ANALISIS REGRESI
METODA KUADRAT TERKECIL
Gambar 4.1 adalah titik-titik percobaan dari hasil pengukuran. Akan dicari
kurva g(x) yang dapat mewakili titik-titik percobaan tersebut.
y
Mi
yi
g(xi)
g(x)
Gi
xi
Gambar 4.1
Untuk maksud tersebut dibuat kurva yang meminimumkan perbedaan titiktitik data dan kurva. Metoda untuk mendapatkan kurva tersebut dikenal
dengan metoda kuadrat terkecil.
Metoda ini dilakukan dengan prosedur berikut:
1. Titik-titik percobaan diplot ke dalam suatu sistem koordinat. Dari gambar
plot titik data tersebut dapat diketahui pola secara umum dari kumpulan
titik data, sehingga dapat ditentukan apakah kurva yang mewakili berupa
garis lurus atau lengkung.
2. Dipilih suatu fungsi g(x) yang dianggap bisa mewakili f(x) yang
mempunyai bentuk umum
g(x) = a + b.x + c.x2 + d.x4 + ..
(4.1)
3. Ditentukan parameter a, b, c, d, .. sedemikian rupa sehingga g(xi: a, b,
c, d, ..) melalui sedekat mungkin titik-titik percobaan. Bentuk g(xi: a, b,
c, d, ..) mempunyai arti fungsi g(x) dengan parameter a, b, c, d, ..
4. Apabila koordinat dari titik-titik percobaan adalah M(xi, yi) dengan I = 1,
2, 3, .., n, maka selisih ordinat antara titik-titik tersebut dengan fungsi
g(xi: a, b, c, d, ..) adalah:
Ei = Mi.Gi = yi g(xi; a, b, c, d, ..)
= yi (a + b.x + c.x2 + d.x3 + ..)
5. Dipilih suatu fungsi g(x) yang mempunyai kesalahan Ei terkecil. Dengan
metoda ini, jumlah kuadrat dari kesalahan adalah:
D2 =
Ei =
i =1
{y
i =1
g(xi )}
(4.2)
Analisa Numerik
Analisis Regresi 1
D2
=0
a
D2
=0
b
D2
=0
(4.3)
c
D2
=0
d
M
7. Penyelesaian persamaan (4.3) akan memberikan hasil parameter a, b, c,
d, .. Dengan demikian persamaan kurva terbaik yang mewakili titik-titik
data akan diperoleh.
METODA KUADRAT TERKECIL UNTUK KURVA LINEAR
Bentuk paling sederhana dari regresi dengan metoda kuadrat terkecil adalah
apabila kurva yang mewakili titik-titik percobaan merupakan garis lurus,
sehingga persamaannya adalah
g(x) = a + b.x
(4.4)
Jumlah kuadrat dari kesalahan dihitung dengan pers. (4.2)
2
D =
{y i
2
g(xi )}
i =1
{y
i =1
a b.x i }
(4.5)
y i a b.x i = 0
a i =1
(4.6)
2 (y i a b.x i ) = 0
i =1
y a b.x
i
=0
yi a b.xi = 0
b i =1
(4.7)
2 ([y i a b.xi ] .x i ) = 0
i =1
y .x a.x b.x
i
Ferianto Raharjo
Analisa Numerik
=0
Analisis Regresi 2
Penjumlahan masing-masing suku pada pers. (4.6) dan (4.7) adalah dari
a sampai n, sehingga persamaan-persamaan tersebut dapat ditulis dalam
bentuk,
n.a + xi.b = yi
(4.8)
2
xi.a + xi .b = xi.yi
(4.9)
Dengan a = n.a
Selanjutnya pers. (4.8) dapat ditulis menjadi
n.a = yi xi.b
1
a = ( y i x i .b )
(4.10)
n
1
1
a = y i x i.b
n
n
atau
(4.11)
a = y b.x
Substitusi pers. (4.10) ke pers. (4.9)
1
2
xi. n ( yi x i.b) + x i .b = x i.y i
x y ( x ) .b + n x .b = n x .y
b.[n x ( x ) ] = n x .y x . y
2
atau
b=
n x i .yi
n x i
x y
( x )
(4.12)
r=
di mana: Dt2 =
{y
n
i =1
D2 =
{y
i =1
Dt
(4.13)
g(xi )}
D t D2
Ferianto Raharjo
Analisa Numerik
Analisis Regresi 3
Contoh 4.1:
Tentukan persamaan garis yang mewakili titik-titik data berikut
X
10
15
20
25
30
35
Y
25
30
33
36
38
39
Kemudian hitung derajat kesesuaian dari persamaan yang diperoleh.
Penyelesaian:
i
xi
yi
xi.yi
xi2
g(xi)
Dt2
D2
1
10
25
250
100
26,571429
72,25
2,469388
2
15
30
450
225
29,342857
12,25
0,431837
3
20
33
660
400
32,114286
0,25
0,784490
4
25
36
900
625
34,885714
6,25
1,241633
5
30
38
1140
900
37,657143
20,25
0,117551
6
35
39
1365
1225
40,428571
30,25
2,040816
135
201
4765
3475
141,50
7,085714
Nilai rerata dari X dan Y adalah:
x = 135 = 22,5
x=
n
6
y = 201 = 33,5
y=
n
6
Persamaan garis yang mewakili titik-titik data adalah
Y = a + b.x
dengan
n x i .yi x i yi
6 x 4765 - 135 x 201
b=
=
= 0,554286
2
2
6 x 3475 - (135)2
n x i ( xi )
a = y b.x = 33,5 0,554286 x 22,5 = 21,028571
sehingga persamaan garisnya adalah:
y = 21,028571 + 0,554286.x
dengan derajat kesesuaian:
2
r=
D t D2
Dt
141,50 7,085714
= 0,974641
141,50
REGRESI POLINOMIAL
Persamaan polinomial orde-n mempunyai bentuk
g(x) = a + b.x + c.x2 + d.x3 + ..
Jumlah kuadrat dari kesalahannya
2
D =
{y i
i =1
Ferianto Raharjo
2
g(xi )} = {yi
n
i =1
Analisa Numerik
Analisis Regresi 4
n
2
D2
2
2
= 2 yi a b.xi c.x i d.x i .....
b
i =1
n
2
D2
2
2
= 2 yi a b.xi c.x i d.x i .....
c
i =1
M
Persamaan tersebut dapat ditulis dalam bentuk
2
n
n
xi x i L x i a y i
2
3
n +1
xi xi
x i L x i b x i.y i
M
n
xi
M
n +1
xi
M
n+2
xi
L
O
L
n+ 2
M
n+n
xi
c =
M
M
.y i
M
n
x i .yi
Contoh 4.2:
Tentukan persamaan kurva polinomial orde-2 yang mewakili data berikut
X
10
15
20
25
30
35
Y
25
30
33
36
38
39
Kemudian hitung derajat kesesuaian dari persamaan yang diperoleh.
Penyelesaian:
Persamaan polinomial orde-2 mempunyai bentuk
g(x) = a + b.x + c.x2
Untuk polinomial orde-2, diferensial dari D2 terhadap tiap koefisien dari
polinomial menghasilkan bentuk
2
n
xi x i a yi
x x
x x
i
2
i
3
i
x
x
i
4
i
b =
c
x .y
x .y
i
2
xi
yi
x2
x3
x4
xi.yi
xi2.yi
g(xi)
Dt2
1
2
3
4
5
6
10
15
20
25
30
35
135
25
30
33
36
38
39
201
100
225
400
625
900
1225
3475
1000
3375
8000
15625
27000
42875
97875
10000
50625
160000
390625
810000
1500625
2921875
250
450
660
900
1140
1365
4765
2500
6750
13200
22500
34200
47775
126925
25,1429
29,6286
33,2571
36,0286
37,9429
39,0000
72,25
12,25
0,25
6,25
20,25
30,25
141,50
Analisa Numerik
D2
0,020
4
0,138
0
0,066
1
0,000
8
0,003
3
0,000
0
0,228
6
Analisis Regresi 5
22,5
579,1667
437,5
19687,5000
19687,5 909270,8333
201
4765
126925
a
b
c
33,5
242,5
10512,5
1
0
0
0
1
0
-433,3333
45,0000
23333,3333
a
b
c
21,0286
0,5543
-400,0000
1
0
0
0
1
0
0
0
1
a
b
c
13,6000
1,3257
-0,0171
r=
D t D2
Dt
141,50 0,2286
= 0,999192
141,50
Ferianto Raharjo
Analisa Numerik
fungsi
Analisis Regresi 6
Contoh 4.3:
Gunakan persamaan berpangkat untuk menentukan persamaan kurva
lengkung yang mewakili data berikut
X
0,05
0,40
0,80
1,20
1,60
2,00
2,40
Y
600
800
1050
1500
2050
2750
3800
Kemudian hitung derajat kesesuaian dari persamaan yang diperoleh.
Penyelesaian:
i
xi
yi
qi=loq x
pi = log y
qi.pi
qi2
1 0,05
600
-1,301030
2,778151
-3,614458
1,692679
2 0,40
800
-0,397940
2,903090
-1,155256
0,158356
3 0,80
1050
-0,096910
3,021189
-0,292783
0,009392
4 1,20
1500
0,079181
3,176091
0,251487
0,006270
5 1,60
2050
0,204120
3,311754
0,675995
0,041665
6 2,00
2750
0,301030
3,439333
1,035342
0,090619
7 2,40
3800
0,380211
3,579784
1,361074
0,144561
8,45
12550
-0,831338
22,209392
-1,738599
2,143541
Nilai rerata dari Y, p dan q adalah:
y = 12550 = 1792,8571
y=
n
7
p = 22,209392 = 3,1728
p=
n
7
q = 0,831338 = -0,1188
q=
n
7
B=
n qi.pi
n qi
q p
( q )
i
7x(-1,738599) - (-0,831338)x22,209392
=0,439671
7x2,143541 - (-0,831338)2
a = 1678,752796
b = 0,439671
xi
0,05
0,40
0,80
1,20
1,60
2,00
2,40
8,45
Ferianto Raharjo
yi
600
800
1050
1500
2050
2750
3800
12550
g(xi)
449,739617
1122,080285
1521,872234
1818,865032
2064,108183
2276,884554
2466,918123
Dt2
1422908,163265
985765,306122
551836,734694
85765,306122
66122,448980
916122,448980
4028622,448980
8057142,857143
Analisa Numerik
D2
22578,182568
103735,709800
222663,405409
101674,908584
199,040817
223838,225520
1777107,290720
2451796,763419
Analisis Regresi 7
r=
D t D2
Dt
8057142,857143 2451796,763419
= 0,834086
8057142,857143
Ferianto Raharjo
Analisa Numerik
Analisis Regresi 8
q=
q = 8,45
B=
n qi.pi
n qi
= 1,2071
q p
( q )
i
a = 576,960956
b = 0,785159
xi
0,05
0,40
0,80
1,20
1,60
2,00
2,40
8,45
yi
600
800
1050
1500
2050
2750
3800
12550
g(xi)
600,061735
789,846130
1081,280981
1480,248515
2026,425789
2774,129775
3797,719141
Dt2
1422908,163265
985765,306122
551836,734694
85765,306122
66122,448980
916122,448980
4028622,448980
8057142,857143
D2
0,003811
103,101083
978,499788
390,121163
555,743410
582,246041
5,202316
2614,917612
r=
D t D2
Dt
Ferianto Raharjo
8057142,857143 2614,917612
= 0,999838
8057142,857143
Analisa Numerik
Analisis Regresi 9