MT Regresi Dan Interpolasi PDF
MT Regresi Dan Interpolasi PDF
id
¨ Acuan
¤ Chapra, S.C., Canale R.P., 1990, Numerical Methods for Engineers,
2nd Ed., McGraw-Hill Book Co., New York.
n Chapter 11 dan 12, pp. 319-398.
Curve Fitting
3 http://istiarto.staff.ugm.ac.id
¨ Interpolasi
¤ Diketahui bahwa data sangat akurat
¤ Untuk mencari satu atau serangkaian kurva yang melewati setiap titik
data
¤ Untuk memperkirakan nilai-nilai di antara titik-titik data
¨ Extrapolasi
¤ Mirip dengan interpolasi, tetapi untuk memperkirakan nilai-nilai di luar
range titik-titik data
Curve Fitting terhadap Data Pengukuran
6 http://istiarto.staff.ugm.ac.id
1
merepresentasikan sebaran data
2 St
¨ Varian (‘ragam’), variance sy =
n −1
sy
¨ Coefficient of variation c.v. = 100%
y
Distribusi Probabilitas
8 http://istiarto.staff.ugm.ac.id
frek
Distribusi Normal
salah satu distribusi/sebaran
data yang sering dijumpai
adalah distribusi normal
X
9 Regresi
Regresi linear
Regresi non-linear
Regresi: Metode Kuadrat Terkecil
10 http://istiarto.staff.ugm.ac.id
¨ Mencari suatu kurva lurus yang cocok menggambarkan pola serangkaian
titik data: (x1,y1), (x2,y2) … (xn,yn)
y = a0 + a1x + e
a0 : intercept
a1 : slope
e : error
n∑ xi yi − ∑ xi ∑ yi
a1 = 2
n∑ xi − (∑ xi )
2
a0 = y − a1x
¤ dalam hal ini, y dan x masing-masing adalah nilai y rata-rata x rata-
rata
Contoh Regresi Linear
16 http://istiarto.staff.ugm.ac.id
y = f(x)
2 3 2 4
3 4 4 2
4 5 3.5
0
5 6 6
0 1 2 3 4 5 6 7
6 7 5.5 X
Hitungan regresi linear
17 http://istiarto.staff.ugm.ac.id
n∑ xi yi − ∑ xi ∑ yi 7(119.5) − 28(24)
a1 = 2
= 2
= 0.839286
n∑ xi − (∑ xi ) 7(140) − (28)
2
24
y= = 3.4
7
28
x= =4
7
a0 = 3.4 − 0.839286(4) = 0.071429
Hitungan regresi linear
19 http://istiarto.staff.ugm.ac.id
7
6
5
4
Y
3 data
2 regresi
1
0
0 1 2 3 4 5 6 7 8
X
Regresi Linear
20 http://istiarto.staff.ugm.ac.id
Sr 2
sy x = Sr = ∑ (yi − a0 − a1xi )
n −2
St 2
sy = St = ∑ (y i − y )
n −1
Regresi Linear
21 http://istiarto.staff.ugm.ac.id
St − Sr koefisien determinasi
r2 =
St (coefficient of determination)
2
Sr = ∑ (y i − a0 − a1xi ) = 2.991071
2
St = ∑ (y i − y ) = 22.71429
St − Sr 22.71429 − 2.991071
r2 = = = 0.868318
St 22.71429
r = 0.931836
Regresi Linear
23 http://istiarto.staff.ugm.ac.id
y ln y
ln y = ln a1 + b1 x
y = a1 eb1x b1
1
ln a1
x x
Linearisasi persamaan non-linear (2)
25 http://istiarto.staff.ugm.ac.id
y = a2 xb2 b2
1
x log x
logb2
Linearisasi persamaan non-linear (3)
26 http://istiarto.staff.ugm.ac.id
1 b3 + x 1 b3 1
y 1/y = = +
y a3 x a3 a3 x
x b3 a3
y = a3
b3 + x 1 a3 1
x 1/x
27 Interpolasi
Metode Newton
Metode Lagrange
Interpolasi
28 http://istiarto.staff.ugm.ac.id
f(x)
f(x1)
f1(x ) − f (x0 ) f (x1) − f (x0 )
=
f1(x) x − x0 x1 − x0
f(x0) f (x1) − f (x0 )
f1(x ) = f (x0 ) + (x − x0 )
x1 − x0
x
x0 x x1
Interpolasi Kuadratik: Metode Newton
31 http://istiarto.staff.ugm.ac.id
⎧a0 = b0 − b1x0 + b2 x0 x1
⎪
f2 (x ) = a0 + a1x + a2 x2 ⎨ a1 = b1 − b2 x0 − b2 x1
⎪a = b
⎩ 2 2
Interpolasi Kuadratik: Metode Newton
32 http://istiarto.staff.ugm.ac.id
b0 = f (x0 )
f ( x1) − f ( x0 )
b1 = = f ⎡⎣ x1, x0 ⎤⎦
x1 − x0
f ( x2 ) − f ( x1) f ( x1) − f ( x0 )
−
x2 − x1 x1 − x0 f ⎡x , x ⎤ − f ⎡x , x ⎤
b2 = = f ⎡⎣ x2 , x1, x0 ⎤⎦ = ⎣ 2 1 ⎦ ⎣ 1 0 ⎦
x2 − x1 x2 − x1
Interpolasi Polinomial: Metode Newton
33 http://istiarto.staff.ugm.ac.id
f ⎡⎣ xi , xj ⎤⎦ =
( )
f ( xi ) − f xj
xi − xj
f ⎡⎣ xi , xj ⎤⎦ − f ⎡⎣ xj , xk ⎤⎦
f ⎡⎣ xi , xj , xk ⎤⎦ =
xi − xk
f ⎡⎣ xn , xn−1, ..., x1 ⎤⎦ − f ⎡⎣ xn−1, nn−2 , ..., x0 ⎤⎦
f ⎡⎣ xn , xn−1, ..., x1, x0 ⎤⎦ =
xn − x0
Interpolasi Polinomial: Metode Newton
35 http://istiarto.staff.ugm.ac.id
langkah hitungan
i xi f(xi)
ke-1 ke-2 ke-3
2 x2 f(x2) f[x3,x2]
3 x3 f(x3)
Interpolasi Polinomial: Metode Lagrange
37 http://istiarto.staff.ugm.ac.id
n
fn (x ) = ∑ Li (x ) f (xi )
i =0
x − xj
n
Li (x ) = ∏
j = 0 xi − x j
j ≠i
Contoh interpolasi
38 http://istiarto.staff.ugm.ac.id
7
i xi f(xi) 6
5
0 1 1.5
4
f(x)
1 4 3.1 3
2 5 6 2
3 6 2.1 1
0
0 1 2 3 4 5 6 7
X
39 Spline
Linear
Kuadratik
Kubik
http://istiarto.staff.ugm.ac.id
Interpolasi: Spline
40 http://istiarto.staff.ugm.ac.id
n» n=1
n=1 n»
Linear Splines
42 http://istiarto.staff.ugm.ac.id
¨ Linear spline, dengan demikian, adalah sama dengan interpolasi linear.
¨ Kekurangan linear spline adalah ketidak-mulusan kurva interpolasi.
¨ Terdapat perubahan slope yang sangat tajam di titik-titik data atau di
titik-titik pertemuan kurva spline (knot).
Linear Splines
44 http://istiarto.staff.ugm.ac.id
¨ Tujuan: mencari polinomial tingkat 2 untuk setiap interval titik-titik data.
¨ Polinomial tingkat 2 tsb harus memiliki diferensial pertama (laju
perubahan) yang kontinu di titik-titik data.
¨ Polinomial tingkat 2:
f (x ) = ai x2 + bi x + ci
¤ Kurva spline di selang (interval) pertama memotong titik data pertama
(i = 1) dan kurva spline di interval terakhir memotong titik data terakhir
(i = n).
2
a1x0 + b1x0 + c1 = f (x0 )
2
2 pers.
an xn + bn xn + cn = f (xn )
Quadratic Splines
49 http://istiarto.staff.ugm.ac.id
fʹ′(x) = 2ax + b
¤ Diferensial kedua (laju perubahan gradien) kurva spline di titik data
pertama sama dengan nol.
ai = 0 1 pers.
¨ Tujuan: mencari polinomial tingkat 3 untuk setiap interval titik-titik data.
¨ Polinomial tingkat 3 tsb harus memiliki diferensial pertama (gradien) dan
diferensial kedua (laju perubahan gradien) yang kontinu di titik-titik data.
¨ Polinomial tingkat 3:
fi (x) = ai x3 + bi x2 + ci x + di
¨ Untuk (n+1) titik data (i = 0, 1, 2, …, n), terdapat n interval, shg. terdapat
4n koefisien yang harus dicari (ai,bi,ci,di), i = 1, 2, ..., n.
¨ Perlu persamaan sejumlah 4n.
Cubic Splines
53 http://istiarto.staff.ugm.ac.id
¤ Diferensial kedua kurva spline di dua interval berurutan adalah sama
di titik data ybs. à (n − 1) pers.
¤ Diferensial kedua kurva spline di titik data pertama dan terakhir sama
dengan nol à 2 pers.
f ʹ′ʹ′(xi −1)
(xi − x )3 + f (xi −1) (x − xi −1)3
ʹ′ʹ′
fi (x ) =
2 unknowns di setiap interval: 6(xi − xi −1) 6(xi − xi −1)
fʹ′ʹ′(xi −1) dan fʹ′ʹ′(xi ) ⎡ f (xi −1) f ʹ′ʹ′(xi −1)(xi − xi −1)⎤
+ ⎢ − ⎥ (xi − x )
⎣ (xi − xi −1) 6 ⎦
⎡ f (xi ) f ʹ′ʹ′(xi −1)(xi − xi −1)⎤
+ ⎢
(x − x )
−
6 ⎥ (x − xi −1)
⎣ i i −1 ⎦
(xi − xi −1) fʹ′ʹ′(xi −1) + 2(xi +1 − xi −1) fʹ′ʹ′(xi ) + (xi +1 − xi ) fʹ′ʹ′(xi +1) = n interval ⎫
⎪
6 fʹ′ʹ′(x0 ) = 0⎬ ⇒ (n − 1) persamaan
[f (xi +1) − f (xi )] + 6 [f (xi −1) − f (xi )]
(xi +1 − xi ) (xi − xi −1) fʹ′ʹ′(xn ) = 0 ⎪⎭
57 http://istiarto.staff.ugm.ac.id