Uji Moderasi dengan MRA di SPSS: Tutorial Lengkap Step-by-Step

Dalam banyak penelitian manajemen, psikologi, dan ilmu sosial, pertanyaan penelitian tidak sekadar "apakah X berpengaruh terhadap Y?" tetapi juga "apakah pengaruh X terhadap Y bergantung pada kondisi variabel Z?". Untuk menjawab pertanyaan kedua ini, digunakan teknik Moderated Regression Analysis (MRA) atau uji moderasi. Artikel ini membahas konsep MRA, cara menjalankannya di SPSS, dan cara membaca hasilnya secara tepat.

Apa Itu Moderasi dan MRA?

Variabel moderator adalah variabel yang memengaruhi kekuatan atau arah hubungan antara variabel independen (X) dan variabel dependen (Y). Berbeda dengan mediasi (yang menjelaskan mekanisme hubungan), moderasi menjelaskan kondisi di mana hubungan itu terjadi.

Contoh:

• "Apakah kepercayaan pelanggan memoderasi hubungan antara kualitas layanan dan kepuasan pelanggan?"
• "Apakah gender memoderasi pengaruh motivasi kerja terhadap kinerja karyawan?"

MRA adalah teknik regresi yang menguji efek moderasi dengan cara memasukkan variabel interaksi (perkalian X × Z) ke dalam persamaan regresi. Model dasar MRA:

Y = a + b₁X + b₂Z + b₃(X×Z) + e

Di mana:

• X = variabel independen
• Z = variabel moderator
• X×Z = variabel interaksi (produk X dan Z)
• b₃ = koefisien moderasi yang ingin diuji

Langkah-Langkah MRA di SPSS

Tahap 1: Persiapkan Data

Sebelum memulai, lakukan mean centering untuk mengurangi multikolinearitas antara variabel asli dan variabel interaksi:

1. Hitung rata-rata X dan Z
2. Buat variabel baru: X_c = X − mean(X) dan Z_c = Z − mean(Z)
3. Buat variabel interaksi: XZ = X_c × Z_c

Gunakan menu Transform → Compute Variable di SPSS untuk langkah ini.

Tahap 2: Regresi Bertahap (Hierarchical Regression)

MRA umumnya dilakukan dalam tiga blok regresi:

Blok 1 — Model 1 (Efek Langsung X terhadap Y):

• Masukkan variabel independen (X_c) saja
• Catat nilai R², F, dan koefisien B untuk X

Blok 2 — Model 2 (Tambahkan Moderator Z):

• Masukkan X_c dan Z_c bersama-sama
• Catat perubahan R² dan signifikansi

Blok 3 — Model 3 (Tambahkan Interaksi):

• Masukkan X_c, Z_c, dan variabel interaksi XZ
• Inilah model utama MRA

Cara melakukannya di SPSS:

1. Klik Analyze → Regression → Linear
2. Masukkan Y sebagai Dependent
3. Masukkan blok variabel menggunakan tombol Next untuk berpindah blok
4. Di menu Statistics, centang R squared change
5. Klik OK

Tahap 3: Interpretasi Hasil

Fokus pada output Model 3 (yang menyertakan variabel interaksi XZ).

Kriteria moderasi signifikan:

• Koefisien variabel interaksi (XZ) memiliki Sig. < 0,05
• Nilai R² meningkat secara signifikan dari Model 2 ke Model 3 (lihat kolom R² Change dan Sig. F Change)

Contoh tabel output yang perlu dilaporkan:

Model	R²	ΔR²	Sig. F Change
Model 1 (X saja)	0,218	—	0,000
Model 2 (X + Z)	0,345	0,127	0,002
Model 3 (X + Z + XZ)	0,412	0,067	0,019

Interpretasi koefisien interaksi (b₃):

• b₃ positif + Sig. < 0,05: Z memperkuat pengaruh X terhadap Y saat Z tinggi
• b₃ negatif + Sig. < 0,05: Z memperlemah pengaruh X terhadap Y saat Z tinggi
• Sig. > 0,05: Z tidak memoderasi hubungan X–Y (moderasi tidak terbukti)

Jenis-Jenis Efek Moderasi

Setelah moderasi terbukti, langkah opsional adalah membuat slope plot untuk memvisualisasikan efek interaksi:

• Quasi Moderasi (Pure Moderation): Z hanya berperan sebagai moderator (b₂ tidak signifikan, b₃ signifikan)
• Moderasi Murni (Pure Moderation): b₁ tidak signifikan, tetapi b₃ signifikan
• Moderasi Semu (Quasi Moderation): keduanya (b₂ dan b₃) signifikan
• Prediktor Homologis: tidak ada yang signifikan → tidak ada moderasi

Menulis Hasil Moderasi di Bab 4

Contoh narasi:

"Hasil uji MRA menunjukkan bahwa variabel interaksi antara kualitas layanan (X) dan kepercayaan pelanggan (Z) memiliki koefisien b₃ = 0,318 dengan Sig. = 0,021 (< 0,05). Hal ini membuktikan bahwa kepercayaan pelanggan memoderasi hubungan antara kualitas layanan dan kepuasan pelanggan. Nilai ΔR² sebesar 0,067 menunjukkan bahwa penambahan variabel interaksi meningkatkan kemampuan prediksi model sebesar 6,7%."

Tips Praktis

• Selalu lakukan mean centering sebelum membuat variabel interaksi untuk menghindari multikolinearitas artifisial
• Pastikan ukuran sampel memadai — umumnya minimal 100–150 responden untuk MRA yang stabil
• Jika menggunakan variabel moderator kategoris (misalnya gender), tidak perlu mean centering; cukup gunakan dummy variable

Jika kamu membutuhkan pendampingan dalam menyusun model MRA yang sesuai dengan kerangka penelitianmu, layanan bimbingan bab 3 dari Jokify siap membantu merancang metode dan analisis yang tepat sasaran.