MODEL MEDIASI DENGAN SATU VARIABEL MEDIATOR

Misalkan diberikan diagram jalur (path diagram) dan persamaan untuk model regresi (Gambar 1), serta diagram jalur dan persamaan untuk model mediasi dengan satu variabel mediator (Gambar 2)(Mackinon, 2008:48-49).

Gambar 1

Gambar 2

Berdasarkan Gambar 1 dan Gambar 2, diperoleh persamaan, yaitu:

 MacKimon (2008:50) menyatakan sebagai berikut:

"The intercepts are not involved in the estimation of method effects and could be left out of the equations. However, they are included here because intercepts are important for other aspects of mediation such as plotting the mediated effect. Note that both c and c' is be a partial effect, adjusted for the effects of the mediator. The parameters of this model can be estimated by multiple regression." 

Berdasarkan uaraian oleh Mackinon, intersep-intersep tidak dilihatkan untuk mengestimasi efek mediasi (mediated effects). Namun, intersep-intersep tersebut berguna untuk aspek yang lain dari mediasi, yakni memplot (grafik) efek mediasi. Nilai-nilai parameter dari model tersebut ($b_{3}$, $c$, $b_{2}$, ${c}'$, dan seterusnya) dapat diestimasi dengan menggunakan regresi berganda (multiple regression).

Perhatikan bahwa pengaruh tak langsung atau pengaruh mediasi (indirect effect atau nediated effect) dari variabel X terhadap variabel Y, melalui variabel M, merupakan hasil perkalian $b_{3}\times b_{2}$. Pengaruh langsung variabel X terhadap variabel Y, dengan mengontrol variabel M adalah ${c}'$. Parameter-parameter seperti $b_{3}$, $b_{2}$, $c$, dan ${c}'$  dapat diestimasi dengan menggunakan metode ordinary least square regression (metode orinary least squares regression tersedia dalam beberapa software, seperti SPSS, SAS, EViews, Minitab, dan sebagainya)(Mackinnon, 2008:50-51).

Read More

TENTANG ANALISIS JALUR

Schumaker dan Lumax (2010:143) menyatakan berkaitan tentang analisis jalur sebagai berikut:

"In this chapter we consider path models, the logical extension of multiple regression models. ALthough path analysis still uses models involving multiple observed variables, there may be any number of independent and dependent variables and any number of equations. Thus, as we shall see, path models require the anaysis of several multiple regressions equations using observed variables.

Sewall Wright is credited with the development of path analysis as a method for studying the direct and indirect effects of variables (Wright, 1921, 1934, 1960). Path anaysis is not actually a method for discovering causes; rather, it test theoretical relationships, which historically has been termed causal modeling.

Berdsarkan uraian di atas, dapat ditarik informasi bahwa model analisis jalur (path models) merupakan perluasan dari model regresi linear berganda. Dalam model regresi linear berganda, variabel tak bebas (dependent variables) yang dilibatkan hanya satu (hanya terdapat satu persamaan), sementara pada model analisis jalur terdapat kemungkinan memiliki variabel tak bebas (dependent variables) lebih dari satu, melibatkan penggunaan teknik regresi linear berganda lebih dari satu kali, untuk mengestimasi koefisien jalur. Jadi dalam hal ini, teknik regresi berganda dapat digunakan untuk menentukan koefisien jalur. Selanjutnya, metode analisis jalur dapat diartikan juga sebagai suatu metode untuk mempelajari pengaruh/efek langsung (direct effect) dan pengaruh tidak langsung (indirect effect) antara satu variabel dengan variabel lainnya.

Prescher dan Hayes dalam jurnal Behavior Research Methods, Instrument, & Computers 2004, 36(4), 717-731, dengan judul "SPSS and SAS procedures for esimating indirect effects in simple mediation" menyatakan sebagai berikut:

"Research often conduct mediation anaysis in order to indirectly asses the effect of a proposed cause on some outcome through a proposed mediator. The utility of mediation anaysis stems from its ability to go beyond the merely descriptive to a more functional understanding of the relationship among variables. A necessary component of mediation hypotheses are frequantly explored in psychological research,formal significance test of indirect effects are rarely conducted. After a brief overview of mediation, we argue the importance of facilitate estimation of the indirect effect with a normal theory approach and a bootstrap approach to obtaining confidance intervals, as well as the traditional approach advocated by Baron and Kenny (1986). We hope that this discussion an the macros will enhance the frequency of formal mediation tesisi in the psychology literature".

Berdasarkan uraian oleh Precher dan Hayes dapat ditarik infromasi bahwa pengujian signifikansi dari efek tidak langsung (indirect effect) dapat dilakukan dengan menggunakan SPSS dan SAS macros yang memfasilitasi pengujian signifikansi dari efek tidak langsung dengan pendekatan normal theory approcah dan bootrap approcah untuk memperoleh interval keyakinan (Gambar 1 dan Gambar 2) dan juga pendekatan tradisional yang dianjurkan oleh Baron dan Kenny.

Gambar 1

Gambar 2

Read More

CARA MENGINSTALL SPSS STATISTICS 21

Sebelum bisa digunakan, anda harus terlebih harus menginstall SPSS. Caranya sebagai berikut :

1. Klik dua kali pada file installer IBM SPSS Statistics

2. Di halaman pertama, ada penjelasan Licensed Materials dari SPSS. Klik Next.

3. Kemudian pilih single user license, lalu Klik Next

4. Muncul Software License Agreement, Klik I aceept the terms in the license agreement, Klik Next

5. Isikan username dan organisasi (tidak wajib diisi) pada bagian Customer Infromation

6. Bahasa standar SPSS adalah English, kalo ingin memakai bahasa lain, anda bisa memilih pada Help Language, tapi kalo ingin bahasa inggris (English), Klik Next

7. Di Assitive Technology, anda bisa menentukan apakah mau menginstall Assistive Technology atau tidak. Kalo ya, pilih Yes dan Klik tombol Next.

8. Tentukan lokasi instalasi di Destination Folder.

9. Di Ready to Install the program, Klik Install untuk memulai instalasi.

10. Berikutnya muncul License IBM Statistics, dan Klik OK untuk menjalankan wizard IBM SPSS.

11. Kemudian akan muncul Product Authorization, Klik License my product now.

12. Di halaman Enter Codes, ada texbox yang bisa diisikan serial number anda. Klik Next.

13. Munculnya konfirmasi kode, Klik Next

.

14. Kalau lisensi tidak ada masalah, Klik Finish.

15. Sekarang SPSS Statistics 21 sudah siap digunakan.

Read More

PENDEKATAN NILAI PROBABILITAS & NILAI KRITIS DALAM PENGAMBILAN KEPUTUSAN

Penentuan dalam pengambilan keputusan terhadap hipotesis dapat digunakan pendekatan nilai kritis (critical value approach) atau pendekatan nilai probabilitas (probability value approach). Perlu diperhatikan bahwa pendekatan nilai kritis dan pendekatan nilai probabilitas tidak saling berbeda. Dalam pendekatan nilai probabilitas (p-value), jika nilai probabilitas (p-value) lebih besar atau sama dengan tingkat signifikasi (a), maka hipotesis nol ($H_{0} $) diterima. Namun jika nilai probabilitas (p-value) lebih kecil daripada tingkat signifikasi, maka hipotesis nol ditolak.

Untuk uji satu sisi (one-tailed test), nilai probabilitas (p-value) dapat direpresentasikan sebagai luas pada sisi (tail) dari kurva distribusi sampling di luar (beyond) dari nilai statistik sampel (value of statistic sample). Pada gambar di bawah ini, nilai probabilitas (p-value) menunjukkan luas pada sisi dari kurva distribusi sampling di sebelah kanan dari nilai rata-rata sampel teramati ($\bar{X} $).

Untuk uji dua sisi (two-tailed test), nilai probabilitas (p-value) dapat direpresentasikan sebagai dua kali luas pada bagian sisi (tail) dari kurva distribusi sampling di luar (beyond) dari nilai statistik sampel (value of statistic sample). Pada gambar di atas menunjukkan nilai probabilitas (p-value) untuk uji dua sisi (two-tailed test).

Dalam pendekatan nilai kritis (critical-value approach), nilai tingkat signifikasi (a) ditentukan lebih dahulu sebelum menghitung nilai kritis. Nilai dari tingkat signifikasi dapat direpresentasikan sebagai luas total daerah penolakan hipotesis nol. Pada kasus distribusi normal standar, nilai kritis normal (standard) ($Z_{kritis} $) dihitung berdasarkan tabel distribusi normal standar pada suatu tingkat signifikan tertentu. Selanjutnya menghitung nilai statistik dari uji Z atau $Z_{hitung} $ berdasarkan nilai rata-rata sampel $\bar{X} $ yang diamati.

Untuk uji dua sisi (two-tailed test), daerah penerimaan dan penolakan hipotesis nol digambarkan sebagai berikut:

Jika $+Z_{hitung} > +Z_{kritis} $, maka hipotesis nol ditolak dan hipotesis alternatif diterima atau jika $-Z_{hitung} < -Z_{kritis} $, maka hipotesis nol ditolak dan hipotesis alternatif diterima. Namun, jika $-Z_{kritis} \leq Z_{hitung} \leq +Z_{kritis} $, maka hipotesis nol diterima dan hipotesis alternatif ditolak. Atau dapat juga dinyatakan sebagai berikut:

• Jika $\left | Z_{hitung} \right |\leq \left | Z_{kritis} \right | $, maka $H_{0} $ diterima, $H_{1} $ ditolak
• Jika $\left | Z_{hitung} \right |> \left | Z_{kritis} \right | $, maka $H_{0} $ ditolak, $H_{1} $ diterima  

Berikut disajikan output SPSS yang menyajikan nilai $Z_{hitung} $ dan nilai probabilitasnya

Berdasarkan tabel di atas, diketahui nilai probabilitasnya (Asymp. Sig. (2-tailed)) adalah 0,002. Perhatikan gambar di bawah ini. Probabilitas Z = - 3,113 berdasarkan tabel distribusi normal kumulatif adalah 0,0009. Karena dari dua sisi maka 2 $\times $ = 0,0018 $\cong $ 0,002.

Read More

INDEPENDENT SAMPLES (SAMPEL-SAMPEL YANG TIDAK BERHUBUNGAN)

Misalkan seorang dosen ingin meneliti mengenai ada tidaknya perbedaan yang secara signifikan secara statistik (statistically significant) pada nilai ujian matakuliah kalkulus antara mahasiswsa jurusan matematika dan mahasiswa jurusan statistika. Untuk keperluan penelitian, dosen tersebut meneliti 20 nilai ujian matakuliah kalkulus yang terdiri dari 10 nilai ujian matakuliah matematika dan 10 nilai ujian matakuliah kalkulus mahasiswa jurusan statistik. Berikut data yang diperoleh:

Berdarkan tabel di atas, terdapat dua sampel, yakni sampel X dan Y. Data pada sampel X dan Y berasal dari orang atau subjek yang berbeda-beda. Kedua sampel tersebut disebut juga dengan sampel-sampel tidak berhubungan (independent samples).

Baca juga : DEPENDENT SAMPLES & PAIRED SAMPLES (SAMPEL-SAMPEL YANG BERUHUBUNGAN)

Read More

DEPENDENT SAMPLES & PAIRED SAMPLES (SAMPEL-SAMPEL BERHUBUNGAN)

Misalkan diberikan data mengenai berat badan sebelum dan sesudah mengkonsumsi obat penambah berat badan merek X selama satu minggu.

Berdasarkan tabel diatas, terdapat 2 sampel yaitu P dan Q. Sampel P merupakan sampel mengenai data berat badan sebelum mengkonsumsi obat penambah berat badan merek X. Sedangkan sampel Q menyatakan sampel mengenai data berat badan setelah mengkonsumsi obat penambah berat badan merek X selama satu minggu.

Perhatikan bahwa data dari kedua sampel tersebut berasal dari subjek yang sama. Data dari sampel P berasal dari subjek A, B, C, ..., I. Begitu juga data dari sampel Q berasal dari subjek A, B, C, ...,I. Subjek tersebut mendapat dua perlakuan, yakni perlakuan sebelum mengkonsumsi obat penambah berat badan merek X selama satu minggu. Sampel P dan Sampel Q disebut sampel-sampel berhubungan (dependent samples) atau istilah lainnya adalah sampel-sampel berpasangan (paired samples).

Contoh lain, seorang produsen kerupuk ingin memasarkan kerupuk dengan empat rasa, yaitu rasa ayam, daging, ikan, dan Udang ke Kota B. Sebelum memasarkan kerupuk tersebut ke Kota B, produsen tersebut ingin mengetehui respon atau tanggapan dari masyarakat yang tinggal di sekitar rumahnya terhadap keempat rasa kerpuk tersebut. Misalkan respon yang digunakan berupa "suka" atau "tidak suka". Untuk keperluan penelitian, produsen tersebut mempersilahkan 11 orang untuk mencicipi keempat rasa kerupuk tersebut dan memberikan respon terhadap keempat rasa kerupuk tersebut. Berikut data yang dikumpulkan oleh produsen kerupuk tersebut:

Berdasarkan data pada tabel di atas, respon 0 menyatakan tidak suka, sedangkan respon 1 menyatakan suka. Diketahui seorang subjek yang bernama A hanya menyukai rasa ayam. Subjek yang bernama B menyukai keempat rasa kerupuk. Subjek yang bernama F hanya menyukai kerupuk rasa ayam dan udang. Perhatikan bahwa terdapat empat sampel, yakni:

• Sampel data respon mengenai kerupuk rasa ayam (sampel pertama)
• Sampel data respon mengenai kerupuk rasa daging (sampel kedua)
• sampel data respon mengenai kerupuk rasa ikan (sampel ketiga)
• sampel data respon mengenai kerupuk rasa udang (sampel keempat)

Perhatikan bahwa keempat sampel tersebut berasal dari subjek yang sama, yakni  A, B, C, dan seterusnya. Keempat sampel tersebut merupakan sampel-sampel berhubungan (dependent samples) atau several related samples.

Read More

MEREKAM DENGAN EXCEL MACRO RECORDER

Excel Macro Recorder

Excel Macro Recorder adalah alat yang sangat berguna di Excel VBA. Dengan Perekam Makro Excel, anda dapat merekam tugas anda dengan Excel. Selanjutnya, anda bisa menjalankan tugas berulang dengan mengklik sebuah tombol yang dapat menghemat banyak waktu. Pada bahasan ini menjelaskan seluk-beluk Recorder Macro Excel.

Langkah-langkah untuk merekam, menjalankan dan mengedit makro adalah sebagai beikut:

Merekam Makro

1. Klik pada tab Developer
2. Klik pada Record Macro





3. Disini anda dapat memberikan nama makro anda dan anda dapat memasukan shortcut untuk makro anda. Anda dapat menyimpan makro anda dalam tiga Workbook. Jika anda memilih untuk menyimpan makro anda dalam  Workbook Makro Pribadi, makro akan tersedia untuk semua Workbook anda (Excel File). Hal ini karena Excel Store makro anda dalam Workbook tersembunyi yang terbuka secara otomatis ketika Excel dimulai. Jika anda memilih untuk menyimpan makro anda di Workbook baru, makro hanya akan tersedia dalam Workbook dibuka secara otomatis  baru. Jika anda memilih untuk menyimpan makro anda dalam Workbook ini, makro akan tersedia dalam Workbook kerja saat ini.

Read More