Koefisien Determinasi (R2) & UJI F

Koefisien Determinasi (R2)

Pengertian R2

R2 adalah perbandingan antara variasi Y yang dijelaskan oleh x1 dan x2 secara bersama-sama dibanding dengan variasi total Y. Jika selain x1  dan x2 semua variabel di luar model yang diwadahi dalam E dimasukkan ke dalam model, maka nilai R2 akan  bernilai 1. Ini berarti seluruh variasi Y dapat dijelaskan oleh variabel penjelas yang dimasukkan ke dalam model. Contoh Jika variabel dalam model hanya menjelaskan 0,4 maka berarti sebesar 0,6 ditentukan oleh variabel di luar model, nilai diperoleh sebesar R2 = 0,4.

Tidak ada ukuran yang pasti berapa besarnya  R2 untuk mengatakan bahwa suatu pilihan variabel sudah tepat. Jika R2 semakin besar atau mendekati 1, maka model makin tepat. Untuk data survai yang berarti bersifat cross section data yang diperoleh dari banyak responden pada waktu yang sama, maka nilai R2 = 0,2 atau 0,3 sudah cukup baik.

Semakin besar n (ukuran sampel) maka nilai R2 cenderung makin kecil. Sebaliknya dalam data runtun waktu (time series) dimana peneliti mengamati hubungan dari beberapa variabel pada satu unit analisis (perusahaan atau negara) pada beberapa tahun maka R2 akan cenderunng besar. Hal ini disebabkan variasi data yang relatif kecil pada data runtun waktu yang terdiri dari satu unit analisis saja.

Arti Atau Makna R2

Contoh jika nilai R2 = 0,4, menunjukkan pemilihan variabel x1 dan x2 dalam  (cross section data) menjelaskan variasi kinerja sebesar 40 persen,  sisanya 80 persen ditentukan oleh variabel-variabel lain di luar model. Dua variabel penjelas yang dipilih oleh peneliti sudah dapat menjelaskan variasi variabel Y pada sampel yang besar. Keputusan ini dapat diterima jika uji F menunjukkan nilai yang besar atau signifikan. Jadi keputusan untuk menerima model sebagai baik atau tepat harus dilihat bersama antara besarnya nilai F dan R2.

Formula R2 sendiri adapat dilihat pada Gujarati, 1995: 76

UJI F

Selain R2 ketepatan model hendaknya diuji dengan uji F. Hipotesis dalam uji F adalah sebagai berikut:

Hipotesis mengenai ketepatan model:

Ho : b1 = b2 = 0      (Pengambilan variabel X1 dan X2 tidak cukup tepat dalam menjelaskan variasi Y, ini berarti pengaruh variabel di luar model terhadap Y, lebih kuat dibanding dengan variabel yang sudah dipilih).

Ha : b1 ≠ b2 ≠ 0      (Pengambilan variabel X1 dan X2 sudah cukup tepat karena mampu menjelaskan variasi Y, dibanding dengan pengaruh variabel di luar model atau errror terhadap Y).

Untuk menguji kebenaran hipotesis alternatif, yaitu bahwa model pilihan peneliti sudah tepat, maka dilakukan uji F dengan prosedur yan dapat dilihat pada buku ekonometrika yang disGujarati, 1995: 249

dimana k = 3,  karena contoh ini menggunakan 3 parameter

Kriteria Uji F

Jika hasil F hitung di atas sudah lebih besar dari 4, maka model yang memasukkan 2 variabel di atas sudah tepat (fit). Jika R kuadrat merupakan perbandingan antara variasi Y (variasi total) yang bisa dijelaskan oleh variabel penjelas, maka uji F adalah perbandingan antara variasi Y yang dapat dijelaskan oleh variabel di dalam model dibanding variasi yang dijelaskan oleh variabel di luar model. R2 dan uji F bersifat sejalan/saling menggantikan. Karena R2 tidak ada ujinya, maka keberartian R2 diterima jika nilai F tinggi diatas 4.

Karena nilai F hitung > 4, yaitu sebesar 38,5 maka model cukup baik, dalam arti pemilihan kedua variabel penjelas sudah tepat.

Sumber ; eprints.ums.ac.id/911/4/MODUL_4_ketapatan_model.doc

About these ads

Tentang frisztado

manusia yang menikmati hidup
Tulisan ini dipublikasikan di Uncategorized. Tandai permalink.

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Logout / Ubah )

Twitter picture

You are commenting using your Twitter account. Logout / Ubah )

Facebook photo

You are commenting using your Facebook account. Logout / Ubah )

Google+ photo

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s