CURVE FITTING

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.

Dua metode pendekatan yang didasarkan

pada jumlah kesalahan yang terjadi pada
data.
Regresi kuadrat terkecil
(least square
method) :
Apabila
data yang diolah
masih mungkin mengandung
kesalahan.

Interpolasi : Untuk data

yang boleh diyakini tidak
mengandung kesalahan

ANALISIS REGRESI
Proses
penentuan
suatu
fungsi
dekatan
menggambarkan
kecenderungan
data
dengan
simpangan minimum antara nilai fungsi dengan data,
disebut regresi.
Contoh :
Dalam percobaan mendorong sebuah benda uji untuk
mendapatkan hubungan antara besaran gaya dorong
dan jarak perpindahan, diperoleh data sebagai berikut.

Pengamatan
Gaya dorong [ton]
7.7
10.0
18.5
23.9
28.5

Jarak pindah [m]

2.4
3.4
7.0
11.1
19.6

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.

REGRESI KUADRAT TERKECIL

Metode ini berasumsi bahwa kurva terbaik yang

dihasilkan adalah kurva yang mempunyai jumlah total
kuadrat kesalahan minimum (least square error) dari
data. Misal data :(x1,y1), (x2,y2) , ..., (xn,yn), adalah
variable bebas dan variable terikat. pencocokan Kurva
mempunyai deviasi (error) e dari setiap titik data e1=y1f(x1), e2=y2-f(x2), ..., en=yn-f(xn).

Menurut metode ini, kurva terbaik mempunyai

karakteristik:
= (e1)2+(e2)2++(en)2 =
minimum

dimana f(x) merupakan suatu polinomial pendekatan :

Y= a0 + a1.X +a2.X2 + ... + an.Xn
dimana n : derajat dari polinomial yang dipergunakan
f(x)= a0 + a1.X
bentuk linier
f(x)= a0 + a1.X + a2.X2
bentuk kurva derajat dua
f(x)= a0 + a1.X + a2.X2 + a3.X3 bentuk kurva derajat tiga

KOEFISIEN KORELASI
Untuk mengetahui derajat kesesuaian dari persamaan
yang didapat, dihitung nilai koefisien korelasi yang
berbentuk:

Dimana

r : koefisien korelasi

Untuk perkiraan yang sempurna

nilai r = 1. Apabila r = 0 perkiraan
suatu fungsi sangat jelek.
Koefisien korelasi ini juga dapat
digunakan untuk memilih suatu
persamaan
dari
beberapa
alternatif yang ada, terutama di
dalam regresi garis tidak lurus.

REGRESI LINIER
Metode ini memakai Suatu garis lurus f(X) = a + b.X
Untuk menentukan harga pendekatan
terhadap
sekumpulan data: (x1,y1), (x2,y2) , ...., (xn,yn) dengan n
Yi = a + b . Xi + i

untuk i = 1 sampai n

i = Yi a b . Xi

untuk i = 1 sampai n

Minimumkan kuadrat kesalahan :

N

2
{
Y

f
(
X
)}

= i
i
i
(Yi a b.X i ) min

i 1

i 1

i 1

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
N
X
i

i 1

Xi

i 1

N
2
X

i 1
N

i 1
N

XY
i 1

i i

Selanjutnya a dan b dapat ditentukan dengan

menggunakan persamaan :

Nilai a dapat juga dihitung dari persamaan

n . a + xi . b = yi
a = 1/n (yi - xi . b)
sehingga

Contoh :
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

10

7.5

10

10

10

5.54

15

Pertanyaan:
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

X2

20

25

10

80

100

35

49

7.5

60

56.25

42

49

36

36

10

10

100

100

10

90

81

5.54

27.7

30.6916

10

15

105

225

jumlah

82.04

69

595.7

751.9416

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

Dt2 = 38,9

dan

D2 = 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.

FUNGSI EKSPONENSIAL
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

( N . X . ln Y ) ( X . ln Y )
( N . X ) ( X )
2

ln a ln Y b. X
ln Y

ln Y

X
N

ae

ln a

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
lnYRata

= JumX / N
= JumlnY / N

b=(N.JumXlnY JumX.JumlnY)/(N.JumX2 JumX.JumX)

lna= lnYrata b . Xrata
a = e**lna
Selesai

FUNGSI PANGKAT (Power Model)

Diberikan dalam bentuk
Y= a.Xb
Dimana a dan b adalah konstanta Persamaan tersebut
menjadi

log Y = log a + b. log X

( N . log X . log Y ) ( log X . log Y )

( N . (log X ) ) ( log X )
2

log a log Y b. log X

log Y

log Y
N

a 10

log X

log X
N

loga

contoh :
Pengamatan gaya aksial
[ton]
7.7
10.0
18.5
23.9
28.5

Pengamatan perpanjangan
[mm]
2.4
3.4
7.0
11.1
19.6

Buat persamaan dengan pola eksponensial

dan pangkat

Dengan Pola Eksponensial :

NO

Q=X

P=Ln Y

Q2

Q.P

7.7

2.4

7.7

0.875469

59.29

6.7411113

10

3.4

10

1.223775

100

12.23775

18.5

18.5

1.94591

342.25

35.999335

23.9

11.1

23.9

2.406945

571.21

57.5259855

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 = eln a maka
sehingga persamaan:

a = 1.20193

Y = a . e bx Y = 1.20193. e

0.09602677.X

Y data

0.0

Y hitungan

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 :

Q2

Q.P

0.3802

0.7859

0.33705

0.5315

0.53150

1.2672

0.8451

1.6058

1.07091

23.9

11.1

1.3784

1.0453

1.9000

1.44084

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

NO

Q=logX P=Log Y

7.7

2.4

0.8865

10

3.4

18.5

4
5

(5).(5,26034) (5,9869).(4,0944)
b
(5).(7,4081) (5,9869) 2
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 = 10log a maka

a = 0.10719

sehingga persamaan:

Y = a . X b Y = 0.10719. X

1.493857

Y data

0.0

Y hitungan
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

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
logYRata

= JumlogX / N
= JumlogY / N

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

PERSAMAAN LAJU PERTUMBUHAN JENUH

(Saturation growth-rate)
Diberikan dalam bentuk

X
Y a
b X

Dimana a dan b adalah konstanta Persamaan tersebut

menjadi

1
1 b X
1
1 b 1
.

.
Y
a
X
Y
a a X

1 1
1
1
( N . . ) ( . )
b
X
Y
X
Y

1 2
1 2
a
( N . ( ) ) ( )
X
X

1 1 b 1

a Y aX

1
1 Y

Y
N

1
a
1
a

1
1 X

X
N

Tabel Pola Pertumbuhan Jenuh :

NO

jumlah
rerata

1/X

1/Y

(1/X)2

1/X.1/Y

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
PYRata

= Jum1PX / N
= 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)

2,5

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
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)

2,5

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 ?