Pengantar Analisis Mediasi (Mediation)

Hipotesis yang berkaitan dengan mediasi (mediation) sangat umum dijumpai dalam penelitian-penelitian keperilakuan atau behavioral. Topik mediasi menjadi penting karena memungkinkan penelitian mengetahui mengapa sesuatu hal terjadi. Analisis mediasi memberikan penelitian gambaran mengenai proses terjadinya sesuatu (Kenny., 2009).

Mediasi terjadi jika prediktor atau variabel independen mempengaruhi variabel dependen secara tidak langsung melalui paling tidak satu variabel intervening atau mediator. Bila terdiri dari hanya satu mediator maka disebut simple mediation dan bila proses mediasional melibatkan lebih dari satu mediator maka disebut dengan multiple mediation. Tulisan kali ini akan membicarakan proses mediasi sederhana atau simple mediation.


Mediasi Sederhana (Simple Mediation)
Variabel mediator juga disebut variabel intervening atau variabel proses. Jika variabel independen tidak lagi mempunyai pengaruh terhadap variabel dependen setelah mengontrol variabel mediator, maka dinyatakan terjadi perfect atau complete mediation. Jika pengaruh variabel independen terhadap variabel dependen berkurang tetapi masih berbeda dari 0, setelah mengontrol variabel mediator, maka dinyatakan terjadi partial mediation (Kenny., 2008; Preacher and Hayes., 2004).
Hipotesis mediasional atau mediational hypothesis, umumnya diuji dengan dua cara atau strategi yaitu: causal step berdasarkan ketentuan dari Baron dan Kenny (1986) dan strategi perkalian koefisien atau product of coefficient, yang didasarkan pada pengujian signifikansi pengaruh tak langsung atau indirect effects (MacKinnon., 2008; Wuensch., 2007; Larsman., 2006; Preacher, Rucker and Hayes., 2007).

Strategi Causal Step

Dalam pengujian dengan causal steps, peneliti harus mengestimasi tiga persamaan regresi berikut (Baron and Kenny., 1986):
1. Persamaan regresi sederhana variabel modiator (M) pada variabel independen (X): M = i1 + a X + e1
2. Persamaan regresi sederhana variabel dependen (Y) pada variabel independen (X): Y = i2 + c X + e2
3. Persamaan regresi berganda variabel dependen (Y) pada kedua variabel independen (X) dan mediator (M): Y = i3 + c' X + b M + e3
Dimana i adalah koefisien intersep
Berdasarkan hasil estimasi ketiga model regresi tersebut, ada beberapa persyaratan yang harus dipenuhi untuk tercapainya mediasi. Pertama, variabel independen harus signifikan mempengaruhi variabel mediator pada persamaan pertama, jadi koefisien a ≠ 0; kedua, variabel independen harus signifikan mempengaruhi variabel dependen pada persamaan kedua, jadi koefisien c ≠ 0; dan ketiga, variabel mediator harus signifikan mempengaruhi variabel dependen pada persamaan ketiga, jadi koefisien b ≠ 0. Mediasi terjadi jika pengaruh variabel independen terhadap variabel dependen lebih rendah pada persamaan ketiga (c') dibandingkan pada persamaan kedua (c) (Baron and Kenny., 1986).
Sebenarnya koefisien a dan b yang signifikan sudah cukup untuk menunjukkan adanya mediasi, meskipun c tidak signifikan. Sehingga tahap esensial dalam pengujian mediasional adalah step 2 dan step 3. Jadi (1) variabel independen mempengaruhi mediator dan (2) mediator mempengaruhi dependen meskipun independen tidak mempengaruhi dependen (Kenny et al.,1998 dalam Larsman., 2006; Kenny., 2008; McKinnon., 2008). Bila step 2 dan step 3 terpenuhi dan koefisien c' tidak signifikan (c' = 0) maka terjadi perfect atau complete mediation. Bila koefisien c' berkurang namun tetap signifikan (c' ≠ 0) maka dinyatakan terjadi partial mediation (Kenny., 2008; Preacher and Hayes., 2004).

Strategi Product of Coefficient

Strategi kedua untuk pengujian mediasional adalah product of coefficient, yang menguji signifikansi pengaruh tak langsung atau indirect effect (perkalian efek langsung atau direct effect variabel independen terhadap mediator, a dan direct effect mediator terhadap variabel dependen, b atau ab). Uji signifikansi terhadap koefisien indirect effect ab diakui memberikan pengujian yang lebih langsung terhadap hipotesis mediasional, dibanding pendekatan causal step (Preacher and Hayes., 2004; Preacher, Rucker and Hayes., 2007). Uji signifikansi indirect effect ab dilakukan berdasarkan rasio antara koefisien ab dengan standard error-nya yang akan menghasilkan nilai z statistik (z-value). Standard error koefisien ab (Sab) dihitung berdasarkan versi Aroian dari Sobel test yang dipopulerkan dan direkomendasikan oleh Baron and Kenny (1986), yaitu akar kuadrat (). Sehingga formula lengkapnya adalah sebagai berikut (Baron and Kenny., 1986; Preacher and Leonardelli., 2006; Preacher, Rucker and Hayes., 2007; Preacher and Hayes., 2004):
z-value =
Keterangan:
ab adalah koefisien indirect effet yang diperoleh dari perkalian antara direct effect a dan b.
a adalah koefisien direct effect independen (X) terhadap mediator (M).
b adalah koefisien direct effect mediator (M) terhadap dependen (Y).
Sa adalah standard error dari koefisien a.
Sb adalah standard error dari koefisien b.
Jika z-value dalam harga mutlak > 1,96 atau tingkat signifikansi statistik z (p-value) < 0,05, berarti indirect effect atau pengaruh tak langsung variabel independen terhadap variabel dependen melalui mediator, signifikan pada taraf signifikansi 0,05 (Preacher and Hayes., 2004). z-value beserta nilai probabilitasnya (p-value) dapat dihitung menggunakan Excel atau alat hitung interaktif dari Kris Preachers yang terdapat pada http://people.ku.edu/~preacher/sobel/sobel.htm.
Dengan hanya memasukkan nilai a, b beserta standar error-nya masing-masing maka uji signifikansi dengan Sobel test (bersama variannya) dapat diperoleh.
Satu masalah serius dengan pendekatan Sobel test di atas dan beberapa variannya dalam menguji signifikansi indirect effects, adalah power tes yang rendah bila distribusi indirect effect ab berdistribusi tidak normal, khususnya pada sampel kecil (Wuensch., 2007; Preacher and Hayes., 2004). Hasil simulasi oleh Bollen dan Stine (1990) serta Shrout dan Bolger (2002), menunjukkan bahwa distribusi sampling indirect effect tidak selalu simetris atau normal (Preacher and Hayes., 2004). Satu metode yang direkomendasikan adalah menggunakan teknik bootsrapping (Shrout dan Bolger., 2002 dalam Wuensch., 2007; Preacher and Hayes., 2004; Preacher, Rucker and Hayes., 2007).
Bootsrapping adalah pendekatan nonparametrik untuk menguji hipotesis indirect effect, yang tidak membutuhkan asumsi mengenai bentuk distribusi variabel atau distribusi sampling dari indirect effect ab. Pendekatan ini juga tidak didasarkan pada teori sampel besar atau large-sample theory, yang berarti cocok untuk sampel kecil (Preacher and Hayes., 2004; Preacher, Rucker and Hayes., 2007).
Perhitungan besarnya indirect effect dan pengujian signifikansi dengan teknik bootstrapping dapat menggunakan macro SPSS/SAS dari Preacher dan Hayes yang tersedia di internet pada http://www.comm.ohio-state.edu/ahayes/sobel.htm. Macro ini akan menghasilkan semua nilai-nilai yang dibutuhkan untuk pengujian mediasi berdasarkan aturan Baron dan Kenny, hasil pengujian signifikansi indirect effect menggunakan Sobel test versi Aroian yang dipopulerkan dan direkomendasikan oleh Baron and Kenny, serta teknik bootsrapping untuk menghasilkan interval kepercayaan 95% dan 99% atau 95% confidence intervals dan 99% confidence intervals (Preacher and Hayes., 2004).
Bila indirect effect ab dalam 95% confidence intervals, tidak mengandung nol maka indirect effect atau pengaruh tak langsung variabel independen terhadap variabel dependen melalui variabel mediator, signifikan pada taraf signifikansi 0,05 yang berarti dukungan terhadap adanya mediasi (Preacher and Hayes., 2004; Wuensch., 2009).
Tulisan selanjutnya akan dibahas mengenai bagaimana menguji hipotesis mediasi menggunakan beberapa perangkat lunak seperti SPSS dan SAS atau mungkin juga dengan STATA dan juga beberapa perangkat lunak khusus SEM seperti AMOS dan LISREL... semoga.

Pustaka:
Baron, R. M and Kenny, D. A., 1986. The Moderator-Mediator Variable Distinction in Social Psychological Research: Conceptual, Strategic, and Statistical Considerations. Journal of Personality and Social Psychology. Vol. 51, No. 6, 1173-1182. American Psychological Association, Inc.
Kenny, D. A., 2008. Mediation. http://davidakenny.net/cm/mediate.htm (ini alamat terbaru yang saya akses pada bulan April 2009, semoga alamatnya belum berubah)
Kenny, D. A., 2009. Reflections on Mediation. Organizational Research Methods (semoga alamatnya belum berubah)
Larsman, P., 2006. On The Relation between Psychosocial Work Environment and Musculoskeletal Symptoms: A Structural Equation Modeling Approach. Arbete Och Hälsa. National Institute for Working Life
MacKinnon, D. P., 2008. Statistical Mediation. http://www.public.asu.edu/~davidpm/ripl/mediate.htm (semoga alamatnya belum berubah)
Preacher, K. J., Rucker, D. D and Hayes, A. F., 2007. Addressing Moderated Mediation Hypotheses: Theory, Methods, and Prescriptions. Multivariate Behavioral Research, 42(1), 185–227. Lawrence Erlbaum Associates, Inc.
Preacher, K. J and Hayes, A. F., 2004. SPSS and SAS Procedures for Estimating Indirect Effects in Simple Mediation Models. Behavior Research Methods, Instruments, & Computers, 36 (4), 717-731. Psychonomic Society, Inc.
Preacher, K. J and Leonardelli, G. J., 2006. Calculation for the Sobel Test: An Interactive Calculation Tool for Mediation Tests. www.psych.ku.edu/ preacher/sobel/sobel.htm (semoga alamatnya belum berubah)
Wuensch, K. L., 2007. Statistical Tests of Models That Include Mediating Variables. http://core.ecu.edu/psyc/wuenschk/MV/multReg/MediationModels.doc (semoga alamatnya belum berubah)

12 komentar:

  1. Mas Jalal,

    sudah saya link-kan Blog Mas jalal ini pada Blog saya (FORUM DISKUSI EKONOMETRIKA). Hal yang sama, Mas Jalal bisa Link-kan Blog saya (http://forum-ekonometrika.blogspot.com/) pada Blogroll blog ini.

    Salam

    Sanjoyo

    BalasHapus
  2. terimakasih untuk informasinya, sangat membantu dan mempermudah menganalisis variabel mediasi dengan regresi, di bandingkan harus menggunakan SEM.

    BalasHapus
  3. You're welcome mas/mbak icko.

    BalasHapus
  4. Salam Mas Jalal...
    Di sini ingin saya rakamkan rasa terimakasih tak terhingga pada Mas jalal kerna sudi berkongsi ilmu dan dengan apa yang dipaparkan di blog ini banyak sekali membantu saya dalam data analisis saya sekaligus membantu saya menyiapkan thesis phd saya. Terimakasih sekali lagi dan moga Allah membalas segala budi baik dan jasa Mas.

    Sekian,
    Khadijah Omar
    Pensyarah, Universiti Malaysia Terengganu,
    Terengganu , Malaysia

    BalasHapus
  5. Dear mbak Khadijah..
    Trimakasih doanya

    Wassalam
    Jalal

    BalasHapus
  6. terimakasih untuk pencerahannya, untuk lebih jelas dapat di lihat juga di http://widhiarso.staff.ugm.ac.id/files/Widhiarso%202010%20-%20Berkenalan%20dengan%20Analisis%20Mediasi.pdf. logika regresi baron&kenny saya dapatkan dari 2 blog ini,...terimakasih,....

    BalasHapus
  7. Trimakasih atas sharingnya ya mbak/mas Salwa

    BalasHapus
  8. Tulisan selanjutnya yang membahas mengenai bagaimana menguji hipotesis mediasi menggunakan beberapa perangkat lunak seperti SPSS dan SAS atau mungkin juga dengan STATA dan juga beberapa perangkat lunak khusus SEM seperti AMOS dan LISREL bisa saya lihat dmn ya? Terimakasih, saya ingin tahu contoh uji variabel intervening menggunakan PLS.

    BalasHapus
  9. Anda Kebingungan Dan Kesulitan Menyelesaikan Skripsi, Tesis, Disertasi
    Karena Pusing Mikirin Olah Data Analisis Statistika Dengan SPSS, AMOS
    LISREL, EVIEWS, SMARTPLS, DEA
    Serahkan Dan Percaya Kepada Kami.
    Kami Siap Bantu Anda.
    Olah Data Semarang (Timbul Widodo)
    WA : +62 852-2774-6673
    IG : olahdatasemarang

    BalasHapus
  10. sorry saya krisna saya mahasiswa yang sedang mengambil skripsi, saya mau tanya untuk melihat signifikansi pada variabel independent terhadap mediator, ataupun terhadap dependen itu jika hipotesisnya satu arah apakah p-valuenya juga tetap harus di bagi 2 semua ya? terimakasih mohon di jawab

    BalasHapus
  11. mungkinkah terjadi ketika sobel test signifikan mediated, tapi boostrap test terjadi nilai nol ( tidak signifikan)?

    BalasHapus
  12. terima kasih artikel yg sangat bermanfaat

    BalasHapus