Regresi
Regresi
Pendahuluan
Regresi adalah teknik pencocokan kurva untuk data yang
berketelitian rendah.
Contoh data yang berketelitian rendah data hasil pengamatan,
percobaan di laboratorium, atau data statistik. Data seperti itu kita
sebut data hasil pengukuran.
Untuk data hasil pengukuran, pencocokan kurva berarti membuat
fungsi mengampiri (approximate) titik-titik data.
Kurva fungsi hampiran tidak perlu melalui semua titik data tetapi
dekat dengannya tanpa perlu menggunakan polinom berderajat
tinggi.
IF4058 Topik Khusus Informatika I: Metode
Numerik/Teknik Informatika ITB
Contoh: diberikan data jarak tempuh (y) sebuah kendaraaan dalam mil- setelah x bulan seperti pada tabel di bawah ini
x
1.38
3.39
4.75
6.56
7.76
1.83
2.51
3.65
4.10
5.01
y
y = p4(x)
6.00
6.00
4.00
4.00
2.00
2.00
0.00
2.00
4.00
6.00
8.00 10.00
0.00
2.00
Interpolasi
IF4058 Topik Khusus Informatika I: Metode
Numerik/Teknik Informatika ITB
4.00
6.00
8.00 10.00
Regresi
3
y = p4(x)
6.00
4.00
2.00
0.00
2.00
4.00
6.00
8.00
10.00
Regresi Lanjar
Misalkan (xi, yi) adalah data hasil pengukuran. Kita akan
menghampiri titik-titik tersebut dengan sebuah garis lurus.
Garis lurus tersebut dibuat sedemikian sehingga galatnya
sekecil mungkin dengan titik-titik data.
(xn , yn)
y
(xi , yi)
(xn-1 , yn-1)
(xi , a + bx i)
(x1 , y1)
(x2 , y2)
x
IF4058 Topik Khusus Informatika I: Metode
Numerik/Teknik Informatika ITB
R=
i =1
ri =
(yi - a - bxi)2
i =1
= -2 xi(yi - a - bxi) = 0
Penyelesaian:
Masing-masing ruas kedua persamaaan dibagi dengan -2:
(yi - a - bxi) = 0
xi(yi - a - bxi) = 0
yi - a - bxi = 0
xi yi - axi - bxi2 = 0
Selanjutnya,
a + bxi = yi
axi + bxi2 = xi yi
atau
na + bxi = yi
axi + bxi2 = xi yi
Kedua persamaan terakhir ini dinamakan persamaan normal, dan dapat dapat
ditulis dalam bentuk persamaan matriks:
n
x
i
x i a y i
2 =
x i b x i y i
n xi y i xi y i
n x i2 ( x i ) 2
a = y bx
IF4058 Topik Khusus Informatika I: Metode
Numerik/Teknik Informatika ITB
10
i =1
2
f ( x i ) y i
Semakin kecil nilai ERMS semakin bagus fungsi hampiran mencocokkan titik-titik
data.
11
xi
yi
xi2
xi yi
1
2
3
4
5
6
0.1
0.4
0.5
0.7
0.7
0.9
xi = 3.3
0.61
0.92
0.99
1.52
1.47
2.03
yi = 7.54
0.01
0.16
0.25
0.49
0.49
0.81
xi2 = 2.21
0.061
0.368
0.495
1.064
1.029
1.827
xi yi = 4.844
12
3.3
7.54
a
=
3.3
2.21
4.844
13
xi
yi
f(xi) = a+ bxi
deviasi
(deviasi)2
1
2
3
4
5
6
0.1
0.4
0.5
0.7
0.7
0.9
0.61
0.92
0.99
1.52
1.47
2.03
0.46261
0.99198
1.16843
1.52135
1.52135
1.87426
0.147389
-0.07198
-0.17844
-0.00135
-0.05135
0.15574
0.02172
0.00518
0.03184
0.00000
0.00264
0.02425
= 0.08563
0.08563 1 / 2
) = 0.119464
6
14
Pelanjaran
Regresi lanjar hanya tepat bila data memiliki hubungan lanjar
antara peubah bebas dan peubah terikatnya.
Gambar berikut memperlihatkan bahwa garis lurus tidak tepat
mewakili kecenderungan titi-titik data. Fungsi kuadratik lebih
tepat menghampiri titik-titik tersebut.
y
x
(a)
x
(b)
15
16
Cx
d+x
, C dan d konstanta.
17
y
y = Cxb
y = Cebx
y=
Cx
d +x
18
19
xi
yi
Xi = ln(xi)
Yi = ln(yi)
Xi2
Xi Yi
1
2
3
4
5
6
7
0.1500
0.4000
0.6000
1.0100
1.5000
2.2000
2.4000
4.4964
5.1284
5.6931
6.2884
7.0989
7.5507
7.5106
-1.8971
-0.9163
-0.5108
0.0100
0.4055
0..7885
0.8755
1.5033
1.6348
1.7393
1.8387
1.9599
2.0216
2.0163
3.5990
0.8396
0.2609
0.0001
0.1644
0.6217
0.7665
-2.8519
-1.4980
-0.8884
0.0184
0.7947
1.5940
1.7653
Xi = -1.2447
Yi = 12.7139
Xi2 = 6.2522
Xi Yi = -1.0659
20
-1.2447
12.7139
a
=
-1.2447
6.2522
-1.0659
21
22
Cx
d+x
Cx
d+x
Cx
=
d+x
d 1
1
1
=
+
y
C x
C
23
Definisikan
Y
a
b
X
=
=
=
=
1/y
1/C
d/C
1/x
24
Fungsi
y = f(x)
y = Cxb
y = Cebx
y=
Cx
d+x
y=a+
b
x
Bentuk lanjar
y = a + bX
Y = ln(y), X = ln(x),
C = ea
ln(y) = ln(C) + bx
Y = ln(y), X = x, C = ea
1
d 1
1
=
+
y
C x
C
y=a+b
1
x
D 1
+
( xy )
C C
Y = 1/y, X = 1/x
C = 1/a, d = bC
Y = y, X = 1/x
Y = y, X = xy,
1
a
C=
, D=
b
b
y=
D
x+C
y=
y=
1
a + bx
1
= a + bX
y
Y=
y 1 / 2 = a + bX
Y = y 1 / 2 , X = x
y
ln( ) = ln(C ) + ( Dx)
x
y
Y = ln( ), X = x
x
a
C = e , D = b
y = (a + bx) 2
y = Cxe Dx
1
,X =x
y
25