Nama : Rika Indria

NIM : 1833017
UAS BIOMETRI

1. A. Korelasi product moment merupakan korelasi yang digunakan untuk data kontinu
dan data deskrit. Teknik korelasi ini digunakan untuk mencari hubungan dan
membukitkan hipotesis hubungan dua variable bila data kedua variable berbentuk
interval/ratio, dan sumber data dari dua variable atau lebih tersebut adalah sama,
berbentuk regresi linear dan data dari setiap variable berdistribusi normal.

B. Korelasi ganda (multiple correlation) merupakan angka yang menunjukkan arah dan
kuatnya hubungan antara dua variabel independen secara bersama-sama atau lebih
dengan satu variabel dependen. Simbol korelasi ganda adalah R. korelasi ganda (R)
untuk dua variabel independen dan satu dependen.

C. Korelasi Parsial digunakan untuk menganalisis bila peneliti bermaksud mengetahui

pengaruh atau mengetahui hubungan antara variabel independen dan dependen, dimana
salah satu variabel independennya dibuat tetap/dikendalikan.

2. Sampel berkorelasi disebut juga sampel berpasangan sedangkan sampel yang tidak
berkorelasi adalah sampel independen.
Sampel berpasangan (sampel berkorelasi) artinya data masih terkait. Misalnya
membandingkan 2 merk keripik mana yang lebih enak, antara keripik merk A dan
keripik merk B. Data diambil dari responden yang mencoba kedua merk ini, artinya
data masih terkait karena dicobakan pada responden yang sama.
Sedangkan sampel independen (sampel tidak berkorelasi) datanya tidak saling terkait,
misalkan jumlah penjualan keripik di kota A dan kota B, antar kota ini tidak terkait.
3.
Responden Mikrobiologi Mikro
Dasar Analitik X2 Y2 XY
(X) (Y)
1 70 80 4.900 6.400 5.600
2 85 80 7.225 6.400 6.800
3 81 70 6.561 4.900 5.670
4 77 78 5.929 6.084 6.006
5 80 80 6.400 6.400 6.400
Total (Σ) 393 388 31.015 30.184 30.476
Menghitung Konstanta (a) :
a = (Σy) (Σx²) – (Σx) (Σxy)
. n(Σx²) – (Σx)²
a = (388) (31.015) – (393) (30.467)
5 (31.015) – (393)²
a = 56.752
626
a= 90,658

Menghitung Koefisien Regresi (b)

b = n(Σxy) – (Σx) (Σy)

. n(Σx²) – (Σx)²
b = 5 (30.476) – (393) (388)
. 5 (31.015) – (393)²
b = 0, 166

Y = a + bX
Y = 90,658 + 0,166X
1. Prediksikan Jumlah nilai (Variabel X), contohnya : 85
Y = 90,658 + 0,166 (85)
Y = 104,768
Jika nilai tertinggi 85 maka diprediksikan akan terdapat 104,768 pengaruh yang timbul.
2. Prediksikan Jumlah nilai (Variabel Y), contohnya : 70
70 = 90,658 + 0,166 X
0,166X=70+90,658
X=160,658
0,166
X= 967,819
Jika nilai terendah 70 maka diprediksikan akan terdapat 967,819 pengaruh yang timbul.