MAKALAH EKONOMETRIKA

“MODEL REGRESI NON LINEAR”

OLEH:

KELOMPOK V

SRI MUSLIHAH BAKHTAR (60600115014)

NURUL RIHLAH (60600115062)

HUSNUL HATIMA (60600115055)

YUSRIANTO (60600110046)

JURUSAN MATEMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI ALAUDDIN MAKASSAR

2018

i
 KATA PENGANTAR

Alhamdulilahi Robbil’Alamin puji dan syukur penulis panjatkan kehadirat

Allah S.W.T. karena dengan berkat dan rahmat dan hidayah-Nya lah sehingga

penulis dapat menyusun dan menyelesaikan laporan lengkap “[mata kuliah]” ini

yang insya Allah dapat bermanfaat. Tak lupa penulis kirimkan salam dan shalawat

kepada nabi Muhammad S.A.W. karena berkat beliaulah, sehingga ummat

manusia dapat terlepas dari zaman jahilia menuju zaman modern seperti saat ini.

Ucapan terima kasih penulis sampaikan kepada orang tua yang telah

menjadi sumber motivasi bagi penulis. Tak lupa penulis ucapkan terima kasih

kepada teman-teman atas bantuan dan kerjasamanya dalam menyelesaikan

makalah ini .

Penulis menyadari bahwa dalam makalah ini masih terdapat banyak

kesalahan. Oleh karena itu, kritik dan saran sangat dibutuhkan, agar makalah

selanjutnya dapat lebih baik lagi. Semoga makalah ini dapat memberikan

konstribusi pengetahuan yang bermanfaat bagi pembaca.

Samata, 6 Mei 2018

Penulis

Kelompok V

ii
iii
 DAFTAR TABEL

Tabel 1 : Tambahan berat badan setelah dua minggu sebagai fungsi dari tingkatan

dosis

Tabel 2 : Nilai-Nilai yang perlu untuk regresi Parabola

Tabel 3 : Data Hasil Pengamatan

Tabel 4 : Nilai-Nilai yang perlu untuk regresiEksponen

Tabel 5 : Data Hasil Pengamatan

Tabel 6 : Nilai-Nilai yang perlu untuk Menghitung nilai a dan b model Geometris

Tabel 7 : Data Hasil Pengamatan

Tabel 8: Nilai-Nilai yang perlu untuk Menghitung nilai a dan b model Logistik

Tabel 9 : Data Hasil Pengamatan

Tabel 10: Nilai-Nilai yang perlu untuk Menghitung nilai a dan b model Hiperbola

iv
KATA PENGANTAR ............................................................................................ ii
DAFTAR ISI .......................................................................................................... iv
DAFTAR TABEL ................................................................................................. iiv
BAB 1 PENDAHULUAN ...................................................................................... 1
A. Latar Belakang......................................................................................................... 1
B. Rumusan Masalah ................................................................................................... 2
C. Tujuan ..................................................................................................................... 2
BAB II TINJAUAN PUSTAKA............................................................................. 3
A. Pengertian Regresi Non-Linear ............................................................................... 3
B. Model Regresi Non-linier ....................................................................................... 4
1. Model polinom .................................................................................................... 4
2. Model Eksponen ................................................................................................. 5
3. Model Geometris ................................................................................................ 6
4. Model Logistik .................................................................................................... 7
5. Model Hiperbola ................................................................................................. 8
BAB III PEMBAHASAN ....................................................................................... 9
𝑨. Model Polinom ....................................................................................................... 9
𝐵. Model Eksponen .................................................................................................... 10
𝐶. Model Geometris ................................................................................................... 12
𝐷. Model Logistik ...................................................................................................... 14
𝐸. Model Hiperbola ................................................................................................... 16
BAB IV PENUTUP .............................................................................................. 19
A. Kesimpulan ............................................................................................................ 19
B. Saran ..................................................................................................................... 20
DAFTAR PUSTAKA ........................................................................................... 21

v
 BAB 1

PENDAHULUAN

A. Latar Belakang

Analisis regresi merupakan alat statistik yang banyak digunakan dalam

bebagai bidang. Analisis tersebut bertujuan untuk mengetahui hubungan antara

variabel dependen dan independen. Analisis Regresi merupakan salah satu analisa

statistic yang cukup penting dan berkaitan dengan masalah pemodelan atematik

dari suatu pasangan data penga,atan. Dalam banyak kasus hubungan antara dua

variable atau lebih tidak dapat dipresentasikan dalam bentuk liniear. Tetapi dapat

dipresentasikan dalam bentuk non linier. Secara Umum bentuk nonlinier

dibedakan menjadi dua macam yaitu bentuk polynomial berderjat n dan bentuk

khusus misalnya bentuk compound. Namun karena penggunaan nonlinear sangat

rumit. Sehingga seringkali model nonlinear tersebut ditransformasikan dalam

bentuk linier.Analisis regresi sangat berguna untuk menyelesaikan masalah

pengolahan data statistic dalam suatu perusahaan.

Peristiwa di sekitar sering merupakan kejadian yang dapat dimodelkan

dengan persamaan regresi. Berdasarkan hubungan kelinearan antar parameter

dalam persamaan regresi, model regresi mempunyai dua bentuk hubungan

kelinearan yaitu regresi linear dan regresi nonlinear. Seringkali kejadian dalam

kehidupan sehari-hari lebih sering merupakan pola model regresi nonlinear. Untuk

itu dalam makalah ini akan dibahas mengenai model regresi nonlinear.

i
B. Rumusan Masalah

Adapun rumusan masalah pada makalah ini adalah bagaimana perbedaan

setiap model regresi non-linear.?

C. Tujuan

Tujuan dari makalah ini adalah untuk mengetahui bagaimana perbedaan

setiap model regresi non-linear.

2
 BAB II

TINJAUAN PUSTAKA

A. Pengertian Regresi Non-Linear

Analisis regresi merupakan metode dalam statistika yang digunakan

untuk mengetahui pola hubungan antara variabel bebas dan variabel terikat.

Berdasarkan pola hubungannya, analisis regresi terbagi atas analisis regresi linear

dan analisis regresi non-linear. (Hosmer and Lemeshow, 2000)

Menurut (Hasan, 1999) Suatu model disebut model regresi

nonlinear apabila variabel-variabelnya ada yang berpangkat. Contoh model regresi

nonlinear dalam antara lain model parabola, kuadratik, hiperbola, dan lain-lain.

Model regresi nonlinear dalam parameter adalah suatu model apabila

dideferensialkan hasilnya masih merupakan fungsi dalam parameter tersebut.

Contoh model regresi nonlinear dalam parameter adalah model regresi logistik.

Model regresi nonlinear dalam parameter dapat dituliskan sebagai:

𝑦𝑖 = (𝑥𝑖, 𝜃) + 𝜀𝑖, i = 1, 2, ..., n.

dengan,

𝑦𝑖 = variabel terikat ke-i

𝑥𝑖 = variabel bebas ke-i

𝜃 = parameter yang tidak diketahui

𝜀𝑖 = error, dimana 𝜀~(0,𝜎2)

3
B. Model Regresi Non-linier

Ada beberapa model regresi non-linier yaitu :1

1. Model polinom

Model polinom dinyatakan dalam bentuk Umum :

𝑦 = 𝑐0 + 𝑐1 X+𝑐2 x2 +…+𝑐𝑥 xk

Dimana 𝑐𝑖, i=0,1,2,…k (bilangan bulat positif) adalah konstanta

a) Model Polinom derajat dua

Model polinom mempunyai hanya satu peubah dasar, yaitu x. untuk k=1

kita memperoleh model regresi linier sederhana(garis Lurus)

𝑦 = 𝑐0 + 𝑐1X

Polinom berderajat dua, yaitu untuk k=2 mempunyai model kuadratik

(parabola) dengan bentuk umum:

𝑦 = 𝑐0 + 𝑐1X+𝑐2 x2

Dari model duatas dapat disimpulkan bahwa model statis parabola dalam

bentuk

𝑌 = 𝛽0 + 𝛽1 X+𝛽2X2 +𝜀

Dari persamaan diatas huruf besar Y dan X menunjukkan peubah statis

𝛽0 𝛽1,𝑑𝑎𝑛 𝛽2 menyatakan parameter yang tidak diketahui dan disebut koefisien

1
Muhammad Arif Tiro, “Analisis Korelasi dan regresi ( Cet III Makassar : Andia
Publisher,2010 ),h.157-187.

4
regresi , dan 𝜀 menyatakan komponen kesalahan yang mewakili selisih antara

teramati Y pada X dan nilai rerata Y pada X. Taksiran parabola untuk model

parabola kuadratik dapat ditulis dengan

𝑦̂ = 𝑏0 + 𝑏1 X + 𝑏2 X2

Dengan koefisien koefisien 𝑏0 , 𝑏1 dan 𝑏2 ditentukan berdasarkan data hasil

pengamatan. Jika (𝑥𝑖, 𝑦𝑖, ) i=1,2,…n menyatakan data hasil pengamatan dalam

sebuah sampel berukuran n, metode kuadrat terkecil memberikan nilai-nilai 𝑏0 , 𝑏1

dan 𝑏2 dengan cara menyelesaikan persamaan normal berikut .

𝑛𝑏0 + 𝑏1 ∑𝑛𝑖=1 𝑋𝑖 +𝑏1 ∑𝑛𝑖=1 𝑋𝑖 2 =∑𝑛𝑖=1 𝑦𝑖

𝑏0 ∑𝑛𝑖=1 𝑋𝑖 +𝑏1 ∑𝑛𝑖=1 𝑋𝑖 2 + 𝑏2 ∑𝑛𝑖=1 𝑋𝑖 3 =∑𝑛𝑖=1 𝑋𝑖 𝑦𝑖

𝑏0 ∑𝑛𝑖=1 𝑋𝑖 2 +𝑏1 ∑𝑛𝑖=1 𝑋𝑖 3 + 𝑏2 ∑𝑛𝑖=1 𝑋𝑖 4=∑𝑛𝑖=1 𝑋𝑖 2 𝑦𝑖

b) Model derajat lebih tinggi

c) Uji tuna cocok

d) Strategi penentuan model polinom

2. Model Eksponen

Model eksponen banyak digunakan apabila situasi tidak memungkinkan

untuk model linier atau polinom. Taksiran model eksponen ditulis dengan :

𝑌̂ = 𝑎𝑏 𝑥 ,

5
 Dimana a dan b konstanta, dan dapat dikembalikan kepada model linier

apabila diambil algoritmanya. Dalam bentuk logaritma, persamaannya menjadi :

log 𝑌̂ = log(𝑎) + (log 𝑏) 𝑋

Apabila diambil

𝑌̂ ∗ = 𝑙𝑜𝑔 𝑌̂, 𝑎 ∗ = log 𝑎, dan 𝑏 ∗ = log 𝑏 ,

maka diperoleh :

𝑌̂ ∗ = 𝑎∗ + 𝑏 ∗ X,

Dan ini adalah model linier sederhana. Dengan menggunakan rumus

koefisien regresi linear sederhana 𝑎∗ dan 𝑏 ∗ dapat dihitung, dan selanjutnya a dan

b dapat ditentukan dalam betuk logaritma, a dan b dapat dicari dengan rumus:

∑𝑛𝑖=𝑖 log 𝑌𝑖 ∑𝑛𝑖=1 Xi

log 𝑎 = − (log 𝑏) ( )
𝑛 𝑛

𝑛(∑𝑛𝑖=1 log 𝑋𝑖 log 𝑌𝑖 ) − (∑𝑛𝑖=1 Xi )(∑𝑛𝑖=𝑖 log 𝑌𝑖 )

log 𝑏 =
𝑛 ∑𝑛𝑖=1 X i 2 − (∑𝑛𝑖=1 Xi )2

3. Model Geometris

Seperti halnya dengan model eksponen, model geometris data

dikembalikan kepada model linear. Persamaan umum ini ditaksir dengan bentuk:

𝑌̂ = 𝑎𝑋 𝑏

Dengan a dan b konstanta. Jika model ini diambil logaritmanya diperoleh

hasil:

𝑙𝑜𝑔 ̂𝑌 = log 𝑎 + 𝑏 log 𝑋

6
 Dan ini merupakan model linear dalam log X dan log 𝑌̂. Koefisien-

koefisien a dan b dapat dicari:

∑𝑛𝑖=1 log 𝑌𝑖 ∑𝑛𝑖=1 log 𝑋𝑖

log 𝑎 = −𝑏
𝑛 𝑛

𝑛(∑𝑛𝑖=1 log 𝑋𝑖 log 𝑌𝑖 ) − (∑𝑛𝑖=1 Xi )(∑𝑛𝑖=1 log 𝑌𝑖 )

𝑏=
𝑛 ∑𝑛𝑖=1 𝑙𝑜𝑔2 X i − (∑𝑛𝑖=1 log Xi )2

4. Model Logistik

Model logistik mempunyai banyak bentuk, dan penggunaannya cukup

luas. Bentuk model logistik yang paling sederhana dapat ditaksir oleh:

1
𝑌̂ =
𝑎𝑏 𝑥 +𝑐

Dengan a dan b konstanta. Untuk 𝑌̂ yang tidak sama dengan nol, bentuk

diatas dapat pula ditulis sebagai:

1
= 𝑎𝑏 𝑥
̂
𝑌

Jika rumus itu diambil logaritmanya, diperoleh:

1
log( ) = log 𝑎 + (log 𝑏) 𝑋
𝑌̂

1
Yang merupakan model linear dalam peubah X dan log(𝑌̂). Koefisien-koefisien a

dan b dapat dicari dengan menggunakan rumus:

7
 1
∑𝑛𝑖=1 log ( ) ∑𝑛𝑖=1 Xi
𝑌𝑖
log 𝑎 = − (log 𝑏) ( )
𝑛 𝑛

1 1
𝑛 (∑𝑛𝑖=1 𝑋𝑖 log (𝑌 )) − (∑𝑛𝑖=1 Xi ) (∑𝑛𝑖=1 ∑ 𝑋𝑖 log (𝑌 ))
𝑖 𝑖
log 𝑏 = 𝑛 𝑆2 𝑛 2
𝑛 ∑𝑖=1 Xi − (∑𝑖= Xi )

5. Model Hiperbola

Perkiraan persamaan umum sederhana untuk model hiperbola dapat

dituliskan dalam bentuk:

1
𝑌̂ =
𝑎 + 𝑏𝑥

Atau jika 𝑌̂ tidak ada yang bernilai nol dapat dituis menjadi:

1
= 𝑎 + 𝑏𝑋
𝑌̂

Dengan a dan b konstanta, yang ternyata merupakan bentuk linear dalam peubah-

peubah X dan 1/Y.

Koefisien-koefisien a dan b dapat dihitung seperti pada model garis lurus

dengan rumus:

1 1
(∑𝑛𝑖=1 𝑌 ) (∑𝑛𝑖=1 𝑋𝑖2 ) − (∑𝑛𝑖=1 𝑋𝑖 ) (∑𝑛𝑖=1 𝑋𝑖 𝑌 )
𝑖 𝑖
𝑎=
𝑛 ∑𝑛𝑖=1 X i 2 − (∑𝑛𝑖= Xi )2

1 1
𝑛 ∑𝑛𝑖=1 𝑋𝑖 𝑌 − (∑𝑛𝑖=1 𝑋𝑖 ) (∑𝑛𝑖=1 𝑌 )
𝑖 𝑖
𝑏= 𝑛 2 𝑛 2
𝑛 ∑𝑖=1 X i − (∑𝑖= Xi )

8
 BAB III

PEMBAHASAN

A. Model Polinom

Misalkan terdapat data tabel tambahan berat dalam dekagram(dag)

diukur untuk setiap hewan setelah dua minggu, dimana semua hewan dalam

keadaan laboratorium dan gizi yang sama.

Tingkatan 1 2 3 4 5 6 7 8

Dosis

Tambahan 1 1,2 1,8 2,5 3,6 4,7 6,6 9,1

Berat Badan

Tabel 1 : Tambahan berat badan setelah dua minggu sebagai fungsi dari tingkatan dosis

Untuk menentukan model regresi non liniear dengan mengambil bentuk

parabola kuadratiknya. Untuk itu dibutuhkan tabel baru dengan menambah 𝑋 2,

𝑋 3 , 𝑋 4 , 𝑋𝑌, 𝑋 2 𝑌

No X Y 𝑋2 𝑋3 𝑋4 XY 𝑋 2𝑌

1 1 1,0 1 1 1 1 1

2 2 1,2 4 8 16 2,4 4,8

3 3 1,8 9 27 81 5,4 16,2

4 4 2,5 16 64 256 10,0 40,0

5 5 3,6 25 125 625 18,0 90,0

6 6 4,7 36 216 1296 28,2 169,2

9
 7 7 6,6 49 343 2401 46,2 323,4

8 8 9,1 64 512 4096 72,8 582,4

Jumlah 36 30,5 204 1296 8772 184,0 1227,0

Tabel 2 : Nilai-Nilai yang perlu untuk regresi Parabola

Dengan bantuan tabel diatas kita mendapatkan persamaan berikut ini :

8𝑏0 + 36𝑏1 +204𝑏1 =30,5

𝑏0 36+204𝑏1 + 1296𝑏2 =184

204𝑏0 +1296𝑏1 + 8772𝑏2 =1227

Dari ketiga persamaan diatas didapatkan nilai 𝑏0 = 1,348 , 𝑏1 = −0,414, 𝑏2 =

0,170 sehingga persamaan regresi parabola dapat ditulis :

𝑌̂=1,348 − 0,414𝑋 + 0,170𝑋 2

B. Model Eksponen

Diketahui data Hasil pengamatan

NO X Y

1 20 150

2 35 125

3 60 105

4 100 100

5 150 92

6 300 97

10
 7 500 97

8 800 62

9 1200 58

10 1300 40

11 1500 38

12 1600 35

Tabel 3 : Data Hasil Pengamatan

No X Y 𝑋𝑖 2 Log 𝑌𝑖 𝑋𝑖 Log 𝑌𝑖

1 20 150 400 2,1761 43,522

2 35 125 1225 2,0969 73,3915

3 60 105 3600 2,0212 121,272

4 100 100 10000 2,0000 200

5 150 92 22500 1,9638 294,57

6 300 97 90000 1,9868 596,04

7 500 97 250000 1,9865 993,25

8 800 62 640000 1,7924 1433,92

9 1200 58 1440000 1,7634 2116,08

10 1300 40 1690000 1,6021 2082,73

11 1500 38 2250000 1,5796 2369,4

12 1600 35 2560000 1,5441 2470,56

Jumlah 7565 999 8957725 22,5134 12794,7355

Tabel 4 : Nilai-Nilai yang perlu untuk regresiEksponen

11
 12(12794,7355)−(7565)(22,5134)
Log b= =-0,00033
12(8957725)−(7565)2

Nilai b= 0,999232

22,5134 7565
Log a= − (-0,00033)× 12
= 2,086449317
12

Nilai a=122,0251407

Sehingga bentuk persamaan Regresi Model eksponennya adalah :

𝑌̂ = 𝑎𝑏 𝑋

𝑌̂ = (122,0251407)(0,999232) 𝑋

C. Model Geometris

Diketahui data Hasil pengamatan :

NO X Y

1 20 150

2 35 125

3 60 105

4 100 100

5 150 92

6 300 97

7 500 97

8 800 62

12
 9 1200 58

10 1300 40

11 1500 38

12 1600 35

Tabel 5 : Data Hasil Pengamatan

Untuk melihat kesesuain model geometris oleh karena itu diperlukan tabel baru

yang dapat membantu menentukan model regresinya :

No X Y Log 𝑋𝑖 Log 𝑌𝑖 Log 𝑋𝑖 Log 𝑌𝑖 Log 𝑋 2 𝑖

1 20 150 1,301 2,1761 2,8311 1,6926

2 35 125 1,5441 2,0969 3,2378 2,3842

3 60 105 1,7782 2,0212 3,5941 3,1620

4 100 100 2,0000 2,0000 4,0000 4,0000

5 150 92 2,1761 1,9638 4,2734 4,7354

6 300 97 2,4771 1,9868 4,9215 6,1360

7 500 97 2,6990 1,9865 5,3623 7,2846

8 800 62 2,9031 1,7924 5,2035 8,4280

9 1200 58 3,0792 1,7634 5,4298 9,4814

10 1300 40 3,1139 1,6021 4,9887 9,6963

11 1500 38 3,1761 1,5796 5,0176 10,0876

12 1600 35 3,2041 1,5441 4,9474 10,2662

Jumlah 29,451 22,5134 53,8072 77,3543

Tabel 6 Nlai-NIlai yang perlu untuk menghitung nilai a dan b model Geometris

13
Dengan menggunakan rumus diatas untuk data pada tabel 4 dapat diperoleh

12(53,8072)−(29,4519)(22,5134)
b= =-0,2856
12(77,3543)−(29,4519)2

22,5134 29,4519
log a= — 0,2856 ( ) = 2,5770
12 12

didapat nilai a nya =377,6

Sehingga model regresinya dengan model Geometrik adalah :

𝑌̂=(377,6)𝑋 −0,2856

Atau

(377,6)
𝑌̂= 𝑋 −0,2856

D. Model Logistik

Diketahui data Hasil pengamatan :

NO X Y

1 20 150

2 35 125

3 60 105

4 100 100

5 150 92

14
 6 300 97

7 500 97

8 800 62

9 1200 58

10 1300 40

11 1500 38

12 1600 35

Tabel 7 : Data Hasil Pengamatan

Untuk melihat kesesuain model Logistik oleh karena itu diperlukan tabel baru

yang dapat membantu menentukan model regresinya :

1 1 1
log 2 𝑋𝑖 log
No X Y 𝑌𝑖 𝑌𝑖 𝑋𝑖 𝑌𝑖

1 20 150
0,006666667 -2,176091259 400 -43,5218
2 35 125
0,008 -2,096910013 1225 -73,3919
3 60 105
0,00952381 -2,021189299 3600 -121,271
4 100 100
0,01 -2 10000 -200
5 150 92
0,010869565 -1,963787827 22500 -294,568
6 300 97
0,010309278 -1,986771734 90000 -596,032
7 500 97 25000
0,010309278 -1,986771734 0 -993,386
8 800 62 64000
0,016129032 -1,792391689 0 -1433,91
9 1200 58 14400
0,017241379 -1,763427994 00 -2116,11
10 1300 40 16900
0,025 -1,602059991 00 -2082,68

15
 11 1500 38 22500
0,026315789 -1,579783597 00 -2369,68
53,80
-1,544068044
12 1600 35 0,028571429 72 -2470,51

JML 29,4519 89577

7565 999
-22,51325318 25 -12795
Tabel 8 Nlai-NIlai yang perlu untuk menghitung nilai a dan b model Geometris

Dengan menggunakan rumus diatas untuk data pada tabel 8 dapat diperoleh

12(−12795)−(7565)(−22,51325318 )
Log b= =0,000334
12(8957725)−(7565)2

Nilai b= 1,000769
22,5134 7565
Log a= − (-0,00033)× 12
= -2,08647
12

Nilai a=0,008195

Sehingga model regresinya dengan model Logistik adalah :

1
𝑌̂=𝑎𝑏𝑋

1
𝑌̂=0,008195)(1,000769)𝑋

E. Model Hiperbola

Diketahui data Hasil pengamatan :

NO X Y

1 20 150

2 35 125

3 60 105

16
 4 100 100

5 150 92

6 300 97

7 500 97

8 800 62

9 1200 58

10 1300 40

11 1500 38

12 1600 35

Tabel 9 Data Hasil Pengamatan

Nilai-nilai yang diperlukan untuk menghitung koefisien modle hiperbola

Xi Yi 1/Yi Xi2 Xi/Yi

20 150 0,0066 400 0,132

35 125 0,008 1225 0,28

60 105 0,0095 3600 0,57

100 100 0,01 10000 1

150 92 0,0108 22500 1,62

300 97 0,0103 90000 3,09

500 97 0,0103 250000 5,15

800 62 0,0161 640000 12,88

1200 58 0,0172 1440000 20,64

1300 40 0,025 1690000 32,5

17
 1500 38 0,0263 2250000 42,05

1600 35 0,0285 256000 47,2

7565 0,1786 8957725 167,11

Tabel 10 : Nilai-NIlai untuk menghitung koefisien Model Hiperbola

Dengan nilai-nilai

𝑛 𝑛
1
∑ 𝑋𝑖 = 7565, ∑ log = 0,1786
𝑌𝑖
𝑖=1 𝑖=1

∑𝑛𝑖=1 𝑋𝑖2 = 8957725, ∑𝑛𝑖=1 𝑋𝑖 /𝑌𝑖 = 167,112 dan n= 12

Yang diperoleh dari tabel di dapat:

12(167,112) − (7565)(0,1786)
𝑏= = 0,000013
12(8957725) − (7565)2

0,1786 7565
𝑎= − (0,000013) ( ) = 0,0066
12 12

Persamaan regresi model hiperbola untu soal tersebut adalah

1
𝑌̂ =
0,0066 + 0,000013𝑋

18
 BAB IV

PENUTUP

A. Kesimpulan

Adapun kesimpulan pada makalah ini adalah perbedaan dari setiap model

regresi non-linear :

1. Model Polinom

Model polinom dinyatakan dalam bentuk Umum :

𝑦 = 𝑐0 + 𝑐1X+𝑐2 x2 +…+𝑐𝑥 xk

2. Model Eksponen

Taksiran model eksponen ditulis dengan :

𝑌̂ = 𝑎𝑏 𝑥

3. Model Geometris

Persamaan umum ini ditaksir dengan bentuk:

𝑌̂ = 𝑎𝑋 𝑏

4. Model Logistik

Bentuk model logistik yang paling sederhana dapat ditaksir oleh:

1
𝑌̂ =
𝑎𝑏 𝑥 +𝑐

5. Model Hiperbola

Model hiperbola dapat dituliskan dalam bentuk:

1
𝑌̂ =
𝑎 + 𝑏𝑥

19
B. Saran

Adapun saran pada makalah ini adalah agar penulis lebih fokus dan detail

dalam menjelaskan tentang makalah ini dengan sumber-sumber atau referensi

yang lebih banyak lagi.

20
 DAFTAR PUSTAKA

Arif Tiro, Muhammad., 2010 . Analisis Korelasi dan Regresi . Makassar : Andia Publisher

21