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.