statistika

Mengapa asumsi normalitas penting dalam regresi linier?

• Agar regresi linier bisa dilakukan pada data kategorik

• Supaya nilai koefisien regresi menjadi besar

• Agar uji statistik seperti t-test dan F-test valid

• Untuk mempercepat proses regresi

Ciri-ciri data tidak normal secara visual adalah...

• Histogram berbentuk lonceng

• Histogram miring ke kiri atau ke kanan

• Scatter plot acak

• Q-Q plot membentuk garis lurus

Transformasi logaritma paling tepat digunakan ketika data memiliki...

• Skewness positif

• Skewness negatif

• Nilai data yang sudah normal

• Korelasi rendah antar variabel

Rumus dari transformasi akar kuadrat adalah...

• log(x)

• √x

• 1/x

• x²

Apa kekurangan dari transformasi kebalikan (reciprocal)?

• Menghilangkan outlier

• Hanya untuk data dengan nilai negatif

• Sulit diinterpretasikan dan tidak bisa untuk x = 0

• Menurunkan korelasi

Transformasi Box-Cox digunakan untuk...

• Menghilangkan variabel

• Membuat data menjadi log

• Menyusun model regresi

• Mencari parameter λ terbaik untuk membuat data lebih normal

Setelah melakukan transformasi data, langkah selanjutnya adalah...

• Menghapus data lama

• Menguji ulang normalitas dan membandingkan hasil regresi

• Melakukan clustering

• Menggunakan model klasifikasi

Tujuan utama melakukan transformasi data adalah untuk...

• Menstabilkan varians dan memperbaiki distribusi

• Menambah jumlah data

• Menghilangkan variabel

• Mengurangi kompleksitas regresi

Apa yang terjadi jika kita menggunakan data tidak normal tanpa penyesuaian dalam regresi?

• Model lebih akurat

• Koefisien regresi tidak berubah

• Hasil uji inferensial bisa tidak valid dan model bias

• Semua outlier dihilangkan

Manakah hasil dari transformasi data yang lebih baik?

• 
• 
• 
•