Analisis Model Moderator SEM dengan Lisrel

Dalam model moderasi, pada umumnya dengan pengaruh interaksi dilakukan dengan Moderated Regression Analyisis (MRA) yakni spesifikasi regresi yang memasukkan variabel ketiga berupa perkalian antara variabel independen dengan moderator sebagai moderating (interaksi). Demikian juga pada model SEM dengan moderasi, bahwa pengaruh dari suatu variabel moderasi terhadap hubungan pengaruh variabel laten eksogen terhadap variabel laten endogen dinamakan Moderated Structural Equation Modeling. Untuk mengetahui ada tidaknya pengaruh moderasi dilakukan dengan bentuk variabel interaksi. 

Model SEM dengan Variabel Moderating

Model SEM dengan variabel Moderating

Pada model diatas merupakan model dengan moderasi. Ada variabel motivation sebagai variabel eksoen (independen), Efikasi diri sebagai variabel moderator (z) dan ada variabel Interaksi yang berasal dari perkalian antara Motivation dengan Efikasi Diri. Tetapi variabel interaksi ini dapat mengakibatkan timbulnya multikolinieritas pada variabel-variabel independen.  

Untuk mengatasi masalah tersebut salah satu caranya dengan mengubah data menjadi bentuk mean centered sebelum dianalisis. Mean centeredd merupakan transformasi data mentah menjadi selisih nilai dengan mean variabel tersebut.

Mean centered = data meatah (raw data) - nilai rata-rata (mean)

Dalam mengestimasi pengaruh moderating SEM yang sangat kompleks dapat dilakukan dengan Metode Ping (1995). metode ini menggunkan indikator tunggal dari variabel laten moderator. Dimana indikator tunggal diperoleh (pada model di atas), berasal dari perkalian antara indikator-indikator pada variabel motivasi dengan indikator-indikator pada variabel efikasi diri yaitu :

(MK1+MK2+MK3+MK4)(EK1+EK2+EK3)

Untuk melakukan analisis moderating dengan Metode Ping maka dilakukan dengan 3 tahap :

Tahap 1 : melakukan estimasi model tanpa memasukan  variabel interaksi yaitu hanya 2 variabel laten eksogen motivasi serta Efikasi diri dan 1 variabel endogen Kepuasan Kerja.

Tahap 2 : Dari hasil output model ini digunakan untuk menghitung nilai loading faktor varibel laten interaksi (𝞴Interaksi) dan nilai eror variance (𝞗q) dari indikator variabel laten interaksi dengan rumus sebagai berikut :

Rumus Lambda Interaksi dan eror variance

Tahap 3 : Setelah diperoleh nilai lambda interaksi dan nilai eror variance maka nilai-nilai tersebut dimasukan ke dalam model dengan variabel interaksi. Hasil perhitungan manual dari loading faktor interaksi digunakan sebagai nilai parameter nilai loading interaksi dan hasil perhitungan manual eror variance variabel interaksi digunakan sebagai nilai parameter eror variance interaksi.

Langkah Analisis Model Moderating Dengan Lisrel

Langkah 1 : Lakukan pengujian model tanpa memasukan variabel interaksi yaitu hanya variabel laten Motivasi, Efikasi Diri dan Kepauasan Kerja. Langkah analisis SEM dengan Lisrel seperti biasa pada umumnya : membuat syntax simplis project di Lisrel seperti pada gambar di bawah ini.

Syntax Lisrel

Hasil output analisis model sebagai berikut :

Model Lisrel

Pada hasil model memberikan nilai seperti chi-square sebesar 455.47, df = 62, probabilitas (P) 0.000 dan RMSEA sebesar 0.126.

Sedangkan nilai loading indikator-indikator pada variabel laten eksogen Motivasi dan Efikasi diri dan endogen Kepuasan kerja diperoleh nilai loading masing-masing sebesar > 0.7 yang menunjukkan bahwa indikator-indikator tersebut valid sebagai pengukur variabel latennya. Selangkapnya disajikan pada tabel di bawah ini.

Lisrel Standardized Solution

Untuk nilai eror indikator variabel eksogen motivasi kerja (theta delta) yang diperoleh eror MK1 sebesar 0.27, eror MK2 0.25, eror MK3 0.20 dan eror MK4 sebesar 0.50. Nilai eror indikator variabel Efikasi diri diperoleh nilai eror EK1 0.26, eror EK2 0.38, dan eror EK3 sebesar 0.47. Selengkapnya disajikan pada tabel di bawah ini.

Lisrel nilai eror

Sedangkan nilai variance pada masing-masing variabel laten diperoleh untuk variabel Kepuasan kerja sebesar 1, Motivasi sebesar 1, dan efikasi diri sebesar1. Hasil selengkapnya disajikan pada tabel di bawah ini.

Lisrel Nilai Variance

Langkah 2 : Dari hasil output di atas yaitu nilai loading indikator Motivasi dan Efikasi Diri, eror dan variance kemudian dimasukan ke dalam rumus sebagai parameter estimasi variabel interaksi. Hasil perhitungan sebagai berikut :

Nilai Lamda Interaksi dan Eror Interaksi

Dari hasil perhitungan manual diperoleh nilai parameter loading interaksi sebesar 7.878 dan eror interaksi sebesar 20.426. Kemudian kedua nilai tersebut dimasukan ke variabel interaksi. 

Selanjutnya membuat nilai untuk indikator baru yaitu MKEK sebagai indikator interaksi hasil perkalian antara indikator pada motivasi diri dengan indikator pada Efikasi diri. Dimana nilai tersebut sebelumnya dibuat nilai mean centered.

Langkah 3 : Membuat syntax baru simplis project di Lisrel. Simplis project selengkapnya disajikan pada gambar di bawah ini.

Syntax Lisrel Model Moderating

Terlihat pada baris ke delapan (8) pada syntax : MKEK = 7.878*Interaks. MKEK merupakan indikator baru dari variabel laten Interaksi. Sedangkan 7.878*Interaks, merupakan nilai loading laten Interaksi hasil perhitungan sebagai parameter dari variabel laten interaksi.

Pada baris ke sembilan (9) syntax : KepKer = Motivasi Efididi Interaks. Kita menambhkan variabel baru untuk interaksi dengan nama Interaks.

Pada baris ke sepuluh (10) syntax : Set the error variance of MKEK to 20.426. syntax ini memberikan nilai eror dari hasil perhitungan eror interaksi sebesar 20.426.

Pada baris 11 dan 12, dilakukan set parameter untuk korelasi antara Interaks dengan Motivasi dan Efidiri sebesar 0 artinya tidak dilakukan estimasi perhitungan dari hubungan variabel interaks dengan Motivasi dan Efidiri. Hasil running lisrel selengkapnya disajikan pada gambar di bawah ini.

Lisrel Moderating Output Standardized Solution

Pada hasil model dengan variabel interaksi menunjukan bahwa nilai diperoleh chi-square sebesar 576.09, p-value 0.000, dan RMSEA sebesar 0.130. Nilai RMSEA masih terlalu tinggi dan lebih besar dari 1. Selanjutnya dilakukan modifikasi model dengan melihat pada tabel modification indices  dari output lisrel yaitu :

Lisrel Modification Indices

• Mengkorelasikan eror indikator antara KK2 dengan KK1, akan menurunkan nilai chi-square sebesar 99.1.
• Mengkorelasikan eror indikator KK6 dengan KK3, akan menurunkan nilai chi-square sebesar 156.6.

Selanjutnya menambahkan syntax pada simplis project untuk kedua korelasi eror tersebut di atas. Bentuk syntax selengkapnya seperti pada gambar di bawah ini.

Syntax Lisrel

Tambahkan syntax :

Let the error of KK6 and KK3 correlate

Let the error of KK1 and KK2 correlate

Model Lisrel Dengan Moderating

Pada hasil model, memberikan nilai chi-square turun menjadi 333.81, p-value 0.000 dan RMSEA sebesar 0.095. Dari hasil nilai tersebut menunjukan bahwa model lebih fit /layak dibandingkan dengan model sebelumnya dilakukan modifikasi model.

Model Structural Equations

Untuk mengetahui hasil nilai koefisien pengaruh dapat dilihat pada nilai koefisien pada tabel structural ewiation di atas. Nilai koefisien pengaruh variabel motivasi sebesar 0.37 dengan nilai t-sebesar 4.98. Nilai koefisien pengaruh variabel Efikasi diri sebesar 0.41 dengan nilai t-statistik sebesar 5.30. Karena nilai yang diperoleh masing-masing pada kedua variabel, t-statistik   <  t-tabel artinya bahwa variabel motivasi dan Efikadi diri signifikan berpengaruh terhadap Kepuasan Kerja.

Demikian juga untuk nilai koefisien variabel Interaks sebesar -0.28 dengan nilai eror 0.055 dan nilai t-statistik -5.07, karena nilai t statistik -5.07 < -1.96 t-tabel maka terbukti bahwa Efikasi diri signifikan mampu memoderasi pengaruh hubungan Motivasi terhadap Kepauasan Kerja.

Baca juga : 

1. Model Moderator SEM dengan AMOS

2. Model Moderator dengan uji Residual

3. Model Moderator dengan selisih Mutlak

Referensi :

Mueller, R.O. (1996). Basic Principles of Structural Equation Modeling : An Introduction to Lisrel and EQS. New York : Springer Verlag.

Viera, A.L. (2011). Interactive Lisrel in Practice : Getting Started with a Simplis Approach. New York : Springer.

Ghozali, I dan Fuad . (2014). Structural Equation Modeling : Teori, Konsep, dan Aplikasi dengan Program Lisrel 9.10 Edisi 4. Semarang : Badan Penerbit Universitas Diponegoro.