Koefisien determinasi, R kuadrat, digunakan dalam teori regresi linear dalam statistik sebagai ukuran seberapa baik persamaan regresi sesuai dengan data. Ini adalah kuadrat R, koefisien korelasi, yang memberi kita derajat korelasi antara variabel dependen, Y, dan variabel independen X. R berkisar dari -1 hingga +1. Jika R sama dengan +1, maka Y sebanding dengan X, jika nilai X meningkat dengan derajat tertentu, maka nilai Y meningkat dengan derajat yang sama. Jika R sama dengan -1, maka ada korelasi negatif sempurna antara Y dan X. Jika X meningkat, maka Y akan menurun dengan proporsi yang sama. Di sisi lain jika R = 0, maka tidak ada hubungan linier antara X dan Y. R kuadrat bervariasi dari 0 hingga 1. Ini memberi kita gambaran tentang seberapa baik persamaan regresi kita cocok dengan data. Jika R kuadrat sama dengan 1, maka garis kecocokan terbaik kami melewati semua titik dalam data, dan semua variasi dalam nilai-nilai yang diamati dari Y dijelaskan oleh hubungannya dengan nilai-nilai X. Misalnya jika kita mendapatkan R kuadrat nilai 0,80 kemudian 80% variasi dalam nilai-nilai Y dijelaskan oleh hubungan liniernya dengan nilai-nilai X yang diamati.
Hitung jumlah produk dari nilai X dan Y, dan kalikan ini dengan "n. " Kurangi nilai ini dari produk dari jumlah nilai-nilai X dan Y. Mendenotasikan nilai ini dengan S1: S1 = n (? XY) - (? X) (? Y)
Hitung jumlah kuadrat dari nilai X, kalikan ini dengan "n, " dan kurangi nilai ini dari kuadrat dari jumlah nilai-nilai X. Nyatakan ini dengan P1: P1 = n (? X2) - (? X) 2 Ambil akar kuadrat dari P1, yang akan kita tunjukkan dengan P1 '.
Hitung jumlah kuadrat dari nilai-nilai Y, kalikan ini dengan "n, " dan kurangi nilai ini dari kuadrat dari jumlah nilai-nilai Y. Nyatakan ini dengan Q1: Q1 = n (? Y2) - (? Y) 2 Ambil akar kuadrat dari Q1, yang akan kami tunjukkan dengan Q1 '
Hitung R, koefisien korelasi, dengan membagi S1 dengan produk P1 'dan Q1': R = S1 / (P1 '* Q1')
Ambil kuadrat R untuk mendapatkan R2, koefisien determinasi.