REGRESI LINIER DENGAN METODE KUADRAT TERKECIL

BAB I. PENDAHULUAN
A. Tujuan
Agar mahasiswa dapat menyusun persamaan empiric dari data yang ada
dengan menggunakan pendekatan secara numeris.
B. Dasar Teori
Secara umum, analisis regresi pada dasarnya adalah studi mengenai
ketergantungan variable dependen (terikat) dengan satu atau lebih variable
independen (variable penjelas/bebas), dengan tujuan untuk mengestimasi dan/atau
memprediksi rata-rata populasi atau nilai rata-rata variable dependen berdasarkan
nilai variable independen yang diketahui.
Hasil analisis regresi adalah berupa koefisien untuk masing-masing
variable independen. Koefisien ini diperoleh dengan cara memprediksi nilai
variable dependen dengan suatu persamaan. Koefisien regresi dihitung dengan
dua tujuan sekaligus, yaitu meminimumkan penyimpangan antara nilai aktual dan
nilai estimasi variable dependen berdasarkan data yang ada.
Regresi linier adalah alat statistic yang dipergunakan untuk mengetahui
pengaruh antara satu atau beberapa variable terhadapa satu buah variable. Variable
yang mempengaruhi sering disebut variable bebas, variable independen atau
variable penjelas. Variable yang dipengaruhi sering disebut dengan variable terikat
atau variable dependen. Regresi linier hanya dapat digunakan pada skala interval
dan ratio.
Secara umum regresi linier ada dua, yaitu regresi linier sederhana (dengan
satu buah variable bebas dan satu buah variable terikat) dan regesi linier berganda
(dengan beberapa variable bebas dan satu buah variable terikat).

1. Regresi Linier Sederhana

Analisis regresi linier sederhana dipergunakan untuk mengetahui pengaruh

antara satu buah variable bebas terhadap satu buah variable terikat. Persamaan
umumnya adalah :
y=a+b x
Dengan y adalah variable terikat dan x adalah variable bebas. Koefisien a
adalah konstanta (intersep) yang merupakan titik potong antara garis regresi
dengan sumbu y padakoordinat kartesius.
2. Regresi Linier Berganda
Analisis regresi linier berganda sebenarnya sama dengan analisis regresi
linier sederhana, hanya variable bebasnya lebih dari satu buah. Persamaan
umumnya adalah:
y=a+b1 x1 +b 2 x 2+ +b n x n
Dengan y adalah variable terikat dan x adalah variable-variabel bebas, a
dalah kosntanta (intersep) dan b adlah koefisien regresi pada masing-masing
variable bebas.
Metode Kuadrat Terkecil (Least Square Method) Linier adalah suatu
metode yang digunakan untuk menentukan hubungan linier dari suatu data agar
dapat diprediksi nilai-nilainya, yang mana nilai-nilai tersebut tidak terdapat pada
data-data yang kita miliki. Terkadang proses yang melibatkan metode kuadrat
terkecil untuk menentukan hubungan dua variable data berupa fungsi linier
disebut sebagai regresi linier.
Metode kuadrat terkecil ditemukan oleh Carl F. Gauss seorang
matematikawan dan fisikawan ternama asal Jerman, abad ke-17). Karyanya ini
masih dipakai sampai saat ini sebagai metode yang paling baik untuk menentukan
hubungan linier dari dua variable data. Dengan metode kuadrat terkecil, kita dapat
menyajikan data dengan lebih berguna.
Metode yang dapat digunakan untuk analisis time series ini adalah :

Metode Garis Linier Secara Bebas (Free Hand Method)

Metode Setengah Rata-Rata (Semi Average Method)
Metode Rata-Rata Bergerak (Moving Average Method)
Metode Kuadrat Terkecil (Least Square Method)

Secara khusus, analisis time series dengan metode kuadrat terkecil dapat
dibagi dalam dua kasus, yaitu kasus data genap dan kasus data ganjil. Persamaan
garis linier dari analisis time series akan mengikuti :
y=a+b x
Keterangan : y adalah variable dependen (tak bebas) yang dicaari
trendsnya dan x adlah variable independen (bebas) dengan menggunakan waktu
(biasanya dalam tahun).
Sedangkan untuk mencari nilai konstanta (a) dan parameter (b) dapat
dipakai persamaan :
a= y / N
b= xy / x

Bentuk persamaan : y = ax
Misal tersedia data :
X

X1

X2

X3

XN-1

Xn

Y1

Y2

Y3

YN-1

Yn

Ingin dicari harga a yang sesuai

Untuk pasangan harga xi , yi , maka errornya adalah :
Ri=axi y i
y terrhitung y data
Sehingga harga Sum of Squares of Errors (SSE) adalah :
n

SSE= ( axi y i )2
i=1

SSE=f (a)

Harga SSE tergantung pada harga a yang dipakai. Harga a yang terbaik
adalah yang memberikan SSE minimum. Harga SSE akan minimum bila :
dSSE
=0
da
Sehingga :

dSSE
= 2 ( ax i y i ) x i
da
i=1
0

a ( x i )2 ( x i y i) =0
a=

( xi y i )
( x i )2

Bentuk persamaan :

y=a0+ a1 x

Dengan cara yang sama akan diperoleh :

n

SSE= ( a0 +ai ax i y i )2
i=1

f (a0 , a1)
Harga SSE akan minimum bila :
SSE
SSE
=0 dan
=0
a0
a1
Maka :
n

SSE
= 2 ( a0 +a1 xi y i ) 1=0
a0 i =1
n . a0 +a1 x i= y i
n

SSE
= 2 ( a0 +a1 xi y i ) x i
a1 i =1
2

a0 x i+ a1 xi = xi y i
Maka akan diperoleh 2 persamaan dengan 2 bilangan yang tiak diketahui (a0 dan
a1), sehingga harga a0 dan a1 dapat dicari.

Algoritma :
Algoritma untuk evaluasi tetapan dalam persamaan empiric (regresi linier
dengan metode kuadrat terkecil) :

1) Untuk persamaan y=a0 x

a. Mendefenisikan bentuk persamaan y=a0 x
b. Menentukan data nilai x dan y
c. Menentukan nilai (x, y) dan x2
d. Menentukan jumlah x, y, x2 dan (x, y)
e. Mencari tetapan nilai a0
( xi , y i )
a0 =
x i2
2) Untuk persamaan y=a0+ ai x
a. Mendefenisikan bentuk persamaan y=a0+ ai x
b. Menentukan nilai x dan y
c. Menentukan nilai x2 dan x*y
d. Menentukan jumlah x, y, x2 dan x*y
e. Masukkan nilai yang sudah didapat ke persamaan :
n . a0 +a1 x i= y i

a0 x i+ a1 xi2= xi y i
f. Mengeliminasi kedua persamaan untuk mendapatkan ai/a0
g. Mensubstitusikan ai dan a0 ke dalam y=a0+ ai x

BAB II. PERSOALAN DAN PENYELESAIANNYA

A. Latihan
Latihan 1.
y=a0 . x
n
1
2
3
4

x
1.5
3
4.5
6

y
2.1
2.2
2.3
2.4

x2
2.25
9
20.25
36

x.y
3.15
6.6
10.35
14.4

7.5
22.5

2.5
11.5

56.25
123.75

18.75
53.25

Penyelesaian :

a=

x. y
x2

a=

53.25
=0.4303
123.75

y=a0 . x
y=0.4303 x
y
=

0.4303

Latihan 2.
y=a0+ a1 . x
n
1
2
3
4
5
6
7
8

x
0.1500
0.2250
0.3210
0.4950
0.6280
0.8240
0.9130
0.9945

4.5505

y
1.0000
1.5000
2.5000
3.0000
5.5000
6.0000
6.5000
8.5000
34.500
0

x2
0.0225
0.0506
0.1030
0.2450
0.3944
0.6790
0.8336
0.9890

x.y
0.1500
0.3375
0.8025
1.4850
3.4540
4.9440
5.9345
8.4533
25.560
8

3.3172

Penyelesaian :
8 a0

a1* 4.5505

34.5000

4.5505

4.55055 a0

a1* 3.3172

25.5608

36.404 a0

a1* 20.7071

156.9922

36.404 a0

a1* 26.5372

204.4860

a1* -5.8302

-47.4938

a1

8.1462

8 a0

a1* 4.5505

34.5000

8 a0

37.0694

34.5000

-0.3212

a0
y=

-0.3212 + 8.1462

Latihan 3.
Berikut ini adalah data-data konsentrasi vs waktu untuk reaksi orde 1 :
Ca (gmol/L) 0.78
0.675
0.5
0.425
t (detik)
0
20
40
60
Hitung nilai (k) konstanta kecepatan reaksinya!
ln

0.335
80

0.25
100

CA
=k . t
C A0

y=a0 . x
Penyelesaian :

a=

x. y
x2

n
1
2

x
0
20

y
0
-0.1446

x2
0
400

40

-0.4447

1600

60

-0.6072

3600

80

-0.8452

6400

100

-1.1378

10000

300

3.1795

22000

a=

238.5077
=0.0108
22000

x.y
0
-2.8916
17.7874
36.4323
67.6131
113.783
3
238.50
77

y=a0 . x
y=0.0108 x
Jadi
k=

harga

0.01
08

Latihan 4.
Tentukanlah harga tetapan dalam persamaan

y=a0+ a1 . x

, supaya memenuhi

data berikut :
x
2.500
y
0.100
Penyelesaian :

3.275
0.165

5.875
0.230

n
1
2
3
4
5
6

x
2.5000
3.2750
5.8750
6.2600
7.0000
8.2500

y
0.1000
0.1650
0.2300
0.3150
0.3780
0.4050

33.1600

1.5930

a1* 33.1600

33.1600 a0

a1* 207.7414 =

198.9600 a0

a1* 1099.5856

52.8239

198.9600 a0

a1* 1246.4481

60.6047

a1* -146.8625

-7.7808

0.0530

10.1008

1.5930

6 a0

1.7568

1.5930

-0.0273

y=

-0.0273

+ 0.0530

10.1008

33.1600

a1* 33.1600

B. Tugas

x.y
0.2500
0.5404
1.3513
1.9719
2.6460
3.3413

y=a0+ a1 . x

8.250
0.405

1.5930

6 a0

a0

7.000
0.378

x2
6.25
10.7256
34.5156
39.1876
49.0000
68.0625
207.741
4

6 a0

a1

6.260
0.315

Tugas 1.
Berikut ini adalah data-data konsentrasi vs waktu untuk reaksi orde 1 :
Ca (gmol/L)
2
1.875 1.1432 1.182
t (detik)
0
10
20
30
Hitung nilai (k) konstanta kecepatan reaksinya!
ln

0.953
40

0.826
50

0.693
60

CA
=k . t
C A0

y=a0 . x
Penyelesaian :

a=

x. y
x2

x2

x.y

1
2
3
4
5
6
7
8

0
10
20
30
40
50
60
70

0
-0.0645
-0.3341
-0.5259
-0.7413
-0.8843
-1.0599
-1.3587

0
100
400
900
1600
2500
3600
4900

0
-0.6454
-6.6815
-15.7782
-29.6515
-44.2154
-63.5923
-95.1075

280

-4.9687

14000

255.671
8

a=

255.6718
=0.0183
14000

y=a0 . x
y=0.0183 x
Jadi
k=

harga

0.01
83

0.514
70

Tugas 2.
Diketahui data kebutuhan alkil benzene dari tahun 2008-2014 adalah sebagai
berikut :
x

Tahun

Kebutuhan Alkil Benzen

(Ton/Tahun)

2008
1273
2009
2983
2010
3742
2011
4092
2012
5281
2013
6278
2014
7925
Berapa kebutuhan alkil benzene pada tahun 2021?
Penyelesaian :

2008

1273

2009

2983

2010

3742

2011

4092

2012

5281

2013

6278

2014

7925

403206
4
403608
1
404010
0
404412
1
404814
4
405216
9
405619
6

14077

31574

283088
75

7 a0

a1* 14077

14077 a0

+
+

98539 a0

x2

x.y

2556184
5992847
7521420
8229012
1062537
2
1263761
4
1596095
0
6352339
9

31574

14077

a1* 28308875 =

63523399

a1* 198161929 =

444467198

98539 a0

a1* 198162125 =
a1* -196

444663793
= -196595

a1 = 1003.0357
7 a0

a1* 14077

31574

7 a0

14119733.8

31574

-2012594.3

a0
y=a0+ a1 . x
y=

-2012594.3

+ 1003.0357

Kebutuhan alkil benzene pada tahun 2021 :

Jika

x=2021
y=2012594.3+1003.0357 x
y=14540.9286 ton /tahun

Jadi, kebutuhan alkil benzen pada tahun 2021

Ton/Tah
adalah sebesar =
14540.9286
un

BAB III. PENUTUP

A. Kesimpulan
1. Regresi linier adalah alat statistic yang dipergunakan untuk mengetahui
pengaruh antara satu atau beberapa variable terhadapa satu buah variable.
2. Regresi linier ada dua, yaitu regresi linier sederhana (dengan satu buah
variable bebas dan satu buah variable terikat) dan regesi linier berganda
(dengan beberapa variable bebas dan satu buah variable terikat).
3. Metode Kuadrat Terkecil (Least Square Method) Linier adalah suatu metode
yang digunakan untuk menentukan hubungan linier dari suatu data agar dapat
diprediksi nilai-nilainya, yang mana nilai-nilai tersebut tidak terdapat pada
data-data yang kita miliki.
4. Pada bab ini dicari intersept dan slope persamaan garis lurus ( y=a+bx .
5. Dari latihan soal diperoleh hasil perhitungan :
- Latihan 1 dengan data :
n
1
2
3
4
5

x
1.5
3
4.5
6
7.5
22.5

Menggunakan persamaan umum

empiriknya yaitu
-

x2
2.25
9
20.25
36
56.25
123.75

y
2.1
2.2
2.3
2.4
2.5
11.5

y=a0 . x

x.y
3.15
6.6
10.35
14.4
18.75
53.25

, maka didapat persamaan

y=0.4304 x .

Latihan 2 dengan data :

n
1
2
3
4
5
6
7

x
0.1500
0.2250
0.3210
0.4950
0.6280
0.8240
0.9130

y
1.0000
1.5000
2.5000
3.0000
5.5000
6.0000
6.5000

x2
0.0225
0.0506
0.1030
0.2450
0.3944
0.6790
0.8336

x.y
0.1500
0.3375
0.8025
1.4850
3.4540
4.9440
5.9345

0.9945

4.5505

8.5000
34.500
0

3.3172

y=a0+ a1 . x

Menggunakan persamaan umum

persamaan empiriknya yaitu

0.9890

8.4533
25.560
8

, maka didapat

y=0.3212+8.1462 x .

Latihan 3 dengan data-data konsentrasi vs waktu untuk reaksi orde 1 :

Ca (gmol/L)
t (detik)

0.78
0

0.675
20

0.5
40

0.425
60

y=a0 . x

Menggunakan persamaan umum

0.335
0.25
80
100
CA
=k . t maka
dan ln
C A0

y=0.0108 x . Sehingga didapat

didapat persamaan empiriknya yaitu

nilai konstanta (k) kecepatan reaksinya yaitu 0.0108.

-

Latihan 4 dengan data :

x
2.500
3.275
5.875
y
0.100
0.165
0.230
Menggunakan persamaan umum
persamaan empiriknya yaitu

6.260
7.000
8.250
0.315
0.378
0.405
y=a0+ a1 . x
, maka didapat

y=0.0273+0.0530 x .

6. Dari tugas diperoleh hasil perhitungan :

- Tugas 1 dengan data-data konsentrasi vs waktu untuk reaksi orde 1 :
Ca (gmol/L)
t (detik)

2
0

1.875
10

1.1432
20

Menggunakan persamaan umum

1.182
30

0.953
40

y=a0 . x

didapat persamaan empiriknya yaitu

0.826 0.693 0.514

50
60
70
CA
=k . t maka
dan ln
C A0

y=0.0183 x . Sehingga didapat

nilai konstanta (k) kecepatan reaksinya yaitu 0.0183.

Tugas 2 dengan data kebutuhan alkil benzene dari tahun 2008-2014 :

x

Tahun

Kebutuhan Alkil Benzen

(Ton/Tahun)

2008

1273

2009
2010
2011
2012
2013
2014
Menggunakan persamaan umum
persamaan empiriknya yaitu

2983
3742
4092
5281
6278
7925
y=a0+ a1 . x

, maka didapat

y=2012594.3+1003.0357 x . Sehingga

jumlah kebutuhan alkil benzene pada tahun 2021 adalah sebesar

14540.9286 ton/tahun.
B. Saran
Ketelitian merupakan aspek yang penting dan harus diperhatikan.
Terutama dalam menghitung a0 dan a1. Karena perhitungan a0 dan a1 masih
dilakukan secara manual yaitu dengan cara substitusi dan eliminasi. Kesalahan
penempatan koefisien-koefisien sering terjadi karena kurang teliti.

DAFTAR PUSTAKA

1. Laboratorium Komputasi Proses Universitas Islam Indonesia.2010. Buku

Petunjuk Praktikum Komputasi Proses. Yogyakarta : Universitas Islam
Indonesia
2. http://tugas-makalah-makalah.blogspot.co.id/2013/04/statistik-metodekuadrat-kecil-least.html
(diakses pada tanggal 11 November 2016 pukul 11.25 WIB)
3. https://www.scribd.com/doc/293345363/Laporan-Praktikum-KomputasiProses-bab-vi-VI-REGRESI-LINIER-DENGAN-METODE-KUADRATTERKECIL
(diakses pada tanggal 11 November 2016 pukul 11.25 WIB)
4. http://www.slideshare.net/nurcendanasari/modul-6-32056522
(diakses pada tanggal 11 November 2016 pukul 11.25 WIB)
5. https://www.scribd.com/document/283949181/Bab-6-Regresi-Linier-DenganMetode-Kuadrat-Terkecil
(diakses pada tanggal 11 November 2016 pukul 11.25 WIB)