Analisis Mediasi dengan package SEMinR pemrograman R

Artikel ini akan menjelaskan bagaimana melakukan analisis mediasi dengan package SEMinR pada pemrograman R. Pada contoh ini kita akan menggunakan data educationFull.csv yang dapat di-download di file ini (educationFull.csv), seperti biasa data dapat terlebih dahulu di-import ke dalam RStudio dengan cara di video ini.

Tutorial ini merupakan kelanjutan dari tutorial analisis PLS-SEM menggunakan SEMinR, silahkan anda mempelajari terlebih dahulu tutorial PLS-SEM dengan SEMinR.

Pedoman utama analisis mediasi kali ini kita akan menggunakan konsep dari buku Hair et al., 2017. dengan konsep dasar seperti gambar di bawah ini, dengan 3 buah variabel y1, y2 dan y3.

model dasar mediasi

dalam bukunya Hair et al., 2017, menjelaskan ketentuan dasar untuk proses pengambilan kesimpulan hasil pengujian mediasi bersarkan bagan berikut ,

bagan pengambilan kesimpulan analisis mediasi,, sumber Hair et al. 2017.
  1. jika indirect effect (p1.p2) signifikan maka ada potensi y2 sebagai mediasi, jika tidak maka y2 bukan variabel mediator
  2. jika p3 signifikan maka ada mediasi sebagian oleh variabel y2, jika p3 tidak signifikan maka y2 adalah mediator penuh (full mediation)

Kita akan melanjutkan proses dari tutorial PLS-SEM dengan SEMinR yang sudah kita lakukan untuk melihat analisis mediasi dari model di bawah ini.

misalnya kita akan melihat variabel Value apakah bisa menjadi variabel mediator bagi Tutoring maupun Advising dalam model di atas.

Dari proses analisis PLS-SEM dengan SEMinR kita mendapatkan hasil akhir seperti gambar di bawah ini,

Tahap #1

Kita jalankan baris perintah di bawah ini untuk menguji indirect effect variabel Tutoring-Value-Satisfaction,

confidence_interval(boot_seminr_model = boot_seminr_model, from = "Tutoring", through = "Value", to = "Satisfaction", alpha = 0.05)

didapatkan hasil di bawah ini, tampak bahwa indirect effect variabel Tutoring-Value-Satisfaction adalah signifikan,

sehingga dapat dinyatakan Value bisa menjadi variabel mediasi pengaruh Tutoring ke Satisfaction.

Tahap #2

Selanjutkan kita jalan baris perintah untuk menguji pengaruh variabel Tutoring ke Satisfaction, dengan perintah di bawah ini,

confidence_interval(boot_seminr_model = boot_seminr_model, from = "Tutoring", to = "Satisfaction", alpha = 0.05)

kita dapatkan hasil seperti gambar di bawah ini, tampak bahwa direct effect Tutoring ke Satisfaction adalah tidak signifikan, sehingga dapat kita simpulkan bahwa Value menjadi mediasi penuh (full mediation) bagi pengaruh Tutoring ke Satisfaction.

Bagaimana dengan posisi variabel Value pada pengaruh Advising-Satisfaction, silahkan anda dapat coba dan bisa kita diskusikan dengan comment di bawah ini. Terima kasih.

References

Hair, J. F., Hult, G. T. M., Ringle, C., & Sarstedt, M. (2017). A primer on partial least squares structural equation modeling (PLS-SEM). In SAGE Publications,