CURVE FITTING (PENCOCOKAN KURVA)

Data seringkali diberikan untuk nilai-nilai diskrit

sepanjang suatu rangkaian kesatuan atau Data dijumpai
dalam bentuk yang berupa angka dalam tabel.
Dari data-data tersebut Kita dapat :
Mencari nilai / menaksir data pada titik-titik diantara
(intermediate values) dari nilai-nilai yang diketahui.
Menghitung nilai-nilai fungsi pada sejumlah nilai diskrit
sepanjang rentang yang diamati
Membuat fungsi untuk analisis gejala baik melalui
interpolasi maupun ekstrapolasi
Metode ini dikenal sebagai Curve Fitting (pencocokan
Kurva)
Metode Prakomputer untuk pencocokan kurva :
Mem-plot titik-titik data dan kemudian membuat
sketsa garis yang secara visual bersesuaian
terhadap data.
Regresi kuadrat terkecil
(least square method) :
Apabila data yang diolah
masih mungkin mengandung
kesalahan.
Dua metode pendekatan yang didasarkan
pada jumlah kesalahan yang terjadi pada
data.
Interpolasi : Untuk data
yang boleh diyakini tidak
mengandung kesalahan
ANALISIS REGRESI
Contoh :

Dalam percobaan mendorong sebuah benda uji untuk
mendapatkan hubungan antara besaran gaya dorong
dan jarak perpindahan, diperoleh data sebagai berikut.
Proses penentuan suatu fungsi dekatan
menggambarkan kecenderungan data dengan
simpangan minimum antara nilai fungsi dengan data,
disebut regresi.
Jika absis (x) menyatakan perpindahan dan
ordinal (y) sebagai besaran gaya dorong, maka
persamaan y = f(x) merupakan fungsi kurva
untuk menyatakan hubungan x dan y. Konstanta
fungsi dapat ditentukan sehingga analisis kurva
dapat diuji ketelitiannya sebagai rumusan
pendekatan hubungan antara gaya dan
perpindahannya.
Pengamatan
Gaya dorong [ton] Jarak pindah [m]
7.7
10.0
18.5
23.9
28.5
2.4
3.4
7.0
11.1
19.6
Metode ini berasumsi bahwa kurva terbaik yang
dihasilkan adalah kurva yang mempunyai jumlah total
kuadrat kesalahan minimum (least square error) dari
data. Misal data :(x
1
,y
1
), (x
2
,y
2
) , ..., (x
n
,y
n
), adalah
variable bebas dan variable terikat. pencocokan Kurva
mempunyai deviasi (error) e dari setiap titik data e
1
=y
1
-
f(x
1
), e
2
=y
2
-f(x
2
), ..., e
n
=y
n
-f(x
n
).
REGRESI KUADRAT TERKECIL

= (e
1
)
2
+(e
2
)
2
++(e
n
)
2
=

minimum
dimana f(x) merupakan suatu polinomial pendekatan :
Y= a
0
+ a
1
.X +a
2
.X
2
+ ... + a
n
.X
n

dimana n : derajat dari polinomial yang dipergunakan
f(x)= a
0
+ a
1
.X bentuk linier
f(x)= a
0
+ a
1
.X + a
2
.X
2
bentuk kurva derajat dua
f(x)= a
0
+ a
1
.X + a
2
.X
2
+ a
3
.X
3
bentuk kurva derajat tiga
Menurut metode ini, kurva terbaik mempunyai
karakteristik:
Untuk mengetahui derajat kesesuaian dari persamaan
yang didapat, dihitung nilai koefisien korelasi yang
berbentuk:
KOEFISIEN KORELASI
Dimana r : koefisien korelasi
Koefisien korelasi ini juga dapat
digunakan untuk memilih suatu
persamaan dari beberapa
alternatif yang ada, terutama di
dalam regresi garis tidak lurus.

Untuk perkiraan yang sempurna
nilai r = 1. Apabila r = 0 perkiraan
suatu fungsi sangat jelek.
Metode ini memakai Suatu garis lurus f(X) = a + b.X
REGRESI LINIER
Untuk menentukan harga pendekatan terhadap
sekumpulan data: (x
1
,y
1
), (x
2
,y
2
) , ...., (x
n
,y
n
) dengan n>2
Y
i
= a + b . X
i
+
i
untuk i = 1 sampai n


i
= Y
i
a b . X
i
untuk i = 1 sampai n

Minimumkan kuadrat kesalahan :
=
=

=
N
i
i
1
2

min ) . (
1
2
=

=
N
i
i i
X b a Y

=
=
N
i
i i
X f Y
1
2
)} ( {
dimana a dan b adalah koefisien yang tidak diketahui.
Untuk memperoleh kesalahan kuadrat terkecil maka
koefisien a dan b harus menghasilkan turunan pertama
NOL.
(
(
(
(

= =
=
N
i
i
N
i
i
N
i
i
X X
X N
1
2
1
1

=
=
=
N
i
i i
N
i
i
Y X
Y
1
1
a

b
Selanjutnya a dan b dapat ditentukan dengan
menggunakan persamaan :

Nilai a dapat juga dihitung dari persamaan
n . a + x
i
. b = y
i

a = 1/n (y
i
- x
i
. b)

sehingga

Sebuah studi yang dilakukan untuk menentukan lebar
jalur yang aman untuk pengendara sepeda serta
jaraknya dari lalu-lintas kendaraan umum. Data yang
dikumpulkan dari sepuluh jalan adalah :
Lebar jalur sepeda x(ft) Jarak dari lalu-lintas
5 4
10 8
7 5
7.5 8
7 6
6 6
10 10
9 10
5.54 5
15 7
Contoh :
Gambarkan kurva dari data dan dari hasil persamaan
regresi linear dalam satu grafik. Jika jarak minimum jalur
sepeda dari lalu-lintas umum adalah 6 ft, berapakah
lebar jalur sepeda yang aman.
NO X Y X.Y X
2

1 5 4 20 25
2 10 8 80 100
3 7 5 35 49
4 7.5 8 60 56.25
5 7 6 42 49
6 6 6 36 36
7 10 10 100 100
8 9 10 90 81
9 5.54 5 27.7 30.6916
10 15 7 105 225
jumlah 82.04 69 595.7 751.9416
Pertanyaan:
b = 296.24 / 788.8544 = 0.3755


a = 6.9 - 0.3755 x 8.204 = 3.819398

persamaan garis:

Y = 3.819398 + 0.3755 X

untuk Y = 6 ft , maka
X = 5.807195739

D
t
2
= 38,9 dan D
2
= 27,775278
r = 0,5222
Algoritma Regresi Linier
Inisialisasi JumX=0, JumY=0, JumXY=0, JumX2=0
Untuk I = 1 , N
JumX = JumX + X[I]
JumY = JumY + Y[I]
JumXY= JumXY + X[I].Y[I]
JumX2= JumX2 + X[I].X[I]

XRata = JumX / N
YRata = JumY / N

b=(N.JumXY JumX.JumY)/(N.JumX2 JumX.JumX)
a= Yrata b . XRata
Selesai
LINIERISASI KURVA TIDAK LINIER


Data tidak cocok untuk linier Garis Lengkung lebih cocok
Tiga (3) bentuk non-linier yang dapat dibuatkan
pendekatan linier, agar dapat diselesaikan melalui
regressi linier.

Diberikan dalam bentuk: Y = a. e
bx

dimana a dan b adalah konstanta, Persamaan tersebut
menjadi ln Y = ln a + ln e . b. X ;
karena ln e = 1, maka : ln Y = ln a + b.x



FUNGSI EKSPONENSIAL

=
2 2
) ( ) . (
) ln . ( ) ln . . (
X X N
Y X Y X N
b
X b Y a . ln ln =
N
Y
Y

=
ln
ln
N
X
X

=
a
e a
ln
=
Algoritma Fungsi Eksponensial
Inisialisasi JumX=0, JumlnY=0, JumXlnY=0, JumX2=0
Untuk I = 1 , N
JumX = JumX + X[I]
JumlnY = JumlnY + ln Y[I]
JumXlnY = JumXlnY + X[I].ln Y[I]
JumX2 = JumX2 + X[I].X[I]

XRata = JumX / N
lnYRata = JumlnY / N

b=(N.JumXlnY JumX.JumlnY)/(N.JumX2 JumX.JumX)
lna= lnYrata b . Xrata
a = e**lna
Selesai
Diberikan dalam bentuk Y = a . X
b

Dimana a dan b adalah konstanta Persamaan tersebut
menjadi log Y = log a + b. log X



FUNGSI PANGKAT (Power Model)

=
2 2
) log ( ) ) (log . (
) log . log ( ) log . log . (
X X N
Y X Y X N
b
X b Y a log . log log =
N
Y
Y

=
log
log
N
X
X

=
log
log
a
a
log
10 =
Buat persamaan dengan pola eksponensial
dan pangkat

Pengamatan gaya aksial
[ton]
Pengamatan perpanjangan
[mm]
7.7
10.0
18.5
23.9
28.5
2.4
3.4
7.0
11.1
19.6


contoh :


Dengan Pola Eksponensial :
NO X Y Q=X P=Ln Y Q
2
Q.P
1 7.7 2.4 7.7 0.875469 59.29 6.7411113
2 10 3.4 10 1.223775 100 12.23775
3 18.5 7 18.5 1.94591 342.25 35.999335
4 23.9 11.1 23.9 2.406945 571.21 57.5259855
5 28.5 19.6 28.5 2.97553 812.25 84.802605
jumlah 88.6 9.427629 1885 197.306787
rerata 17.72 1.8855258


b =


= (986.533934 - 835.2879294) / (9425 - 7849.96) =
= 151.2460046 / 1575.04 = 0.09602677

ln a =

Persamaan yang dicari adalah b = B = 0.09602677

karena: a = e
ln a
maka a = 1.20193
sehingga persamaan:

Y = a . e
bx
Y = 1.20193. e
0.09602677.X

x Y data Y hitungan
0.0 1.201934
7.7 2.4 2.517681
10.0 3.4 3.139928
18.5 7.0 7.102364
23.9 11.1 11.929000
28.5 19.6 18.554190


Data dan fungsi eksponensial pada skala linear


Dengan Pola Pangkat :
NO X Y Q=logX P=Log Y Q
2
Q.P
1 7.7 2.4 0.8865 0.3802 0.7859 0.33705
2 10 3.4 1 0.5315 1 0.53150
3 18.5 7 1.2672 0.8451 1.6058 1.07091
4 23.9 11.1 1.3784 1.0453 1.9000 1.44084
5 28.5 19.6 1.4548 1.2923 2.1164 1.88004
jumlah 5.9869 4.0944 7.4081 5.26034
rerata 1.1974 0.8189


b = 1.78893664 / 1.19752839 = 1.493857

log a = 0.8189 1.493857 . 1.1974 = - 0.969844

Persamaan yang dicari adalah b = 1.493857

karena: a = 10
log a
maka a = 0.10719

sehingga persamaan:

Y = a . X
b
Y = 0.10719. X
1.493857

2
) 9869 , 5 ( ) 4081 , 7 ).( 5 (
) 0944 , 4 ).( 9869 , 5 ( ) 26034 , 5 ).( 5 (

= b
x Y data Y hitungan
0.0 0
7.7 2.4 2.26175
10.0 3.4 3.34204
18.5 7.0 8.37775
23.9 11.1 12.28241
28.5 19.6 15.97660

0


0


0

0
0

0
Algoritma Fungsi Pangkat
Inisialisasi JumlogX=0, JumlogY=0, JumlogXlogY=0,
JumlogX2=0
Untuk I = 1 , N
JumlogX = JumlogX + log X[I]
JumlogY = JumlogY + log Y[I]
JumlogXlogY = JumlogXlogY + log X[I].log Y[I]
JumlogX2 = JumlogX2 + log X[I].log X[I]

logXRata = JumlogX / N
logYRata = JumlogY / N

b=(N.JumlogXlogY JumlogX.JumlogY)/(N.JumlogX2
JumlogX.JumlogX)
loga= logYrata b . logXrata
a = 10**loga
Selesai
Diberikan dalam bentuk

Dimana a dan b adalah konstanta Persamaan tersebut

menjadi
PERSAMAAN LAJU PERTUMBUHAN JENUH
(Saturation growth-rate)
X b
X
a Y
+
=
X a
b
a Y X
X b
a Y
1
.
1 1
.
1 1
+ =
+
=

=
2 2
)
1
( ) )
1
( . (
)
1
.
1
( )
1
.
1
. (
X X
N
Y X Y X
N
a
b
X a
b
Y a
1 1 1
=
N
Y
Y

=
1
1
N
X
X

=
1
1
a
a
1
1
=

Tabel Pola Pertumbuhan Jenuh :
NO X Y 1/X 1/Y (1/X)
2
1/X.1/Y
jumlah
rerata


Algoritma Fungsi Laju Pertumbuhan Jenuh
Inisialisasi Jum1PX=0, Jum1PY=0, Jum1PX1PY=0,
Jum1PX2=0
Untuk I = 1 , N
Jum1PX = Jum1PX + 1 / X[I]
Jum1PY = Jum1PY + 1 / Y[I]
Jum1PX1PY = Jum1PX1PY + 1 / X[I] . 1 / Y[I]
Jum1PX2 = Jum1PX2 + 1 / X[I] . 1 / X[I]

PXRata = Jum1PX / N
PYRata = Jum1PY / N

b/a=(N.Jum1PX1PY Jum1PX.Jum1PY)/(N.Jum1PX2
Jum1PX.Jum1PX)
1/a= PYrata b/a . PXrata
a = 1 / (1/a)
Selesai
Latihan Penggunaan Model Eksponensial
Menurunnya tingkat pencurian pengguna kelistrikan di
PLN Cabang Kubu-Raya akibat operasi OPAL, dapat
dinyatakan melalui tabel berikut :
Lama
Operasi
(bulan)

1

2

2,5

4

6
Jumlah
Pencurian
Kelistrikan

78

61

54

37

22
Berapa jumlah pencurian pada bulan ke-5 dan bulan
keberapa dari operasikah dapat menekan jumlah
pencurian kelistrikan tinggal 50 ?
Latihan Penggunaan Model Pangkat
Kenaikan tegangan pada suatu instalasi tergantung
pengaturan tegangan melalui posisi tapping trafonya
yang dinyatakan melalui tabel berikut :
Posisi
Tapping

1

2

3

4

5
Tegangan
(Volt)

176

195

203

207

209
Berapa Tegangan yang dihasilkan pada posisi tapping 2,5
dan pada posisi tapping ke-berapakah tegangan
mencapai 210 Volt ?
Latihan Penggunaan Model Jenuh
Efek lama promosi untuk produk Nokia terbaru serie-007
terhadap penjualannya dinyatakan melalui tabel berikut :

Lama
Promosi
(minggu)

2

2,5

4

7

10
Jumlah
Penjualan
(unit)

15

17

23

32

40
Berapa Jumlah unit yang terjual bila promosi dilakukan
dalam 3 minggu, dan membutuhkan berapa minggu
promosikah agar jumlah unit yang terjual jumlahnya 30 ?