Analisi Regresi Dan Interpolasi PDF
Analisi Regresi Dan Interpolasi PDF
Bab 4
ANALISIS REGRESI dan INTERPOLASI
4.1. Pendahuluan
Pada kuliah ini akan dipelajari beberapa metode untuk memprediksi dan
mengestimasi data diskret. Dari suatu penelitian sering dilakukan pengolahan
data untuk mengetahui pola data atau bentuk kurva yang dianggap dapat
mewakili data diskret yang ada.
Metode yang biasa dilakukan untuk melakukan pendekatan tersebut adalah
sebagai berikut,
f (x) +
+
+
+ +
+
+
+
range
B. Metode Iterpolasi
Dengan menggunakan metode Iterpolasi, kurva yang terbentuk
menghubungkan titik-titik data yang diplot. Persamaan kurva tersebut hanya
dapat dipergunakan untuk mengestimasi variabel terikat f(x) untuk nilai
variabel bebas x didalam range. Contohnya adalah seperti gambar berikut,
f (x)
+
+
+
+ +
+
+
+
+
range
f ( x ) = b.x + a (4.1)
y = a.e b. x (4.2)
ln y = ln a + b.x. ln e (4.3)
y ′ = b.x + a ′ (4.4)
Persamaan (4.4) serupa dengan persamaan (4.1), dan ini juga merupakan
persamaan garis lurus atau kurva linier.
Untuk persamaan fungsi berpangkat dapat dicontohkan seperti
persamaan berikut,
y = a.x b (4.5)
y ′ = b.x ′ + a ′ (4.7)
yˆ = a o + a1 .x + a 2 .x 2 + a3 .x 3 + ... + a n −1 .x n −1 + a n .x n (4.8)
i =n
E 2 = ∑ ( y i − yˆ i ) (4.9)
2
i =1
( )
i =n
E 2 = ∑ y i − ao − a1 .xi − a 2 .xi − a3 .xi − ... − a n −1 .xi
n −1 n 2
− a n .xi (4.10)
2 3
i =1
∂E 2 ∂E 2 ∂E 2 ∂E 2 ∂E 2 ∂E 2
= = = ... = = =0 (4.11)
∂a o ∂a1 ∂a 2 ∂a3 ∂a n −1 ∂a n
∂E 2
( )
i =n
= −2.∑ yi − a o − a1 .xi − a 2 .xi − a3 .xi − ... − a n−1 .xi − a n .xi
n −1
(4.12)
2 3 n
∂ao i =1
∂E 2
( )
i =n
= −2.∑ xi . yi − ao − a1 .xi − a 2 .xi − a3 .xi − ... − a n −1 .xi − a n .xi
n −1
(4.13)
2 3 n
∂a1 i =1
∂E 2
( )
i =n
= −2.∑ xi . y i − ao − a1 .xi − a 2 .xi − a3 .xi − ... − a n −1 .xi − a n .xi
n −1
(4.14)
2 2 3 n
∂a 2 i =1
∂E 2
( )
i =n
= −2.∑ xi . yi − a o − a1 .xi − a 2 .xi − a3 .xi − ... − a n −1 .xi − a n .xi
n −1
(4.15)
3 2 3 n
∂a3 i =1
∂E 2
( )
i =n
= −2.∑ xi . yi − ao − a1 .xi − a2 .xi − a3 .xi − ... − an−1 .xi − an .xi
n −1 n −1
(4.16)
2 3 n
∂an−1 i =1
∂E 2
( )
i =n
= −2.∑ xi . y i − ao − a1 .xi − a 2 .xi − a3 .xi − ... − a n −1 .xi − a n .xi
n −1
(4.17)
n 2 3 n
∂a n i =1
⎡ n ∑x ∑x 2
∑x 3
... ∑x n−1
∑x n
⎤ ⎡ a0 ⎤ ⎡ ∑yi ⎤
⎢ ⎥⎢ ⎥ ⎢
i i i i i
⎥
⎢ ∑xi ∑x ∑x ∑x ∑x ∑x ⎥ ⎢ a1 ⎥ ⎢ ∑xi .yi ⎥
2 3 4 n n+1
i i i ... i i
⎢ ∑x 2 ∑x 3
∑x 4
∑x 5
... ∑x n+1
∑x n+2 ⎥
⎢ a2 ⎥ ⎢ ∑xi 2 .yi ⎥
⎢ i i i i i i
n+3 ⎥ ⎢ ⎥ ⎢ ⎥ (4.18)
⎢ ∑xi ∑x ∑x ∑x ∑x ∑x ⎥.⎢ a3 ⎥ = ⎢ ∑xi .yi ⎥
3 4 5 6 n+2 3
i i i ... i i
⎢ ... ... ... ... ... ... ... ⎥ ⎢ ... ⎥ ⎢ ... ⎥
⎢ ⎥⎢ ⎥ ⎢ ⎥
⎢∑xi ∑x ∑x ∑x ∑x ∑xi n+n−1 ⎥ ⎢an−1 ⎥ ⎢∑xi n .yi ⎥
n−1 n n+1 n+2 n+n−2 n−1
i i i ... i
⎢ xn
⎣∑ i ∑x i
n+1
∑x i
n+2
∑xi
n+3
... ∑x i
n+n−1
∑xi n+n ⎥⎦ ⎢⎣ an ⎥⎦ ⎢⎣ ∑xi .yi ⎥⎦
D2 − E 2
Koefisien Korelasi = R = (4.19)
D2
i=n
Dimana: D 2 = ∑ ( yi − y ) (4.20)
2
i =1
i =n
E 2 = ∑ ( y i − yˆ i ) (4.21)
2
i =1
f (x )
f ( x1 )
E
f (x ) f (x1 ) − f (x0 )
f ( x ) − f ( x0 )
D
f ( x0 )
A B C
x0 x x1 x
x − x0
x1 − x0
f n (x) = b0 + b1.(x − x0 ) + b2 .(x − x0 )(x − x1 ) + ... + bn .(x − x0 )(x − x1 )...(x − xn−1 ) (4.23)
b0 = f ( x0 ) (4.24)
b1 = f [x1 , x0 ] (4.25)
b2 = f [x2 , x1 , x0 ] (4.26)
b3 = f [x3 , x2 , x1 , x0 ] (4.27)
...
f (x j ) − f (xi )
[
b1 = f x j , xi = ] x j − xi
(4.29)
[
b2 = f xk , x j , xi = ] [ ] [
f x k , x j − f x j , xi ] (4.30)
x k − xi
[
b3 = f xl , xk , x j , xi = ] [ ] [
f xl , x k , x j − f x k , x j , xi ] (4.31)
xl − xi