Font size
WorksheetsUAS PAI 3B(regresi sederhana, ganda ,t test indep, t test paired
Total questions: 113
Worksheet time: 57mins
Apa tujuan utama dari uji t dua sampel berpasangan?
Membandingkan dua populasi yang tidak saling terkait
Menentukan hubungan antara dua variabel
Menguji perbedaan rata-rata dua kelompok yang saling berhubungan
Mengestimasi parameter populasi tunggal
Mengukur penyebaran data sampel
Dalam uji t dua sampel berpasangan, apa yang dimaksud dengan paired samples?
Sampel yang berasal dari populasi berbeda
Sampel yang tidak berhubungan
Sampel yang saling berhubungan atau berpasangan
Sampel dengan ukuran berbeda
Sampel yang memiliki distribusi normal
Apa asumsi utama dalam uji t dua sampel berpasangan?
Data berdistribusi normal
Variansi antar kelompok sama
Data berasal dari populasi berbeda
Ukuran sampel minimal 30
Tidak ada hubungan antar data
Dalam konteks PAI, uji t dua sampel berpasangan dapat digunakan untuk...
Mengukur efektivitas pembelajaran sebelum dan sesudah menggunakan metode diskusi
Membandingkan efektivitas dua metode pembelajaran berbeda
Menentukan hubungan antara kehadiran siswa dan hasil belajar
Menguji normalitas data hasil belajar siswa
Membandingkan hasil belajar antara dua kelompok siswa yang berbeda
Apa syarat utama data yang digunakan dalam uji t dua sampel berpasangan?
Data harus bersifat independen
Data harus berpasangan dan berasal dari distribusi normal
Data harus memiliki variansi yang sama
Data tidak boleh memiliki nilai negatif
Data harus berasal dari populasi yang berbeda
Dalam PAI, uji t dua sampel berpasangan bisa digunakan untuk menguji...
Perbedaan hasil belajar siswa sebelum dan sesudah mengikuti kajian tafsir Al-Qur'an
Perbandingan hasil belajar antara kelas laki-laki dan perempuan
Hubungan antara nilai hafalan dan ujian akhir
Normalitas data hasil belajar siswa
Pengaruh gender terhadap motivasi belajar siswa
Data yang digunakan dalam uji t dua sampel berpasangan harus...
Tidak berpasangan
Normal dan independen
Berpasangan dan independen
Berpasangan dan berasal dari distribusi normal
Tidak memerlukan distribusi tertentu
Jika p-value dalam hasil uji lebih kecil dari tingkat signifikansi, maka keputusan yang diambil adalah...
Terima hipotesis nol
Tolak hipotesis nol
Data tidak normal
Perlu dilakukan uji tambahan
Sampel tidak valid
Hipotesis nol (H0) dalam uji t dua sampel berpasangan biasanya adalah...
Tidak ada hubungan antara dua variabel
Rata-rata perbedaan antara pasangan data adalah nol
Rata-rata kedua sampel sama
Variansi kedua sampel sama
Distribusi data tidak normal
Contoh hipotesis alternatif dalam konteks PAI adalah...
Tidak ada perbedaan hasil belajar sebelum dan sesudah mengikuti program mentoring
Ada perbedaan hasil belajar sebelum dan sesudah mengikuti program mentoring
Hasil belajar siswa laki-laki lebih tinggi dari perempuan
Tidak ada hubungan antara metode ceramah dan diskusi
Data hasil belajar siswa tidak berdistribusi normal
Ketika hasil uji menunjukkan bahwa perbedaan rata-rata signifikan, maka...
Hasil uji tidak relevan
Hipotesis nol diterima
Hipotesis alternatif diterima
Uji harus diulang
Tidak dapat disimpulkan apa-apa
Dalam praktik uji t dua sampel berpasangan, data yang diuji adalah...
Hasil belajar siswa dari dua kelas berbeda
Selisih nilai hasil pretest dan posttest siswa
Data nilai siswa sebelum pembelajaran
Rata-rata nilai ujian dari dua kelompok
Variansi dari hasil belajar siswa
Sebuah penelitian ingin mengetahui pengaruh kajian hadits terhadap pemahaman siswa. Metode analisis yang tepat adalah...
Uji chi-square
Uji t dua sampel independen
Uji t dua sampel berpasangan
Uji korelasi
Uji regresi linear
Uji t dua sampel berpasangan digunakan untuk membandingkan...
Dua kelompok data yang tidak memiliki hubungan
Dua kelompok data independen
Dua kelompok data yang berhubungan atau memiliki pasangan
Dua kelompok data dengan ukuran yang sama
Dua kelompok data dengan variansi yang sama
Dalam penelitian PAI, uji t dua sampel berpasangan dapat digunakan untuk mengukur...
Perbedaan nilai siswa antara sekolah A dan B
Perbedaan motivasi belajar siswa sebelum dan sesudah pembelajaran berbasis kisah Nabi
Hubungan antara nilai ujian dan kehadiran siswa
Normalitas data hasil belajar siswa
Variansi nilai ujian siswa antara dua kelas
Jika uji t dua sampel berpasangan menghasilkan nilai p-value sebesar 0,03, dan tingkat signifikansi adalah 0,05, maka...
Hipotesis nol diterima
Hipotesis alternatif ditolak
Hipotesis nol ditolak
Data harus diuji ulang
Hasil uji tidak valid
Pada uji t dua sampel berpasangan, jika nilai mean difference adalah nol, maka...
Tidak ada perbedaan signifikan antara pasangan data
Ada perbedaan signifikan antara pasangan data
Sampel tidak valid
Variansi antar data terlalu besar
Hipotesis nol otomatis ditolak
PAI, penelitian untuk mengukur perubahan sikap siswa terhadap pelajaran setelah menggunakan metode ceramah dapat dianalisis menggunakan...
Uji chi-square
Uji t dua sampel independen
Uji t dua sampel berpasangan
Uji ANOVA
Uji regresi
Apa yang dimaksud dengan tingkat signifikansi (α) dalam uji t?
Peluang untuk menerima hipotesis nol
Peluang untuk menolak hipotesis alternatif secara salah
Peluang untuk menolak hipotesis nol secara salah
Peluang bahwa data tidak berdistribusi normal
Peluang bahwa data sampel tidak valid
Sebuah penelitian PAI ingin mengetahui apakah ada perbedaan kemampuan hafalan sebelum dan sesudah program tahfiz. Analisis yang tepat adalah...
Uji regresi
Uji korelasi
Uji t dua sampel independen
Uji t dua sampel berpasangan
Uji chi-square
Jika rata-rata perbedaan mean pada uji t adalah positif dan signifikan, maka dapat disimpulkan bahwa...
Tidak ada pengaruh perlakuan
Perlakuan meningkatkan hasil
Data sampel tidak valid
Variansi antar sampel terlalu besar
Perlu dilakukan uji tambahan
Apa yang dilakukan jika data hasil uji t tidak memenuhi asumsi normalitas?
Menggunakan uji t biasa
Melakukan transformasi data atau menggunakan uji nonparametrik
Mengabaikan hasil uji normalitas
Mengulang pengambilan data
Menggunakan uji chi-square
Dalam uji t dua sampel berpasangan, hasil yang signifikan menunjukkan bahwa...
Tidak ada perubahan pada data berpasangan
Distribusi data tidak normal
Data tidak valid
Data harus diuji ulang
Ada perubahan signifikan pada data berpasangan
Dalam uji t dua sampel berpasangan, nilai perbedaan antara pasangan data dihitung untuk...
Mengukur hubungan antar variabel
Menentukan rata-rata keseluruhan sampel
Membandingkan rata-rata perbedaan dengan nol
Menguji apakah variansi kedua kelompok sama
Mengestimasi nilai parameter populasi
Pada uji t dua sampel berpasangan, variabel yang diuji adalah...
Variansi antar dua kelompok
Rata-rata dua kelompok independen
Rata-rata perbedaan dari data berpasangan
Hubungan antara dua variabel independen
Penyebaran data antar sampel
Dalam penelitian PAI, uji t dua sampel berpasangan dapat membantu guru untuk...
Menentukan hubungan antara motivasi belajar dan hasil ujian
Mengukur perubahan hasil belajar siswa setelah menggunakan metode baru
Membandingkan hasil belajar antara dua sekolah berbeda
Menguji normalitas data hasil belajar siswa
Membandingkan hasil belajar siswa laki-laki dan perempuan
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 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
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
Seorang guru PAI menggunakan model regresi untuk memprediksi nilai siswa. Variabel dependen 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
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
Diberikan data berikut: Variabel Y: Pendapatan tahunan. Variabel X1: Tingkat pendidikan. Variabel X2: Lama pengalaman kerja. Apa yang bisa diinterpretasikan jika koefisien X2 signifikan secara statistik?
Tingkat pendidikan tidak memengaruhi pendapatan.
Lama pengalaman kerja berpengaruh terhadap pendapatan setelah mengontrol tingkat pendidikan.
Lama pengalaman kerja tidak berhubungan dengan pendapatan.
Pendidikan lebih memengaruhi pendapatan daripada pengalaman kerja.
Pendapatan tidak dapat dijelaskan oleh model ini.
Jika residual model regresi memiliki pola sistematis, apa yang dapat disimpulkan?
Model linier sudah optimal.
terjadi heteroskedastisitas karena ada variabel penting yang belum dimasukkan ke dalam model.
Semua variabel independen signifikan.
Variabel independen tidak saling berkolerasi.
Model terlalu kompleks.
Seorang peneliti ingin menganalisis pengaruh pembelajaran daring PAI (X1) dan motivasi siswa (X2) terhadap hasil belajar PAI (Y). Apa langkah terbaik jika X1 dan X2 memiliki korelasi tinggi?
Menghapus salah satu variabel dari model.
Menambahkan variabel baru untuk menggantikan keduanya.
Menggunakan analisis faktor atau interaksi variabel.
Menggunakan metode regresi sederhana.
Membagi dataset menjadi dua untuk menghilangkan efek korelasi.
Diberikan dua variabel prediktor X1 dan X2. Bagaimana cara terbaik untuk menentukan prediktor paling penting?
Bandingkan nilai R2
Periksa koefisien regresi standar (standardized coefficients beta).
Bandingkan nilai residual.
Analisis nilai konstanta model.
Periksa hubungan antar residual.
Seorang guru PAI ingin mengetahui pengaruh intensitas membaca Al-Qur'an terhadap nilai pelajaran PAI. Dalam penelitian ini, variabel independennya adalah:
Pemahaman kandungan Al-Qur'an
Nilai pelajaran PAI
Intensitas membaca Al-Qur'an
Metode pembelajaran agama
Jumlah siswa
Model regresi linear sederhana yang benar adalah:
Y=b+aX
Y=aX+bY
Y=a+bX
Y=X+b
Y=X−b+a
Koefisien b dalam regresi linear sederhana menunjukkan:
Nilai Y saat X=0
Tingkat perubahan Y untuk setiap perubahan satu unit X
Proporsi Y yang dijelaskan oleh X
Hubungan kausal antara X dan Y
Titik potong garis regresi dengan sumbu X
Seorang peneliti menemukan bahwa nilai b dalam persamaan regresi antara durasi membaca hadis dan nilai ujian PAI adalah negatif. Ini berarti:
Hubungan antara durasi membaca hadis dan nilai ujian PAI adalah negatif
Semakin sering membaca hadis, nilai ujian semakin rendah
Nilai ujian tidak dipengaruhi oleh durasi membaca hadis
Hubungan antara variabel tidak signifikan
Hubungan antara variabel independen dan dependen tidak linier
Jika R2=0.75 dalam penelitian tentang pengaruh shalat berjamaah terhadap akhlak siswa, interpretasinya adalah:
75% siswa memiliki akhlak baik
75% akhlak siswa dijelaskan oleh frekuensi shalat berjamaah
Hubungan antara shalat berjamaah dan akhlak siswa sangat lemah
Shalat berjamaah tidak signifikan terhadap akhlak siswa
25% akhlak siswa tidak dipengaruhi oleh shalat berjamaah
Dalam konteks Pendidikan Agama Islam, residual dalam regresi linear sederhana adalah:
Nilai rata-rata dari variabel independen
Hubungan linier antara variabel independen dan dependen
Perbedaan antara nilai prediksi dan nilai aktual
Proporsi variabilitas Y yang dijelaskan oleh X
Kemiringan garis regresi
Grafik scatter plot digunakan dalam analisis regresi untuk:
Menguji distribusi data
Menentukan nilai residual
Mengukur korelasi antarvariabel
Memastikan hubungan linier antara variabel independen dan dependen
Membuat prediksi nilai Y
Seorang guru PAI ingin memprediksi nilai akhlak siswa berdasarkan durasi kegiatan keagamaan. Hasil regresi menunjukkan Y=50+2X. Jika siswa mengikuti kegiatan keagamaan selama 5 jam, nilai prediksi akhlaknya adalah:
55
60
65
70
75
Salah satu asumsi regresi linear sederhana adalah:
Hubungan antarvariabel independen harus kuat
Variabel dependen harus nominal
Residual harus berdistribusi normal
Variabel independen memiliki distribusi yang sama
Data tidak boleh memiliki outlier
Jika scatter plot menunjukkan pola melengkung, maka:
Hubungan antara X dan Y tidak linier
Variabel independen memiliki pengaruh signifikan
Data memiliki outlier
Hubungan antara variabel sangat kuat
Variabel independen memiliki korelasi tinggi
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.
Jika regresi antara intensitas mengikuti kegiatan keagamaan 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 regresi 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.
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
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 nilai koefisien regresi dalam analisis 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 tujuan utama uji t dua sampel independen?
Menentukan hubungan linier antara dua variabel.
Menguji apakah rata-rata dua kelompok berbeda secara signifikan.
Membandingkan variabel independen dengan variabel dependen.
Mengukur korelasi antara dua kelompok data.
Menguji hipotesis dengan lebih dari dua kelompok data.
Uji t dua sampel independen digunakan dalam kondisi berikut, kecuali:
Data berasal dari dua kelompok yang tidak saling berhubungan.
Data memiliki distribusi normal.
Variansi dari kedua kelompok sama.
Data berasal dari kelompok yang saling berpasangan.
Data berskala interval atau rasio.
Dalam konteks PAI, uji t dua sampel independen dapat digunakan untuk:
Membandingkan hubungan linier antara variabel dependen dan independen.
Mengukur hubungan antara akhlak siswa dengan kehadiran di masjid.
Menentukan apakah siswa yang belajar secara daring (3B) dan luring (3C) memiliki tingkat pemahaman fikih yang sama.
Menguji korelasi antara nilai PAI dengan mata pelajaran lain.
Menentukan pengaruh jangka panjang pembelajaran PAI.
Apa syarat distribusi data untuk menggunakan uji t dua sampel independen?
Data harus normal.
Data harus ordinal.
Data harus saling berkorelasi.
Data harus berasal dari populasi sama.
Data harus homogen.
Dua kelompok siswa diuji nilai rata-rata hasil belajar PAI setelah diberi metode pengajaran berbeda. Uji statistik apa yang paling tepat?
Uji t dua sampel independen.
Uji regresi.
Uji chi-square.
Uji ANOVA.
Uji t satu sampel.
Uji t dua sampel independen sering digunakan untuk menguji:
Hubungan sebab-akibat antara dua variabel.
Perbedaan rata-rata dua kelompok.
Kesamaan varians antar kelompok.
Korelasi antara dua variabel.
Pengaruh langsung antar variabel.
Hipotesis nol (H0) dalam uji t dua sampel independen adalah:
Rata-rata dua kelompok sama.
Rata-rata dua kelompok berbeda.
Kedua kelompok saling berkorelasi.
Varians antar kelompok berbeda.
Data mengikuti distribusi normal.
Data hasil belajar siswa laki-laki dan perempuan dianalisis dengan uji t dua sampel independen. Apa asumsi yang harus dipenuhi?
Varians kedua kelompok sama.
Data ordinal.
Hubungan antar kelompok signifikan.
Kedua kelompok berhubungan langsung.
Data memiliki skala nominal.
Apa langkah pertama sebelum melakukan uji t dua sampel independen?
Membandingkan variansi kelompok.
Menghitung nilai t.
Memeriksa normalitas data.
Menentukan nilai p.
Menulis laporan hasil uji.
Dalam konteks uji t dua sampel independen, variabel independen biasanya berupa:
Residual.
Angka.
Korelasi.
Kategori.
Perubahan waktu.
Seorang guru ingin membandingkan rata-rata hasil ujian fikih antara siswa di kelas pagi dan kelas sore. Langkah pertama yang harus dilakukan adalah:
Menggunakan metode pembelajaran baru.
Menghitung nilai t langsung.
Membandingkan rata-rata kedua kelompok.
Menghitung variansi data.
Mengumpulkan data dan memeriksa normalitasnya.
Jika nilai p-value dalam uji t dua sampel independen adalah 0.03 (di bawah 0.05), maka:
Tidak ada perbedaan signifikan.
Hipotesis alternatif ditolak.
Data tidak cukup untuk menarik kesimpulan.
Uji harus diulang.
Hipotesis nol ditolak.
Diberikan rata-rata hasil ujian PAI siswa laki-laki = 75 dan perempuan = 80. Hasil uji t menunjukkan nilai p value = 0.10. Apa kesimpulannya?
Tidak ada perbedaan signifikan antara hasil ujian kedua kelompok.
Siswa perempuan lebih unggul dalam pemahaman PAI.
Uji t tidak valid.
Hasil ujian kedua kelompok sama.
Variansi antar kelompok berbeda.
Guru PAI membandingkan efektivitas metode hafalan dan diskusi dalam meningkatkan hafalan Al-Qur'an. Sampel terdiri dari 30 siswa per kelompok. Apa parameter yang penting diperiksa sebelum menggunakan uji t dua sampel independen?
Keberadaan data outlier.
Korelasi antara kedua kelompok.
Hubungan antara metode pengajaran dan hasil.
Homogenitas varians dan normalitas data.
Perbedaan variabel moderasi.
Jika uji Levene menunjukkan nilai p < 0.05 saat menguji homogenitas varians, apa yang harus dilakukan?
Ulangi pengambilan sampel data.
Tetap gunakan uji t biasa tanpa modifikasi.
Lakukan transformasi data untuk menghilangkan varians yang berbeda.
Gunakan versi uji t dengan asumsi varians tidak sama.
Tinggalkan uji t dan gunakan ANOVA.
Guru PAI membandingkan rata-rata nilai ujian siswa yang belajar secara individu dengan kelompok. Nilai p-value yang diperoleh adalah 0.001. Apa implikasi hasil ini?
Metode belajar kelompok lebih efektif daripada individu secara signifikan.
Tidak ada cukup bukti untuk menyimpulkan perbedaan metode.
Varians antara kedua metode terlalu besar.
Uji statistik tidak valid.
Perlu data tambahan untuk menarik kesimpulan.
Apa jenis skala data yang sesuai untuk variabel dependen dalam uji t dua sampel independen?
Interval atau rasio.
Nominal.
Ordinal.
Kategori.
Diskrit.
Dalam konteks pembelajaran PAI, kelompok siswa A dan B memiliki perbedaan rata-rata nilai setelah menggunakan metode pengajaran yang berbeda. Jika nilai ttt tidak signifikan, apa yang harus dilakukan?
Ulangi analisis dengan data baru.
Terima hipotesis nol.
Perbaiki metode pengajaran.
Lakukan analisis tambahan seperti ANOVA.
Uji asumsi normalitas kembali.
Seorang guru ingin membandingkan efektivitas pembelajaran berbasis cerita Islami dengan pembelajaran tradisional terhadap nilai ujian siswa. Apa interpretasi jika ttt hitung lebih besar dari ttt tabel?
Tidak ada perbedaan signifikan antara kedua metode.
Pembelajaran berbasis cerita Islami lebih efektif secara signifikan.
Data perlu dianalisis ulang.
Pembelajaran tradisional lebih efektif.
Perlu sampel lebih besar untuk menarik kesimpulan.
Peneliti PAI menemukan bahwa nilai rata-rata siswa kelompok A adalah 85, sedangkan kelompok B adalah 80, dengan nilai p-value =0.04. Apa langkah berikutnya?
Uji ulang data untuk memastikan hasil.
Terima hipotesis nol karena perbedaan tidak signifikan.
Tolak hipotesis nol karena terdapat perbedaan signifikan.
Periksa asumsi normalitas data kedua kelompok.
Hitung ulang nilai rata-rata kedua kelompok.
Apa implikasi jika uji Levene menunjukkan nilai p-value > 0.05?
Uji t tidak dapat dilanjutkan.
Varians antar kelompok berbeda.
Varians antar kelompok dianggap sama.
Hipotesis alternatif diterima.
Uji perlu diulang.
Jika nilai p-value dari analisis lebih besar daripada nilai alfa, apa yang harus dilakukan?
Uji data untuk outlier.
Tolak hipotesis nol.
Gunakan metode statistik lain.
Terima hipotesis nol.
Lakukan uji dengan tingkat signifikansi lebih tinggi.
Seorang guru membandingkan tingkat pemahaman Al-Qur'an antara dua metode pengajaran. Data menunjukkan nilai p=0.06 Apa kesimpulan terbaik?
Data tidak cukup untuk menyimpulkan.
Metode pertama lebih efektif.
Metode kedua lebih efektif.
Perbedaan signifikan pada tingkat 1%.
Tidak ada perbedaan signifikan pada tingkat signifikansi 5%.
Dalam konteks evaluasi PAI, bagaimana guru dapat menggunakan uji t dua sampel independen untuk menentukan efektivitas program pembelajaran baru?
Hitung korelasi antar variabel.
Uji hubungan antara hasil belajar dan jumlah jam belajar.
Uji normalitas data dari kedua kelompok.
Lakukan analisis varians sebelum uji t.
Bandingkan hasil belajar siswa yang mengikuti program baru dan yang tidak.
Jika sebuah penelitian PAI menghasilkan nilai p=0.001, apa yang dapat disimpulkan?
Terdapat perbedaan signifikan antara kedua kelompok pada tingkat signifikansi 5%.
Tidak ada cukup bukti untuk menyimpulkan perbedaan.
Varians antar kelompok terlalu besar.
Hipotesis alternatif tidak diterima.
Perbedaan signifikan pada tingkat 10%.
Mengapa penting untuk memeriksa normalitas data sebelum melakukan uji t dua sampel independen?
Agar asumsi statistik parametris terpenuhi.
Untuk menghitung nilai median yang tepat.
Agar data dapat diubah ke skala ordinal.
Untuk menghindari outlier dalam analisis.
Agar variabel independen lebih jelas.
