NEW
Font size
WorksheetsQuiz Modul 2 Shift 1 Prakstat
Total questions: 20
Worksheet time: 10mins
Tujuan utama Multiple Regression Analysis (MRA) adalah…
Menentukan distribusi probabilitas variabel dependen
Memprediksi nilai variabel dependen berdasarkan beberapa variabel independen
Menghitung frekuensi kategori variabel nominal
Menyederhanakan jumlah observasi dalam dataset
Dalam persamaan regresi Y = β0 + β1X1 + β2X2 + ε, β0 disebut…
Koefisien parsial
Intersep (konstanta)
Varians residual
Skewness
Nilai R-squared (R²) memberikan informasi tentang…
Seberapa baik model regresi linear cocok dengan data pelatihan
Jumlah error pada data uji
Proporsi variabel independen yang tidak signifikan
Nilai rata-rata residual dari model
Jika R² = 0,90 pada model regresi, interpretasi yang tepat adalah…
Model regresi linear sangat baik karena dapat menjelaskan 90% variasi data pelatihan
Model memiliki error besar
90% variabel independen tidak berpengaruh
Model tidak memenuhi asumsi linearitas
Residual dalam regresi didefinisikan sebagai…
Prediksi model dikurangi rata-rata Y
Nilai aktual dikurangi nilai prediksi
Nilai prediksi dikalikan koefisien
Varians dari variabel independen
Salah satu asumsi regresi linear adalah mean of residuals harus…
Positif besar
Mendekati nol
Sama dengan R²
Bernilai negatif selalu
Homoskedastisitas berarti…
Residual berdistribusi normal sempurna
Varians residual konstan untuk semua tingkat nilai prediksi
Semua koefisien regresi signifikan
Tidak ada autokorelasi
Pola residual vs predicted yang berbentuk “corong” (cone) umumnya mengindikasikan…
Normalitas residual terpenuhi
Heteroskedastisitas
Multikolinearitas kuat
Intercept tidak signifikan
Uji Goldfeld-Quandt atau Bartlett sering digunakan untuk menguji …
Normalitas residual
Homoskedastisitas (heteroskedastisitas)
Multikolinearitas
Validitas eksternal
Jika hasil uji heteroskedastisitas memberi p-value = 0.33 (> 0.05), keputusan yang tepat adalah…
Tolak H0 → ada heteroskedastisitas
Gagal tolak H0 → tidak ada bukti heteroskedastisitas
Model tidak memenuhi asumsi linearitas
Harus menghapus semua variabel independen
Multikolinearitas di antara variabel independen dinilai menggunakan…
Durbin-Watson
VIF (Variance Inflation Factor)
Bartlett test
QQ-plot
Interpretasi VIF: bila VIF > 5 biasanya…
Tidak ada masalah
Menandakan multikolinearitas yang perlu diperhatikan
Menandakan residual tidak normal
Menandakan model sangat baik
Autokorelasi residual biasanya penting diperiksa pada data…
Cross-sectional tanpa urutan waktu
Time-series atau data berurutan
Data nominal saja
Data dengan R² tinggi
Jika koefisien β1 bernilai negatif dan signifikan, maka…
Peningkatan X1 diasosiasikan dengan peningkatan Y
Peningkatan X1 diasosiasikan dengan penurunan Y
X1 tidak mempunyai pengaruh
Model harus dihapus
Intercept (β0) bernilai 2.94 berarti…
Saat semua X = 0, prediksi Y ≈ 2.94
Rata-rata residual sama dengan 2.94
Model tidak ada artinya
Varians Y = 2.94
Manakah pernyataan yang paling tepat mengenai skala interval?
Data dapat diurutkan, tetapi jarak antar nilai tidak dapat diukur
Data memiliki nol absolut, sehingga perbandingan rasio bisa dilakukan
Data memiliki urutan dan jarak yang sama antar nilai, namun tidak memiliki nol mutlak
Data hanya bisa dikategorikan tanpa urutan
Salah satu tanda residual tidak berdistribusi normal pada plot density adalah…
Kurva berbentuk lonceng simetris
Kurva menunjukkan skew atau ekor panjang ke satu sisi
Mean residual = 0
VIF = 1
Jika mean of residuals = −4.97e-16 (mendekati nol), artinya…
Model memiliki bias besar
Model cenderung tidak bias dalam prediksi
Residual sangat heteroskedastik
Multikolinearitas parah
Skala rasio memiliki ciri khas utama dibandingkan skala lain, yaitu…
Memiliki titik nol absolut, sehingga perbandingan antar nilai bermakna
Tidak memiliki jarak antar nilai yang konstan
Hanya digunakan untuk data kategorikal
Tidak bisa digunakan untuk perhitungan rata-rata
Jika scatterplot antara X dan Y menunjukkan tidak ada pola linear yang jelas, maka pernyataan yang paling tepat:
Regresi linear pasti sangat cocok
Regresi linear mungkin kurang cocok; pertimbangkan transformasi atau model non-linear
Tidak perlu cek asumsi residual
Hanya gunakan variabel X tersebut
