BAB IV

ANALISIS REGRESI
Pendahuluan
Dalam analisis data sering dilakukan pembuatan kurva yang dapat mewakili suatu
rangkaian data dalam sistem koordinat x-y.
Data tersebut dapat berupa hasil percobaan di laboratorium/pengamatan di lapangan :
Pengujian kuat tekan beton , hubungan antara beban dan kuat tekan beton.
Pengukuran debit sungai, hubungan antara kedalaman aliran dan debit sungai.
Hub. Antara data sungai dan debit di sungai.
Pertumbuhan arus barang atau penumpang di suatu pelabuhan, terminal atau bandara
dari tahun ke tahun.
Dsb.

Nilai rerata data (), dimana Eyi adalah penjumlahan nilai data dari i = 1 sampai n.

Penyebaran data diukur dengan menggunakan deviasi standar (o) terhadap nilai rerata


D
2
adalah jumlah dari kuadrat selisih antara nilai data dan nilai rerata.
Apabila penyebaran data sangat besar terhadap nilai rerata, maka deviasi standar o akan
besar. Apabila penyebaran data kecil (sempit), maka deviasi standar o akan kecil.
Penyebaran dapat dipresentasikan oleh kuadrat dari deviasi standar, disebut varians.





n
y
y
i
=
( )
1 1
2
2

=

n
y y
n
D
i
o
( )
1 1
2
2
2

=

n
y y
n
D
i
o
BAB IV
ANALISIS REGRESI
Karena adanya kesalahan atau ketidakpastian dalam pengujian, pengukuran atau variasi
perubahan data dari waktu ke waktu, maka titik-titik data tersebar dalam koordinat x-y.
Dalam analisis regresi akan dibuat kurva atau fungsi berdasarkan sebaran titik.
Kurva yang terbentuk diharapkan dapat mewakili titik-titik data tersebut,
Seringkali, setelah kurva terbentuk, dilakukan pula ekstrapolasi untuk mendapatkan nilai
y yang berkaitan dengan nilai x yang berada di tititk luar rangkaian yang ada.
Metode yang digunakan untuk membuat kurva tersebut adalah metode kuadrat terkecil
(least square method). Metode tersebut memungkinkan untuk mebuat kurva yang
paling mendekati titik-titik data.

BAB IV ANALISIS REGRESI



Gambar diatas adalah penyebaran titik-titik data hasil dari suatu percobaan pada sistem
koordinat x-y.
Penetapan bentuk kurva, apakah kurva linier (garis lurus) atau lengkung (logaritmik atau
berpangkat), tergantung dari kecenderungan (trend) dari penyebaran titik data.





Prinsip Statistik
Data hasil pengukuran debit rerata tahunan Sungai Serang di Stasiun Bendungan di Kabupaten
Kulon Progo selama 15 tahun berturut-turut.
Tahun y
i
(debit) (m
3
/dt) y
i
-
( y
i
- )
2

1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
8,52
3,33
7,85
7,75
10,91
4,17
3,40
8,00
13,4
5,40
8,87
4,73
7,40
6,88
5,00
1,486
-3,704
0,816
0,616
3,876
-2,864
-3,634
0,966
6,366
-1,634
1,836
-2,304
0,366
-0,154
-2,034
2,208
13,720
0,666
0,379
15,023
8,202
13,206
0,933
40,526
2,670
3,371
5,308
0,134
0,024
4,137
E y
i
= 105,51 E ( y
i
- )
2
= 110,507
Nilai rerata data (), dimana Eyi adalah penjumlahan nilai data dari i = 1 sampai n.



Standar Deviasi :


Varians :



034 , 7
15
51 , 105
15
15
1 1
= = = =

= = i
i
n
i
i
y
n
y
y
( )
810 , 2
1 15
507 , 110
1
2
=

=

n
y y
i
o
( )
893 , 7
1 15
507 , 110
1
2
2
=

=

n
y y
i
o
METODE KUADRAT TERKECIL UNTUK KURVA LINIER
Bentuk paling sederhana dari kurva yang mewakili titik-titik data merupaka garis lurus :
dimana : a
0
= a dan a
1
= b (4.4)
Jumlah kuadrat dari kesalahan :
(4.5)
Agar nilai D
2
adalah minimum, maka Persamaan (4.5) diturunkan terhadap parameter a dan b, dan
kemudian disamadengankan nol.
METODE KUADRAT TERKECIL UNTUK KURVA LINIER
Turunan pertama terhadap parameter a adalah :


(4.6)


Turunan pertama terhadap parameter b adalah :


(4.7)


Persamaan (4.6) dan (4.7) dapat dituliskan dalam bentuk :
(4.8)

dimana : E a = n a (4.9)

{ }

= =
= =
n
i
i i
n
i
i
x b a y E D
1
2
1
2 2
.
bx + a = g(x)
( )
0 .
0 . 2
0 .
0
1
2
1
2
=
=
= |
.
|

\
|

c
c
=
c
c

=
=
i i
n
i
i i
n
i
i i
x b a y
x b a y
x b a y
a
a
D
( ) | |
0 .
0 . 2
0 .
0
2
1
2
1
2
=
=
= |
.
|

\
|

c
c
=
c
c

=
=
i i i i
n
i
i i i
n
i
i i
x b ax x y
x x b a y
x b a y
b
b
D


= +
= +
i i i i
i i
y x b x a x
y b x a n
2
Pers. (4.8) dapat ditulis menjadi :

(4.10)


Atau :
(4.11)
Interpolasi Persamaan (4.10) ke dalam Pers. (4.9)





(4.12)

Untuk mengetahui derajat kesesuaian dari persamaan yang didapat, dihitung nilai
koefisien korelasi yang berbentuk :


Dengan r adalah koefisien korelasi, sedang D
2
dan D
t
2
diberikan oleh bentuk :



Nilai r bervariasi antara 0 dan 1. untuk perkiraan yang sempurna nilai r=1. Apabila r=0
perkiraan suatu fungsi sangat jelek.
Koefisien korelasi ini juga dapat digunakan untuk memilih suatu persamaan dari
beberapa alternatif yang ada, terutama di dalam regresi garis tidak lurus.
( )



=
=
=
b x
n
y
n
a
b x y
n
a
b x y a n
i i
i i
i i
1 1
1
x b y a =
( )
( )
( ) | |



=
= +
= +
i i i i i i
i i i i i i
i i i i i i
y x y x n x x n b
y x n b x n b x y x
y x b x b x y
n
x
2
2
2
2
2
1
( )
2
2

=
i i
i i i i
x x n
y x y x n
b
2
2 2
t
t
D
D D
r

=
( )
( )

=
=
=
=
n
i
i
n
i
i t
x a a y D
y y D
1
2
1 0
2
1
2 2
CONTOH :
Tentukan persamaan garis yang mewakili data berikut :
x 1 2 3 4 5 6 7 8 9 10
y 4 6 8 10 14 16 20 22 24 28

PENYELESAIAN :
Penggambaran titik-titik data pada sistem x-y yang dapat diwakili oleh garis lurus.

Nilai rerata dari x dan y adalah :




Persamaan garis yang mewakili titik-titik data adalah :

6 , 18
10
186
2 , 15
10
152
= = =
= = =

n
y
y
n
x
x
bx a y + =
No. xi yi xi yi xi2
1 4 30 120 16
2 6 18 108 26
3 8 22 176 64
4 10 28 280 100
5 14 14 196 196
6 16 22 352 256
7 20 16 320 400
8 22 8 176 484
9 24 20 480 576
10 28 8 224 784
E 152 186 2432 2912
Dengan :



Jadi persamaan garis adalah : y = 28,5849 0,6569 x
LINIERISASI KURVA TIDAK LINIER
Dalam praktek sering dijumpai bahwa sebaran titik-titik pada sistem koordinat
mempunyai kecenderungan (trend) yang berupa kurva lengkung.
Agar persamaan regresi linier dapat digunakan untuk mempresentasikan kurva
lengkung, maka perlu dilakukan transformasi koordinat sehingga sebaran titik data bisa
dipresentasikan dalam kurva linier.
Dua fungsi transformasi data yang biasa digunakan, yaitu fungsi eksponensial dan fungsi
berpangkat.
( )
( )
6569 , 0
6016
3952
152 2912 10
186 152 2432 10
2 2
2
= =


=

=


i i
i i i i
x x n
y x y x n
b
( ) 5849 , 28 2 , 15 6569 , 0 6 , 18 = + = = x b y a