Moderating and Controll Variable1
Seringkali dalam penelitian membuat model yang memasukkan moderating dan controll
variable seperti diperlihatkan dalam Grafik dibawah ini. Pada Grafik kita lihat model
leverage (X1) mempengaruhi Y (Kinerja keuangan perusahaan). Y dianggap sebagai
dependent variable dan X1 sebagai independent Variable. Ternyata model leverage
variable mempengaruhi kinerja perusahaan di moderating variabel (X2) dan X3 Controll
Variable.
X2
X1 Y
X3
Variabel X2 sebagai variabel moderating yaitu inovasi yang dilakukan perusahaan.
Variabel moderating ini menguatkan hubungan X1 dengan Y. Sementara X3 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 X2 merupakan variabel moderating terhadap hubungan
variabel X1 dengan variabel Y. Oleh karenanya, pemilihan variabel moderating sangat
penting dan perlu dipikirkan secara kritis dan tidak sembarangan memasukkan variabel
tersebut.
X2 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 X1. Sehingga variabel penguat atau penambah bagi variabel bebas maka
varaibel X2 harus lengket pada variabel X1. Bila menjadi penambah maka variabel baru
muncul yaitu variabel perkalian antara variabel X1 dan X2 dan koefisien ini menjadi
penambah pengaruhnya kepada variabel tidak bebas.
1
Ditulis oleh Prof. Dr. Adler H. Manurung berdasarkan berbagai sumber
Adapun model untuk adanya sebuah variabel sebagai variabel moderating yaitu
Y a0 a1 X 1 a 2 X 2 a3 X 1 * X 2 e (1)
Pad persamaan (1) terlihat secara jelas bahwa X2 menjadi penguat pada Variabel X1
atas hubungan terhadap variabel Y. Tetapi, X2 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
1. a2 not significant Moderasi Murni (Pure Moderator)
a3 significant
2 a2 significant Moderasi Semu (Quasi Moderator). Quasi moderasi
a3 significant merupakan variabel yang memoderasi hubungan
antara variabel independen dengan variabel dependen
yang sekaligus menjadi variabel independen.
3. a2 significant Prediktor Moderasi (Predictor Moderasi Variabel).
a3 not significant Artinya variabel moderasi ini hanya berperanan
sebagai variabel prediktor (independen) dalam model
hubungan yang dibentuk
4. a2 not significant Moderasi Potensial (Homologiser Moderator).
a3 not significant 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 berikut2:
Y a0 a1 X 1 a 2 X 2 a3 X 1 * X 2 a 4 X 3 e (2)
Karena X3 sebagai variabel pengendali (control variable) maka variabel X 3 dan e saling
berhubungan sehingga a4 merupakan biased estimator (penduga yang tidak bias atau
2
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 X3 yaitu:
e 0 1 X 3 (3)
Oleh karenanya persamaan (3) disubsitusikan ke persamaan (2) maka persamaannya
menjadi sebagai berikut:
Y a 0 a1 X 1 a 2 X 2 a3 X 1 * X 2 a 4 X 3 ( 0 1 X 3 v)
(4)
Y (a 0 0 ) a1 X 1 a 2 X 2 a3 X 1 * X 2 (a 4 1 ) X 3
Pada persamaan (4) terlihat model yang lebih memperlihatkan kesalahan v sudah lebih
kecil dari kesalah e pada persamaan (2). Adapun a4+1 menjadi koefisien untuk variabel
pengendali. Akibatnya koefisien interseptnya juga berubah menjadi a 0+0 atau lebih besar
(kecil) dari a0 tergantung estimasi 0. Oleh karenanya, ketika membuat modelnya harus
disesuaikan tidak bisa langsung seperti pada persamaan (2) tetapi harus persamaan (4).