Anda di halaman 1dari 17

VII.

REGRESI DAN KORELASI

Pendahuluan
 Untuk mengetahui hubungan antara dua buah variabel atau
lebih:

 Pengamatan data curah hujan dibandingkan dengan


pengamatan data debit sungai dari suatu DPS yang bertujuan
untuk kepentingan peramalan,

 Jumlah pupuk yang digunakan , banyak hujan , cuaca akan


berpengaruh pada produksi padi,

 Menemukan hubungan debit sungai dari dua lokasi pos


duga air untuk pengisian data kosong , memperbaiki atau
mengecek data dan memperpanjang lama pencatatan data
runtut waktu ,

 Menentukan hubungan antara debet sedimen dengan


debet aliran sungai , luas DPS dan luas hutan atau variabel
lainnya.

 Hubungan antara dua atau lebih variabel dapat


dinyatakan secara matematika sehingga merupakan suatu model
yang dapat digunakan untuk berbagai keperluan analisis, misalnya:
peramalan (prediction), perpanjangan (extension), perbaikan atau
pengecekan ketelitian data, atau pengisan data pada priode kosong
untuk kasus hidrologi.

 Analisis regresi adalah analisis yang membahas


hubungan fungsional dua variabel atau lebih disebut. Analisis
korelasi ( correlation analisys) adalah analisis yang membahas
tentang derajat hubungan dalam analisis regresi disebut.

 TIK: Diharap Saudara dapat menganalisis hubungan


fungsional dua variabel atau lebih, dengan analisis statistik secara
komputerisasi.

Bagaimana memformulasikan
Hubungan Fungsional ?

 Tentukan variabel bebas (X) dan variabel tak bebas (Y).


 Variabel bebas (X) yaitu biasanya variabel yang mudah
didapat atau yang tersedia, untuk keperluan analisis variabel
bebas dinyatakan dengan X1, X2, X3, …, Xk ( k ≥ 1) ,
 Variabel tak bebas atau variabel respon (Y).
Contoh: Untuk fonemena antara debet sedimen dengan debet
aliran sungai, luas DPS dan luas hutan, sebaiknya diambil
variabel tak bebas debet sedimen= Y dan variabel bebas debet
aliran sungai= X1, luas DPS= X2 dan luas hutan= X3. Tetapi untuk
dua variabel yaitu curah hujan dibandingkan dengan
pengamatan data debit sungai dari suatu DPS, maka salah satu
bisa dsi ambil sebagai variabel bebas.

 Buat model persamaan regresi untuk populasi secara


umum:
Y = f ( X 1 , X 2 ,..., X k / θ 1 ,θ 2 ,...,θ m )
Dimana θ 1 ,θ 2 ,...,θ m parameter-parameter yang terdapat dalam
regresi itu. Regresi yang sederhana untuk populasi dengan
sebuah variabel bebas yang dikenal dengan regresi linier
dengan model: Y = θ 1 + θ 2 X , θ1 dan θ2 parameternya.

 Untuk satu variabel bebas (regersi linier):


 θ1 dan θ2 dari sebuah sampel acak dapat ditaksir
oleh a dan b maka persamaan regresinya adalah Y = a + bX

 Untuk fonemena dua variabel bebas ( regersi non


linier):
 Parameter-parameternya θ1 , θ2 dan θ3 dari
sebuah sampel acak dapat ditaksir oleh a, b dan c maka
persamaan regresinya berupa parabola yaitu Y = θ1 + θ 2 X + θ 3 x
2

 Tentukan persamaan regresinya, dapat


dilakukan dengan metode tangan bebas dan metode kuadrat
terkecil. Disini hanya dijelaskan dengan metode kuadrat terkecil.

Bagaimana Menentukan Regresi Linier Sederhana


Secara Metode Kuadrat Terkecil ?

 Untuk fenomena yang terdiri dari sebuah variabel bebas X


dengan persamaan regresinya : Y = a + bX
 Data hasil pengamatan sebaiknya dicatat dalam bentuk
seperti tabel di bawah ini.
Variabel Tak Variabel
Bebas (Yi)
Tabel 8.1 Bebas (Xi)
Y1 X1
Y2 X2
. .
. .
. .
Yn Xn
Pasangan X dan Y dan n, menyatakan ukuran sampel.

 Koefisien-koefisien regresi a dan b untuk regresi linier, dapat


dihitung dengan:

a=
( )
( ∑ X ) ∑ X 2 − ( ∑ X )( ∑ XY ) b =
n∑ XY − ( ∑ X )( ∑Y )
dan
n∑ X 2 − ( ∑ X ) n∑ X 2 − ( ∑ X )
2 2

 Atau dengan cara menghitung terlebih dahulu b, maka a dapat


dihitung dari : a =Y −b X , X dan Y masing-masing rata-rata
dari veriabel X dan Y. Rumus diatas digunakan untuk
menghitung koefisien-koefisien regresi Y atas X.

 Untuk menghitung koefisien-koefisien regresi X atas Y, rumus


yang sama dapat digunakan tetapi harus dipertukarkan tempat
untuk simbul-simbul X dan Y.

 Koefisien korelasi (R), yang menunjukan derajat hubungan


n∑ XY − ∑ X ∑ Y
R =
antara Xi dan Yi ditentukan dari:
{ }{ }
n∑ X 2 − ( ∑ X ) n ∑ Y 2 − ( ∑ Y )
2 2

 Koefisien diterminasi (R2), yaitu menunjukan perbedaan


varian dari data pengukuran Yi dan varian dari nilai pada garis
regresi untuk nilai Xi, ditentukan dari R.

 Contoh 1:

Tabel dibawah ini, menunjukan data curah hujan (Xi) dalam satuan
mm dari DPS Cimanuk-Leuwigoong dan debit alirannya (Yi) dalam
m3/det, pada rata-rata bulanan dari tahun 1978-1982. Tentukan:

(a) Persamaan regresi, koefisien korelasi dan determinasi data


itu ?

(b) Apa Artinya koefesien determinasi tersebut ?


Debit air (m3/det)-
No. Bulan Curah Hujan (mm)-Xi
Yi
1. Januari 229 32
2. Februari 205 31
3. Maret 271 38
4. April 304 40
5. Mei 145 28
6. Juni 154 24
7. Juli 98 21
8. Agustus 69 13
9. September 71 14
10. Oktober 96 12
11. November 184 28
12. Desember 280 37

Jawab.
a. Dengan menggunakan calculator Casio fx-3600 misalnya, didapat:
X =175 ,5 , ∑X = 2106 , ∑X = 445942 , S X = 6939,91
2 2

Y =26 ,5 , ∑Y = 318 , ∑Y = 9492 , S y = 96,82 dan ∑XY = 64510


2 2

sehingga:
n∑ XY − ( ∑ X )( ∑Y ) 12(64510 ) − (2106 )(318) 104412
b= = = = 0,113
n∑ X 2 − ( ∑ X ) 12(445942 ) − (2106 ) 2
2
916068
a = Y −b X =26,5-(0,113)(175,5)=6,669

didapat persamaan regresinya:


Y = 6,669 + 0,113 X , dapat digunakan untuk:
 Meramal data debit berdasarkan data curah hujan.

 Koefsien arah (b) menyatakan perubahan rata-rata


variabel Y untuk setiap perubahan variabel X sebesar satu
satuan. Dengan demikian dapat dikatakan, bahwa terjadi
perubahan curah hujan satu satuan, maka diharapkan terjadi
perubahan debit rata-rata bulanan sebesar 0,113 m3/det.

 Bila data curah hujan pada Range data di atas ( 69 ≤ X ≤ 304


), maka dapat diramalkan debit di antara kedua batas tersebut,
disebut dengan interpolasi debit. Sebaliknya, jika
mensubstitusikan variabel X di luar Range data tersebut,
misalnya X=500 mm maka didapat Y=74,46 m3/det, disebut
ekstrapolasi debit.

b. Koefien korelasi adalah:


n∑ XY − ∑ X ∑Y
R=
{ }{
n∑ X 2 − ( ∑ X ) n∑Y 2 − ( ∑Y )
2 2
}
(12 )( 64510 ) − (2106 )(318 )
R= = 0,9649
{12 (445942 ) − (2106 ) }{(12)(9492 ) − (318 ) }
2 2

 Korelasi positif (R=0,9649) antara debit (Y) dengan curah


hujan (X), berarti semakin besar curah hujan semakin besar pula
debit DPS Cimanuk-Leuwigoong.

 Koefisien determinasi (R2)=0,9312=93,12%, artinya


bertambah atau menurunnya debit air (Y) sebesar 93,12% dapat
dijelaskan oleh hubungan linier antara curah hujan dan debit
dengan persamaan Y=0,669+0,113X, sedangkan sisanya 6,88%
disebabkan faktor lain yang tidak termasuk dalam analisis ini.

Bagaimana Menentukan Batas Daerah


Kepercayaan Garis Regresi ?

 Titik taksiran rata-rata Y dengan mudah dapat diketahui yaitu


dengan jalan mensubstitusi harga X kedalam persamaan regresi.

 Interval taksiran yang taksiran Y untuk X diketahui, dengan


rumus:
Y − t 12 ( 1+γ ) s Y < Y < Y + t 12 ( 1+γ ) sY

( )
1
 Y −Y 2 

2

dimana S y = 
 n −1 
 atau s y = s y 1 − R 2 2
1
( )
 
 Sebaliknya kesalahan standar perkiraan untuk meramal X jika Y

( 1
diketahui adalah: s x = s x 1 − R 2 2 )
Contoh 2.
Dari contoh 1, tentukanlah batas daerah kepercayaan garis regresi
tersebut pada derajat kepercayaan 95% ?

Jawab:
 Jadi dari contoh 1 di atas, n=12, X =175 ,5 , S X = 6939,91,
2

Y =26 ,5 , S y = 96,82 , γ = 0,95 , dan R =0,9649 .akibatnya


2

didapat Sy=9,84 dan R2=0,93, maka :


(
sy = sy 1− R2 ) 1
2
= 9,8 4( 1 − 0,9 3) 2 = 2,6
1

Untuk t 12 ( 1+ γ ) = 2,23 , didapat:


(Y − t 12 ( 1+ γ ) sY < Y < Y + t 12 ( 1+ γ ) sY ) = (Y −( 2,23 )( 2,6) <Y <Y +( 2,23 )( 2,6)

= Y ±5,80
 Gambar 8.1, memperlihatkan jumlah titik (X<Y) yang berada di
dalam batas kepercayaan adalah sebanyak buah dari 12
titik.tetapi harus diingat bahwa, gambar itu didapat dari suatu
sampel (1978-1982).

 Apabila dipilih 100 sampel secara berulang, maka akan diperoleh


100 batas daerah kepercayaan serupa dan diharapkan 95% dari
daerah kepercayaan mencakup garis regresi populasinya.

6,669

-59,02

Gambar 8.1 Perkiraan Debet (X) Berdasarkan Data Hujan (Y) DPS

 Perkiraan Debet Rata-rata Bulanan DPS Cimanuk-Leuwigoong


dengan Model Linier Sederhana adalah:

Debet rata-rata Bulanan (m3/det)


Curah Hujan (mm) Batas Daerah
Rata-rata
Kepercayaan
50 12,32 6,52 –18,12
100 17,97 12,17–23,77
150 23,62 17,82-29,42
200 29,27 23,67-35,27
250 34,92 29,12-40,72
300 40,57 34,77-46,37
350 46,22 40,42-52,02
400 51,87 46,07-57,67
450 57,52 51,72-63,32
500 63,17 57,37-68,97
550 68,82 63,03-74,62
600 74,47 68,67-80,27

Bagaimana Menguji Koefisien Korelasi ?

 Pengujian koefisien korelasi menggunakan rumus sebelumnya,


dapat menduga nilai koefisien korelasi populasi (RR).

 Sampel lain yang mengambil dengan n buah walaupun di ambil


dari populasi yang sama akan menghasilkan nilai koefisien sampel
(R) yang berbeda.

 Apabila R dekat ke nol, maka RR cendrung= 0. Akan tetapi nilai


R dekat ke +1 atau –1, maka RR ≠ 0. Masalahnya sekarang
bagaimana menguji nilai R berada cukup jauh dari nol atau R ≠ 0.
R n −2
Pengujian dilakukan dengan rumus: t =
1 − R2

Contoh 4.
Dari contoh 1, diperoleh R=0,96 dan n= 12. Tentukanlah apakah nilai
koefisien tersebut berbeda nyata terhadap R = 0.

Jawab.
 Untuk menjawab pernyataan tersebut dapat dikemukan
hopotesis:
Ho : R = 0
Ho : R ≠ 0
dari rumus (8.13) didapat:
R n −2 0,96 10
t = = = 10 ,83
1−R 1 − ( 0,96 )
2 2

 Melihat hipotesis ( H o : R ≠ 0 ), berarti pengujian dua sisi., untuk


α = 0,05 didapat tt = t( d k,1− 12α ) = t( 1 0;0,9 7 5) = 2,2 3.

 Sehingga –2,23<t<2,23, berarti tolak hipotesis H o , artinya


dapat disimpulkan bahwa terima hipotesis H o : R ≠ 0 , dengan kata
lain dapat diputuskan bahwa debet rata-rata bulanan (Y) dan
curah hujan rata-rata bulanan (X) dari DPS Cimanuk-leuwigoong
berhubungan linier.

Bagaimana Menguji Koefisien Regresi ?


 Persamaan regresi Y = a + bX , parameter a satu lebih penting di
analisa dari parameter b. Apabila a = 0, maka garis regresinya
mendatar, artinya pengurangi dan penambahan X tidak
mempengaruhi Y. Oleh karena itu perlu dilakukan pengujian
terhadap a = 0 atau tidak.

 Metode statistik uji t (t student) dapat digunakan untuk


melakukan pengujian tersebut:
a−A Sy Sy
, untuk S a = =
t=
Sa {∑ ( X − X ) } 2
1
2
( n − 1) S x2
dimana:
t = nilai uji t dengan derajat kebebasan (dk) = n-2
a = koefisien regresi
A = koefsien regresi yang telah diketahui
Sa = devisi koefisien regresi
Sy = kesalahan standar dari perkiraan nilai Y

 Pendugaan nilai a dapat menggunaakan interval kepercayaan:


(a − t 12 ( 1+ γ ) sY < Y < a + t 12 ( 1+ γ ) sY )

Contoh 3.
Lakukan pengujian dan pendugaan nilai koefisien regresi pada contoh
1: Y = 6,669 + 0,113 X pada tingkat kepercayaan 95%.

Jawab.
 Dari contoh 1 didapat:
n=12, a =0,113 , Y =26 ,5 , S X2 = 6939,91 dan s y = 2,6 maka:
Sy 2,6
Sa = = = 0,000034
( n − 1) S x (12 − 1)6939 ,91
2

 Selanjutnya dapat dibuat hipotesis,


Ho : a = 0
Ho : a ≠ 0

 Uji statistik :
a − A 0,113 − 0
t= = = 3323 ,53
Sa 0,000034
 Dengan pengujian dua sisi ( H o : a ≠ 0 ), didapat tt =
t( dk,1− 12 α ) = t(10;0,975) = 2.23 .Oleh sebab itu, t jatuh pada daerah tolak
H o , kesimpusan menerima hipotesis alternatif: H o : a ≠ 0 .

 Keputusan adalah terdapat hubungan linier antara debet


rata-rata bulanan (Y) dan curah hujan rata-rata bulanan (X) dari
DPS Cimanuk-leuwigoong. Dengan kata lain variabel curah hujan
(X) dapat mempengaruhi debit (Y) dengan model regresi tersebit
di atas.

 Pendugaan a dengan menggunakan derajat kepercayaan


95% diterima diperkirakan dari:

(a − t 12 ( 1+ γ ) sY < Y < a + t 12 ( 1+ γ ) sY ) =
{0,113 − ( 2,23)( 0,000034 ) < a < 0,113 + ( 2,23)( 0,000034 )} =0,99992<a<1,00
0076
 Artinya, koefisien regresi mempunyai batas bawah 0,99992
dan batas atas, 1,000076.

Apa dan Bagaimana Koefisien Korelasi Peringkat ?

 Koefisien korelasi yang telah dibahas, adalah berdasarkan


asumsi bahwa pasangan-pasangan data (X,Y) mengikuti distribusi
normal.

 Jika pasangan itu tidak demikian, dilakukan pengujian koefisien


korelasi peringkat (rank correlation coefficient), pembahasannya
dikenal dengan statistika bebas distribusi atau statistika non
parametrik.

 Prosedurnya:

 Dengan cara menyusun peringkat pasangan data tersebut


dari urutan tertinggi.

 Maka koefisien korelasinya dihitung dengan rumus korelasi


Spearman (The Spearmant rank correlation coefficient), sebagai
berikut:
n
6∑ ( PX i − PYi )
RP = 1 − i =1
( )
n n2 − 1
dimana:
RP = Koefisien peingkat
PXi= Peringkat variabel X ke-I
PYi= Peringkat variabel Y ke-I
n = jumlah data

 Dengan kriteria pengujian:


 R p ≥ N k , maka hipotesis menyatakan tidak ada hubungan
antara variabel X dan Y harus ditolak.
 R p < N k , maka hipotesis menyatakan tidak ada hubungan
antara variabel X dan Y harus diterima.
 N k = nilai batas daerah kritis.

Contoh 5.
Tentukan niali koefisien korelasi peringkat contoh 1 pada derajat
kepercayaan 95% ?

Jawab.
 Tabel dibawah ini menunjukan perhitungan peringkat variabel
curah hujan (X) dan debet (Y) dari DPS Cimanuk-leuwigoong.

No Curah Debit PXi PYi PXi-PYi (PXi-PYi)2


. Hujan (X) (Y)
1. 229 32 4 4 0 0
2. 205 31 5 5 0 0
3. 271 38 3 2 1 1
4. 301 40 1 1 0 0
5. 145 28 8 6,5 1,5 2,25
6. 154 24 7 8 -1 1
8. 98 21 9 9 0 0
9. 71 14 11 10 1 1
10 96 12 10 12 -1 1
. 184 28 6 6,5 0.5 0.25
11 280 37 2 3 -1 1
.
12
.
Jumlah - - - - 11,25
n
6∑ ( PX i − PYi )
 Didapat 6(11,25)
RP = 1 − i =1
= 1−
= 0,9597
n( n − 1) 2
12(144 − 1)
 Untuk α = 0,05 , dari tabel E untuk n=12 didapat Nk =0,504. Jadi (
RP = 0,9597 )> (Nk=0,504). Kesimpulan kita menolak hipotesis
yang menyatakan tidak ada hubungan anatar curah hujan dan
debet DPS Cimanuk-leuwigoong.
 Keputusan yang dapat dieberikan dari analisis tersebut adalah
terjadi hubungan antara curah hujan dan debet DPS Cimanuk-
leuwigoong pada tingkat signikan 5% adalah pernyataan yang
dapat diterima.

 Dengan demikian, penggunaan koefisien korelasi peringkat (RP)


mempunyai keuntungan jika dibandingkan dengan penggunaan
koeefisien korelasi (R): Perhitungan lebih sederhana dan tepat.
 Tidak perlu menganggap variabel X dan Y mengikuti distribusi
normal.
 Juga tidak perlu mengganggap bahwa hubungan antara
variabel X dan Y harus linier.
 Hubungan tidak linierpun, misalnya adanya hubungan
kurvilinier, maka koefisien korelasi dapat diduga dengan
koefisien korelasi peringkat.

Regresi Non Linier ?

 Berdasarkan penegujian kelinieritasan regresi, mungkin saja


ditemukan bahwa regresi itu tidak linier (regresi non linier).

 Regersi non linier disini hanya akan dibicarakan beberapa regresi


yang lazim digunakan dalam ilmu teknik, di antaranya:
(1) Regresi eksponensial Y = b eaX
(2) Regresi kuadratik Y = a + bX + cx2
(3) Regresi Logarimatik Y = b + a log X
(4) Regresi Polonomial Y = a + bX +cX2 +…+ bnXn

Regresi eksponensial ?

 Pasangan variabel (Xi,Yi) untuk i=1,2,3,…n apabila dihitung


dengan persamaan regersi eksponensia, maka diperoleh modelnya:
Y = a ebX disebut regresi eksponensial Y terhadap X, merupakan
variabel tak bebas. Untuk:
X = Variabel bebas
a,b= parameter
e = bilangan pokok nolaritma asli = 2,7183 dan Yi>0.

 Persamaan Y = b eaX, ditransformasi menjadi persamaan linier fungsi


(ln) menjadi
ln Y = ln aebX
ln Y = lna+bXlne karena lne=1, maka:
ln Y = lna +bX, merupakan persamaan fungsi semi logaritmik
antara lnY dan X, dan merupakan persamaan garis dengan lurus
gradien b dan memotong sumbu lnY di lna. Perhatikan gambar :
Y=beaX LnY=lnb+aX

 Sederhanakan lnY = lna +bX, dan dilakukan transformasikan :

P=lnY, B=b, X =X, dan A=lna


Sehingga ln Y = lnb +aX menjadi : P=A+ BX
yaitu persamaan linier dalam P, identik dengan Y = A + BX,

 Seperti halnya pada regresi linier sederhana, maka nilai A dan B


dapat dihitung dengan:

A=
( ∑ ( )
X ) ∑ X 2 − ( ∑ X )( ∑ XP )
n∑ X 2 − ( ∑ X )
2

n∑ XY − ( ∑ X )( ∑ P )
B=
n∑ X 2 − ( ∑ X )
2

 Persamaan regresinya dengan rumus


n∑ XP − ∑ X ∑ P
R=
{
n∑ X 2 − ( ∑ X ) n ∑ P 2 − ( ∑Y )
2 2
}{ }
 Batas daerah kepercayaan dengan rumus: P − t 12 ( 1+γ ) s P < P < P + t 12 ( 1+γ ) s P
Dimana : s P = s P 1 − R 2 ( ) 1
2

 Sebaliknya kesalahan standar perkiraan untuk meramal X jika Y


diketahui adalah:

(
sx = sx 1 − R 2 ) 1
2
untuk (
sX = sX 1 − R2 ) 1
2

Contoh 6.
Tabel dibawah ini menunjukan data pengukuran debet dan sedimen
melayang DPS Citarum – Nanjung pada bulan Maret 1981. Tentukanlah
besarnya koefisien korelasi, persamaan eksponensialnya dan uji ?

Debet Sedimen Melayang Debet Sedimen Melayang


(m3/det)-X (juta m3/det)-Y (m3/det)-X (juta m3/det)-Y
35 1,73 119 10,44
39 2,45 88 16,36
43 3,31 95 27,47
54 6,83 105 29,06
56 6,99 112 33,96

Jawab.
 Buat tabel pembentu seperti:

Debet Sedimen Melayang


No. P= ln Y XY
(m3/det)-X (juta m3/det)-Y
1. 35 1,73 0,55 19,25
2. 39 2,45 0.90 35,10
3. 43 3,31 1,20 51,60
4. 54 6,83 1,92 103,68
5. 56 6,99 1,94 108,64
6. 88 10,44 2,35 206,80
7. 95 16,36 2,79 265,05
8. 105 27,47 3,31 347,55
9. 112 29,06 3,37 377,44
10 119 33,96 3,53 420,07
746 21,46

 Di dapat: P =2,186∑P = 21 ,86 , ∑P = 58 ,083 , SP =1,096


,
2

=74 ,6 , ∑X = 746 , ∑X = 65146 , SX= 32,48 dan ∑XY =1935 ,18


2
X
sehingga:

A=
( )
( ∑ P ) ∑ X 2 − ( ∑ X )( ∑ XP ) = ( 2,186 )( 65146 ) − ( 746 )(1935,18) = −0,018
n∑ X 2 − ( ∑ X ) 10( 65146 ) − ( 746 )
2 2

n∑ XY − ( ∑ X )( ∑Y ) P−A 2,186 − ( − 0,018 )


B= atau B = = = 0,0296
n∑ X − ( ∑ X )
2 2
X 74 ,6

A=lna atau –0,018=lna maka a=0,98 dan B=b maka b=0,0295.

 Jadi persamaan regresi eksponensialnya adalah:


Y = a ebX= 0,98e0,0295X
persamaan ini dapat menaksir sedimen melayang jika debetnya
diketahui, misalnya:
Untuk X = 40, maka Y=0,98e0,0295(40) = 3,19
Untuk X = 100, maka Y=0,98e0,0295(100) =18,72
Dengan membuat koordinat (40;3,19) dan (100;18,72 ) maka
kurva garis lurusnya pada kertas semi logaritmik dapat kita gambar.

n∑ XP − ∑ X ∑ P
R=

{n∑ X 2
− (∑ X )
2
}{n∑ P 2
− ( P)
2
}=
(10 )(1935 ,18 ) − (746 )( 21,86 ) 3074 ,24
= = 0,9832
{(10 )( 65146 ) − ( 746 ) }{(10 )( 58,083 ) − ( 21,86 ) }
2 2
9776421 ,658

R= 98,32%, hal ini menyatakan hubungan linier yang baik antara


debit dan sedimen melayang di lokasi pos duga air Nanjumg dari
DPS Citarum

 Kesalahan standar perkiraannya:

(
sP = sP 1 − R 2 ) 1
2
=1,096 1 −( 0,98 )
2
= 0,179

karena lnY=P, maka lnSP=SP=0,179, didapat SP=1,196 m3/hari

 Batas daerah kepercayaannya:


P − t ( 1+γ ) s P < P < P + t (1+γ ) s P = ( 2,186 −1,153 (1,196 ) < P < 2,186 +1,153 (1,196 ) )
1
2
1
2

= 2,186 ±1,379 = Y ±1,379


 Berikut ini disajikan perkiraan sedimen melayang apabila
debit diketahui: Y = a ebX= 0,98e0,0295X
Debit Sedimen Batas daerah kepercayaan
No.
(m3/det) (juta m3/hari) (juta m3/hari)
1. 40 3,19 1,73 - 4,51
2. 60 4,37 3,00 - 5,76
3. 80 12,74 14,12 -16,88
4. 100 18,72 15,96 - 18,72
5. 120 37,32 35,94 - 38,70

Apa dan Bagaimana Menganalisis


Regresi Kuadratik ?

 Regresi kuadratik merupakan regersi polinomial orde ke-2,



dengan persamaan umum Y = a + bX + cX 2
a, b dan c harus ditentukan berdasarkan pengamatan, secara:
∑Y = na + b ∑X + c ∑X 2
∑XY = a ∑X + b ∑X 2 + c ∑ X 3
∑X 2Y = a ∑X 2 + b ∑X 3 + c ∑ X 3

Contoh 7.
Pengukuran debit dari sungai Way Seputih-Segala Mider tahun 1980
menghasikan hubungan antara tinggi muka air (X) dan debeit (Y)
seperti tabel di bawah ini. Debet dari sungai Way Seputih-Segala Mider
tahun 1980 menghasikan hubungan antara tinggi muka air (X) dan
debeit (Y)

No Tinggi Muka Air Debit (Y)/


. (X)/(m) (m3/det)
1. 1,50 26
2. 1,60 29
3. 1,70 33
4. 1,80 37
5. 1,90 43
6. 2,00 49
7. 2,10 52
8. 2,20 57
9. 2,30 63
10. 2,40 71
11. 2,50 79
Dengan menggunakan model kuadratik, tentukan persamaan data
tersebut ?

Jawab.
 Persamaan tersebut bukan persamaan linier sederhana ataupun
eksponensial (silahkan anda lakukan pengujian sendiri). Data
(X,Y) akan lebih cendrung berbentuk kuadratik,

 Buat tabel pembantu seperti di bawah ini:

No. X Y X2 X3 X4 XY X2Y
1. 1,50 26 2,25 3,375 5,0625 39,00 58,50
2. 1,60 29 2,56 4,096 6,5536 46,40 74,24
3. 1,70 33 2,89 4,913 8,3520 56,10 95,37
4. 1,80 37 3,24 5,832 10,4976 66,60 119,88
5. 1,90 43 3,61 6,859 13,0321 81,70 155,23
6. 2,00 49 4,00 8,000 16,0000 98,00 196,00
7. 2,10 52 4,41 9,261 19,4481 109,20 229,32
8. 2,20 57 4,84 10,648 23,4256 125,40 275,88
9. 2,30 63 5,29 12,167 27,9841 144,90 333,27
10. 2,40 71 5,76 13,824 33,1776 170,40 4408,96
11. 2,50 79 6,25 15,625 39,0625 197,50 493,75
∑ 22,00 539 45,10 94,60 202,5958 1.135,20 2440,40

45,10
 Didapat: X = 2,0 dan X2 = dan:
11
539 = 11 a + 22 b + 45 ,10 c
1135 = 22 a + 45 ,10 b + 94 ,60 c
2440 ,40 = 45 ,10 a + 94 ,60 b + 202 ,59 c

 Menggunakan matriks atau substitusi eliminasi di dapat:


a=27,32; b=-32,44 dan c=21,11. Seningga diperoleh persamaan

regresi kudratik Y = 27 ,32 − 32 ,44 X + 21,11 X 2

 Kesalahan perkiraan standarnya yaitu:


1

 ∩ 2 
2
 
∑Y −Y  
 
Sy =±
 n −1


, dengan menggunakan tabel seperti:
 
 
No. X Y ∩ ∩ ∩
Y Y −Y (Y − Y ) 2
1. 1,50 26 26,15 -0,15 0,0225
2. 1,60 29 19,45 -0,45 0,2025
3. 1,70 33 33,10 -0,10 0,0100
4. 1,80 37 37,32 -0,32 0,1024
5. 1,90 43 41,89 1,11 1,2321
6. 2,00 49 46,88 2,12 4,4944
7. 2,10 52 52,59 -0,29 0,0841
8. 2,20 57 58,12 -1,12 1,2544
9. 2,30 63 64,37 -1,37 1,8769
10. 2,40 71 71,05 -0,05 0,0025
11. 2,50 79 78,15 0,85 0.7225
∑ 22,00 539 - 0,32 10,0043
1

 ∩ 2 
2
 
∑Y −Y   1

  10 ,0043 
2

Didapat: Sy =±
 n −1


=±
 10


=±1,00 m 3 / det
 
 
 Untuk derajat kepercayaan 95% dan dk = n-2 =9 untuk
penggujian dua sisi didapat tt=2,262. Dengan demikian didapat
batas daerah kepercayaan:
∩ ∩
(a − t 12 ( 1+ γ ) sY < Y < a + t 12 ( 1+ γ ) sY ) = Y ± 2,262m3 / det
merupakan dua garis sejajar dalam persamaan regresi.
 Perkiraan Debit DPS Way Seputih Di Pos Duga Air Segala Mider

Tinggi Muka air Debit Batas Daerah Kepercayaan


No.
(m) (m3/det) (m3/det)
1. 0,80 14,80 1,61 – 17,06
2. 1,00 15,99 13,73 – 18,25
3. 1,50 26,15 23,89 – 28,41
4. 2,00 46,88 44,62 – 49,14
5. 2,50 78,15 75,89 – 80,41
6. 3,00 119,99 117,73– 122,25
7. 3,50 235,32 233,06– 237,58

Sumber: Hasil Perhitungan dengan Y = 27 ,32 − 32 ,44 X + 21,11 X 2