Variabel intervening adalah variabel perantara yang menjelaskan bagaimana variabel bebas memengaruhi variabel terikat. Dalam analisis SEM, variabel ini diuji sebagai mediator.
Judul seperti “Pengaruh Kualitas Layanan terhadap Loyalitas dengan Kepuasan sebagai Variabel Intervening” sangat sering muncul di skripsi dan tesis. Masalahnya, banyak yang berhenti setelah melihat X ? M dan M ? Y signifikan, lalu langsung menyimpulkan ada mediasi. Padahal mediasi punya cara uji sendiri.
Artikel ini bagian dari seri Materi Statistik IDTesis, kelompok SEM dan SmartPLS. Jika Anda baru mengenal SEM, baca dulu pengantar SEM PLS.
Apa Itu Variabel Intervening?
Variabel intervening berada di antara variabel bebas (X) dan variabel terikat (Y). X memengaruhi variabel intervening (M), lalu M memengaruhi Y. Contohnya, kualitas layanan meningkatkan kepuasan, lalu kepuasan meningkatkan loyalitas.
Variabel intervening sering tertukar dengan variabel moderasi. Perbedaannya:
Model dan Rumus Efek Mediasi
Ada tiga jalur dalam model mediasi sederhana:
- Jalur a: pengaruh X terhadap M.
- Jalur b: pengaruh M terhadap Y.
- Jalur c?: pengaruh langsung X terhadap Y.
Efek tidak langsung adalah hasil kali a × b. Efek total adalah efek langsung ditambah efek tidak langsung: c = c? + a × b. Mediasi diuji dari signifikansi efek tidak langsung (a × b), bukan dari jalur a dan b secara terpisah.
Cara Menyusun Hipotesis Mediasi
Setiap jalur perlu hipotesis dengan dasar teori. Contoh:
- H1: Kualitas layanan berpengaruh positif terhadap kepuasan.
- H2: Kepuasan berpengaruh positif terhadap loyalitas.
- H3: Kualitas layanan berpengaruh positif terhadap loyalitas.
- H4: Kepuasan memediasi pengaruh kualitas layanan terhadap loyalitas.
Panduan menulis hipotesis yang baik ada di artikel merumuskan hipotesis.
Langkah Uji Variabel Intervening di SmartPLS
- Gambar model lengkap. Buat panah X ? M, M ? Y, dan X ? Y. Jangan hapus jalur langsung X ? Y, karena jalur ini dibutuhkan untuk menentukan jenis mediasi.
- Evaluasi outer model dulu. Pastikan outer loading, reliabilitas, AVE, dan HTMT memenuhi patokan. Caranya ada di artikel cara membaca output SmartPLS.
- Jalankan bootstrapping. Hair dkk. (2022) memakai 10.000 subsampel. Pilih opsi hasil lengkap (Complete) agar semua tabel efek tidak langsung muncul.
- Baca tabel Specific indirect effects. Lihat koefisien (Original sample), t-statistic, p-value, dan interval kepercayaan 95% untuk jalur X ? M ? Y.
- Baca efek langsung X ? Y di tabel Path coefficients.
- Tentukan jenis mediasi dengan pohon keputusan di bawah.
Klasifikasi ini mengikuti Zhao dkk. (2010). Ringkasnya:
- Efek tidak langsung signifikan, efek langsung tidak signifikan: mediasi penuh (indirect-only).
- Keduanya signifikan dengan arah yang sama: mediasi parsial komplementer.
- Keduanya signifikan dengan arah berlawanan: mediasi parsial kompetitif.
- Efek tidak langsung tidak signifikan: tidak ada mediasi.
Contoh hasil (angka ilustrasi):
Efek tidak langsung signifikan, sedangkan efek langsung tidak signifikan. Artinya, kepuasan memediasi penuh pengaruh kualitas layanan terhadap loyalitas, dan H4 didukung.
Membaca tabel efek tidak langsung memang paling sering membingungkan, apalagi jika modelnya punya lebih dari satu mediator. Kalau Anda ingin hasilnya diperiksa sebelum sidang, tim IDTesis bisa membantu.
Mengapa Tidak Memakai Uji Sobel atau Baron dan Kenny?
Cara Baron dan Kenny (1986) mensyaratkan X berpengaruh signifikan ke Y terlebih dahulu. Syarat ini kini tidak lagi dianjurkan, karena mediasi tetap bisa terjadi tanpa efek total yang signifikan (Zhao dkk., 2010).
Uji Sobel mengasumsikan efek tidak langsung berdistribusi normal, padahal hasil kali a × b biasanya tidak normal. Karena itu, bootstrapping lebih dianjurkan (Preacher & Hayes, 2008). Untuk PLS-SEM, Nitzl dkk. (2016) juga menganjurkan pengujian efek tidak langsung dengan bootstrapping.
Mediasi Paralel dan Serial
File: mediasi-paralel-dan-serial.webp · Alt text: Perbandingan mediasi paralel dengan dua mediator terpisah dan mediasi serial dengan mediator berantai
Model bisa punya lebih dari satu variabel intervening. Pada mediasi paralel, dua mediator bekerja sendiri-sendiri, sehingga ada dua efek tidak langsung yang diuji. Pada mediasi serial, mediator pertama memengaruhi mediator kedua, sehingga efek tidak langsungnya berbentuk X ? M1 ? M2 ? Y.
SmartPLS menampilkan semua jalur ini di tabel Specific indirect effects. Uji dan laporkan setiap jalur yang sesuai dengan hipotesis Anda.
Contoh Penulisan Hasil Uji Mediasi
Hasil bootstrapping menunjukkan bahwa efek tidak langsung kualitas layanan terhadap loyalitas melalui kepuasan bernilai positif dan signifikan (? = 0,224; t = 4,85; p < 0,001; IK 95% = 0,13–0,31). Efek langsung kualitas layanan terhadap loyalitas tidak signifikan (? = 0,097; p = 0,187). Dengan demikian, kepuasan memediasi penuh pengaruh kualitas layanan terhadap loyalitas, dan H4 didukung.
Kesalahan yang Sering Terjadi
- Menghapus jalur langsung X ? Y, sehingga jenis mediasi tidak bisa ditentukan.
- Menyimpulkan mediasi hanya dari jalur a dan b, tanpa membaca efek tidak langsung.
- Memakai uji Sobel padahal SmartPLS sudah menyediakan bootstrapping.
- Menyebut “mediasi parsial” tanpa memeriksa arah efeknya. Jika arahnya berlawanan, mediasinya kompetitif.
Pertanyaan yang Sering Diajukan
Apakah X harus berpengaruh langsung ke Y agar ada mediasi?
Tidak. Menurut Zhao dkk. (2010), syarat utamanya adalah efek tidak langsung yang signifikan. Jika efek langsung tidak signifikan, justru terjadi mediasi penuh.
Apakah variabel intervening bisa diuji di SPSS?
Bisa, dengan makro PROCESS dari Hayes (model 4) yang juga memakai bootstrapping. Untuk model dengan variabel laten dan banyak jalur, SEM PLS lebih praktis. Pilihan metode lain dibahas di artikel metode analisis data.
Berapa ukuran sampel untuk uji mediasi di SmartPLS?
Gunakan metode inverse square root berdasarkan koefisien jalur terkecil yang diharapkan signifikan. Cara menghitungnya ada di artikel SEM PLS.
Apa beda variabel intervening dan variabel mediasi?
Dalam praktik analisis, keduanya diuji dengan cara yang sama. Istilah “intervening” lebih sering dipakai di skripsi dan tesis di Indonesia, sedangkan “mediator” lebih sering dipakai di jurnal internasional.
Bila Anda memerlukan pendampingan menentukan instrumen atau menyusun kerangka konsep, layanan bimbingan penulisan IDTESIS siap membantu.
Butuh Teman Diskusi untuk Uji Mediasi?
Model Anda punya variabel intervening, tapi belum yakin cara menguji atau membaca hasilnya? Tim IDTesis bisa menemani Anda menyusun model, menjalankan bootstrapping di SmartPLS, dan menjelaskan setiap efek dengan bahasa sederhana. Ceritakan dulu model Anda lewat WhatsApp, atau lihat layanan olah data statistik.
Baca juga: SEM PLS · Cara Membaca Output SmartPLS · Uji Validitas
