Font size
WorksheetsUAS PIAUD
Total questions: 84
Worksheet time: 42mins
Jika R2=0.45 dalam analisis regresi, ini berarti:
Hubungan antara variabel independen dan dependen sangat kuat
45% variasi pada Y dijelaskan oleh X
Hubungan antara X dan Y negatif
Variabel independen tidak memengaruhi Y
Data memiliki distribusi yang tidak normal
Seorang guru ingin mengetahui pengaruh tadarus Al-Qur'an terhadap sikap toleransi siswa. Jika nilai b=0.5, maka interpretasinya adalah:
Setiap 1 unit peningkatan dalam tadarus Al-Qur'an, sikap toleransi meningkat 0.5 unit
Hubungan antara tadarus Al-Qur'an dan sikap toleransi negatif
Tadarus Al-Qur'an tidak memengaruhi sikap toleransi
Setiap 1 unit peningkatan dalam sikap toleransi, tadarus Al-Qur'an meningkat 0.5 unit
Tidak ada hubungan signifikan antara keduanya
Dalam penelitian regresi linear sederhana, jika b=3 dan a=5 dengan X=4, maka nilai Y adalah:
12
17
18
20
23
Seorang guru PAI ingin meneliti pengaruh intensitas doa bersama terhadap tingkat kepedulian sosial siswa. Variabel independennya adalah:
Tingkat kepedulian sosial siswa
Intensitas doa bersama
Jenis kelamin siswa
Tingkat kebahagiaan siswa
Lama waktu belajar siswa
Nilai b=−0.8 dalam penelitian tentang hubungan jumlah waktu bermain media sosial dengan tingkat fokus belajar agama. Interpretasinya adalah:
Hubungan antara kedua variabel tidak signifikan
Tidak ada pengaruh media sosial terhadap belajar agama
Semakin banyak waktu bermain media sosial, semakin rendah tingkat fokus belajar agama
Media sosial meningkatkan fokus belajar agama
Hubungan antara kedua variabel positif
Jika R2=0.90, maka:
Tidak ada hubungan antara X dan Y
90% data tidak sesuai dengan model
Model regresi tidak valid
Hubungan antara variabel bersifat negatif
90% variasi Y dapat dijelaskan oleh X
Seorang guru PAI mencatat pengaruh kehadiran siswa di masjid sekolah terhadap nilai akhlak mereka. Jika hasil regresi menunjukkan koefisien regresi b=2, maka interpretasinya adalah:
Nilai awal akhlak siswa adalah 2
Setiap peningkatan 1 unit kehadiran di masjid, nilai akhlak bertambah 2
Hubungan antara variabel negatif
Kehadiran di masjid tidak memengaruhi nilai akhlak
50% nilai akhlak dijelaskan oleh kehadiran di masjid
Jika dalam analisis regresi ditemukan bahwa nilai residual besar, maka model regresi:
Memiliki hubungan sangat kuat antara X dan Y
Tidak memerlukan perbaikan
Memiliki distribusi data yang normal
Kurang akurat dalam memprediksi nilai dependen
Sangat cocok untuk analisis lebih lanjut
Model regresi linear sederhana yang benar adalah:
Y=b+aX
Y=aX+bY
Y=a+bX
Y=X+b
Y=X−b+a
Jika b=1.5 dalam persamaan regresi, ini berarti:
Setiap peningkatan 1 unit X, Y meningkat sebesar 1.5
Hubungan antara X dan Y negatif
Hubungan antara variabel tidak signifikan
Titik potong regresi berada di 1.5
Nilai residual adalah 1.5
Hasil penelitian menunjukkan Y=10+3X. Jika nilai X=0, maka nilai Y adalah:
0
3
10
30
Tidak dapat dihitung
Jika nilai b=0 dalam analisis regresi, maka:
Nilai prediksi Y selalu sama dengan X
Hubungan antara X dan Y sangat kuat
Tidak ada hubungan linier antara variabel
Variabel independen dan dependen identik
Tidak ada pengaruh X terhadap Y
Seorang guru PAI ingin mengetahui pengaruh durasi ceramah agama terhadap sikap religius siswa. Variabel dependennya adalah:
Sikap religius siswa
Durasi ceramah agama
Metode ceramah agama
Nilai pelajaran agama
Tingkat pemahaman siswa
Jika nilai R2=0.25, maka dapat disimpulkan bahwa:
25% variasi Y dapat dijelaskan oleh X
Hubungan antara X dan Y sangat kuat
Data tidak memenuhi asumsi regresi
25% nilai X dijelaskan oleh Y
Tidak ada hubungan antara X dan Y
Koefisien determinasi R2 adalah ukuran yang menunjukkan:
Besarnya hubungan kausal antarvariabel
Hubungan negatif antara variabel
Kemiringan garis regresi
Proporsi variasi Y yang dijelaskan oleh X
Perbedaan nilai prediksi dan aktual
Tujuan utama dari analisis regresi linear sederhana adalah:
Menentukan hubungan sebab-akibat antara dua variabel.
Memperkirakan nilai variabel independen berdasarkan variabel dependen.
Membandingkan nilai rata-rata dua kelompok variabel.
Mengukur hubungan antara dua variabel kuantitatif.
Memprediksi nilai variabel dependen berdasarkan variabel independen.
Dalam konteks Pendidikan Agama Islam, regresi linear sederhana dapat digunakan untuk:
Mengukur pengaruh antara jumlah hafalan Al-Qur'an siswa dengan nilai ujian agama.
Menilai efektivitas pelatihan guru terhadap berbagai mata pelajaran.
Menganalisis korelasi antara kehadiran siswa dalam sekolah umum dan madrasah.
Membandingkan persepsi siswa terhadap pembelajaran daring dan luring.
Mengidentifikasi penyebab rendahnya nilai matematika siswa.
Pada persamaan regresi Y=a+bX, b menunjukkan:
Nilai konstanta regresi.
Perubahan rata-rata pada Y untuk setiap satu unit perubahan X.
Nilai prediksi untuk Y ketika X adalah nol.
Hubungan langsung antara variabel independen dan variabel dependen.
Koefisien determinasi dari model regresi.
Jika hasil analisis regresi menunjukkan bahwa p-value < 0,05, maka:
Hipotesis nol diterima.
Tidak ada hubungan signifikan antara variabel.
Variabel independen berpengaruh signifikan terhadap variabel dependen.
Variabel independen tidak relevan dalam model.
Model regresi tidak valid.
Sebuah penelitian ingin mengetahui pengaruh waktu belajar agama di rumah (jam/minggu) terhadap nilai ujian Pendidikan Agama Islam. Dalam hal ini:
Waktu belajar adalah variabel dependen.
Nilai ujian adalah variabel independen.
Nilai ujian adalah variabel dependen, dan waktu belajar adalah variabel independen.
Waktu belajar adalah variabel moderasi.
Waktu belajar adalah variabel kontrol.
Dalam konteks analisis regresi, outlier adalah:
Nilai yang berada pada garis regresi.
Data yang tidak mempengaruhi hasil analisis.
Data dengan nilai prediksi yang sama dengan nilai sebenarnya.
Nilai data yang secara signifikan berbeda dari data lainnya.
Data yang selalu meningkatkan kekuatan hubungan antara variabel.
agamaan dengan tingkat kepercayaan diri siswa memiliki R2=0,64, maka:
64% variasi pada tingkat kepercayaan diri dijelaskan oleh intensitas kegiatan keagamaan.
36% tingkat kepercayaan diri siswa tidak dapat dijelaskan oleh variabel independen.
Hubungan antara kedua variabel sangat lemah.
Hanya 64% data yang digunakan dalam analisis regresi.
Model regressi tidak sesuai untuk data ini.
Sebuah penelitian menemukan bahwa koefisien regresi untuk hubungan antara membaca Al-Qur'an dan nilai ujian PAI adalah positif. Hal ini berarti:
Membaca Al-Qur'an tidak mempengaruhi nilai ujian.
Semakin sering membaca Al-Qur'an, semakin rendah nilai ujian.
Membaca Al-Qur'an memiliki hubungan negatif dengan nilai ujian.
Semakin sering membaca Al-Qur'an, semakin tinggi nilai ujian.
Tidak ada hubungan antara membaca Al-Qur'an dan nilai ujian.
Ketika nilai b=−0,3 pada model regresi, maka interpretasinya adalah:
Setiap peningkatan satu unit pada X, Y meningkat 0,3 unit.
Hubungan antara X dan Y tidak signifikan.
Setiap peningkatan satu unit pada X, Y menurun sebesar 0,3 unit.
Model regresi tidak dapat digunakan karena nilai bbb negatif.
Y tidak dipengaruhi oleh X.
Jika seorang peneliti ingin menguji pengaruh jumlah ceramah agama (variabel independen) terhadap motivasi belajar siswa (variabel dependen) menggunakan regresi linear sederhana, langkah pertama adalah:
Menghitung koefisien korelasi.
Menentukan hipotesis uji.
Menentukan variabel dependen dan independen.
Melakukan uji t untuk signifikansi.
Mengumpulkan data variabel lainnya untuk kontrol.
Seorang peneliti ingin mengetahui pengaruh waktu membaca buku agama per minggu terhadap tingkat kepuasan spiritual siswa. Hasil analisis menunjukkan persamaan regresi Y=5+0,8X. Interpretasi dari koefisien 0,80 adalah:
Setiap peningkatan satu unit waktu membaca, tingkat kepuasan spiritual siswa bertambah sebesar 0,8.
Tingkat kepuasan spiritual siswa akan selalu bernilai 0,8 tanpa melihat waktu membaca.
Jika siswa tidak membaca sama sekali, tingkat kepuasan spiritual tetap 5.
Tingkat kepuasan spiritual siswa menurun sebesar 0,8 untuk setiap tambahan waktu membaca.
Tidak ada hubungan antara waktu membaca dan tingkat kepuasan spiritual.
Seorang guru ingin menganalisis pengaruh intensitas shalat berjamaah siswa terhadap tingkat kedisiplinan mereka di sekolah. Variabel dependen dalam penelitian ini adalah:
Intensitas shalat berjamaah.
Jenis kelamin siswa.
Tingkat kedisiplinan siswa.
Frekuensi ibadah sunnah lainnya.
Jumlah hari kehadiran di sekolah.
Untuk menilai kualitas model regresi linear sederhana, salah satu ukuran yang digunakan adalah:
Nilai modus dari data.
Nilai standar deviasi variabel independen.
Nilai koefisien determinasi (R2).
Uji Chi-Square.
Median dari variabel dependen.
Jika dalam sebuah penelitian ditemukan bahwa nilai p-value untuk koefisien regresi sebesar 0,08 (lebih besar dari 0,05), maka:
Hubungan antara variabel independen dan dependen signifikan.
Hipotesis nol diterima, artinya tidak ada pengaruh yang signifikan.
Model regresi tetap dapat digunakan untuk prediksi.
Variabel dependen memiliki hubungan negatif dengan variabel independen.
Peneliti perlu menambahkan lebih banyak variabel ke dalam model.
Jika dalam analisis regresi linear sederhana ditemukan bahwa nilai R2 sebesar 0,85, maka dapat disimpulkan bahwa:
85% variasi pada variabel dependen dapat dijelaskan oleh variabel independen.
15% variasi pada variabel dependen tidak dapat dijelaskan oleh variabel independen.
Hubungan antara variabel independen dan dependen sangat lemah.
85% model regresi ini tidak valid.
Variabel independen tidak berpengaruh terhadap variabel dependen.
Dalam analisis regresi linear sederhana, jika nilai R-squared (R²) adalah 0,90, maka dapat disimpulkan bahwa:
90% variasi dalam variabel dependen dapat dijelaskan oleh variabel independen
10% variasi dalam variabel dependen dapat dijelaskan oleh variabel independen
Tidak ada hubungan antara dua variabel
Model regresi sangat tidak akurat
Variabel independen tidak memiliki pengaruh terhadap variabel dependen
Dalam konteks Pendidikan Agama Islam, jika analisis regresi menunjukkan hubungan positif antara jam belajar PAI dan nilai ujian siswa, ini berarti:
Semakin sedikit jam belajar, semakin tinggi nilai ujian
Semakin banyak jam belajar, semakin rendah nilai ujian
Semakin banyak jam belajar, semakin tinggi nilai ujian
Tidak ada hubungan antara jam belajar dan nilai ujian
Jam belajar tidak mempengaruhi nilai ujian
Dalam analisis regresi linear sederhana, jika koefisien regresi adalah -0,45, maka dapat disimpulkan bahwa:
Setiap peningkatan satu unit variabel independen akan meningkatkan variabel dependen sebesar 0,45
Setiap peningkatan satu unit variabel independen akan menurunkan variabel dependen sebesar 0,45
Variabel independen tidak berpengaruh pada variabel dependen
Hubungan antara variabel independen dan dependen bersifat non-linier
Koefisien regresi tidak dapat diinterpretasikan dalam konteks ini
Mengapa penting untuk menguji signifikansi statistik dalam analisis regresi linear?
Untuk mengetahui apakah model regresi dapat menjelaskan pengaruh variabel secara signifikan
Untuk mengetahui apakah koefisien regresi lebih besar dari 1
Untuk mengetahui apakah data memenuhi asumsi normalitas
Untuk menentukan jumlah data yang diperlukan dalam penelitian
Untuk mengetahui hubungan antara dua variabel tanpa adanya model matematika
Jika nilai p-value dalam uji regresi linear lebih kecil dari 0,05, maka dapat disimpulkan bahwa:
Variabel independen tidak signifikan dalam memprediksi variabel dependen
Tidak ada hubungan antara variabel independen dan dependen
Variabel independen signifikan dalam memprediksi variabel dependen
Model regresi tidak sesuai untuk data
Hasil model regresi sangat tidak akurat
Apa yang dimaksud dengan "outliers" dalam analisis regresi linear sederhana?
Titik data yang sangat jauh dari garis regresi dan dapat mempengaruhi hasil model
Titik data yang mengikuti pola distribusi normal
Data yang memiliki hubungan linear yang sangat kuat dengan variabel independen
Data yang tidak terlibat dalam analisis regresi
Nilai rata-rata dari variabel dependen yang digunakan dalam model
Dalam konteks Pendidikan Agama Islam, jika hasil analisis regresi menunjukkan bahwa waktu belajar berpengaruh signifikan terhadap nilai ujian, maka hasil ini dapat digunakan untuk:
Menentukan apakah metode pengajaran perlu diubah
Menentukan jumlah jam belajar yang diperlukan untuk mencapai hasil terbaik
Memutuskan kurikulum yang akan digunakan dalam kelas PAI
Mengubah jadwal ujian siswa
Menyusun materi ujian berdasarkan waktu belajar siswa
Jika analisis regresi menunjukkan bahwa hubungan antara dua variabel bersifat linier, maka hubungan antara variabel tersebut dapat digambarkan dengan:
Sebuah grafik kurva yang melengkung
Sebuah garis lurus yang dapat diprediksi dengan koefisien regresi
Data yang tidak dapat diprediksi dengan model regresi
Sebuah hubungan yang acak tanpa pola yang jelas
Sebuah pola distribusi normal yang tidak linear
Dalam analisis regresi linear sederhana, koefisien regresi menggambarkan:
Nilai rata-rata dari variabel dependen
Besar pengaruh variabel independen terhadap variabel dependen
Jumlah variabel yang digunakan dalam model regresi
Hubungan antara dua variabel yang tidak dapat diukur
Variasi data yang tidak dapat dijelaskan oleh model regresi
Dalam konteks Pendidikan Agama Islam, jika analisis regresi menunjukkan hubungan antara waktu yang dihabiskan dalam mempelajari Al-Qur'an dan kemampuan menghafal, maka koefisien regresi negatif akan menunjukkan bahwa:
Semakin banyak waktu yang dihabiskan, semakin sedikit kemampuan menghafal
Tidak ada hubungan antara waktu dan kemampuan menghafal
Semakin sedikit waktu yang dihabiskan, semakin banyak kemampuan menghafal
Hubungan antara waktu dan kemampuan menghafal sangat kuat
Waktu belajar tidak mempengaruhi kemampuan menghafal
Dalam analisis regresi linear sederhana, nilai intercept (titik potong dengan sumbu Y) menggambarkan:
Variasi antara variabel dependen dan independen
Nilai tertinggi yang dapat dicapai oleh variabel dependen
Nilai yang menunjukkan hubungan antara dua variabel
Titik potong dengan sumbu X
Nilai variabel dependen ketika variabel independen bernilai 0
Dalam analisis regresi linear, jika koefisien regresi adalah 2,0, ini berarti:
Setiap peningkatan satu unit pada variabel independen akan mengurangi variabel dependen sebesar 2,0
Setiap peningkatan satu unit pada variabel independen akan meningkatkan variabel dependen sebesar 2,0
Variabel independen dan dependen tidak saling mempengaruhi
Hubungan antara dua variabel tidak linier
Nilai koefisien regresi tidak dapat diinterpretasikan
Dalam konteks Pendidikan Agama Islam, jika hasil analisis regresi menunjukkan bahwa jumlah jam pelajaran PAI di sekolah berhubungan positif dengan hasil ujian siswa, maka dapat disarankan bahwa:
Mengurangi jam pelajaran PAI akan meningkatkan hasil ujian siswa
Jumlah jam pelajaran PAI tidak mempengaruhi hasil ujian siswa
Menambah jumlah jam pelajaran PAI dapat meningkatkan hasil ujian siswa
Variabel lain lebih mempengaruhi hasil ujian siswa
Hasil ujian siswa tidak dapat diprediksi dengan jam pelajaran PAI
Jika regresi linear adalah 0,75, maka setiap peningkatan satu unit pada variabel independen akan mengakibatkan:
Peningkatan sebesar 0,75 unit pada variabel dependen
Penurunan sebesar 0,75 unit pada variabel dependen
Peningkatan sebesar 0,75% pada variabel dependen
Tidak ada perubahan pada variabel dependen
Variabel dependen tidak berpengaruh pada variabel independen
Apa yang dimaksud dengan "slope" dalam analisis regresi linear sederhana?
Nilai yang menunjukkan titik potong antara garis regresi dan sumbu Y
Koefisien regresi yang menggambarkan seberapa besar perubahan variabel dependen seiring perubahan variabel independen
Nilai p-value dari model regresi
Selisih antara nilai variabel independen dan dependen
Variabel yang tidak terlibat dalam analisis
Dalam analisis regresi linear sederhana, jika nilai p-value lebih besar dari 0,05, maka dapat disimpulkan bahwa:
Variabel independen tidak memiliki pengaruh yang signifikan terhadap variabel dependen
Koefisien regresi positif
Nilai R-squared sangat tinggi
Model regresi lebih akurat
Variabel dependen lebih kuat dipengaruhi oleh variabel independen
Apa yang dimaksud dengan analisis regresi linear berganda?
Metode untuk menganalisis hubungan antara dua variabel
Teknik untuk mengukur pengaruh lebih dari satu variabel independen terhadap variabel dependen
Pendekatan untuk menentukan distribusi data
Teknik untuk memvisualisasikan data dalam diagram batang
Uji untuk mengetahui normalitas data
Dalam analisis regresi linear berganda, variabel dependen adalah:
Variabel kontrol
Variabel bebas
Variabel tak bebas/terikat
Variabel prediktor
Variabel independen
Rumus dasar model regresi linear berganda adalah:
Y=a+bX
Y=a+b1X1+b2X2+…+bnXn
Y=aX+b
Y=bX
Y=ab+X
Dalam konteks Pendidikan Agama Islam, jika variabel dependen adalah "nilai ujian PAI," maka variabel independennya bisa berupa:
Jam belajar PAI dan kehadiran dalam pengajian
Tingkat keaktifan dalam kegiatan keagamaan
Kedisiplinan menjalankan ibadah dan frekuensi belajar Al-Qur'an
Semua jawaban benar
Tidak ada jawaban yang benar
Apa tujuan utama dari analisis regresi linear berganda?
Mengukur rata-rata nilai variabel
Memprediksi nilai variabel dependen berdasarkan lebih dari satu variabel independen
Menentukan distribusi data
Menguji hubungan antar variabel independen
Membuat diagram data
Dalam analisis regresi berganda, koefisien regresi b menunjukkan:
Ukuran pengaruh variabel independen terhadap variabel dependen
Hubungan langsung antara dua variabel independen
Nilai rata-rata variabel dependen
Jumlah data dalam sampel
Tingkat normalitas variabel independen
Apa perbedaan utama antara analisis regresi linear sederhana dan regresi linear berganda?
Jumlah variabel independen yang digunakan
Jenis variabel dependen
Model matematis yang digunakan
Teknik pengolahan data
Cara interpretasi data
Dalam model regresi berganda Y=10+3X1+2X2, nilai Y saat X1 = 2 dan X2 =3 adalah:
25
24
23
22
21
Dalam konteks Pendidikan Agama Islam, jika variabel dependen adalah "motivasi belajar siswa," variabel independen yang relevan dapat berupa:
Frekuensi membaca Al-Qur'an dan kehadiran di masjid
Tingkat pemahaman ajaran Islam dan keaktifan dalam pengajian
Durasi waktu belajar agama di rumah dan kehadiran pada ujian PAI
Jawaban A,B, dan C benar
Tidak ada jawaban yang benar
Apa interpretasi nilai b2=4 dalam model Y=a+b1X1+b2X2?
Variabel X2 tidak signifikan terhadap Y
Tidak ada hubungan antara X2 dan Y
Setiap peningkatan satu satuan X2 meningkatkan Y sebesar 4 satuan
Nilai Y selalu sama dengan nilai X2
Variabel X1 memiliki pengaruh lebih besar dibandingkan X2
Dalam analisis regresi berganda, nilai e pada model Y=a+b1X1+b2X2+e adalah:
Hubungan antara variabel independen dan dependen
Nilai error atau residual/kesalahan prediksi model
Jumlah variabel independen
Koefisien dari variabel independen tambahan
Faktor konstan dalam model
Jika dalam model Y=5+2X1+3X2, X1 dan X2 sama-sama naik 1 unit, maka nilai Y:
Bertambah 2 unit
Bertambah 3 unit
Bertambah 4 unit
Bertambah 5 unit
Tidak berubah
Apa fungsi dari regresi linear berganda dalam penelitian kuantitatif Pendidikan Agama Islam?
Memprediksi nilai variabel dependen dari beberapa variabel independen
Membandingkan rata-rata hasil ujian PAI antar siswa
Mengukur tingkat korelasi antar variabel independen
Menentukan distribusi nilai ujian siswa
Membuat kategori siswa berdasarkan nilai
Dalam analisis regresi berganda, variabel independen disebut juga sebagai:
Variabel konstan
Variabel terikat
Variabel dependen
Variabel hasil
Variabel prediktor
Dalam model Y=a+b1X1+b2X2, koefisien b1 dapat diartikan sebagai:
Nilai prediksi dari variabel independen X2
Pengaruh X1 terhadap Y saat X2 konstan
Hubungan total antara X1 dan Y
Jumlah variabel independen dalam model
Nilai error dalam prediksi
Dalam analisis regresi linear berganda, apa langkah pertama untuk menentukan pengaruh variabel independen terhadap variabel dependen?
Menentukan hipotesis uji
Menentukan variabel dependen dan independen
Melakukan uji multikolinearitas
Menghitung nilai R2
Membuat diagram scatter
Seorang guru PAI ingin mengetahui pengaruh "frekuensi membaca Al-Qur'an" (X1) dan "keaktifan dalam kajian Islam" (X2) terhadap "motivasi belajar agama siswa" (Y). Model yang tepat untuk digunakan adalah:
Y=a+bX
Y=a+b1X1+b2X2
Y=a+b1X1−b2X2
Y=b1X1+b2X2
Y=bX+cX2+aY
Jika koefisien b1 dalam model Y=a+b1X1+b2X2 adalah positif, maka interpretasinya adalah:
Peningkatan X1 mengurangi nilai Y
Peningkatan X1 tidak memengaruhi Y
Peningkatan X1 meningkatkan nilai Y
Tidak ada hubungan antara X1 dan Y
Nilai X1 selalu sama dengan Y
Dalam model Y=5+3X1+2X2, jika X1 bertambah 2 unit dan X2 tetap, maka nilai Y akan bertambah:
2 unit
3 unit
6 unit
5 unit
8 unit
n adalah "nilai ujian PAI," dan variabel independen adalah "jam belajar" (X1) dan "kehadiran dalam pengajian" (X2). Interpretasi b2=4 adalah:
Setiap peningkatan satu satuan kehadiran siswa meningkatkan nilai ujian sebesar 4 poin
Kehadiran siswa dalam pengajian tidak memengaruhi nilai ujian
Peningkatan jam belajar meningkatkan nilai ujian sebesar 4 poin
Kehadiran siswa dalam pengajian mengurangi nilai ujian
Hubungan antara X2 dan Y bersifat negatif
Dalam regresi berganda, jika R2=0,85, apa arti nilai ini?
Variabel independen tidak signifikan terhadap variabel dependen
85% variasi dalam Y dijelaskan oleh variabel independen
Hubungan antara X1 dan X2 adalah 85%
Variabel independen hanya memiliki pengaruh kecil terhadap Y
Variabel independen tidak dapat menjelaskan nilai Y
Jika b1=2 dan b2=−1, apa interpretasi b2 dalam model regresi Y=a+b1X1+b2X2?
Setiap peningkatan X2 sebesar satu satuan akan meningkatkan Y sebesar 1 satuan
Setiap peningkatan X2 sebesar satu satuan akan mengurangi Y sebesar 1 satuan
Nilai Y tidak terpengaruh oleh X2
Nilai X2 selalu positif
Variabel X2 tidak signifikan
Dalam regresi berganda, jika salah satu variabel independen memiliki nilai koefisien regresi yang kecil tetapi signifikan, maka variabel tersebut:
Tidak berpengaruh pada variabel dependen
Tidak relevan dengan analisis
Tidak layak dimasukkan dalam model regresi
Memiliki hubungan negatif dengan variabel dependen
Memiliki pengaruh kecil namun signifikan pada variabel dependen
Seorang guru menggunakan analisis regresi untuk memprediksi "motivasi belajar siswa" (Y) berdasarkan "frekuensi membaca Al-Qur'an" (X1) dan "kehadiran di pengajian" (X2). Jika R2=0,70, maka:
Model menjelaskan 70% variasi dalam Y
Variabel independen tidak signifikan terhadap Y
Variabel independen hanya sedikit memengaruhi Y
Model tidak layak digunakan
Semua variasi dalam Y dijelaskan oleh model
Dalam analisis regresi berganda, jika p-value dari b1 adalah 0,04, maka interpretasinya adalah:
Variabel X1 tidak berpengaruh signifikan pada Y
Variabel X1 berpengaruh signifikan pada Y dengan tingkat signifikansi 5%
Hubungan antara X1 dan Y tidak dapat ditentukan
Variabel X1 memiliki pengaruh negatif terhadap Y
Tidak ada hubungan antara X1 dan Y
Dalam model Y=10+3X1−2X2 jika X1 dan X2 sama-sama meningkat 1 satuan, maka nilai Y:
Bertambah 5 satuan
Bertambah 1 satuan
Tidak berubah
Berkurang 1 satuan
Berkurang 2 satuan
Seorang peneliti menggunakan regresi berganda untuk menganalisis pengaruh "durasi belajar agama" (X1) dan "keaktifan beribadah" (X2) terhadap "pemahaman agama siswa" (Y). Jika koefisien b1>b2, maka:
Durasi belajar agama memiliki pengaruh lebih besar pada Y dibanding keaktifan beribadah
Keaktifan beribadah memiliki pengaruh lebih besar pada Y dibanding durasi belajar agama
Tidak ada hubungan antara X1 dan X2
Hubungan antara X1 dan Y bersifat negatif
Semua variabel independen memiliki pengaruh yang sama
Apa peran nilai R2 dalam model regresi linear berganda?
Mengukur hubungan antara dua variabel independen
Mengukur proporsi variasi Y yang dapat dijelaskan oleh variabel independen
Menentukan nilai Y saat X bernilai nol
Menentukan signifikansi model secara keseluruhan
Menguji hubungan antara var
Jika model regresi Y=8+2X1+3X2, berapa nilai Y ketika X1=2 dan X2=1?
18
17
16
15
14
Dalam model Y=12+4X1−3X2, jika nilai X1=3 dan X2=2, maka nilai Y adalah:
18
19
20
21
22
Diberikan persamaan regresi Y=3+2X1−X2. Apa interpretasi dari koefisien X1?
Nilai rata-rata Y jika X1 dan X2 bernilai nol.
Setiap kenaikan satu unit pada X2, Y bertambah 2, dengan asumsi X1 tetap.
Setiap kenaikan satu unit pada X1, Y bertambah 2, dengan asumsi X2 tetap.
Setiap kenaikan satu unit pada X1, Y berkurang 2, dengan asumsi X2tetap.
Tidak ada hubungan antara X1 dan Y.
Apa arti R2=0.85 dalam konteks regresi linear berganda?
85% dari variabel independen dijelaskan oleh variabel dependen.
85% adalah nilai rata-rata dari residual.
Variabel independen tidak memiliki hubungan dengan variabel dependen.
Model regresi memiliki tingkat kesalahan 85%.
85% dari variabel dependen dijelaskan oleh variabel independen.
Dalam regresi berganda, mengapa penting untuk memeriksa nilai p-value dari setiap koefisien?
Untuk menentukan apakah pengaruh variabel independen terhadap dependen signifikan.
Untuk menghitung nilai prediksi Y.
Untuk mengukur pengaruh variabel dependen terhadap variabel independen.
Untuk menentukan apakah model linier digunakan.
Untuk mengevaluasi kualitas residual.
Diberikan dua model: Model A dengan R2=0.75 dan Model B dengan R2=0.85. Mana yang lebih baik dalam memprediksi Y?
Model A, karena lebih sederhana.
Model A, karena R2 lebih rendah.
Model B, karena memiliki R2 lebih tinggi.
Kedua model sama baiknya.
Tidak bisa ditentukan tanpa uji statistik lainnya.
Model regresi Y=10+5X1+3X2. Jika X1 bertambah dari 2 ke 4, dan X2=1, bagaimana perubahan Y?
Y bertambah 5.
Y bertambah 10.
Y bertambah 15.
Y bertambah 20.
Y bertambah 25.
Jika model regresi Y=5+4X1+3X2 digunakan, Berapa prediksi Y jika X1=2 dan X2=1?
11
14
16
17
18
Seorang guru PAI ingin menganalisis pengaruh intensitas pembelajaran Al-Qur'an (X1) dan jumlah jam pengajaran fikih (X2) terhadap pemahaman siswa (Y). Ditemukan persamaan regresi: Y=50+5X1+3X2. Apa interpretasi dari koefisien X1?
Setiap penambahan 1 jam pembelajaran Al-Qur'an, rata-rata pemahaman siswa meningkat 5 poin, dengan asumsi X2 tetap.
Setiap penambahan 1 jam pengajaran fikih, rata-rata pemahaman siswa meningkat 5 poin, dengan asumsi X1 tetap.
Setiap penurunan 1 jam pembelajaran Al-Qur'an, rata-rata pemahaman siswa meningkat 5 poin.
Nilai rata-rata pemahaman siswa adalah 50 jika X1 dan X2 bernilai nol.
Tidak ada hubungan antara pembelajaran Al-Qur'an dan pemahaman siswa.
Dalam penelitian PAI, seorang peneliti menemukan R2=0.70. Apa interpretasi nilai ini dalam konteks regresi berganda?
Model ini tidak sesuai karena 30% variasi tidak dijelaskan.
70% dari variasi dalam variabel independen dijelaskan oleh variabel dependen.
70% dari variasi dalam pemahaman siswa dapat dijelaskan oleh variabel-variabel independen.
Hanya 70% siswa yang dipengaruhi oleh pembelajaran.
Hubungan antara variabel independen dan dependen tidak signifikan.
