Asesmen Diagnostik Kognitif Statistika Bivariat

Apa yang dimaksud dengan statistika bivariat?

• Statistika bivariat adalah cabang statistika yang mempelajari hubungan antara dua variabel atau lebih dalam satu waktu yang sama.

• Statistika bivariat tidak memperhatikan hubungan antara variabel

• Statistika bivariat hanya melibatkan satu variabel

• Statistika bivariat adalah studi tentang satu variabel dalam satu waktu

Jelaskan pengertian diagram pencar (scatter plot) dalam statistika bivariat!

• Diagram pencar adalah grafik batang untuk menunjukkan hubungan antara dua variabel

• Scatter plot digunakan untuk data kategorikal bukan numerik

• Diagram pencar (scatter plot) adalah representasi visual dari hubungan antara dua variabel numerik, di mana setiap titik mewakili satu observasi dan posisinya menunjukkan nilai dari kedua variabel tersebut.

• Setiap titik dalam scatter plot mewakili dua observasi bukan satu

Bagaimana cara melakukan regresi sederhana dalam statistika bivariat?

• Kumpulkan data X dan Y, hitung median, kovarians, koefisien regresi, dan buat persamaan regresi Y = alpha + beta*X.

• Hitung rata-rata X dan Y, kovarians, koefisien regresi, dan buat persamaan regresi Y = alpha + beta*X.

• Kumpulkan data X dan Y, hitung rata-rata, kovarians, koefisien regresi, dan buat persamaan regresi Y = alpha + beta*X.

• Kumpulkan data X dan Y, hitung rata-rata, korelasi, koefisien regresi, dan buat persamaan regresi Y = alpha + beta*X.

Apa yang dimaksud dengan koefisien determinasi dalam regresi sederhana?

• Koefisien determinasi menunjukkan hubungan kausal antara variabel independen dan dependen

• Koefisien determinasi tidak relevan dalam analisis regresi

• Koefisien determinasi adalah ukuran keakuratan model regresi

• Koefisien determinasi dalam regresi sederhana adalah ukuran seberapa baik garis regresi sesuai dengan data yang diamati.

Jelaskan perbedaan antara korelasi positif dan korelasi negatif!

• Korelasi negatif adalah hubungan di mana dua variabel bergerak ke arah yang sama.

• Korelasi positif adalah hubungan di mana dua variabel tidak memiliki hubungan.

• Korelasi positif adalah hubungan di mana dua variabel bergerak ke arah yang sama, sedangkan korelasi negatif adalah hubungan di mana dua variabel bergerak ke arah yang berlawanan.

• Korelasi positif adalah hubungan di mana dua variabel bergerak ke arah yang berlawanan.

Mengapa penting untuk memahami korelasi dalam statistika bivariat?

• Mengabaikan korelasi tidak akan mempengaruhi hasil analisis statistika

• Korelasi hanya diperlukan dalam statistika univariat

• Korelasi tidak memiliki pengaruh dalam statistika bivariat

• Penting untuk mengetahui sejauh mana hubungan antara dua variabel dan membantu dalam membuat prediksi serta pengambilan keputusan yang lebih akurat.

Berikan contoh kasus di kehidupan sehari-hari yang dapat dijelaskan menggunakan diagram pencar!

• Korelasi antara tinggi badan dengan kecerdasan

• Contoh kasus di kehidupan sehari-hari yang dapat dijelaskan menggunakan diagram pencar adalah hubungan antara jumlah jam belajar dengan nilai ujian.

• Pengaruh warna baju terhadap cuaca

• Hubungan antara cuaca dan harga saham

Bagaimana cara menghitung koefisien korelasi antara dua variabel dalam statistika bivariat?

• Koefisien korelasi dihitung dengan mengkuadratkan kedua variabel

• Koefisien korelasi dihitung dengan mengalikan kedua variabel

• Koefisien korelasi antara dua variabel dalam statistika bivariat dapat dihitung dengan menggunakan rumus: r = Σ((X - X̄)(Y - Ȳ)) / √(Σ(X - X̄)² * Σ(Y - Ȳ)²)

• Koefisien korelasi dihitung dengan mencari nilai rata-rata dari kedua variabel

Apakah hubungan antara regresi sederhana dan korelasi dalam statistika bivariat?

• Korelasi adalah akar kuadrat dari koefisien determinasi dalam regresi sederhana.

• Regresi sederhana hanya dapat digunakan untuk data kategorikal.

• Korelasi tidak dapat digunakan untuk memprediksi hubungan antara variabel.

• Regresi sederhana tidak melibatkan variabel bebas dan terikat.

Jelaskan konsep outlier dalam diagram pencar dan bagaimana memperlakukannya!

• Outlier adalah data yang paling sering muncul dalam diagram pencar.

• Outlier dalam diagram pencar adalah data yang jauh dari sebagian besar titik data lainnya. Untuk memperlakukannya, perlu dipastikan apakah outlier tersebut valid atau merupakan kesalahan pengukuran. Jika valid, pertahankan dalam analisis. Jika kesalahan, bisa diabaikan atau dihapus.

• Outlier selalu merupakan kesalahan pengukuran.

• Outlier tidak mempengaruhi hasil analisis data.