Excel RSQ(): Temukan Koefisien Determinasi di Excel

Jika Anda bekerja dengan garis tren atau perlu mengukur seberapa erat dua himpunan nilai saling berkaitan, fungsi RSQ() di Excel adalah alat sederhana untuk tugas tersebut. RSQ() memberi tahu Anda seberapa besar variasi dalam satu rentang yang dapat dijelaskan oleh rentang lainnya. Intinya, fungsi ini memberikan nilai R-kuadrat untuk dua deret. Ini berguna untuk segala hal, mulai dari analisis penjualan hingga eksperimen ilmiah.

Apa yang Dilakukan RSQ()?

RSQ(), singkatan dari “R-squared” (R-kuadrat), mengembalikan kuadrat dari koefisien korelasi product-moment Pearson antara dua larik, yang dalam hal ini juga merupakan koefisien determinasi. Secara sederhana, ini menunjukkan seberapa baik nilai dalam satu rentang memprediksi nilai dalam rentang lainnya. Jika hasil RSQ() adalah 1, berarti ada hubungan linear yang sempurna. Jika 0, tidak ada hubungan linear sama sekali.

Orang sering menggunakan RSQ() saat ingin memeriksa seberapa baik sebuah garis cocok dengan data mereka, seperti dalam analisis regresi atau saat membuat garis tren.

Sintaks dan Argumen RSQ()

Berikut struktur RSQ():

=RSQ(known_y’s, known_x’s)Didukung oleh

• known_y’s: Ini adalah nilai dependen Anda (yang ingin Anda prediksi atau jelaskan).

• known_x’s: Ini adalah nilai independen Anda (yang menurut Anda mungkin menjelaskan).

Kedua rentang harus memiliki jumlah titik data yang sama. Jika tidak, RSQ() akan memberikan error.

Catatan penting: Jika Anda familiar dengan konsep regresi linear sederhana secara khusus dan regresi linear ordinary least squares secara umum, Anda mungkin menyadari bahwa fungsi RSQ() hanya menerima satu set nilai x. Ini karena RSQ() tidak menangani regresi linear berganda.

Contoh RSQ()

Misalkan Anda ingin mengetahui seberapa baik belanja iklan memprediksi penjualan.

• Kolom A: Belanja Iklan
• Kolom B: Penjualan

Katakanlah data Anda terlihat seperti ini:

Jika data Anda berada di A2:A5 untuk iklan, dan B2:B5 untuk penjualan, Anda akan memasukkan:

=RSQ(A2:A5, B2:B5)Didukung oleh

Rumus ini mengembalikan nilai R-kuadrat, yang menunjukkan seberapa besar perubahan penjualan dapat dijelaskan oleh perubahan belanja iklan.

Menafsirkan Hasil RSQ()

• RSQ() = 1: Ada hubungan linear yang sempurna. Satu variabel memprediksi variabel lainnya tanpa kesalahan.
• RSQ() = 0: Tidak ada hubungan linear antara dua himpunan data Anda.
• Nilai antara 0 dan 1: Semakin mendekati 1, semakin kuat hubungan linearnya.

Jika kita bayangkan pada contoh di atas bahwa setiap angka di kolom B adalah dua kali angka yang sesuai di kolom A, maka regresinya akan berada pada garis lurus, dan menggandakan belanja iklan akan selalu menggandakan penjualan. (Alangkah hebatnya!)

Kesalahan Umum yang Sering Terjadi

Berikut beberapa masalah yang mungkin Anda temui dengan RSQ():

• Ukuran rentang tidak sama: Jika dua rentang Anda tidak memiliki jumlah baris yang sama, RSQ() akan mengembalikan error #N/A.

• Sel kosong atau non-numerik: Sel kosong atau teks dalam rentang akan diabaikan, tetapi jika terlalu banyak yang hilang, hasilnya bisa menyesatkan, atau error bisa muncul. Ini bisa menjadi kesalahan yang lebih halus, jadi harap berhati-hati!

• Satu titik data: RSQ() membutuhkan setidaknya dua pasangan angka. Jika tidak, Anda akan mendapatkan error #DIV/0!. Ini karena varian/kovarian tidak terdefinisi hanya dengan satu nilai.

Jika ada sesuatu yang terasa janggal, periksa kembali rentang Anda untuk kesalahan ketik atau entri yang hilang.

RSQ() vs. CORREL()

Anda mungkin bertanya-tanya mengapa menggunakan RSQ() alih-alih CORREL(). Berikut perbedaannya:

• CORREL() mengembalikan koefisien korelasi Pearson (r), yang mengukur kekuatan dan arah hubungan linear.

• RSQ() mengembalikan R-kuadrat (R²), sehingga selalu memberi nilai antara 0 dan 1, berfokus hanya pada proporsi varians yang dijelaskan.

Jika Anda hanya ingin melihat apakah variabel Anda bergerak bersama (positif atau negatif), CORREL() memberi detail lebih. Jika Anda mengukur seberapa besar perubahan dalam satu variabel dijelaskan oleh variabel lain, RSQ() adalah yang Anda butuhkan.

Meski begitu, karena kita berurusan dengan regresi linear sederhana, kita selalu dapat menemukan R-kuadrat hanya dengan mengkuadratkan hasil CORREL():

=CORREL(A2:A5, B2:B5)^2Didukung oleh

RSQ() dan Scatterplot

Jika Anda pernah menambahkan garis tren ke diagram sebar (scatter plot) di Excel, Anda mungkin melihat nilai R-kuadrat ditampilkan langsung pada bagan. Itulah nilai yang sama yang dikembalikan RSQ() dengan rentang data Anda.

Jika Anda ingin menampilkan R-kuadrat di lembar kerja tanpa menambahkan bagan, cukup gunakan RSQ() langsung di sel. Dengan begitu, ini menjadi angka yang lebih mudah Anda olah.

Jika Anda belum 100% paham cara membuat visual yang baik di Excel, daftarlah ke kursus Data Visualization in Excel kami, yang membahas semua hal penting secara mendetail.

Tips Praktis

Untuk menutup panduan teknis, berikut beberapa tips praktis:

• Beri label data Anda dengan jelas agar X dan Y tidak tertukar.

• Selalu periksa ulang bahwa rentang Anda berukuran sama sebelum memasukkan rumus.

• Jika Anda ingin membandingkan lebih dari dua variabel, pertimbangkan untuk menggunakan alat analisis regresi seperti Data Analysis Toolpak atau fungsi LINEST(). LINEST() juga melaporkan metrik model lain, seperti F-statistic dan galat baku.

Kesimpulan

Seperti yang telah Anda lihat, RSQ() adalah cara yang lugas namun efektif untuk mengukur seberapa baik satu himpunan nilai memprediksi himpunan lainnya di Excel. Ada banyak hal yang bisa Anda lakukan dengannya, seperti menganalisis tren atau memproyeksikan hasil. Jangan biarkan itu sekadar tebakan.

Sebagai langkah berikutnya, silakan ikuti kursus Data Analysis in Excel dan Advanced Excel Functions kami untuk terus meningkatkan keterampilan Excel (dan statistik) Anda!