Artikel ini akan memberikan contoh bagaimana melakukan analisis mediasi dengan pemrograman R. Pada contoh ini kita akan menggunakan data tabel12reg.xlsx yang dapat di-download di sini, dapat terlebih dahulu di-import ke dalam RStudio dengan cara di video ini. Proses regresi linier dengan pemrograman R dapat dilihat pada tutorial sebelumnya di artikel ini. Metode analisis mediasi ini akan menggunakan metode yang dikembangkan oleh Baron & Kenny (1986) yang berbasis pada analisis regresi linier sederhana dan regresi linier berganda.
Misal kita memiliki model di bawah ini, kita akan menguji apakah variabel M menjadi mediator pengaruh variabel X ke Y.
ada 3 tahap analisis mediasi yang akan dilakukan
#Tahap1
Pengujian regresi linier sederhana variabel X ke Y,
diharapakan ada pengaruh signifikan X ke Y, namun ada beberapa pendapat yang menyatakan tidak terlalu penting untuk melakukan #Tahap1 ini selama ada teori yang kuat terkait variabel X dan Y ini,
#Tahap1 > model.0 <- lm(SMP~KM, data = table12reg) > summary(model.0) Call: lm(formula = SMP ~ KM, data = table12reg) Residuals: Min 1Q Median 3Q Max -6.6226 -1.5486 -0.0423 1.6861 9.8711 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 6.40061 0.89703 7.135 4.45e-11 *** KM 0.34567 0.04173 8.284 7.76e-14 *** Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 2.677 on 143 degrees of freedom Multiple R-squared: 0.3243, Adjusted R-squared: 0.3196 F-statistic: 68.63 on 1 and 143 DF, p-value: 7.76e-14
dari proses #Tahap1 didapat bahwa variabel X memiliki tingkat signifikansi dengan p-value 7.76e-14 pada variabel Y.
#Tahap2
Pengujian regresi linier sederhana variabel X ke M,
variabel X harus berpengaruh signifikan ke M untuk bisa melanjutkan pengujian mediasi.
#Tahap2 > model.M <- lm(CI~KM, data = table12reg) > summary(model.M) Call: lm(formula = CI ~ KM, data = table12reg) Residuals: Min 1Q Median 3Q Max -5.4035 -1.8647 0.1085 1.1085 9.5965 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 6.7815 0.8018 8.458 2.89e-14 *** KM 0.3244 0.0373 8.698 7.28e-15 *** Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 2.393 on 143 degrees of freedom Multiple R-squared: 0.346, Adjusted R-squared: 0.3414 F-statistic: 75.66 on 1 and 143 DF, p-value: 7.276e-15
dari proses #Tahap2 didapatkan bahwa variabel Knowledge Management (X) berpengaruh signifikan pada variabel Competitive intelligence (M) dengan nilai p-value 7.28e-15.
#Tahap3
Pengujian regresi linier berganda variabel X dan M ke Y,
pada pengujian #Tahap3, M harus signifikan pada Y, jika signifikansi X terhadap Y turun, maka M adalah variabel mediasi sebagian pengaruh X pada Y, jika variabel X berpengaruh tidak signifikan pada Y, maka M adalah sebagai mediator penuh X pada Y.
#Tahap3 #multiple regression > model.Y <- lm(SMP~KM+CI, data = table12reg) > summary(model.Y) Call: lm(formula = SMP ~ KM + CI, data = table12reg) Residuals: Min 1Q Median 3Q Max -6.8578 -0.9147 0.0728 1.0631 5.1673 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 1.35207 0.82306 1.643 0.10265 KM 0.10416 0.03865 2.695 0.00789 ** CI 0.74446 0.07008 10.622 < 2e-16 *** Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 2.005 on 142 degrees of freedom Multiple R-squared: 0.6235, Adjusted R-squared: 0.6182 F-statistic: 117.6 on 2 and 142 DF, p-value: < 2.2e-16
dari hasil pengujian pada #Tahap3 kita dapatkan bahwa variabel M berpengaruh signifikan pada variabel Y (p-value < 2e-16) dan signifikansi variabel X pada variabel Y mengalami penurunan dimana nilai p-value menjadi 0.00789, dibandingkan sebelum ada varibel M (proses #Tahap1) dengan p-value adalah 7.76e-14. Pengujian pada 3 tahapan di atas memberikan kesimpulan bahwa variabel M menjadi mediator sebagian pengaruh variabel X kepada variabel Y.
References
Baron, R. M., & Kenny, D. A. (1986). The moderator–mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations. Journal of Personality and Social Psychology, 5, 1173-1182.
I’m really looking forward to read more on this topic.
Thank you