REGRESI POLINOMIAL

No : 15.15/ 377/ 12

Oleh : Nama : Dita Ditafrihil Fuadah NIM : 1210703009

FISIKA FAKULTAS SAINS DAN TEKNOLOGI UIN SUNAN GUNUNG DJATI BANDUNG 2012

I. STUDY CASE x = [5 10 15 20 25 30 35 40 45 50] y = [17 24 31 33 37 37 40 40 42 41] gunakan regresi kuadrat terkecil untuk menemukan (a) garis lurus (b) a persamaan kurva eksponensial (c) a saturation-growth-rate equation, dan (d) sebuah parabola. Untuk (b) dan (c), gunakan transformasi untuk linearisasi data. Plot data sepanjang kurva. Apakah ada kurva yang paling tinggi?jika ada, berikan alasannya.

II. TEORI DASAR RegresiLinier digunakanuntukmenentukanfungsilinier yang paling sesuaidengankumpulantitikdata (xn,yn) yang diketahui. Pernyataan matematis untuk fungsi linear tersebut yaitu: dengan e dinamakan galat atau sisa. Sisa adalah selisih antara pengamatan dengan garis: Suatu kriteria untuk pencocokan yang terbaik adalah hampiran kuadrat terkecil yang meminimalkan jumlahan kuadrat dari sisa:

Kriteria ini menghasilkan suatu garis tunggal untuk himpunan data yang diberikan. Untuk menentukan nilai-nilai a0 dan a1, diturunkan S terhadap setiap koe.sien dan selanjutnya disamakan dengan nol:

Persamaan-persamaan di atas dapat dituliskan kembali menjadi

Atau ekivalen dengan

Selanjutnya diselesaikan kedua persamaan untuk memperoleh

Dan

Jika terdapat banyak galat yang berhubungan dengan data, khususnya data eksperimental, maka interpolasi tidak sesuai dan mungkin memberikan hasilhasil yang tidak memuaskan jika dipakai untuk meramalkan nilai-nilai antara. Untuk kasus yang demikian, suatu strategi yang sesuai adalah dengan pencocokan kurva. Pencocokan kurva adalah pencarian suatu kurva yang bisa menunjukkan kecenderungan (trend) dari himpunan data. Kurva ini tidak harus melalui titik-titik data. Suatu kriteria yang dipakai untuk mengukur kecukupan dari kecocokan yaitu regresi kuadrat terkecil.

III. METODE NUMERIK a. Flow Chart Mulai

Masukkan Nilai X dan Y

Selesai

Masukkan ke program matlab regresi linear

b. Pseude Code
function [a,r2] = regresilinear(x,y); x = [5 10 15 20 25 30 35 40 45 50]; y = [17 24 31 33 37 37 40 40 42 41]; n = length(x); if length(y)~=n, error('x and y must be same length'); end x = x(:); y = y(:); sx = sum(x); sy = sum(y); sx2 = sum(x.*x); sxy = sum(x.*y); sy2 = sum(y.*y); a(1) = (n*sxy-sx*sy)/(n*sx2-sx^2); a(2) = sy/n-a(1)*sx/n; r2 = ((n*sxy-sx*sy)/sqrt(n*sx2-sx^2)/sqrt(n*sy2-sy^2))^2; SL = a(1)*x+a(2); PE = a(1)*x.^a(2); SG = a(1)*x./(a(2)+x); %Generate plots figure subplot(2,2,1) plot(x,SL,'bh:') xlabel('x') ylabel('y') title('straight line') grid on subplot(2,2,2) plot(x,PE,'m+-') xlabel('x') ylabel('y') title('power equation') grid on subplot(2,2,3) plot(x,SG,'m+-') xlabel('x') ylabel('y') title('satiration-growth-rate line') grid on

IV. HASIL DAN PEMBAHASAN

Pada soal a, yang dicari adalah garis lurus. Untuk mendapatkan sebuah garis lurus, digunakan regresi linear. kemudian yang kedua adalah mencari power equation yang sebelunya persamaan yang telah diketahui di transformasikan terlebih dahulu. Begitu pula pada soal c, soal harus di transformasikan terlebih dahulu untuk mendapatkan nilai pertumbuhan rata-rata saturasi atau saturationgrowth-rate equation.

V. SIMPULAN Penggunaan metode Regresi Linear pada persamaan non linear memudahkan kita mencari nilai fungsi linear pada grafik. Dengan menggunkan persamaan kuadrat terkecil, garis lurus, power equation dan saturation growth rate equation dapat ditemukan. VI. REFERENSI

[1]

Chapra, Steven C. 2012.Applied Numerical Methods With MATLAB for Engineers. McGraw-Hill Companies,Inc. New York.

[2]

Nugroho, Didit Budi .2009. Diktat Kuliah. Prodi Matematika Fakultas Sains dan Matematika Universitas Kristen Satya Wacana.

[3]

WS, Mada Sanjaya. 2011. Fisika Komputasi Berbasis Matlab untuk Sains dan Teknik. Jurusan Fisika Fakultas Sains dan Teknologi UIN Sunan Gunung Djati

VII.

LAMPIRAN