Mata kuliah KOMPUTASI ELEKTRO

BAB 5
ANALISIS REGRESI

Dalam analisis data sering dilakukan pembuatan suatu kurve yang dapat mewakili suatu
rangkaian data yang diberikan dalam suatu sistem koordinat x-y. Data tersebut dapat
berupa hasil percobaan di laboratorium atau pengamatan di lapangan. Karena adanya
kesalahan-kesalahan atau ketidakpastian dalam pengujian, pengukuran atau variasi
perubahan data dari waktu ke waktu, maka titik-titik data tersebar dalam koordinat x-y.
Dalam analisis regresi akan dibuat kurve atau fungsi berdasarkan sebaran titik data. Kurve
yang terbentuk diharapkan dapat mewakili titik-titik data tersebut. Seringkali, setelah kurve
terbentuk, dilakukan pula ekstrapolasi untuk mendapatkan nilai y yang berkaitan dengan
nilai x yang berada di luar rangkaian data yang ada.
Metode yang akan digunakan untuk membuat kurve tersebut adalah metode kuadrat
terkecil (least square method). Metode tersebut memungkinkan untuk membuat kurve yang
paling mendekati titik-titik data.
Gambar 5.1, adalah penyebaran titik-titik data hasil dari suatu percobaan pada sistem
koordinat x-y. Penetapan bentuk kurve, apakah linier (garis lurus) atau lengkung
(logaritmik atau berpangkat), tergantung dari kecenderungan (trend) dari penyebaran titik
data, seperti pada Gambar 5.1a. dan 5.1b. Seringkali dijumpai adanya beberapa data yang
mempunyai kesalahan sangat besar seperti titik A dan titik B pada Gambar 5.1. Pembuatan
kurve dengan menggunakan titik A dan B pada gambar akan menghasilkan nilai yang juga
mempunyai kesalahan, oleh karena itu data A dan B dapat dihilangkan.

Gambar 5.1. Plot data pengukuran

5.1 Metode Kuadrat Terkecil (least square method)

Gambar 5.2, menunjukkan sebaran dari titik-titik data hasil pengukuran pada bidang x-
y. Akan dicari suatu kurve g (x) yang dapat mewakili titik percobaan tersebut. Cara
termudah adalah membuat kurve secara visual yang merupakan fungsi terbaik g (x)
yang digambarkan oleh titik-titik data. Tetapi cara ini tidak bisa memberikan hasil yang
memuaskan, terutama apabila penyebaran titik data cukup besar. Diinginkan suatu
metode yang lebih pasti untuk mendapatkan kurve tersebut, yaitu dengan membuat
kurve yang meminimumkan perbedaan (selisih) antara titik-titik data dan kurve. Teknik
untuk mendapatkan kurve tersebut dikenal dengan regresi kuadrat terkecil.

Jurusan Teknik Elektro ISTA Yogyakarta 54

Mata kuliah KOMPUTASI ELEKTRO

Gambar 5.2. Kurve mewakili titik-titik data

Teknik tersebut dilakukan dengan prosedur berikut ini:

1) Titik-titik percobaan digambar pada suatu sistem koordinat. Dari gambar sebaran
titik data tersebut dapat diketahui trend (pola) secara umum dari kumpulan titik
data, sehingga dapat ditentukan apakah kurve yang mewakili berupa garis lurus
(linier) atau lengkung.

2) Dipilih suatu fungsi g (x) yang dianggap bisa mewakili f (x) yang mempunyai
bentuk umum berikut ini:

g (x) = a0 + a1 x + a2 x2 + + ar xr (5.1)
Fungsi tersebut tergantung pada parameter a0, a1, , ar.
3) Ditentukan parameter a0, a1, , ar sedemikian rupa sehingga g (xi ; a0, a1, , ar)
melalui sedekat mungkin titik-titik data. Bentuk g (xi ; a0, a1, , ar) mempunyai arti
fungsi g (xi) dengan parameter a0, a1, , ar.

4) Apabila koordinat dari titik-titik percobaan adalah M (xi , yi), dengan nilai i = 1, 2,
, n maka selisih ordinat antara titik-titik tersebut dengan fungsi g (xi ; a0, a1, ,
ar) adalah:

Ei = Mi Gi = yi g (xi ; a0, a1, , ar)

= yi (a0 + a1 xi + a2 xi 2 + a3 xi 3 + + ar xi r)
5) Dipilih suatu fungsi g (x) yang mempunyai kesalahan Ei terkecil. Dalam metode ini
jumlah kuadrat dari kesalahan adalah terkecil.

n n
2
D 2 Ei { yi g ( xi )}2 (5.2)
i 1 i 1

6) Dicari parameter a0, a1, , ar sedemikian sehingga D2 adalah minimum. Nilai D2

akan minimum apabila turunan pertamanya terhadap a0, a1, , ar adalah nol,
sehingga:

D2
0
a0

Jurusan Teknik Elektro ISTA Yogyakarta 55

Mata kuliah KOMPUTASI ELEKTRO

D2
0
a1
(5.3)
D 2
0
ar

7) Penyelesaian dari persamaan (5.3) akan memberikan hasil parameter a0, a1, , ar.
Dengan demikian persamaan kurve terbaik yang mewakili titik-titik data telah
diperoleh.

5.2 Metode Kuadrat Terkecil Untuk Kurve Linier

Bentuk paling sederhana dari regresi kuadrat terkecil adalah apabila kurve yang
mewakili titik-titik data merupakan garis lurus, sehingga persamaannya adalah:

g (x) = a + bx (5.4)
Dalam hal ini, a0 = a dan a1 = b.
Jumlah kuadrat dari kesalahan dihitung dengan persamaan (5.2):
n n
2
D 2 Ei { yi a b xi }2 (5.5)
i 1 i 1

Agar nilai D2 adalah minimum, maka persamaan (5.5) diturunkan terhadap parameter a
dan b, kemudian disama-dengankan nol.
Turunan pertama terhadap parameter a adalah:
D2
0
a
n
( yi a b xi ) 2 0
a i 1
n
2 ( yi a b xi ) 0
i 1

yi a b xi 0 (5.6)
Turunan pertama terhadap parameter b adalah:
D2
0
b
n
( yi a b xi ) 2 0
b i 1
n
2 [ ( yi a b xi ) xi ] 0
i 1
2
yi xi a xi b xi 0 (5.7)

Penjumlahan masing-masing suku persamaan (5.6) dan (5.7) adalah dari 1 hingga n.
Persamaan (5.6) dan (5.7) dapat ditulis dalam bentuk:

n a xi b y i (5.8)

Jurusan Teknik Elektro ISTA Yogyakarta 56

Mata kuliah KOMPUTASI ELEKTRO

2
xi a xi b x i y i (5.9)

dengan a = n a
Selanjutnya persamaan (5.8) dapat ditulis menjadi:

n a = yi xi b
1
a= ( yi xi b ) (5.10)
n
1 1
a= yi xi b
n n
atau
a= y bx (5.11)
Interpolasi persamaan (5.10) ke dalam persamaan (5.9),
1 2
xi ( yi xi b ) xi b xi y i
n
2
x i yi ( xi ) b n xi b n xi yi
2

2
b [ n xi ( xi ) 2 ] n xi y i xi yi

atau
n xi yi xi yi
b 2 (5.12)
n xi ( xi ) 2
Dengan menggunakan persamaan (5.11) dan persamaan (5.12) untuk menghitung
koefisien a dan b, maka fungsi g (x) dapat dicari.
Persamaan garis lain, selain persamaan (5.4) memberikan jumlah kuadrat kesalahan
yang lebih besar, namun persamaan (5.4) adalah perkiraan terbaik dari data. Untuk
mengetahui derajat kesesuaian dari persamaan yang didapat, dihitung nilai koefisien
korelasi yang berbentuk:
2
Dt D 2
r 2
(5.13)
Dt
dengan r adalah koefisien korelasi, sedang D2 dan Dt2 diberikan oleh bentuk:
n
2
Dt ( yi y ) 2
i 1

n
D 2 ( yi a0 a1 x ) 2
i 1

Nilai r bervariasi antara 0 dan 1, untuk perkiraan yang sempurna nilai r = 1, bila r = 0
perkiraan suatu fungsi sangat jelek. Koefisien korelasi ini juga dapat digunakan untuk

Jurusan Teknik Elektro ISTA Yogyakarta 57

Mata kuliah KOMPUTASI ELEKTRO

memilih suatu persamaan dari beberapa alternatif yang ada, terutama di dalam regresi
garis tidak lurus. Kurve lengkung dapat didekati dengan beberapa tipe persamaan,
misalnya bentuk y = a xb; y = a eb; y = a0 + a1 x + a2 x2, atau persamaan lain. Dari
beberapa alternatif tersebut dipilih persamaan yang mempunyai nilai koefisien korelasi
terbesar (paling mendekati 1).

Contoh soal:
Tentukan persamaan garis yang mewakili data berikut.

x 4 6 8 10 14 16 20 22 24 28

y 30 18 22 28 14 22 16 8 20 8

Penyelesaian
Penggambaran titik-titik data pada sistem koordinat x-y diberikan dalam Gambar 5.3,
yang dapat diwakili oleh garis lurus. Penyelesaian dilakukan dengan menggunakan
Tabel 5.1.

Gambar 5.3. Sebaran titik-titik data pada sistem koordinat

Dari hitungan dalam Tabel 5.1, nilai rerata dari x dan y adalah:
x 152
x 15,2
n 10
y 186
y 18,6
n 10
Persamaan garis yang mewakili titik-titik data adalah:
y = a + bx
Tabel 5.1. Hitungan regresi linier
No xi yi xi yi xi2
1 4 30 120 16
2 6 18 108 36
3 8 22 176 64
4 10 28 280 100
5 14 14 196 196
6 16 22 352 256
7 20 16 320 400
8 22 8 176 484

Jurusan Teknik Elektro ISTA Yogyakarta 58

Mata kuliah KOMPUTASI ELEKTRO

9 24 20 480 576
10 28 8 224 784
152 186 2432 2912
dengan:
n xi y i xi y i
b 2
n ( x i ) ( x i ) 2
(10 2432) (152 186) 3952
0,6569
(10 2912) (152) 2
6016

a y b x 18,6 ( 0,6569 15,2) 28,5849

Jadi persamaan garis adalah:

y 28,5849 0,6569 x

5.3 Linierisasi Kurve Tidak Linier

Dalam praktek sering dijumpai bahwa sebaran titik-titik pada sistem koordinat
mempunyai kecenderungan (trend) yang berupa kurve lengkung, sehingga persamaan
(5.4) tidak bisa langsung digunakan. Gambar 5.4, menunjukkan sebaran data pada
sistem koordinat x-y. Dalam Gambar 5.4a, titik data diwakili oleh kurve linier, sedang
Gambar 5.4b, diwakili oleh kurve lengkung. Terlihat bahwa pendekatan dengan kurve
lengkung memberikan hasil yang lebih baik daripada garis lurus (kurve linier). Agar
persamaan regresi linier dapat digunakan untuk mempresentasikan kurve lengkung,
maka perlu dilakukan transformasi koordinat sedemikian rupa sehingga sebaran titik
data bisa dipresentasikan dalam kurve linier.
Berikut ini diberikan dua fungsi transformasi data yang bisa digunakan, yaitu fungsi
eksponensial dan fungsi berpangkat.

1) Persamaan berpangkat
Persamaan berpangkat diberikan oleh bentuk berikut ini.
y a2 x b 2 (5.14)
dengan a2 dan b2 adalah koefisien konstan.

Gambar 5.4. Titik data didekati dengan garis lurus dan lengkung

Persamaan tersebut dapat dilinier-kan dengan menggunakan fungsi logaritmik

sehingga didapat:

log y = b2 log x + log a2 (5.15)

Jurusan Teknik Elektro ISTA Yogyakarta 59

Mata kuliah KOMPUTASI ELEKTRO

yang merupakan hubungan log-log antara log y dan log x. Persamaan tersebut
mempunyai bentuk garis lurus dengan kemiringan b2 dan memotong sumbu log y
pada log a2. Gambar 5.5, menunjukkan transformasi dari fungsi asli menjadi fungsi
logaritmik.
2) Fungsi exponensial
Contoh lain dari kurve tak linier adalah fungsi eksponensial seperti diberikan oleh
bentuk berikut:
y a1 e b1 x (5.16)
dengan a1 dan b1 adalah konstanta.
Persamaan tersebut dapat dilinier-kan dengan menggunakan logaritma natural
sehingga menjadi:

ln y = ln a1 + b1x ln e
Karena ln e = 1, maka:
ln y = ln a1 + b1x (5.17)
Persamaan (5.15) merupakan hubungan semi logaritmik antara ln y dan x.
Persamaan tersebut mempunyai bentuk garis lurus dengan kemiringan b1 dan
memotong sumbu ln y pada ln a1. Gambar 5.6, menunjukkan transformasi dari
fungsi asli menjadi fungsi logaritmik.

Gambar 5.5. Transformasi fungsi logaritma

Gambar 5.6. Transformasi fungsi eksponensial

Contoh soal:
Tentukan persamaan kurve lengkung yang mewakili data berikut ini.
x 1 2 3 4 5

y 0,5 1,7 3,4 5,7 8,4

Penyelesaian:

Jurusan Teknik Elektro ISTA Yogyakarta 60

Mata kuliah KOMPUTASI ELEKTRO

Gambar 5.7, menunjukkan sebaran titik data pada sistem koordinat x-y, untuk
mencari kurve dengan menggunakan dua bentuk transformasi, yaitu transformasi
log dan ln.

Gambar 5.7. Sebaran data dan kurve lengkung

a). Transformasi log

Misalkan persamaan kurve yang dicari adalah:
y = a xb
Transformasi dengan menggunakan fungsi log, sehingga:
log y = log a xb log y = log a + b log x
Dilakukan transformasi berikut:
p = log y B=b
A = log a q = log x
Sehingga persamaan diatas dapat ditulis dalam bentuk:
p =A+B q

Hitungan dilakukan dengan menggunakan Tabel 5.2, dari hitungan dalam Tabel
5.2, didapat beberapa parameter berikut ini.

log xi 2,0791
q 0,4158
n 5
log yi 2,1411
p 0,42822
n 5
Tabel 5.2. Hitungan regresi linier dengan transformasi log
No xi yi qi = log xi pi = log yi qi pi qi2
1 1 0,5 0 -0,3010 0 0
2 2 1,7 0,3010 0,2304 0,0693 0,0906
3 3 3,4 0,4771 0,5315 0,2536 0,2276
4 4 5,7 0,6020 0,7559 0,4550 0,3624
5 5 8,4 0,6990 0,9243 0,6461 0,4886
15 19,7 2,0791 2,1411 1,4240 1,1692

Koefisien A dan B dihitung dengan persamaan (5.11) dan (5.12).

Jurusan Teknik Elektro ISTA Yogyakarta 61

Mata kuliah KOMPUTASI ELEKTRO

n qi pi qi pi
B 2
n qi ( qi ) 2
5(1,4240) ( 2,0791)( 2,1411) 2,6684
1,7517
(5 1,1692) ( 2,0791 2,0791) 1,5233

Setelah nilai B didapat kemudian dicari nilai A:

A p B q 0,42822 (1,7517 0,4158) 0,3001

Dengan demikian persamaan transformasi adalah:

p 0,3001 1,7517 q

Mengingat:
A = log a 0,3001 = log a a = 0,5011
B=b b = 1,7517
maka persamaan yang dicari adalah:
y = 0,5011 x1,7517
b). Transformasi In
Misalkan persamaan kurve mempunyai bentuk:
y = a ebx
Transformasi dengan menggunakan fungsi ln, sehingga persamaan diatas
menjadi:

ln y = ln a ebx = ln a + ln ebx
ln y = ln a + bx
Dilakukan transformasi berikut:
p = ln y A = ln a
q=x B=b
Sehingga persamaan diatas dapat ditulis dalam bentuk:
p=A+Bq
Hitungan dilakukan dengan menggunakan Tabel 5.3.
Dari hitungan Tabel 5.3, didapat beberapa parameter berikut ini:

qi 15
q 3
n 5
pi 4,93
p 0,986
n 5
Tabel 5.3 Hitungan regresi linier dengan trasnformasi ln
No xi = qi yi qi2 = xi2 pi = ln yi qi pi

Jurusan Teknik Elektro ISTA Yogyakarta 62

Mata kuliah KOMPUTASI ELEKTRO

1 1 0,5 1 -0,6931 -0,6931

2 2 1,7 4 0,5306 1,0612
3 3 3,4 9 1,2238 3,6714
4 4 5,7 16 1,7405 6,962
5 5 8,4 25 2,1282 10,641
15 19,7 55 4,93 21,6425
Koefisien A dan B dihitung dengan persamaan (5.11) dan (5.12).
n q i p i qi pi
B 2
n ( q i ) ( q i ) 2
(5 21,6425) (15 4,93) 34,2625
0,68525
(5 55) (15) 2 50

Setelah nilai B didapat kemudian dicari nilai A, yaitu:

A p B q 0,986 (0,68525 3,0) 1,06975

Dengan demikian persamaan transformasi adalah:

P = 1,06975 + 0,68525 q
Mengingat:
A = ln a 1,06975 = ln a a = 0,3431
B=b b = 0,68525
Maka persamaan yang dicari adalah:
y = 0,3431 e0,68525x

5.4 Regresi Polinomial

Untuk kurve lengkung persamaannya dapat diturunkan dengan melakukan transformasi
data asli ke bentuk lain yang sesuai. Selain dengan menggunakan regresi polinomial.
Penurunan persamaan dilakukan dengan menggunakan metode kuadrat terkecil.
Persamaan polinomial order r mempunyai bentuk:
y = a0 + a1 x + a2 x2 + + ar xr
Jumlah kuadrat dari kesalahan adalah:
n
2 r
D 2 ( y i ( a 0 a1 xi a 2 xi ... a r xi )) 2
i 1

Persamaan diatas diturunkan terhadap tiap koefisien dari polinomial dan kemudian
disama-dengankan nol, sehingga diperoleh:

D2 n
2 r
2 ( y i ( a 0 a1 xi a 2 xi ... a r xi )) 0
a0 i 1

D2 n
2 r
2 xi ( y i ( a 0 a1 xi a 2 xi ... a r xi )) 0
a1 i 1

Jurusan Teknik Elektro ISTA Yogyakarta 63

Mata kuliah KOMPUTASI ELEKTRO

D2 n
2 2 r
2 xi ( y i ( a 0 a1 xi a 2 xi ... a r xi )) 0
a2 i 1

(5.18)
D 2
r
n
2 r
2 xi ( y i ( a 0 a1 xi a 2 xi ... a r xi )) 0
ar i 1

Persamaan (5.18) dapat ditulis dalam bentuk:

n xi xi
2
xi a
r
yi
0

xi a1
2 3 r 1
xi xi xi xi yi
2 r2 x 2 y
xi a2 =
3 4
xi xi xi i i


a r

xi r xi yi
r 1 r2 rr
xi xi
r
xi
(5.19)
Dengan semua penjumlahan adalah dari i = 1 sampai n. Dari r + 1 persamaan tersebut
akan dicari bilangan tak diketahui a0, a1, a2, , ar dengan metode yang telah
dibicarakan dalam pembahasan sistem persamaan linier. Koefisien matriks dari
persamaan tersebut biasanya sangat padat (sangat sedikit koefisien nol) dan masing-
masing koefisien sangat berbeda. Namun demikian biasanya nilai r adalah kecil
sehingga sistem persamaan tersebut masih mudah diselesaikan.

Contoh soal: Cari persamaan kurve polinomial order dua yang mewakili data berikut:
xi 0 1 2 3 4 5
yi 2,1 7,7 13,6 27,2 40,9 61,1
Penyelesaian:
Persamaan polinomial dari order 2 mempunyai bentuk:
g (x) = a0 + a1 x + a2 x2 (c.1)
Ei = yi g (x)
Ei2 = ( yi a0 a1 x a2 x2 )2
D2 = Ei 2
Untuk polinomial order dua, diferensial dari D2 terhadap tiap koefisien dari polinomial
dan kemudian disama-dengankan nol menghasilkan bentuk:

n xi xi a 0
2
yi
2 3


i x xi xi a1 = xi yi (c.2)
2 3 4 a x 2 y
2
xi xi xi i i

Hitungan dilakukan dengan menggunakan Tabel 5.4.

Jurusan Teknik Elektro ISTA Yogyakarta 64

Mata kuliah KOMPUTASI ELEKTRO

Tabel 5.4. Hitungan regresi polinomial order dua

Noxi yi xi2 xi3 xi4 xi yi xi 2 yi
1 0 2,1 0 0 0 0 0
2 1 7,7 1 1 1 7,7 7,7
3 2 13,6 4 8 16 27,2 54,4
4 3 27,2 9 27 81 81,6 244,8
5 4 40,9 16 64 256 163,6 654,4
6 5 61,1 25 125 625 305,5 1527,5
15 152,6 55 225 979 585,6 2488,8
Dengan melakukan hitungan dalam Tabel 5.4, maka sistem persamaan (c.2) menjadi:

6 a0 + 15 a1 + 55 a2 = 152,6
15 a0 + 55 a1 + 225 a2 = 585,6 (c.3)
55 a0 + 225 a1 + 979 a2 = 2488,8
Dengan menggunakan sistem persamaan linier, maka penyelesaian dari persamaan
diatas adalah a2 = 1,860714; a1 = 2,359286; dan a0 = 2,478571.
Dengan demikian persamaan kurve adalah:
y = 2,478571 + 2,359286 x + 1,860714 x2
5.5 Regresi Linier Dengan Banyak Variabel
Metode regresi linier dapat dikembangkan untuk kasus dimana y adalah fungsi linier
dari dua atau lebih variabel. Misalnya, y merupakan fungsi linier terhadap x1 dan x2
dalam bentuk:

y = a0 + a1 x1 + a2 x2
Persamaan tersebut dapat digunakan untuk mempresentasikan data pengamatan dimana
variabel yang dipelajari merupakan fungsi dari dua variabel.
Nilai terbaik dari koefisien a0, a1, dan a2 diperoleh dengan mencari kuadrat dari
kesalahan yang dihitung dengan persamaan berikut:

n
D 2 ( yi ( a0 a1 x1,i a 2 x 2,i )) 2
i 1

Persamaan diatas diturunkan terhadap tiap koefisien dari polinomial, dan kemudian
disama-dengankan nol, sehingga diperoleh:

D2 n
2 ( yi a0 a1 x1,i a2 x2,i ) 0
a0 i 1

D2 n
2 x1,i ( yi a0 a1 x1,i a2 x2,i ) 0 (5.20)
a1 i 1

D2 n
2 x2 ,i ( yi a0 a1 x1,i a2 x2 ,i ) 0
a2 i 1

Persamaan (5.20) dapat ditulis dalam bentuk:

n a0 + x1,i a1 + x2,i a2 = yi

Jurusan Teknik Elektro ISTA Yogyakarta 65

Mata kuliah KOMPUTASI ELEKTRO

x1,i a0 + x1,i2 a1 + x1,i x2,i a2 = x1,i yi

x2,i a0 + x1,i x2,i a1 + x2,i 2 a2 = x2,i yi
atau dalam bentuk matriks menjadi:

n x1,i x2 , i a0 yi
2
x1,i x1,i x1,i x2,i a1 = x1,i yi (5.21)
x 2 a x y
2,i x1,i x2,i x2,i 2 2 ,i i

Sistem persamaan (5.21) dapat diselesaikan dengan menggunakan metode pada sistem
persamaan linier untuk mendapatkan koefisien a0, a1, dan a2.
Secara umum persamaan regresi linier dengan m variabel mempunyai bentuk berikut:
y = a0 + a1 x1 + a2 x2 + + am xm
di mana koefisien a0, a1, a2 sampai am dapat dihitung dari sistem persamaan berikut:
n x1,i x2 ,i xm ,i a
0 yi

x1,i xm ,i a1
2
x1,i x1,i x2,i x1,i
x1,i yi
x x2,i x1,i x2 ,i
2
x2 ,i xm ,i a 2 = x y
2 ,i 2 ,i i (5.22)

a 2

xm ,i xm ,i x1,i xm ,i x2,i xm ,i m
2
xm ,i

Koefisien korelasi dapat dihitung dengan persamaan (5.13).

Contoh soal:
Buat persamaan kurve yang mewakili data berikut:
x1 0 2 2,5 1 4 7
x2 0 1 2 3 6 2
y 5 10 9 0 3 27

Penyelesaian:
Penyelesaian dilakukan dengan menggunakan Tabel 5.5.
Tabel 5.5. Hitungan regresi linier dengan banyak variabel
y x1 x2 x12 x22 x1x2 x1 y x2 y
5 0 0 0 0 0 0 0
10 2 1 4 1 2 20 10
9 2,5 2 6,25 4 5 22,5 18
0 1 3 1 9 3 0 0
3 4 6 16 36 24 12 18
27 7 2 49 4 14 189 54
54 16,5 14 76,25 54 48 243,5 100

Nilai-nilai yang diperoleh dalam Tabel 5.5, dimasukkan dalam sistem persamaan
(5.21), sehingga diperoleh:

Jurusan Teknik Elektro ISTA Yogyakarta 66

Mata kuliah KOMPUTASI ELEKTRO

6 16,5 14 a0 54

16,5 76,25 48 a1 = 243,5 (c.1)
14 48 54 a 100
2

Persamaan (c.1) dapat diselesaikan dengan metode penyelesaian sistem persamaan

linier, dan hasilnya adalah a0 = 5, a1 = 4, a2 = 3.

Persamaan kurve yang dihasilkan adalah: y = 5 + 4 x1 3 x2

Jurusan Teknik Elektro ISTA Yogyakarta 67