NAMA :

NIM :

MODUL 5
REGRESI LINIER

A. Tujuan Praktikum

Pada modul kelima ini anda akan menyelesaikan salah satu perhitungan yang menjadi konsep
dasar dalam pemodelan geofisika, step-by-step perhitungan regresi linier tersebut akan
diubah ke dalam bentuk source dengan menerapkan teknik-teknik pemrograman yang telah
dipelajari pada praktikum pertama hingga ketiga. Dalam praktikum ini terdapat beberapa
tujuan yang ingin dicapai yaitu :
1. Mengembangkan source code regresi linier tunggal dalam bahasa pemrograman
MATLAB.
2. Menerapkan konsep top-down design dalam desain algoritma regresi linier tunggal.

B. Konsep Dasar
1. Pengantar Regresi

Regresi linier merupakan suatu metode yang mempelajari hubungan antara dua atau lebih
variabel kuantitatif sehingga satu variabel dapat diramalkan (predicted) dari variabel lainnya.
Hubungan antara dua variabel dapat dinyatakan secara matematis; jika x variabel bebas
(indenpendent variable) dan y variabel tak bebas atau terikat (dependent variable), hubungan
fungsional ditulis dalam bentuk seperti di bawah ini dan jika diketahui nilai x tertentu, fungsi
f akan memberkan nilai y yang bersesuaian.

𝑦 = 𝑓(𝑥)

Kita sering menghadapi masalah estimasi parameter atau variable yang mirip dengan
fenomena variasi temperatur terhadap kedalaman, jika temperatur bervariasi secara linier
terhadap kedalaman maka persamaan matematik yang merepresentasikan fenomena
tersebut adalah persamaan garis lurus T (temperatur) sebagai fungsi z (kedalaman), yaitu T =
a + bz. Permasalahan tersebut umumnya dibahas sebagai permasalahan regresi garis lurus
biasa yang sering pula disebut sebagai regresi linier.

Misalkan prediksi temperatur pada beberapa kedalaman menggunakan persamaan T = a +bz

disebut Tcal. Dari hasil pengukuran di lapangan diperoleh data temperatur Tobs pada titik
atau kedalaman zi, I = 1, 2, … , N. Parameter a dan b yang representatif adalah model yang
menghasilkan yang menghasilkan nilai Tcal dan Tobs yang mendekati sesuai untuk tiap-tiap

MODUL 5 | PRAKTIKUM KOMPUTASI GEOFISIKA 20191 1

kedalaman. Kendapa mendekati ? karena tidak semua hasil perhitungan atau prediksi
temperatur cocok (fit) seluruhnya dengan hasil pengukuran (data) dari lapangan karena
adanya kesalahan (error) atau bising noise).

Sumber kesalahan diantaranya adalah kesalhan alat, kesalahan pengukuran, dan sebainya.
Namun demikian untuk penyederhanaan masalah semua kesalahan terakumulasi sebagai
selisih antara data pengamatan dengan data perhitungan dapat dianggap sebagai noise atau
error yang harus diminimumkan. Model terbaik atau model optimum diperoleh jika kesalahan
tersebut minimum. Agar model terbaik yang diperoleh berasosiasi dengan kesalahan
minimum untuk semua data maka dalam menentukan atau mencari parameter a dan b,
perhitungan kesalahan tersebut harus melibatkan semua data. Hal tersebut diperoleh dengan
cara menjumlahkan semua selisih antara data perhitungan dan data pengamatan, sehingga
error function dapat dirumuskan sebagai :

𝑁 𝑁

𝐸= ∑(𝑇𝑖𝑐𝑎𝑙 − 𝑇𝑖𝑜𝑏𝑠 )2 = ∑(𝑒 2 )

𝑖=1 𝑖=1

dimana pengkuadratan selisih antara Tcal dan Tobs dimaksudkan untuk tidak membedakan
selisih posistif atau negatif (Tcal > Tobs atau sebaliknya Tcal < Tobs). Pencarian parameter a
dan b dengan kriteria kesalahan (atau selisih) kuadrat minum dikenal sebagai metode kuadrat
terkecil (least-square method).

2. Regresi Linier Tunggal

a. Persamaan

Regresi linier tunggal dapat dicari menggunakan persamaan berikut :

𝑦 = 𝑎 + 𝑏𝑥

Dimana a merupakan intercept atau titik perpotongan antara grafik dan sumbu y, b
merupakan gradien, y merupakan variable terikat, dan x merupakan variable bebas.
Nilai a dan b dapat dihitung dengan persamaan berikut :

𝑦̅Ʃ𝑥𝑖2 − 𝑥̅ Ʃ𝑥𝑖 𝑦𝑖
𝑎=
Ʃ𝑥𝑖2 − 𝑛𝑥̅ 2

MODUL 5 | PRAKTIKUM KOMPUTASI GEOFISIKA 20191 2

 Ʃ𝑥𝑖 𝑦𝑖 − 𝑛𝑥̅ 𝑦̅
𝑏=
Ʃ𝑥𝑖2 − 𝑛𝑥̅ 2

Dimana x masih merupakan variable bebas, y merupakan variable terikat, n merupakan

jumlah data, 𝑥̅ merupakan nilai rata-rata dari x, dan 𝑦̅ merupakan nilai rata-rata dari y.

b. Step-By-Step Perhitungan

Salah satu contoh sederhana yang bisa kita angkat adalah mengenai perubahan temperatur
terhadap kedalaman. Secara logika semakin dalam, suhu di bawah permukaan bumi juga akan
semakin meningkat karena semakin dekat dengan inti bumi. Jika dinyatakan dalam suatu
persamaan linier maka persamaannya adalah

𝑇 = 𝑎 + 𝑏𝑧

𝑦 = 𝑎 + 𝑏𝑥

Dimana temperatur (T) merupakan variable terikat atau (y) dan kedalaman (z) merupakan
variable bebas (x). Dengan mencari parameter a dan b, maka kita dapat memprediksi suhu
pada kedalaman tertentu (secara kasarnya). Kenyataan kasus perubahan temperatur
terhadap kedalaman tersebut sangat cocok dengan konsep regresi linier, dimana regresi linier
ini cukup baik bekerja pada suatu keadaan yang linier seperti kasus variasi temperatur
terhadap kedalaman. Kami telah menyajikan data temperatur dan kedalaman di bawah ini.
Kita akan mencoba mencari parameter a dan b untuk kemudian memprediksi temperatur
pada beberapa kedalaman.

z (m) T (°C)
0.5 28.5
1 26.9
1.5 29.4
2 28.8
2.5 30.3
3 28.7
3.5 31.2
4 30.6

MODUL 5 | PRAKTIKUM KOMPUTASI GEOFISIKA 20191 3

 4.5 32.1
5 30.5

Tabel 1. Data Temperatur Terhadap Kedalaman

Step-by-step perhitungan regresi linier untuk data temperatur terhadap kedalaman adalah
sebagai berkut :
• Mendefinisikan bahwa temperatur (T) adalah variable terikat atau (y) dan
kedalaman (z) adalah variable bebas atau (x)

x (m) y (°C)
0.5 28.5
1 26.9
1.5 29.4
2 28.8
2.5 30.3
3 28.7
3.5 31.2
4 30.6
4.5 32.1
5 30.5

• Sesuai dengan konsep top-down design yang telah dipelajari pada praktikum
ketiga kita dapat memecah variable-variable yang ada pada persamaan untuk
mencari parameter a dan b pada regresi linier menjadi beberapa bagian.

𝑦̅Ʃ𝑥𝑖2 − 𝑥̅ Ʃ𝑥𝑖 𝑦𝑖
𝑎=
Ʃ𝑥𝑖2 − 𝑛𝑥̅ 2

Ʃ𝑥𝑖 𝑦𝑖 − 𝑛𝑥̅ 𝑦̅
𝑏=
Ʃ𝑥𝑖2 − 𝑛𝑥̅ 2

Pemecahan variabelnya adalah sebagai berikut

𝑐 = 𝑦̅ 𝑑 = 𝑥̅

MODUL 5 | PRAKTIKUM KOMPUTASI GEOFISIKA 20191 4

 𝑒 = Ʃ𝑥𝑖2 𝑓 = Ʃ𝑥𝑖 𝑦𝑖

Sehingga persamaan tersebut menjadi

𝑐𝑒 − 𝑑𝑓
𝑎=
𝑒 − 𝑛𝑑 2

𝑓 − 𝑛𝑐𝑑
𝑏=
𝑒 − 𝑛𝑑 2

• Menghitung nilai variable pengganti d

𝑑 = 𝑥̅

𝑛
1
𝑥̅ = ∑ 𝑥𝑖
𝑛
𝑖=1

1
𝑥̅ = (0,5 + 1 + 1,5 + ⋯ + 5)
10

1
𝑥̅ = (27,5)
10

𝑥̅ = 2,75

• Menghitung nilai variable pengganti c

𝑐 = 𝑦̅

MODUL 5 | PRAKTIKUM KOMPUTASI GEOFISIKA 20191 5

 𝑛
1
𝑦̅ = ∑ 𝑦𝑖
𝑛
𝑖=1

1
𝑦̅ = (28,5 + 29,4 + 26,9 + ⋯ + 30,5)
10

1
𝑦̅ = (297)
10

𝑦̅ = 29,7

• Menghitung variabel pengganti e

𝑒 = Ʃ𝑥𝑖2

𝑒 = 0.52 + 12 + 1.52 + ⋯ + 52

𝑒 = 2,5 + 1 + 2.25 + ⋯ + 25

𝑒 = 96,25

• Menghitung variabel pengganti f

𝑓 = Ʃ𝑥𝑖 𝑦𝑖

𝑓 = 28,5 . 0,5 + 29,4 . 1,5 + 26,9 . 1 + ⋯ + 30,5 . 5

𝑓 = 14,25 + 44,1 + 26,9 + ⋯ + 152,5

𝑓 = 833,25

• Menghitung parameter a dengan memasukkan nilai variable pengganti yang

telah dihitung sebelumnya

MODUL 5 | PRAKTIKUM KOMPUTASI GEOFISIKA 20191 6

 𝑐𝑒 − 𝑑𝑓
𝑎=
𝑒 − 𝑛𝑑 2

(29,7). (96,25) − (2,75). (833,25)

𝑎=
96,25 − (10). (2,75)2

(2858,625) − (2291,4375)
𝑎=
96,25 − (75,625)

567,1875
𝑎=
20,625

𝑎 = 27.5

• Menghitung parameter b dengan memasukkan nilai variable pengganti yang

telah dihitung sebelumnya

𝑓 − 𝑛𝑐𝑑
𝑏=
𝑒 − 𝑛𝑑 2

(833,25) − (10). (29,7). (2,75)

𝑏=
96,25 − (10). (2,75)2

(833,25) − (816,75)
𝑏=
96,25 − (75,625)

16.5
𝑏=
20,625

MODUL 5 | PRAKTIKUM KOMPUTASI GEOFISIKA 20191 7

 𝑏 = 0,8

• Menghitung prediksi temperatur pada kedalaman 10 m

𝑦 = 𝑎 + 𝑏𝑥

𝑦 = (27,5) + 0,8𝑥

𝑦 = (27,5) + 0,8(10)

𝑦 = (27,5) + 8

𝑦 = 28.3

C. Problem Sheet
1. Suatu survey seismik refleksi dilakukan untuk mengetahui kedalaman reflektor
mendatar sebagaimana pada gambar. Waktu tempuh gelombang yang bergerak
sesuai dengan lintasan berwarna merah , memenuh model matematika berikut :

4𝑧 2 1 2
2
+ 2 𝑥 = 𝑡2
𝑣 𝑣

4𝑧 2
𝑎=
𝑣2

1
𝑏=
𝑣2

𝑥 = 𝑥2

𝑦 = 𝑡2

𝑦 = 𝑎 + 𝑏𝑥

MODUL 5 | PRAKTIKUM KOMPUTASI GEOFISIKA 20191 8

 Hitunglah kedalaman dan kecepatan lapisan pertama berdasarkan data di
baah ini dengan regresi linier

Receiver ke - i Offset (m) Travel Time (s)

1 60 0.5147
2 80 0.5151
3 100 0.5155
4 120 0.5161
5 140 0.5167
6 160 0.5175
7 180 0.5183
8 200 0.5192

2. Berikut merupakan data rata-rata anomali temperatur bumi setiap tahun. Jika
diasumsikan perubahan anomali temperatur merupakan fungsi linier terhadap waktu
:

𝑇𝑖 = 𝑎 + 𝑏𝑡𝑖

Dimana Ti merupakan temperatur bumi pada tahun ke-I, ti merupakan tahun ke-I dan
a serta b merupakan parameter yang akan dicari menggunakan regresi linier.

No. Tahun T (°C)

1 1965 -0.5592
2 1966 -0.5033
3 1967 -0.4767
4 1968 -0.5292
5 1969 -0.3883
6 1970 -0.4233
7 1971 -0.5458
8 1972 -0.4408
9 1973 -0.2925
10 1974 -0.5375
11 1975 -0.4700
12 1976 -0.5633
13 1977 -0.2842
14 1978 -0.3892
15 1979 -0.2950
16 1980 -0.1825

MODUL 5 | PRAKTIKUM KOMPUTASI GEOFISIKA 20191 9

17 1981 -0.1233
18 1982 -0.3208
19 1983 -0.1417
20 1984 -0.2908
21 1985 -0.3350
22 1986 -0.2708
23 1987 -0.1183
24 1988 -0.04500
25 1989 -0.1625
26 1990 -0.01330
27 1991 -0.04250
28 1992 -0.2325
29 1993 -0.2167
30 1994 -0.1450
31 1995 -0.009200
32 1996 -0.1200
33 1997 0.01170
34 1998 0.1692
35 1999 -0.05750
36 2000 -0.05420
37 2001 0.08000
38 2002 0.1683
39 2003 0.1525
40 2004 0.07830
41 2005 0.2158
42 2006 0.1600
43 2007 0.1800
44 2008 0.05670
45 2009 0.1758
46 2010 0.2417
47 2011 0.1242
48 2012 0.1567
49 2013 0.1850
50 2014 0.2700
51 2015 0.4042
52 2016 0.5300
53 2017 0.4400
54 2018 0.3667

MODUL 5 | PRAKTIKUM KOMPUTASI GEOFISIKA 20191 10