Variabel Moderasi vs Intervening: Bedanya dan Contohnya

Bedanya paling jelas bukan di definisinya, tapi di cara mengujinya. Moderasi diuji dengan memasukkan suku interaksi X kali Z ke dalam model, dan yang dibaca adalah koefisien suku itu. Intervening diuji dengan menghitung jalur tidak langsung X ke M ke Y, dan yang dibaca adalah hasil kali dua koefisien beserta rentang keyakinannya. Kalau kamu bisa menyebutkan angka mana yang kamu lihat di output, kamu sudah selesai membedakan keduanya.

#Kenapa definisi saja tidak cukup?

Definisi bukunya terdengar mudah. Moderasi memperkuat atau memperlemah hubungan antara X dan Y. Intervening menjadi perantara hubungan X dan Y. Masalahnya, dua kalimat itu bisa dipakai untuk menjelaskan variabel apa saja kalau kamu cukup kreatif, dan itulah yang terjadi di banyak proposal.

Contohnya begini. Motivasi belajar ditaruh sebagai moderasi antara jam belajar dan IPK. Masuk akal? Kedengarannya ya. Tapi motivasi juga bisa ditaruh sebagai intervening, karena jam belajar yang panjang bisa menaikkan motivasi, dan motivasi menaikkan IPK. Juga kedengarannya masuk akal. Yang menentukan bukan logikanya, tapi apakah teorimu mengatakan motivasi dipengaruhi oleh jam belajar atau tidak.

Aturannya sederhana: moderator berdiri di luar dan tidak boleh menjadi akibat dari X. Begitu kamu bisa menggambar anak panah dari X ke variabel itu, dia bukan moderator lagi.

#Tabel pembeda yang bisa dipakai saat sidang

	Moderasi	Intervening (mediasi)
Posisi di model	menempel pada hubungan X ke Y	berdiri di antara X dan Y
Pertanyaan yang dijawab	untuk siapa atau dalam kondisi apa hubungan ini kuat	lewat apa X mempengaruhi Y
Yang diuji di output	koefisien X kali Z	hasil kali a dan b
Dipengaruhi oleh X?	tidak boleh	harus
Kalau tidak signifikan	hubungan X ke Y berlaku sama untuk semua kondisi	X mempengaruhi Y secara langsung saja
Tanda bahaya	moderator diukur dengan indikator yang mirip X	M diukur setelah Y diukur

#Bagaimana uji moderasi dijalankan dan angka mana yang dibaca?

Urutannya pendek, tapi tiga langkah pertama sering dilewati.

Pusatkan X dan Z, yaitu kurangi tiap nilai dengan rata-ratanya, atau standardisasi dua-duanya. Ini menurunkan korelasi palsu antara X, Z, dan hasil kalinya.
Buat variabel baru berisi hasil kali X dan Z yang sudah dipusatkan.
Regresikan Y pada X, Z, dan hasil kali itu secara bersamaan. Jangan bertahap dua model lalu menyimpulkan dari selisih R² saja.
Baca koefisien suku interaksi dan nilai p-nya. Hanya itu yang menjawab pertanyaan moderasi. Signifikansi X dan Z tidak mengatakan apa pun tentang ada atau tidaknya moderasi.
Kalau signifikan, jelaskan arahnya dengan angka.

Langkah lima itu yang paling sering kosong. Misalkan kamu meneliti pengaruh jam belajar (X) terhadap IPK (Y) dengan kualitas tidur (Z) sebagai moderator, semua variabel distandardisasi, dan hasilnya koefisien X sebesar 0,18 serta koefisien interaksi sebesar 0,07 dengan p 0,012.

Yang ditulis bukan "kualitas tidur terbukti memoderasi". Yang ditulis: pada mahasiswa dengan kualitas tidur satu simpangan baku di bawah rata-rata, pengaruh jam belajar terhadap IPK sebesar 0,11. Pada mahasiswa dengan kualitas tidur satu simpangan baku di atas rata-rata, pengaruhnya 0,25, jadi lebih dari dua kali lipat. Jam belajar tambahan terbayar jauh lebih besar pada mereka yang tidurnya cukup.

Itu kalimat yang bisa dipakai orang. Kalimat pertama hanya mengulang hipotesis.

#Kenapa koefisien yang mengecil bukan bukti mediasi?

Ini kesalahan yang paling sering lolos sampai sidang, dan alasannya bisa dijelaskan tanpa statistik lanjut.

Pola yang dipakai banyak skripsi: uji X ke Y, dapat koefisien 0,42 dan signifikan. Masukkan M, koefisien X turun jadi 0,31. Selesai, disimpulkan ada mediasi sebagian.

Masalahnya, menambahkan variabel apa pun yang berkorelasi dengan X ke dalam regresi akan mengubah koefisien X. Itu sifat regresi berganda, bukan tanda adanya mekanisme. Variabel yang sama sekali tidak menyalurkan apa pun tetap bisa membuat koefisien X menyusut, cukup dengan berkorelasi dengannya. Dan penurunan dari 0,42 ke 0,31 tidak punya nilai p. Tidak ada yang sedang diuji di situ, cuma dua angka yang dibandingkan dengan mata.

Yang harus diuji adalah hasil kali dua koefisien. Sebut a sebagai pengaruh X ke M dan b sebagai pengaruh M ke Y. Yang menjadi pengaruh tidak langsung adalah a dikali b, dan yang menentukan kesimpulan adalah rentang keyakinan dari hasil kali itu lewat bootstrapping, biasanya 5.000 kali pengambilan ulang.

Lanjutkan contoh tadi. Misalkan a sebesar 0,55 dan b sebesar 0,48, sehingga pengaruh tidak langsungnya 0,264. Rentang keyakinan 95 persen dari bootstrapping keluar di 0,142 sampai 0,391. Rentang itu tidak melewati nol, jadi ada pengaruh tidak langsung. Setelah M masuk, koefisien langsung X tinggal 0,09 dengan p 0,21, jadi yang kamu punya adalah mediasi penuh. Kalau koefisien langsungnya masih signifikan, itu mediasi sebagian.

Uji Sobel masih sering dipakai dan tidak salah, tapi dia mengandaikan hasil kali a dan b berdistribusi normal. Pada sampel skripsi yang jarang lebih dari 200, asumsi itu biasanya tidak terpenuhi, dan uji Sobel cenderung menolak mediasi yang sebenarnya ada. Kalau software-mu menyediakan bootstrapping, pakai itu.

Satu lagi yang perlu dibongkar: pengaruh X ke Y tidak harus signifikan dulu supaya mediasi bisa dinyatakan ada. Banyak skripsi menutup bab empat dengan "karena pengaruh total tidak signifikan maka tidak ada mediasi", padahal pengaruh tidak langsung yang berdiri sendiri adalah hasil yang sah dan sering justru lebih menarik. Yang menentukan tetap rentang keyakinan dari a dikali b.

#Kapan variabelmu sebenarnya cuma variabel kontrol?

Pakai satu pertanyaan ini: kalau koefisien variabel itu ternyata signifikan, apa yang berubah di kesimpulanmu? Kalau jawabannya tidak ada yang berubah, dia variabel kontrol, bukan moderasi dan bukan intervening.

Variabel kontrol dimasukkan supaya dia tidak mengacaukan hubungan X ke Y, bukan supaya ditafsirkan. Dia tidak muncul di hipotesis, tidak dibahas di pembahasan, dan kalau dibuang modelnya tetap menjawab pertanyaan penelitian yang sama.

Jenis kelamin, angkatan, dan asal daerah hampir selalu masuk kategori ini. Mereka baru jadi moderator kalau teorimu secara eksplisit mengatakan mekanismenya berbeda antar kelompok, dan kamu benar-benar menguji suku interaksinya. Menulis "jenis kelamin sebagai variabel moderasi" tanpa teori apa pun adalah cara cepat mendapat pertanyaan yang tidak bisa dijawab.

Ada satu jebakan yang arahnya berlawanan dan jarang disebut. Variabel yang berada di jalur antara X dan Y jangan dimasukkan sebagai kontrol. Kalau kamu mengontrol variabel yang sebenarnya perantara, kamu justru menutup jalur yang sedang kamu cari, dan pengaruh X akan hilang dari output. Hasilnya terlihat seperti hipotesis yang tidak terdukung, padahal yang terjadi adalah modelnya menghapus efeknya sendiri.

#Kesalahan yang sering lolos sampai sidang

Mediasi diklaim dari koefisien yang mengecil, tanpa pernah menguji hasil kali a dan b.
Mediasi dinyatakan tidak ada karena pengaruh total tidak signifikan.
Suku interaksi dibuat dari variabel yang belum dipusatkan, VIF melonjak, lalu disimpulkan moderasi tidak dapat diuji karena multikolinearitas.
Moderasi dilaporkan signifikan tanpa penjelasan arah dan tanpa angka pada kondisi tinggi dan rendah.
X, M, dan Y diukur dalam satu kuesioner yang sama, di waktu yang sama, oleh orang yang sama, lalu urutan sebab akibat diklaim sebagai temuan.
Variabel yang jelas dipengaruhi X dipasang sebagai moderator.
Hipotesis moderasi diganti jadi hipotesis mediasi setelah hasilnya tidak signifikan, dan bab dua ditulis ulang untuk menyesuaikan.
Moderator diukur dengan indikator yang nyaris sama dengan indikator X, sehingga suku interaksinya tidak mengukur apa pun yang baru.

#FAQ

#Apakah satu variabel bisa jadi moderasi dan intervening sekaligus?

Dalam dua model yang berbeda, bisa. Dalam satu kerangka hipotesis, tidak, karena dua peran itu menuntut asumsi yang bertentangan soal apakah variabel itu dipengaruhi X. Menguji dua-duanya lalu melaporkan yang signifikan adalah mencari hasil, bukan menguji teori.

#Apa bedanya intervening dan mediasi?

Praktisnya tidak ada. Intervening istilah yang lebih sering muncul di buku metodologi Indonesia, mediasi istilah yang dipakai literatur internasional dan nama menu di software. Pilih satu dan konsisten sepanjang skripsi.

#Berapa sampel minimal untuk uji mediasi?

Lebih banyak dari regresi biasa, karena yang diuji adalah hasil kali dua koefisien dan ketidakpastiannya menumpuk. Untuk efek sedang, 150 ke atas jauh lebih aman. Cara menghitungnya untuk model jalur ada di sampel SmartPLS dan aturan 10 kali indikator.

#Apakah mean centering wajib untuk uji moderasi?

Untuk menafsirkan koefisien dan menurunkan VIF, sangat dianjurkan. Untuk signifikansi suku interaksinya sendiri, hasilnya tidak berubah. Jadi lakukan, tapi jangan menjadikan multikolinearitas sebagai alasan kalau interaksinya memang tidak signifikan.

#Moderasi saya tidak signifikan, apakah skripsinya gagal?

Tidak. Hipotesis yang tidak terdukung tetap temuan, dan membahas kenapa kondisi yang kamu duga ternyata tidak membedakan apa-apa justru bagian yang menarik. Yang bermasalah adalah mengganti variabel berulang kali sampai ada yang signifikan.

#Apakah variabel kontrol wajib ada?

Tidak wajib. Masukkan kalau kamu punya alasan kuat satu variabel mengacaukan hubungan X ke Y. Yang tidak boleh adalah mengontrol variabel yang berada di jalur X ke Y, karena itu menghapus efek yang sedang kamu cari.

Kalau kerangka berpikirmu belum terbentuk, mulai dari panduan skripsi dari nol. Untuk menentukan jumlah respondennya, baca rumus Slovin dan kapan dia tidak valid, dan untuk memastikan kuesionernya layak dianalisis ada cara uji validitas dan reliabilitas di SPSS.