Moderating and Controll Variable Seringkali dalam penelitian membuat model yang memasukkan moderating dan controll variable seperti diperlihatkan dalam Grafik dibawah ini. Pada Grafik kita lihat model leverage () mempengaruhi (Kinerja keuangan perusahaan). dianggap sebagai dependent variable dan sebagai independent Variable. Ternyata model leverage variable mempengaruhi kinerja perusahaan di moderating variabel () dan Controll Variable. Variabel sebagai variabel moderating yaitu inovasi yang dilakukan perusahaan. Variabel moderating ini menguatkan hubungan dengan. Sementara dalam model tersebut dapat ditakan dengan variabel pengendali dan bisa dipakai yaitu variabel pemegang saham pengendali atau ultimate shareholder. Moderating Variable Dalam sebuah penelitian bisa saja ada sebuah variabel yang memoderasi variabel bebas kepada variabel tidak bebas. Variabel Moderating yaitu variabel yang memperkuat / memperlemah hubungan variabel bebas dan variabel tidak bebas. Seperti terlihat pada gambar diatas bahwa variabel merupakan variabel moderating terhadap hubungan variabel dengan variabel. Oleh karenanya, pemilihan variabel moderating sangat penting dan perlu dipikirkan secara kritis dan tidak sembarangan memasukkan variabel tersebut. sebagai penguat hubungan antara variabel bebas dan variabel tidak bebas maka varaibel tersebut tidak bisa berdiri sendiri di dalam model, tetapi menjadi penambah bagi variabel bebas. Sehingga variabel penguat atau penambah bagi variabel bebas maka varaibel harus lengket pada variabel. Bila menjadi penambah maka variabel baru muncul yaitu variabel perkalian antara variabel dan dan koefisien ini menjadi penambah pengaruhnya kepada variabel tidak bebas. Ditulis oleh Prof. Dr. Adler H. Manurung berdasarkan berbagai sumber
Adapun model untuk adanya sebuah variabel sebagai variabel moderating yaitu a0 a a a * e () Pad persamaan () terlihat secara jelas bahwa menjadi penguat pada Variabel atas hubungan terhadap variabel. Tetapi, juga harus variabel bebas pada model terssebut. Variabel moderating ini sering juga disebut variabel contingency. Bila dilakukan pengujian hipotesis terhadap koefisien model maka akan terjadi beberapa alternative yang diperlihatkan oleh tabel berikut dibawah ini. No Hasil Uji Jenis Moderasi. a not significant Moderasi Murni (Pure Moderator) a significant a significant a significant Moderasi Semu (Quasi Moderator). Quasi moderasi merupakan variabel yang memoderasi hubungan antara variabel independen dengan variabel dependen. a significant a not significant 4. a not significant a not significant yang sekaligus menjadi variabel independen. Prediktor Moderasi (Predictor Moderasi Variabel). Artinya variabel moderasi ini hanya berperanan sebagai variabel prediktor (independen) dalam model hubungan yang dibentuk Moderasi Potensial (Homologiser Moderator). Artinya variabel tersebut potensial menjadi variabel moderasi. Controll Variable Satu variabel lain yang sangat penting dalam sebuah model dan perlu sangat hati-hati membuatnya dalam model bahkan estimasi variabelnya juga perlu dilakukan dengan seksama yaitu Controll variable. Variabel ini dinyatakan variabel yang dikendalikan yang mengakibat variabel lain tidak bisa mempengaruhi hubungan variabel bebas dengan variabel tidak bebas. Adapun modelnya sebagai berikut : a0 a a a * a4 e () Karena sebagai variabel pengendali (control variable) maka variabel dan e saling berhubungan sehingga a4 merupakan biased estimator (penduga yang tidak bias atau Juga dimasukkan variabel moderating untuk menyesuaikan dengan Bagan yang diperkenalkan.
bagus). Oleh karenanya, perlu dibuat estimator variabel pengendali yang tidak bias. Hal itu dapat dilakukan dengan membuat model e dengan yaitu: e () 0 Oleh karenanya persamaan () disubsitusikan ke persamaan () maka persamaannya menjadi sebagai berikut: a0 a a a * a4 ( a ) a a a * 0 0 ( ( a 4 0 ) v) (4) Pada persamaan (4) terlihat model yang lebih memperlihatkan kesalahan v sudah lebih kecil dari kesalah e pada persamaan (). Adapun a4+ menjadi koefisien untuk variabel pengendali. Akibatnya koefisien interseptnya juga berubah menjadi a0+ 0 atau lebih besar (kecil) dari a0 tergantung estimasi 0. Oleh karenanya, ketika membuat modelnya harus disesuaikan tidak bisa langsung seperti pada persamaan () tetapi harus persamaan (4). Untuk melakukannya maka perhatikan data dibawah ini. Adapun langkah-langkah yang harus dilakukan yaitu:. Buat data sesuai model diexcell Tabel : data untuk menghitung Model Tahun * 000.5 0 7.% 0.5 5.69% 00.6 5 6.60% 8.5 5.50% 00.7 0 6.59% 8.57 6.5% 00.7 5.06% 4.9 6.0% 004.8 44.78% 4.00 4.6% 005.9 5 6.96% 0.65 6.% 006 64.79% 6. 6.49% 007. 7 4.0% 7.40 6.% 008.4 8 8.8% 5.4 5.78% 009.6 9 8.6% 6. 5.0% 00.9 04.5% 6.8 4.7% 0. 4.40% 9. 5.0% 0.4 4 5.65%.65 5.7% 0.5 6 5.46%.90 5.0% 0.7 50 5.70% 4. 5.08% 04.9 64 5.90% 5.60 5.09% 05 4. 79 5.55% 5.49 5.7%
Data ini bisa dikonversikan ke data lain untuk dipergunakan dengan menggunakan SPSS atau Eviews atau perangkat pengolahan data lainnya. Paper ini hanya menggunakan Excell untuk melakukan regressi dan bisa dilihat pada data analysis di Excell.. Lakukan estimasi koefisien regressi dengan menggunakan metode kwadrat terkecil. Regression Statistics Multiple R 0.99478088 R Square 0.98958900 Adjusted R Square 0.986867 Standard Error 0.0589068 Observations 7 ANOVA df SS MS F Significance F Regression 4.644757.688 85.569 8.840E- Residual 0.09454 0.0086 Total 6.777788 Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Intercept -0.6750856 0.4906587 -.7586 0.94 -.74977 0.9940 0.097646 0.0006905 9.549806 5.88E-07 0.05585 0.047009 6.4760596 4.47945067.459 0.87 -.48 6.086495 * -0.0498095 0.045655 -.946 0.097-0.6978 0.08757-6.49580776 5.4844 -.00 0.45895-8.0966445 5.05089 Berdasarkan hasil diatas maka modelnya sebagai berikut: ˆ 0.675 0.098 (5) 6.48 0.04 6. 4958. Selanjutnya menghitung estimasi yang sering dikenal dengan topi dengan memasukkan variabel bebas ke model yang dihasilkan pada tahapan (). 4. Lalu menghitung error yaitu selisih aktual dengan estimasi. 5. Kemudiam meregressikan error (sebagai dependent variabel) dengan sebagai variabel control dan menjadi variabel bebas pada regressi ini. 6. Setelah mendapatkan modelnya maka dilakukan penjumlahan atas data yang ada sesuai pada persamaan (4) yang diuraikan sebelumnya. Adapun tahapan yang dilakukan dengan menunjukkan data berikutnya pada tabel dibawah ini dimana sudah ada data error dan data estimasi.
Tabel : data untuk menghitung Model Tahun * Estimasi Error 000.5 0 7.% 0.5 5.69%.5487-0.0487 00.6 5 6.60% 8.5 5.50%.5096 0.0904 00.7 0 6.59% 8.57 6.5%.59 0.607 00.7 5.06% 4.9 6.0%.676 0.08 004.8 44.78% 4.00 4.6%.8779-0.0779 005.9 5 6.96% 0.65 6.%.98-0.08 006 64.79% 6. 6.49%.4-0.4 007. 7 4.0% 7.40 6.%.8-0.08 008.4 8 8.8% 5.4 5.78%.459-0.059 009.6 9 8.6% 6. 5.0%.665-0.065 00.9 04.5% 6.8 4.7%.9757-0.0757 0. 4.40% 9. 5.0%.070 0.97 0.4 4 5.65%.65 5.7%.89 0.49 0.5 6 5.46%.90 5.0%.4595 0.0877 0.7 50 5.70% 4. 5.08%.695 0.049 04.9 64 5.90% 5.60 5.09%.98-0.0 05 4. 79 5.55% 5.49 5.7% 4.054-0.0858 Adapun hasil regressi Error dengan sebagai berikut: Regression Statistics Multiple R 6555 R Square -4.78E-6 Adjusted R Square -0.06666667 Standard Error 0.0947405 Observations 7 ANOVA df SS MS F Significance F Regression -5.55E-7-5.6E-7-6.E-5 #NUM! Residual 5 0.09454 0.008869 Total 6 0.09454 Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Intercept -7.00E-6 0.86804 -.E-5-0.47574 0.47574.47E-4 4.006044.09E-5-8.5906 8.590607 Adapun koefisiennya sangat kecil sekali seperti diperlihatkan pada tabel diatas.
Adanya hasil persamaan regressi antara error dan maka persamaan (5) berubah menjadi sebagai berikut: ˆ 0.675 0.098 (6) 6.48 0.04 6. 4958 Karena nilai koefisien hasil regressi error dengan sangat kecil sekali maka nilai koefisien tidak berubah karena adanya pembulatan.