4.

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)

6. Dicari parameter a, b, c, d, .. sedemikian sehingga D2 adalah minimum.

Nilai D2 akan minimum apabila turunan pertamanya terhadap a, b, c, d,
.. adalah nol.
Ferianto Raharjo

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)

Agar nilai D2 minimum, maka pers. (4.5) diturunkan terhadap parameter

a dan b, kemudian dibuat sama dengan nol.
Turunan pertama terhadap parameter a,
D2
=0
a
2

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

Turunan pertama terhadap parameter b,

D2
=0
b

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)

dengan menggunakan pers. (4.11) dan (4.12) untuk menghitung koefisien

a dan b, maka fungsi g(x) dapat diperoleh.
Untuk mengetahui derajat kesesuaian dari persamaan yang diperoleh,
dihitung nilai koefisien korelasi yang berbentuk
2

r=
di mana: Dt2 =

{y
n

i =1

D2 =

{y
i =1

Dt

(4.13)

g(xi )}

D t D2

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 kurva lengkung.
Kurva lengkung dapat didekati dengan beberapa tipe persamaan, misalnya
bentuk a = a + b.x + c.x2, y = a.xb, y = a.eb.x, atau persamaan lain. Dari
beberapa alternatif tersebut, dipilih persamaan yang mempunyai nilai
koefisien korelasi terbesar (mendekati 1).

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

a b.xi c.x i d.xi .....

Analisa Numerik

Analisis Regresi 4

Persamaan tersebut diturunkan terhadap setiap koefisien dari polinomial

n
2
D2
2
2
= 2 yi a b.xi c.x i d.x i .....
a
i =1

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

Nilai rerata dari X dan Y adalah:

x = 135 = 22,5
x=
n
6
y = 201 = 33,5
y=
n
6
Ferianto Raharjo

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

Dari penyelesaian sistem persamaan diperoleh

6
135
3475
a
135
3475
97875
b
3475 97875
2921875
c
1
0
0

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

Sehingga persamaan kurvanya adalah:

y = 13,6000 + 1,3257.x 0,0171.x2
dengan derajat kesesuaian:
2

r=

D t D2
Dt

141,50 0,2286
= 0,999192
141,50

LINEARISASI KURVA TIDAK LINEAR

Persamaan Berpangkat (Transformasi log)
Persamaan berpangkat diberikan dalam bentuk
y = a.xb
Dengan a dan b sebagai konstanta
Persamaan tersebut dapat dilinearkan dengan menggunakan
logaritma,
log y = log a.xb
sehingga diperoleh
log y = log a + b.log x
Dilakukan transformasi berikut
p = log y
B=b
A = log a
q = log x
sehingga persamaan di atas dapat ditulis dalam bentuk
p = A + B.q

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 = p B.q = 3,1728 0,439671 x (-0,1188) = 3,224987

A = log a
B=b

a = 1678,752796
b = 0,439671

sehingga persamaan kurvanya adalah:

y = 1678,752796.x0,439671
i
1
2
3
4
5
6
7

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

dengan derajat kesesuaian:

2

r=

D t D2
Dt

8057142,857143 2451796,763419
= 0,834086
8057142,857143

Fungsi Eksponensial (Transformasi ln)

Fungsi eksponensial diberikan dalam bentuk
y = a.eb.x
Dengan a dan b sebagai konstanta
Persamaan tersebut dapat dilinearkan dengan menggunakan logaritma
natural,
ln y = ln a.eb.x
sehingga diperoleh
ln y = ln a + b.x ln e
Karena ln e = 1, maka
ln y = ln a + b.x
Dilakukan transformasi berikut
p = ln y
B=b
A = ln a
q=x
sehingga persamaan di atas dapat ditulis dalam bentuk
p = A + B.q
Contoh 4.4:
Gunakan fungsi eksponensial 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 = xi
pi = ln yi
qi.pi
qi2
1 0,05
600
0,05
6,396930
0,319846
0,002500
2 0,40
800
0,40
6,684612
2,673845
0,160000
3 0,80
1050
0,80
6,956545
5,565236
0,640000
4 1,20
1500
1,20
7,313220
8,775864
1,440000
5 1,60
2050
1,60
7,625595
12,200952
2,560000
6 2,00
2750
2,00
7,919356
15,838712
4,000000
7 2,40
3800
2,40
8,242756
19,782615
5,760000
8,45
12550
8,45
51,139015
65,157072
14,562500
Nilai rerata dari Y, p dan q adalah:
y = 12550 = 1792,8571
y=
n
7
p = 51,139015 = 7,3056
p=
n
7

Ferianto Raharjo

Analisa Numerik

Analisis Regresi 8

q=

q = 8,45

B=

n qi.pi

n qi

= 1,2071

q p
( q )
i

7 x 65,157072 - 8,45 x 51,139015

= 0,785159
7 x 14,562500 - (8,45)2

A = p B.q = 7,3056 0,785159 x 1,2071 = 6,357775

A = ln a
B=b

a = 576,960956
b = 0,785159

sehingga persamaan kurvanya adalah:

y = 576,960956.e0,785159.x
i
1
2
3
4
5
6
7

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

dengan derajat kesesuaian:

2

r=

D t D2
Dt

Ferianto Raharjo

8057142,857143 2614,917612
= 0,999838
8057142,857143

Analisa Numerik

Analisis Regresi 9