Jika Nilai Koefisien Determinasi (R Square) Kecil, Apakah Skripsi Kita Gagal?

Forum Akademik- Banyak Temans Pejuang Skripsi yang kerap mempertanyakan tentang nilai koefisien determinasi pada penelitian kuantitatif (uji pengaruh dengan uji regresi linier) yang kecil apakah berarti penelitiannya gagal? sebelum kita ulas detail terkait ini, ada baiknya kita ketahui terlebih dahulu tentang apa itu koefisien determinasi.

Mengenal Koefisien Determinasi

Pengujian koefisien determinasi ini dilakukan dengan maksud mengukur kemampuan model dalam menerangkan seberapa pengaruh variabel independen secara bersama–sama (stimultan) mempengaruhi variabel dependen yang dapat diindikasikan oleh nilai adjusted R – Squared (Ghozali, 2016). Koefisien determinasi menunjukkan sejauh mana kontribusi variabel bebas dalam model regresi mampu menjelaskan variasi dari variabel terikatnya.

Koefisien determinasi dapat dilihat melalui nilai R-square (R2) pada tabel Model Summary. Menurut Ghozali (2016) nilai koefisien determinasi yang kecil memiliki arti bahwa kemampuan variabel – variabel independen dalam menjelaskan variabel dependen sangat terbatas, Sebaliknya jika nilai mendekati 1 (satu) dan menjauhi 0 (nol) memiliki arti bahwa variabel – variabel independen memiliki kemampuan memberikan semua informasi yang dibutuhkan untuk memprediksi variabel dependen (Ghozali, 2016).

Uji koefisien determinasi dilakukan untuk mengetahui seberapa besar variabel endogen secara simultan mampu menjelaskan variabel eksogen. Semakin tinggi nilai R2 berarti semakin baik model prediksi dari model penelitian yang diajukan. Uji koefisien determinasi (R2) dilakukan untuk menentukan dan memprediksi seberapa besar atau penting kontribusi pengaruh yang diberikan oleh variabel independen secara bersama – sama terhadap variabel dependen.

Nilai koefisien determinasi yaitu antara 0 dan 1. Jika nilai mendekati 1, artinya variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variabel dependen. Namun, jika nilai R2 semakin kecil, artinya kemampuan variabel – variabel independen dalam menjelaskan variabel dependen cukup terbatas (Ghozali, 2016).

Menurut Chin (1998), nilai R-Square dikategorikan kuat jika lebih dari 0,67, moderat jika lebih dari 0,33 tetapi lebih rendah dari 0,67, dan lemah jika lebih dari 0,19 tetapi lebih rendah dari 0,33.

Mengapa Koefisien Determinasi bisa Kecil?

Salah satu unsur yang menjadi perhatian dalam analisis regresi adalah koefisien determinasi yang biasa disimbolkan dengan R kuadrat (R-square). Koefisien Determinasi merupakan salah ukuran yang menyatakan besarnya pengaruh variabel independen terhadap variabel dependen. Kisaran koefisien determinasi antara nol (tidak ada pengaruh) dan 100 (pengaruh sempurna). Namun terkadang hasil output SPSS menghasilkan bahwa nilai koefisien determinasi relatif kecil (dibawah 50% atau 0.5), mengapa demikian? nilai koefisien determinasi yang cenderung kecil ada kaitannya dengan nilai varians error.

Semakin kecil varians error maka semakin besar nilai koefisien determinasi yang dihasilkan. Sebaliknya, semakin besar varians error maka semakin kecil nilai koefisien determinasi model regresi linear itu. Apa hikmahnya?

Varians Error menggambarkan variasi data secara langsung. Semakin besar variasi data penelitian akan berdampak pada semakin besar varians error. Sebagai peneliti pemula, terkadang kita mengabaikan variasi data yang hendak diteliti. Rancangan Kuesioner yang Tidak Reliabel, Teknik Wawancara/Pengumpulan Data semuanya mempunyai kontribusi pada variasi data yang dihasilkan.

Pada survei dengan skala besar yang dilakukan oleh Badan Pusat Statistik sumber variasi bisa disebabkan oleh perbedaan pemahaman instruktur, perbedaan pemahaman pengawas/pencacah, perbedaan kualitas pencacah, dan perbedaan pemahaman responden dalam menangkap maksud item pertanyaan dalam kuesioner.

R square disebut juga sebagai koefisien determinasi yang menjelaskan seberapa jauh data dependen dapat dijelaskan oleh data independen. R square bernilai antar 0 – 1 dengan ketentuan semakin mendekati angka satu berarti semakin baik. Jika r square bernilai 0.6, berarti 60% sebaran variabel dependen dapat dijelaskan oleh variabel independen. Sisanya 40% tidak dapat dijelaskan oleh variabel independen atau dapat dijelaskan oleh variabel diluar variabel independen (komponen error). Jika nilai r – square kecil, artinya komponen error yang besar.

Koefisien Determinasi yang Kecil Apakah Berarti Skripsi Kita Gagal?

Nilai R-squared (R2) digunakan untuk menilai seberapa besar pengaruh variabel laten independen tertentu terhadap variabel laten dependen. Terdapat tiga kategori pengelompokan pada nilai R square yaitu kategori kuat, kategori moderat, dan kategori lemah (Hair et al., 2011). Hair et al menyatakan bahwa nilai R square 0,75 termasuk ke dalam kategori kuat, nilai R square 0,50 termasuk kategori moderat dan nilai R square 0,25 termasuk kategori lemah (Hair et al., 2011). R squared tidak hanya bisa digunakan pada regresi saja, melainkan dapat menggunakan rumus R squared di semua model untuk menentukan baik atau tidaknya model. Namun, penggunaan R Square (R Kuadrat) sering menimbulkan permasalahan, yaitu bahwa nilainya akan selalu meningkat dengan adanya penambahan variabel bebas dalam suatu model.

Dengan demikian berdasarkan paparan tersebut, tidaklah elok jika menyimpulkan gagal atau tidaknya penelitian kita hanya dari nilai koefisien determinasi yang dihasilkan. Hal ini karena Koefisien determinasi lebih berfokus untuk menunjukkan “keandalan” peneliti dalam menentukan variabel x dan y dalam model penelitiannya. Hal ini karena Uji koefisien determinasi dilakukan untuk mengetahui seberapa besar variabel endogen secara simultan mampu menjelaskan variabel eksogen. Semakin tinggi nilai R2 berarti semakin baik model prediksi dari model penelitian yang diajukan.

INGAT!!! kata kuncinya adalah semakin tinggi nilai R2 berarti semakin baik model prediksi dari model penelitian yang diajukan. Baik tidaknya prediksi model penelitian tidak sama dengan gagal atau tidaknya penelitian yang Temans Pejuang Skripsi lakukan. Selama semua proses penelitian ilmiah mulai dari awal hingga akhir telah dilakukan sesuai dengan prosedur. Maka nilai koefisien determinasi yang kecil tidak menjadi indikator kegagalan penelitian yang dilakukan.

 

Sumber :

Chin, W. W. (1998). The Partial Least Squares Aproach to Structural Equation Modeling. Modern Methods for Business Research, 295, 336

Ghozali, I. (2016) Aplikasi Analisis Multivariete Dengan Program IBM SPSS 23. Edisi 8. Semarang: Badan Penerbit Universitas Diponegoro

Hair, Jr., Joseph F., et. al. (2011). Multivariate Data Analysis. Fifth Edition. New Jersey: PrenticeHall, Inc