WorksheetsQuiz Pendugaan Parameter, Uji Hipotesis,Regresi
Total questions: 65
Worksheet time: 48mins
Pendugaan parameter digunakan untuk:
Menyimpulkan karakteristik sampel
Menyimpulkan karakteristik populasi berdasarkan data sampel
Menghitung seluruh data populasi secara langsung
Menghitung jumlah sampel yang diperlukan
Manakah pernyataan berikut yang benar mengenai estimator yang tidak bias?
Nilai rata-rata estimator selalu lebih besar dari parameter populasi.
Nilai rata-rata estimator mendekati parameter populasi ketika ukuran sampel besar.
Nilai rata-rata estimator sama dengan parameter populasi.
Estimator yang tidak bias selalu memiliki varians kecil.
Penduga interval digunakan untuk:
Menentukan nilai pasti parameter populasi
Memberikan rentang nilai yang mungkin untuk parameter populasi
Menghitung rata-rata data sampel
Menguji hipotesis penelitian
Jika nilai rata-rata sampel adalah x=50 dan standar error adalah 5, berikan pendugaan interval dengan tingkat kepercayaan 95% (gunakan Z=1,96).
50±1,96
50±9,8
50±10
50±5
Pendugaan titik adalah:
Suatu nilai tunggal yang digunakan untuk memperkirakan parameter populasi
Rentang nilai yang digunakan untuk memperkirakan parameter populasi
Pengujian hipotesis parameter populasi
Ukuran variabilitas data populasi
Manakah dari berikut ini yang dapat mempengaruhi estimasi parameter dalam pendugaan interval?
Ukuran sampel
Tingkat kepercayaan
Variansi sampel
Semua jawaban benar
Hipotesis nol (H0) dalam pengujian hipotesis menyatakan bahwa:
Ada perbedaan yang signifikan antara parameter populasi dan sampel
Tidak ada perbedaan yang signifikan antara parameter populasi dan sampel
Data populasi tidak diperlukan dalam pengujian
Hipotesis nol selalu ditolak
Manakah bentuk hipotesis alternatif (Ha) untuk pengujian satu arah rata-rata?
μ=μ0
μ≠μ0
μ>μ0
σ<σ0
Kesalahan tipe I terjadi jika:
Hipotesis nol benar tetapi ditolak
Hipotesis nol salah tetapi diterima
Sampel yang digunakan terlalu kecil
Hipotesis alternatif ditolak meskipun benar
Tingkat signifikansi α adalah:
Probabilitas menerima hipotesis alternatif
Probabilitas menolak hipotesis nol yang benar
Probabilitas menerima hipotesis nol yang salah
Interval kepercayaan dari sampel
Jika x=50, μ0=48, σ=4 , dan n=16, maka nilai Z adalah:
1.00
2.00
0.50
3.00
Pengujian hipotesis satu arah digunakan jika:
Ingin mengetahui perbedaan signifikan tanpa arah tertentu
Ingin mengetahui apakah satu parameter lebih besar atau lebih kecil dari parameter lain
Sampel kecil
Varians tidak diketahui
Manakah kondisi yang membutuhkan t-statistik dalam pengujian hipotesis?
Ukuran sampel besar dan variansi populasi diketahui
Ukuran sampel kecil dan variansi populasi tidak diketahui
Ukuran sampel besar dan variansi populasi tidak diketahui
Ukuran sampel kecil dan variansi populasi diketahui
Jika proporsi sampel adalah p=0,6 dan ukuran sampel adalah n=100, standar error (SE) adalah:
0,049
0,06
0,024
0,040
Hipotesis alternatif dalam uji dua arah ditulis sebagai:
Ha:μ≠μ0
Ha:μ>μ0
Ha:μ<μ0
Ha:σ2≠σ0
Jika p0=0,5, p==0,55, dan n=200, maka z-statistik adalah:
1.00
1.41
2.00
1.96
Kesalahan tipe II terjadi jika:
Hipotesis nol ditolak meskipun benar
Hipotesis nol diterima meski
Sampel memiliki distribusi normal
Sampel tidak acak
Jika p0=0,5, p (topi)=0,55, dan n=200, maka z-statistik adalah:
1.00
1.41
2.00
1.96
Kesalahan tipe II terjadi jika:
Hipotesis nol ditolak meskipun benar
Hipotesis nol diterima meskipun salah
Sampel memiliki distribusi normal
Sampel tidak acak
Tingkat kepercayaan 95% berarti:
Probabilitas menolak H0 adalah 0,05
Probabilitas H0 benar adalah 0,95
95% data berada dalam interval kepercayaan
Sampel pasti mewakili populasi
Nilai kritis z untuk tingkat kepercayaan 95% dalam uji dua arah adalah:
1.28
1.96
2.33
2.58
Untuk proporsi sampel besar, distribusi pengujian mendekati:
Distribusi normal
Distribusi t
Distribusi chi-square
Distribusi F
Hipotesis nol ditolak jika:
p-value > α
p-value < α
Nilai statistik uji sama dengan nilai kritis
Sampel memiliki varians tinggi
Distribusi t digunakan jika:
Populasi memiliki distribusi normal
Sampel besar
Variansi populasi diketahui
Ukuran sampel kecil dan variansi tidak diketahui
Koefisien regresi β1 dalam model regresi sederhana Y=β0+β1X menunjukkan:
Hubungan kausal antara X dan Y
Perubahan rata-rata Y untuk setiap satu unit perubahan X, dengan asumsi variabel lain konstan
Nilai Y ketika X=0
Jumlah variansi dalam Y yang dijelaskan oleh X
Manakah asumsi berikut yang bukan merupakan asumsi regresi linear sederhana?
Hubungan antara X dan Y adalah linear
Residual memiliki varians yang konstan (homoskedastisitas)
Variabel X dan Y berdistribusi normal
Residual tidak berkorelasi satu sama lain
Uji statistik F dalam regresi linear digunakan untuk:
Menguji apakah hubungan antara X dan Y signifikan secara keseluruhan
Mengestimasi koefisien β0 dan β1
Menilai apakah ϵ berdistribusi normal
Menguji multikolinearitas
Jika R2=0,64, maka:
64% variansi Y dapat dijelaskan oleh X
64% variansi X dapat dijelaskan oleh Y
Hubungan antara X dan Y lemah
Residual berkorelasi tinggi
Jika model regresi adalah Y=2+3X, maka prediksi Y ketika X=4 adalah:
14
12
10
8
Salah satu cara untuk memeriksa validitas model regresi adalah dengan:
Menghitung residual dan memplotnya terhadap nilai prediksi
Menghitung koefisien determinasi (R2)
Melakukan uji F
Semua jawaban benar
Jika hubungan antara X dan Y tidak linear, maka:
Model regresi tetap dapat digunakan
Residual akan terdistribusi normal
Model mungkin memberikan prediksi yang tidak akurat
R2 akan selalu meningkat
Intersep (β0) dalam regresi linear menunjukkan:
Nilai Y ketika X=0
Tingkat hubungan antara X dan Y
Kemiringan garis regresi
Variansi residual
Jika r=−0,8, maka:
Hubungan antara X dan Y negatif dan kuat
Koefisien β1 akan positif
Tidak ada hubungan antara X dan Y
Hubungan antara X dan Y positif dan lemah
Distribusi residual dalam regresi linear sebaiknya:
Normal
Positif
Negatif
Tidak berdistribusi
Ukuran sampel yang terlalu kecil dapat menyebabkan:
Variabilitas tinggi dalam koefisien regresi
Nilai R2 lebih besar
Homoskedastisitas meningkat
Semua asumsi regresi terpenuhi
Regresi linear sederhana berbeda dari regresi linear berganda karena:
Hanya ada satu variabel independen dalam regresi sederhana
Tidak ada outlier dalam regresi sederhana
R
Regresi linear sederhana berbeda dari regresi linear berganda karena:
Hanya ada satu variabel independen dalam regresi sederhana
Tidak ada outlier dalam regresi sederhana
Residual lebih kecil dalam regresi sederhana
Variabel dependen tidak digunakan dalam regresi sederhana
Korelasi adalah:
Hubungan sebab-akibat antara dua variabel
Hubungan linear antara dua variabel
Perbandingan antara dua variabel independen
Variabel yang selalu menghasilkan hubungan signifikan
Jika nilai koefisien korelasi r=0,85, maka hubungan antara dua variabel adalah:
Lemah dan negatif
Kuat dan positif
Lemah dan positif
Kuat dan negatif
Nilai koefisien korelasi Pearson (r) berada dalam rentang:
0 sampai 1
-1 sampai 1
-∞ sampai ∞
0 sampai ∞
Apakah korelasi Pearson dapat digunakan untuk hubungan non-linear?
Ya, selalu
Tidak, karena Pearson hanya untuk hubungan linear
Ya, tetapi hanya jika variabel diubah
Tidak, kecuali dengan uji tambahan
Jika koefisien korelasi r=0, maka:
Tidak ada hubungan antara dua variabel
Tidak ada hubungan linear antara dua variabel
Variabel independen memengaruhi variabel dependen
Variabel tidak berdistribusi normal
Korelasi positif antara dua variabel menunjukkan bahwa:
Salah satu variabel menyebabkan variabel lainnya meningkat
Kedua variabel memiliki hubungan sebab-akibat
Kedua variabel meningkat bersamaan
Variabel dependen selalu signifikan
Jika r=0,6, maka nilai r2 adalah:
0,36
0,6
0,8
0,76
Koefisien determinasi (r2) menunjukkan:
Arah hubungan antara dua variabel
Persentase variansi dalam variabel dependen yang dijelaskan oleh variabel independen
Kekuatan hubungan non-linear
Jumlah error dalam model
Jika r=−0,7, maka hubungan antara dua variabel adalah:
Positif kuat
Negatif kuat
Positif lemah
Tidak ada hubungan
Jika r=1, maka:
Hubungan antara variabel adalah sempurna dan positif
Hubungan antara variabel adalah sempurna dan negatif
Tidak ada hubungan antara variabel
Data tidak linier
Manakah pernyataan yang benar tentang korelasi?
Korelasi yang tinggi menunjukkan hubungan sebab-akibat
Korelasi tidak dapat digunakan untuk memprediksi variabel
Korelasi tidak membuktikan hubungan sebab-akibat
Korelasi tidak relevan dalam analisis statistik
Uji hipotesis pada korelasi digunakan untuk:
Menentukan arah hubungan
Menguji apakah hubungan antara variabel signifikan
Memastikan hubungan sebab-akibat
Memastikan normalitas distribusi
Perbedaan utama antara korelasi dan regresi adalah:
Korelasi mengukur kekuatan hubungan, sedangkan regresi memprediksi variabel
Korelasi hanya digunakan untuk data ordinal
Regresi mengukur hubungan non-linear, sedangkan korelasi hanya linear
Korelasi membutuhkan variabel independen dan dependen
Apakah yang dimaksud dengan variabel dependen dalam analisis regresi?
Variabel yang diprediksi atau dijelaskan
Variabel yang mempengaruhi variabel lain
Variabel yang tidak berpengaruh pada model
Variabel yang selalu konstan
Manakah dari berikut ini yang merupakan asumsi dasar dalam analisis regresi linear?
Variabel independen tidak berkorelasi
Residual terdistribusi normal
Ukuran sampel harus lebih dari 100
Hubungan antara variabel independen dan dependen adalah non-linear
Jika p-value dari uji hipotesis adalah 0,03, maka keputusan yang tepat adalah:
Menerima hipotesis nol pada tingkat signifikansi 0,01
Menolak hipotesis nol pada tingkat signifikansi 0,05
Menolak hipotesis alternatif
Tidak ada cukup bukti untuk menolak hipotesis nol
Apakah yang dimaksud dengan variabel independen dalam analisis regresi?
Variabel yang selalu konstan
Variabel yang tidak berpengaruh pada model
Variabel yang mempengaruhi variabel lain
Variabel yang diprediksi atau dijelaskan
Jika nilai R2=0,85, maka:
85% variansi Y dapat dijelaskan oleh X
85% variansi X dapat dijelaskan oleh Y
Hubungan antara X dan Y sangat lemah
Residual tidak berkorelasi
Manakah dari berikut ini yang merupakan metode untuk menguji asumsi regresi linear?
Uji hipotesis dua arah
Uji normalitas residual
Uji t untuk dua sampel
Analisis varians
Dalam analisis regresi, multikolinearitas dapat menyebabkan:
Koefisien regresi menjadi tidak stabil
Model menjadi lebih akurat
Hubungan antara variabel menjadi lebih jelas
Data menjadi lebih normal
Uji t digunakan untuk:
Menguji perbedaan antara dua rata-rata
Menguji variansi populasi
Menguji hubungan antara dua variabel
Menguji distribusi normal
Apakah yang dimaksud dengan variabel dependen dalam analisis regresi?
Variabel yang diprediksi oleh variabel independen
Variabel yang mempengaruhi variabel lain
Variabel yang tidak berpengaruh dalam model
Variabel yang selalu konstan
Pendugaan rata-rata dua populasi digunakan untuk:
Menentukan hubungan antara dua variabel
Membandingkan dua rata-rata populasi berdasarkan data sampel
Menghitung proporsi data dalam dua populasi
Menguji distribusi normal data
Manakah simbol yang digunakan untuk menyatakan rata-rata sampel pertama dan kedua?
μ1 dan μ2
X bar 1 dan x bar 2
s1 dan s2
p1 dan p2
Uji Z digunakan dalam pendugaan rata-rata dua populasi jika:
Ukuran sampel kecil
Variansi populasi tidak diketahui
Variansi populasi diketahui dan ukuran sampel besar
Populasi tidak terdistribusi normal
Uji t digunakan dalam pendugaan rata-rata dua populasi jika:
Ukuran sampel besar dan distribusi normal
Variansi populasi diketahui
Variansi populasi tidak diketahui dan sampel kecil
Sampel diambil secara sistematis
Interval kepercayaan 95% untuk rata-rata dua populasi menunjukkan:
95% data berada dalam interval tersebut
Ada 95% kemungkinan interval mencakup selisih rata-rata populasi
Selisih rata-rata sampel adalah 95%
Rata-rata sampel selalu berada di interval
Untuk sampel besar (n>30n ), pendugaan rata-rata dua populasi cenderung menggunakan:
Distribusi t
Distribusi normal
Distribusi Chi-Square
Distribusi F
