Koefisien

Determinasi (R )
2
Kelompok 10 :
Fadhilah Daffa Yoriko (2006571116)
Kesia Gabriele (2006464013)
Maria Angelica Christabel (2006483593)
Rafa Elmira Afiani (2006486153)
Ruth Intan Davina (2006483246)
Pengertian
Koefisien
Determinasi
Pengertian Koefisien Determinasi
● Koefisien determinasi (R2) merupakan perbandingan yang merepresentasikan pengaruh yang diberikan
variabel bebas/independen (X) terhadap variabel terikat/dependen (Y).
● Secara umum, koefisien determinasi digunakan sebagai informasi mengenai kecocokan suatu model dan
nilainya dihitung untuk mengetahui sejauh mana kecocokan sejumlah variabel bebas yang ada pada
model secara bersama-sama dalam menjelaskan variabel tidak bebasnya.
● Nilai koefisien determinasi sendiri berada di antara 0 sampai 1.
● Nilai ini bisa dikatakan baik jika ia berada di atas angka 0.5 dan berlaku sebaliknya.
Kegunaan
Koefisien
Determinasi
 Kegunaan Koefisien Determinasi
Uji ini bertujuan untuk menentukan proporsi atau persentase total variasi dalam variabel terikat (dependen) yang
diterangkan oleh variabel bebas (independen). Apabila analisis yang digunakan adalah regresi sederhana, maka yang
digunakan adalah nilai R Square. Namun, apabila analisis yang digunakan adalah regresi berganda, maka yang
digunakan adalah Adjusted R Square.

Nilai koefisien ini antara 0 dan 1, jika R 2 sama dengan 0, maka tidak ada sedikitpun persentase sumbangan pengaruh
yang diberikan variabel independen terhadap variabel dependen, atau variasi variabel independen yang digunakan
dalam model tidak menjelaskan sedikitpun variasi variabel dependen. Sebaliknya, jika R 2 sama dengan 1, maka
persentase sumbangan pengaruh yang diberikan variabel independen terhadap variabel dependen adalah sempurna,
atau variasi variabel independen yang digunakan dalam model menjelaskan 100% variasi variabel dependen.
Rumus

Rumus
Koefisien
Determinasi
Rumus Koefisien Determinasi

dimana :
SSE : ukuran variabilitas dalam variabel y yang tersisa setelah variabel x yang telah
dipertimbangkan (Jumlah Kuadrat Residual)
ssyy : ukuran variabilitas pada variabel y tanpa mempertimbangkan efek dari variabel
regresi x (Jumlah Kuadrat Total)

sehingga R2 = Proporsi variabilitas sampel total dari nilai-y yang dijelaskan oleh
hubungan linier antara variabel y dan x.
Dalam regresi linier sederhana, dapat ditunjukkan bahwa rumus di atas sama dengan
kuadrat dari koefisien korelasi linier sederhana r.
Contoh Soal
 Contoh Soal
Dengan menggunakan rumus R2,

Maka, dapat disimpulkan bahwa

96.2% keragaman pengeluaran (Y)
dapat dijelaskan oleh variabel
pendapatan (X) dan 3.8% sisanya
oleh variabel lain diluar model.
 Rumus R2 Adjusted

dimana :
n = jumlah observasi
P = jumlah parameter dalam model

Adjusted R-square berfungsi untuk mengukur seberapa besar tingkat keyakinan

penambahan variabel independen yang tepat untuk menambah daya prediksi
model. Nilai Adjusted R-square tidak akan pernah melebihi nilai R-squared,
bahkan dapat turun jika terjadi penambahan variabel independen yang tidak
diperlukan
 Mencari R
2

Menggunakan
Program R
 CONTOH SOAL
Misalnya, kita akan meneliti variasi berat badan (Y) dikaitkan dengan
tinggi badan (X1) dan umur (X2) untuk anak-anak yang memiliki
masalah atau kekurangan gizi.

- Peubah terikat: berat badan,

- Peubah Bebas : tinggi badan dan umur
- Andaikan bahwa sebuah sampel acak terdiri dari 12 anak yang
mengunjungi sebuah klinik.
- Data berat (kg), tinggi (cm), dan umur (tahun) diperoleh untuk setiap
anak.
Didapatkan Multiple R-Squared = 0.7113

Adjusted R-Squared = 0.6471

 Mencari R
2

Menggunakan
SPSS
 Mencari R2 Menggunakan SPSS
1. Disediakan data seperti gambar dibawah
 Mencari R2 Menggunakan SPSS
2. Langkah kedua adalah klik analyze → Regression → Linear
 Mencari R2 Menggunakan SPSS
3. Setelah muncul window baru, masukkan “Volume Penjualan” pada kolom “Dependent”
dan “Periklanan”, “Personal_Selling” pada kolom independent(s)
 Mencari R2 Menggunakan SPSS
4. Setelah selesai klik “OK”
5. Akan muncul output seperti dibawah ini, namun r square dapat dilihat pada “Model
Summary”
 Mencari R2 Menggunakan SPSS
6. Interpretasi

Dari hasil diatas dapat dilihat nilai

R-Square = 0,862
Adjusted R-Square = 0,806
Terima
Kasih!