Koefisien determinasi (R² atau r-squared) merupakan ukuran statistik dalam model regresi yang menentukan proporsi varians dalam variabel dependen yang dapat dijelaskan oleh variabel independen Variabel Independen Variabel independen adalah input, asumsi, atau pendorong yang diubah untuk menilai dampaknya terhadap variabel dependen (hasil). . Dengan kata lain, koefisien determinasi menunjukkan seberapa baik data tersebut sesuai dengan model (goodness of fit).
Meskipun koefisien determinasi memberikan beberapa wawasan yang berguna mengenai model regresi, seseorang tidak boleh hanya mengandalkan ukuran dalam penilaian model statistik. Itu tidak mengungkapkan informasi tentang hubungan sebab akibat antara variabel independen dan dependen Variabel Dependen Sebuah Variabel Dependen adalah salah satu yang akan berubah tergantung pada nilai variabel lain, yang disebut variabel independen. dan tidak menunjukkan kebenaran model regresi. Oleh karena itu, pengguna harus selalu menarik kesimpulan tentang model dengan menganalisis koefisien determinasi bersama dengan variabel lain dalam model statistik.
Koefisien determinasi dapat mengambil nilai apa pun antara 0 hingga 1. Selain itu, metrik statistik sering kali dinyatakan dalam persentase.
Interpretasi Koefisien Determinasi (R²)
Interpretasi yang paling umum dari koefisien determinasi adalah seberapa cocok model regresi dengan data yang diamati. Misalnya, koefisien determinasi 60% menunjukkan bahwa 60% data sesuai dengan model regresi. Umumnya, koefisien yang lebih tinggi menunjukkan kesesuaian yang lebih baik untuk model tersebut.
Namun, tidak selalu demikian, r-kuadrat yang tinggi baik untuk model regresi. Kualitas koefisien bergantung pada beberapa faktor, termasuk satuan ukuran variabel, sifat variabel yang digunakan dalam model, dan transformasi data yang diterapkan. Jadi, terkadang, koefisien yang tinggi dapat menunjukkan masalah dengan model regresi.
Tidak ada aturan universal yang mengatur bagaimana memasukkan koefisien determinasi dalam penilaian model. Konteks yang menjadi dasar perkiraan atau eksperimen sangat penting, dan dalam skenario yang berbeda, wawasan dari metrik statistik dapat bervariasi.
Perhitungan Koefisien
Secara matematis, koefisien determinasi dapat diketahui dengan rumus sebagai berikut:
Dimana:
- Regresi SS - jumlah kuadrat karena regresi (jumlah kuadrat dijelaskan)
- Total SS - jumlah total kotak
Meskipun istilah “jumlah total kuadrat” dan “jumlah kuadrat karena regresi” tampak membingungkan, arti variabelnya langsung.
Jumlah total kotak mengukur variasi dalam data yang diamati (data yang digunakan dalam pemodelan regresi). Jumlah kuadrat karena mengukur regresi seberapa baik model regresi merepresentasikan data yang digunakan untuk pemodelan.
Sumber Daya Lainnya
Finance adalah penyedia resmi Financial Modeling & Valuation Analyst (FMVA) ™ FMVA® Certification. Bergabunglah dengan 350.600+ siswa yang bekerja untuk perusahaan seperti Amazon, JP Morgan, dan program sertifikasi Ferrari, yang dirancang untuk membantu siapa saja menjadi analis keuangan kelas dunia . Untuk terus belajar dan memajukan karier Anda, sumber daya Keuangan tambahan di bawah ini akan berguna:
- Konsep Statistik Dasar dalam Keuangan Konsep Statistik Dasar untuk Keuangan Pemahaman yang kuat tentang statistik sangat penting dalam membantu kita lebih memahami keuangan. Selain itu, konsep statistik dapat membantu memonitor investor
- Distribusi Binomial Distribusi Binomial Distribusi binomial adalah distribusi probabilitas umum yang memodelkan probabilitas untuk memperoleh salah satu dari dua hasil di bawah sejumlah parameter
- Teorema Batas Pusat Teorema Batas Pusat Teorema batas pusat menyatakan bahwa mean sampel dari variabel acak akan mengasumsikan distribusi mendekati normal atau normal jika ukuran sampel besar
- Analisis Regresi Analisis Regresi Analisis regresi adalah sekumpulan metode statistik yang digunakan untuk memperkirakan hubungan antara variabel dependen dan satu atau lebih variabel independen. Ini dapat digunakan untuk menilai kekuatan hubungan antara variabel dan untuk memodelkan hubungan masa depan di antara mereka.
