Paper 3 (Regresi Polynomial) PDF

Analisis Pengukuran Pergerakan Mobil Saat Putar Balik Di Jalan Raya Merr
Dengan Metode Regresi Polinomial

Analysis of Measurement Car Movement When Turning Back On Highway Merr Using Polynomial
Regression Method
Rida Pribady
Program Studi Teknik Sipil, Universitas Pembangunan Nasional Veteran Jawa Timur
Jalan Raya Rungkut Madya, Surabaya, 60293, Indonesia
Email : ridapribady19@gmail.com
ABSTRAK
Transportasi adalah perpindahan manusia atau barang dari satu tempat ke tempat lainnya dengan
menggunakan sebuah kendaraan yang digerakkan oleh manusia atau mesin. Transportasi digunakan untuk
memudahkan manusia dalam melakukan aktivitas sehari-hari. Di negara maju, biasanya menggunakan
kereta dan taksi sebagai transportasi umum. Penduduk di sana jarang yang mempunyai kendaraan pribadi
karena mereka sebagian besar menggunakan angkutan umum sebagai transportasi mereka. Kebalikan dari
negara maju, di Indonesia masyarakatnya jarang memakai angkutan umum, yang mana kebanyakan
memakai kendaraan pribadi seperti mobil dan sepeda motor. Hal ini lah yang menyebabkan banyak terjadi
kemacetan di kota-kota besar seperti Surabaya, Jakarta, dan Bandung. Terdapat titik-titik penyebab
terjadinya kemacetan yaitu di tempat lampu merah dan putar balik. Penelitian ini dilakukan untuk
mengetahui laju pergerakan mobil saat putar balik di jalan raya Merr dengan total jarak yang ditempuh 260
m. Setelah data di dapat dari penelitian diharapkan masalah kemacetan dapat teratasi. Dalam penelitian ini
menggunakan stopwatch dan meteran rol sebagai alat bantu penelitian. Variabel bebas (X) dalam penelitian
ini adalah waktu pergerakan mobil dan variable terikat (Y) adalah jarak yang ditempuh mobil. Metode
analisis yang digunakan dalam penelitian ini adalah regresi polynomial. Setelah data dilakukan analisis
regresi polynomial sampai derajat ke 7 di dapat persamaan Y=-4,10108E-07X^7 + 5,49906E-05X^6 -
0,002681235X^5 + 0,058150067X^4 - 0,548671364X^3 + 1,521549975X^2 + 13,0,9931544X +
1,256471666 dengan nilai R square sama dengan 1.
Kata Kunci : Transportasi, Regresi Polynomial, Kemacetan
ABSTRACT
Transportation is the movement of people or goods from one place to another using a vehicle driven by
humans or machines. Transportation is used to make it easier for humans to carry out their daily activities.
In developed countries, it is common to use trains and taxis as public transportation. The residents there
rarely own private vehicles because they mostly use public transportation as their transportation. In contrast
to developed countries, people in Indonesia rarely use public transportation, most of which use private
vehicles such as cars and motorbikes. This is what causes a lot of traffic jams in big cities such as Surabaya,
Jakarta, and Bandung. Some points cause congestion, namely at the red light and turning around. This
research was conducted to determine the speed of the car's movement when making a U-turn on the Merr
highway with a total distance of 260 m. After the data is obtained from the research it is hoped that the
congestion problem can be resolved. In this study, a stopwatch and roller meter were used as research aids.
The independent variable (X) in this study is the time the car moves and the dependent variable (Y) is the
1
distance traveled by car. The method of analysis used in this research is polynomial regression. After the
data is carried out polynomial regression analysis to the 7th degree, the equation Y = -4,10108E-07X ^ 7 +
5,49906E-05X ^ 6 - 0.002681235X ^ 5 + 0.058150067X ^ 4 - 0.548671364X ^ 3 + 1.521549975X ^ 2 +
13,0,9931544X + 1.256471666 where the R square value is 1.
Keywords: Transportation, Polynomial Regression, Congestion
1. Pendahuluan sampai orde ke-n. Secara umum atau kuadratik,

model Regresi Polinomial ditulis dalam
Jalan raya ialah jalan utama yang
persamaan berikut.
menghubungkan satu kawasan dengan kawasan
Y = b0 + b1X + b2X 2 + … + bnX n + ε
yang lain. Jalan raya juga sebagai tempat
Keterangan :
kendaaran bermotor untuk berjalan sebagai mana
Y = variabel kritorium/dependen/ dipengaruhi
fungsinya. Tetapi banyak jalan raya yang
b0 = intersep b1,b2,..,
mengalami kemacetan sehingga kendaraan tidak
bn = koefisien-koefisien regresi
berfungsi dengan semestinya. Beberapa waktu
X = variabel predictor/bebas/mempengaruhi.
lalu dikutip media bahwa Indonesia adalah
ε = faktor pengganggu yang tidak dapat
negara nomor 7 di dunia dengan tingkat
dijelaskan oleh model regresi
kemacetan tertinggi. Maka dari itu, penelitian ini
dilakukan untuk mengatasi masalah kemacetan
2. Bahan dan Metode
dengan menggunakan metode regresi
Polynomial. Regresi adalah suatu metode analisis Lokasi Penelitian
statistik yang digunakan untuk melihat pengaruh
Penelitian ini dilakukan di jalan Merr, Gunung
antara dua atau lebih variabel. Hubungan variabel
Anyar, Surabaya, Jawa Timur. Lokasi ini dipilih
tersebut bersifat fungsional yang diwujudkan
karena memiliki tingkat kemacetan tinggi yang
dalam suatu model matematis. Pada analisis
biasanya di sebabkan lokasi putar balik. Jalan ini
regresi, terbagi menjadi beberapa jenis yakni
menghubungkan antara Surabaya dan Sidoarjo.
Regresi Sederhana (Linier Sederhana dan
Nonlinier Sederhana) dan Regresi Berganda atau
Nonlinier Berganda.
Apabila dalam persamaan Regresi Linier
mencakup lebih dari dua prediktor atau variabel
bebas maka regresi tersebut dinamakan Regresi
Linier Berganda (Multiple Linear Regression).
Model Regresi Linier Berganda memiliki
persamaan regresi secara umum berbentuk
seperti persamaan berikut.
Ŷ = ᵝ0+ᵝ1X1+ ᵝ2X2+ᵝ3X3+…+ ᵝnX n +ε
dimana Y adalah variabel terikat/ bergantung,
X1, X2, X3, … , Xn adalah variabel-variabel
bebas, ᵝ0 adalah intersep, dan ᵝ1, ᵝ2, ᵝ3,…, ᵝn
adalah parameter koefisien-koefisien regresi,
sedangkan Regresi Polinomial merupakan model
Regresi Linier yang dibentuk dengan
menjumlahkan pengaruh masing-masing variabel Gambar 2.1 Map Jalan Merr Surabaya
prediktor (X) yang dipangkatkan meningkat
2
tanpa mempengaruhi proses mengukur
waktu. Alat ukur waktu ini juga dapat mengukur
lebih dari 2 kecepatan waktu sekaligus.
Gambar 2.2 Kondisi kemacetan di jalan Merr
Teknik Pengukuran
Didalam penelitian ini menggunakan alat sebagai Gambar 2.3 Stopwatch

penunjang kegiatan penelitian. Alat ini digunakan
supaya mendapatkan hasil penelitian yang Meteran Rol
maksimal dan lebih akurat. Alat yang digunakan
dalam penelitian ini adalah stopwatch dan Meteran rol adalah alat ukur panjang yang bisa
meteran rol yang berfungsi untuk mengukur digulung, dengan panjang mulai 5 – 50
waktu dan jarak yang ditempuh mobil. meter. Roll Meter lebih dengan dengan
sebutan Meteran atau dikenal dengan pita
Stopwatch ukur.Roll Meter ini pada umumnya dibuat dari
bahan plastik atau plat besi tipis. Satuan yang
Pengertian stopwatch secara umum yaitu arloji dipakai dalam Roll Meter yaitu mm atau cm, feet
genggam yang digunakan untuk mengukur tau inch. Alat ini berfungsi untuk mengukur jarak
lamanya waktu yang telah berlalu / yang atau panjang. Meteran juga berguna untuk
dibutuhkan. Meskipun cukup sepele, tetapi mengukur sudut, membuat sudut siku-siku, dan
perhitungan waktu menggunakan alat ini jauh juga dapat dipakai untuk membuat lingkaran.
lebih efektif daripada menghitung waktu Pada ujung pita dilengkapi dengan pengait dan
menggunakan jam. Fungsi utama dari alat ini diberi magnet agar lebih mudah ketika sedang
adalah mengukur waktu untuk keperluan tertentu. melakukan pengukuran, dan pita tidak lepas
Baik untuk keperluan pendidikan, pertandingan, ketika mengukur. Meteran ini sering digunakan
pertunjukan, penelitian dan lain – lain. Fungsi oleh tukang bangunan atau pengukur lebar jalan.
stopwatch lain adalah sebuah fitur stopclock. Ketelitian pengukuran dengan rollmeter hingga
Fitur tersebut berfungsi sebagai penunda waktu 0,5 mm.
3
25 160
40 200
50 260
Dari table tersebut kita dapat menentukan dari

linear hinggra polynomial derajat 7 dengan
metode regresi polynomial dengan program
excel.
Jika kita menentukan model matematis dari

linear hingga polynomial derajat 7 adalah
sebagai berikut.
a) Berikut adalah olahan data table penelitian

menjadi table liniear
Gambat 2.4 Meteran rol

Y Jarak yang
X Waktu
3. Hasil dan Pembahasan ditempuh
(detik)
(m)
Hasil dari penelitian analisis pengukuran
pergerakan mobil saat putar balik di jalan raya 2 30
merr dengan metode regresi polinomial sebagai
berikut. 5 65
Diketetahui data table penelitian pengukuran
pergerakan mobil sebagai berikut : 7 80
10 100
Y Jarak yang
X Waktu 14 140
ditempuh
(detik)
(m)
25 160
2 30 40 200
5 65 50 260
7 80 Dari data tersebut kita dapat menganalisis dengan

metode regresi polynomial dengan hasil sebagai
10 100 berikut.
14 140
4
SUMMARY OUTPUT
Regression Statistics
Multiple R 0.97212603
R Square 0.945029018
Adjusted R
Square 0.935867188
Standard Error 19.24417723
Observations 8
ANOVA
Significance
df SS MS F F
Regression 1 38199.84486 38199.84486 103.1484968 5.30167E-05
Residual 6 2222.030144 370.3383574
Total 7 40421.875
Standard
Coefficients Error t Stat P-value Lower 95% Upper 95%
Intercept 49.18598631 10.42268203 4.719129505 0.003260943 23.68260212 74.6893705
X Waktu (detik) 4.192889605 0.412840197 10.15620484 5.30167E-05 3.182706035 5.203073175
RESIDUAL OUTPUT
Predicted Y
Jarak yang
ditempuh Standard
Observation (m) Residuals Residuals
- -
1 57.57176552 27.57176552 1.547528384
- -
2 70.15043433 5.150434332 0.289079904
3 78.53621354 1.463786458 0.082158362
4 91.11488236 8.885117644 0.498697544
5 107.8864408 32.11355922 1.80244694
6 154.0082264 5.991773572 0.336301992
5
7 216.9015705 -16.9015705 -0.94863929
8 258.8304665 1.169533452 0.065642739
Dari hasil pengolahan data dengan metode regresi b) Berikut adalah olahan data table penelitian
polynomial mendapat persamaan matematis menjadi table kuadratik
sebagai berikut dengan nilai nilai R square sama
dengan 0.945029018.
Y Jarak yang
X Waktu
X^2 ditempuh
Y = 4.192889605X + 49.18598631 (detik)
(m)
Dimana,
X = Waktu yang ditempuh
Y = Jarak yang ditempuh 2 4 30
Dari hasil persamaan regresi polynomial tersebut

dapat kita uji coba. Jika kita menempuh dalam 5 25 65
waktu 40 detik maka jarak yang ditempuh adalah
sebagai berikut. 7 49 80
Y = 4.192889605X + 49.18598631 =
216.9015705 m 10 100 100
Dari hasil regresi polynomial terdapat grafik yang

menggambarkan perbandingan antara waktu 14 196 140
yang ditempuh dengan jarak yang ditempuh.
25 625 160
X Waktu (detik) Line Fit
Plot 40 1600 200
300
Y Jarak yang ditempuh (m)
250
50 2500 260
200 Y Jarak yang
150 ditempuh (m)
Dari data tersebut kita dapat menganalisis dengan
100
Predicted Y
metode regresi polynomial dengan hasil sebagai
50
Jarak yang berikut.
0
ditempuh (m)
0 20 40 60
X Waktu (detik)
6
SUMMARY OUTPUT
R Square 0.959827185
Adjusted R
Square 0.943758059
Standard
Error 18.02143442
Observations 8
ANOVA
Significance
df SS MS F F
Regression 2 38798.01451 19399.00725 59.73113864 0.000323468
Residual 5 1623.860493 324.7720987

Total 7 40421.875
Standard
Intercept 33.84980456 14.93203353 2.266925297 0.072718196 -4.534209612 72.23381873
X Waktu
(detik) 6.487109735 1.734133314 3.740836811 0.013419945 2.029378138 10.94484133
- -
X^2 0.044778628 0.032994986 1.357134314 0.232785762 -0.129594941 0.040037685
RESIDUAL OUTPUT
Predicted Y
Jarak yang
ditempuh Standard
- -
1 46.64490951 16.64490951 1.092838787
- -
2 65.16588752 0.165887524 0.010891517
3 77.06541991 2.934580086 0.192672897
4 94.24303907 5.756960927 0.377979237
5 115.8927297 24.10727031 1.58278782
7
- -
6 168.0409052 8.040905218 0.527933967
- -
7 221.6883886 21.68838861 1.423973635
8 246.2587205 13.74127955 0.902197952
Dari hasil pengolahan data dengan metode regresi c) Berikut adalah olahan data table penelitian
polynomial mendapat persamaan matematis menjadi table polynomial derajat 3
dengan 0.959827185.
Y Jarak
Y = -0.044778628X^2 + 6.487109735X + X Waktu yang
X^2 X^3
(detik) ditempuh
33.84980456
(m)
Dimana,
X = Waktu yang ditempuh 2 4 8 30
Y = Jarak yang ditempuh
Dari hasil persamaan regresi polynomial tersebut 5 25 125 65

dapat kita uji coba. Jika kita menempuh dalam
sebagai berikut. 7 49 343 80
Y = -0.044778628(40)^2 + 6.487109735(40) +
10 100 1000 100
33.84980456 = 221.6883886 m
Dari hasil regresi polynomial terdapat grafik yang 14 196 2744 140
menggambarkan perbandingan antara waktu
yang ditempuh dengan jarak yang ditempuh
25 625 15625 160
X^2 Line Fit Plot
300 40 1600 64000 200
250
200 Y Jarak yang 50 2500 125000 260
150 ditempuh (m)
100
Predicted Y Dari data tersebut kita dapat menganalisis dengan
50 Jarak yang metode regresi polynomial dengan hasil sebagai
ditempuh (m) berikut.
0
0 1000 2000 3000
X^2
8
SUMMARY OUTPUT
R Square 0.995823617
Adjusted R
Square 0.99269133
Standard
Error 6.496484223
Observations 8
ANOVA
Significance
df SS MS F F
Regression 3 40253.05777 13417.68592 317.9221931 3.26585E-05
Residual 4 168.8172291 42.20430726
Total 7 40421.875
Standard
-
Intercept 2.150169889 7.623726211 0.282036609 0.791906267 19.01668743 23.31702721
X Waktu
(detik) 14.37353067 1.481488189 9.702089276 0.000631744 10.26026004 18.4868013
- - - -
X^2 0.447044602 0.069534798 6.429077427 0.003009989 0.640104153 0.253985052
X^3 0.005258105 0.000895508 5.871641959 0.004202191 0.002771775 0.007744435
RESIDUAL OUTPUT
Predicted Y
Jarak yang
ditempuh Standard
1 29.15111765 0.848882347 0.172857465
2 63.49897126 1.501028745 0.305653692
- -
3 82.66322896 2.663228957 0.542311908
- -
4 106.439121 6.439121026 1.311194818
9
5 130.1870965 9.812903536 1.998196371
- -
6 164.243446 4.243446033 0.864090677
7 198.3387336 1.661266355 0.338282792

- -
8 260.478285 0.478284967 0.097392916
Dari hasil pengolahan data dengan metode regresi d) Berikut adalah olahan data table penelitian
dengan 0.995823617. X
Y Jarak
Wakt
yang
Y = 0.005258105X^3 - 0.447044602X^2 + u X^2 X^3 X^4
ditempu
14.37353067X + 2.150169889 (detik
h (m)
)
Dimana,
2 4 8 16 30
Dari hasil persamaan regresi polynomial tersebut 5 25 125 625 65

sebagai berikut. 7 49 343 2401 80
Y = 0.00525810(40)^3 - 0.447044602(40)^2 +
10 100 1000 10000 100
14.37353067(40) + 2.150169889 = 198.3387336
m
14 196 2744 38416 140
25 625 15625 390625 160
160 256000
40 0 64000 0 200
X^3 Line Fit Plot
300 250 625000
50 0 125000 0 260
200 Y Jarak yang
ditempuh (m) Dari data tersebut kita dapat menganalisis dengan
100 metode regresi polynomial dengan hasil sebagai
Predicted Y berikut.
0 Jarak yang
0 100000 200000 ditempuh (m)
X^3
10
SUMMARY OUTPUT
R Square 0.99584679
Adjusted R
Square 0.990309178
Standard
Error 7.480653278
Observations 8
ANOVA
Significance
df SS MS F F
Regression 4 40253.99448 10063.49862 179.8332278 0.000667471
Residual 3 167.8805204 55.96017346
Total 7 40421.875
Standard
Intercept 1.127853159 11.81111483 0.09549083 0.929946047 -36.4603856 38.71609192
X Waktu
(detik) 14.75745865 3.42287569 4.311421152 0.022977392 3.864340557 25.65057675
- - -
X^2 0.482548869 0.285863705 1.688038251 0.189987627 1.392294762 0.427197024
-
X^3 0.006360392 0.00858203 0.741129092 0.512356194 0.020951459 0.033672243
-1.07796E- - -
X^4 05 8.3318E-05 0.129378689 0.90524506 0.000275935 0.000254375
RESIDUAL OUTPUT
Predicted Y
Jarak yang
ditempuh Standard
1 28.76328565 1.23671435 0.252533075
2 63.6397365 1.360263499 0.277761412

-
3 82.94090197 -2.940901968 0.600522681
-
4 106.7001494 -6.700149447 1.368148871
5 130.1915047 9.808495291 2.00286305
11
-
6 163.6416383 -3.641638258 0.743610767
7 198.8174258 1.182574229 0.241477837
-
8 260.3053577 -0.305357694 0.062353055
Dari hasil pengolahan data dengan metode regresi e) Berikut adalah olahan data table penelitian
dengan 0.99584679.
Y
X
Jarak
Y = -1.07796E-05X^4 + 0.006360392X^3 - Wak
X^ yang
0.482548869X^2 + 14.75745865X + tu X^3 X^4 X^5
2 ditem
1.127853159 (det
puh
ik)
(m)
Dimana,
Y = Jarak yang ditempuh 2 4 8 16 32 30

dapat kita uji coba. Jika kita menempuh dalam 5 25 125 625 3125 65
sebagai berikut.
7 49 343 2401 16807 80
Y = -1.07796E-05(40)^4 + 0.006360392(40)^3 -
0.482548869(40)^2 + 14.75745865(40) +
10 1000
1.127853159 = 198.8174258 m 10 0 1000 0 100000 100

19 3841
14 6 2744 6 537824 140
62 1562 3906 976562

25 5 5 25 5 160
X^4 Line Fit Plot
300
16 6400 2560 102400
250 40 00 0 000 000 200

200 Y Jarak yang
150 ditempuh (m)
25 1250 6250 312500
100 50 00 00 000 000 260
Predicted Y
50
Jarak yang
0 ditempuh (m) Dari data tersebut kita dapat menganalisis dengan
0 10000000 metode regresi polynomial dengan hasil sebagai
X^4 berikut.
12
SUMMARY OUTPUT
R Square 0.997482516
Adjusted R
Square 0.991188807
Standard
Error 7.133071468
Observations 8
ANOVA
Significance
df SS MS F F
Regression 5 40320.11358 8064.022717 158.4888054 0.006281831
Residual 2 101.7614171 50.88070856
Total 7 40421.875
Standard
-
Intercept 16.46641413 17.54675484 0.93843074 0.447086991 59.03117848 91.96400674
X Waktu
(detik) 6.369254144 8.049742129 0.791237041 0.511736102 -28.2659908 41.00449909
-
X^2 0.744248444 1.11016633 0.670393637 0.571651177 4.032411747 5.520908636
- -
X^3 0.061473485 0.060065909 1.023433859 0.413735162 -0.31991623 0.196969261
-
X^4 0.00153987 0.001362593 1.130102517 0.375732257 0.004322896 0.007402637
-1.24017E- - -5.92108E-
X^5 05 1.08791E-05 1.139952885 0.372428339 05 3.44074E-05
RESIDUAL OUTPUT
Predicted Y
Jarak yang
ditempuh Standard
- -
1 31.71436938 1.714369385 0.449636801
2 60.15837404 4.841625955 1.269839059
3 79.92275514 0.077244864 0.020259422
- -
4 107.2688498 7.268849767 1.906439992
13
5 135.3111583 4.688841719 1.229767523
- -
6 160.7314606 0.731460565 0.191844063
7 199.8662764 0.133723627 0.035072409
- -
8 260.0267564 0.026756448 0.007017556
Dari hasil pengolahan data dengan metode regresi f) Berikut adalah olahan data table penelitian
dengan 0.997482516.
Y
X Jara
Y = -1.24017E-05X^5 + 0.00153987X^4 -
W k
0.061473485X^3 + 0.744248444X^2 +
akt X^ yang
6.369254144X + 16.46641413 X^3 X^4 X^5 X^6
u 2 dite
(de mpu
Dimana,
tik) h
(m)
Dari hasil persamaan regresi polynomial tersebut 2 4 8 16 32 64 30

waktu 40 detik maka jarak yang ditempuh adalah 5 25 125 625 3125 15625 65
sebagai berikut.
240 1680 11764
Y = -1.24017E-05(40)^5 + 0.00153987(40)^4 - 7 49 343 1 7 9 80
0.061473485(40)^3 + 0.744248444(40)^2 +
6.369254144(40) + 16.46641413 10 100 100 1000 10000
10 0 0 00 00 00 100
menggambarkan perbandingan antara waktu 19 274 384 5378 75295
yang ditempuh dengan jarak yang ditempuh 14 6 4 16 24 36 140
62 156 390 9765 24414

X^5 Line Fit Plot 25 5 25 625 625 0625 160
300 256 1024

250
16 640 000 0000 40960
40 00 00 0 0 00000 200
200 Y Jarak yang
150 ditempuh (m) 625 3125 15625
25 125 000 0000 00000
100
Predicted Y 50 00 000 0 0 0 260
50
Jarak yang
0 ditempuh (m) Dari data tersebut kita dapat menganalisis dengan
0 400000000 metode regresi polynomial dengan hasil sebagai
X^5 berikut.
14
SUMMARY OUTPUT
R Square 0.999934255
Adjusted R
Square 0.999539788
Standard
Error 1.630190562
Observations 8
ANOVA
Significance
df SS MS F F
Regression 6 40419.21748 6736.536246 2534.894574 0.015202408
Residual 1 2.657521269 2.657521269
Total 7 40421.875
Standard
- - -
Intercept 28.21199413 8.343212937 3.381430432 0.183051981 134.2225659 77.79857761
X Waktu -
(detik) 40.82581675 5.934752155 6.879110649 0.091900177 34.58235919 116.2339927
- - -
X^2 7.143116065 1.316274683 5.426767041 0.116009661 23.86797167 9.581739543
X^3 0.688127214 0.123515622 5.571175543 0.113066259 -0.88128757 2.257541998
- - -
X^4 0.031225267 0.005374465 5.809930134 0.108511217 0.099514322 0.037063788
-
X^5 0.000639064 0.000106709 5.988828494 0.105329479 0.000716807 0.001994934
-4.76549E-
X^6 06 7.80369E-07 -6.10670568 0.103332175 -1.4681E-05 5.15005E-06
RESIDUAL OUTPUT
Predicted Y
Jarak yang
ditempuh Standard
1 29.8927336 0.107266398 0.174090207
-
2 65.76191152 -0.76191152 1.236559977
3 78.79189505 1.208104948 1.960718779
15
- -
4 100.7500067 0.750006653 1.217238727
5 139.7918729 0.208127054 0.337784085
- -
6 160.0126483 0.012648334 0.020527873
7 199.9987381 0.001261907 0.002048038
-
8 260.0001938 -0.0001938 0.000314532
Dari hasil pengolahan data dengan metode regresi g) Berikut adalah olahan data table penelitian
dengan 0.999934255.
Jar
X
ak
Y = -4,7654E06X^6 + 0,000639064X^5 - W
yan
0,031225267X^4 + 0,688127214X^3 - ak X
X^ X^ g
7,143116065X^2 + 40,82581675X - tu ^ X^5 X^6 X^7
3 4 dite
28,21199413 (d 2
mp
eti
uh
k)
Dimana, (m)
X = Waktu yang ditempuh 2 4 8 16 32 64 128 30
Y = Jarak yang ditempuh 2 12 62 312 156 7812
5 5 5 5 5 25 5 65
Dari hasil persamaan regresi polynomial tersebut 4 34 24 168 117 8235
dapat kita uji coba. Jika kita menempuh dalam 7 9 3 01 07 649 43 80
waktu 40 detik maka jarak yang ditempuh adalah 1 10 100
sebagai berikut. 0 10 00 100 000 1000
10 0 00 0 000 0 0000 100
1 38 752 1054
Y = -4,7654E06(40)^6 + 0,000639064(40)^5 -
9 27 41 537 953 1350
0,031225267(40)^4 + 0,688127214(40)^3 -
7,143116065(40)^2 + 40,82581675(40) - 14 6 44 6 824 6 4 140
28,21199413 = 199.9987381 m 6 15 39 976 2.4 6103
2 62 06 562 4E+ 5156
Dari hasil regresi polynomial terdapat grafik yang 25 5 5 25 5 08 25 160
menggambarkan perbandingan antara waktu 1 25
6 64 60 102 4.1 1.63
0 00 00 400 E+0 84E+
40 0 0 0 000 9 11 200
2 62
X^6 Line Fit Plot 5 12 50 312 1.5 7.81
300 0 50 00 500 6E+ 25E+
Y Jarak yang
Y Jarak yang ditempuh
200 50 0 00 0 000 10 11 260

ditempuh (m)
100
0 Dari data tersebut kita dapat menganalisis dengan
(m)
Predicted Y
0 Jarak yang metode regresi polynomial dengan hasil sebagai
X^6 ditempuh (m) berikut.
16
Multiple R 1
R Square 1
Adjusted R
Square 65535
Standard
Error 0
Observations 8
ANOVA
Significance
df SS MS F F
Regression 7 40421.875 5774.553571 #NUM! #NUM!
Residual 0 0 65535
Total 7 40421.875
Standard
Intercept 1.256471666 0 65535 #NUM! 1.256471666 1.256471666
X Waktu
(detik) 13.09931544 0 65535 #NUM! 13.09931544 13.09931544
X^2 1.521549975 0 65535 #NUM! 1.521549975 1.521549975
- -
X^3 0.548671364 0 65535 #NUM! -0.548671364 0.548671364
X^4 0.058150067 0 65535 #NUM! 0.058150067 0.058150067
- -
X^5 0.002681235 0 65535 #NUM! -0.002681235 0.002681235
X^6 5.49906E-05 0 65535 #NUM! 5.49906E-05 5.49906E-05
-4.10108E- -4.10108E-
X^7 07 0 65535 #NUM! -4.10108E-07 07
RESIDUAL OUTPUT
Predicted Y
Jarak yang
ditempuh Standard
8.00284E-
1 30 11 1.117897519
-
1.17097E- -
2 65 10 1.635705507
17
-
3.54134E- -
3 80 11 0.494681811
-
1.00329E- -
4 100 11 0.140146613
4.83169E-
5 140 13 0.00674927
1.81899E-
6 160 12 0.025409018
2.91038E-
7 200 11 0.406544281
-
1.16415E- -
8 260 10 1.626177125
Dari hasil pengolahan data dengan metode regresi

polynomial mendapat persamaan matematis
dengan 1.
X^7 Line Fit Plot
300
Y= -4,10108E-07X^7 + 5,49906E-05X^6 -
250
0,002681235X^5 + 0,058150067X^4 -
0,548671364X^3 + 1,521549975X^2 +
200
13,0,9931544X + 1,256471666 Y Jarak yang
150 ditempuh (m)
Dimana,
X = Waktu yang ditempuh 100 Predicted Y Jarak
Y = Jarak yang ditempuh yang ditempuh
50 (m)
dapat kita uji coba. Jika kita menempuh dalam 0
0 1E+12
X^7
sebagai berikut.
Y=-4,10108E-07(40)^7 + 5,49906E-05(40)^6 -
0,002681235(40)^5 + 0,058150067(40)^4 -
Jika kita menentukan model matematis dari
0,548671364(40)^3 + 1,521549975(40)^2 +
polynomial derajat 3 hingga polynomial
13,0,9931544(40) + 1,256471666 = 200 m
derajat 6 tanpa nilai koefisien adalah sebagai
berikut.
18
a) Berikut adalah olahan data table penelitian menjadi table polynomial derajat 3
Y Jarak
X Waktu yang
X^2 X^3
(detik) ditempuh
(m)
2 4 8 30
5 25 125 65
7 49 343 80
10 100 1000 100
14 196 2744 140
25 625 15625 160
40 1600 64000 200
50 2500 125000 260
Dari data tersebut kita dapat menganalisis dengan metode regresi polynomial dengan hasil sebagai berikut.
SUMMARY OUTPUT
R Square 0.999012337
Adjusted R
Square 0.798617272
Standard Error 5.868123309
Observations 8
ANOVA
Significance
df SS MS F F
Regression 3 174152.8256 58050.94188 1685.818471 1.17073E-06
19
Residual 5 172.1743559 34.43487117
Total 8 174325
Standard
Intercept 0 #N/A #N/A #N/A #N/A #N/A
X Waktu
(detik) 14.74736951 0.597709515 24.67313829 2.03971E-06 13.21090829 16.28383073
- - - -
X^2 0.462520267 0.038580054 11.98858525 7.12233E-05 0.561693453 0.363347081
X^3 0.00543696 0.000571125 9.519737145 0.00021635 0.003968837 0.006905084
RESIDUAL OUTPUT
Predicted Y
Jarak yang
ditempuh Standard
1 27.68815364 2.311846362 0.498333093
2 62.85346092 2.146539076 0.462700063
-
3 82.43297089 2.432970887 -0.52444225
- -
4 106.6586287 6.658628728 1.435309503
5 130.7282199 9.27178008 1.998590791
- -
6 164.5615757 4.561575718 0.983276474
7 197.8278129 2.172187122 0.468228662
- -
8 260.6878464 0.687846354 0.148269628
Dari hasil pengolahan data dengan metode regresi polynomial tanpa koefisien mendapat persamaan
matematis sebagai berikut dengan nilai nilai R square sama dengan 0.999012337.
Y = 0.00543696X^3 - 0.462520267X^2 + 14.74736951X
Dimana,
Dari hasil persamaan regresi polynomial tersebut dapat kita uji coba. Jika kita menempuh dalam waktu 40
detik maka jarak yang ditempuh adalah sebagai berikut.
20
Y = 0.00543696(40)^3 - 0.462520267(40)^2 + 14.74736951(40) = 197.8278129 m
Dari hasil regresi polynomial terdapat grafik yang menggambarkan perbandingan antara waktu yang
ditempuh dengan jarak yang ditempuh
X^3 Line Fit Plot

300
200
Y Jarak yang
100 ditempuh (m)
Predicted Y Jarak
0 yang ditempuh (m)
0 50000 100000 150000
X^3
b) Berikut adalah olahan data table penelitian menjadi table polynomial derajat 4
Y Jarak
X
yang
Waktu X^2 X^3 X^4
ditempuh
(detik)
(m)
2 4 8 16 30
5 25 125 625 65
7 49 343 2401 80
10 100 1000 10000 100
14 196 2744 38416 140
25 625 15625 390625 160
40 1600 64000 2560000 200
50 2500 125000 6250000 260
21
SUMMARY OUTPUT
R Square 0.999034041
Adjusted R
Square 0.748309572
Standard
Error 6.488273907
Observations 8
ANOVA
df SS MS F Significance F
Regression 4 174156.6092 43539.1523 1034.240685 4.87459E-05
Residual 4 168.3907931 42.09769829
Total 8 174325
Standard
X Waktu
(detik) 15.05536105 1.221556739 12.32473333 0.00024901 11.66377583 18.44694628
- - -
X^2 0.504564454 0.14658804 3.442057433 0.026244302 -0.9115581 0.097570807
X^3 0.006956504 0.00510783 1.36192942 0.244875189 -0.007225105 0.021138113
-1.61023E- -
X^4 05 5.37113E-05 0.299792865 0.779268379 -0.000165229 0.000133024
RESIDUAL OUTPUT
Predicted Y
Jarak yang
ditempuh Standard
1 28.14785869 1.852141313 0.403701108
2 63.52219298 1.477807023 0.322109511
-
3 83.01128838 -3.01128838 0.656354052
-
4 106.8926462 6.892646205 -1.50235238
5 130.3504833 9.649516738 2.103252365
-
6 163.4366642 3.436664236 -0.7490709
22
7 198.9057429 1.094257124 0.238509238
- -
8 260.280695 0.280695009 0.061181555
Y = -1.61023E-05X^4 + 0.006956504X^3 - 0.504564454X^2 + 15.05536105
Dimana,
Y = -1.61023E-05(40)^4 + 0.006956504(40)^3 - 0.504564454(40)^2 + 15.05536105 = 198.9057429 m
X^4 Line Fit Plot

300
200
Y Jarak yang
100 ditempuh (m)
Predicted Y Jarak
0 yang ditempuh (m)
0 5000000 10000000
X^4
c) Berikut adalah olahan data table penelitian menjadi table polynomial derajat 5
Y Jarak
X
yang
Waktu X^2 X^3 X^4 X^5
ditempuh
(detik)
(m)
2 4 8 16 32 30
5 25 125 625 3125 65
23
7 49 343 2401 16807 80
10 100 1000 10000 100000 100
14 196 2744 38416 537824 140
25 625 15625 390625 9765625 160
40 1600 64000 2560000 102400000 200
50 2500 125000 6250000 312500000 260
SUMMARY OUTPUT
R Square 0.999159216
Adjusted R
Square 0.664704838
Standard
Error 6.989745531
Observations 8
ANOVA
Significance
df SS MS F F
Regression 5 174178.4304 34835.68607 713.0198787 0.00140111
Residual 3 146.5696278 48.85654259
Total 8 174325
Standard
24
X Waktu
(detik) 13.45626116 2.730759212 4.927663011 0.016018977 4.765766596 22.14675573
- -
X^2 -0.16260936 0.535486703 0.303666476 0.781224579 1.866767039 1.541548319
- - -
X^3 0.015066499 0.033409561 0.450963695 0.68261729 0.121390633 0.091257635
-
X^4 0.000528975 0.000817656 0.646940739 0.56375807 0.002073172 0.003131122
-4.57285E- - -2.63485E-
X^5 06 6.84242E-06 0.668309455 0.551758813 05 1.72028E-05
RESIDUAL OUTPUT
Predicted Y
Jarak yang
ditempuh Standard
1 26.14987016 3.850129841 0.89949422
2 61.64907867 3.350921334 0.782865642
- -
3 82.25137347 2.251373471 0.525981592
- -
4 108.0676417 8.067641726 1.884818798
5 133.0354633 6.964536676 1.627103693
-
6 161.3357306 -1.3357306 0.312062711
7 199.7353613 0.264638701 0.061826741
- -
8 260.0542926 0.054292626 0.012684222
Y = -4.57285E-06X^5 + 0.000528975X^4 - 0.015066499X^3 - 0.16260936X^2 + 13.45626116X
Dimana,
Y = -4.57285E-06(40)^5 + 0.000528975(40)^4 - 0.015066499(40)^3 - 0.16260936(40)^2 +

13.45626116(40) = 199.7353613 m
25
X^5 Line Fit Plot

300
200
Y Jarak yang
100 ditempuh (m)
Predicted Y Jarak
0 yang ditempuh (m)
0 200000000 400000000
X^5
d) Berikut adalah olahan data table penelitian menjadi table polynomial derajat 6
Y Jarak
X
yang
Waktu X^2 X^3 X^4 X^5 X^6
ditempuh
(detik)
(m)
2 4 8 16 32 64 30
5 25 125 625 3125 15625 65
7 49 343 2401 16807 117649 80
10 100 1000 10000 100000 1000000 100
14 196 2744 38416 537824 7529536 140
25 625 15625 390625 9765625 244140625 160
40 1600 64000 2560000 102400000 4096000000 200
50 2500 125000 6250000 312500000 15625000000 260
26
SUMMARY OUTPUT
R Square 0.999810447
Adjusted R
Square 0.499336565
Standard
Error 4.064714638
Observations 8
ANOVA
Significance
df SS MS F F
Regression 6 174291.9562 29048.65936 1758.190669 0.018253436
Residual 2 33.04381018 16.52190509
Total 8 174325
Standard
X Waktu
(detik) 21.28968346 3.384097276 6.291096774 0.024347643 6.729088074 35.85027884
- -
X^2 2.954315146 1.10959855 2.662508117 0.116850767 -7.728532377 1.819902084
X^3 0.305776156 0.123930519 2.467319268 0.132411493 -0.227453828 0.83900614
-
X^4 0.014915415 0.00591103 -2.52331909 0.127664241 -0.040348525 0.010517695
X^5 0.000319634 0.000123745 2.582993981 0.122863229 -0.0002128 0.000852067
-2.45151E-
X^6 06 9.35227E-07 -2.6213032 0.119913566 -6.47547E-06 1.57244E-06
RESIDUAL OUTPUT
Predicted Y
Jarak yang
ditempuh Standard
-
1 32.97974032 -2.979740319 1.466149821
2 62.45097429 2.549025705 1.254221234
3 78.41931817 1.580681827 0.777757834
27
-
4 103.5991852 -3.599185198 1.770941145
5 138.5169172 1.483082836 0.729735279
-
6 160.1225059 -0.122505859 0.060277717
7 199.9862361 0.013763873 0.006772369
-
8 260.0021927 -0.002192737 0.001078913
Y = -2.45151E-06X^6 + 0.000319634X^5 - 0.014915415X^4 + 0.305776156X^3 - 2.954315146X^2 +

21.28968346X
Dimana,
Y = -2.45151E-06(40)^6 + 0.000319634(40)^5 - 0.014915415(40)^4 + 0.305776156(40)^3 -

2.954315146(40)^2 + 21.28968346(40) = 199.9862361 m
4. Kesimpulan
1. Natalis Ransi, 2019, “pengertian regresi
Jadi model persamaan yang paling optimal dalam polynomial”, diambil dari laman
kasus pergerakan mobil yang dilakukan di jalan http://ojs.uho.ac.id/index.php/semantik/article/d
raya Merr adalah perhitungan polynomial derajat ownload/6027/pdf diakses pada tanggal 3
7 dimana Y= -4,10108E-07X^7 + 5,49906E- Desember 2020
05X^6 - 0,002681235X^5 + 0,058150067X^4 - 2. www.pengelasan.net, 2019, “pengertian
0,548671364X^3 + 1,521549975X^2 + stopwatch”, diambil dari laman
13,0,9931544X + 1,256471666 dengan nilai R2 https://www.pengelasan.net/stopwatch/ diakses
sebesar 1. Sedangkan pada persamaan yang pada tanggal 3 Desember 2020
paling optimal dengan tanpa adanya koefisien 3. poltek-furniture.ac.id, 2019, “pengertian dan
adalah Y = -2.45151E-06X^6 + 0.000319634X^5 keguaan meteran rol”, diambil dari laman
- 0.014915415X^4 + 0.305776156X^3 - https://df.poltek-
2.954315146X^2 + 21.28968346X dengan nilai furnitur.ac.id/2019/04/24/pengertian-dan-fungsi-
R2 sebesar 0.999810447. rol-meter/ diakses pada tanggal 3 Desember 2020
4. google map, 2020, “jalan merr Surabaya”,
Daftar Pustaka diambil dari laman
28
https://www.google.com/search?safe=strict&sxs mAEBoAEBqgEHZ3dzLXdperABCsABAQ&s
rf=ALeKk0053iapBZJ9- client=psy-
JZQXohGw6wurAhghQ%3A1607042626875& ab&ved=0ahUKEwjYnqenjLPtAhUScCsKHX1
ei=QobJX9j1NJLgrQH95IWICQ&q=jalan+merr yAZEQ4dUDCAw&uact=5#
+surabaya&oq=jalan+merr+surabaya&gs_lcp=C
gZwc3ktYWIQAzIFCAAQywEyBggAEBYQHj
IGCAAQFhAeMgYIABAWEB4yBggAEBYQ
HjIGCAAQFhAeMgYIABAWEB4yBggAEBY
QHjIGCAAQFhAeMgYIABAWEB46BwgjEOo
CECc6BggjECcQEzoECCMQJzoFCAAQxAI6
BAgAEAM6AggmOgQIABAeUJzDB1ie3Qdgi
eAHaAFwAHgAgAG0AYgBgQ2SAQQxNC41
29

Paper 3 (Regresi Polynomial) PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Paper 3 (Regresi Polynomial) PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

Analisis Pengukuran Pergerakan Mobil Saat Putar Balik Di Jalan Raya Merr

Dengan Metode Regresi Polinomial

Kata Kunci : Transportasi, Regresi Polynomial, Kemacetan

Keywords: Transportation, Polynomial Regression, Congestion

1. Pendahuluan sampai orde ke-n. Secara umum atau kuadratik,

Gambar 2.2 Kondisi kemacetan di jalan Merr

Didalam penelitian ini menggunakan alat sebagai Gambar 2.3 Stopwatch

Dari table tersebut kita dapat menentukan dari

Jika kita menentukan model matematis dari

a) Berikut adalah olahan data table penelitian

Gambat 2.4 Meteran rol

7 80 Dari data tersebut kita dapat menganalisis dengan

X Waktu (detik) 4.192889605 0.412840197 10.15620484 5.30167E-05 3.182706035 5.203073175

3 78.53621354 1.463786458 0.082158362

4 91.11488236 8.885117644 0.498697544

5 107.8864408 32.11355922 1.80244694

6 154.0082264 5.991773572 0.336301992

8 258.8304665 1.169533452 0.065642739

Dari hasil persamaan regresi polynomial tersebut

Dari hasil regresi polynomial terdapat grafik yang

Residual 5 1623.860493 324.7720987

3 77.06541991 2.934580086 0.192672897

4 94.24303907 5.756960927 0.377979237

5 115.8927297 24.10727031 1.58278782

Dari hasil persamaan regresi polynomial tersebut 5 25 125 65

Residual 4 168.8172291 42.20430726

X^3 0.005258105 0.000895508 5.871641959 0.004202191 0.002771775 0.007744435

7 198.3387336 1.661266355 0.338282792

Dari hasil persamaan regresi polynomial tersebut 5 25 125 625 65

2 63.6397365 1.360263499 0.277761412

Dari hasil persamaan regresi polynomial tersebut

Dari hasil regresi polynomial terdapat grafik yang

62 1562 3906 976562

250 40 00 0 000 000 200

Dari hasil persamaan regresi polynomial tersebut 2 4 8 16 32 64 30

62 156 390 9765 24414

300 256 1024

200 50 0 00 0 000 10 11 260

Dari hasil pengolahan data dengan metode regresi

10 100 1000 100

14 196 2744 140

25 625 15625 160

40 1600 64000 200

50 2500 125000 260

Y = 0.00543696X^3 - 0.462520267X^2 + 14.74736951X

X^3 Line Fit Plot

10 100 1000 10000 100

14 196 2744 38416 140

25 625 15625 390625 160

40 1600 64000 2560000 200

50 2500 125000 6250000 260

Y = -1.61023E-05X^4 + 0.006956504X^3 - 0.504564454X^2 + 15.05536105

Y = -1.61023E-05(40)^4 + 0.006956504(40)^3 - 0.504564454(40)^2 + 15.05536105 = 198.9057429 m

X^4 Line Fit Plot

5 25 125 625 3125 65

10 100 1000 10000 100000 100

14 196 2744 38416 537824 140

25 625 15625 390625 9765625 160

40 1600 64000 2560000 102400000 200

50 2500 125000 6250000 312500000 260

Y = -4.57285E-06X^5 + 0.000528975X^4 - 0.015066499X^3 - 0.16260936X^2 + 13.45626116X

Y = -4.57285E-06(40)^5 + 0.000528975(40)^4 - 0.015066499(40)^3 - 0.16260936(40)^2 +

X^5 Line Fit Plot