REGRESI
A. Tujuan Praktikum
1. Memahami metode numerik regresi untuk pencocokan kurva.
2. Mampu membuat program dengan Delphi sebagai penerapan algoritma metode
numerik untuk regresi.
3. Mampu membuat aplikasi berbasis Delphi untuk penerapan regresi pada kasus
nyata.
B. Pencocokan kurva
Berbagai data yang banyak digunakan dalam bidang sains maupun non-sains banyak
disajikan dalam bentuk tabel yang merupakan hasil dari suatu pengamatan atau pengukuran.
Apabila data tersebut memiliki kesalahan penting yang tercampur dengan data, interpolasi
tidaklah tepat dan mengandung hasil-hasil yang kurang memuaskan. Data eksperimen banyak
yang masuk dalam jenis ini (yaitu memiliki kesalahan yang bercampur dengan data).
Contoh pada Gambar 1a yang menunjukkan tujuh titik data yang didapat secara
eksperimen dan memperlihatkan variasi yang berarti. Pengamatan visual terhadap data
mengusulkan suatu hubungan positif antara y dan x. Sehingga kecenderungan secara
keseluruhan menunjukkan bahwa harga y lebih besar sesuai dengan harga x yang lebih besar.
Apabila interpolasi polinomial orde enam diterapkan maka kurva dapat secara tepat melewati
semua titik data sebagaimana ditunjukkan pada Gambar 1b. Tetapi karena variabilitas yang
terdapat dalam data, kurva berosilasi secara melebar dalam interval di antara titik-titik.
C. Regresi Linear
Misalkan (xi, yi) adalah data hasil pengukuran, kemudian titik-titik tersebut dihampiri
dengan sebuah garis lurus sedemikian sehingga garis tersebut memiliki galat sekecil mungkin
dengan titik data. Data tersebut berarti dapat dituliskan pada Persamaan (1)
(1)
Dimana ei adalah galat data ke i. Suatu fungsi linier sebagaimana Persamaan (2)
digunakan untuk mencocokkan data sedemikian sehingga deviasi atau kesalahannya
diperoleh sesuai Persamaan (3).
(2)
(3)
Jadi kesalahan adalah perbedaan antara harga y sebenarnya dan harga aproksimasi a+bxi
yang diprediksikan oleh persamaan linier tersebut.
Berbagai strategi dapat dilakukan untuk meminimalkan kesalahan r sebagai kriteria
regresi terbaik. Salah satu strategi terbaik adalah dengan meminimalkan jumlah kuadrat
kesalahan yang diperoleh dengan Persamaan (4),
(4)
Nilai koefisien a dan b dapat diperoleh dengan mendiferensialkan Persamaan (4) dengan
koefisien tersebut sebagaimana ditunjukkan pada Persamaan (5) dan (6). Dengan membuat
turunan tersebut menjadi nol, maka akan menghasilkan harga R minimal.
(5)
(6)
Persamaan (5) dan (6) selanjutnya dibagi dengan 2, sehingga menghasilkan Persamaan
(7) dan (8).
(7)
(8)
Penulisan Persamaan (7) dan (8) selanjutnya dapat disusun menjadi suatu sistem
persamaan, dengan menyadari bahwa
dituliskan dalam bentuk persamaan matriks sebagaimana ditunjukkan pada Persamaan (9)
yang disebut dengan persamaan normal.
(9)
Penulisan
disederhanakan menjadi
dengan menyelesaikan Persamaan (9) dengan metode eliminasi Gauss, dan diperoleh nilai
koefisien a dan b sebagaimana Persamaan
Dimana nilai
(10)
(11)
Parameter kualitas fungsi hampiran dalam mencocokan data dapat diukur menggunakan
galat RMS (root mean square error) yang diperoleh dengan Persamaan
(12)
Semakin kecil nilai ERMS semakin bagus fungsi hampiran mencocokkan titik-titik data.
D. Tugas Praktikum
1. Buatlah program untuk mencari fungsi regresi linier dari suatu data tabular serta
digunakan untuk melakukan prediksi nilai f(x) dari suatu nilai x.