Diketahui data angin periode 1991-2004 adalah seperti diatas. Untuk mencari tren
kecepatan pada table diatas kita dapat menggunakan metode regresi. Untuk mengetahui orde
berapa yang paling mendekati dengan data kita melakukan perbandingan antara metode regresi
orde 2, orde 3 dan orde 4 . data yang dikunakan adalah kecepatan dalam (knot) sebagai variable y
dan x adalah periode (tahun)
n x y x2 x3 x4 x5 x6 x7 x8 xy x2 y x 3y x4y
1 1 21 1 1 1 1 1 1 1 21 21 21 21
2 2 26 4 8 16 32 64 128 256 52 104 208 416
3 3 40 9 27 81 243 729 2187 6561 120 360 1080 3240
4 4 23 16 64 256 1024 4096 16384 65536 92 368 1472 5888
5 5 22 25 125 625 3125 15625 78125 390625 110 550 2750 13750
6 6 20 36 216 1296 7776 46656 279936 167961 120 720 4320 25920
6
7 7 55 49 343 2401 16807 117649 823543 576480 385 2695 1886 13205
1 5 5
8 8 16 64 512 4096 32768 262144 2097152 167772 128 1024 8192 65536
16
9 9 50 81 729 6561 59049 531441 4782969 430467 450 4050 3645 32805
21 0 0
10 10 32 100 1000 1000 10000 100000 1000000 1E+08 320 3200 3200 32000
0 0 0 0 0 0
11 11 40 121 1331 1464 16105 177156 1948717 2.14E+ 440 4840 5324 58564
1 1 1 1 08 0 0
12 12 31 144 1728 2073 24883 298598 3583180 4.3E+0 372 4464 5356 64281
6 2 4 8 8 8 6
13 13 33 169 2197 2856 37129 482680 6274851 8.16E+ 429 5577 7250 94251
1 3 9 7 08 1 3
14 14 34 196 2744 3841 53782 752953 1054135 1.48E+ 476 6664 9329 13061
6 4 6 04 09 6 44
10 10 44 101 1102 1276 15398 190922 2415614 3.1E+0 351 3463 3779 43719
5 5 3 5 5 87 25 95 25 9 5 7 63 89
Subtitusi nilai x dan y yang telah di dapat dari table diatas kedalam persamaan 1,2,dan 3 maka
diperoleh :
105 a0 + 105 a1 + 1015 a2 = 443 [1]
Matriks
Dengan menggunakan Dekomposisi LU di Matlab kita dapat mencari nilai a0 ,a1 ,a3 , didapatkan
nilai-nilai tersebut sebagai berikut :
a0 = 0.8505
a1 = 4.9088
a2 = -0.1593
Menentukan Y model saat x=10 untuk mencari nilai error pada x=10
𝑦 = 0.8505 + (4.9088𝑥10) − (0.1593𝑥10𝑥10)
𝑦 = 34.8505
Tabel Ymodel :
Melakukan perhitungan yang sama seperti saat mencari Y model x=10 untuk Y model x=1
hingga x=14, maka didapatkan data seperti table dibawah :
n 𝑥 𝑦
1 1 5.6
2 2 10.0309
3 3 14.1432
4 4 17.9369
5 5 21.412
6 6 24.5685
7 7 27.4064
8 8 29.9257
9 9 32.1264
10 10 34.0085
11 11 35.572
12 12 36.8169
13 13 37.7432
14 14 38.3509
105 105 365.6415
50
40
V (knot)
30
y model
20 ymeasured
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14
T (year)
Subtitusi nilai x dan y yang telah di dapat dari table diatas kedalam persamaan 1,2,3, dan 4 maka
diperoleh :
105 a0 + 105 a1 + 1015 a2 + 11025 a3 = 443 [1]
Matriks
105 105 1015 11025 a0 443
105 1015 11025 127687 a1 3515
X =
1015 11025 127687 1539825 a2 34637
11025 127687 1539825 19092295 a3 377963
Dengan menggunakan Dekomposisi LU di Matlab kita dapat mencari nilai a0 ,a1 ,a3, a4 ,
didapatkan nilai-nilai tersebut sebagai berikut :
a0 = 0.7372
a1 = -4.389
a2 = 2.299
a3 = -0.1367
𝑦 =50.0472
𝑦 = 32
Tabel Ymodel :
Melakukan perhitungan yang sama seperti saat mencari Y model x=10 untuk Y model x=1
hingga x=14, maka didapatkan data seperti table dibawah :
n 𝑥 𝑦
1 1 -1.4895
2 2 0.0616
3 3 4.5703
4 4 11.2164
5 5 19.1797
6 6 27.64
7 7 35.7771
8 8 42.7708
9 9 47.8009
10 10 50.0472
11 11 48.6895
12 12 42.9076
13 13 31.8813
14 14 14.7904
105 105 375.8433
Persamaan 2 :
(∑ 𝑥𝑖 ) 𝑎0 + (∑ 𝑥𝑖2 ) 𝑎1 + (∑ 𝑥𝑖3 ) 𝑎2 + (∑ 𝑥𝑖4 ) 𝑎3 + (∑ 𝑥𝑖5 ) 𝑎4 = ∑ 𝑥𝑖 𝑦𝑖
Persamaan 3 :
(∑ 𝑥𝑖2 ) 𝑎0 + (∑ 𝑥𝑖3 ) 𝑎1 + (∑ 𝑥𝑖4 ) 𝑎2 + (∑ 𝑥𝑖5 ) 𝑎3 + (∑ 𝑥𝑖6 ) 𝑎4 = ∑ 𝑥𝑖2 𝑦𝑖
Persamaan 4 :
(∑ 𝑥𝑖3 ) 𝑎0 + (∑ 𝑥𝑖4 ) 𝑎1 + (∑ 𝑥𝑖5 ) 𝑎2 + (∑ 𝑥𝑖6 ) 𝑎3 + (∑ 𝑥𝑖7 ) 𝑎4 = ∑ 𝑥𝑖3 𝑦𝑖
Subtitusi nilai x dan y yang telah di dapat dari table diatas kedalam persamaan 1,2,3,4 dan 5 maka
diperoleh :
Matriks :
105 105 1015 11025 127687 a0 443
105 1015 11025 127687 1539825 a1 3515
1015 11025 127687 1539825 19092295 x a2 = 34637
11025 127687 1539825 19092295 241561425 a3 377963
127687 1539825 19092295 241561425 3103591687 a4 4371989
Dengan menggunakan Dekomposisi LU di Matlab kita dapat mencari nilai a0 ,a1 ,a3, a4 ,
didapatkan nilai-nilai tersebut sebagai berikut :
Menentukan Y model saat x=10 untuk mencari nilai error pada x=10
𝑦 =34.8123
443 − 420.9765
Σ =
443
Σ = 0.049714447
n 𝑥 𝑦
1 1 9.0156
2 2 16.7963
3 3 23.3624
4 4 28.6035
5 5 32.4788
6 6 35.0171
7 7 36.3168
8 8 36.5459
9 9 35.942
10 10 34.8123
11 11 33.5336
12 12 32.5523
13 13 32.3844
14 14 33.6155
105 105 420.9765
50
40
V (knot)
30
y model
20 ymeasured
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14
T (year)
50
40
30
V (knot)
20 orde 4
Ymeasured
10
orde 3
orde 2
0
-10
1 2 3 4 5 6 7 8 9 10 11 12 13 14
orde 4 9.016 16.8 23.36 28.6 32.48 35.02 36.32 36.55 35.94 34.81 33.53 32.55 32.38 33.62
Ymeasured 21 26 40 23 22 20 55 16 50 32 40 31 33 34
orde 3 -1.49 0.062 4.57 11.22 19.18 27.64 35.78 42.77 47.8 50.05 48.69 42.91 31.88 14.79
orde 2 5.6 10.03 14.14 17.94 21.41 24.57 27.41 29.93 32.13 34.01 35.57 36.82 37.74 38.35
T (year)
Dengan membandingkan hasil error dari regresi orde 2 , orde 3 dan orde 4 dapat
disimpulkan bahwa regresi orde 4 memiliki kurva yang paling mendekati dengan data asli (y measured)
dengan nilai error Σ = 0.049714447 yang mana error tersebut paling kecil jika dibandingkan dengan
orde 2 ataupun orde 3.