Koefisien Determinasi (R² & Adjusted R²)

Anda baru saja menjalankan regresi: motivasi kerja berpengaruh signifikan terhadap kinerja karyawan. Bagus. Tetapi pembimbing bertanya: “Seberapa besar pengaruhnya? Dari seluruh naik-turunnya kinerja yang Anda amati, berapa bagian yang sebenarnya bisa dijelaskan oleh motivasi?”

Pertanyaan itu bukan tentang signifikan atau tidak. Pertanyaan itu tentang porsi: berapa banyak keragaman kinerja yang berhasil ditangkap model Anda, dan berapa banyak yang masih jadi misteri. Satu angka menjawabnya — koefisien determinasi, ditulis R².

Angka ini paling sering disalahpahami di seluruh bab hasil skripsi. Ada yang mengira R² tinggi otomatis berarti penelitian hebat (tidak). Ada yang panik melihat R² rendah dan mengira penelitiannya gagal (belum tentu). Dan banyak yang melaporkan R² biasa padahal modelnya berganda — di situ jawabannya menyesatkan, harus dipakai Adjusted R².

Artikel ini membangun R² dari nol: dari mana variasi data berasal, bagaimana variasi itu dipecah, lalu kenapa hasil baginya menghasilkan angka 0 sampai 1 yang langsung bisa ditafsirkan.

Intuisi: Berapa Banyak yang Berhasil Dijelaskan

Bayangkan Anda belum punya model sama sekali. Tebakan terbaik untuk nilai Y siapa pun hanyalah rata-rata Y ($\bar{y}$). Dengan tebakan polos itu, Anda pasti meleset — sebagian data jauh di atas rata-rata, sebagian jauh di bawah. Total kemelesetan inilah variasi total data: seberapa jauh data tersebar dari rata-ratanya.

Sekarang Anda pasang garis regresi. Garis itu memiringkan tebakan mengikuti variabel bebas (X), sehingga sebagian besar naik-turun Y bisa “diikuti”. Yang tersisa — selisih antara data nyata dan garis — adalah kesalahan yang masih belum terjelaskan.

R² menjawab satu pertanyaan sederhana: dari variasi total tadi, berapa bagian yang berhasil “diikuti” garis? Kalau garis mengikuti hampir semuanya, R² mendekati 1. Kalau garis hampir tidak membantu dibanding sekadar menebak rata-rata, R² mendekati 0.

Tiga Jenis Variasi: SST = SSR + SSE

Inti seluruh R² adalah memecah variasi total menjadi dua bagian: yang dijelaskan model dan yang tersisa. Ada tiga “jumlah kuadrat” (sum of squares) yang perlu dikenali. Untuk tiap titik data kita punya tiga angka: nilai nyata $y_i$, nilai ramalan garis $\hat{y}_i$, dan rata-rata $\bar{y}$.

$$ \underbrace{\sum (y_i - \bar{y})^2}_{SS_{\text{total}}} \;=\; \underbrace{\sum (\hat{y}_i - \bar{y})^2}_{SS_{\text{regresi}}} \;+\; \underbrace{\sum (y_i - \hat{y}_i)^2}_{SS_{\text{residual}}} $$

Penjelasan tiap lambang, satu per satu:

• $y_i$ = nilai Y nyata untuk data ke-$i$ (yang Anda amati di lapangan). Misalnya nilai ujian seorang mahasiswa = 8.
• $\hat{y}_i$ (dibaca “y-topi”) = nilai Y ramalan garis regresi untuk data ke-$i$. Kalau garisnya $\hat{y} = 0{,}2 + 1{,}6x$ dan $x = 5$, maka $\hat{y} = 0{,}2 + 1{,}6 \times 5 = 8{,}2$.
• $\bar{y}$ (dibaca “y-bar”) = rata-rata semua nilai Y nyata. Kalau Y-nya 2, 3, 5, 7, 8 maka $\bar{y} = (2+3+5+7+8)/5 = 5$.
• $\sum$ artinya “jumlahkan untuk semua data, dari yang ke-1 sampai terakhir”.

Dan tiga jumlah kuadrat:

• $SS_{\text{total}}$ (SST) = jumlah kuadrat selisih tiap nilai nyata dari rata-rata, $\sum(y_i - \bar{y})^2$. Ini variasi total Y — seberapa tersebar data tanpa bantuan model apa pun.
• $SS_{\text{regresi}}$ (SSR) = jumlah kuadrat selisih tiap ramalan dari rata-rata, $\sum(\hat{y}_i - \bar{y})^2$. Ini variasi yang dijelaskan garis: seberapa jauh garis berhasil bergerak menjauhi tebakan-rata-rata.
• $SS_{\text{residual}}$ (SSE) = jumlah kuadrat selisih nilai nyata dari ramalan, $\sum(y_i - \hat{y}_i)^2$. Ini kesalahan yang tersisa — bagian Y yang garis tak mampu jelaskan.

Residualnya sendiri, polos: $e = y - \hat{y} = (\text{nilai aktual} - \text{nilai ramalan})$. Kalau seorang mahasiswa nilainya nyata 8 sementara garis meramalkan 8,2, residualnya $e = 8 - 8{,}2 = -0{,}2$ (model sedikit terlalu tinggi menebak).

Persamaan SST = SSR + SSE berarti: variasi total = variasi dijelaskan + variasi tersisa. Tidak ada yang hilang, tidak ada yang ganda — seluruh keragaman data terbagi habis ke dalam dua keranjang. (Pemecahan ini berlaku tepat ketika garis dipaskan dengan metode kuadrat terkecil; itulah cara garis regresi standar dihitung.)

Rumus R²

Setelah punya pemecahan di atas, R² hanyalah porsi yang dijelaskan dari variasi total. Ada dua cara menuliskannya — keduanya menghasilkan angka yang sama:

$$ R^2 = \frac{SS_{\text{regresi}}}{SS_{\text{total}}} = 1 - \frac{SS_{\text{residual}}}{SS_{\text{total}}} $$

Bentuk kiri membaca langsung: “bagian yang dijelaskan dibagi variasi total”. Bentuk kanan membaca terbalik: “satu dikurangi bagian yang tersisa”. Karena $SSR + SSE = SST$, kedua bentuk pasti identik.

Logikanya: kalau model bagus, kesalahan ($SS_{\text{residual}}$) kecil dibanding variasi total, sehingga pecahan $\tfrac{SS_{\text{residual}}}{SS_{\text{total}}}$ mengecil dan R² mendekati 1. Kalau model tak berguna, ramalannya tak jauh beda dari menebak rata-rata, $SS_{\text{residual}} \approx SS_{\text{total}}$, dan R² mendekati 0.

Nilainya selalu antara 0 dan 1:

• R² = 0 → model tidak menjelaskan apa-apa (tak lebih baik dari sekadar menebak rata-rata).
• R² = 1 → model menjelaskan seluruh variasi (kesalahan nol; sempurna, hampir tak pernah terjadi pada data nyata).
• R² = 0,60 → 60% variasi Y dijelaskan model; 40% sisanya oleh faktor lain di luar model.

Contoh Hitung dari Nol

Mari hitung R² satu kali penuh, dari data mentah sampai angka akhir. Lima mahasiswa, X = jam belajar per hari, Y = nilai ujian:

Langkah 1 — garis regresinya. Dengan metode kuadrat terkecil (lihat Regresi linear sederhana), garis yang paling pas adalah:

$$\hat{y} = 0{,}2 + 1{,}6\,x$$

Langkah 2 — rata-rata Y. $\bar{y} = (2+3+5+7+8)/5 = 25/5 = 5$.

Langkah 3 — isi tabel kerja. Untuk tiap mahasiswa hitung ramalan $\hat{y}$, lalu tiga kuadrat selisih:

Langkah 4 — jumlahkan tiap kolom.

• $SS_{\text{total}} = 26{,}0$
• $SS_{\text{regresi}} = 25{,}6$
• $SS_{\text{residual}} = 0{,}4$

Periksa pemecahannya: $25{,}6 + 0{,}4 = 26{,}0$ — SSR + SSE = SST, tepat. Tidak ada sisa.

Langkah 5 — masukkan ke rumus. Pakai bentuk mana pun, hasilnya sama:

$$ R^2 = 1 - \frac{SS_{\text{residual}}}{SS_{\text{total}}} = 1 - \frac{0{,}4}{26} = 1 - 0{,}0154 = 0{,}9846 $$$$ R^2 = \frac{SS_{\text{regresi}}}{SS_{\text{total}}} = \frac{25{,}6}{26} = 0{,}9846 \quad\checkmark $$

R² = 0,985. Model menjelaskan 98,5% variasi nilai ujian — angka tinggi karena ini data buatan yang sangat rapi. Seluruhnya keluar dari penjumlahan kuadrat, tanpa kotak ajaib.

Catatan realistis. R² 0,985 jarang muncul pada data sungguhan. Pada riset perilaku/sosial, R² 0,30–0,50 sudah lazim karena perilaku manusia dipengaruhi banyak hal di luar satu model. Contoh ini sengaja dibuat rapi agar angkanya bersih dan pemecahannya terlihat jelas.

r vs R²: Jangan Tertukar

Dua simbol mirip, sering tertukar:

• r (huruf kecil) = koefisien korelasi — mengukur arah dan kekuatan hubungan lurus dua variabel. Nilainya −1 sampai +1. Tanda menunjukkan arah (positif/negatif).
• R² (huruf besar, kuadrat) = koefisien determinasi — mengukur proporsi variasi yang dijelaskan. Nilainya 0 sampai 1. Tanpa tanda arah.

Hubungannya pada regresi linear sederhana (satu variabel bebas) rapi sekali: R² persis sama dengan r yang dikuadratkan, $R^2 = r^2$. Pada contoh tadi $r = 0{,}9923$ dan $r^2 = 0{,}9846 = R^2$ — cocok.

Catatan penting: kesamaan $R^2 = r^2$ hanya berlaku untuk regresi sederhana. Pada regresi berganda (lebih dari satu variabel bebas), tidak ada satu $r$ tunggal; R² tetap didefinisikan lewat jumlah kuadrat seperti di atas.

Adjusted R²: R² yang Adil untuk Regresi Berganda

R² biasa punya cacat serius pada regresi berganda: nilainya selalu naik (atau setidaknya tidak turun) setiap kali variabel bebas ditambahkan — bahkan kalau variabel itu sampah yang tak ada hubungannya dengan Y. Sebabnya, variabel tambahan apa pun pasti bisa “menyerap” sedikit kesalahan secara kebetulan, sehingga $SS_{\text{residual}}$ turun dan R² naik semu. Akibatnya R² bisa “ditipu”: tambah banyak variabel, R² ikut membengkak, padahal model tak benar-benar membaik.

Adjusted R² memperbaiki ini dengan memberi hukuman untuk tiap variabel tambahan:

$$ \text{Adjusted } R^2 = 1 - \frac{(1 - R^2)(n - 1)}{n - k - 1} $$

Lambangnya:

• $n$ = jumlah sampel (banyak data/responden).
• $k$ = jumlah variabel bebas (prediktor) dalam model.
• $R^2$ = koefisien determinasi biasa yang sudah dihitung.

Kunci hukumannya ada di penyebut $n - k - 1$: tiap kali $k$ bertambah, penyebut mengecil, pecahan membesar, dan Adjusted R² tertarik turun. Variabel baru baru “menang” — yakni menaikkan Adjusted R² — kalau sumbangannya menjelaskan Y melebihi hukuman yang dikenakan. Variabel sampah akan menurunkan Adjusted R². Karena itulah pada regresi berganda selalu laporkan Adjusted R², bukan R² biasa.

Contoh Adjusted R²

Misal sebuah model berganda menghasilkan $R^2 = 0{,}60$, dengan $n = 30$ responden dan $k = 2$ variabel bebas:

$$ \text{Adj } R^2 = 1 - \frac{(1 - 0{,}60)(30 - 1)}{30 - 2 - 1} = 1 - \frac{0{,}40 \times 29}{27} = 1 - \frac{11{,}6}{27} = 1 - 0{,}4296 = 0{,}570 $$

Adjusted R² (0,570) sedikit lebih rendah dari R² (0,60) — itulah jejak hukuman. Selisihnya kecil di sini karena sampel cukup besar dibanding jumlah variabel; selisih ini melebar kalau variabel banyak tetapi sampel sedikit.

Interpretasi yang Benar

R² tinggi tidak otomatis berarti penelitian hebat, dan R² rendah tidak berarti gagal. Pada penelitian sosial/perilaku, R² 0,30–0,50 sering normal karena perilaku manusia dipengaruhi banyak hal di luar model. Yang menentukan kualitas penelitian: variabel berpengaruh signifikan (uji t/uji F), arah koefisien masuk akal secara teori, dan asumsi regresi terpenuhi. R² melengkapi gambaran itu, bukan menggantikannya. Jangan pernah mengejar R² tinggi dengan menjejalkan variabel asal-asalan.

Bereksperimen Sendiri

Geser pengatur sebaran data dan amati R² naik saat titik makin rapat ke garis, lalu turun saat titik makin berpencar. Inilah hubungan langsung antara $SS_{\text{residual}}$ (jarak titik ke garis) dan R².

Rumus di Excel

=RSQ(Yrange; Xrange)          → R² regresi sederhana (kuadrat korelasi)
=CORREL(Yrange; Xrange)       → r (koefisien korelasi)
=CORREL(...)^2                → R² (sama dengan RSQ pada regresi sederhana)
=DEVSQ(Yrange)                → SS_total = Σ(y − ȳ)²

Untuk regresi berganda dan Adjusted R², pakai menu Data → Data Analysis → Regression: kotak hasilnya memuat baris R Square dan Adjusted R Square sekaligus. Berkas pendamping /excel/koefisien-determinasi.xlsx menampilkan data nyata dan ramalan, kolom $(y-\bar{y})^2$, $(\hat{y}-\bar{y})^2$, dan $(y-\hat{y})^2$ dengan formula hidup, pemecahan SST = SSR + SSE, perhitungan R² dengan rumus terlihat, dan kalkulator Adjusted R².

Cek Pemahaman

1. Sebuah model regresi menghasilkan $SS_{\text{total}} = 200$ dan $SS_{\text{residual}} = 50$. Hitung $SS_{\text{regresi}}$ dan R² dari nol.

Lihat jawaban

Karena $SST = SSR + SSE$, maka $SS_{\text{regresi}} = SST - SSE = 200 - 50 = 150$. R² $= 1 - \tfrac{SS_{\text{residual}}}{SS_{\text{total}}} = 1 - \tfrac{50}{200} = 1 - 0{,}25 = 0{,}75$. (Cek lewat bentuk lain: $\tfrac{SSR}{SST} = \tfrac{150}{200} = 0{,}75$, sama.) Model menjelaskan 75% variasi Y.

2. Seorang mahasiswa membandingkan dua model untuk data yang sama ($n = 50$). Model A: 2 variabel bebas, R² = 0,52. Model B: 6 variabel bebas, R² = 0,55. Mahasiswa itu memilih Model B karena R²-nya lebih tinggi. Apakah keputusannya tepat? (soal transfer)

Lihat jawaban

Belum tentu — membandingkan R² mentah antar-model dengan jumlah variabel berbeda itu menyesatkan, karena R² biasa selalu naik saat variabel ditambah. Yang adil dibandingkan adalah Adjusted R².

• Model A: $\text{Adj }R^2 = 1 - \tfrac{(1-0{,}52)(50-1)}{50-2-1} = 1 - \tfrac{0{,}48 \times 49}{47} = 1 - 0{,}5004 = 0{,}500$.
• Model B: $\text{Adj }R^2 = 1 - \tfrac{(1-0{,}55)(50-1)}{50-6-1} = 1 - \tfrac{0{,}45 \times 49}{43} = 1 - 0{,}5128 = 0{,}487$.

Setelah dihukum jumlah variabel, Model A justru lebih unggul (0,500 > 0,487). Empat variabel tambahan Model B tidak membayar hukumannya. Keputusan mahasiswa itu keliru — Model A lebih baik dan lebih hemat.

3. Pada regresi sederhana, korelasi antara X dan Y adalah $r = -0{,}8$. Berapa R²-nya, dan apa artinya tanda minus pada r untuk R²?

Lihat jawaban

Pada regresi sederhana $R^2 = r^2 = (-0{,}8)^2 = 0{,}64$. Model menjelaskan 64% variasi Y. Tanda minus pada $r$ hanya berarti arah hubungan negatif (X naik, Y turun); tanda itu hilang saat dikuadratkan, karena R² hanya mengukur proporsi yang dijelaskan, bukan arah. Korelasi $r = +0{,}8$ menghasilkan R² yang sama persis (0,64).

Kesalahan Umum

Memakai R² biasa untuk regresi berganda. R² selalu naik tiap variabel ditambah, jadi bisa membengkak semu. Untuk model berganda, laporkan Adjusted R² yang adil.

Mengira R² tinggi = penelitian bagus. R² tinggi bisa lahir dari overfitting (model terlalu menempel pada data sampel) atau dari data yang kebetulan rapi. Yang menentukan: signifikansi, arah teori, dan asumsi terpenuhi.

Menganggap R² rendah = gagal. Pada riset perilaku, R² sedang (0,30–0,50) itu wajar. Jangan panik selama variabel signifikan dan modelnya masuk akal.

Menafsir R² sebagai “ketepatan prediksi” titik per titik. R² adalah proporsi variasi yang dijelaskan secara keseluruhan, bukan akurasi ramalan untuk tiap individu.

Menukar r dengan R². $r$ berarah (−1 sampai +1), R² tidak (0 sampai 1). Pada regresi sederhana $R^2 = r^2$, tetapi keduanya menjawab pertanyaan berbeda.

Mengejar R² dengan variabel sampah. Menjejalkan variabel tak relevan menaikkan R² palsu sekaligus menimbulkan masalah baru — multikolinearitas dan overfitting. Pilih variabel berdasarkan teori, bukan demi mengerek R².

Dipakai di Dunia Nyata

• Bab 4 skripsi. Melaporkan seberapa besar variabel bebas (mis. motivasi, kompensasi) menjelaskan variabel terikat (mis. kinerja). Untuk model berganda, tulis Adjusted R² lengkap dengan penafsirannya.
• Perbandingan model. Memilih model yang lebih baik — Adjusted R² lebih tinggi dengan variabel lebih sedikit menandakan model yang lebih efisien.
• Equity research & valuasi. R² regresi imbal hasil saham terhadap imbal hasil pasar = porsi pergerakan saham yang dijelaskan pasar (sisanya risiko khas perusahaan); inti pemisahan risiko sistematis vs tak-sistematis.
• Peramalan bisnis. Menilai seberapa baik model penjualan/permintaan menjelaskan variasi yang teramati sebelum dipakai mengambil keputusan.

Lanjutan

• Variabel Dummy dalam Regresi
• Membaca Output Regresi (Uji t & Uji F)
• Uji Mediasi

Fondasi:

• Regresi Linear Berganda
• Variabilitas (Varians) — asal-usul ide “jumlah kuadrat simpangan”.

Referensi

• Ghozali, I. (2018). Aplikasi Analisis Multivariate dengan Program IBM SPSS 25. Badan Penerbit Universitas Diponegoro.
• Gujarati, D. N., & Porter, D. C. (2009). Basic Econometrics (5th ed.). McGraw-Hill.