Anum 3&4 - Linear Equations, Curve Fitting

MAKALAH
LINEAR EQUATIONS
CURVE FITTING
Disusun Guna Memenuhi Tugas Mata Kuliah Analisa Numerik & Pemodelan
Oleh:
NO
1.
2.
3.
4.
5.
6.
NAMA
Rifky Wijaya
Ginanjar Saputra
Hany Kusumawati
M. Kidam Hady
Merliana Krisencia
Dea Anggraheni P.
NIM
3334130273
3334130779
3334131303
3334132302
3334132309
3334132493
JURUSAN TEKNIK METALURGI

FAKULTAS TEKNIK
UNIVERSITAS SULTAN AGENG TIRTAYASA
CILEGON BANTEN
2014
LINEAR EQUATIONS
Sistem persamaan linier memiliki bentuk umum:
yang dapat diterjemahkan ke dalam matriks:
][
dan dinotasikan
. Untuk mencari nilai variabel-variabelnya, suatu sistem persamaan
linier dapat diselesaikan menggunakan beberapa metode, di antaranya:
1. Cramer Method
2. Inverse Matrix Method
3. Gauss Elimination Method
4. Gauss-Jordan Elimination Method
5. LU Decomposition Method
CONTOH 1
Tentukanlah nilai x1 dan x2 menggunakan metode invers matriks jika diketahui sistem
persamaan linier sebagai berikut:
{
Secara MANUAL
Persamaan linier terlebih dahulu diungkapkan dalam matriks:
[
*
* +
+* +
* +
diperoleh bentuk
*
Jika
*
+* +
* +
, sehingga
+, maka
( )
* +
+
* +
( )(
) (
)( )
+ * +
Didapatkan nilai x1 = -1 dan x2 = -3

Rifky, Ginanjar, Hany, Kidam, Merliana, Dea
Analisa Numerik & Pemodelan (B)
3
Dengan bantuan MATLAB
Persamaan linier di atas dapat diselesaikan melalui metode invers matriks dengan menulis
salah satu perintah berikut pada command window MATLAB:
1)
Command backslash, yaitu

>> A = [3 -2; 2 -3]
A =
3
-2
2
-3
>> B = [3; 7]
B =
3
7
>> x = A\B
x =
-1
-3
2)
Command linsolve, yaitu
>> A = [3 -2; 2 -3]

A =
3
-2
2
-3
>> B = [3; 7]
B =
3
7
>> x = linsolve(A,B)
x =
-1
-3
3)
Command inv, yaitu
( )
>> A = [3 -2; 2 -3]

A =
3
-2
2
-3
>> B = [3; 7]
B =
3
7
>> x = inv(A)*B
x =
-1
-3
Dapat dilihat bahwa dari ketiga cara di atas juga diperoleh nilai x1 = -1 dan x2 = -3.

4
CONTOH 2
Menyelesaikan sistem persamaan linier berikut menggunakan metode eliminasi Gauss:
{
Secara MANUAL
Persamaan linier terlebih dahulu diungkapkan dalam matriks:
[
Tahap 1, yaitu forward elimination. Baris pertama dikalikan dengan
kemudian
hasilnya dikurangkan terhadap baris kedua dan ketiga supaya nilai x1 tereliminasi:
( )
[
|
]
( )
Setelah itu, baris kedua dikalikan dengan
kemudian hasilnya dikurangkan terhadap
baris ketiga supaya nilai x2 tereliminasi:
( )
[
Dari hasil eliminasi x1 dan x2, diperoleh persamaan:
Tahap 2, back substitution.

(
)
)
Melalui metode eliminasi Gauss, diperoleh penyelesaian persamaan linier pada Contoh 2
yaitu x1 = -1, x2 = 3, dan x3 = 2.
Verifikasi:
(
(
(
)
)
)
( )
( )
( )
( )
( )
( )

5
Sebelum menyelesaikan persamaan linier di command window, terlebih dahulu membuat
script (File New Script) metode eliminasi Gauss berikut di tab Editor:
function x = Gauss(a,b)
% The function solve a system of linear equations [a][x]=[b] using the
Gauss
% elimination method.
% Input variables:
% a The matrix of coefficients.
% b A column vector of constants.
% Output variable:
% x A column vector with the solution.
ab = [a,b];
[R, C] = size(ab);
for j = 1:R-1
for i = j+1:R
ab(i,j:C) = ab(i,j:C)-ab(i,j)/ab(j,j)*ab(j,j:C);
end
end
x = zeros(R,1);
x(R) = ab(R,C)/ab(R,R);
for i = R-1:-1:1
x(i)=(ab(i,C)-ab(i,i+1:R)*x(i+1:R))/ab(i,i);
end
Setelah script dibuat dan disimpan, langkah berikutnya adalah membuka command window.
Masukkan komponen matriks A serta matriks B kemudian tuliskan perintah x = Gauss(A,B)
seperti di bawah ini:
>> A = [10 -5 2; -2 9 -2; -2 -3 10]
A =
10
-5
2
-2
9
-2
-2
-3
10
>> B = [-21; 25; 13]
B =
-21
25
13
>> x = Gauss(A,B)
x =
-1.0000
3.0000
2.0000
Akan diperoleh hasil x = -1, 3, dan 2 sesuai perhitungan manual.

CURVE FITTING
Pencocokan kurva (curve fitting) adalah suatu teknik penanganan data hasil pengukuran
suatu variabel agar diperoleh gambaran jelas mengenai sifat-sifat atau perilaku variabel yang
diukur. Metode paling sederhana untuk mencocokkan data kepada suatu kurva tertentu adalah
dengan mengeplot titik-titik data dan menarik garis yang bersesuaian dengan data tersebut.
Pencocokan kurva dapat dilakukan dengan metode regresi linier ataupun regresi polinomial.
CONTOH 1
Gunakan metode regresi linier untuk memperoleh fungsi linier yang dicocokkan kepada titiktitik data pada tabel di bawah ini:
i
1
1,0
2,2
2
1,5
3,4
3
2,0
4,1
4
2,5
5,3
5
3,0
6,7
6
3,5
7,5
7
4,0
8,8
Secara MANUAL
Agar diperoleh persamaan garis yang cocok dengan data dan memiliki simpangan
minimum, dimisalkan fungsi pendekatan linier:
( )
..................(1)
dimana a dan b merupakan konstanta-konstanta sembarang. Adapun penyimpangan setiap
titik data dengan fungsi dinyatakan oleh:
( )
(
)
..................(2)
..................(3)
dengan M yaitu jumlah total titik-titik data. Simpangan harga antara besaran yang teramati
(observed value, yi) dengan harga prediksi (predicted value, y(xi)) sering disebut residu.
Pada contoh di atas, ada tujuh titik data, dengan a dan b merupakan konstantakonstanta yang akan ditentukan kemudian. Total kuadrat simpangan data (residu)
dinyatakan dengan:
( )
.................. (4)
Untuk menentukan harga dari a dan b, harus dilakukan dengan meminimisasi D.

Minimisasi terhadap total kuadrat simpangan dinyatakan dengan menurunkan satu kali D
terhadap parameter a dan b:
)
.................. (5)
Pada keadaan minimum, turunan D terhadap a dan b sama dengan nol, sehingga:
..................(6)
..................(7)
Dari persamaan (5) dapat didefinisikan bentuk-bentuk jumlahan (sum) sebagai berikut:
..................(8)

Berdasarkan definisi (6) dan (7), dimiliki dua persamaan linier simultan sebagai berikut:
..................(9)
yang dapat dituliskan kembali dalam bentuk matriks:
[
]* +
..................(10)
dengan penyelesaian sebagai berikut:

..................(11)
..................(12)
Jawaban Contoh 1:
i
1
2
3
4
5
6
7
1,0
1,5
2,0
2,5
3,0
3,5
4,0
2,2
3,4
4,1
5,3
6,7
7,5
8,8
1,0
2,25
4,0
6,25
9,0
12,25
16
Melalui tabel, diperoleh informasi:
;
;
2,2
5,1
8,2
13,25
20,1
26,25
35,2
Untuk mencari nilai dari a dan b:

[
* +
]* +
* +
]
(
* +
]
[
)(
][
(
]
)
* +
[
]
(
)(
( )(
)
)
(
(
)(
)(
)
)

8
(
( )(
)(
( )(
(
)(
)
)
Maka, persamaan garis hasil regresi linier yaitu:
Seberapa baik hasil pencocokan kurva yang telah dilakukan?

Syarat:
dan r = 1
i
1
2
3
4
5
6
7
Ratarata
1,0
1,5
2,0
2,5
3,0
3,5
4,0
17,5
(
)
10,4239
4,1152
1,7652
0,0165
1,6165
4,2907
11,3663
33,5943
2,2
3,4
4,1
5,3
6,7
7,5
8,8
38
)
0,0025
0,0247
0,0556
0,0165
0,0319
0,013
0,0086
0,1528
Sum of the square of the errors:

Sum of the square around the mean:
Standard errors of the estimation:
Standard deviation:
Karena
maka kurva hasil regresi linier telah memenuhi syarat.
Coefficient of determination:
Nilai
(sangat mendekati 1), sehingga regresi linier menghasilkan kurva
pencocokan yang paling baik.
Langkah pertama yang harus dilakukan adalah meng-input data x, data y, serta perintah
plot pada Command Window.
>> x = [1.0 1.5 2.0 2.5 3.0 3.5 4.0];
>> y = [2.2 3.4 4.1 5.3 6.7 7.5 8.8];
>> plot(x,y,'*')
Sehingga muncul Figure Window yang memuat grafik hasil plot data (Gambar 1). Untuk
memberi judul grafik, legenda, ataupun melabeli sumbu x dan sumbu y, pilih menu Insert
lalu centang X label, Y label, Title, dan Legend.

Gambar 1 Grafik Hubungan Data-x dan Data-y
Gambar 2 Regresi Linier Grafik Hubungan Data-x dan Data-y
Regresi linier dapat dilakukan pada menu Tools Basic Fitting. Pada Basic Fitting
Window, centang pilihan linear di bagian Plot fits.
Centang Show equations untuk menampilkan persamaan garis.
Persamaan garis hasil regresi linier yang diperoleh dengan bantuan MATLAB adalah
sama dengan hasil perhitungan manual,
10
Pilih menu Tools Edit Plot, klik kanan grafik lalu pilih Show Property Editor untuk
mengatur-atur warna garis, tebal garis, atau jenis marker.
Centang Plot residuals untuk menampilkan ilustrasi simpangan data (terletak di bawah
grafik hasil regresi).
Gambar 3 Regresi Linier Grafik Hubungan Data-x dan Data-y disertai Residual Plot


Anum 3&amp;4 - Linear Equations, Curve Fitting

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Anum 3&amp;4 - Linear Equations, Curve Fitting

Diunggah oleh

Hak Cipta:

Format Tersedia

MAKALAH

JURUSAN TEKNIK METALURGI

yang dapat diterjemahkan ke dalam matriks:

Didapatkan nilai x1 = -1 dan x2 = -3

Command backslash, yaitu

Command linsolve, yaitu

>> A = [3 -2; 2 -3]

Command inv, yaitu

>> A = [3 -2; 2 -3]

Rifky, Ginanjar, Hany, Kidam, Merliana, Dea

Tahap 1, yaitu forward elimination. Baris pertama dikalikan dengan

Setelah itu, baris kedua dikalikan dengan

kemudian hasilnya dikurangkan terhadap

baris ketiga supaya nilai x2 tereliminasi:

Dari hasil eliminasi x1 dan x2, diperoleh persamaan:

Tahap 2, back substitution.

Rifky, Ginanjar, Hany, Kidam, Merliana, Dea

Akan diperoleh hasil x = -1, 3, dan 2 sesuai perhitungan manual.

Rifky, Ginanjar, Hany, Kidam, Merliana, Dea

Untuk menentukan harga dari a dan b, harus dilakukan dengan meminimisasi D.

Rifky, Ginanjar, Hany, Kidam, Merliana, Dea

dengan penyelesaian sebagai berikut:

Melalui tabel, diperoleh informasi:

Untuk mencari nilai dari a dan b:

Rifky, Ginanjar, Hany, Kidam, Merliana, Dea

Maka, persamaan garis hasil regresi linier yaitu:

Seberapa baik hasil pencocokan kurva yang telah dilakukan?

Sum of the square of the errors:

maka kurva hasil regresi linier telah memenuhi syarat.

Rifky, Ginanjar, Hany, Kidam, Merliana, Dea

Gambar 1 Grafik Hubungan Data-x dan Data-y

Gambar 2 Regresi Linier Grafik Hubungan Data-x dan Data-y

Rifky, Ginanjar, Hany, Kidam, Merliana, Dea

Anda mungkin juga menyukai

Anum 3&4 - Linear Equations, Curve Fitting

Anum 3&4 - Linear Equations, Curve Fitting