Variabel Kontrol pada Analisis Regresi Linear dengan SPSS Versi 23

Variabel kontrol dalam regresi adalah variabel yang ditambahkan oleh peneliti agar interpretasi tidak bias. Tanpa memasukkan variabel kontrol, hasil penelitian bisa menyesatkan meskipun sudah sesuai dengan kaidah statistik. Ini sebenarnya masuk dalam penyusunan model regresi. Ketika peneliti sudah salah dari awal dalam menyusun model, maka seterusnya adalah salah meskipun sesuai dengan kaidah yang ada. 

Sebagai ilustrasi sederhana, ada perusahaan A mempunyai profit sebesar 1 Milliar per tahun, dan perusahaan B mempunyai profit 10 Milliar pada periode yang sama. Sepintas maka kita akan melihat bahwa perusahaan B lebih berkualitas dibandingkan perusahaan A, lebih bonafid. Tetapi ketika dimasukkan informasi Total Asset, perusahaan A mempunyai asset 500  juta, sedangkan perusahaan B mempunyai asset 1 Trillyun. Mungkin pandangan orang akan berubah. Ini hanya contoh saja, mohon tidak dianalisis lebih mendalam. Mungkin ada yang mengusulkan menggunakan ROA.... bagus...

Penentuan variabel apa yang menjadi variabel kontrol sebenarnya lebih kepada telaah literatur yang ada. Jadi hati-hati dalam menyusun model di awal. Sering kali kita mendapatkan permasalahan statistik, yang sebenarnya berawal dari salahnya model yang dibangun di awal.

Berikut adalah simulasi yang kami buat "Ekstrem" untuk menjelaskan fenomena variabel kontrol:

Tabulasi Data Simulasi Variabel Kontrol dalam Analisis Regresi Linear

Terdapat 18 data nutrisi yang masuk dengan status kesehatan dengan kolom paling kanan adalah usia. DISCLAIMER: ini hanya contoh, disarankan jangan menggunakan sampel yang terlalu sedikit. Juga artikel ini tidak membahas uji asumsi klasik, karena hanya contoh.

Hasil analisis regresi antara Nutrisi dengan status kesehatan adalah sebagai berikut:

Hasil Uji t Nutrisi terhadap Status Kesehatan

Tampak bahwa signifikansi uji t adalah sebesar 0,00 < 0,05 yang berarti signifikan tetapi nilai t hitung adalah negatif, yang berarti semakin tinggi (baik) nutrisi, maka status kesehatan semakin rendah (demikian sebaliknya). Ini tentunya sangat sulit diterima karena bertentangan dengan kaidah atau teori yang ada. Dalam simulasi ini, karena ada tiga kelompok usia, maka kita buat regresi pada masing-masing kelompok usia, yaitu 20, 50 dan 70 tahun.

Hasil Uji t pada Kelompok Usia 20 Tahun

Hasil uji t pada kelompok usia 20 tahun sesuai dengan teori yang ada, yaitu t hitung positif dan signifikansi di bawah 0,05. Sedangkan untuk kelompok usia 50 tahun adalah sebagai berikut:

Hasil Uji t pada Kelompok Usia 50 Tahun

Hasil regresi pada kelompok usia 50 tahun juga mendukung teori yang ada yaitu semakin tinggi nutrisi maka semakin baik pula status kesehatan responden. Demikian juga untuk yang kelompok usia 70 tahun:

Hasil Uji t pada Kelompok Usia 70 Tahun

Tampak juga bahwa hasilnya adalah konsisten. Nah di sinilah pentingnya memasukkan variabel kontrol pada model penelitian. Dalam konteks ini, yang dimasukkan adalah usia. Dengan menggunakan variabel usia sebagai variabel kontrol, maka hasil uji regresi adalah sebagai berikut:

Hasil Uji Regresi dengan Variabel Kontrol

Tampak bahwa T hitung adalah positif dengan Signifikansi di bawah 0,05. Berarti semakin tinggi nutrisi semakin baik pula status kesehatan. Juga untuk usia, signifikansi juga di bawah 0,05 dengan T hitung negatif yang berarti semakin tinggi usia, maka semakin rendah status kesehatan, demikian sebaliknya.

Tampak bahwa hasil ini lebih mudah diterima dengan kondisi atau teori yang ada. Dari mana peneliti tahu harus memasukkan usia? Ini adalah telaah teoritis yang harus dilakukan sebelum menyusun model penelitian. Mungkin bukan masuk dalam ranah statistik, tetapi bidang ilmu kajian masing-masing.

Share:

Read More

Regresi Linear dengan Variabel Moderating

Variabel moderating adalah variabel yang memperkuat atau memperlemah hubungan antara satu variabel dengan variabel lain. Sebagai contoh: seorang suami menyayangi istrinya. Dengan hadirnya seorang anak, maka rasa sayang tersebut bertambah. Berarti variabel anak merupakan moderating antara rasa saya suami terhadap istri. Contoh lain: kompensasi memperkuat pengaruh antara kepuasan kerja terhadap kinerja. Artinya kepuasan kerja berpengaruh terhadap kinerja, dan adanya kompensasi yang tinggi maka pengaruh antara kepuasan kerja terhadap kinerja menjadi lebih meningkat. Dalam hal ini, kompensasi bisa saja berpengaruh terhadap kinerja bisa saja tidak.

Model Regresi Linear dengan Variabel Moderating

Metode analisis regresi linear dengan variabel moderating:

1. Multiple Regression Analysis (MRA)

Metode ini dilakukan dengan menambahkan variabel perkalian antara variabel bebas dengan variabel moderatingnya, sehingga persamaan umumnya adalah sebagai berikut: Y = a + b1 X1 + b2 X2 + b3 X1 X2 dengan Y adalah kinerja, X1 adalah kepuasan kerja, X2 kompensasi dan X1 X2 adalah perkalian antara kepuasan kerja dengan kompensasi. Hipotesis moderating diterima jika variabel X1 X2 mempunyai pengaruh signifikan terhadap Y, tidak tergantung apakah X1 dan X2 mempunyai pengaruh terhadap Y atau tidak. Model ini biasanya menyalahi asumsi multikolinearitas.

2. Absolut residual

Model ini mirip dengan MRA, tetapi variabel moderating didekati dengan selisih mutlak (absolut residual) antara variabel bebas dengan variabel moderatingnya. Penerimaan hipotesis juga sama, dan model ini masih riskan terhadap gangguan multikolinearitas meskipun risiko itu lebih kecil dari pada dengan metode MRA.

3. Residual

Model ini menggunakan konsep lack of fit yaitu hipotesis moderating diterima terjadi jika terdapat ketidakcocokan dari deviasi hubungan linear antara variabel independen. Langkahnya adalah dengan meregresikan antara kepuasan kerja terhadap kompensasi dan dihitung nilai residualnya. Pada program SPSS dengan klik Save pada regreesion, lalu klik pada usntandardized residual. Nilai residual kemudian diambil nilai absolutnya lalu diregresikan antara kinerja terhadap absolut residual. Hipotesis moderating diterima jika nilai t hitung adalah negatif dan signifikan. Model ini terbebas dari gangguan multikolinearitas karena hanya menggunakan satu variabel bebas.

Pertanyaan-pertanyaan yang sering muncul:

1. Bagaimana merancang model regresi dengan moderating pada penelitian?

Model moderating ditentukan dengan tinjauan teoretis, sehingga analisis dengan moderating hanya mengkonfirmasi saja teori tersebut apakah cocok dengan model empiris. Tidak boleh menggunakan alat statistik moderating untuk mengidentifikasikan bahwa variabel itu merupakan variabel moderating. Hal ini terkait dengan tujuan statistik adalah mengkonfirmasi teori atau fenomena tertentu.

2. Bagaimana dengan uji asumsi klasik yang lain

Uji asumsi klasik yang lain tetap harus dilakukan pada setiap metode yang akan digunakan. Meskipun demikian, untuk metode absolut residual tidak dapat dilakukan uji multikolinearitas karena modelnya hanya menjadi regresi linear sederhana.

Share:

Read More

Regresi Linear dengan Variabel Intervening

Variabel intervening adalah variabel antara atau variabel mediating. Model regresi linear dengan variabel intervening merupakan hubungan bertingkat sehingga jika dengan analisis regresi harus menggunakan analisis jalur (path analysis) atau disarankan menggunakan metode structural equation modelling (SEM). Metode SEM akan dibahas belakangan dengan menggunakan Program AMOS atau LISREL.

Model Regresi dengan Variabel Intervening

Regresi dengan variabel intervening dipergunakan untuk melihat pengaruh tidak langsung antara satu variabel terhadap variabel yang lain. Sebagai contoh: Gaya Evaluasi Atasan (GEA) mempunyai pengaruh terhadap Kinerja Manajerial (KM) melalui Tekanan Kerja (TK). GEA mempunyai pengaruh langsung terhadap KM tetapi juga bisa mempunyai pengaruh tidak langsung terhadap KM melalui TK. GEA diinterpretasikan mempunyai pengaruh tidak langsung terhadap KM melalui TK jika pengaruh GEA terhadap TK signifikan dan pengaruh TK terhadap KM juga signifikan. Dalam suatu kasus bisa saja variabel mempunyai pengaruh langsung terhadap suatu variabel dan pengaruh tidak langsung terhadap variabel tersebut melalui variabel yang lain.

Share:

Read More

Pengertian Variabel Penelitian dan Jenis Variabel Penelitian

Secara singkat, variabel adalah gejala yang menjadi fokus peneliti untuk diamati. Tentunya banyak pengertian lain, dan silahkan Anda mencari definisi tentang variabel di sumber lain. Di sini akan diuraikan berbagai jenis variabel yang sering dijumpai dalam suatu penelitian. Penelitian anda, paling hanya memuat satu, dua, atau paling tiga dari jenis variabel di bawah

1. Variabel independen

Variabel independen adalah variabel yang menjadi sebab atau berubahnya suatu variabel lain (variabel dependen). Juga sering disebut dengan variabel bebas, prediktor, stimulus, eksougen atau antecendent.

2. Variabel dependen

Variabel dependen merupakan variabel yang dipengaruhi atau menjadi akibat karena adanya variabel lain (variabel bebas). Juga sering disebut variabel terikat, variabel respons atau endogen. Variabel inilah yang biasanya dikupas dalam-dalam pada latar belakang penelitian. Biasanya diberikan porsi yang lebih dalam membahas variabel terikat dari pada variabel bebasnya karena merupakan implikasi dari hasil penelitian.

3. Variabel Moderating

Variabel moderating adalah variabel yang memperkuat atau memperlemah hubungan antara variabel bebas dengan variabel terikat. Sekali lagi, memperkuat atau memperlemah. Variabel moderating juga sering disebut sebagai variabel bebas kedua dan sering dipergunakan dalam analisis regresi linear, atau pada structural equation modeling. Sebagai contoh, hubungan ayah dan ibu akan semakin mesra dengan adanya anak. Jadi anak merupakan variabel moderating antara ayah dan ibu. Atau, selingkuhan merenggangkan hubungan ayah dan ibu, jadi selingkuhan merupakan variabel moderating antara ayah dan ibu.

4. Variabel intervening

Adalah variabel yang menjadi media pada suatu hubungan antara variabel bebas dengan variabel terikat. Sebagai contoh, cinta ibu terhadap ayah akan semakin kuat setelah berkeluarga. Jadi keluarga merupakan media bagi ibu dalam pengaruhnya terhadap ayah. Banyak contoh tentang regresi linear dengan variabel intervening.

Contoh Jenis Variabel

Dalam gambar di atas KM dan BO adalah variabel bebas, karena tidak dipengaruhi oleh variabel lain dalam model penelitian. Variabel KP merupakan variabel terikat atau dependen karena dipengaruhi oleh variabel lain yaitu MT. Sedangkan MT adalah variabel intervening.

5. Variabel kontrol

Variabel kontrol adalah variabel yang dikendalikan atau dibuat konstan, atau dijadikan acuan bagi variabel yang lain. Misalnya variabel kecepatan menulis murid-murid suatu sekolah, yang diukur dan dibandingkan kecepatan menulis murid sekolah lain. Bisa juga digunakan dalam analisis regresi linear dengan variabel kontrol.

Sebenarnya ada lagi istilah yang lain yaitu variabel dinamis. Semua jenis variabel di atas merupakan variabel statis, yang berarti tidak berubah selama proses penelitian berlangsung. Variabel dinamis biasanya dipergunakan dalam penelitian kualitatif sehingga tidak akan terlalu banyak dibahas di sini. Sering juga disebut dengan istilah Sifat variabel.

Dalam kuantitatif, variabel dapat dibedakan menjadi 2, yaitu variabel diskrit dan variabel kontinum. Pengertian ini sebenarnya mirip dengan skala pengukuran statistik. Variabel diskrit hanya dapat dikategorikan atas 2 kutub yang berlawanan, Ya dan Tidak. Sedangkan variabel kontinum meliputi tiga yaitu variabel ordinal, variabel interval dan variabel rasio.

Share:

Read More