Perbedaan Mediasi dan Moderasi + Contoh | Restat

Perbedaan Mediasi dan Moderasi

Perbedaan utama mediasi dan moderasi terletak pada perannya: variabel mediasi menjelaskan bagaimana atau mengapa variabel independen memengaruhi variabel dependen (berperan sebagai perantara dalam jalur pengaruh), sedangkan variabel moderasi menjelaskan kapan atau pada kondisi apa pengaruh tersebut menguat atau melemah.

Variabel moderasi dan mediasi adalah dua variabel statistik yang digunakan untuk mengetahui pengaruh antara variabel independen terhadap variabel dependen. 

Tetapi keduanya memiliki tujuan yang berbeda dan memiliki karakteristik yang berbeda. Sehingga, perlu untuk memahami persamaan dan perbedaan antara kedua variabel ini untuk menentukan metode yang tepat (lihat juga referensi analisis mediasi-moderasi dari Andrew F. Hayes, pengembang PROCESS Macro).

Jika kamu membutuhkan bantuan mengolah data SmartPLS/PLS-SEM secara menyeluruh. Kami menawarkan Jasa Olah Data SmartPLS selesai dalam 1–2 hari.

Variabel Mediasi

Variabel mediasi digunakan untuk menguji apakah terdapat pengaruh variabel intervening (mediator) dalam hubungan antara variabel independen terhadap variabel dependen. 

Tujuan dari analisis mediasi adalah untuk memahami bagaimana dan mengapa variabel independen mempengaruhi variabel dependen. Hal ini dilakukan dengan melihat variabel mediator. 

Biasanya, peneliti melakukan analisis mediasi menggunakan model persamaan struktural (SEM) untuk fokus pada jalur kausal antara variabel independen dan variabel dependen. Jika menggunakan SmartPLS, panduan lengkapnya ada di: Cara Mengolah Data Kuesioner di SmartPLS.

Analisis Moderasi

Variabel moderasi digunakan untuk menguji apakah variabel lain (moderator) memperlemah atau memperkuat hubungan antara variabel independen terhadap variabel dependen. 

Dalam analisis moderasi, peneliti bertujuan untuk memahami bagaimana variabel lain (moderator) mempengaruhi hubungan antara variabel independen dan variabel dependen. 

Biasanya, peneliti melakukan analisis moderasi menggunakan analisis regresi berganda untuk fokus pada waktu dan cara variabel independen mempengaruhi variabel dependen.

Contoh Analisis Mediasi (dengan Angka)

Misalnya kerangka penelitian: Kepuasan Kerja (X) → Kepercayaan pada Atasan (M) → Komitmen Organisasi (Y). Dari hasil olah data (SmartPLS Bootstrapping atau PROCESS Macro), didapat:

• Jalur a (X → M): koefisien 0,45, signifikan (P < 0,05)
• Jalur b (M → Y): koefisien 0,38, signifikan (P < 0,05)
• Efek tidak langsung (indirect effect) = a × b = 0,45 × 0,38 = 0,171, signifikan (P < 0,05 lewat bootstrapping)
• Jalur c' (direct effect X → Y setelah M dimasukkan): koefisien 0,12, tidak signifikan (P > 0,05)

Kesimpulan: karena direct effect (c') tidak signifikan sementara indirect effect signifikan, ini disebut full mediation — pengaruh Kepuasan Kerja ke Komitmen Organisasi sepenuhnya berjalan lewat Kepercayaan pada Atasan. Kalau c' tetap signifikan (meski mengecil), itu disebut partial mediation — mediator hanya menjelaskan sebagian dari pengaruh, bukan keseluruhannya.

Contoh Analisis Moderasi (dengan Angka)

Misalnya kerangka penelitian: Iklan (X) → Penjualan (Y), dimoderasi oleh Musim (Z, dikodekan 1 = musim ramai, 0 = musim sepi). Dari hasil regresi dengan interaction term (X×Z), didapat:

• Koefisien Iklan (X): 0,30
• Koefisien interaksi (X×Z): 0,25, signifikan (P < 0,05)

Kesimpulan: karena interaction term signifikan, efek Iklan terhadap Penjualan berbeda tergantung musim — saat musim ramai (Z=1), pengaruh Iklan terhadap Penjualan menjadi 0,30 + 0,25 = 0,55 (lebih kuat), sedangkan saat musim sepi (Z=0), pengaruhnya hanya 0,30. Kalau interaction term tidak signifikan, artinya tidak terbukti ada efek moderasi — Musim tidak mengubah kekuatan pengaruh Iklan terhadap Penjualan.

Kesamaan

Variabel mediasi dan moderasi memiliki kesamaan di mana fungsinya adalah digunakan untuk mengetahui hubungan kausal antar variabel. Sebelum menguji mediasi atau moderasi, peneliti biasanya memeriksa analisis korelasi antar variabel terlebih dahulu. Kedua teknik tersebut juga menggunakan analisis regresi berganda dan SEM, namun untuk tujuan yang berbeda.

Perbedaan

Ada perbedaan yang signifikan antara analisis mediasi dan moderasi. Analisis mediasi berfokus pada jalur kausal antara variabel independen dan variabel dependen melalui variabel intervening. Sedangkan analisis moderasi fokus pada bagaimana variabel moderator mempengaruhi hubungan antara variabel independen dan variabel dependen.

Perbedaan lainnya adalah variabel mediasi untuk mengidentifikasi bagaimana dan mengapa suatu efek terjadi. Sementara, variabel moderasi untuk mengidentifikasi dalam kondisi apa suatu efek terjadi. 

Analisis mediasi membantu untuk memahami mekanisme kausal yang menghubungkan variabel independen dan dependen. Sebaliknya, analisis moderasi membantu untuk memahami konteks di mana hubungan antara variabel independen dan dependen lebih kuat atau lebih lemah.

Kesimpulan

Untuk meringkas, anda dapat menggunakan dua teknik statistik, analisis mediasi dan moderasi, di bidang inferensi kausal. Keduanya memiliki tujuan yang berbeda dan memiliki karakteristik yang berbeda. 

Analisis mediasi mengkaji bagaimana suatu variabel independen mempengaruhi variabel dependen melalui variabel intervening. Sebaliknya, analisis moderasi menguji kondisi di mana hubungan antara variabel independen dan dependen lebih kuat atau lebih lemah. 

Kedua teknik tersebut menggunakan analisis regresi berganda dan SEM, namun untuk tujuan yang berbeda.

Kesalahan Umum Menentukan Mediasi/Moderasi

1. Masih pakai pendekatan Baron & Kenny (1986) yang sudah dianggap usang. Metode causal-steps klasik ini mensyaratkan direct effect signifikan dulu sebelum bisa menguji mediasi — padahal metode modern (bootstrapping lewat Hayes PROCESS Macro atau SmartPLS) tidak mensyaratkan itu, dan lebih direkomendasikan karena punya power statistik lebih baik untuk sampel kecil-menengah.
2. Menyimpulkan "tidak ada mediasi" hanya karena direct effect (c') tetap signifikan. Itu bukan berarti mediasi gagal — itu tanda partial mediation (lihat contoh di atas), bukan tidak ada mediasi sama sekali. Yang menentukan ada/tidaknya mediasi adalah signifikansi indirect effect (a×b), bukan c'.
3. Salah arah kausal: menaruh variabel sebagai mediator padahal seharusnya moderator (atau sebaliknya). Tanya lagi ke teori: apakah variabel ketiga ini terjadi sebagai konsekuensi dari X sebelum memengaruhi Y (mediator), atau sudah ada sejak awal dan mengubah kekuatan hubungan X-Y (moderator)? Salah arah ini mengubah keseluruhan model dan kesimpulan penelitian.
4. Membuat interaction term (X×Z) tanpa centering variabelnya lebih dulu. Interaction term dari variabel yang belum di-mean-center rawan multikolinearitas tinggi dengan variabel utamanya, yang bisa membuat hasil regresi tidak stabil dan sulit diinterpretasi.
5. Menguji moderated mediation tanpa menyatakan itu secara eksplisit di kerangka penelitian. Kalau kekuatan efek mediasimu ternyata berbeda-beda tergantung level variabel lain, itu kasus moderated mediation — butuh pengujian khusus (index of moderated mediation), bukan sekadar uji mediasi dan moderasi terpisah lalu digabung sendiri kesimpulannya.

> Catatan dari Lukman, Statistical Analyst: Kesalahan nomor 3 yang paling sering saya lihat — mahasiswa menaruh variabel sebagai mediator karena "kelihatan logis di tengah," padahal dari desain penelitiannya variabel itu sebenarnya sudah ada duluan dan lebih cocok sebagai moderator. Selalu balik ke pertanyaan penelitianmu: kalau jawabannya "bagaimana/mengapa," itu mediasi; kalau "kapan/pada kondisi apa," itu moderasi — bukan sekadar posisi variabel di diagram.