LAPORAN PRAKTIKUM KOMPUTASI PROSES

VI. REGRESI LINIER DENGAN METODE KUADRAT TERKECIL

DISUSUN OLEH :
Nama

: Fajar Hamida Munfaridi

NIM

: 13521084

Kelas

: D

Asisten

: 1. Heni Anggorowati
2. Andry Septian
3. Agus Kurniawan
4. Khuriyati Amalina

LABORATORIUM KOMPUTASI PROSES

JURUSAN TEKNIK KIMIA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS ISLAM INDONESIA
YOGYAKARTA
2015
0

BAB I
PENDAHULUAN

A. Tujuan
Agar mahasiswa dapat menyusun persamaan empirik dari data yang ada dengan
menggunakan pendekatan secara numeris.

B. Dasar Teori
Metode Kuadrat Terkecil (Least Square Method) linier adalah suatu metode
yang digunakan untuk menentukan hubungan linier dari suatu data agar dapat diprediksi
nilai-nilainya yang mana nilai tersebut tidak terdapat pada data-data yang kita miliki;
terkadang

proses yang melibatkan metode kuadrat terkecil untuk menentukan

hubungan dua variabel data berupa fungsi linier disebut sebagai regresi linier.
Metode Kuadrat Terkecil ditemukan oleh Carl F. Gauss (matematikawan dan
fisikawan ternama asal Jerman, abad ke-17) ketika ia masih berumur 18 tahun, dan
karyanya ini masih dipakai sampai saat ini sebagai metode yang paling baik untuk
menentukan hubungan linier dari dua variabel data. Dengan metode kuadrat terkecil,
kita dapat menyajikan data dengan lebih berguna.
Metode kuadrat terkecil, yang lebih dikenal dengan nama Least-Squares
Method, adalah salah satu metode pendekatan yang paling penting dalam dunia
keteknikan untuk:
a. Regresi ataupun pembentukan persamaan dari titik-titik data diskretnya
(dalam pemodelan), dan
b. Analisis sesatan pengukuran (dalam validasi model).
Metode kuadrat terkecil termasuk dalam keluarga metode-metode pendekatan
sesatan terdistribusi (distributed error approximation methods), berdasarkan
karakterisik kerjanya yang melakukan pengurangan sesatan menyeluruh (global error)
yang terukur berdasarkan interval pendekatan keseluruhan (whole approximation
interval) sesuai dengan order pendekatan yang meningkat. Metode ini berbeda dengan
metode-metode asimptotis, khususnya yang dikembangkan melalui pendekatan melalui
deret Taylor, karena metode asimptotis memiliki karakteristik kerja yang memperkecil
sesatan pada beberapa titik tertentu, sesuai dengan order pendekatan yang meningkat.

Metode yang dapat digunakan untuk analisis time series ini adalah
a. Metode Garis Linier Secara Bebas (Free Hand Method)
b. Metode Setengah Rata-Rata (Semi Average Method)
c. Metode Rata-Rata Bergerak (Moving Average Method)
d. Metode Kuadrat Terkecil (Least Square Method)

Secara khusus, analisis time series dengan metode kuadrat terkecil dapat dibagi
dalam dua kasus, yaitu kasus data genap dan kasus data ganjil. Persamaan garis linear
dari analisis time series akan mengikuti:
Y = a + b X.
Keterangan : Y adalah variabel dependen (tak-bebas) yang dicari trendsnya dan
X adalah variabel independen (bebas) dengan menggunakan waktu (biasanya dalam
tahun).
Sedangkan untuk mencari nilai konstanta (a) dan parameter (b) dapat dipakai
persamaan:
a = Y / N dan
b = XY / X2
Bentuk persamaan : y = ax
Misal tersedia data :
x

x1

x2

x3

...

xn-1

xn

y1

y2

y3

...

yn-1

yn

Ingin dicari harga a yang sesuai

Untuk pasangan harga xi, yi, maka errornya adalah :
= (6.1)
=
Sehingga harga Sum of Squares of Errors (SSE) adalah

= ( )2 (6.2)
=1

= ()
Harga SSE tergantung pada harga a yang dipakai. Harga a yang akan terbaik adalah
yang memberikan SSE minimum. Harga SSE akan minimum bila :


= 0 (6.3)

Sehingga :

= 2( ) (6.4)

=1

=0
( )2 ( ) = 0
=

( )
. (6.5)
( )2

Bentuk persamaan : y = a0 + a1.x

Dengan cara yang sama akan diperoleh :

= (0 + )2 (6.6)
=1

= (0 , 1 )
Harga SSE akan minimum bila :

= 0
=0
0
1
Maka :

= 2(0 + ) 1
0
=1

=0
0 + 1 = (6.7)

= 2(0 + )
1
=1

0 + 2 = (6.8)
Maka akan diperoleh 2 persamaan dengan 2 bilangan yang tidak diketahui (a0 dan a1),
sehingga harga a0 dan a1 dapat dicari.

Algoritma :
1. Untuk persamaan y = ao.x
a. Mendefinisikan bentuk persamaan y = ao.x
b. Menentukan data nilai x dan y
c. Menentukan nilai (x,y) dan x2
d. Menentukan jumlah x, y, x2 dan (x,y)
e. Mencari tetapan nilai ao
0 =

( )
2

2. Untuk persamaan y = ao + aix

a. Mendefinisikan bentuk persamaan y = ao + aix
b. Menentukan nilai x dan y
c. Menentukan nilai x2 dan x*y
d. Menentukan jumlah x, y, x2, dan x*y
e. Masukkan nilai yang sudah didapat ke persamaan
0 + = (1)
0 + 2 = (2)
f. Mengeleminasi kedua persamaan sehingga mendapatkan ao / ai.
g. Mensubstitusikan nilai ao dan ai kedalam y = ao + aix

BAB II
PERSOALAN DAN PENYELESAIAN

A. Latihan
1. = 0 .
n
1
2
3
4
5
6

= 0.1405

= ao.x

= 0.1405x

x
2
5
6
8
10
14
45

y
0.5300
0.6000
0.4500
0.7800
1.2700
2.4300
6.0600

x2
4
25
36
64
100
196
425

x.y
1.0600
3.0000
2.7000
6.2400
12.7000
34.0200
59.7200

2. = 0 + 1
n
1
2
3
4
5
6
7
8
9
10

x
1.00
2.35
4.45
5.76
7.23
9.45
10.75
11.08
12.95
14.32
79.34

y
2.20
3.40
5.40
6.80
10.04
11.65
12.61
13.80
15.54
16.06
97.50

x2
1.0000
5.5225
19.8025
33.1776
52.2729
89.3025
115.5625
122.7664
167.7025
205.0624
812.1718

x.y
2.2000
7.9900
24.0300
39.1680
72.5892
110.0925
135.5575
152.9040
201.2430
229.9792
975.7534

10

a0+ a1*

79.34

97.50

79.34

793.4

a0+ a1*

6294.84 =

79.34

a0+ a1*

812.1718

975.7534

10

793.4

a0+ a1*

8121.72 = 9757.534

10

a0+ 87.8088

97.50

a0

0.9691

1.1067 x

y=a0+a1x
y=

0.9691

7735.65

a1* -1826.88 =

-2021.88

a1 =

1.1067

3. Berikut ini adalah data-data konsentrasi vs waktu untuk reaksi orde 1

Ca (gmol/L) 1 0.953 0.7832 0.6382 0.4125 0.216
t (detik)
0
40
80
120
160
200

Hitunglah nilai (k) konstanta kecepatan reaksinya!

= .
0

= 0 .
n
1
2
3
4
5
6

x
0
40
80
120
160
200
600

y
0.0000
-0.0481
-0.2444
-0.4491
-0.8855
-1.5325
-3.1596

x2
0
1600
6400
14400
25600
40000
88000

x.y
0.0000
-1.9256
-19.5494
-53.8924
-141.6831
-306.4954
-523.5458

ao = -k
ao

= -0.0059

k = 0.0059

4. Tentukan tetapan dalam persamaan y = ao +a1x, supaya memenuhi data tersebut :

x
y

2
0.55

3.4
1.45

5.5
2.24

7.9
3.15

9.2
3.95

y = ao + aix
n
1
2
3
4
5

x
2.00
3.40
5.50
7.90
9.20
28.00

y
0.55
1.45
2.24
3.15
3.95
11.34

x2
x.y
4.0000 1.1000
11.5600 4.9300
30.2500 12.3200
62.4100 24.8850
84.6400 36.3400
192.86
79.58

a0+ a1*

28.00

11.34

28.00

140

a0+ a1*

784.00 =

28.00

a0+ a1*

192.8600

79.5750

140

a0+ a1*

964.30 = 397.875

a0+ 12.4789

11.34

a0

-0.2278

-0.2278

0.4457 x

y=a0+a1x
y=

317.52

a1* -180.30 =

-80.355

a1 =

0.4457

B. Tugas
1. Berikut ini adalah data-data konsentrasi vs waktu untuk reaksi orde 1
Ca (gmol/L)
t (detik)

3
0

2.7357
25

2.1089
50

1.65
75

1.1195
100

0.78
125

0.32
150

0.1
175

Hitunglah nilai (k) konstanta kecepatan reaksinya!

= .

y = ao.x
n
1
2
3
4
5
6
7
8

x
0
25
50
75
100
125
150
175
700

y
0.0000
-0.0922
-0.3524
-0.5978
-0.9857
-1.3471
-2.2380
-3.4012
-9

x2
0
625
2500
5625
10000
15625
22500
30625
87500

x.y
0.0000
-2.3056
-17.6223
-44.8378
-98.5730
-168.3842
-335.7070
-595.2095
-1263

ao = -k
ao = -0.0144
k =0.0144

2. Diketahui data kebutuhan Dietil Eter dari tahun 2008-2014 adalah sebagai berikut :

Tahun Kebutuhan Dietil Eter (Ton/Tahun)

2008
2154
2009
4567
2010
5917
2011
7390
2012
8582
2013
9534
2014
10986

Ramalkan berapa kebutuhan Dietil Eter pada tahun 2018 !

n
x
y
x2
1 2008 2154 4032064
2 2009 4567 4036081
3 2010 5917 4040100
4 2011 7390 4044121
5 2012 8582 4048144
6 2013 9534 4052169
7 2014 10986 4056196
14077 49130 28308875

x.y
4325232
9175103
11893170
14861290
17266984
19191942
22125804
98839525

10

a0+

a1*

14077

49130

14077

98539

a0+

a1*

198161929

691603010

14077

a0+

a1*

28308875

98839525

98539

a0+

a1*

198162125

691876675

a1*

-196

-273665

a1

1396.2500

a0+

19655011.2500

49130.00

a0

-2800840.1786

y=

-2800840.1786

1396.2500

y=

-2800840.1786

1396.2500

y=

16792.3214

y=a0+a1x
x
*

2018

Jadi kebutuhan Dietil Eter pada tahun 2018 adalah sebanyak = 16792.3214 Ton/Tahun

11

BAB III
PENUTUP
A. Kesimpulan
Kualitatif :
1. Metode Kuadrat Terkecil (Least Square Method) linier adalah suatu metode yang
digunakan untuk menentukan hubungan linier dari suatu data agar dapat diprediksi
nilai-nilainya yang mana nilai tersebut tidak terdapat pada data-data yang kita
miliki; terkadang

proses yang melibatkan metode kuadrat terkecil untuk

menentukan hubungan dua variabel data berupa fungsi linier disebut sebagai regresi
linier.
2. Regresi linear adalah alat statistik yang dipergunakan untuk mengetahui pengaruh
antara satu atau beberapa variabel terhadap satu buah variabel. Regresi linier
metode kuadrat terkecil dapat digunakan untuk interpolasi atau ekstrapolasi.
Persamaan garis lurus secara umum adalah :
Y=a+bX
Dengan a sebagai intersep dan b sebagai slope.

Kuantitatif :
1. Latihan no 1
n
1
2
3
4
5
6

x
2
5
6
8
10
14
45

y
0.5300
0.6000
0.4500
0.7800
1.2700
2.4300
6.0600

x2
4
25
36
64
100
196
425

x.y
1.0600
3.0000
2.7000
6.2400
12.7000
34.0200
59.7200

= 0.1405

Dari persoalan di atas di dapat persamaan y = ao.x adalah y = 0.1405x

12

2. Latihan no 2
n
1
2
3
4
5
6
7
8
9
10

x
1.00
2.35
4.45
5.76
7.23
9.45
10.75
11.08
12.95
14.32
79.34

y
2.20
3.40
5.40
6.80
10.04
11.65
12.61
13.80
15.54
16.06
97.50

x2
1.0000
5.5225
19.8025
33.1776
52.2729
89.3025
115.5625
122.7664
167.7025
205.0624
812.1718

x.y
2.2000
7.9900
24.0300
39.1680
72.5892
110.0925
135.5575
152.9040
201.2430
229.9792
975.7534

Dari persoalan di atas didapat persamaan y = ao + aix adalah y = 0.9691 + 1.1067x

3. Latihan no 3
Ca (gmol/L) 1 0.953 0.7832 0.6382 0.4125 0.216
t (detik)
0
40
80
120
160
200

= .
0

= 0 .
n
1
2
3
4
5
6

x
0
40
80
120
160
200
600

y
0.0000
-0.0481
-0.2444
-0.4491
-0.8855
-1.5325
-3.1596

x2
0
1600
6400
14400
25600
40000
88000

x.y
0.0000
-1.9256
-19.5494
-53.8924
-141.6831
-306.4954
-523.5458

Dari persoalan di atas didapat nilai k = 0.0059

13

4. Latihan no 4
x
y

2
0.55

n
x
y
1 2.00 0.55
2 3.40 1.45
3 5.50 2.24
4 7.90 3.15
5 9.20 3.95
28.00 11.34

3.4
1.45

5.5
2.24

7.9
3.15

9.2
3.95

y = ao + aix

x2
x.y
4.0000 1.1000
11.5600 4.9300
30.2500 12.3200
62.4100 24.8850
84.6400 36.3400
192.86
79.58

Dari persoalan di atas didapat persamaan y = ao + aix adalah y = -0.2278 + 0.4457x

5. Tugas no 1
Ca (gmol/L)
t (detik)

3
0

2.7357
25

2.1089
50

1.65
75

1.1195
100

0.78
125

0.32
150

0.1
175

= .

y = ao.x
n
1
2
3
4
5
6
7
8

x
0
25
50
75
100
125
150
175
700

y
0.0000
-0.0922
-0.3524
-0.5978
-0.9857
-1.3471
-2.2380
-3.4012
-9

x2
0
625
2500
5625
10000
15625
22500
30625
87500

x.y
0.0000
-2.3056
-17.6223
-44.8378
-98.5730
-168.3842
-335.7070
-595.2095
-1263

Dari persoalan di atas didapat nilai k = 0.0144

14

6. Tugas no 2
Tahun Kebutuhan Dietil Eter (Ton/Tahun)
2008
2154
2009
4567
2010
5917
2011
7390
2012
8582
2013
9534
2014
10986

Dari data di atas diramalkan kebutuhan Dietil Eter pada tahun 2018 adalah sebanyak
= 16792.3214 Ton/Tahun

B. Saran
1. Ketelitian dari praktikan dalam mengerjakan latihan dan tugas sangat diperlukan
terutama dalam input data ke dalam persamaan pada ms. Excel.
2. Teliti dalam memisalkan y, ao, dan x dari persamaan yang ada.
3. Memperhatikan asisten saat menjelaskan dengan sungguh-sungguh agar tidak
mudah bingung dan menanyakan bila kurang jelas.
4. Banyak berlatih menggunakan ms.excel.
5. Sebaiknya praktikum komputasi proses tidak hanya menggunakan software
ms.excel saja, tapi menggunakan software lain yang sering digunakan di bidang
teknik kimia, seperti MatLab, Hysys dan software lainnya yang sekiranya
mendukung kemampuan mahasiswa agar mahir dalam menggunakan macammacam software komputasi.

15

DAFTAR PUSTAKA

Anonim.2010.Buku Petunjuk Praktikum Komputasi Proses.Yogyakarta : Teknik Kimia UII

http://dokumen.tips/documents/regresi-linier-dengan-metode-kuadrat-terkecil2-565
de67179968 .html , diakses pada tanggal 10-12-2015 pk 20:51
https://noniarizka.wordpress.com/ diakses pada tanggal 10-12-2015 pk 20:20
https://www.academia.edu/6337637/METODE_KUADRAT_TERKECIL_UNTUK_REGRESI
_LINIER , diakses pada tanggal 10-12-2015 pk 20:28

16