Analisis Moderasi dengan R

Artikel berikut akan memberikan contoh bagaimana pengujian sebuah variabel sebagai variabel moderasi. Metode dalam artikel ini akan mengacu pada buku Hayes (2018) dengan pendekatan regresi linier. Pada contoh ini kita akan menggunakan data tabel12reg.xlsx yang terdiri atas 145 data sample, data dapat di-download di sini, data 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.

Misal model penelitian kita seperti di bawah ini, kita akan menguji apakah variabel Z menjadi moderator pengaruh variabel X ke Y.

Proses pengujian moderasi akan menggunakan pengujian regresi linier berganda di mana model di atas akan diuji dengan regresi linier berganda dengan mengubah model menjadi seperti gambar di bawah ini.

model regresinya adalah: Y = c + b1.X + b2.Z + b3.X.Z + e, dalam bukunya, Hayes (2018) menjelaskan bahwa variabel Z akan menjadi moderator yang kuat jika nilai b3 signifikan pada model regresi di atas.

Kita lakukan proses regresi dengan perintah di bawah ini,

 > modelkita <- lm(SMP~KM*CI, data = table12reg)
 > summary(modelkita) 

 Call:
 lm(formula = SMP ~ KM * CI, data = table12reg)

 Residuals:
     Min      1Q  Median      3Q     Max 
 -6.9826 -0.8869  0.0943  1.0341  4.8728 

 Coefficients:
              Estimate Std. Error t value Pr(>|t|)    
 (Intercept) -2.340687   2.111058  -1.109  0.26942    
 KM           0.314829   0.117498   2.679  0.00825 ** 
 CI           1.022098   0.162034   6.308 3.42e-09 ***
 KM:CI       -0.015295   0.008065  -1.897  0.05994 .  
 ----
 Signif. codes:  
 0 '***' 0.001 '**' 0.01 '*' 0.05 ‘.’ 0.1 ‘ ’ 1

 Residual standard error: 1.987 on 141 degrees of freedom
 Multiple R-squared:  0.6328,    Adjusted R-squared:  0.625 
 F-statistic: 81.01 on 3 and 141 DF,  p-value: < 2.2e-16

dari pengujian regresi linier di atas kita dapatkan nilai b3 sebesar -0.01529 dan tidak signifikan pada model (p-value 0.05994), sehingga dapat disimpulkan bahwa variabel Z (competitive intelligene) tidak menjadi moderator bagi pengaruh variabel X (knowledge management) pada variabel Y (strategic management process).

Simple slopes test

Kita akan melakukan pengujian simple slopes test, untuk melihat bagaimana setiap perubahan pada nilai varibel moderasi (Z) akan memberikan perubahan pada pengaruh variabel independent (X) ke variabel dependent (Y). Simple slopes test dapat dilakukan dengan perintah plotSlops() dan testSlopes() yang ada pada package rockchalk.

 > library(rockchalk) 
 > uji.slopes <- plotSlopes(modelkita, plotx="KM", modx="CI", n=3, modxVals="std.dev.")
 > hasil.uji.slopes <- testSlopes(uji.slopes)
   
Values of CI INSIDE this interval:
        lo         hi 
-145.08827   15.36297 
cause the slope of (b1 + b2*CI)KM to be statistically significant 

perintah plotSlopes() di atas akan menghasilkan grafik di bawah ini, tiga garis menunjukkan perubahan nilai Y dengan perubahan X dan Z, dimana nilai Z dimasukkan pada perintah plotSlops() otomatis digunakan tiga nilai Z yaitu mean, mean-SD dan mean+SD.

Lanjutkan dengan perintah di bawah ini untuk melihat hasil simple slopes test,

 > round(hasil.uji.slopes$hypotests,4)
 
        "CI"  slope Std. Error t value Pr(>|t|)
 (m-sd) 10.59 0.1529     0.0461  3.3150   0.0012
 (m)    13.54 0.1077     0.0383  2.8093   0.0057
 (m+sd) 16.49 0.0626     0.0441  1.4189   0.1581 

dari hasil di atas dapat kita lihat bahwa beberapa nilai variabel moderasi akan menghasilkan persamaan linier pengaruh variabel independent ke variabel dependent dengan nilai p-values yang tidak signifikan, saat nilai variabel moderasi = m, p-values nya 0.0057, saat saat nilai variabel moderasi = m+sd, p-values nya 0.1581. Menunjukkan tidak konsisten/signifikannya variabel competitive intelligence dalam memoderasi pengaruh knowledge management ke strategic management process.

Kita dapat membuat variasi pengujian simple slopes test dengan baris perintah di bawah ini,

> uji.slopes <- plotSlopes(modelkita, plotx="KM", modx="CI", n=5, modxVals="quantile")

bagaimana hasilnya? kami tunggu feedback nya ya, semoga lancar semua.

References
Hayes, A. F. (2018). Introduction to Mediation, Moderation, and Conditional Process Analysis, Second Edition: A Regression-Based Approach. New York: Guilford Publications.

Leave a Reply

Your email address will not be published. Required fields are marked *