LAPORAN PRAKTIKUM

KOMPUTASI GEOFISIKA

Minggu ke-04

CURVE FITTING DAN OPTIMALISASI

Nama : Gita Rusmala

NIM : 12116090

Asisten :

1. Asido Saputra Sigalingging (12115023)

2. Hendra Hidayat Akbar (12114005)
3. Muhammad Iqbal Naufaldi (12115007)
4. Putu Pradnya Andika (12115013)
5. Gabrio Hikma Januarta (12115012)
6. Rizal bahrul ulum (12115047)

PROGRAM STUDI TEKNIK GEOFISIKA

JURUSAN SAINS

INSTITUT TEKNOLOGI SUMATERA

2018
I TUJUAN PRAKTIKUM
Mahasiswa mengerti dan mampu menggunakan regreasi linear dan regreasi data
geofisika dan geologi menggunakan C++.

II PENDAHULUAN
2.1 Latar Belakang
Regresi adalah teknik pencocokan kurva untuk data yang berketelitian
rendah. Pada praktikum ini kita melakukan 2 regresi yaitu: regresi linier dan
polynomial
Regresi linier merupakan salah satu prediksi yang menggunakan garis
lurus untuk menggambarkan hubungan antara dua variable atau lebih, dalam
sebuah kasus terdapat dua variable yaitu kedalaman dan suhu. Tujuannya
adalah untuk mencari sebuah garis lurus yang sedekat mungkin dengan semua
titik
Regresi polynomial digunakan untuk menentukan fungsi polynomial
yang paling sesuai dengan kumpulan titik data (x,y) yang diketahui.
Penurunan persamaan dilakukan dengan menggunakan metode kuadrat
terkecil atau fungsi pendekatan bias juga menggunakan persamaan polinomial

2.2 Dasar Teori

Regresi linier (regrasi garis lurus)
Missal temperature (T) bervariasi secara linier terhadap kedalaman (z)
sehingga dapat dinyatakan oleh persamaan T= a+bz

 T dan z tertentu dapat diprediksi jika a dan b diketahui

 Jika dilakukan pengukuran T pada beberapa z tertentu maka parameter model a
dan b dapat dicari menjadi pemodelan inverse
 Caranya adalah dengan meminimum kan “jarak” antara 𝑇𝑖 𝑐𝑎𝑙 (hasil perhitungan)
dengan 𝑇𝑖 𝑜𝑏𝑠 (hasil pengamatan)
 Metode kuadrat terkecil (least-squares)
 Jika E minimum maka turunanya terhadap parameter model a dan b sama
dengan nol

 Dua persamaan a dan b tidak diketahui, a dan b dapat dihitung untuk mencari
solusi

Polynomial curve fitting merupakan pendekatan trend data dengan

model polinom. Regresi ini masih termasuk regresi linear karena hubungan
antara data dengan parameter masih linier. Bentuk umum polynomial curva
fitting adalah sebagi berikut:
 Untuk menemukan (𝑎0 , 𝑎1 , 𝑎2 , … 𝑎𝑛 ) sehingga model diatas fit dengan
data hasil observasi. Yaitu dengan meminimumkan fungsi error.

Dimana n adalah banyaknya data dan j adalah derajat atau orde

polinom. Dengan cara yang sama seperti pada linear curva fitting,

dalam bentuk matriks dapat dipresentasikan sebagai berikut

Tidak peduli berapa pun nilai j (derajat polinom), kita akan tetap
memperoleh persamaan linear terhadap parameter model atau kooefisien.
Artinya kita dapat menuliskan sebagai berikut
III LANGKAH PRAKTIKUM
3.1 Regresi Linier
3.2 Regresi Polinomial
IV HASIL DAN ANALISIS
1. Hasil regresi linear

2. Hasil regresi polynomial

 Dari pendekatan kedua model regresi linear maupun polynomial yang
lebih baik adalah regresi polynomial karena pada kenyataanya, tidak semua
data observasi geofisika berhimpit dengan satu garis lurus. Regrasi polynomial
digunakan untuk menentukan fungsi polonomial yang paling sesuai yaitu
dengan metode meminimalkan jumlah kuadrat dari error. Cara ini tak lain
untuk memeperoleh misfit (baca:error) terkecil yaitu jarak perbedaan terkecil
antara data survey dan model. Sehingga regresi polynomial dengan metode
kuadrat terkecil memberikan hasil yang lebih baik
 Dari ketiga data diatas setelah dianalisis pengaruh jumlah data observasi dari
derajat polynomial pada hasil pemodelan, dapat dilihat dari gambar pertama
dengan menggunakan jumlah data 1 hasil matriks yang diperoleh berukuran
2X3 dengan fungsi pendekatan y = 𝑎0 + 𝑎1 𝑥, kemudian pada gambar kedua
dengan menggunakan jumlah data 2 hasil matriks yang diperoleh berukuran
3X4 dengan fungsi pendekatan y = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 , dan pada gambar ketiga
dengan menggunakan jumlah data 3 hasil matriks yang diperoleh berukuran
4X5 dengan fungsi pendekatan y = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 + 𝑎3 𝑥 3 . Jadi pengaruh
jumlah data dengan pemodelan polynomial jika dimasukan dengan jumlah
data yang 1,2 dan 3 sangat berpengaruh pada jumlah matriks dan hasil fungsi
pendekatan yang diperoleh. Serta hasil x dari pangkat 0-3.

V KESIMPULAN
Dalam praktikum ini dapat disimpulkan bahwa penggunaan regresi linear
digunakan untuk keperluan dalam mengelolah data observasi geofisika. Dimana
regreasi linear menggunakan cara pendekatan garis lurus untuk menggambarkan
hubungan antara dua variable atau lebih, sedangkan pada regreasi polynomial metode
yang digunakan dengan cara meminimalkan jumlah kuadrat.
Regreasi yang paling baik adalah regreasi polynomial, karena pada
kenyataanya data observasi geofisika tidak semua linear dan tidak semua berhimpit
pada satu garis.
Pengaruh jumlah data polynomial pada data observasi. Hanya mengubah
jumlah matriks, hasil fungsi pendekatan dan hasil x dari pangkat 0 hingga n
VI DAFTAR PUSTAKA
Chapra,S.C.,Canale,R.P.,1990,Numerical Methode for Engineers

Meju, A Max., Geophsical Data Analysis: Understanding Inverse Problem Theory

and practice, (1994), Society of Exploration Geophysicists (SEG)

Supriyanto, M.Sc., Analisis Data Geofisika: Memahami Teori Inversi, (2007),

Universitas Indonesia.