ABSTRAK
Analisis regeresi memberikan informasi keterkaitan dan hubungan matematis antara suatu variabel tak bebas
dangan satu atau lebih variabel bebas. Analisis regresi yang dilakukan bertujuan untuk melihat hubungan
matematis tegangan regangan batang baja. Analisis regresi yang dikaji ini menghasilkan beberapa model
regresi menggunakan least square method. Least square method merupakan suatu metode kuadrat terkecil
untuk menentukan koefisien regresi. Jika hanya satu variabel bebas terhadap variabel tak bebas, maka
koefisien yang ditentukan hanya a dan b. jika hanya satu variabel bebas dengan derajat dua atau sampai
derajat ke n terhadap suatu variabel tak bebas maka koefisien yang ditentukan lebih dari dua variabel.
Sedangkan untuk model regresi berganda menggunakan dua variabel bebas terhadap variabel tak bebas,
maka koefisien yang ditentukan menggunakan least square method adalah koefisien a, b dan c. dalam model
regresi berganda terdapat asumsi-asumsi yang dapat digunakan sebagai acuan untuk meramal besaran
variabel baru. Namun asumsi tersebut dapat terjadi pelanggaran yang diakibatkan oleh besaran data yang
tersebar. Untuk menghindari pelanggaran yang terjadi pada model regresi berganda maka perlu memilih
variabel bebas yang tidak saling berkorelasi, sehingga dua variabel bebas tersebut menjadi fungsi linear
untuk suatu variabel bebas.
537
Jurnal SANTIKA : Jurnal Ilmiah Sains dan Teknologi-ISSN2088-5407 Volume 6 No 2 Desember 2016
538
Jurnal SANTIKA : Jurnal Ilmiah Sains dan Teknologi-ISSN2088-5407 Volume 6 No 2 Desember 2016
a b ………………..…… (1)
Sehingga dari 0 diperoleh:
Dalam fungsi linear biasa dinyatakan dalam:
a
Y a bX ………………….… (2) m
Seperti yang ditunjukkanFitted
oleh Line Plot 1 berikut.
Gambar 2axk b yk xk 0
Y = 2,046 + 0,1705 X a k 0
ax
10 m
S 1,32081 2
k bxk yk xk 0
R-Sq 65,4%
k 0
9 R-Sq(adj) 58,5%
ax bx y x 0
m m m
2
k k k k
8 k 0 k 0 k 0
m m m
7 a xk2 b xk xk yk
k 0 k 0 k 0
…(7)
Y
6
sedangkan dari 0 diperoleh:
5 b
m
2ax b y 1 0
4 b
k k
k 0
m m m m
3 ax
k 0
k b yk axk b yk 0
k 0 k 0 k 0
10 15 20 25 30 35 40 45 m m m
X a xk b yk 0
k 0 k 0 k 0
Gambar 1. Fungsi Regresi Linear m m
a xk m 1b yk
k 0 k 0
Garis tegak lurus sumbu horizontal yang (8)
menghubungkan titik eksperimen dengan garis lurus 3. Menghitung a dan b berdasarkan dua
dugaan dinamakan error. Sehingga persamaan dapat persamaan yang terbentuk. Dari persamaan
dituliskan sebagai berikut. (7) dihasilkan formula a dan b :
1 m m
y a bx e ………….……… (3)
m
a m 1 yk x k xk yk (9)
d k 0 k 0 k 0
Berdasarkan gambar di atas dapat ditentukan
1 m m m m
panjang atau besaran dari error menggunakan aturan b xk2 yk xk yk xk
norm sehingga menjadi absolute error. d k 0 k 0 k 0 k 0
e y a bx 4. Diperoleh persamaan d yaitu:
…………..…… (4) 2
y a bx
m
m
d m 1 xk2 xk ……… (10)
Total kesalahan mutlak untuk n+1 titik data k 0 k 0
adalah: 2. Perumusan Regresi Linear untuk Tegangan
m Regangan Baja
etot ax
k 0
k b yk …….… (5) Regresi merupakan suatu cara untuk
memperoleh hubungan matematis antar peubah
Least square method bertujuan mendapatkan atau variabel, hubungan yang paling dekat adalah
taksiran koefisien regresi, yaitu a dan b yang jika fungsi ini memiliki total kuadrat
n penyimpangan terkecil dari seluruh data. Maka
menjadikan jumlah kuadrat error, yaitu e
i 1
2
i regresi linear untuk tegangan regangan batang
baja adalah hubungan matematis berupa fungsi
sekecil mungkin. linear yaitu:
Adapun prosedur least square method adalah a b ………………..…… (11)
sebagai berikut. Permasalahan dalam regresi linear adalah
n
539
Jurnal SANTIKA : Jurnal Ilmiah Sains dan Teknologi-ISSN2088-5407 Volume 6 No 2 Desember 2016
e
i 1
2
i dapat dinyatakan , melalui least
i 1 i1
square method, dilakukan prosedur untuk
3. Perumusan Regresi Kuadrat dan Regresi
mendapatkan sekecil mungkin. Maka:
n
Polinomial untuk Tegangan Regangan Baja
i a b i …………… (15) Persamaan dasar fungsi regresi kuadrat dari
2
i 1
hubungan tegangan sebagai fungsi dari regangan
Untuk memperoleh koefisien a dan b dari fungsi batang baja, diberikan sebagai berikut:
regresi dicari nilai minimum untuk yang a b c 2 ………………….… (23)
menghasilkan turunan pertama sama dengan nol. Seperti halnya perumusan pada regresi linear,
n perumusan untuk regresi kuadrat dilakukan
2 i a b i 1 0 dengan proses yang sama. Menuliskan selisih
a i 1 antara nilai prediksi dengan data yang tersedia
.. (16)
n sehingga besarnya jumlah selisih diformulasikan
2 i a b i i 0 sebagai berikut:
b
e
i 1 n n
Hasil turunannya dapat ditulis kembali menjadi : i i a b i c i2 ….… (24)
n n n i 1 i 1
i a b i 0 Dengan cara yang sama menggunakan least
i 1 i 1 i 1 square method, dilakukan prosedur untuk
… (17)
n n n mendapatkan sekecil mungkin untuk
i xi a i b 0 i
2
memperoleh koefisien a, b dan c.
i 1 i 1 i 1 n
n 2 i a b i c i2 1 0
a
Berdasarkan persamaan di atas a dapat
i 1
n
2 i a b i c i2 i 0
i 1 (25)
diuraikan menjadi : b i 1
n
a a a a a n a … (18)
n
2 i a b i c i2 2 i 0
i 1 c i 1
Sehingga persamaan (17) dapat dituliskan Sehingga diperoleh fungsi regresi kuadrat
sebagai berikut : dengan formula perkalian matriks sebagai
n n berikut:
i n a b i 0 ….…… (19) n n
n
i 1 i 1 n i i2 i
Sehingga diperoleh konstanta a yaitu : n i 1 i 1
a ni 1
3
n n
(26)
n n n n
2
b
i b i i b i i 1
i
i 1
i
i 1
n 2 n 3 n 4 c n 2
i
i 1
i i
a i 1 i 1
i 1
i 1 .. (20)
i i i i i
n n n i 1 i 1 i 1 i 1
a b
Dimana untuk dan masing-masing Demikian halnya dengan regresi polinomial,
merupakan nilai rata-rata dari absis persamaan regresi untuk regresi polinomial
dan ordinat yang didefinisikan: sampai derajat ke n dapat ditulis sebagai berikut:
n n a b c 2 d 3 m n …… (27)
b i i Dengan formula perkalian matriks, regresi
i 1
dan i 1
…… (21) polinomial sampai derajat ke n dituliskan sebagai
n n berikut :
540
Jurnal SANTIKA : Jurnal Ilmiah Sains dan Teknologi-ISSN2088-5407 Volume 6 No 2 Desember 2016
n n
n Regresi berganda dapat dituliskan pula dalam
i
m
n i i a bentuk perkalian matriks sebagai berikut :
n i 1 i 1
ni 1 (28)
m 1
n n
i b i i
2
i i
i 1 n n
n
i 1 i 1
i 1
n i i i
n m n n
2 m m
n m n i 1 i 1
a ni 1
i i i i i
m1
…. (35)
i i b i i
n n
2
i 1 i 1
i 1 i 1
i 1
i
i 1
i
i 1
i1
n n n c n
4. Perumusan Regresi Berganda untuk Kuat i i
2
i i
i 1 i 1
i i
Tarik Batang Baja i 1 i 1
Regresi berganda atau regresi linear berganda
merupakan perumusan regresi menggunakan dua Menurut Gujarati (2003) asumsi-asumsi pada
variabel bebas terhadap variabel tidak bebas. model regresi berganda adalah sebagai berikut :
Sehingga variabel tidak bebas tersebut bergantung a. Model regresi adalah linear dalam
pada dua variabel tak bebas tersebut. Misalkan parameter
diketahui suatu tegangan i dipengaruhi oleh b. Nilai rata-rata dari error adalah nol
c. Variansi dari error adalah konstan
regangan normal i dan regangan geser i , maka (homoskedastik)
dapat dibuat suatu fungsi regresi berganda sebagai d. Tidak terjadi autokorelasi pada error
berikut: e. Tidak terjadi multikolinearitas pada variabel
a b c ………………….…. (29) bebas
f. Error berdistribusi normal.
Besarnya a b c merupakan nilai prediksi
untuk . Selisih antara nilai prediksi dengan titik KESIMPULAN
data dinyatakan sebagai berikut : Berdasarkan pembahasan mengenai analisis regresi
a b c e ………………… (30) untuk tegangan regangan pada baja menggunakan
Sehingga dapat ditulis : least square method, dapat disimpulkan bahwa:
e a b c 1. Analisis regresi untuk hubungan tegangan
regangan pada baja dapat menghasilkan model
………………. (31)
a b c regresi linear dengan satu variabel bebas yaitu
Dengan cara yang sama menggunakan least regangan terhadap variabel tak bebas tegangan.
square method dapat dikembangkan menjadi Model yang diperoleh dari regresi linear ini
formula berikut : dapat dikebangkan untuk menghasilkan nilai
n n selisih error yang lebih kecil terhadap titik
e i a b i c i …… (32)
2 2
i
prediksi dengan menggunakan model regresi
i 1 i 1 kuadrat atau model regresi polinomial.
Untuk mendapatkan koefisien a, b dan c dari 2. Dalam model regresi kuadrat dan regresi
n polinomial menambahkan derajat variabel bebas
e
2
fungsi regresi yang dicari nilai minimum i regangan hingga derajat ke n.
i 1 3. Model regresi berganda dapat pula digunakan
dengan menderivatifkan a, b dan c serta untuk mengamati hubungan antara tegangan
menyamakannya dengan nol. regangan batang baja. Model ini menggunakan
n lebih dari satu variabel bebas yaitu regangan
2 i a b i c i 1 0 normal dan regangan geser untuk variabel tak
a i 1
bebas yaitu tegangan.
n
… (33)
2 i a b i c i i 0
4. Berdasarkan asumsi-asumsi terhadap regresi
b i 1
berganda, terdapat pelanggaran yang dapat
terjadi, diantaranya terjadi multikolinearitas
n
2 i a b i c i i 0 (terjadinya hubungan linear antar variabel bebas
c i 1 dalam suatu model regresi berganda),
Persamaan diatas dapat ditulis kembali dalam heteroskedastisitas (varians dari error model
bentuk berikut : regresi ini tidak konstan) dan autokorelasi
n n n n
(terjadinya korelasi antara satu variabel error
a b i c i i dengan variabel error lain).
i 1 i 1 i 1 i 1
n n n n
……. (34)
axi b i c i i i i
2 Saran
Dapat dikaji analisis regresi untuk masalah
i 1 i 1 i 1 i 1
n n n n hubungan tegangan regangan batang baja dengan
ayi b i i c i i i
2
model regresi nonlinear menggunakan model
i 1 i 1 i 1 i 1 eksponensial dan model fungsi berpangkat.
541
Jurnal SANTIKA : Jurnal Ilmiah Sains dan Teknologi-ISSN2088-5407 Volume 6 No 2 Desember 2016
542