Saat membahas statistik dan analisis data, dua istilah yang sering kita dengar adalah R Square dan Adjusted R Square. Namun, apa sebenarnya perbedaan antara R Square dan Adjusted R Square? Pada artikel ini, kita akan membahas secara detail tentang kedua istilah ini.
R Square
R Square, juga dikenal sebagai Coefficient of Determination, adalah salah satu metrik yang digunakan dalam analisis regresi untuk mengukur seberapa baik model regresi memberikan prediksi yang akurat. R Square dapat dihitung dengan rumus sebagai berikut:
R Square = 1 – (SSres / SStot)
- SSres: Jumlah kuadrat dari selisih antara hasil prediksi dan nilai sebenarnya.
- SStot: Jumlah kuadrat dari selisih antara nilai sebenarnya dan nilai rata-rata.
Nilai R Square berada di antara 0 dan 1, dan semakin tinggi nilai R Square, semakin akurat model regresi tersebut dalam memberikan prediksi yang baik. Sebagai contoh, jika R Square bernilai 0.8, maka 80% dari variasi data dapat dijelaskan oleh model regresi tersebut.
Namun, terdapat kelemahan pada R Square yaitu semakin banyak variabel yang dimasukkan ke dalam model, semakin tinggi nilai R Square. Hal ini dapat menimbulkan masalah jika variabel-variabel tersebut tidak memiliki pengaruh nyata terhadap hasil prediksi. Oleh karena itu, perlu adanya penyesuaian agar R Square memberikan nilai yang lebih realistis.
Adjusted R Square
Adjusted R Square adalah modifikasi dari R Square yang menyesuaikan penyesuaian terhadap jumlah variabel yang dimasukkan ke dalam model. Adjusted R Square berguna dalam melindungi agar model regresi tidak terlalu overfitting yang dapat mengakibatkan kegagalan prediksi ketika digunakan untuk data baru.
Rumus yang digunakan untuk menghitung Adjusted R Square adalah sebagai berikut:
Adjusted R Square = 1 – [(1 – R Square) * (n – 1) / (n – k – 1)]
- n: Jumlah pengamatan dalam model regresi.
- k: Jumlah variabel independen dalam model.
Penyesuaian pada rumus menghilangkan efek pengurangan nilai R Square ketika variabel independen yang tidak signifikan dimasukkan ke dalam model. Sehingga Adjusted R Square memberikan nilai yang lebih kredibel dan dapat diandalkan dalam memprediksi data.
Kesimpulan
Dalam analisis regresi, R Square dan Adjusted R Square adalah dua istilah yang penting dalam mengukur akurasi dari model regresi. R Square memberikan nilai yang baik ketika variabel independen yang digunakan dapat memberikan pengaruh yang signifikan terhadap hasil prediksi. Namun, Adjusted R Square lebih dianjurkan digunakan dalam model regresi ketika terdapat banyak variabel independen yang digunakan.
Dengan Adjusted R Square, model regresi yang dibuat akan lebih dapat diandalkan dan memberikan prediksi yang lebih akurat dan realistis. Oleh karena itu, para peneliti dan analis data harus memperhatikan kedua istilah ini ketika melakukan analisis regresi.
