STATISTIK Analisis Regresi dengan Variab
ANALISIS
REGRESI DENGAN VARIABEL
MODERATING
Oleh:
Dr.Suliyanto, SE,MM
http://management-unsoed.ac.id
Path Analisis
Download
JENIS-JENIS VARIABEL
DALAM PENELITIAN
Variabel Bebas
Variabel yang mempengaruhi variabel tergantung.
Variabel Tergantung
Variabel yang besar kecilnya tergantung pada variabel bebas.
Variabel Moderating
Variabel yang akan memperkuat atau memperlemah
hubungan antara variabel bebas dengan variabel tergantung.
Variabel Intervening
Merupakan variabel antara yang fungsinya memediasi
hubungan antara variabel bebas dengan varibel tergantung.
LATAR BELAKANG MUNCULNYA
ANALISIS REGRESI VARIABEL
MODERATING
Dalam kenyataan dalam kasus manajemen
tidak hanya terdapat hubungan antara varibel
bebas dengan variabel tergantung, tetapi juga
muncul
adanya
variabel
yang
ikut
mempengaruhi hubungan antar variabel
tersebut yaitu variabel moderasi.
Contoh:
Besarnya konsumsi tidak hanya dipengaruhi
oleh pendapatan, tetapi gaya hidup ikut
menentukan pengaruh pendapatan terhadap
konsumsi.
Model Variabel Moderating
Satu Varibel Bebas
Dua Variabel Bebas
atau Lebih
X2
X1
X1
Y
X2
X3
X4
Y
TIGA METODE YANG DIGUNAKAN
UNTUK MELAKUKAN UJI REGRESI
DENGAN VARIABEL MODERASI
1.
2.
3.
Uji Interaksi
Uji interaksi sering disebut dengan Moderated Regression
Analysis (MRA). Merupakan aplikasi khusus regresi linier
berganda
dimana
dalam
persamaan
regresinya
mengandung unsur interaksi (perkalian dua atau lebih
variabel independen).
Uji Nilai Selisih Mutlak
Dilakukan dengan mencari nilai selisih mutlak dari variabel
independen.
Uji Residual
Dilakukan
dengan
menguji
pengaruh
deviasi
(penyimpangan) dari suatu model. Fokusnya adalah
ketidakcocokan (pack of fit) yang dihasilkan dari deviasi
hubungan antar variabel independen.
Contoh Kasus:
Seorang peneliti akan meneliti apakah
lingkungan kerja memoderasi hubungan
antara program pelatihan dengan prestasi
kerja. Untuk keperluan tersebut diambil
sampel sebanyak 15 karyawan.
METODE PERTAMA
Uji Interaksi
Uji interaksi dilakukan dengan cara
mengalikan
dua atau lebih variabel
bebasnya.
Jika hasil perkalian dua varibel bebas
tersebut signifikan maka variabel tersebut
memoderasi hubungan antara variabel
bebas dan variabel tergantungnya.
Persamaan Regresi
Persamaan Regresi Moderasi dengan uji
iterasi:
Y = a + b1X1 + b2X2+b3X1X2 +
Y = Nilai yang diramalkan
a = Konstansta
b1 = Koefesien regresi untuk X1
b2 = Koefesien regresi untuk X2
b3 = Koefesien variabel moderasi
X1 = Variabel bebas pertama
X2 = Variabel bebas kedua
X3 = Variabel Moderasi
= Nilai Residu
Pemecahan
1.
Judul
Pengaruh pelatihan terhadap prestasi kerja dengan lingkungan
kerja sebagai variabel moderasi.
2. Perumusan Masalah
– Apakah pelatihan berpengaruh terhadap prestasi kerja ?
– Apakah lingkungan kerja berpengaruh terhadap prestasi
kerja?
– Apakah lingkungan kerja memoderasi hubungan antara
pelatihan dengan prestasi kerja ?
3. Hipotesis
– Pelatihan berpengaruh positif terhadap prestasi kerja.
– Lingkungan kerja berpengaruh positif terhadap prestasi kerja.
– Lingkungan kerja memoderasi hubungan antara pelatihan
dengan prestasi kerja.
4. Kriteria Penerimaan Hipotesis
Hipotesis 1.
Ho : b1= 0 : Tidak terdapat pengaruh pelatihan terhadap prestasi kerja.
Ha : b1 > 0 : Terdapat pengaruh positif pelatihan terhadap prestasi kerja.
Kriteria:
Ho diterima Jika thitung ≤ t tabel atau > 0,05
Ha diterima thitung > t tabel atau 0,05
Hipotesis 2.
Ho : b2 = 0 : Tidak terdapat pengaruh lingkungan kerja terhadap prestasi kerja.
Ha : b2 > 0 : Terdapat pengaruh positif lingkungan kerja terhadap prestasi kerja.
Kriteria:
Ho diterima Jika thitung ≤ t tabel atau > 0,05
Ha diterima thitung > t tabel atau 0,05
Hipotesis 3.
Ho : b3= 0 : Lingkungan kerja tidak memoderasi hubungan pelatihan terhadap prestasi
kerja.
Ha : b3 0:Lingkungan kerja memoderasi hubungan pelatihan terhadap prestasi kerja.
Ho diterima Jika thitung ≤ t tabel atau > 0,05
Ha diterima thitung > t tabel atau 0,05
5. Sampel
15 Karyawan
6. Data Yang dikumpulkan
Y
9
8
9
5
7
8
6 5
8
7
10
8
7
6
4
X1
8
7
8
4
6
7
5 4
8
6
9
7
6
5
3
X2
7
6
7
3
5
6
4 3
6
5
8
6
5
5
2
7. Analisis Data
Untuk analisis data diperlukan, perhitungan:
1. Persamaan regresi
2. Nilai Prediksi
3. Koefesien determinasi
4. Kesalahan baku estimasi
5. Kesalahan baku koefesien regresinya
6. Nilai F hitung
7. Nilai t hitung
8. Kesimpulan
Persamaan Regresi
Y
X1
X2
X12
X3
X22
X32
X1X2
X1X3
X2.X3
YX1
YX2
YX3
9
8
7
56
64
49
3136
56
448
392
72
63
504
8
7
6
42
49
36
1764
42
294
252
56
48
336
9
8
7
56
64
49
3136
56
448
392
72
63
504
5
4
3
12
16
9
144
12
48
36
20
15
60
7
6
5
30
36
25
900
30
180
150
42
35
210
8
7
6
42
49
36
1764
42
294
252
56
48
336
6
5
4
20
25
16
400
20
100
80
30
24
120
5
4
3
12
16
9
144
12
48
36
20
15
60
8
8
6
48
64
36
2304
48
384
288
64
48
384
7
6
5
30
36
25
900
30
180
150
42
35
210
10
9
8
72
81
64
5184
72
648
576
90
80
720
8
7
6
42
49
36
1764
42
294
252
56
48
336
7
6
5
30
36
25
900
30
180
150
42
35
210
6
5
5
25
25
25
625
25
125
125
30
30
150
4
3
2
6
9
4
36
6
18
12
12
8
24
107
93
78
523
619
444
23101
523
3689
3143
704
595
4164
Koefesien Regresi:
Y = a +b1X1+b2X2+b0X3+
a
Deter min an[ A1] 259 .724
1,832
Deter min ant[ A] 141 .754
b1
Deter min an[ A2] 60.216
0,425
Deter min ant[ A] 141 .754
b2
Deter min an[ A3] 60.310
0,425
Deter min ant[ A] 141 .754
b3
Deter min an[ A4]
1.850
0,013
Deter min ant[ A] 141 .754
Y = 1,832 +0,425X1+0,425X2+0,013X3
Makna Persamaan Regresi Yang
Terbentuk
a =
b1 =
b2 =
b3 =
1,832, Artinya jika pelatihan (X1) dan lingkungan kerja
(X2) sebesar 0 maka Prestasi Kerja (Y) akan sebesar
1,832.
0,425, Artinya jika lingkungan kerja (X2) dan X3
(moderasi) konstans, maka kenaikan pelatihan (X1) akan
menyebabkan peningkatan Prestasi Kerja (Y) sebesar
0,425.
0,425, Artinya jika Pelatihan (X1) dan X3 (moderasi)
konstans, maka kenaikan lingkungan kerja (X1) akan
menyebabkan peningkatan Prestasi Kerja (Y) sebesar
0,425.
0,013, Artinya jika pelatihan (X1) dan Lingkungan Kerja
(X2) konstans, maka kenaikan moderasi (X3) akan
menyebabkan kenaikan Prestasi kerja (Y) sebesar 0,013 kali.
Nilai Prediksi
Berapa besarnya nilai prestasi kerja jika nilai pelatihan sebesar 8 dan
nilai lingkungan kerja sebesar 7 ?
1,832+ (0,0425x8)+(0,0425x7)+(0,013*56= 8,935
Berapa besarnya nilai prestasi kerja jika nilai pelatihan sebesar 7 dan
nilai lingkungan kerja sebesar 6 ?
1,832+ (0,0425x7)+(0,0425x6)+(0,013*42= 7,903
Berapa besarnya nilai prestasi kerja jika nilai pelatihan sebesar 8 dan
nilai lingkungan kerja sebesar 7 ?
1,832+ (0,0425x8)+(0,0425x7)+(0,013*56= 8,935
Berapa besarnya nilai prestasi kerja jika nilai pelatihan sebesar 4 dan
nilai lingkungan kerja sebesar 3 ?
1,832+ (0,0425x4)+(0,0425x3)+(0,013*12= 4,963
Berapa besarnya nilai prestasi kerja jika nilai pelatihan sebesar 6 dan
nilai lingkungan kerja sebesar 5 ?
1,832+ (0,0425x6)+(0,0425x5)+(0,013*30= 6,897
Dan seterusnya…………………….!!!
Y
X1
X2
X3
Y Pred
(Y-Y Pred)2
(Y-Y Bar)2
9
8
7
56
8.935
0.004
3.484
8
7
6
42
7.903
0.009
0.751
9
8
7
56
8.935
0.004
3.484
5
4
3
12
4.963
0.001
4.551
7
6
5
30
6.897
0.011
0.018
8
7
6
42
7.903
0.009
0.751
6
5
4
20
5.917
0.007
1.284
5
4
3
12
4.963
0.001
4.551
8
8
6
48
8.406
0.165
0.751
7
6
5
30
6.897
0.011
0.018
10
9
8
72
9.993
0.000
8.218
8
7
6
42
7.903
0.009
0.751
7
6
5
30
6.897
0.011
0.018
6
5
5
25
6.407
0.166
1.284
4
3
2
6
4.035
0.001
9.818
107
93
78
523
106.954
0.410
39.733
Koefesien Determinasi
Koefesien determinasi:
R 1
2
ˆ )2
(
Y
Y
(Y Y )
2
(0,410 )
R 1
0,990
(39,733)
2
Koefesien Determinasi Disesuaikan (adjusted)
Ra dj
2
P
R
(
1
)
R2
N P 1
Ra dj 0,990
3(1 0,990 )
0,986
15 3 1
Kesalahan Baku
Estimasi
Digunakan untuk mengukur tingkat
kesalahan dari model regresi yang dibentuk.
Se
(Y Yˆ )
nk
2
Se
(0,410 )
0,193
15 4
Standar Error Koefesien Regresi
Digunakan untuk mengukur besarnya tingkat
kesalahan dari koefesien regresi:
Sb
Se 2
Det [ A]
( Kii )
Sa
(0,193 ) 2
(1.036 .194 ) 0,522
141 .754
Sb1
(0,193 ) 2
(113 .649 ) 0,173
141 .754
Sb 2
(0,193 ) 2
(105 .512 ) 0,166
141 .754
Sb 3
(0,193 ) 2
(1.137 ) 0,017
141 .754
Uji F
Uji F digunakan untuk menentukan uji ketepatan model (goodness of
fit):
Ho: Diterima jika F hitung F tabel
Ha: Diterima jika F hitung > F tabel
R 2 /( k 1)
F
1 R 2 /( n k )
F
0,990 /( 4 1)
351,911
1 0,990 /(15 4)
Karena F hitung (351,911) > dari F tabel (3,59) maka moder persmaan
rgeresi yang dibentuk memiliki goodness of fit yang tinggi.
Uji t
Digunakan untuk mengatahui pengaruh parsial variabel bebas terhadap variabel
tergantung.
Ho: Diterima jika -t tabel t hitungl t tabel
Ha: Diterima jika -t hitung < t tabel atau t hitung > t tabel
t hitung
bj
Sbj
0,425
t X1
2,458
0,173
tX2
tX3
Karena:
0,425
2,555
0,166
0,013
0,755
0,017
• t hitung X1(2,458) > t tabel (1,796), maka Ha diterima
• t hitung X2 (2,555) > dari t tabel (1,796), maka Ha diterima.
• t hitung X3 (0,755) < dari t tabel (1,796), maka Ha ditolak.
KESIMPULAN
KESIMPULAN
– Pelatihan berpengaruh positif terhadap prestasi
kerja.
– Lingkungan kerja berpengaruh positif terhadap
prestasi kerja.
– Lingkungan kerja tidak memoderasi hubungan
antara pelatihan dengan prestasi kerja.
Dengan Menggunakan
Program Komputer
Langkah Langkah:
Buka file : Regresi Moderasi
Kalikan variabel X1 dengan Variabel X2
langkah sebagai berikut:
–
–
–
–
Transform Compute….
Tuliskan X3 pada kotak Target Variable
Pada kotak Numeric Expression ketikan X1*X2
OK
Analyze Regression Linear...
Masukan variabel Y pada kotak
Dependent
X1, X2, X3 pada kotak Independent
Abaikan pilihan yang lain OK
KESIMPULAN
KESIMPULAN
– Pelatihan berpengaruh positif terhadap prestasi
kerja.
– Lingkungan kerja berpengaruh positif terhadap
prestasi kerja.
– Lingkungan kerja tidak memoderasi hubungan
antara pelatihan dengan prestasi kerja.
METODE KEDUA
Nilai Selisih Mutlak
Uji selisih nilai mutlak dilakukan dengan
cara mencari selisih nilai mutlak
terstandarisasi diantara kedua variabel
bebasnya.
Jika selisih nilai mutlak diantara kedua
variabel bebasnya tersebut signifikan
positif maka variabel tersebut memoderasi
hubungan antara variabel bebas dan
variabel tergantungnya.
z
xi x
8 6,200
1,034
1,740
Variabel X3
merupakan variabel
moderasi:
|1.034-1.087| = 0,053
|0,460-0,483| = 0,023
|1,034-1,087| = 0,053
Dan sterusnya….
Dengan Menggunakan Program
Komputer
Langkah Langkah:
Buka file : Regresi Moderasi
Tranformasi X dan X2 dalam bentuk standardize
– Analyse Descriptive Statistics Descriptive-aktivkan save
stnadardize…..
– Masukan X1 dan X2 ke Variables
– OK
Kurangi dan absolutkan variabel X1 dengan Variabel X2
langkah sebagai berikut:
–
–
–
–
Transform Compute….
Tuliskan X3 pada kotak Target Variable
Pada kotak Numeric Expression ketikan abs (X1-X2)
OK
Analyze Regression Linear...
Masukan variabel Y pada kotak
Dependent
ZX1, ZX2, X3 pada kotak Independent
Abaikan pilihan yang lain OK
KESIMPULAN
KESIMPULAN
– Pelatihan berpengaruh positif terhadap prestasi kerja.
– Lingkungan kerja berpengaruh positif terhadap
prestasi kerja.
– Lingkungan kerja tidak memoderasi hubungan
antara pelatihan dengan prestasi kerja.
METODE KETIGA
Uji Residual
Fokus dari uji ini adalah ketidakcocokkan
(lack of fit) yang dihasilkan dari deviasi
hubungan
linier
antar
variabel
independent. Lack of fit ditunjukkan oleh
nilai residual didalam regresi.
Jika variabel tergantung Y diregresikan
terhadap nilai absolut residual ternyata
signifikan dan negatif maka dikatakan
terjadi moderasi.
Analyze Regression Linear...
Masukan variabel Y pada kotak
Dependent
X1, X2 pada kotak Independent
Klik Save pada Residual pilih unstandardize
Abaikan pilihan yang lain OK
Dengan Menggunakan
Program Komputer
Langkah Langkah:
Langkah Langkah:
Buka file : Regresi Moderasi
Munculkan nilai residual Unstanstandardisze
–
–
–
–
Analyse RegresiLinier…..
Masukan X1 dan X2 ke independent dan Y ke Dependent
Klik Save, pilih Resdual unstandardize
OK
Transform Compute….
Tuliskan X3 pada kotak Target Variable
Pada kotak Numeric Expression ketikan abs (Res_1)
OK
Absolutkan variabel Res_1 dengan langkah sebagai berikut:
–
–
–
–
Rgresikan Y terhadap X3
Analyze Regression Linear...
Masukan variabel X3 pada kotak
Dependent
Y pada kotak Independent
Abaikan pilihan yang lain OK
KESIMPULAN
KESIMPULAN
– Lingkungan tidak kerja memoderasi
hubungan antara pelatihan dengan
prestasi kerja.
REGRESI DENGAN VARIABEL
MODERATING
Oleh:
Dr.Suliyanto, SE,MM
http://management-unsoed.ac.id
Path Analisis
Download
JENIS-JENIS VARIABEL
DALAM PENELITIAN
Variabel Bebas
Variabel yang mempengaruhi variabel tergantung.
Variabel Tergantung
Variabel yang besar kecilnya tergantung pada variabel bebas.
Variabel Moderating
Variabel yang akan memperkuat atau memperlemah
hubungan antara variabel bebas dengan variabel tergantung.
Variabel Intervening
Merupakan variabel antara yang fungsinya memediasi
hubungan antara variabel bebas dengan varibel tergantung.
LATAR BELAKANG MUNCULNYA
ANALISIS REGRESI VARIABEL
MODERATING
Dalam kenyataan dalam kasus manajemen
tidak hanya terdapat hubungan antara varibel
bebas dengan variabel tergantung, tetapi juga
muncul
adanya
variabel
yang
ikut
mempengaruhi hubungan antar variabel
tersebut yaitu variabel moderasi.
Contoh:
Besarnya konsumsi tidak hanya dipengaruhi
oleh pendapatan, tetapi gaya hidup ikut
menentukan pengaruh pendapatan terhadap
konsumsi.
Model Variabel Moderating
Satu Varibel Bebas
Dua Variabel Bebas
atau Lebih
X2
X1
X1
Y
X2
X3
X4
Y
TIGA METODE YANG DIGUNAKAN
UNTUK MELAKUKAN UJI REGRESI
DENGAN VARIABEL MODERASI
1.
2.
3.
Uji Interaksi
Uji interaksi sering disebut dengan Moderated Regression
Analysis (MRA). Merupakan aplikasi khusus regresi linier
berganda
dimana
dalam
persamaan
regresinya
mengandung unsur interaksi (perkalian dua atau lebih
variabel independen).
Uji Nilai Selisih Mutlak
Dilakukan dengan mencari nilai selisih mutlak dari variabel
independen.
Uji Residual
Dilakukan
dengan
menguji
pengaruh
deviasi
(penyimpangan) dari suatu model. Fokusnya adalah
ketidakcocokan (pack of fit) yang dihasilkan dari deviasi
hubungan antar variabel independen.
Contoh Kasus:
Seorang peneliti akan meneliti apakah
lingkungan kerja memoderasi hubungan
antara program pelatihan dengan prestasi
kerja. Untuk keperluan tersebut diambil
sampel sebanyak 15 karyawan.
METODE PERTAMA
Uji Interaksi
Uji interaksi dilakukan dengan cara
mengalikan
dua atau lebih variabel
bebasnya.
Jika hasil perkalian dua varibel bebas
tersebut signifikan maka variabel tersebut
memoderasi hubungan antara variabel
bebas dan variabel tergantungnya.
Persamaan Regresi
Persamaan Regresi Moderasi dengan uji
iterasi:
Y = a + b1X1 + b2X2+b3X1X2 +
Y = Nilai yang diramalkan
a = Konstansta
b1 = Koefesien regresi untuk X1
b2 = Koefesien regresi untuk X2
b3 = Koefesien variabel moderasi
X1 = Variabel bebas pertama
X2 = Variabel bebas kedua
X3 = Variabel Moderasi
= Nilai Residu
Pemecahan
1.
Judul
Pengaruh pelatihan terhadap prestasi kerja dengan lingkungan
kerja sebagai variabel moderasi.
2. Perumusan Masalah
– Apakah pelatihan berpengaruh terhadap prestasi kerja ?
– Apakah lingkungan kerja berpengaruh terhadap prestasi
kerja?
– Apakah lingkungan kerja memoderasi hubungan antara
pelatihan dengan prestasi kerja ?
3. Hipotesis
– Pelatihan berpengaruh positif terhadap prestasi kerja.
– Lingkungan kerja berpengaruh positif terhadap prestasi kerja.
– Lingkungan kerja memoderasi hubungan antara pelatihan
dengan prestasi kerja.
4. Kriteria Penerimaan Hipotesis
Hipotesis 1.
Ho : b1= 0 : Tidak terdapat pengaruh pelatihan terhadap prestasi kerja.
Ha : b1 > 0 : Terdapat pengaruh positif pelatihan terhadap prestasi kerja.
Kriteria:
Ho diterima Jika thitung ≤ t tabel atau > 0,05
Ha diterima thitung > t tabel atau 0,05
Hipotesis 2.
Ho : b2 = 0 : Tidak terdapat pengaruh lingkungan kerja terhadap prestasi kerja.
Ha : b2 > 0 : Terdapat pengaruh positif lingkungan kerja terhadap prestasi kerja.
Kriteria:
Ho diterima Jika thitung ≤ t tabel atau > 0,05
Ha diterima thitung > t tabel atau 0,05
Hipotesis 3.
Ho : b3= 0 : Lingkungan kerja tidak memoderasi hubungan pelatihan terhadap prestasi
kerja.
Ha : b3 0:Lingkungan kerja memoderasi hubungan pelatihan terhadap prestasi kerja.
Ho diterima Jika thitung ≤ t tabel atau > 0,05
Ha diterima thitung > t tabel atau 0,05
5. Sampel
15 Karyawan
6. Data Yang dikumpulkan
Y
9
8
9
5
7
8
6 5
8
7
10
8
7
6
4
X1
8
7
8
4
6
7
5 4
8
6
9
7
6
5
3
X2
7
6
7
3
5
6
4 3
6
5
8
6
5
5
2
7. Analisis Data
Untuk analisis data diperlukan, perhitungan:
1. Persamaan regresi
2. Nilai Prediksi
3. Koefesien determinasi
4. Kesalahan baku estimasi
5. Kesalahan baku koefesien regresinya
6. Nilai F hitung
7. Nilai t hitung
8. Kesimpulan
Persamaan Regresi
Y
X1
X2
X12
X3
X22
X32
X1X2
X1X3
X2.X3
YX1
YX2
YX3
9
8
7
56
64
49
3136
56
448
392
72
63
504
8
7
6
42
49
36
1764
42
294
252
56
48
336
9
8
7
56
64
49
3136
56
448
392
72
63
504
5
4
3
12
16
9
144
12
48
36
20
15
60
7
6
5
30
36
25
900
30
180
150
42
35
210
8
7
6
42
49
36
1764
42
294
252
56
48
336
6
5
4
20
25
16
400
20
100
80
30
24
120
5
4
3
12
16
9
144
12
48
36
20
15
60
8
8
6
48
64
36
2304
48
384
288
64
48
384
7
6
5
30
36
25
900
30
180
150
42
35
210
10
9
8
72
81
64
5184
72
648
576
90
80
720
8
7
6
42
49
36
1764
42
294
252
56
48
336
7
6
5
30
36
25
900
30
180
150
42
35
210
6
5
5
25
25
25
625
25
125
125
30
30
150
4
3
2
6
9
4
36
6
18
12
12
8
24
107
93
78
523
619
444
23101
523
3689
3143
704
595
4164
Koefesien Regresi:
Y = a +b1X1+b2X2+b0X3+
a
Deter min an[ A1] 259 .724
1,832
Deter min ant[ A] 141 .754
b1
Deter min an[ A2] 60.216
0,425
Deter min ant[ A] 141 .754
b2
Deter min an[ A3] 60.310
0,425
Deter min ant[ A] 141 .754
b3
Deter min an[ A4]
1.850
0,013
Deter min ant[ A] 141 .754
Y = 1,832 +0,425X1+0,425X2+0,013X3
Makna Persamaan Regresi Yang
Terbentuk
a =
b1 =
b2 =
b3 =
1,832, Artinya jika pelatihan (X1) dan lingkungan kerja
(X2) sebesar 0 maka Prestasi Kerja (Y) akan sebesar
1,832.
0,425, Artinya jika lingkungan kerja (X2) dan X3
(moderasi) konstans, maka kenaikan pelatihan (X1) akan
menyebabkan peningkatan Prestasi Kerja (Y) sebesar
0,425.
0,425, Artinya jika Pelatihan (X1) dan X3 (moderasi)
konstans, maka kenaikan lingkungan kerja (X1) akan
menyebabkan peningkatan Prestasi Kerja (Y) sebesar
0,425.
0,013, Artinya jika pelatihan (X1) dan Lingkungan Kerja
(X2) konstans, maka kenaikan moderasi (X3) akan
menyebabkan kenaikan Prestasi kerja (Y) sebesar 0,013 kali.
Nilai Prediksi
Berapa besarnya nilai prestasi kerja jika nilai pelatihan sebesar 8 dan
nilai lingkungan kerja sebesar 7 ?
1,832+ (0,0425x8)+(0,0425x7)+(0,013*56= 8,935
Berapa besarnya nilai prestasi kerja jika nilai pelatihan sebesar 7 dan
nilai lingkungan kerja sebesar 6 ?
1,832+ (0,0425x7)+(0,0425x6)+(0,013*42= 7,903
Berapa besarnya nilai prestasi kerja jika nilai pelatihan sebesar 8 dan
nilai lingkungan kerja sebesar 7 ?
1,832+ (0,0425x8)+(0,0425x7)+(0,013*56= 8,935
Berapa besarnya nilai prestasi kerja jika nilai pelatihan sebesar 4 dan
nilai lingkungan kerja sebesar 3 ?
1,832+ (0,0425x4)+(0,0425x3)+(0,013*12= 4,963
Berapa besarnya nilai prestasi kerja jika nilai pelatihan sebesar 6 dan
nilai lingkungan kerja sebesar 5 ?
1,832+ (0,0425x6)+(0,0425x5)+(0,013*30= 6,897
Dan seterusnya…………………….!!!
Y
X1
X2
X3
Y Pred
(Y-Y Pred)2
(Y-Y Bar)2
9
8
7
56
8.935
0.004
3.484
8
7
6
42
7.903
0.009
0.751
9
8
7
56
8.935
0.004
3.484
5
4
3
12
4.963
0.001
4.551
7
6
5
30
6.897
0.011
0.018
8
7
6
42
7.903
0.009
0.751
6
5
4
20
5.917
0.007
1.284
5
4
3
12
4.963
0.001
4.551
8
8
6
48
8.406
0.165
0.751
7
6
5
30
6.897
0.011
0.018
10
9
8
72
9.993
0.000
8.218
8
7
6
42
7.903
0.009
0.751
7
6
5
30
6.897
0.011
0.018
6
5
5
25
6.407
0.166
1.284
4
3
2
6
4.035
0.001
9.818
107
93
78
523
106.954
0.410
39.733
Koefesien Determinasi
Koefesien determinasi:
R 1
2
ˆ )2
(
Y
Y
(Y Y )
2
(0,410 )
R 1
0,990
(39,733)
2
Koefesien Determinasi Disesuaikan (adjusted)
Ra dj
2
P
R
(
1
)
R2
N P 1
Ra dj 0,990
3(1 0,990 )
0,986
15 3 1
Kesalahan Baku
Estimasi
Digunakan untuk mengukur tingkat
kesalahan dari model regresi yang dibentuk.
Se
(Y Yˆ )
nk
2
Se
(0,410 )
0,193
15 4
Standar Error Koefesien Regresi
Digunakan untuk mengukur besarnya tingkat
kesalahan dari koefesien regresi:
Sb
Se 2
Det [ A]
( Kii )
Sa
(0,193 ) 2
(1.036 .194 ) 0,522
141 .754
Sb1
(0,193 ) 2
(113 .649 ) 0,173
141 .754
Sb 2
(0,193 ) 2
(105 .512 ) 0,166
141 .754
Sb 3
(0,193 ) 2
(1.137 ) 0,017
141 .754
Uji F
Uji F digunakan untuk menentukan uji ketepatan model (goodness of
fit):
Ho: Diterima jika F hitung F tabel
Ha: Diterima jika F hitung > F tabel
R 2 /( k 1)
F
1 R 2 /( n k )
F
0,990 /( 4 1)
351,911
1 0,990 /(15 4)
Karena F hitung (351,911) > dari F tabel (3,59) maka moder persmaan
rgeresi yang dibentuk memiliki goodness of fit yang tinggi.
Uji t
Digunakan untuk mengatahui pengaruh parsial variabel bebas terhadap variabel
tergantung.
Ho: Diterima jika -t tabel t hitungl t tabel
Ha: Diterima jika -t hitung < t tabel atau t hitung > t tabel
t hitung
bj
Sbj
0,425
t X1
2,458
0,173
tX2
tX3
Karena:
0,425
2,555
0,166
0,013
0,755
0,017
• t hitung X1(2,458) > t tabel (1,796), maka Ha diterima
• t hitung X2 (2,555) > dari t tabel (1,796), maka Ha diterima.
• t hitung X3 (0,755) < dari t tabel (1,796), maka Ha ditolak.
KESIMPULAN
KESIMPULAN
– Pelatihan berpengaruh positif terhadap prestasi
kerja.
– Lingkungan kerja berpengaruh positif terhadap
prestasi kerja.
– Lingkungan kerja tidak memoderasi hubungan
antara pelatihan dengan prestasi kerja.
Dengan Menggunakan
Program Komputer
Langkah Langkah:
Buka file : Regresi Moderasi
Kalikan variabel X1 dengan Variabel X2
langkah sebagai berikut:
–
–
–
–
Transform Compute….
Tuliskan X3 pada kotak Target Variable
Pada kotak Numeric Expression ketikan X1*X2
OK
Analyze Regression Linear...
Masukan variabel Y pada kotak
Dependent
X1, X2, X3 pada kotak Independent
Abaikan pilihan yang lain OK
KESIMPULAN
KESIMPULAN
– Pelatihan berpengaruh positif terhadap prestasi
kerja.
– Lingkungan kerja berpengaruh positif terhadap
prestasi kerja.
– Lingkungan kerja tidak memoderasi hubungan
antara pelatihan dengan prestasi kerja.
METODE KEDUA
Nilai Selisih Mutlak
Uji selisih nilai mutlak dilakukan dengan
cara mencari selisih nilai mutlak
terstandarisasi diantara kedua variabel
bebasnya.
Jika selisih nilai mutlak diantara kedua
variabel bebasnya tersebut signifikan
positif maka variabel tersebut memoderasi
hubungan antara variabel bebas dan
variabel tergantungnya.
z
xi x
8 6,200
1,034
1,740
Variabel X3
merupakan variabel
moderasi:
|1.034-1.087| = 0,053
|0,460-0,483| = 0,023
|1,034-1,087| = 0,053
Dan sterusnya….
Dengan Menggunakan Program
Komputer
Langkah Langkah:
Buka file : Regresi Moderasi
Tranformasi X dan X2 dalam bentuk standardize
– Analyse Descriptive Statistics Descriptive-aktivkan save
stnadardize…..
– Masukan X1 dan X2 ke Variables
– OK
Kurangi dan absolutkan variabel X1 dengan Variabel X2
langkah sebagai berikut:
–
–
–
–
Transform Compute….
Tuliskan X3 pada kotak Target Variable
Pada kotak Numeric Expression ketikan abs (X1-X2)
OK
Analyze Regression Linear...
Masukan variabel Y pada kotak
Dependent
ZX1, ZX2, X3 pada kotak Independent
Abaikan pilihan yang lain OK
KESIMPULAN
KESIMPULAN
– Pelatihan berpengaruh positif terhadap prestasi kerja.
– Lingkungan kerja berpengaruh positif terhadap
prestasi kerja.
– Lingkungan kerja tidak memoderasi hubungan
antara pelatihan dengan prestasi kerja.
METODE KETIGA
Uji Residual
Fokus dari uji ini adalah ketidakcocokkan
(lack of fit) yang dihasilkan dari deviasi
hubungan
linier
antar
variabel
independent. Lack of fit ditunjukkan oleh
nilai residual didalam regresi.
Jika variabel tergantung Y diregresikan
terhadap nilai absolut residual ternyata
signifikan dan negatif maka dikatakan
terjadi moderasi.
Analyze Regression Linear...
Masukan variabel Y pada kotak
Dependent
X1, X2 pada kotak Independent
Klik Save pada Residual pilih unstandardize
Abaikan pilihan yang lain OK
Dengan Menggunakan
Program Komputer
Langkah Langkah:
Langkah Langkah:
Buka file : Regresi Moderasi
Munculkan nilai residual Unstanstandardisze
–
–
–
–
Analyse RegresiLinier…..
Masukan X1 dan X2 ke independent dan Y ke Dependent
Klik Save, pilih Resdual unstandardize
OK
Transform Compute….
Tuliskan X3 pada kotak Target Variable
Pada kotak Numeric Expression ketikan abs (Res_1)
OK
Absolutkan variabel Res_1 dengan langkah sebagai berikut:
–
–
–
–
Rgresikan Y terhadap X3
Analyze Regression Linear...
Masukan variabel X3 pada kotak
Dependent
Y pada kotak Independent
Abaikan pilihan yang lain OK
KESIMPULAN
KESIMPULAN
– Lingkungan tidak kerja memoderasi
hubungan antara pelatihan dengan
prestasi kerja.