Metode Numerik : Regresi Orde 2, Orde 3, dan Orde 4

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

| Metode Numerik Regresi

  Regresi Orde 2 :
Persamaan 1 : 𝑛𝑎0 + (∑ 𝑥𝑖 ) 𝑎1 + (∑ 𝑥𝑖2 ) 𝑎2 = ∑ 𝑦𝑖

Persamaan 2 : (∑ 𝑥𝑖 ) 𝑎0 + (∑ 𝑥𝑖2 ) 𝑎1 + (∑ 𝑥𝑖3 ) 𝑎2 = ∑ 𝑥𝑖 𝑦𝑖

Perssamaan 3 : (∑ 𝑥𝑖2 ) 𝑎0 + (∑ 𝑥𝑖3 ) 𝑎1 + (∑ 𝑥𝑖4 ) 𝑎2 = ∑ 𝑥𝑖2 𝑦𝑖

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]

105 ao + 1015 a1 + 11025 a2 = 3515 [2]

1015 a0 + 11025 a1 + 127687 a2 = 34637 [3]

 Matriks

105 105 1015 a0 443

105 1015 11025 X a1 = 3515
1015 11025 127687 a2 34637

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

 Didapatkan persamaan umum :

𝑓(𝑥) = 𝑦 = 0.8505 + 4.9088𝑥 − 0.1593𝑥 2

 Menentukan Y model saat x=10 untuk mencari nilai error pada x=10
𝑦 = 0.8505 + (4.9088𝑥10) − (0.1593𝑥10𝑥10)

𝑦 = 34.8505

| Metode Numerik Regresi

  Ymeasured saat x=10
𝑦 = 32

 Menghitung nilai error :

𝑦 𝑎𝑠𝑢𝑟 − 𝑦
=
𝑦 𝑎𝑠𝑢𝑟
443 − 365.6415
32 − 34.8505 Σ =
𝑥=10 = 443
32
𝑥=10 =-0.06277 Σ = 0.174624153

 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

| Metode Numerik Regresi

  Grafik Regresi Orde 2

Grafik Regresi Orde 2

60

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)

| Metode Numerik Regresi

  Regresi Orde 3
Persamaan 1 : 𝑛𝑎0 + (∑ 𝑥𝑖 ) 𝑎1 + (∑ 𝑥𝑖2 ) 𝑎2+ (∑ 𝑥𝑖3 ) 𝑎3 = ∑ 𝑦𝑖

Persamaan 2 : (∑ 𝑥𝑖 ) 𝑎0 + (∑ 𝑥𝑖2 ) 𝑎1 + (∑ 𝑥𝑖3 ) 𝑎2 + (∑ 𝑥𝑖4 ) 𝑎3 = ∑ 𝑥𝑖 𝑦𝑖

Persamaan 3 : (∑ 𝑥𝑖2 ) 𝑎0 + (∑ 𝑥𝑖3 ) 𝑎1 + (∑ 𝑥𝑖4 ) 𝑎2 + (∑ 𝑥𝑖5 ) 𝑎3 = ∑ 𝑥𝑖2 𝑦𝑖

Persamaan 4 : (∑ 𝑥𝑖3 ) 𝑎0 + (∑ 𝑥𝑖4 ) 𝑎1 + (∑ 𝑥𝑖5 ) 𝑎2 + (∑ 𝑥𝑖6 ) 𝑎3 = ∑ 𝑥𝑖3 𝑦𝑖

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]

105 a0 + 1015 a1 + 11025 a2 + 127687 a3 = 3515 [2]

1015 a0 + 11025 a1 + 127687 a2 + 1539825 a3 = 34637 [3]

11025 a0 + 127687 a1 + 1539825 a2 + 19092295 a3 = 377963 [4]

 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

 Didapatkan persamaan umum :

𝑓(𝑥) = 𝑦 = 0.7372 − 4.389𝑥 + 2.299𝑥 2 − 0.1367𝑥 3

| Metode Numerik Regresi

  Menentukan Y model saat x=10 untuk mencari nilai error pada x=10

𝑦 = 0.7372 − (4.389𝑥10) + (2.299𝑥102 ) − (0.1367𝑥103 )

𝑦 =50.0472

 Ymeasured saat x=10

𝑦 = 32

 Menghitung nilai error :

𝑦 𝑎𝑠𝑢𝑟 − 𝑦
=
𝑦 𝑎𝑠𝑢𝑟
443 − 375.8433
32 − 50.0472 Σ =
𝑥=10 = 443
32
=-0.56398 Σ = 0.15159526
𝑥=10

 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

| Metode Numerik Regresi

 Grafik Regresi Orde 3

| Metode Numerik Regresi

  Regresi Orde 4 :

Persamaan 1 : 𝑛𝑎0 + (∑ 𝑥𝑖 ) 𝑎1 + (∑ 𝑥𝑖2 ) 𝑎2+ (∑ 𝑥𝑖3 ) 𝑎3 + (∑ 𝑥𝑖4 ) 𝑎4 = ∑ 𝑦𝑖

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

Perssamaan 5 : (∑ 𝑥𝑖4 ) 𝑎0 + (∑ 𝑥𝑖5 ) 𝑎1 + (∑ 𝑥𝑖6 ) 𝑎2 + (∑ 𝑥𝑖7 ) 𝑎3 + (∑ 𝑥𝑖8 ) 𝑎4 = ∑ 𝑥𝑖4 𝑦𝑖

Subtitusi nilai x dan y yang telah di dapat dari table diatas kedalam persamaan 1,2,3,4 dan 5 maka
diperoleh :

105 a0 + 105 a1 + 1015 a2 + 11025 a3 + 127687 a4 = 443 [1]

105 a0 + 1015 a1 + 11025 a2 + 127687 a3 + 1539825 a4 = 3515 [2]

1015 a0 + 11025 a1 + 127687 a2 + 1539825 a3 + 19092295 a4 = 34637 [3]

11025 a0 + 127687 a1 + 1539825 a2 + 19092295 a3 + 241561425 a4 = 377963 [4]

127687 a0 + 1539825 a1 + 19092295 a2 + 241561425 a3 + 3.104E+09 a4 = 4371989 [5]

 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 :

| Metode Numerik Regresi

 a0 = 0.2003
a1 = 9.2552
a2 = -0.3954
a3 = -0.0474
a4 = 0.0029

 Didapatkan persamaan umum :

𝑓(𝑥) = 𝑦 = 0.2003 + 9.2552𝑥 − 0.3954𝑥 2 − 0.0474𝑥 3 + 0.0029𝑥 4

 Menentukan Y model saat x=10 untuk mencari nilai error pada x=10

𝑦 = 0.2003 + (9.2552𝑥10) − (0.3954𝑥102 ) − (0.0474𝑥103 ) + (0.0029𝑥104 )

𝑦 =34.8123

 Ymeasured saat x=10

𝑦 = 32

 Menghitung nilai error :

𝑦 𝑎𝑠𝑢𝑟 − 𝑦
=
𝑦 𝑎𝑠𝑢𝑟
32 − 34.8123
𝑥=10 =
32
𝑥=10 =-0.087884

443 − 420.9765
Σ =
443

Σ = 0.049714447

| Metode Numerik Regresi

 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 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

 Grafik Ymodel Orde 4

Grafik Regresi Orde 4

60

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)

| Metode Numerik Regresi

  Grafik Perbandingan Regresi Orde 2, 3, dan 4

Grafik Perbandingan Regresi Orde 2,3,4

60

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.

| Metode Numerik Regresi