moderating ttg loyalitas, ini merupakan tugas
DESCRIPTION
tugas kampus yang mungkin bisa ditiru or bisa dipelajari lebih oleh kawan2...sakdfnisdahjf;sdfsdiofTRANSCRIPT
UJI MODERATING
“Tugas mata Kuliah Metode Kuantitatif Pengambilan keputusan”
Disusun Oleh :
Rahmad Syamsu W
201010180311065
ILMU EKONOMI DAN STUDI PEMBANGUNAN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS MUHAMMADIYAH MALANG
2013
DATA ANALISIS REGRESI DENGAN VARIABEL MODERATING
1.1 Judul Regresi Variabel Moderating
Analisis Dampak Service Peformance dan Kepuasaan Nasabah Terhadap Loyalitas
Nasabah di Bank Mandiri Malang
1. Variabel Moderating
Variabel moderator adalah variabel yang mempengaruhi (baik memperlemah
atau memperkuat hubungan antara variabel independen ke dependen.
Ada kalanya hubungan antar variabel independen berupa interaksi. Yang
dimaksud interaksi adalah pengaruh suatu variabel independen yang dikuatkan dan
dilemahkan/bercampur dengan variabel independen lainnya dalam mempengaruhi
variabel dependen.
Dalam gambar di atas variabel struktur organisasi merupakan variabel moderating oleh
karena dapat melemahkan atau memperkuat hubungan antara Service Peformance dan
Loyalitas Nasabah.
Hipotesis yang dapat diajukan adalah :
Ha : Semakin tinggi Service Peformance dan Loyalitas Nasabah maka semakin tinggi HASIL
Kepuasan Nasabah. Sebaliknya semakin sedikit Service Peformance dan Loyalitas Nasabah ,
maka semakin menurun Kepuasan Nasabah.
Jadi jelas bahwa variabel struktur organisasi merupakan variabel moderating, oleh karena ini
dapat memperkuat atau memperlemah hubungan antara Service Peformance dan Loyalitas
Nasabah.
( Kepuasan Nasabah)X2
orang
( Loyalitas Nasabah) Y
orang
( Service Peformance )X1
orang
Ada tiga cara menguji regresi dengan variabel moderating yaitu :
1. Uji interaksi
2. Uji nilai selisih mutlak
3. Uji residual
Uji interaksi atau sering disebut dengan Moderated Regression Analysis (MRA) merupakan
aplikasi khusus regresi berganda linear dimana dalam persamaan regresinya mengandung
unsur interaksi (perkalian dua atau lebih variabel independen) dengan rumus persamaan
regresi :
Y = a + b1X1 + b2X2 + b3X3 + b3X1X2 + e ... (1)
Variabel perkalian antara X1 dan X2 merupakan variabel moderating oleh karena
menggambarkan pengaruh moderating variabel X2 terhadap hubungan X1 dan Y. Sedangkan
variabel X1 dan X2 merupakan pengaruh langsung dari variabel X1 dan X2 terhadap Y.
Mengapa perkalian antara X1 dan X2 dapat dianggap sebagai moderating variabel, hal ini
dapat dijelaskan dengan cara membuat persamaan derivasi (turunan) X1 atau dY/dX1 dari
persamaan (1). Hasil dy/dX1 adalah :
dY/dX1 = b1 + b3X2 ... (2)
Persamaan (2) memberikan makna bahwa Y/dX1 merupakan fungsi dari X2 atau variabel X2
memoderasi hubungan antara X1 dan Y.
Untuk memberikan contoh dengan data, misalkan kita ingin mengetahui hubungan antara
Service Peformance, Loyalitas Nasabah dan Kepuasan Nasabah. Dalam hal ini kita ingin
mengetahui apakah data hubungan moderasi antara Service Peformance dan Loyalitas
Nasabah atau kalau digambarkan sebagai berikut :
Hipotesis yang akan diuji. Semakin tinggi JUMLAH SERVICE PEFORMANCE dan
JUMLAH LOYALITAS NASABAH akan berpengaruh terhadap semakin tinggi
KEPUASAN NASABAH. Untuk mengetahui apakah JUMLAH KEPUASAN NASABAH
merupakan variabel moderating, maka persamaan regresi dapat ditulis sebagai berikut:
Y = a + b1 + b2 + b3 * + e
Jika variabel merupakan moderating variabel, maka koefisien b3 harus signifikan pada 0,05
atau 0,10.
No Kepuasan Nasabah
(orang)
Service Peformance
(orang)
Loyalitas Nasabah
(orang)
1 250 30 150
2 300 37 250
3 400 42 345
4 500 56 432
5 600 55 512
6 700 64 636
7 800 70 772
8 850 75 800
9 950 85 912
10 1100 105 1000
A. Model 1. Uji Interaksi X1 dan X2 dalam bentuk perkalian.
Y = a + b1 X1 + b2 X2 + b3 X1X2 + e
Langkah Analisis
Menguji apakah suatu variabel dikatakan sebagai variabel moderating apa bukan.
Olah Data:
Hasil Output SPSS adalah sebagai berikut:
Variables Entered/Removedb
Model Variables Entered
Variables
Removed Method
1 J_ServicePeform
ance,
J_KepuasanNasa
bah, Moderatinga
. Enter
a. All requested variables entered.
b. Dependent Variable: J_loyalitasNasabah
Model Summary
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
Change Statistics
R Square Change F Change df1 df2
1 .997a .994 .991 27.092 .994 338.862 3
a. Predictors: (Constant), J_ServicePeformance, J_KepuasanNasabah, Moderating
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 746164.958 3 248721.653 338.862 .000a
Residual 4403.942 6 733.990
Total 750568.900 9
a. Predictors: (Constant), J_ServicePeformance, J_KepuasanNasabah, Moderating
b. Dependent Variable: J_loyalitasNasabah
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.B Std. Error Beta
1 (Constant) -69.370 90.239 -.769 .471
Moderating .000 .002 -.069 -.321 .759
J_KepuasanNasabah 1.242 .191 1.222 6.488 .001
J_ServicePeformance -2.016 3.413 -.160 -.591 .576
a. Dependent Variable: J_loyalitasNasabah
Pengambilan Keputusan:
pada output model summary, koefisien determinasi besarnya adjusted R2 terbesar 0,991, hal
ini berarti 99,1% variasi LOYALITAS NASABAH yang dapat dijelaskan oleh variasi
variabel independen J_ServicePeformance, J_KepuasanNasabah, Moderating Sedangkan
sisanya (100% - 99,18% = 0,1%) dijelaskan oleh sebab-sebab lain diluar model.
pada output coefficient, menunjukkan bahwa koefisien b3 sebesar 0,759 jadi tidak signifikan
karena lebih besar daripada 0,05 atau 0,10. Keputusannya variabel KEPUASAN NASABAH
bukan merupakan variabel moderating.
B. Model 2
Uji NILAI SELISIH MUTLAK
Frucot and Shearon (1991) mengajukan model regresi yang agak berbeda untuk menguji
pengaruh moderasi yaitu dengan model nilai selisih mutlak dari variabel independen dengan
rumus persamaan regresi :
Y = a + b1X1 + b2X2 + b3|X1 - X2|
di mana :
Xi merupakan nilai standardized score [ (rata-rata Xi - X) / 6X]
|X1-X2| merupakan interaksi yang diukur dengan nilai absolut perbedaan antara X1 dan X2
LOYALITAS NASABAH = a + b1 + b2 SERVICE PEFORMANCE+ b3 |SERVICE
PEFORMANCE – KEPUASAN NASABAH
Variables Entered/Removedb
Model
Variables
Entered
Variables
Removed Method
1 absx1_x2,
Zscore(J_Kepua
sanNasabah),
Zscore(J_Servic
ePeformance)a
. Enter
a. All requested variables entered.
b. Dependent Variable: J_loyalitasNasabah
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 .997a .994 .991 27.191
a. Predictors: (Constant), absx1_x2, Zscore(J_KepuasanNasabah),
Zscore(J_ServicePeformance)
b. Dependent Variable: J_loyalitasNasabah
Uji koefisien determinasi
Tampilan ouput SPSS model summary di atas menunjukkan nilai Adjusted R2 cukup tinggi
99,1 % yang berarti variabilitas J_LOYALITAS NASABAH yang dapat dijelaskan oleh
variabel (Constant), absx1_x2, Zscore(J_KepuasanNasabah), Zscore(J_ServicePeformance)
secara bersama-sama atau simultan mempengaruhi KEPUASAN NASABAH.
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 746132.657 3 248710.886 336.380 .000a
Residual 4436.243 6 739.374
Total 750568.900 9
a. Predictors: (Constant), absx1_x2, Zscore(J_KepuasanNasabah),
Zscore(J_ServicePeformance)
b. Dependent Variable: J_loyalitasNasabah
Hasil tampilan output ANOVA atau F test di atas menunjukkan bahwa nilai F hitung sebesar
336.380 dengan tingkat signifikansi 0,000 jauh di BAWAH 0,05. Ini berarti variabel
independen (Constant), absx1_x2, Zscore(J_KepuasanNasabah),
Zscore(J_ServicePeformance) secara bersama-sama atau simultan mempengaruhi
KEPUASAN NASABAH.
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.B Std. Error Beta
1 (Constant) 576.484 20.148 28.612 .000
Zscore(J_KepuasanNasabah
)358.698 62.264 1.242 5.761 .001
Zscore(J_ServicePeformanc
e)-73.619 66.059 -.255 -1.114 .308
absx1_x2 33.483 138.159 .011 .242 .817
a. Dependent Variable: J_loyalitasNasabah
Uji signifikansi parameter individual
Hasil tampilan output Coefficient di atas menunjukkan bahwa secara individu variabel
Zscore(J_ServicePeformance) memberikan nilai koefisien -73.619 dengan probabilitas
signifikan 0,308. Variabel Zscore(J_KepuasanNasabah) memberikan nilai koefisien 358.698
dengan probabilitas TIDAK signifikan 0,001. Kedua variabel ini dapat disimpulkan
berpengaruh terhadap KEPUASAN NASABAH
Variabel moderating AbsX1_X2 ternyata tidak signifikan yaitu dengan probabilitas signifikan
0,817 yang jauh di atas 0,05.
B. Model 3
Uji RESIDUAL
Menurut Frucot dan Shearon (1991) interaksi seperti ini lebih disukai oleh karena ekspektasi
sebelumnya berhubungan dengan kombinasi antara X1 dan X2 dan berpengaruh terhadap Y.
Misalkan dengan contoh kita, jika score tinggi untuk KEPUASAN NASABAH berasosiasi
dengan score rendah dari SERVICE PEFORMANCE (score tinggi SERVICE
PEFORMANCE), maka akan terjadi perbedaan nilai absolut yang besar. Hal ini juga akan
berlaku score rendah dari KEPUASAN NASABAH bersosiasi dengan score tinggi dari
SERVICE PEFORMANCE (score rendah SERVICE PEFORMANCE ). Kedua kombinasi ini
diharapkan akan berpengaruh terhadap LOYALITAS NASABAH yang meningkat. Rumus
regresi untuk menguji adalah sebagai berikut :
LOYALITAS NASABAH = a + b1 SERVICE PEFORMANCE + b2 KEPUASAN
NASABAH + b3 |SERVICE PEFORMANCE–KEPUASAN NASABAH|
di mana nilai SERVICE PEFORMANCE dan KEPUASAN NASABAH adalah
standardized.
KEPUASAN NASABAH = a + b1 SERVICE PEFORMANCE + e, dimana |e| = a + b1
LOYALITAS NASABAH
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.B Std. Error Beta
1 (Constant) 726.493 199.626 3.639 .007
AbsRes_1 -7.812 9.478 -.280 -.824 .434
a. Dependent Variable: J_loyalitasNasabah
Pengambilan keputusan :
jika hasilnya signifikan dan koefisien parameternya NEGATIF, maka variabel KEPUASAN
NASABAH merupakan IYA variabel moderating.