Jawab :
Sistem linear yang terdiri dari dua persamaan dengan tiga variabel,
4x- 2y + 3z = -1
3x + y + 9z = -4
Suatu sistem dikatakan linear homogen, jika matriks b diganti dengan matriks
0, atau sistem
a. Penyelesaian SPL
2x + 5y = 12 (1.11)
2x + 4y = 10
1. Jika suatu baris tidak seluruhnya terdiri dari nol, maka angka tak-nol
pertama dalam baris tersebut adalah satu yang disebut dengan utama-1
2. Jika ada baris terdiri dari nol semua, maka pindahkan ke bagian bawah
matrik
3. Jika ada dua baris yang beurutan yang tidak seluruhnya nol, utama-1
pada baris yanglebih bawah terletak disebelah kanan utama-1 dari baris
atasnya
4. Setiap kolom yang berisi utama-1 mempunyai nol di baris yang lainnya
Jika suatu matriks mempunyai sifat 1, 2 dan 3, maka matriks tersebut
disebut matriksbentuk baris eselon, sedangkan matriks yang mempunyai ke-
empat sifat tersebut dinamakanmatriks bentuk baris eselon tereduksi.
Jawab :
Contoh:
x + y + 2z = 9
2x + 4y - 3z = 1
3x + 6y - 5z = 0
Solusinya:
Seperti pada metode eliminasi gauss naïf, metode eliminasi Gauss-Jordan naïf
tidak menerapkan tata-ancang pivoting dalam proses eliminasinya.
Langkah-langkah operasi baris yang dikemukakan oleh Gauss dan
disempurnakan oleh Jordan sehingga dikenal dengan Eliminasi Gauss-Jordan,
sebagai berikut:
a. Jika suatu baris tidak seluruhnya dari nol, maka bilangan tak nol
pertama pada baris itu adalah 1. Bilangan ini disebut 1 utama (leading
1).Jika terdapat baris yang seluruhnya terdiri dari nol, maka baris-
baris ini akan dikelompokkan bersama pada bagian paling bawah dari
matriks.
b. Jika terdapat dua baris berurutan yang tidak seluruhnya dari nol, maka
1 utama pada baris yang lebih rendah terdapat pada kolom yang lebih
kanan dari 1 utama pada baris yang lebih tinggi. Setiap kolom memiliki
1 utama memiliki nol pada tempat lain.
Contoh:
x + y + 2z = 9
2x + 4y - 3z = 1
3x + 6y - 5z = 0
Diperoleh penyelesaian x = 1, y = 2, z = 3.
B. Metode eliminasi
Metode ini bekerja dengan care mengeliminasi (menghilangkan) variabel-
variabel di dalam sistem persamaan hingga hanya satu variabel yang
tertinggal.
Pertama-tama, lihat persamaan-persamaan yang ada dan coba cari dua persamaan
yang mempunyai koefisien yang sama (baik positif maupun negatif) untuk
variabel yang sama. Misalnya, lihat persamaan (1) dan (3). Koefisien
untuk y adalah 1 dan -1 untuk masing-masing persamaan. Kita dapat menjumlah
kedua persamaan ini untuk menghilangkan y dan kita mendapatkan persamaan
(4).
X + Y − z = 1 (1)
−4x − Y + 3z = 1 (3)
------------------------- +
−3x + 2z = 2 (4)
x +Y −z =1 (1) × 3 3x + 3y − 3z = 3 (1)
8x + 3y − 6z = 1 (2) 8x + 3y − 6z = 1 (2)
------------------------- -
−5x + 3z = 2 (5)
Dengan persamaan (4) dan (5), mari kita coba untuk menghilangkan z.
------------------------- −
x = 2 (6)
−3(2) + 2z = 2 (4)
−6 + 2z =2
2z =8
Z =8 ÷ 2
Z =4
2 + y − 4=1 (1)
Y =1 − 2 + 4
Y =3
C. Metode substitusi
8(1 − y + z) + 3y − 6z = 1 (2)
8 − 8y + 8z + 3y − 6z = 1
−5y + 2z =1 − 8
−5y + 2z = −7 (4)
−4(1 − y + z) − y+ 3z = 1 (3)
−4 + 4y − 4z − y+ 3z = 1
3y – z =1 + 4
3y – z =5 (5)
Sekarang kita atur persamaan (5) supaya hanya ada 1 variabel di sebelah
kiri.
z = 3y − 5 (6)
Kemudian, substitusi nilai dari z ke persamaan (4).
−5y + 6y − 10 = −7
Y = −7 + 10
Y =3
Sekarang kita sudah tahu nilai dari y, kita dapat masukkan nilai ini ke
persamaan (6) untuk mencari z.
z = 3(3) – 5 (6)
z=9 – 5
z=4
x=1 − 3 + 4 (1)
x=2
Jadi, kita telah menemukan solusi untuk sistem persamaan linier di atas: x =
2, y = 3, z = 4.
1 1 -1 X 1
8 3 -6 Y = 1
-4 -1 3 Z 1
A−1AB = A−1C
B = A−1C
Sekarang, untuk mencari B kita perlu mencari A−1. Silakan melihat
halaman tentang matriks untuk belajar bagaimana mencari invers dari sebuah
matriks.
-3 2 3
A−1 = 0 1 2
-4 3 5
-3 2 3 1
B = 0 12 1
-4 3 5 1
B = 3
3. Jelakan apa yang anda ketahui tentang interpolasi dan kurva fiting?
(minimal 5 lembar)
Jawab :
titik data yang telah diketahui. Di dunia nyata, interpolasi dapat digunakan
atau tabel, misalnya tabel dari hasil percobaan. Interpolasi dapat juga
metode Lagrange dan metode Newton. Kedua metode tersebut menggunakan fungsi
diberikan banyak, tetapi sulit untuk mengontrol keberadaan kutub. Salah satu
metode yang pertama kali yang digunakan dalam interpolasi rasional adalah
rasional tanpa kutub. Formula Barycentric ditemukan pada tahun 1945 oleh
formula Lagrange yang praktis dan stabil Formula Barycentric ini memiliki
bobot (w) tertentu, yang akan menghasilkan fungsi rasional yang memenuhi:
r(xi)=yi,Ѵi=0,1
akan muncul karena fungsi rasional yang dihasi lkan tidak selalu bebas dari
kutub.
kutub maka pada titik-titik x sebagai kutub, fungsi tersebut menjadi tidak
terdefinisi nilainya.
kutub maka pada daerah persekitaran kutub, nilainya akan berubah dengan
terlalu rumit untuk dinilai secara efisien, maka beberapa titik data yang
diketahui dari fungsi asli tersebut dapat digunakan untuk menghasilkan suatu
ketika suatu fungsi yang lebih sederhana digunakan untuk memperkirakan titik
juga sebagai proses pencarian dan perhitungan nilai suatu fungsi yang
dari sebuah fungsi yang diketahui. ungsi in-terpolasi biasanya dipilih dari
paling banyak dipakai.Pada bab ini kita membahas beberapa metode numerik
utama
fungsi yang rumit dengan fungsi yang lebih sederhana bentuknya dan mudah
banyak dipakai sebagai hampiran fungsi, karena sifatnya yang mudah dihitun
ada dan kontinyu. bagai fungsi hampiran adalah fungsi polinomial, fungsi
Secara umum kita akan membahas masalah penyusunan sebuah polinomial hampiran
untuk satu himpunan data titik-titik diskrit. Titik- titik ini, yang
fisik. Metod tertentu yang dapat digunakan untuk menyusun suatu polinomial
hampiran dapat dipilih berdasarkan konteks dari mana data diperoleh.
teori hampiran yang lebih umum. Untuk memberikan beberapa wawasan bagi Anda,
data tersebut. Dalam kurva fitting kita ingin mencari bentuk/persamaan yang
mewakili data tersebut. Kurva ini tidak harus tepat melalui semua titik data
karena :
a. Data yang kita miliki tidalk bebas dri error. Data yang menggambarkan
demi titik. Hal ini sering terjadi pada data masalah social.
diperoleh. Disini kita gunakan kurva teoritis. Data yang kita miliki kita
Thorin dan Teorema Marcinkiewicz. Terdapat juga banyak hasil lainnya. kurva
terbaik berdasarkan data yang kita miliki. Kata terbaik perlu diwaspadai
3. Interpolasi Linier
Dengan menghubungkan dua buah titik data dengan garis lurus. Diketahui
nilai fungsi di titik x0 , yaitu f(x0) dan dititik x1 , yaitu f(x1), akan
dicari nilai fungsi dititik x, yaitu f1(x). Dalam hal ini indeks 1 pada f1(x)
f(x)
f(x1) E
f1(x) C
f(x0) D
A x B
x
x0 x x1
Dari gambar : BC
DE maka : f1 ( x) f ( x0 ) f ( x1 ) f ( x0 ) ( x x0 )
AB AD x x0 x1 x0
f ( x1 ) f ( x0 )
Jadi : f1 ( x) f ( x0 ) ( x x0 )
x1 x0
Contoh :
diketahui data :
Ln 1 = 0
Ln 6 = 1.7917595
dimana x0 = 1 dan x1 = 6 , maka untuk ln 2 :
f ( x1 ) f ( x0 )
f1 (2) f ( x0 ) ( x x0 )
x1 x0
1.7917595 0
f1 (2) 0 (2 1) 0.35835190
6 1
0.69314718 0.35835190
besar kesalahan : Et = x100% 48.3%
0.69314718
Apabila ingin lebih teliti dapat didekati dengan interpolasi yang lebih
kecil, dimana
1,3862944 0
f1 (2) 0 (2 1) 0.46209813
4 1
0.69314718 0.46209813
besar kesalahan : Et = x100% 33.3%
0.69314718
X x1 X2 x3 .. .. xn- xn
Y y1 Y2 y3 ..
. ..
. y
1n- yn
. . 1
Secara garis besar, ada 2 kategori persamaan model
matematika, yakni:
a2x2
amxm
Jawab :
Interpolasi Kuadrat
:x1 =4 , f ( x1 ) 1.3862944
:x2 =6 , f ( x2 ) 1.7917595
maka : f 2 ( x2 ) b0 b1 ( x0 x0 ) b2 ( x0 x0 )( x0 x1 )
b0 f ( x0 ) 0
1.3862944 0
b1 0.46209813
4 1
1.7917595 1.3862944
0.46209813
b2 6 4 0.051873116
6 1
0.69314718 0.56584436
dengan, Et = x100% 18.4%
0.69314718
c. Metode substitusi
maka kita harus mengganti variabel x terlebih dahulu. Misalnya kita akan
Kita harus mengubah terlebih dahulu salah satu persamaan tersebut menjadi
=> –x + 2y = 1
=> –x + 8 – 6x = 1
=> –x – 6x = 1 – 8
=> –7x = –7
=> x = –7/–7
=> x = 1
=> y = 4 – 3x
=> y = 4 – 3.1
=> y = 4 – 3
=> y = 1
Contoh Soal
Tentukan himpunan penyelesaian dari sistem persamaan berikut dengan metode
1. x + 5y = –5 dan x + y + 5 = 0
Penyelesaian:
1 . x + 5y = –5 dan x + y + 5 = 0
x + 5y = –5 => x = –5 – 5y
=> x + y + 5 = 0
=> – 4y = 0
=> y = 0
=> x = –5 – 5y
=> x = –5 – 5.0
=> x = –5
3.Interpolasi adalah suatu cara untuk mencari nilai di antara beberapa titik
data yang telah diketahui. Di dunia nyata, interpolasi dapat digunakan untuk
dengan suatu formula, tetapi didefinisikan hany dengan data-data atau tabel,
diberikan banyak, tetapi sulit untuk mengontrol keberadaan kutub. Salah satu
2 metode yang pertama kali yang digunakan dalam interpolasi rasional adalah
rasional tanpa kutub. Formula Barycentric ditemukan pada tahun 1945 oleh
formula Lagrange yang praktis dan stabil Formula Barycentric ini memiliki
bobot (w) tertentu, yang akan menghasilkan fungsi rasional yang memenuhi:
r(xi)=yi,Ѵi=0,1
akan muncul karena fungsi rasional yang dihasi lkan tidak selalu bebas dari
kutub.
kutub maka pada titik-titik x sebagai kutub, fungsi tersebut menjadi tidak
terdefinisi nilainya.
kutub maka pada daerah persekitaran kutub, nilainya akan berubah dengan
diketahui dari fungsi asli tersebut dapat digunakan untuk menghasilkan suatu
ketika suatu fungsi yang lebih sederhana digunakan untuk memperkirakan titik
juga sebagai proses pencarian dan perhitungan nilai suatu fungsi yang
dari sebuah fungsi yang diketahui. ungsi in-terpolasi biasanya dipilih dari
paling banyak dipakai.Pada bab ini kita membahas beberapa metode numerik
utama
fungsi yang rumit dengan fungsi yang lebih sederhana bentuknya dan mudah
banyak dipakai sebagai hampiran fungsi, karena sifatnya yang mudah dihitun
ada dan kontinyu. bagai fungsi hampiran adalah fungsi polinomial, fungsi
Secara umum kita akan membahas masalah penyusunan sebuah polinomial hampiran
untuk satu himpunan data titik-titik diskrit. Titik- titik ini, yang
teori hampiran yang lebih umum. Untuk memberikan beberapa wawasan bagi Anda,
mulus yang tidak naik-turun (osilatif) dan cocok dengan data tersebut baik
Regresi Polinomial
yang bekerja pada data hasil pengukuran yang bersifat linier intrinsik.
Tetapi, kita terpaksa harus menelan rasa kecewa pada metode ini, yakni
ketika data yang kita peroleh tidak memiliki sifat linier. Mengapa ? Karena
ambisi kita bahwa grafik hasil pengukuran harus linier. Nah, untuk mengobati
rasa kecewa tersebut pada pasal ini kita akan membahas regresi polinomial
yang mana untuk beberapa kasus metode ini akan memberikan hasil yang lebih
dinyatakan oleh
M
D di
2
(6-27)
i 1
tersebut. Pada keadaan dimana total simpangannya berada pada titik ekstrim,
D
0
a0
2 yi a0 a1 xi a2 xi2 ... aN xiN
D
0
a1
2 xi yi a0 a1 xi a2 xi2 ... a N xiN
D
0
a2
2 xi2 yi a0 a1 xi a2 xi2 ... aN xiN (6-28)
D
0
aN
2 xiN yi a0 a1 xi a2 xi2 ... aN xiN
memperoleh bentuk yang lebih manis, sehingga lebih mudah untuk ditangani.
xN a x N y
i x x x N i i
N 1 N 2 2N
i i i
Contoh
Lakukan pencocokan data hasil pengukuran seperti terlihat pada tabel 6.6
Penyelesaian
N
x x i
2
i
a0 yi
xi x x a1 xi yi
2 3
i i
xi2 x x 3 4 a2 xi2 yi
i i
Tabel 6.8
a0 4.1952
a1 1.8301
a2 -0.1682
sebagai
Tabel 6.9
i xi yi Polinomial Simpangan
0.1724
ini sebenarnya berasal regresi polinomial. Lalu apa bedanya? Bedanya adalah,
jika pada regresi polinomial kita menggunakan kombinasi linier fungsi dengan
argumen sejenis dan orde yang berbeda atau kita biasa menyebutnya dengan
polinomial, sedangkan pencocokan kurva yang akan kita bahas ini menggunakan
y x a1 y1 x a2 y2 x a3 y3 x ... aN y N x
N (6-31)
an yn x
n 1
Seperti halnya dengan beberapa metode yang telah dibahas di depan, maka
simpangan dari tiap-tiap titik data terhadap fungsi kurva yang digunakan
N
di yi an yn xi , i 1, 2,..., N (6-32)
n 1
2
M N
D yi an yn xi (6-33)
i 1 n 1
D
0, n 1, 2,..., N (6-34)
an
Jika persamaan (6-34) diperlihatkan secara eksplisit berbentuk
D
0 2 y1 xi yi a1 y1 xi a2 y2 xi a3 y3 xi ... aN y N xi
a1
D
0 2 y2 xi yi a1 y1 xi a2 y2 xi a3 y3 xi ... a N y N xi
a2
D
0 2 y3 xi yi a1 y1 xi a2 y2 xi a3 y3 xi ... a N y N xi (6-35)
a3
D
0 2 y N xi yi a1 y1 xi a2 y2 xi a3 y3 xi ... a N y N xi
aN
sederhana yaitu,
y
1 x y x
i 1 i y2 xi y1 xi yN xi y1 xi a1 y1 xi yi
y
1 x y x
i 2 i y2 xi y2 xi yN xi y2 xi a2 y2 xi yi
y1 x y x
i 3 i y2 xi y3 xi y xi y xi a3 y xi yi (6-36)
N 3 3
y
1x y x
i N i y2 xi yN xi yN xi yN xi a
N
y
N x
i yi
Contoh
yang diperoleh dari pengukuran suatu besaran fisika seperti terlihat pada
y x a1 a2 x2 a3 sin x
Tabel 6.10
X Y
0.1 0.01
0.2 0.06
0.3 0.1
0.5 0.33
0.7 0.56
0.9 1.00
Penyelesaian
simultan linier dalam bentuk matriks (6-36), maka diperoleh bentuk persamaan
Fungsi Koefisien
N an
1 0.0023
2 1.2162
3 -0.0012
Evaluasi terhadap kesalahan diberikan pada tabel 6.11 dan grafik pencocokan
Tabel 6.11
i x i y i Kurva Simpangan
yang
dicocokka
Gambar 6.7.
Interpolasi Polinomial Grafik hasil pencocokan data pada tabel 6.8
Lagrange
f1 ( x) f ( x0 ) ( x x0 ). f [ x1 , x0 ]
f ( x1 ) f ( x0 ) f ( x1 ) f ( x0 )
dimana : f [ x1 , x0 ]
x1 x0 x1 x0 x0 x1
maka :
x x0 x x0
f1 ( x) f ( x0 ) f ( x1 ) f ( x0 )
x1 x0 x0 x1
x x x x0 x x0
f1 ( x) { 0 1 } f ( x0 ) f ( x1 )
x0 x1 x0 x1 x1 x0
jadi :
x x1 x x0
f1 ( x) f ( x0 ) f ( x1 ) (interpolasi polinomial Lagrange order satu)
x0 x1 x1 x0
x x1 x x2 x x0 x x 2 x x0 x x1
f 2 ( x) . f ( x0 ) . f ( x1 ) . f ( x2 )
x0 x1 x0 x2 x1 x0 x1 x2 x2 x0 x2 x1
n
f n ( x) Li ( x). f ( xi )
i 0
n x xj
dimana : Li ( x) , simbol perkalian
i 0 j i xi x j
3
f 3 ( x) Li ( x). f ( xi ) = L0 ( x). f ( x0 ) L1 ( x). f ( x1 ) L2 ( x). f ( x2 ) L3 ( x). f ( x3 )
i 0
dimana :
x x1 x x2 x x3
L0 ( x) . .
x0 x1 x0 x2 x0 x3
x x0 x x2 x x3
L1 ( x) . .
x1 x0 x1 x2 x1 x3
x x0 x x1 x x3
L2 ( x) . .
x2 x0 x2 x1 x2 x3
x x0 x x1 x x2
L3 ( x) . .
x3 x0 x3 x1 x3 x2
Contoh :
Diketahui :
:x0 =1 , f ( x0 ) 0
:x1 =4 , f ( x1 ) 1.3862944
:x2 =6 , f ( x2 ) 1.7917595
Jawab :
a. Order Satu
x x1 x x0
f1 ( x ) . f ( x0 ) . f ( x1 )
x0 x1 x1 x0
maka ln 2 , berarti x = 2
24 2 1
f1 (2) .0 .1.3862944 0.4620981
1 4 4 1
b. Order dua
x x1 x x 2 x x0 x x 2 x x0 x x1
f 2 ( x) . f ( x0 ) . f ( x1 ) . f ( x2 )
x0 x1 x0 x 2 x1 x0 x1 x 2 x 2 x0 x 2 x1
maka ln 2 , berarti x = 2
24 26 2 1 2 6 2 1 2 4
f 2 (2) . .0 . 1.3862944 . .1.7917595 0.56584437
1 4 1 6 4 1 4 6 6 1 6 4
x x0 x x2 x x3
L1 ( x) . .
x1 x0 x1 x2 x1 x3
x x0 x x1 x x3
L2 ( x) . .
x2 x0 x2 x1 x2 x3
x x0 x x1 x x2
L3 ( x) . .
x3 x0 x3 x1 x3 x2
f n ( x) b0 b1 ( x x0 ) .......... bn ( x x0 )( x x1 )...( x xn 1 )
Dimana :
Tanda { […….] } adalah
pembagian beda hingga (b-h)
b0 f ( x0 )
b1 f [ x1 , x0 ]
b2 f [ x2 , x1 , x0 ]
bn f [ xn , xn 1 , ..........., x1 , x0 ]
f ( xi ) f ( x j )
b-h pertama : f [ xi , x j ]
xi x j
f [ xi , x j ] f [ x j , x k ]
b-h kedua : f [ xi , x j , x k ]
xi x k
f [ xn , xn 1 ,......, x1 ] f [ xn 1 , xn 2 ,......, x0 ]
b-h ke-n : f [ xn , xn 1 ,......, x1 , x0 ]
x k x0
:x2 = 6 , f ( x2 ) 1.7917595
f 3 ( x) b0 b1 ( x x0 ) b2 ( x x0 )( x x1 ) b3 ( x x0 )( x x1 )( x x2 )
dihitung :
b-h pertama :
1.3862944 0
b1 = f [ x1 , x0 ] 0.46209813
4 1
dihitung :
b-h kedua :
0.18232160 0.20273255
untuk f [ x3 , x 2 , x1 ] 0.020410950
54
dihitung :
b-h ketiga :
Jadi :
f 3 ( x) 0 0.46209813( x 1) 0.051873116( x 1)( x 4) 0.0078655415( x 1)( x 4)( x 6)
f3 (2) 0.62876869
mendekati nilai exact dapat dilakukan untuk tingkat n = 4 atau lebih besar
lagi)
Regresi Linier
jelasnya, kita akan mengambil sebuah contoh data pengukuran suhu dalam
sepuluh menit seperti terlihat pada tabel 6.1. Dengan data yang kita miliki
tersebut, kita dapat menarik garis semau kita yang sama-sama dekat dengan
titik data, meskipun tidak ada satupun garis melewati tepat pada titik-titik
bagaimanakah caranya untuk memperoleh persamaan garis yang cocok dengan data
y x a bx (6-1)
(menit) (Celcius)
1 0,0 1,1
2 1,0 2,8
3 2,0 2,9
4 3,0 4,9
5 4,0 4,8
6 5,0 6,3
7 6,0 6,1
8 7,0 8,2
9 8,0 7,9
10 9,0 8,5
11 10,0 9,6
merupakan jumlah total titik-titik data. Simpangan harga antara besaran yang
(predicted value) yang dinyatakan oleh yxi juga sering disebut residu.
Dalam contoh tersebut kita memiliki sebelas titik data, dengan a dan b
kita dapat menyatakan total kuadrat simpangan data (residu) diberikan oleh
L L
D di yi a bxi
2 2
(6-3)
i 1 i 1
untuk menentukan harga dari dua parameter tersebut harus dilakukan dengan
cara meminimisasi D. Minimisasi terhadap total kuadrat simpangan dinyatakan
D M
2 yi a bxi
a i 1
(6-4)
D M
2 xi yi a bxi
b i 1
dengan n . Pada keadaan minimum, turunan D terhadap a dan b sama dengan nol.
0 yi a bxi
(6-5)
0 xi yi axi bxi2
S 1 M
S x xi
S y yi (6-6)
S xx xi
2
S xy xi yi
Dengan definisi (6-5) tersebut, maka kita memiliki dua persamaan linier
aS bS x S y
(6-7) Atau jika
aS x bS xx S xy
disajikan dalam bentuk matriks, maka persamaan linier (6-7) dapat dituliskan
kembali menjadi
S Sx a S y
S (6-8)
x S xx b S xy
Penyelesaian dua persamaan linier simultan dengan dua variabel tak
S xx S y S x S xy
a
d (6-9)
S x S xy S x S y
b
d
dimana
d SS xx S x S x
y aebx (6-10)
Dalam hal ini, fungsi eksponensial memerikan banyak fenomena yang berbeda-
beda di dalam ilmu teknik. Parameter a dan b dapat kita tentukan dengan
alamiah untuk kedua ruas persamaan (6-10), maka kita peroleh ungkapan
ln y ln a bx (6-11)
u ln y , c ln a (6-12)
u bx c (6-13)
yang merupakan persamaan garis lurus (tetapi perlu diingat bahwa bentuk ini
tidak sama dengan persamaan garis lurus yang kita kenalkan sebelumya). Jadi
dengan cara seperti yang kita lakukan pada garis lurus. Dengan mensubstitusi
u atau ln y untuk variabel tak bebas, parameter b untuk lereng (slope) dan c
untuk perpotongan pada sumbu u, maka kita memperoleh satu garis lurus, yaitu
M M
b xi cM ln yi
i 1 i 1
M M M
(6-14)
b x c xi xi ln yi
2
i
i 1 i 1 i 1
M M
xi M b ln yi
i 1 i 1 (6-15)
M 2 M
M
xi xi c xi ln yi
i 1 i 1 i 1
masing-masing adalah
M M M
x ln y M x ln y
i i i i
b i 1 i 1
2
i 1
M M
ln xi M xi2
i 1 i 1
M M M
(6-16)
M xi ln yi x 2
i ln y i
c i 1
2
i 1 i 1
M M
ln xi M xi2
i 1 i 1
a ec (6-17)
Contoh
Waktu Tegangan
(detik) (volt)
0 10
1 6,1
2 3,7
3 2,2
4 1,4
5 0,8
6 0,5
7 0,3
8 0,2
9 0,1
10 0,07
11 0,03
terhadap waktu seperti terlihat pada gambar 6.4. Selanjutnya, kita akan
bebas, dalam hal ini adalah sumbu waktu. Kedua, variabel tak bebas, yaitu
sumbu tegangan diwakili oleh y. Hasil selengkapnya dapat dilihat pada tabel
6.5 dan grafik hasil regresi linier dapat dilihat pada gambar 6.5.
Tabel 6.5
i xi xi2 yi ln yi xi ln yi
1 0 0 10 2.302 0
Jumla x i 66 x 2
i 506 ln y i x ln y
i i
h
-7.236 -121.399
persamaan (6.14), maka kita akan mendapatkan dua persamaan linier dengan dua
66 b 12 c 7, 236
506 b 66 c 121,399
2.5355. Oleh sebab itu, harga a dapat diperoleh dengan mengingat kembali
a e2.5355 12.6227
y 12.6227 e-0.5706 x
i 1 i 1 i 1
Sehingga harga-harga untuk konstanta a dan b dapat ditentukan melalui
M M M
ln xi ln yi M ln xi ln yi
b i 1 i 1
2
i 1
M
M
ln xi
2
ln xi M
i 1 i 1
hubungan M M M
(6-23)
M ln xi ln yi ln xi ln y
2
i
c i 1
2
i 1 i 1
M M
ln xi
2
ln xi M
i 1 i 1
i 1 i 1 i 1
ln xi ln yi M ln xi ln yi
b i 1 i 1
2
i 1
M
M
ln xi
2
ln xi M
i 1 i 1
hubungan M M M
(6-23)
M ln xi ln yi ln xi ln y
2
i
c i 1
2
i 1 i 1
M M
ln xi
2
ln xi M
i 1 i 1