefisien X, Z, dan interaksi dilaporkan beserta t dan p.
- Jenis moderator (pure, quasi) disebutkan.
- Grafik simple slope disertakan.
Sebelum menguji moderasi, pastikan regresi dasar Anda sudah lolos uji asumsi klasik dan Anda paham cara membaca output regresi berganda. Untuk model PLS, kuasai dulu pembacaan inner model.
Kalau Anda ingin didampingi, saya membuka bimbingan SmartPLS dan bimbingan SPSS via Zoom mulai Rp25.000 per sesi. Anda yang mengoperasikan, saya memandu sampai tabel moderasi dan simple slope selesai. Konsultasi awal gratis lewat WhatsApp.
Video tutorial terkait
Tonton langkahnya langsung di layar. Video dimuat dari YouTube hanya saat Anda menekan tombol putar.
Uji Moderasi MRA di SPSS untuk Skripsi: Variabel Interaksi X*M, Memperkuat atau Memperlemah
Tutorial uji variabel moderasi dengan Moderated Regression Analysis (MRA) di SPSS: membuat variabel interaksi X*M lewat Compute Variable, regresi linear dengan X, M, dan X_M, membaca Sig.…
Pertanyaan yang sering diajukan
Uji moderasi pakai apa, SPSS atau SmartPLS?
Bila variabel Anda berupa skor total dan modelnya sederhana, MRA di SPSS cukup. Bila variabelnya konstruk laten dengan banyak indikator atau modelnya kompleks, SmartPLS lebih tepat.
Apa itu centering dan wajibkah?
Centering mengurangi setiap nilai dengan rata-ratanya sebelum dikalikan menjadi variabel interaksi. Tujuannya menekan multikolinearitas antara X, Z, dan X kali Z. Tidak wajib secara teori, tetapi sangat dianjurkan di MRA.
Moderasi memperkuat atau memperlemah, bagaimana tahu?
Lihat tanda koefisien interaksi dibanding koefisien X. Bila sama tanda, moderator memperkuat. Bila berlawanan, memperlemah. Simple slope plot membantu menjelaskannya.
Bolehkah menguji moderasi dengan membagi sampel menjadi dua kelompok?
Boleh untuk moderator kategorik seperti gender, lewat multigroup analysis. Untuk moderator kontinu, memecah sampel membuang informasi dan tidak dianjurkan.
Kalau interaksi tidak signifikan, apakah hipotesis moderasi gagal?
Ya, hipotesis moderasi ditolak dan itu temuan yang sah. Laporkan apa adanya dan bahas kemungkinan penyebabnya, misalnya variasi moderator yang kecil atau sampel yang terbatas.