METODE NUMERIK
Diajukan untuk melengkapi salah satu Tugas Metode Numerik oleh Dosen Bapak
Darta, M.Pd dan Bapak Dosen Thesa Kandaga, M.Pd
Disusun Oleh :
Penulis
Tim Penyusun
i
DAFTAR ISI
B. RUMUSAN MASALAH................................................................................ 1
C. TUJUAN PENULISAN.................................................................................. 1
PENUTUP ............................................................................................................ 13
A. KESIMPULAN .......................................................................................... 13
B. SARAN ...................................................................................................... 13
DAFTAR PUSTAKA
LAMPIRAN
ii
BAB I
PENDAHULUAN
A. LATAR BELAKANG
Regresi merupakan suatu alat ukur yang juga dapat digunakan untuk
mengukur ada atau tidaknya korelasi antar variabel. Jika kita memiliki dua buah
variabel atau lebih maka sudah selayaknya apabila kita ingin mempelajari
bagaimana variabel-variabel itu berhubungan atau dapat diramalkan.
Istilah regresi (ramalan/taksiran) pertama kali diperkenalkan oleh Sir
Francis Galton pada tahun 1877 sehubungan dengan penelitiannya terhadap tinggi
manusia, yaitu antara tinggi anak dan tinggi orang tuanya. Pada penelitiannya
Galton mendapatkan bahwa tinggi anak dari orang tua yang tinggi cenderung
meningkat atau menurun dari berat rata-rata populasi. Garis yang menunjukkan
hubungan tersebut disebut garis regresi
B. RUMUSAN MASALAH
1. Bagaimana sejarah dari regresi linier ?
2. Apa manfaat dari regresi linier ?
3. Bagaimana penurunan rumus untuk regresi linier ?
4. Bagaimana contoh kasus regresi linier ?
C. TUJUAN PENULISAN
1. Untuk mengetahui sejarah dari regresi linier
2. Untuk mengetahui manfaat dari regresi linier
3. Untuk mengetahui penurunan rumus dari regresi linier
4. Untuk mengetahui contoh kasus dari regresi linier
D. MANFAAT PENULISAN
Penulisan makalah ini bermanfaat bagi:
1
2. Pembaca, yaitu sebagai penambah pengetahuan tentang Penghampiran
fungsi : Regresi Linier sebagai wahana dalam menambah wawasan
keilmuan dan sebagai titik awal yang bisa kembangkan.
3. Lembaga, yaitu sebagai tambahan pengetahuan dan pustaka yang terkait
dengan Penghampiran fungsi : Regresi Linier
2
BAB II
PEMBAHASAN
Istilah regresi dikemukakan untuk pertama kali oleh seorang antropolog dan
ahli meteorology Francis Galton dalam artikelnya “Family Likeness in Stature”
pada tahun 1886. Ada juga sumber lain yang menyatakan istilah regresi pertama
kali mucul dalam pidato Francis Galton didepan Section H of The British
Association di Aberdeen, 1855, yang dimuat di majalah Nature September 1855
dan dalam sebuah makalah “Regression towards mediocrity in hereditary stature”,
yang dimuat dalam Journal of The Antrhopological Institute (Draper and Smith,
1992).
Galton menyebutkan bahwa, tinggi rata-rata badan anak yang lahir ternyata
akan cenderung bergerak mundur (regress) mendekati tinggi rata-ratabadan dari
populasi secara keseluruhan meskipun kecenderungan orangtua yang berbadan
tinggi akan punya anak berbadan tinggi ataupun orangtua berbadan pendek akan
punya anak berbadan pendek.
3
keluarga dengan ayah berpostur tinggi memiliki anak yang lebih pendek dan
keluarga dengan ayah berpostur pendek memiliki anak yang lebih tinggi. Oleh
karena itu, “regresi” tinggi dan pendek badan seorang anak akan cenderung sama
dengan tinggi rata-rata populasi. Dalam bahasa Galton, hal ini disebut “regression
to mediocrity” . Tetapi sekarang makna regresi telah berbeda jauh berbeda dari apa
yang dimaksudkan oleh Galton. Secara umum analisis regresi diartikan sebagai
suatu analisis tentang ketergantungan suatu variabel kepada variabel lain yaitu
variabel bebas dalam rangka membuat estimasi atau prediksi dari nilai rata-rata
variabel tergantung dengan diketahuinya nilai variabel bebas.
4
4. Tinggi anak disebut variabel dependent atau variabel y sedangkan tinggi
ayah adalah variabel independent atau variabel x
Dengan data diatas kita dapat membentuk sebuah garis regresi yang dapat
memprediksi tinggi anak jika tinggi ayah diketahui. Analisis regresi ini secara
umum disebut regersi linier, karena hanya menggunakan satu variabel dependent.
Fungsi linear dapat dinyatakan oleh 𝑔(𝑥) = 𝑎 + 𝑏𝑥 dengan adan b konstanta yang
akan ditentukan .
Kesalahan atau yang biasa disebut dengan galat dari masing-masing titik data
didefinisikan oleh
Metode yang digunakan dalam regresi linear adalah Metode Kuadrat Terkecil.
Tujuanm dari metode ini adalah untuk membuat kesalahan atau galat yang terjadi
sekecil mungkin. Caranya adalah dengan mengkuadratkan kesalahan (𝑑𝑖 ) dimana;
2
𝑑𝑖 2 = 𝐷 = (𝑦1 − (𝑎 + 𝑏𝑥1 )) + (𝑦2 − (𝑎 + 𝑏𝑥2 ))2 + ⋯ + (𝑦𝑖 − (𝑎 + 𝑏𝑥𝑖 ))2
5
Maka total kuadratnya adalah:
𝐷 = ∑𝑁 2 𝑁
𝑖=1(𝑑1 ) = ∑𝑖=1(𝑦𝑖 − 𝑎 − 𝑏𝑥)
2
Akan dicari a dan b sedemikian sehingga 𝐷 sekecil mungkin. Nilai minimum untuk
𝐷 terjadi jika turunan-turunan parsial 𝐷 terhadap 𝑎 dan 𝑏 menjadi nol:
𝑑𝐷
=0
𝑑𝑎
𝑑𝐷
=0
𝑑𝑏
Artinya
𝑑[∑(𝑦𝑖 −𝑎−𝑏𝑥𝑖 )2 ]
=0
𝑑𝑎
𝑑[∑(𝑦𝑖 −𝑎−𝑏𝑥𝑖 )2 ]
=0
𝑑𝑎
𝑑[∑(𝑦𝑖 −𝑎−𝑏𝑥𝑖 )2 ]
=0
𝑑𝑎
𝑑[∑(𝑦𝑖 −𝑎−𝑏𝑥𝑖 )2 ]
=0
𝑑𝑏
1
Dari persamaan (1) dan (2), kalikan dengan (− 2). Dari persamaan 1 dapat dituliskan
∑(𝑦𝑖 ) − ∑ 𝑎 − ∑ 𝑏𝑥𝑖 = 0
∑ 𝑦𝑖 = ∑ 𝑎 + ∑ 𝑏𝑥𝑖 atau
∑ 𝑎 + ∑ 𝑏𝑥𝑖 = ∑ 𝑦𝑖
6
Karena ∑ 𝑎 adalah konstanta, maka jumlah dari a adalah N (banyaknya data ),
kemudian persamaannya dapat kita ubah menjadi
𝑁 𝑎 + ∑ 𝑏𝑥𝑖 = ∑ 𝑦𝑖
∑ 𝑥𝑖 𝑦𝑖 − ∑ 𝑎𝑥𝑖 − ∑ 𝑏(𝑥1 )2 = 0
∑ 𝑎𝑥𝑖 + ∑ 𝑏(𝑥1 )2 = ∑ 𝑥𝑖 𝑦𝑖
𝑁 𝑎 + ∑ 𝑏𝑥𝑖 = ∑ 𝑦𝑖
∑ 𝑎𝑥𝑖 + ∑ 𝑏(𝑥1 )2 = ∑ 𝑥𝑖 𝑦𝑖
𝑁 ∑ 𝑥𝑖 𝑎 ∑ 𝑦𝑖
[ ].[ ] = [ ]
∑ 𝑥𝑖 ∑ 𝑥𝑖 2 𝑏 ∑ 𝑥𝑖 𝑦𝑖
Dari persamaan matriks diatas, untuk mencari 𝑎 dan 𝑏 dapat menggunakan aturan
Cramer
∑ 𝑦𝑖 ∑ 𝑥𝑖
𝑑𝑒𝑡[ ]
∑ 𝑥𝑖 𝑦 𝑖 ∑ 𝑥𝑖 2 (∑ 𝑦𝑖 ).(∑ 𝑥𝑖 2 )−(∑ 𝑥𝑖 ).(∑ 𝑥𝑖 𝑦𝑖 )
𝑎= 𝑁 ∑ 𝑥𝑖 =
𝑑𝑒𝑡[ ] 𝑁.(∑ 𝑥𝑖 2 )−(∑ 𝑥𝑖 )2
∑ 𝑥𝑖 ∑ 𝑥 𝑖 2
∑ 𝑦𝑖 −𝑏(∑ 𝑥𝑖 )
𝑎= 𝑁
𝑁 ∑ 𝑦𝑖
𝑑𝑒𝑡[ ]
∑ 𝑥𝑖 ∑ 𝑥𝑖 𝑦 𝑖 𝑁.(∑ 𝑥𝑖 𝑦𝑖 )−(∑ 𝑥𝑖 ).(∑ 𝑦𝑖 )
𝑏= 𝑁 ∑ 𝑥𝑖 =
𝑑𝑒𝑡[ ] 𝑁.(∑ 𝑥𝑖 2 )−(∑ 𝑥𝑖 )2
∑ 𝑥𝑖 ∑ 𝑥𝑖 2
7
Regresi linier memiliki manfaat, diantaranya ;
Tabel 1.
i x y
1 2,1 2,9
2 6,22 3,83
3 7,17 5,98
4 10,52 5,71
5 13,68 7,34
i= 1, 2 , ... = N
Penyelesaian :
i x y 𝑥𝑖 2 𝑥𝑖 𝑦𝑖
1 2,1 2,9 4,41 6,09
2 6,22 3,83 38,6884 23,8226
3 7,17 5,98 51,4089 42,8766
4 10,52 5,71 110,6704 60,0692
5 13,68 7,34 187,1424 100,4112
39,69 26,16 392,3201 238,7416
8
N=5
∑ 𝑥𝑖 = 39,69 ∑ 𝑥𝑖 2 = 392,3201
∑ 𝑦𝑖 = 26,16 ∑ 𝑥𝑖 𝑦𝑖 = 238,7416
𝐿𝑎 + ∑ 𝑥𝑖 𝑏 = ∑ 𝑦𝑖
∑ 𝑥𝑖 𝑎 + ∑ 𝑥𝑖 2 = ∑ 𝑥𝑖 𝑦𝑖
⟹ 5 a + 39,69 b = 26,16
∑ 𝑥𝑖 𝑦𝑖 −(∑ 𝑥𝑖 )(∑ 𝑦𝑖 )
𝑏= 𝐿 (∑ 𝑥𝑖 2 )=(∑ 𝑥𝑖 )2
5 (238,7416)−(39,69)(26,16)
𝑏= 5 (392,3201)−1575,2961
155,4176
𝑏 = 386,3044
𝑏 = 0,4023
∑ 𝑦𝑖 −𝑏(∑ 𝑥𝑖 )
𝑎= 𝐿
26,16−0,4023 (39,69)
𝑎= 5
10,192713
𝑎= 5
𝑎 = 2,0384
Tabel 2.
i x y g= a + bx simpangan
9
1 2,1 2,9 2,88323 0,01677
2 6,22 3,83 4,54071 -0,71071
3 7,17 5,98 4,92289 1,05711
4 10,52 5,71 6,27059 -0,56059
5 13,68 7,34 7,54187 -0,20186
Contoh 2
Tentukan persamaan garis lurus yang mencocokkan data pada tabel berikt
ini;
Tabel 3.
i xi yi
1 0,1 0,61
2 0,4 0,92
3 0,5 0,99
4 0,7 1,52
5 0,7 1,47
6 0,9 2,03
Penyelesaian :
2
Dari data tabel di atas, buatlah lagi dengan menambahkan nilai xi dan
xi . y i
Tabel 4.
i xi yi xi
2
xi . yi
10
6 0,9 2,03 0,81 1,827
⅀ 3,3 7,54 2,21 4,844
Dari tabel di atas, kita dapat menentukan nilai ;
N 6
x i 3,3 y i 7,54
x i
2
2,21 x .y
i i 4,844
N .a xi .b y i
x .a x
i i
2
xi . y i
6a 3,3b 7,54
3,3a 2,21b 4,844
a
y x .bi i
N
N . x i . y i ( xi )( y i )
b
N . xi ( xi ) 2
2
6.4,844 (3,3)(7,54)
b
6.2,21 (3,3) 2
29,064 24,882
b
13,26 10,89
4,182
b
2,37
b 1,7645
11
7,54 3,3b
a
6
7,54 3,3(1,7645 )
a
6
7,54 5,8228
a
6
2,312
a
6
a 0,3853
Tabel 5.
i xi yi g ( x) a bx yi g
12
BAB III
PENUTUP
A. KESIMPULAN
Fungsi linear dapat dinyatakan oleh 𝑔(𝑥) = 𝑎 + 𝑏𝑥 dengan adan b
konstanta yang akan ditentukan . Metode yang digunakan dalam regresi linear
adalah Metode Kuadrat Terkecil. Tujuan dari metode ini adalah untuk
membuat kesalahan atau galat yang terjadi sekecil mungkin.
Persamaan garisnya ;
𝑁 𝑎 + ∑ 𝑏𝑥𝑖 = ∑ 𝑦𝑖
∑ 𝑎𝑥𝑖 + ∑ 𝑏(𝑥1 )2 = ∑ 𝑥𝑖 𝑦𝑖
a
y x .b
i i
N
N . x i . yi ( xi )( y i )
b
N . xi ( xi ) 2
2
B. SARAN
Dalam makalah ini masih banyak kekurang, penulis harapkan bagi
pemakalah yang akan membahas poko bahasan regresi linier dapat
memperdalam lagi pokok bahasan tersebut.
13
DAFTRA PUSTAKA
Juanda, Bambang. 2003. Metode Statistika. ITB: Bogor
14
LAMPIRAN
https://youtu.be/XiQJWV57fJk
15