Logo
search
menuicon
Uji asumsi klasik

Uji asumsi klasik

aryanazka 1510
숲 속
quiz thumbnail
Sequencing
College
Mathematics

Uji asumsi klasik

aryanazka 1510

27

20 questions

Allow incorrect answer

Hide answer

public quiz

# 1Multiple Choice
Apa tujuan dari uji asumsi klasik dalam analisis regresi?
Menentukan hubungan antara variabel independen dan dependen
Memastikan model regresi yang digunakan memenuhi syarat statistik
Menentukan variabel bebas yang paling berpengaruh
Meningkatkan jumlah sampel penelitian
# 2Multiple Choice
Berikut ini yang bukan merupakan uji asumsi klasik dalam regresi linier adalah:
Uji normalitas
Uji multikolinearitas
Uji validitas
Uji heteroskedastisitas
# 3Multiple Choice
Uji normalitas dilakukan untuk menguji apakah:
Residual dalam model regresi terdistribusi secara normal
Variabel independen dan dependen memiliki hubungan linier
Terdapat outlier dalam data
Variabel bebas tidak saling berkorelasi
# 4Multiple Choice
Jika data residual tidak berdistribusi normal, langkah yang dapat dilakukan adalah:
Mengubah variabel menjadi bentuk logaritma atau transformasi lainnya
Menambah jumlah variabel bebas
Menggunakan data yang berbeda
Meningkatkan ukuran sampel secara drastis
# 5Multiple Choice
Uji multikolinearitas dilakukan untuk menguji:
Hubungan antara variabel independen dan dependen
Adanya korelasi tinggi antar variabel independen dalam model regresi
Kesamaan varians antara residual
Perbedaan varians antar kelompok data
# 6Multiple Choice
Uji heteroskedastisitas digunakan untuk menguji apakah dalam model regresi terdapat:
Variabel independen yang saling berkorelasi tinggi
Hubungan antara variabel independen dan dependen
Varians residual yang tidak sama di setiap tingkat variabel independen
Kesalahan prediksi yang selalu meningkat
# 7Multiple Choice
Metode yang dapat digunakan untuk mendeteksi heteroskedastisitas adalah:
Uji Durbin-Watson
Uji Glejser
Uji Kolmogorov-Smirnov
Uji ANOVA
# 8Multiple Choice
Jika terjadi heteroskedastisitas, solusi yang dapat dilakukan adalah:
Menambah jumlah variabel bebas
Menggunakan transformasi data seperti logaritma
Menghilangkan data outlier
Menggunakan uji multikolinearitas
# 9Multiple Choice
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi terdapat:
Hubungan antar residual dalam suatu model
Variabel independen yang memiliki hubungan tinggi
Variabel yang tidak berdistribusi normal
Hubungan variabel dependen dengan residual
# 10Multiple Choice
Uji yang sering digunakan untuk mendeteksi autokorelasi adalah:
Uji Kolmogorov-Smirnov
Uji Durbin-Watson
Uji Glejser
Uji F
# 11Multiple Choice
Jika nilai Durbin-Watson mendekati 0 atau 4, maka dapat disimpulkan bahwa:
Tidak terjadi autokorelasi
Terjadi autokorelasi positif atau negatif
Model regresi sudah memenuhi asumsi klasik
Data berdistribusi normal
# 12Multiple Choice
Dalam uji asumsi klasik, syarat utama agar regresi linier bisa digunakan adalah:
Data harus memiliki distribusi normal sempurna
Residual harus bersifat random dan homoskedastik
Semua variabel harus memiliki hubungan linear yang kuat
Tidak ada autokorelasi dan multikolinearitas
# 13Multiple Choice
Jika uji asumsi klasik tidak terpenuhi, maka langkah yang dapat dilakukan adalah:
Mengganti model regresi dengan model nonparametrik
Menambah jumlah data agar lebih bervariasi
Mengabaikan hasil uji asumsi klasik dan melanjutkan analisis regresi
Menggunakan model regresi sederhana
# 14Multiple Choice
Uji normalitas dapat dilakukan dengan metode berikut, kecuali:
Uji Kolmogorov-Smirnov
Uji Shapiro-Wilk
Uji Levene
Uji Skewness dan Kurtosis
# 15Multiple Choice
Ketika residual berdistribusi tidak normal, langkah yang sebaiknya dilakukan adalah:
Melanjutkan analisis tanpa modifikasi
Menggunakan transformasi data seperti log atau akar
Menghapus data yang tidak normal
Mengganti metode regresi dengan uji nonparametrik
# 16Multiple Choice
Jika nilai Durbin-Watson sekitar 2, maka dapat disimpulkan bahwa:
Tidak terjadi autokorelasi
Terjadi autokorelasi positif
Terjadi autokorelasi negatif
Data harus diuji kembali
# 17Multiple Choice
Uji Glejser digunakan untuk mendeteksi:
Normalitas data
Multikolinearitas
Heteroskedastisitas
Autokorelasi
# 18Multiple Choice
Jika dalam hasil uji Kolmogorov-Smirnov diperoleh nilai signifikansi (p-value) lebih besar dari 0,05, maka dapat disimpulkan bahwa:
Data berdistribusi normal
Data tidak berdistribusi normal
Terdapat multikolinearitas dalam data
Model regresi tidak valid
# 19Multiple Choice
Pernyataan yang benar tentang uji asumsi klasik adalah:
Semua asumsi klasik harus terpenuhi sebelum melakukan analisis regresi
Jika salah satu asumsi klasik tidak terpenuhi, analisis regresi tetap valid
Uji asumsi klasik hanya berlaku untuk regresi nonparametrik
Multikolinearitas dapat diabaikan dalam model regresi
# 20Multiple Choice
Tujuan utama dari uji asumsi klasik dalam analisis regresi adalah:
Memastikan hasil regresi dapat diinterpretasikan secara statistik
Menguji apakah variabel bebas memiliki hubungan yang signifikan dengan variabel terikat
Memilih variabel independen yang paling berpengaruh
Menentukan apakah data berdistribusi normal
Share to Google Classroom

Access restricted due to plan expiration. Copy and edit on another map.