Anda di halaman 1dari 21

LOGO

ANALISIS REGRESI
(Pencocokan Kurva)
Oleh: Davi Apriandi
PROGRAM STUDI PENDIDIKAN MATEMATIKA FAKULTAS PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM IKIP PGRI MADIUN 2013

Bagaimana mendapatkan fungsi/ menggambar kurva 16 dengan baik?


Regresi Tidak semua titik harus dilalui/ dipenuhi. Memperoleh sebuah fungsi linier, kuadratik, atau kubik.

14 12 10 8 6 4 2 1 2

1. Regresi Linier: Mendapatkan sebuah garis lurus (fungsi linier) yang dianggap menggambarkan kondisi data.

Garis lurus mana yang dipilih: atau


Dasar/kriteria pemilihannya: Adalah total kesalahan minimum
1 2 3 4 5

Metode kuadrat terkecil

Penyelesaiannya adalah
1 1 a0 yi xi a1 y a1 x n n n xi yi xi yi a1 2 n xi ( xi ) 2

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

Dengan r adalah koefisien korelasi ,sedang St dan S diberikan oleh bentuk :


St ( yi y )
i 1 n n 2

S ( yi a0 a1 xi )
i 1

Nilai r bervariasi antara 0 dan 1. Untuk perkiraan yang sempurna nilai r = 1. Apabila r = 0 perkiraan suatu fungsi sangat jelek.

Contoh:
Tentukan persamaan garis yang mewakili data berikut:
x y 4 6 8 10 14 16 20 22 24 28 30 18 22 28 14 22 16 8 20 8

Penyelesaian: Tempatkan pasangan data ke dalam sistem koordinat xy. Kemudian buat garis lurus dengan teknik tangan bebas yang mana garis lurus tersebut sedapat mungkin melalui semua data yang ada

Berdasarkan tabel dan perhitungan diperoleh: a0 = 28,5849 dan a1 = -0,6569 Jadi persamaan garisnya adalah y = 28,5849 0,6569 x dengan koefisien korelasi sebesar 0,7232

Tugas
1. Buatlah regresi linier untuk data dibawah ini dan hitung koefisien korelasinya:
xi yi 0 -2 1 0 3 4 4 7 6 12

2. Diberikan data hubungan antara nilai x dan y berikut ini. Gambarkan sebaran titik data tersebut dalam sistem koordinat xy. Pelajari bentuk kurva yang sesuai berdasar sebaran titik data tersebut, dan buatlah persamaan garis yang dapat mewakilinya. Hitung pula koefisien korelasinya.

Linierisasi kurva tidak linier


Ketika dalam praktek dijumpai bahwa sebaran titik-titik pada sistem koordinat mempunyai kecendrungan (trend) berupa kurva lengkung, proses linerisasi perlu dilakukan agar persamaan y = a0 + a1x bisa digunakan. Kurva lengkung dapat didekati dengan beberapa tipe persamaan, misalnya bentuk y = a xb, y = a eb, y = a0 + a1x + a2x2 , atau persamaan lain Fungsi yang digunakan untuk transformasi data non linear menjadi linear yang biasa digunakan adalah fungsi eksponensial (y = a eb ) dan fungsi berpangkat (y = a xb )

a. Transformasi Logaritma Biasa (log) Misalkan persamaan kurva yang dicari adalah : y = a xb Transformasi dengan menggunakan fungsi log, sehingga : log y = log a xb log y = log a + b log x Dilakukan dengan transformasi berikut : p = log y B=b A = log a q = log x Sehingga persamaan di atas dapat ditulis p = A + B q

Contoh:
Hitungan regresi linier dengan transformasi log

b. Transformasi Logaritma Natural (ln)

Misalkan persamaan kurva mempunyai bentuk : y = a ebx Transformasi dengan menggunakan fungsi ln, sehingga persamaan di atas menjadi : ln y = ln a ebx ln y = ln a + ln ebx ln y = ln a + bx
Dilakukan transformasi berikut: p = ln y A = ln a q=x B=b Sehingga persamaan di atas dapat ditulis p = A + Bq

Contoh:
Hitungan regresi linier dengan transformasi ln

koefisien korelasi r untuk transformasi log adalah 0,99997 koefisien korelasi r untuk transformasi ln 0,92751, Karena korelasi r untuk transformasi log lebih besar dari korelasi r untuk transformasi ln, sehingga dapat disimpulkan bahwa persamaan yang didapat dari transformasi log adalah lebih baik.

Regresi Polinomial

Tugas
1. Buatlah persamaan berpangkat dan persamaan eksponensial yang mewakili titik data dalam tabel di bawah dan hitung koefisien korelasinya

2. Buatlah regresi kuadratik untuk data dibawah ini:

xi

1 2

2 6

4 11

yi

16