(a)
(c)
Regresi Linier
Regresi
Polinomial
Regresi
Eksponensial
REGRESI LINIER
Regresi linier digunakan untuk menentukan fungsi
linier (garis lurus) yg paling sesuai dr sekumpulan
titik data (xi,yi) yang diketahui.
Formula matematis untuk garis lurus tsb adalah :
y = a0 + a1x + E .......................... (1)
dimana :
a0 : koefisien yang menyatakan titik potong
a1 : koefisien kemiringan (slope)
E : kesalahan (error) atau selisih (residual) antara
fungsi dan titik data
REGRESI LINIER
Kesalahan atau residual dari garis lurus yang
diperoleh dr persamaan (1) dapat dihitung dg :
E = y a0 a1x
Metode terbaik untuk mendapatkan persamaan
garis lurus (regresi linier) adalah jumlah kuadrat
terkecil yaitu dengan cara meminimalkan jumlah
kuadrat residual (Sr) sbb :
n
S r = Ei2 = ( yi a0 a1 xi )
i =1
........................ (2)
i =1
REGRESI LINIER
Untuk menentukan harga a0 dan a1, persamaan (2)
didiferensialkan thd masing-masing koefisien :
S r
= 2 ( yi a0 a1 xi )
a0
S r
= 2 [( yi a0 a1 xi )xi ]
a1
REGRESI LINIER
Persamaan di atas dapat ditulis sbb :
na0 + xi a1 = yi
xa +x a =x y
2
i 1
i 0
n xi yi xi yi
n xi2 ( xi )
a1 xi
n
REGRESI LINIER
Deviasi standar total atau simpangan baku total
untuk mengukur penyebaran data terhadap ratarata dihitung dengan rumus :
St
Sy =
=
n 1
(y
y)
n 1
Sr
=
n2
dengan S r = ( yi a0 a1 xi )
i =1
REGRESI LINIER
Untuk mengetahui tingkat kecocokan kurva hasil
regresi terhadap data digunakan koefisien
determinasi (r2) sbb :
S Sr
2
r2 = t
dengan St = ( yi y )
St
r disebut koefisien korelasi.
Jika nilai Sr = 0 maka Sy/x = 0 dan r2 = 1 yang
berarti bahwa tidak ada penyebaran data disekitar
garis lurus hasil regresi atau titik-titik data semua
tepat berada pada garis lurus sehingga dikatakan
kurva cocok sempurna atau variabilitas garis
adalah 100%.
REGRESI LINIER
Contoh :
a. Dapatkan persamaan garis lurus yang paling
mendekati dari sekumpulan data berikut ini :
x
0,5
2,5
2,0
4,0
3,5
6,0
5,5
REGRESI LINIER
Jawab (a) :
i
xi
1
2
3
4
5
6
7
yi
1
2
3
4
5
6
7
28
xi^2
0,5
2,5
2,0
4,0
3,5
6,0
5,5
24
1
4
9
16
25
36
49
140
REGRESI LINIER
a1 =
n xi yi xi yi
n xi2 ( xi )
7 119,5 28 24
7 140 282
a1 = 0,8392857
a0 =
a1 xi
n
24 0,8392857 28
7
a0 = 0,0714286
x iy i
0,5
5,0
6,0
16,0
17,5
36,0
38,5
119.5
REGRESI LINIER
Gambar kurva hasil regresi :
6
y = 0,0714286 + 0,8392857 x
y3
REGRESI LINIER
Jawaban (b) :
i
xi
yi
1
2
3
4
5
6
7
Rt2
1
2
3
4
5
6
7
28
4,00
0,5
2,5
2,0
4,0
3,5
6,0
5,5
24
3,429
0,168686
0,562500
0,347258
0,326531
0,589605
0,797194
0,199298
2,991071
REGRESI LINIER
Simpangan baku total :
Sy =
St
22,714
=
= 1,9457
n 1
7 1
Sr
2,991071
=
=
= 0,7734
n2
72
Sy/x < Sy :
Model regresi baik
Koefisien determinasi :
S S r 22,714 2,991
r2 = t
=
= 0,8683
St
22,714
Koefisien korelasi :
r = 0,9318
REGRESI EKSPONENSIAL
Regresi eksponensial digunakan utk menentukan
fungsi eksponensial yang paling sesuai dengan
sekumpulan titik data (xi,yi) yang diketahui.
Regresi eksponensial merupakan pengembangan
dari regresi linier dengan memanfaatkan fungsi
logaritma.
ax + b
Contoh : y = e
ln y = ln e ax +b
dimana z = ln y
z = ax + b
REGRESI EKSPONENSIAL
Tabel transformasi fungsi-fungsi non linier menjadi
fungsi linier :
Pencocokan
fungsi
Dijadikan
fungsi linier
a
+b
x
y = au + b
y=
b
y=
x+a
y = ab
1 1
a
= x+
y b
b
z = px + q
ln y = (ln b )x + ln a
z = px + q
Substitusi
variabel
u=
1
x
1
1
b=
y
p
a = bq
z=
z = ln y b = e p
a = eq
REGRESI EKSPONENSIAL
Pencocokan
fungsi
y = be ax
y = e ax +b
y = C be ax
y = ax b
Dijadikan
fungsi linier
ln y = ax + ln b
z = ax + q
ln y = ax + b
z = ax + b
ln (C y ) = ax + ln b
z = px + q
Substitusi
variabel
z = ln y b = e q
z = ln y
z = ln (C y )
a = p b = eq
ln y = b ln x + ln a
z = ln y u = ln x
z = pu + q
b = p a = eq
REGRESI EKSPONENSIAL
Pencocokan
fungsi
Dijadikan
fungsi linier
Substitusi
variabel
z = ln ( y x )
ln y ln x = bx + ln a
y = ax e bx
z = px + q
b = p a = eq
ln y = ax + b
y = e ax +b
z = ln y
z = ax + b
y = a ln x + b
y = au + b
u = ln x
C
y=
1 + b e ax
C
ln 1 = ax + ln b
y
z = ax + q
C
z = ln 1
y
q
b=e
REGRESI EKSPONENSIAL
Contoh :
Dapatkan regresi yg paling sesuai dr sekumpulan
data sbb :
8
y
4
REGRESI EKSPONENSIAL
Jawab :
Dari plotting titik-titik
data terlihat bahwa
kecenderungan
kurva hasil regresi
adalah tidak linier.
Coba plot lagi titiktitik data dengan
menggunakan skala
logaritma.
8
6
ln(y)
2
ln(x)
REGRESI EKSPONENSIAL
Fungsi tsb. ditransformasikan menjadi fungsi linier:
y = ax b
ln y = b ln x + ln a z = pu + q
dimana :
z = ln y
u = ln x
b= p
a = eq
REGRESI EKSPONENSIAL
i
xi
yi
0,5
ui
zi
0 -0,6931
4,7875
ui^2
uiz i
0
REGRESI EKSPONENSIAL
p=
n ui z i ui z i
n ui2 ( ui )
p = 1,7517236
q=
p ui
n
q = -0,6912816
REGRESI EKSPONENSIAL
Untuk memperoleh persamaan kurva hasil regresi
dari data awal harus dihitung koefisien a dan b :
a = eq = 0,5009336
b = p = 1,7517236
Sehingga :
y = 0,5009336 x1,7517236 y
8
REGRESI POLINOMIAL
Regresi polinomial digunakan untuk menentukan
fungsi polinomial yang paling sesuai dengan
sekumpulan titik data (xi,yi) yang diketahui.
Prosedur kuadrat terkecil dapat diperluas untuk
mencocokkan data terhadap fungsi polinomial
derajat ke m.
Fungsi pendekatan :
y = a0 + a1 x + a2 x 2 + K + am x m + E
S r = yi a0 a1 xi a2 xi2 K am xim
i =1
REGRESI POLINOMIAL
Dengan cara yang sama seperti pada regresi linier
untuk mendapatkan jumlah kuadrat terkecil maka :
S r
= 2 yi a0 a1 xi a2 xi2 K am xim = 0
a0
S r
= 2 xi yi a0 a1 xi a2 xi2 K am xim = 0
a1
S r
= 2 xi2 yi a0 a1 xi a2 xi2 K am xim = 0
a2
M
S r
= 2 xim yi a0 a1 xi a2 xi2 K am xim = 0
am
REGRESI POLINOMIAL
Sehingga :
na0 + a1 xi + a2 xi2 + K + am xim = yi
a0 xi + a1 xi2 + a2 xi3 + K + am xim +1 = xi yi
a0 xi2 + a1 xi3 + a2 xi4 + K + am xim + 2 = xi2 yi
M
a0 xim + a1 xim +1 + a2 xim + 2 + K + am xi2 m = xim yi
REGRESI POLINOMIAL
Model matriks normal dari regresi polinomial orde
m adalah sbb :
n
xi
xi2
M
xm
i
x
x
x
x
x
x
i
2
i
3
i
m +1
i
2
i
3
i
4
i
m+ 2
i
L
L
L
M
L
x
x
x
m
i
m +1
i
m+2
i
2m
i
a 0 yi
a1 xi yi
a2 = xi2 yi
M M
a x m y
m i i
Hasil dari model matrik normal di atas adalah nilainilai a0, a1, a2, , am
REGRESI POLINOMIAL
Kesalahan standar taksiran dari regresi polinomial
adalah :
Sy x =
Sr
n (m + 1)
n = jumlah data
m = orde polinomial
St S r
St
dengan St = ( yi y )
REGRESI POLINOMIAL
Contoh :
Dapatkan kurva polinomial orde dua yang mewakili
data di bawah ini dan hitunglah kesalahan standar
taksiran dan koefisien determinasinya :
x
2,1
REGRESI POLINOMIAL
Jawab :
i
xi
1
2
3
4
5
6
0
1
2
3
4
5
15
yi
2,1
7,7
13,6
27,2
40,9
61,1
152,6
x i2
x i3
x i4
0
1
4
9
16
25
55
0
1
8
27
64
125
225
0
1
16
81
256
625
979
x iy i
xi2yi
0
0
7,7
7,7
27,2
54,4
81,6
244,8
163,6
654,4
305,5
1528
585,6 2488,8
REGRESI POLINOMIAL
Persamaan normal :
+ 15a1
+ 55a2
6 a0
15a0 + 55a1 + 225a2
55a0 + 225a1 + 979a2
=
=
152,6
585,6
= 2488,8
REGRESI POLINOMIAL
Dengam metode eliminasi Gauss Jordan akhirnya
didapatkan :
1 0 0 2,478571 a0
0 1 0 2,359286 a
1
0 0 1 1,860714 a2
REGRESI POLINOMIAL
i
xi
1
2
3
4
5
6
0
1
2
3
4
5
15
yi
2,1
7,7
13,6
27,2
40,9
61,1
152,6
(yi )2
544,4444
314,4711
140,0278
3,1211
239,2178
1272,1111
2513,3933
(yi-a0-a1xi
-a2xi2)2
0,1433163
1,0028592
1,0816000
0,8048653
0,6195939
0,0943367
3,7465714
REGRESI POLINOMIAL
Kesalahan standar taksiran :
Sy x =
Sr
3,7465714
=
= 1,117523
n (m + 1)
6 (2 + 1)
Koefisien determinasi :
r2 =
S t S r 2513,3933 3,7465714
=
= 0,998509
St
2513,3933
REGRESI POLINOMIAL
70
60
50
40
y
30
20
10