R square merupakan suatu nilai yang memperlihatkan seberapa besar variabel independen (eksogen) mempengaruhi variabel dependen (endogen). R squared merupakan angka yang berkisar antara 0 sampai 1 yang mengindikasikan besarnya kombinasi variabel independen secara bersama – sama mempengaruhi nilai variabel dependen. 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. Misalnya model pada rumus time series, jika anda ingin menggunakan indikator lain selain MSE pada time series, bisa menggunakan R squared sebagai tambahan untuk memperkuat dari model yang sudah di dapatkan (Ghozali, 2016).

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. Sebagai contoh Nilai R square adjusted pada penelitian ini adalah 0.500. Nilai R square adjusted berfungsi untuk mengatasi masalah yang sering dijumpai pada nilai R square, yaitu terus bertambahnya nilai jika terdapat penambahan variabel independen ke dalam model, sedangkan pada R square adjusted dapat mengukur tingkat keyakinan penambahan variabel independen secara tepat dalam menambah daya prediksi model. Sebagai contoh diketahui bahwa nilai R square pada variabel dependen (endogen) adalah 0.505. Dengan melihat pada nilai tersebut maka dapat dikatakan bahwa variabel niat penggunaan berkelanjutan pada fintech payment di wilayah Jabodetabek (Y) dipengaruhi sebesar 50,5% oleh variabel kemudahan penggunaan (X1) (Ghozali, 2016).

Referensi

  • 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.

Image Sources: Google Images