Korelasi dan Regresi Linier

Apa tujuan dari korelasi Pearson?

• Mengukur hubungan non-linier antara dua variabel

• Mengukur hubungan linier antara dua variabel numerik

• Mengukur hubungan ordinal antar data

• Mengukur hubungan antara lebih dari dua variabel

Apa asumsi dasar dari korelasi Pearson?

• Data bersifat ordinal

• Data terdistribusi normal dan memiliki hubungan linier

• Data tidak harus terdistribusi normal

• Data berskala nominal

Jika nilai koefisien korelasi Pearson adalah +1, maka hubungan antara variabel adalah:

• Tidak ada hubungan

• Hubungan linier positif sempurna

• Hubungan linier negatif sempurna

• Hubungan linier rendah

Jika nilai koefisien korelasi Pearson adalah -1, maka hubungan antara variabel adalah:

• Hubungan linier positif sempurna

• Hubungan linier negatif sempurna

• Tidak ada hubungan

• Hubungan sangat lemah

Apa arti dari nilai koefisien korelasi Pearson mendekati 0?

• Hubungan sangat kuat

• Tidak ada hubungan linier yang signifikan

• Hubungan moderat

• Hubungan sempurna

Dalam analisis korelasi Pearson, jika hubungan antar variabel bersifat non-linier, apa yang harus dilakukan?

• Lanjutkan analisis tanpa perubahan

• Gunakan korelasi non-parametrik seperti Spearman

• Gunakan korelasi Pearson

• Gunakan uji regresi

Korelasi Pearson cocok digunakan untuk data:

• Ordinal dan kategorik

• Interval dan rasio

• Nominal

• Ordinal

Apa pengaruh outlier terhadap koefisien korelasi Pearson?

• Outlier meningkatkan akurasi

• Outlier dapat mengubah nilai koefisien korelasi secara signifikan

• Outlier tidak mempengaruhi hasil

• Outlier selalu meningkatkan hubungan

Kapan sebaiknya korelasi Pearson tidak digunakan?

• Ketika hubungan antar variabel linier

• Ketika data terdistribusi normal

• Ketika data mengandung outlier yang kuat

• Ketika variabel independen kontinu

Jika hasil korelasi Pearson signifikan pada tingkat signifikansi 0,05, apa artinya?

• Tidak ada hubungan antar variabel

• Hubungan antar variabel tidak signifikan

• Ada hubungan linier yang signifikan antara kedua variabel

• Hubungan antar variabel lemah