BAB V.

Curve Fitting
Oleh : Moch. Agus Choiron, ST., MT.

1. Curve Linear
y

y = f(x)

Persamaan
pendekatan
untuk regressi Linear dapat
dirumuskan :

f(x) = a + bx

1
a

y2

y1

x
Metode kuadrat terkecil

Jumlah kuadrat terkecil (D2)

D2 =

Ei =
i =1

2
{yi f(xi )}
i =1

{y i a bxi }

i =1

A dan b dicari d engan meminimumkan harga D2.

M

D 2
=0
a

-2

{y i a bx i }2 = 0

i =1

{yi a bxi } = 0
i =1

y I - a - b xi = 0
y I - n a - b xi = 0
n a = yI - b xi

D
=0
b

a=

yi
xi
-b
= y b x
n
n

{y i a bx i }2 = 0

i =1

-2

.. (1)

{yi a bxi } x = 0
i

i =1

xi y i - a xi - b xi2 = 0
a x i + b xi2 = xi y i
y i
xi
2
-b

xi + b xi = xi y i
n
n

xi y i - b { x i }2 + n b xi2 = n xi y i
Program Semi QUE IV Jurusan Teknik Mesin Unibraw

23

BAB V. Curve Fitting

Oleh : Moch. Agus Choiron, ST., MT.

b { n xi2 - { x i }2 } = n xi yI - xi y i
n x i y i xi y i

b=

n x i ( x i )
2

(2)

Untuk melihat derajat kesesuaian dari curve fitting dengan cara melihat
harga (Koefisien Korerlasi).
=

Dt D2
Dt

(berharga 0 s/d 1)

dengan Dt2 =

{y i y}
n

i =1

2. Curve Non-Linear
a. y = a ebx
Proses Linearisasi

ln y = ln a + b x ln e
= ln a + b x
Y = A +bx

Y = A + bx
y=ae

bx

ln y

b
1

x
xi
x1
x2
.
.
xn
xi
b=

yi
y1
y2
.
.
yn
y i

Yi = ln y i
ln y 1
ln y 2
.
.
ln y n
yi

xi Yi
x1 y 1
x2 y 2
.
.
xn y n
xi yi

xi2
x1 2
x2 2
.
.
xn 2
xi 2

n x iYi x i Yi

n xi ( x i )
Yi
xi
A=
-b
= Yb x
n
n
2

Program Semi QUE IV Jurusan Teknik Mesin Unibraw

A = ln a

a = eA

24

BAB V. Curve Fitting

Oleh : Moch. Agus Choiron, ST., MT.

b. y = a xb
Proses Linearisasi

log y = log a + b log x

Y = A +bX

Y = A + bX
y=ax

log y

b
1

x
xi
x1
x2
.
.
xn
xi

yi
y1
y2
.
.
yn
y i
b=
A=

X i = log xi
log x1
log x2
.
.
log xn
X i

Yi = log y i
log y 1
log y 2
.
.
log y n
YI

X i Yi
X 1 Y1
X 2 Y2
.
.
X n Yn
X i Yi

X i2
X 12
X 22
.
.
X n2
xi 2

n X i Yi X i Yi
n Xi ( Xi )
2

Yi
Xi
-b
= Yb X
n
n
A = log a a = log-1 A

c. Polinomial y = a 0 + a 1 x + a 2 x2+ .. + a r xr
Jumlah kuadrat dari kesalahan adalah :
D2 =

{yi a0 a1x i a2 xi
n

i =1

Dengan cara yang sama

meminimumkan harga D2.
M
M

D 2
= 0 -2
a 0
D 2
= 0 -2
a1

.... a r xi

konstanta

{yi a0 a1x i a2x i

n

i =1
n

dapat

dicari

dengan

.... ar x i = 0

x i {yi a0 a1x i a2x i

i =1

r 2

.... ar x i = 0

Program Semi QUE IV Jurusan Teknik Mesin Unibraw

25

BAB V. Curve Fitting

Oleh : Moch. Agus Choiron, ST., MT.

2
M D = 0 -2
a 2
.
.

D 2
= 0 -2
ar

xi

i =1

{y a
i

a1x i a 2 xi .... a r x i

x i {yi a0 a1x i a2 xi
n

i =1

.... a r x i

}= 0

}= 0

Atau dapat ditulis dalam bentuk matrik berikut :

n

xi
x 2
i
.

.
x ir

xi
2
xi

xi
3
xi

. .
. .

xi
.

xi
.

. .
. .

.
xi

.
r +1

xi

. .
r +2

. .

r
xi a0

r +1
xi a1
r+ 2
x i a2
=
. .

. .

r +n
x i ar

yi

xi y i
xi 2 y i

.
.

r
xi y i

Penyelesaian persamaan ini akan didapat a0, a 1, a2, .. ar

3. Curve Multi Linear / Non-Linear

Hubungan antara variabel terikat dengan lebih dari satu veriabel
bebas secara linier dapat dirumuskan sebagai berikut :
y = b 0 + b 1 x1 + b 2 x2 + b 3 x3 + ........ + bk xk
dimana:

y = variabel terikat

x1 s/d xk = variabel bebas

D2 =
D2 =

{Observed

Response Predicted Response}

i =1
n

{yi b0 b1x1i b2 x 2i b3x 3i ........ bk x ki }

i =1

Dengan Metode Kuadrat Terkecil, nilai D2 diturunkan terhadap

konstanta bo s/d bk dan diminimumkan (disamakan dengan nol),
sehingga dapat dicari nilai dari konstanta b o s/d b k.

Program Semi QUE IV Jurusan Teknik Mesin Unibraw

26

BAB V. Curve Fitting

Oleh : Moch. Agus Choiron, ST., MT.

Dirumuskan dalam bentuk matrik :

n

x 1i
x 2 i

x 3 i
.

.
x ki

x1i

x 2i

x 3i

...

x1i

x 1i x 2 i

x 1i x 3 i

...

x 1i x 2 i

x 2i

x 2 i x 3 i ...

x 1i x 3 i
.

x 2i x 3 i
.

x3i
.

.
x 1i x ki

.
x 2 i x ki

.
x 3 i x ki

...
.
.
...

x ki

x1i x ki
x 2 i x ki

x 3 i x ki
.

2
x ki

b 0

b1
b 2

b 4 =
.

.
bk

yi

x 1i y i
x 2 i y i

x 3 i y i
.

.
x ki y i

Contoh :
Selesaikan curve fitting dengan model y = c x1b1 x 2b2 dari data variabel y,
x1 dan x2 di tabel berikut ini.
Model non -linear dilinierisasi menjadi model linear.

Log y = log c + b 1 log x1 + b 2 log x2

Y = b0 + b 1 X1 + b2 X 2
No

x1

x2

Y = Log y

X1 = Log x 1

X2 = Log x 2

X1

X2

X1 X2

X1Y

X2Y

83.768

0.5

0.05

1.923

-0.301

-1.301

0.091

1.693

0.392

-0.579

-2.502

82.542

0.5

0.05

1.917

-0.301

-1.301

0.091

1.693

0.392

-0.577

-2.494

16.402

0.1

0.05

1.215

-1.000

-1.301

1.000

1.693

1.301

-1.215

-1.581

18.968

0.1

0.05

1.278

-1.00 0

-1.301

1.000

1.693

1.301

-1.278

-1.663

151.598

0.05

2.181

0.000

-1.301

0.000

1.693

0.000

0.000

-2.837

124.435

0.05

2.095

0.000

-1.301

0.000

1.693

0.000

0.000

-2.726

202.295

0.5

0.16

2.306

-0.301

-0.796

0.091

0.633

0.240

-0.694

-1.835

192.469

0.5

0.16

2.284

-0.301

-0.796

0.091

0.633

0.240

-0.688

-1.818

60.704

0.1

0.16

1.783

-1.000

-0.796

1.000

0.633

0.769

-1.783

-1.419

10

110.964

0.1

0.16

2.045

-1.000

-0.796

1.000

0.633

0.769

-2.045

-1.628

11

380.966

0.16

2.581

0.000

-0.796

0.000

0.633

0.000

0.000

-2.054

12

370.195

0.16

2.568

0.000

-0.796

0.000

0.633

0.000

0.000

-2.044

13

215.205

0.5

0.2

2.333

-0.301

-0.699

0.091

0.489

0.21 0

-0.702

-1.631

14

239.084

0.5

0.2

2.379

-0.301

-0.699

0.091

0.489

0.210

-0.716

-1.663

15

85.404

0.1

0.2

1.931

-1.000

-0.699

1.000

0.489

0.699

-1.931

-1.350

16

83.14

0.1

0.2

1.920

-1.000

-0.699

1.000

0.489

0.699

-1.920

-1.342

17

270.679

0.2

2.432

0.000

-0.699

0.000

0.489

0.000

0.000

-1.700

18

444.666

0.2

2.648

0.000

-0.699

0.000

0.489

0.000

0.000

-1.851

37.820

-7.806

-16.775

6.544

16.888

7.275

-14.129

-34.136

Program Semi QUE IV Jurusan Teknik Mesin Unibraw

27

BAB V. Curve Fitting

Oleh : Moch. Agus Choiron, ST., MT.

Dari tabel di atas akan didapatkan persamaan berikut ini:

18 b 0
+ -7.806 b1 + -16.775 b 2 = 37.820
-7.806 b 0 + 6.544 b1 + 7.275 b 2 = -14.129
-16.775 b 0 + 7.275 b1 + 16.888 b 2 = -34.136
Dengan prosedur numerik Gauss-Siedel didapatkan :
b0 = 3.2375
b1 = 0.7193
b2 = 0.8847
Y = b 0 + b 1 X 1 + b 2 X 2 = 3.2375 + 0.7193 X 1 + 0.8847 X 2
Karena model tersebut dilinearisasikan maka harus dikembalikan ke
model non linearnya yaitu meng-anti log-kan b 0-nya.
sehingga c = Log-1 3.2375 = 1727.825
Maka : y = 1727.825 x 10.7193 x 2 0.8847

Program Semi QUE IV Jurusan Teknik Mesin Unibraw

28