Font size
Worksheetsremedi UAS PBA 5C
Total questions: 84
Worksheet time: 3hrs 48mins
Jika R2=0.45 dalam analisis regresi, ini berarti:
Hubungan antara variabel independen dan dependen sangat kuat
45% variasi dalam Y dijelaskan oleh X
Hubungan antara X dan Y negatif
Variabel independen tidak mempengaruhi Y
Data memiliki distribusi non-normal
Seorang guru ingin mengetahui pengaruh membaca Al-Qur'an terhadap sikap toleransi siswa. Jika b=5, maka interpretasinya adalah:
Setiap peningkatan 1 unit dalam membaca Al-Qur'an, sikap toleransi meningkat sebesar 0,5 unit
Hubungan antara membaca Al-Qur'an dan sikap toleransi adalah negatif
Membaca Al-Qur'an tidak mempengaruhi sikap toleransi
Setiap peningkatan 1 unit dalam sikap toleransi, membaca Al-Qur'an meningkat sebesar 0,5 unit
Tidak ada hubungan yang signifikan antara keduanya
Dalam penelitian regresi linier sederhana, jika b=3 dan a=5 dengan X=4, maka nilai Y adalah:
12
17
18
20
23
Seorang guru PAI ingin mempelajari pengaruh intensitas doa kelompok terhadap tingkat kepedulian sosial siswa. Variabel independen adalah:
Tingkat kepedulian sosial siswa
Intensitas doa kelompok
Jenis kelamin siswa
Tingkat kebahagiaan siswa
Waktu belajar siswa
Nilai b=−0.8 dalam sebuah studi tentang hubungan antara waktu bermain media sosial dan tingkat fokus studi agama. Interpretasinya adalah:
Hubungan antara kedua variabel tidak signifikan
Tidak ada efek media sosial terhadap studi agama
Semakin banyak waktu yang dihabiskan di media sosial, semakin rendah fokus pada studi agama
Media sosial meningkatkan fokus pada studi agama
Hubungan antara kedua variabel bersifat 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 dalam Y dapat dijelaskan oleh X
Seorang guru PAI mencatat hubungan antara kehadiran siswa di masjid sekolah dan nilai moral mereka. Jika hasil regresi menunjukkan koefisien regresi b=2, maka interpretasinya adalah:
Nilai moral awal siswa adalah 2
Untuk setiap peningkatan 1 unit kehadiran di masjid, nilai moral meningkat sebesar 2
Hubungan antara variabel adalah negatif
Kehadiran di masjid tidak mempengaruhi nilai moral
50% dari nilai moral dijelaskan oleh kehadiran di masjid
Jika dalam analisis regresi ditemukan bahwa nilai residual besar, maka model regresi:
Memiliki hubungan yang 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 linier 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:
Untuk setiap peningkatan 1 unit pada X, Y meningkat sebesar 1.5
Hubungan antara X dan Y bersifat negatif
Hubungan antara variabel tidak signifikan
Intercept regresi berada di 1.5
Nilai residual adalah 1.5
Hasil penelitian menunjukkan Y=10+3X. Jika X=0, maka nilai Y adalah:
0
3
10
30
Tidak dapat dihitung
Jika nilai b=0 dalam analisis regresi, maka:
Nilai yang diprediksi dari 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 ingin mengetahui pengaruh durasi ceramah agama terhadap sikap religius siswa. Variabel dependen adalah:
Sikap religius siswa
Durasi ceramah agama
Metode ceramah agama
Nilai pelajaran agama
Tingkat pemahaman siswa
Jika R2=0.25, dapat disimpulkan bahwa:
25% dari variasi Y dapat dijelaskan oleh X
Hubungan antara X dan Y sangat kuat
Data tidak memenuhi asumsi regresi
25% dari nilai X dijelaskan oleh Y
Tidak ada hubungan antara X dan Y
Koefisien determinasi R2 adalah ukuran yang menunjukkan:
Besarnya hubungan kausal antara variabel
Hubungan negatif antara variabel
Kemiringan garis regresi
Proporsi variasi dalam Y yang dijelaskan oleh X
Perbedaan antara nilai yang diprediksi dan nilai aktual
Tujuan utama dari analisis regresi linier sederhana adalah:
Untuk menentukan hubungan sebab-akibat antara dua variabel.
Untuk memperkirakan nilai variabel independen berdasarkan variabel dependen.
Untuk membandingkan nilai rata-rata dari dua kelompok variabel.
Untuk mengukur hubungan antara dua variabel kuantitatif.
Untuk memprediksi nilai variabel dependen berdasarkan variabel independen.
Dalam konteks Pendidikan Islam, regresi linier sederhana dapat digunakan untuk:
Mengukur pengaruh jumlah hafalan Quran oleh siswa terhadap nilai ujian agama mereka.
Menilai efektivitas pelatihan guru pada berbagai mata pelajaran.
Menganalisis korelasi antara kehadiran siswa di sekolah umum dan madrasah.
membandingkan persepsi siswa tentang pembelajaran online dan offline.
Identifikasi penyebab rendahnya nilai matematika siswa.
Dalam persamaan regresi Y=a+bX, b menunjukkan:
Nilai konstanta regresi.
Perubahan rata-rata dalam Y untuk setiap perubahan satu unit dalam X.
Nilai yang diprediksi untuk Y ketika X sama dengan nol.
Hubungan langsung antara variabel independen dan dependen.
Koeffisien determinasi dari model regresi.
Jika hasil analisis regresi menunjukkan bahwa p-value < 0,05, maka:
Hipotesis nol diterima.
Tidak ada hubungan yang signifikan antara variabel.
Variabel independen memiliki efek yang signifikan pada variabel dependen.
Variabel independen tidak relevan dalam model.
Model regresi tidak valid.
Sebuah studi ingin mengetahui pengaruh waktu belajar untuk pendidikan agama di rumah (jam/minggu) terhadap nilai ujian Pendidikan 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:
Sebuah nilai yang terletak pada garis regresi.
Data yang tidak mempengaruhi hasil analisis.
Data dengan nilai yang diprediksi sama dengan nilai aktual.
Nilai data yang secara signifikan berbeda dari data lainnya.
Data yang selalu meningkatkan kekuatan hubungan antara variabel.
Dengan tingkat kepercayaan siswa yang memiliki R2=0,64, maka:
64% dari variasi tingkat kepercayaan dijelaskan oleh intensitas kegiatan keagamaan.
36% dari tingkat kepercayaan siswa tidak dapat dijelaskan oleh variabel independen.
Hubungan antara kedua variabel sangat lemah.
Hanya 64% dari data yang digunakan dalam analisis regresi.
Model regresi tidak cocok untuk data ini.
Sebuah studi menemukan bahwa koefisien regresi untuk hubungan antara membaca Al-Qur'an dan nilai ujian PAI adalah positif. Ini berarti:
Membaca Al-Qur'an tidak mempengaruhi nilai ujian.
Semakin sering seseorang membaca Al-Qur'an, semakin rendah nilai ujian.
Membaca Al-Qur'an memiliki hubungan negatif dengan nilai ujian.
Semakin sering seseorang membaca Al-Qur'an, semakin tinggi nilai ujian.
Tidak ada hubungan antara membaca Al-Qur'an dan nilai ujian.
Ketika nilai b=−0.3 dalam model regresi, interpretasinya adalah:
Untuk setiap peningkatan satu unit pada X, Y meningkat sebesar 0.3 unit.
Hubungan antara X dan Y tidak signifikan.
Untuk setiap peningkatan satu unit pada X, Y menurun sebesar 0.3 unit.
Model regresi tidak dapat digunakan karena nilai b 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 linier sederhana, langkah pertama adalah:
Hitung koefisien korelasi.
Tentukan uji hipotesis.
Tentukan variabel dependen dan independen.
Lakukan uji t untuk signifikansi.
Kumpulkan data tentang variabel lain untuk kontrol.
Seorang peneliti ingin mengetahui pengaruh membaca buku agama per minggu terhadap kepuasan spiritual siswa. Hasil analisis menunjukkan persamaan regresi Y=5+0.8X. Interpretasi dari koefisien 0.80 adalah:
Untuk setiap peningkatan satu unit dalam waktu membaca, kepuasan spiritual siswa meningkat sebesar 0.8.
Kepuasan spiritual siswa akan selalu 0.8 terlepas dari waktu membaca.
Jika siswa tidak membaca sama sekali, kepuasan spiritual tetap 5.
Kepuasan spiritual siswa menurun sebesar 0.8 untuk setiap tambahan waktu membaca.
Tidak ada hubungan antara waktu membaca dan kepuasan spiritual.
Seorang guru ingin menganalisis pengaruh intensitas shalat berjamaah siswa terhadap tingkat disiplin mereka di sekolah. Variabel dependen dalam studi ini adalah:
Intensitas shalat berjamaah.
Jenis kelamin siswa.
Tingkat disiplin siswa.
Frekuensi ibadah sunnah lainnya.
Jumlah hari kehadiran sekolah.
Untuk menilai kualitas model regresi linier sederhana, salah satu ukuran yang digunakan adalah:
Nilai modus dari data.
Nilai deviasi standar dari variabel independen.
Koeffisien determinasi (R2).
Uji Chi-Square.
Median dari variabel dependen.
Jika dalam sebuah studi ditemukan bahwa nilai p untuk koefisien regresi adalah 0,08 (lebih besar dari 0,05), maka:
Hubungan antara variabel independen dan dependen signifikan.
Hipotesis nol diterima, yang berarti tidak ada efek signifikan.
Model regresi masih 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 linier sederhana ditemukan bahwa nilai R2 adalah 0,85, dapat disimpulkan bahwa:
85% dari variasi dalam variabel dependen dapat dijelaskan oleh variabel independen.
15% dari variasi dalam variabel dependen tidak dapat dijelaskan oleh variabel independen.
Hubungan antara variabel independen dan dependen sangat lemah.
85% dari model regresi ini tidak valid.
Variabel independen tidak berpengaruh pada variabel dependen.
Dalam analisis regresi linier sederhana, jika nilai R-squared (R²) adalah 0,90, dapat disimpulkan bahwa:
90% dari variasi dalam variabel dependen dapat dijelaskan oleh variabel independen.
10% dari variasi dalam variabel dependen dapat dijelaskan oleh variabel independen.
Tidak ada hubungan antara kedua variabel.
Model regresi sangat tidak akurat.
Variabel independen tidak berpengaruh pada 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 linier sederhana, jika koefisien regresi adalah -0,45, dapat disimpulkan bahwa:
Setiap peningkatan satu unit pada variabel independen akan meningkatkan variabel dependen sebesar 0,45.
Setiap peningkatan satu unit pada variabel independen akan menurunkan variabel dependen sebesar 0,45.
Variabel independen tidak memiliki pengaruh terhadap variabel dependen.
Hubungan antara variabel independen dan dependen adalah non-linear.
Koefisien regresi tidak dapat diinterpretasikan dalam konteks ini.
Mengapa penting untuk menguji signifikansi statistik dalam analisis regresi linier?
Untuk menentukan apakah model regresi dapat secara signifikan menjelaskan pengaruh variabel.
Untuk menentukan apakah koefisien regresi lebih besar dari 1.
Untuk menentukan apakah data memenuhi asumsi normalitas.
Untuk menentukan jumlah data yang dibutuhkan dalam penelitian.
Untuk memahami hubungan antara dua variabel tanpa model matematis.
Jika p-value dalam uji regresi linier kurang dari 0,05, dapat disimpulkan bahwa:
Variabel independen tidak signifikan dalam memprediksi variabel dependen.
Tidak ada hubungan antara variabel independen dan variabel dependen.
Variabel independen signifikan dalam memprediksi variabel dependen.
Model regresi tidak cocok untuk data.
Hasil model regresi sangat tidak akurat.
Apa yang dimaksud dengan 'outliers' dalam analisis regresi linier 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 linier 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 Islam, jika hasil analisis regresi menunjukkan bahwa waktu belajar secara signifikan mempengaruhi nilai ujian, maka hasil ini dapat digunakan untuk:
Menentukan apakah metode pengajaran perlu diubah
Menentukan jumlah jam belajar yang dibutuhkan 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 adalah linier, maka hubungan antara variabel tersebut dapat dijelaskan oleh:
Sebuah grafik melengkung
Sebuah garis lurus yang dapat diprediksi dengan koefisien regresi
Data yang tidak dapat diprediksi dengan model regresi
Hubungan acak tanpa pola yang jelas
Pola distribusi normal non-linier
Dalam analisis regresi linier sederhana, koefisien regresi menggambarkan:
Nilai rata-rata dari variabel dependen
Besarnya pengaruh variabel independen terhadap variabel dependen
Jumlah variabel yang digunakan dalam model regresi
Hubungan antara dua variabel yang tidak dapat diukur
Variasi dalam data yang tidak dapat dijelaskan oleh model regresi
Dalam konteks Pendidikan Islam, jika analisis regresi menunjukkan hubungan antara waktu yang dihabiskan untuk belajar Al-Quran dan kemampuan untuk menghafal, maka koefisien regresi negatif akan menunjukkan bahwa:
Semakin banyak waktu yang dihabiskan, semakin sedikit kemampuan untuk menghafal
Tidak ada hubungan antara waktu dan kemampuan menghafal
Semakin sedikit waktu yang dihabiskan, semakin banyak kemampuan untuk menghafal
Hubungan antara waktu dan kemampuan menghafal sangat kuat
Waktu belajar tidak mempengaruhi kemampuan menghafal
Dalam analisis regresi linier sederhana, nilai intercept (titik perpotongan 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 perpotongan dengan sumbu X
Nilai variabel dependen ketika variabel independen adalah 0
Dalam analisis regresi linier, 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 kedua variabel tidak linier
Nilai koefisien regresi tidak dapat diinterpretasikan
Dalam konteks Pendidikan 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 memiliki pengaruh yang lebih besar terhadap hasil ujian siswa
Hasil ujian siswa tidak dapat diprediksi dengan jam pelajaran PAI
Jika koefisien analisis regresi linier adalah 0,75, maka setiap peningkatan satu unit pada variabel independen akan menghasilkan:
Peningkatan 0,75 unit pada variabel dependen
Penurunan 0,75 unit pada variabel dependen
Peningkatan 0,75% pada variabel dependen
Tidak ada perubahan pada variabel dependen
Variabel dependen tidak mempengaruhi variabel independen
Apa yang dimaksud dengan 'kemiringan' dalam analisis regresi linier sederhana?
Nilai yang menunjukkan titik perpotongan antara garis regresi dan sumbu Y
Koeffisien regresi yang menggambarkan seberapa banyak variabel dependen berubah dengan perubahan pada variabel independen
Nilai p dari model regresi
Selisih antara nilai variabel independen dan dependen
Sebuah variabel yang tidak terlibat dalam analisis
Dalam analisis regresi linier sederhana, jika nilai p lebih besar dari 0,05, dapat disimpulkan bahwa:
Variabel independen tidak memiliki efek signifikan pada variabel dependen
Koeffisien regresi positif
Nilai R-kuadrat sangat tinggi
Model regresi lebih akurat
Variabel dependen lebih dipengaruhi oleh variabel independen
Apa yang dimaksud dengan analisis regresi linier berganda?
Sebuah metode untuk menganalisis hubungan antara dua variabel
Sebuah teknik untuk mengukur pengaruh lebih dari satu variabel independen terhadap variabel dependen
Sebuah pendekatan untuk menentukan distribusi data
Sebuah teknik untuk memvisualisasikan data dalam diagram batang
Sebuah tes untuk menentukan normalitas data
Dalam analisis regresi linier berganda, variabel dependen adalah:
Variabel kontrol
Variabel bebas
Variabel terikat/Dependen
Variabel prediktor
Variabel independen
Rumus dasar untuk regresi linier berganda adalah:
Y=a+bX
Y=a+b1X1+b2X2+…+bnXn
Y=aX+b
Y=bX
Y=ab+X
Dalam konteks Pendidikan Islam, jika variabel dependen adalah 'skor ujian PAI', maka variabel independennya bisa berupa:
Jam belajar untuk PAI dan kehadiran di kelas agama
Tingkat aktivitas dalam kegiatan keagamaan
Disiplin dalam melaksanakan ibadah dan frekuensi belajar Al-Quran
Semua jawaban benar
Tidak ada jawaban yang benar
What is the main purpose of multiple linear regression analysis?
To measure the average value of variables
To predict the value of the dependent variable based on more than one independent variable
To determine data distribution
To test the relationship between independent variables
To create data diagrams
In multiple regression analysis, the regression coefficient b indicates:
The size of the influence of the independent variable on the dependent variable
The direct relationship between two independent variables
The average value of the dependent variable
The number of data in the sample
The normality level of the independent variable
What is the main difference between simple linear regression analysis and multiple linear regression?
The number of independent variables used
The type of dependent variable
The mathematical model used
Data processing techniques
Data interpretation methods
In the multiple regression model Y=10+3X1+2X2, what is the value of Y when X1 = 2 and X2 = 3?
25
24
23
22
21
In the context of Islamic Education, if the dependent variable is 'student learning motivation,' the relevant independent variable can be:
Frequency of reading the Quran and attendance at the mosque
Understanding of Islamic teachings and activity in study groups
Duration of studying religion at home and attendance at PAI exams
Answers A, B, and C are correct
None of the answers are correct
What is the interpretation of the value b2=4 in the model Y=a+b1X1+b2X2?
Variable X2 is not significant to Y
There is no relationship between X2 and Y
Every increase of one unit in X2 increases Y by 4 units
Y is always equal to X2
Variable X1 has a greater influence than X2
In multiple regression analysis, the value e in the model Y=a+b1X1+b2X2+e is:
The relationship between independent and dependent variables
The error or residual value of the model's prediction
The number of independent variables
The coefficient of additional independent variables
The constant factor in the model
If in the model Y=5+2X1+3X2, both X1 and X2 increase by 1 unit, then the value of Y:
Increases by 2 units
Increases by 3 units
Increases by 4 units
Increases by 5 units
Remains unchanged
What is the function of multiple linear regression in quantitative research in Islamic Education?
To predict the value of the dependent variable from several independent variables
To compare the average exam results of PAI among students
To measure the correlation level among independent variables
To determine the distribution of student exam scores
To categorize students based on scores
In multiple regression analysis, independent variables are also called:
Constant variables
Bound variables
Dependent variables
Outcome variables
Predictor variables
In the model Y=a+b1X1+b2X2, the coefficient b1 can be interpreted as:
The predicted value from the independent variable X2
The effect of X1 on Y when X2 is constant
The total relationship between X1 and Y
The number of independent variables in the model
The error value in the prediction
In multiple linear regression analysis, what is the first step to determine the effect of independent variables on the dependent variable?
Determine the hypothesis test
Determine the dependent and independent variables
Conduct a multicollinearity test
Calculate the R2 value
Create a scatter diagram
A PAI teacher wants to know the effect of 'frequency of reading the Quran' (X1) and 'activity in Islamic studies' (X2) on 'student learning motivation' (Y). The appropriate model to use is:
Y=a+bX
Y=a+b1X1+b2X2
Y=a+b1X1−b2X2
Y=b1X1+b2X2
Y=bX+cX2+aY
If the coefficient b1 in the model Y=a+b1X1+b2X2 is positive, then the interpretation is:
An increase in X1 reduces the value of Y
An increase in X1 does not affect Y
An increase in X1 increases the value of Y
There is no relationship between X1 and Y
The value of X1 is always equal to Y
In the model Y=5+3X1+2X2, if X1 increases by 2 units and X2 remains constant, then the value of Y will increase by:
2 units
3 units
6 units
5 units
8 units
In multiple regression, if R2=0.85, what does this value mean?
Independent variables are not significant to the dependent variable
85% of the variation in Y is explained by the independent variables
The relationship between X1 and X2 is 85%
Independent variables have only a small effect on Y
Independent variables cannot explain the value of Y
If b1=2 and b2=-1, what is the interpretation of b2 in the regression model Y=a+b1X1+b2X2?
Every increase in X2 by one unit will increase Y by 1 unit
Every increase in X2 by one unit will decrease Y by 1 unit
The value of Y is not affected by X2
The value of X2 is always positive
Variable X2 is not significant
In multiple regression, if one of the independent variables has a small but significant regression coefficient, then that variable:
Does not affect the dependent variable
Is not relevant to the analysis
Is not suitable to be included in the regression model
Has a negative relationship with the dependent variable
Has a small but significant effect on the dependent variable
A teacher uses regression analysis to predict 'student learning motivation' (Y) based on 'frequency of reading the Quran' (X1) and 'attendance at study groups' (X2). If R2=0.70, then:
The model explains 70% of the variation in Y
Independent variables are not significant to Y
Independent variables only slightly affect Y
The model is not suitable for use
All variations in Y are explained by the model
In multiple regression analysis, if the p-valu of b1 is 0.04, then its interpretation is:
Variable X1 does not significantly affect Y
Variable X1 significantly affects Y at a significance level of 5%
The relationship between X1 and Y cannot be determined
Variable X1 has a negative effect on Y
There is no relationship between X1 and Y
In the model Y=10+3X1−2X2 if X1 and X2 both increase by 1 unit, then the value of Y:
Increases by 5 units
Increases by 1 unit
Remains unchanged
Decreases by 1 unit
Decreases by 2 units
A researcher uses multiple regression to analyze the effect of 'duration of religious study' (X1) and 'activity in worship' (X2) on 'student understanding of religion' (Y). If the coefficient b1>b2, then:
The duration of religious study has a greater effect on Y than the activity in worship
The activity in worship has a greater effect on Y than the duration of religious study
There is no relationship between X1 and X2
The relationship between X1 and Y is negative
All independent variables have the same effect
What is the role of the R2 value in the multiple linear regression model?
Measuring the relationship between two independent variables
Measuring the proportion of Y variation that can be explained by independent variables
Determining the value of Y when X is zero
Determining the significance of the model as a whole
Testing the relationships between variables
If the regression model is Y=8+2X1+3X2, what is the value of Y when X1=2 and X2=1?
18
17
16
15
14
In the model Y=12+4X1−3X2, if X1=3 and X2=2, what is the value of Y?
18
19
20
21
22
Given the regression equation Y=3+2X1−X2, what is the interpretation of the coefficient of X1?
The average value of Y if X1 and X2 are zero.
For every one unit increase in X2, Y increases by 2, assuming X1 remains constant.
For every one unit increase in X1, Y increases by 2, assuming X2 remains constant.
For every one unit increase in X1, Y decreases by 2, assuming X2 remains constant.
There is no relationship between X1 and Y.
What does R2=0.85 mean in the context of multiple linear regression?
85% of the independent variables are explained by the dependent variable.
85% is the average value of the residuals.
Independent variables have no relationship with the dependent variable.
The regression model has an error rate of 85%.
85% of the dependent variable is explained by the independent variables.
In multiple regression, why is it important to check the p-value of each coefficient?
To determine whether the effect of independent variables on the dependent variable is significant.
To calculate the predicted value of Y.
To measure the effect of the dependent variable on the independent variables.
To determine whether a linear model is used.
To evaluate the quality of the residuals.
Given two models: Model A with R2=0.75 and Model B with R2=0.85. Which one is better at predicting Y?
Model A, because it is simpler.
Model A, because R2 is lower.
Model B, because it has a higher R2.
Both models are equally good.
Cannot be determined without other statistical tests.
The regression model Y=10+5X1+3X2. If X1 increases from 2 to 4, and X2=1, how does Y change?
Y increases by 5.
Y increases by 10.
Y increases by 15.
Y increases by 20.
Y increases by 25.
If the regression model Y=5+4X1+3X2 is used, what is the predicted Y if X1=2 and X2=1?
11
14
16
17
18
A teacher wants to analyze the effect of Quran learning intensity (X1) and the number of fiqh teaching hours (X2) on student understanding (Y). The regression equation found is: Y=50+5X1+3X2. What is the interpretation of the coefficient of X1?
For every additional hour of Quran learning, the average student understanding increases by 5 points, assuming X2 remains constant.
For every additional hour of fiqh teaching, the average student understanding increases by 5 points, assuming X1 remains constant.
For every decrease of 1 hour of Quran learning, the average student understanding increases by 5 points.
The average student understanding is 50 if X1 and X2 are zero.
There is no relationship between Quran learning and student understanding.
Nama:
NIM
