REGRESI

Curve Fitting
Regresi Linier
Regresi Eksponensial
Regresi Polynomial

Regresi

Curve Fitting: Kasus 1

Diberikan data berupa kumpulan titik-titik diskrit.
Diperlukan estimasi / perkiraan untuk
mendapatkan nilai dari titik-titik yang berada
di antara titik-titik diskrit tersebut

f(x0)

f(x0)

x0

x0
Regresi

Curve Fitting: Kasus 2

Dari kumpulan titik yang membentuk data, dapat
dibuat sebuah persamaan fungsi sederhana.

Regresi

Curve Fitting: Regresi

Jika data menunjukkan sebuah derajat kesalahan
atau noise, dapat dibuat kurva tunggal untuk
merepresentasikan trend data tersebut.

Regresi

Curve Fitting: Interpolasi

Jika data yang disediakan sudah sangat presisi,
pendekatan yang dilakukan adalah dengan
membuat kurva atau urutan kurva yang sesuai
yang melalui masing-masing titik.

Regresi

Regresi Linier
Regresi Linier digunakan untuk menentukan fungsi linier
yang paling sesuai dengan kumpulan titik data (xn,yn)
yang diketahui.

Sebaran data dengan kurva linier

Regresi

Untuk mendapatkan fungsi linier y=mx+c,

dicari nilai m dan c

N N

N xn yn xn yn
n =1 n =1
m = n =1
2
N
N

2
N xn xn
n =1
n =1
N

c=

y
n =1

x
n =1

N
Regresi

= y mx

Contoh Penyelesaian Regresi Linier

Carilah persamaan kurva linier jika diketahui data untuk
x dan y sebagai berikut:
xn
1
2
3
4
5
6
7

yn
0.5
2.5
2.0
4.0
3.5
6.0
5.5

N=7

x y

= 119.5

2
x
=
140
y
=
24
.
0
x
=
28

n
n

28
x=
=4
7
m=

24
y=
= 3.428571
7

7 x119.5 28 x 24
= 0.8392857
2
7 x140 28

c = y mx = 3.428571 0.8392857 x 4

= 0.0714282

Sehingga persamaan kurva linier :

y = 0.8392857
x + 0.0714282
Regresi

Tabel data hasil regresi

kurva

y = 0.8392857 x + 0.0714282

Regresi

No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

x
1
1.5
2
2.5
3
3.5
4
4.5
5
5.5
6
6.5
7
7.5
8
8.5
9
9.5
10

y
0.910714
1.33036
1.75
2.16964
2.58929
3.00893
3.42857
3.84821
4.26786
4.6875
5.10714
5.52679
5.94643
6.36607
6.78571
7.20536
7.625
8.04464
8.46429
9

Algoritma Regresi Linier

1. Tentukan N titik data yang diketahui dalam (xi,yi) untuk
i = 1,2,3,..,N
2. Hitung nilai m dan c dengan menggunakan formulasi
dari regresi linier
3. Tampilkan fungsi linier
4. Hitung fungsi linier tersebut dalam range x dan step dx
tertentu
5. Tampilkan hasil tabel (xn,yn) dari hasil fungsi linier
tersebut

Regresi

10

Regresi Eksponensial
Regresi Eksponensial digunakan untuk menentukan fungsi
eksponensial yang paling sesuai dengan kumpulan
titik data (xn,yn) yang diketahui.
Regresi Eksponensial
merupakan pengembangan dari
regresi linier dengan
memanfaatkan fungsi logaritmik

y = e ax +b

Untuk fungsi
dapat di logaritma-kan menjadi
atau

ln y = ln e ax +b

ln y = ax + b
jika z = ax + b maka: z = ln y
Regresi

11

Contoh Penyelesaian Regresi Eksponensial

Carilah persamaan kurva eksponensial jika diketahui data
untuk x dan y sebagai berikut:
xi
1
2
3
4
5

yi
0.5
1.7
3.4
5.7
8.4

zi = ln y

-0.6931
0.5306
1.2238
1.7405
2.1282

Cari nilai a dan b seperti mencari

nilai m dan c pada regresi linier

= 15

= 4.93

xn zn = 21.6425

N=5

2
x
n = 55

Sehingga persamaan kurva

eksponensial menjadi:

5 x 21.6425 15 x 4.93
a=
= 0.685
2
5 x55 (15)

y=e

4.93
15
b=
0.685 x = 1.069
5
5
Regresi

0.685 x 1.069

12

Tabel data hasil regresi

i
1
2
3
4
5
6
7
8
9
10

Kurva eksponensial

y=e

x
1
1.5
2
2.5
3
3.5
4
4.5
5
5.5

y
0.6811
0.9593
1.3512
1.9031
2.6805
3.7754
5.3175
7.4895
10.5487
14.8574

0.685 x 1.069

Regresi

13

Algoritma Regresi Eksponensial

1. Tentukan N titik data yang diketahui dalam (xi,yi) untuk
i = 1,2,3,..,N
2. Ubah nilai y menjadi z dengan z = ln y
3. Hitung nilai a dan b dengan menggunakan formulasi dari
regresi linier (seperti mencari m dan c)
ax + b
4. Tampilkan fungsi eksponensial y = e
5. Hitung fungsi eksponensial tersebut dalam range x dan
step dx tertentu
6. Tampilkan hasil tabel (xn,yn) dari hasil fungsi eksponensial
tersebut
Regresi

14

Regresi Polynomial
Regresi Polynomial digunakan untuk menentukan fungsi
polinomial yang paling sesuai dengan kumpulan
titik data (xn,yn) yang diketahui.
Fungsi Pendekatan :

y = a0 + a1 x + a2 x 2 + .. + an x n
Untuk persamaan polinomial orde 2
didapatkan hubungan :
n
n
n

2
xi )a1 + ( xi )a 2 = yi
na0 + (i
i =1
i =1
=1

n
n
n
n
2
3
( xi )a0 + ( xi )a1 + ( xi )a 2 = ( xi yi )
i =1
i =1
i =1
i =1
n
n
n
n 2
3
4
2
+
+
=
(
x
)
a
(
x
)
a
(
x
)
a
(
x
yi )

i
0
i
1
i
2
i

i =1
i =1
i =1 15
i =1
Regresi

Contoh Penyelesaian Regresi Polinomial

Carilah persamaan kurva polinomial jika diketahui data
untuk x dan y sebagai berikut:
xi
0
1
2
3
4
5

yi
2.1
7.7
13.6
27.2
40.9
61.1

2
x
xi yi = 585.6 i yi = 2488.8

n=6

xi = 15 yi = 152.6 x = 2.5 y = 25.433

4
x
x = 55 x = 225 i = 979
2
i

3
i

6 15 55 a0 152.6
15 55 225 a = 585.6

1
55 225 979 a 2 2488.8
a0 2.47857
sehingga

a1 = 2.35929
2
y=2.47857+2.35929x+1.86071x
a 1.86071
Regresi

16

Tabel data hasil regresi

i
1
2
3
4
5
6
7
8
9
10

Kurva polinomial

x
1
1.5
2
2.5
3
3.5
4
4.5
5
5.5

y
6.69857
10.2041
14.64
20.0062
26.3028
33.5298
41.6871
50.7748
60.7928
71.7411

y=2.47857+2.35929x+1.86071x2

Regresi

17

Algoritma Regresi Polinomial

1. Tentukan N titik data yang diketahui dalam (xi,yi) untuk
i = 1,2,3,..,N
2. Hitung nilai-nilai yang berhubungan dengan jumlahan
data untuk mengisi matrik normal
3. Hitung nilai koefisien a0, a1,a2 dengan menggunakan
eliminasi Gauss/Gauss-Jordan
2
n
4. Tampilkan fungsi polinomial y = a0 + a1 x + a2 x + .. + an x
5. Hitung fungsi polinomial tersebut dalam range x dan step
dx tertentu
6. Tampilkan hasil tabel (xn,yn) dari hasil fungsi polinomial
tersebut
Regresi

18