Anda di halaman 1dari 41

METODE NUMERIK

KELOMPOK 4
ANALISIS KURVA
NAMA KELOMPOK 4

HADY ARIFIN DBD 110 032
AGUNG BUDI H. DBD 110 051
MAHFUS AMIN DBD 110 076
FAHMI YAHYA DBD 111 0022
LIDYA WIJI O. DBD 111 0047
AGUSVINA OVINDA DBD 111 0085
JHONI CANDRA DBD 111 0092
HENDRIK SIHOMBING DBD 111 0093
AETCO SEPTA DBD 111 0112
IMELDA MELINDA S. DBD 111 0135



SUB TEMA ANALISIS KURVA
1. REGRESI LINEAR
2. Regresi Non-Linear Pelinearan
Fungsi Ekponensial
Pelinearan Fungsi Berpangkat
3. REGRESI POLINOM
4. REGRESI LINIER DENGAN DUA
PEUBAH


REGRESI LINIER
Apa itu Regresi Linier ?

Regresi merupakan alat ukur yg digunakan untuk
mengetahui ada tidaknya korelasi antarvariabel.
Analisis regresi lebih akurat dlm analisis korelasi
karena tingkat perubahan suatu variabel terhdp
variabel lainnya dpt ditentukan). Jadi pada
regresi, peramalan atau perkiraan nilai variabel
terikat pada nilai variabel bebas lebih akurat pula.
Regresi linier adalah regresi yang variabel
bebasnya (variabel X) berpangkat paling tinggi
satu. Utk regresi sederhana, yaitu regresi linier yg
hanya melibatkan dua variabel (variabel X dan Y).

Persamaan Regresi Linear dari Y
terhadap X
Y = a + bX
Keterangan :
Y = variabel terikat
X = variabel bebas
a = intersep / konstanta
b = koefisien regresi / slop
Persamaan regresi linear di atas dpt pula
dituliskan dlm bentuk

x
x
xy
Y
|
.
|

\
|
E
E
=
2
Mencari nilai a dan b
Rumus 1


Pendekatan Matriks

2 2
2 2
2
) ( ) )( (
) )( ( ) )( (
) ( ) )( (
) )( ( ) )( (
X X n
Y X XY n
b
X X n
XY X X Y
a
E E
E E E
=
E E
E E E E
=
|
|
.
|

\
|
E E
E E
=
|
|
.
|

\
|
E E
E E
=
|
|
.
|

\
|
E E
E
=
= =
|
|
.
|

\
|
E
E
=
|
|
.
|

\
|
|
|
.
|

\
|
E E
E
XY X
Y n
A
X XY
X Y
A
X X
X n
A
A
A
b
A
A
a
XY
Y
b
a
X X
X n
2
2
1
2
2 1
2
det
det
det
det
) )( ( ) )( ( det
) )( ( ) )( ( det
) )( ( ) )( ( det
2
2
1
2
X Y XY n A
XY X X Y A
X X X n A
E E E =
E E E E =
E E E =


Rumus II

___ __
2 2
.
) ( ) )( (
) )( ( ) )( (
X b Y a
X X n
Y X XY n
b
=
E E
E E E
=
Contoh Soal
Berikut ini data mengenai pengalaman kerja dan
penjualan
X=pengalaman kerja (tahun)
Y=omzet penjualan (ribuan)



Tentukan nilai a dan b (gunakan ketiga cara)!
Buatkan persamaan regresinya!
Berapa omzet pengjualan dari seorang karyawan yg
pengalaman kerjanya 3,5 tahun
X 2 3 2 5 6 1 4 1
Y 5 8 8 7 11 3 10 4
Penyelesaian :
X Y X2 Y2 XY
2 5
4 25 10
3 8
9 64 24
2 8
4 64 16
5 7
25 49 35
6 11
36 121 66
1 3
1 9 3
4 10
16 100 40
1 4
1 16 4
24 56 96 448 198
7
8
56
3
8
24
___ ___
= = = = Y X
25 , 3
576 768
752 . 4 376 . 5
) 24 ( ) 96 )( 8 (
) 198 )( 24 ( ) 96 )( 56 (
2
=

=
a
a
25 , 1
576 768
344 . 1 584 . 1
) 24 ( ) 96 )( 8 (
) 56 )( 24 ( ) 198 )( 8 (
2
=

=
b
b
Cara 1.
Cara 2.
25 , 1
192
240
25 , 3
192
624
240 ) 24 )( 56 ( ) 198 )( 8 ( det
624 ) 198 )( 24 ( ) 96 )( 56 ( det
192 ) 24 24 ( ) 96 )( 8 ( det
198 24
56 8
96 198
24 56
96 24
24 8
198
56
96 24
24 8
2
1
2 1
= = = =
= =
= =
= =
|
|
.
|

\
|
=
|
|
.
|

\
|
=
|
|
.
|

\
|
=
|
|
.
|

\
|
=
|
|
.
|

\
|
|
|
.
|

\
|
b a
A
A
A
A A A
b
a
Cara 3






a. Dari ketiga cara pengerjaan tersebut diperoleh nilai a
= 3,25 dan nilai b = 1,25
b. Persamaan regresi linearnya adalah Y=3,25+1,25X
c. Nilai duga Y, jika X=3,5 adalah Y=3,25+1,25X
Y=3,25+1,25(3,5)
=7,625
25 , 3
) 3 ( 25 , 1 7
25 , 1
576 768
344 . 1 548 . 1
) 24 ( ) 96 )( 8 (
) 56 )( 24 ( ) 198 )( 8 (
2
=
=
=

=
a
a
b
b
Koefisien Determinasi (R
2
)
6696 , 0
016 . 86
600 . 57
) 448 )( 192 (
) 240 (
) 136 . 3 584 . 3 ( ) 576 768 (
) 344 . 1 584 . 1 (
) ) 56 ( ) 448 ( 8 ( ) 24 ( ) 96 ( 8 (
)) 56 )( 24 ( ) 198 )( 8 ((
) ) ( ) ( ( ) ( ) ( (
)) )( ( ) )( ((
2
2
2
2
2 2
2
2
2 2 2 2
2
2
= = =


=


=
E E E E
E E E
=
R
R
R
Y Y n X X n
Y X XY n
R
Nilai determinasi (R2) sebesar 0,6696, artinya sumbangan atau pengaruh pegalaman
Kerja terhadap naik turunnya omzet penjualan adalah sebesar 66,96%. Sisanya 33,04%
Disebabkan oleh faktor lain yang tidak dimasukkan dalam model.
REGRESI NON-
LINEAR

Di dalam praktek akan sering kita jumpai kasus dimana
plotting titik
2
data memiliki tren berupa kurva lengkung.
Sehingga persamaan yang sudah dikenalkan sebelumnya (RKT
utk Kurva Linier) tidak dapat langsung digunakan.
Dan lagi, kurva lengkung yang didekati dengan sebarang garis
lurus akan menimbulkan kesalahan yang berarti.
Pelinearan Fungsi Ekponensial
1. Fungsi Eksponensial

y = a e
bx
dengan a
1
dan b
1
adalah konstanta

persamaan di atas dapat dilinierkan dengan logaritma-natural spt berikut :
ln y = ln a + b x ln e

jika ln e = 1, maka ln y = ln a + b x

persamaan di atas berbentuk garis lurus dengan kemiringan b, dan
memotong sumbu ln y di ln a.
Pelinearan Fungsi Berpangkat
2. Fungsi Berpangkat

fungsi berpangkat adalah contoh lain fungsi dengan kurvanya yang non-
linier.
y = a x
b
dengan a dan b adalah konstanta

me-linier-kan fungsi di atas juga dapat dilakukan menggunakan
persamaan logaritmik spt berikut :

log y = b log x + log a


persamaan di atas berbentuk garis lurus dengan kemiringan b dan
memotong sumbu log y di log a.
(4)
Contoh : Tentukan persamaan kurva lengkung yang diwakili serangkaian data berikut :

x 1 2 3 4 5
y 0,5 1,7 3,4 5,7 8,4


Penyelesaian masalah di atas dilakukan melalui 2 fashion, transformasi log dan ln.
0
1
2
3
4
5
6
7
8
9
1 2 3 4 5 X
Y
(5)
Transformasi log (fungsi asli diamsusikan sebagai fungsi berpangkat)
Misal persamaan yang dicari adalah : y = ax
b

Persamaan tersebut dapat dilinierisasi melalui fungsi logaritmik sbb : log y = log ax
b

atau dapat pula dinyatakan sebagai : log y = b log x + log a

Atau jika p = log y; A = log a; B = b; q = log x;

Maka persamaan log di atas dapat ditulis menjadi lebih sederhana : p = Bq + A
No x
i
y
i
q
i
(= log x
i
) p
i
(= log y
i
) q
i
p
i
q
i
2
1 1 0,5 0 - 0,301 0 0
2 2 1,7 0,3010 0,2304 0,0693 0,0906
3 3 3,4 0,4771 0,5315 0,2536 0,2276
4 4 5,7 0,6020 0,7559 0,4550 0,3624
5 5 8,4 0,6990 0,9243 0,6461 0,4886
19,7 2,0791 2,1411 1,4240 1,1692
Dari tabel tersebut dapat diperoleh beberapa parameter penting, seperti :
y = y
i
/ n = 19,7 / 5 = 3,94
q = log x
i
/ n = 2,0791 / 5 = 0,4158
p = log y
i
/ n = 2,1411 / 5 = 0,42822

Sedangkan koefisien A dan B dihitung melalui persamaan (4) dan (6) :
n q
i
p
i
- q
i
p
i
5 (1,4240) 2,0791 (2,1411) 2,6684
B = = = = 1,7572
n q
i
2
( q
i
)
2
5 (1,1692) 2,0791 (2,0791) 1,5233

A = p B q = 0,42822 1,7572 . 0,4158 = - 0,3024

Karena A = log a maka a = 0,4984
Karena B = b maka b = 1,7572

Dengan demikian fungsi yang dicari adalah : y = 0,4984 x
1,7572

Transformasi ln (fungsi asli diasumsikan sebagai fungsi eksponensial)
Misal persamaan yang dicari adalah : y = a e
bx

Persamaan tersebut dapat dilinierisasi melalui fungsi logaritmik sbb : ln y = ln ax
bx

atau dapat pula dinyatakan sebagai : ln y = ln a + ln e
bx
atau ln y = ln a + bx

Atau jika p = ln y; A = ln a; B = b; q = x;

Maka persamaan log di atas dapat ditulis menjadi lebih sederhana : p = A + Bq
No x
i
= q
i
y
i
q
i
2
(= x
i
2
) p
i
(= ln y
i
) q
i
p
i
1 1 0,5 1 - 0,6931 - 0,6931
2 2 1,7 4 0,5306 1,0612
3 3 3,4 9 1,2238 3,6714
4 4 5,7 16 1,7405 6,962
5 5 8,4 25 2,1282 10,641
15 19,7 55 4,93 21,6425
Dari tabel tersebut dapat diperoleh beberapa parameter penting, seperti :
y = y
i
/ n = 19,7 / 5 = 3,94
q = q
i
/ n = 15 / 5 = 3
p = p
i
/ n = 4,93 / 5 = 0,99

Sedangkan koefisien A dan B dihitung melalui persamaan (4) dan (6) :
n q
i
p
i
- q
i
p
i
5 (21,6425) 15 (4,93) 34,2625
B = = = = 0,6852
n q
i
2
( q
i
)
2
5 (55) (15)
2
50

A = p B q = 0,99 0,68525 . 3,0 = - 1,06575

Karena A = ln a maka a = 0,34447
Karena B = b maka b = 0,68525

Dengan demikian fungsi yang dicari adalah : y = 0,34447 e
0,68525x

Sekarang waktunya memilih. Mana di antara 2 pendekatan yang memberikan akurasi
lebih bagus. Caranya adalah dengan menghitung koefisien korelasi (7) :

D
t
2
D
2
r
2
=
D
t
2
dengan
n n n
D
t
2
= (y
i
y)
2
D
2
= (y
i
ax
b
)
2
D
2
= (y
i
ae
bx
)
2
i=1 i=1 i=1
No x
i
y
i
Transformasi log Transformasi ln
g(x
i
) D
2
D
t
2
g(x
i
) D
2
D
t
2
1 1 0,5 0,4984 0,000003 11,8336 0,6835 0,03367 11,8336
2 2 1,7 1,6848 0,000231 5,0176 1,3563 0,11813 5,0176
3 3 3,4 3,4354 0,00125 0,2916 2,6912 0,50240 0,2916
4 4 5,7 5,6953 0,000022 3,0976 5,3401 0,12953 3,0976
5 5 8,4 8,4296 0,000876 19,8916 10,5963 4,82373 19,8916
15 19,7 0,00238 40,132 5,60746 40,132
REGRESI POLINOM
REGRESI POLINOMIAL
Ada kalanya regresi linear yang sudah kitabicarakan
sebelumnya tidak memadai untuk mencocokkan sebaran
data pengamatan. Sebagai alaternatifnya akan digunakan
fungsi polinomial untuk mencocokkan sebaran data
tersebut.

Fungsi polinomial dapat ditulis sbb:

y = a
0
+ a
1
x + a
2
x
2
+ + a
r
x
r
Jumlah kuadrat dari kesalahan adalah :
n
D
2
= (y
i
a
0
a
1
x
i
a
2
x
i
2
- - a
r
x
i
r
)
2
i=1

Persamaa regresi polinom dapat dicari dengan metode eliminasi,
dan untuk polinom derajat dua, maka koefisien-koefisien regresi
polinom diperoleh dari sistem linier sebagai berikut:
n x
i
x
i
2
x
i
r
a
0
y
i

x
i
x
i
2
x
i
3
x
i
r+1
a
1
x
i
y
i

x
i
2
x
i
3
x
i
4
x
i
r+2
a
2
= x
i
2
y
i

. . . . . .
. . . . . .
. . . . . .
x
i
r
x
i
r+1
x
i
r+2
x
i
r+r
a
r
x
i
r
y
i

Contoh
contoh : carilah persamaan kurva polynomial
derajat dua yang mewakili data berikut :
x 0 1 2 3 4 5
y 2,1 7,7 13,6 27,2 40,9 61,1

n x
i
Y
i
x
i
2
x
i
3
x
i
4
x
i
y
i
x
i
2
y
i

1 0 2,1 0 0 0 0 0
2 1 7,7 1 1 1 7,7 7,7
3 2 13,6 4 8 16 27,2 54,4
4 3 27,2 9 27 81 81,6 244,8
5 4 40,9 16 64 256 163,6 654,4
6 5 61,1 25 75 625 305,5 1527,5
15 152,6 55 225 979 585,6 2488,8
Penyelesaian:
6 15 55 a
0
152,6


15 55 225 a
1
= 585,6


55 225 979 a
2
2488,8

Dengan menggunakan data tabel, dan dapat disusun sistem persamaan linear tersebut
maka diperoleh :
6a
0
+ 15a
1
+ 55a
2
= 152,6 a
2
= 1,86071
15a
0
+ 55a
1
+ 225a
2
= 585,6 nilai yang didapat a
1
= 2,35929
55a
0
+ 225a
1
+ 979a
2
= 2488,8 a
0
= 2,47857

Jadi persamaan kurva yang dicari adalah :

y = 2,47857 + 2,35929 x + 1,86071 x
2

Regresi Linear dengan Dua Peubah
Bentuk umum persamaan linear dengan dua peubah bebas adalah : z =
f(x,y) = c
0
+ c
1
.x + c
2
y
Simpangan kesalahan fungsi dengan data dinyatakan sebagai : E
ij
= ( c
0
+
c
1
.x
i
+ c
2
.y
i
)- f(x
i
,y
i
)
Jika ditetapkan fungsi simpangan S sebagai kuadrat simpangan :
S = (c
0
+ c
1
x
i
+ c
2
.y
i
z
i
)
2
+ (c
0
+ c
1
.x
1
+ c
2
.y
1
-z
1
)
2
+ ..... + (c
0
+ c
1
.x
m
+ c
2
.y
m
z
m
)
2


m x
i
y
i
c
0
z
i

x
i
x
i
2
x
i
y
i
c
1
= x
i
z
i

y
i
x
i
y
i
y
i
2
c
2
y
i
z
i
Contoh soal penerapan Analisis
Regresi dalam Rekayasa Sumber
Daya Air
Debit suatu aliran fluida dalam pipa bergantung
pada diameter pipa dan kemiringannya. Data
percobaan di laboratorium untuk mengukur
aliran fluida dalam pipa bulat dengan
kemiringan tertentu diberikan dalam tabel
berikut

No. Diameter, D (m) Kemiringan, S Debit, Q (m
3
/s)
1 0,3 0,005 0,4
2 0,6 0,005 0,235
3 0,9 0,005 0,685
4 0,3 0,05 0,135
5 0,6 0,05 0,82
6 0,9 0,05 2,4
7 0,3 0,1 0,315
8 0,6 0,1 1,95
9 0,9 0,1 5,6

Persamaa menghitung debit dinyatakan sebagai:
Q = a.D
b
.S
Dengan :
Q = debit aliran
D = diameter pipa (m)
S = kemiringan pipa
a,b,c = konstanta
Tentukan besarnya a,b,c dengan menggunakan
regresi linier. Gunakan hasil diperoleh untuk
menghiyung debit aliran melalui pipa
berdiameter 0,75 m dengan kemiringan 0,025.


Dengan menggunakan transformasi In, persamaan
tersebut diubah menjadi seperti berikut :

In (Q) = In a + b In (D) + c In (S)
Dengan misal
In (Q) = z In a = c
0

In (D) = X b = c
1

In (S) = y c = c
2

Maka persamaa tersebu menjadi
z = c
0
+ c
1
.x + c
2
.y
yang merupakan persamaan regresi dengan dua
peubah. Hitungan regresi ditabel berikut:
Tabel regresi
Selanjutnya disusun SPL untuk c
0,
c
1
, c
2
=
Yang dapat memberikan
c
0
= 3,337369 c
1
= 2,606933 c
2
= 0,658594
dan selanjutnya a, b dan c adalah
ln a = c
0
a = e
3,337369

b = c
1
= 2,606933
c = c
2
= 0,658594
sehingga persamaan debit aliran dapat ditulis sebagai
Q = 28,145.D
2,606933
.S
0,658594

Untuk D = 0,75 m dan S = 0,025
Q = 28,145.(0,75)
2,606933
.(0,025)
0,658594

Q = 1,171 m
2
/s
SEKIAN DAN TERIMAKASIH
ATAS PERHATIANNYA