LAPORAN PRAKTIKUM

KOMPUTASI GEOFISIKA
TG2204

MODUL KE – 04
CURVE FITTING DAN OPTIMALISASI

Oleh:
Dwinda Aldatri - 12117013
Asisten :

1. Putu Pradnya Andika - 12115017

2. Diana Rizky Yuliza - 12115024
3. Prana Al Mahkya - 12116160
4. Felik Destian Putra Amijaya - 12116007
5. M. Fadel Hotman - 12116062
6. Nugroho Prasetyo - 12116155
7. Kris Hamonangan Parulian David - 12116133
8. Sadrak Siregar - 12116085

PROGRAM STUDI TEKNIK GEOFISIKA

JURUSAN TEKNOLOGI PRODUKSI DAN INDUSTRI

INSTITUT TEKNOLOGI SUMATERA

2019
I. TUJUAN
Adapun tujuan dari praktikum adalah, sebagai berikut;
1) Mahasiswa mengerti dan mampu menggunakan regresi linear dan regresi
data geofisika dan geologi menggunakan bahasa python.
II. Dasar Teori
a) Curve Fitting

Curve fitting adalah proses membangun sebuah kurva , atau fungsi matematika ,
yang paling cocok untuk serangkaian data yang poin, mungkin tunduk pada
kendala pas kurva dapat melibatkan baik interpolasi , dimana sesuai tepat untuk
data yang diperlukan, atau smoothing , di mana "halus" fungsi dibangun bahwa
sekitar cocok dengan data. Sebuah topik yang terkait adalah analisis regresi, yang
lebih memfokuskan pada pertanyaan inferensi statistik seperti berapa banyak
ketidakpastian hadir dalam kurva yang sesuai dengan data yang diamati dengan
kesalahan acak.

Dalam metode curve fitting dapat dilakukan dengan metode regresi. Regresi
adalah suatu metode analisis statistik yang digunakan untuk melihat pengaruh
antara dua atau lebih variabel. Dalam metode regresi terdapat 2 metode yaitu
regresi linear dan regresi no linear.

a. Regresi Linear
Mencari suatu kurva lurus yang cocok menggambarkan pola serangkaian titik
data: (x1,y1), (x2,y2) … (xn,yn).
Contoh grafik yang dihasilkan dari regresi linear:
b. Regresi non linear
adalah suatu metode untuk mendapatkan model non linier yang menyatakan
veriabel dependen dan independen. Apabila hubungan fungsi antara variabel
bebas X dan variabel tidak bebas Y bersifat non linier, tansformasi
bentuknonlinier ke bentuk linier.

b) Polynomial curve fitting

Polynomial curve fitting adalah pendekatan trend data dengan model polinom.
Regresi ini masih termasuk regresi linier karena hubungan antara data dengan
parameter masih linier.

Contoh grafik yang dihasilkan dari polynomial curve fitting:

III. Langkah Kerja
1) Buka aplikasi jetbrains, lalu klik new project, dan buat folder yang sesuai
dengan apa yang kita inginkan.
2) Klik new pada file lalu pilih python.
3) Sebelum mengerjakan dibutuhkan modul yang harus diinstal terlebih dahulu.
Dengan mengklik file – setting – nama project – project interpreter. Lalu klik
pada pojok kanan atas tanda “+” untuk menambahkan modul dan di
download. Pastikan laptop terhubung sambungan internet.cari modul pada
bagian search yaitu; numpy, matplotlib, dan lain sebagainya. Lalu klik install
package.
4) Pada scratches pertama ketik pada lembar kerja untuk regresi linier:
5) Pada scratches kedua ketik pada lembar kerja untuk regresi polinom:

6) Lalu run program dengan mengklik kanan lalu pilih run atau bisa juga dengan
mengklik ctrl + shift + f10 pada keyboard.
7) Lalu hasilnya akan segera ditampilkan.
IV. Hasil

A. Linear n = 10

B. Linear n = 6
C. Linear n = 5

D. Polinom n = 10
E. Kurva Polinom n = 10

F. Polinom n = 6
G. Kurva n = 6

H. Polinom n = 5
I. Kurva n = 5
V. Analisis

Pada praktikum komputasi kali ini yaitu mengenai curve fitting dan
optimalisasi. Curve fitting adalah proses membangun sebuah kurva, atau fungsi
matematika, yang paling cocok untuk serangkaian data yang poin, mungkin
tunduk pada kendala pas kurva dapat melibatkan baik interpolasi, dimana sesuai
tepat untuk data yang diperlukan, atau smoothing, di mana "halus" fungsi
dibangun bahwa sekitar cocok dengan data. Dimana terdapat 2 model regresi yang
digunakan yaitu regresi linier dan regresi polinom.

Berdasarkan hasil data observasi yang sama dengan pendekatan model

tersebut, dapat dilihat hasil yang lebih baik antara metode regresi linier dan
metode regresi polinom yaitu regresi polinom yang lebih baik. Karena, regresi
polinom memiliki derajat yang bisa melebihi regresi linier. Karena pada regresi
polinom bisa menggunakan derajat 1, 2, 3, atau lebih, sedangkan pada regresi
linier tidak bisa melebihi derajat 1. Sehingga data yang dihasilkan akan lebih
akurat dan lebih teliti dengan menggunakan model regresi polinom.

Berdasarkan data yang telah dibuat pada lembar kerja, bahwa jumlah data
yang dibuat berpengaruh terhadap hasil dari model regresi linier maupun regresi
polinom. Berdasarkan hasil grafik yang dihasilkan dapat dilihat bahwa semakin
tinggi jumlah data yang dimasukkan (n) maka semakin kurang teliti hasil yang
didapat, tetapi sebaliknya jika jumlah data yang dimasukkan lebih sedikit maka
akan semakin lebih teliti hasilnya dan grafik yang dibuat akan lebih mendekati
karena saat jumlah data yang dimasukkan semakin sedikit maka akan lebih
mendekati garis dan tidak menjauhi garis fungsinya.

Pada praktikum komputasi geofisika diperlukan ketelitian dan keakuratan

yang tinggi dalam menulis lembar kerja pada aplikasi python. Karena bila kurang
teliti dalam memasukkan rumus/formula maka akan terjadi error pada line pada
lembar kerjanya, sehingga pada saat program di run maka program tersebut tidak
akan bisa berjalan karena terjadi error pada program yang akan di run.
VI. Kesimpulan

Adapun kesimpulan yang didapatkan setelah melakukan praktikum

komputasi geofisika ini adalah;
1) Dalam melakukan regresi linear dan regresi data geofisika dapat dilakukan
dengan menggunakan aplikasi python.
2) Curve fitting adalah adalah proses membangun sebuah kurva atau fungsi
matematika yang paling cocok untuk serangkaian data.
3) Regresi adalah suatu metode analisis statistik yang digunakan untuk melihat
pengaruh antara dua atau lebih variabel.
4) Dalam metode regresi terdapat 3 yang digunakan yaitu regresi linear, regresi
non linear dan regresi polynomial.
5) Ketelitian dalam memasukkan rumus pada metode yang digunakan sangat
diperlukan, karena apabila kita salah dalam menulis rumus dalam metode
tersebut maka hasilnya akan menjadi error saat programnya di run.
VII. Daftar Pustaka

1) Modul Praktikum Komputasi Geofisika Institut Teknologi Sumatera.

2) Chapra, S.C., Canale, R.P. 1990. Numerical Method for Engineers.
3) Dahrin, Darharta, dkk. 2007. Modul Praktikum Komputasi ITB. ITB :
Bandung.
4) Raharjo, B. 2006. Pemrograman C++. Informatika : Bandung.
5) Press, W.H., Teukolsky, S.A., Vetterling, W.T., B.P. 1997. Numerical
Recipes in C, edisi 2.
6) Manash Sharma. http://www.bragitoff.com Accessed on February 27th ,
2018.
7) http://dinus.ac.id/repository/docs/ajar/regresi-linier_file_2013-06-
01_102244_mukhamad_taufik_hidayat_se._m.si__akt__.ppt
8) https://anzdoc.com/download/curve-fitting-dan-interpolasi.html