“Pencocokan Kurva”
PENDAHULUAN
A. Tujuan :
2.Mencari besarnya kesalahan dari suatu perhitungan solusi model regresi secara numeric
B. Permasalahan
C. Dasar Teori
A. Source Code
1. Source Code Metode Gauss yang sudah diketahui matriksnya pada perhitungan exel
def pprint(A) :
n = len(A)
for i in range(0,n) :
line = ""
for j in range(0,n+1) :
line += '%.4f' %A[i][j] + "\t\t"
if j == n-1 :
line += "| "
print(line)
print("")
def gauss(A,n) :
for i in range(0,n) :
print('Perulangan ke-' + str(i))
# Mencari baris maksimum dengan baris saat ini, kolom demi kolom
for k in range(i,n+1) :
tmp = A[maxRow][k]
A[maxRow][k] = A[i][k]
A[i][k] = tmp
print('Mencetak baris setelah ditukar')
pprint(A)
# Membuat semua baris dibawah baris ini dan pada kolom ini menjadi 0
for k in range(i+1,n) :
c = -A[k][i]/A[i][i]
for j in range(i,n+1) :
if i == j :
A[k][j] = 0
else :
A[k][j] += c * A[i][j]
print('Mencetak matriks setelah diubah nilainnya')
pprint(A)
# Back Subsitution
x = [0 for i in range(n)]
for i in range(n-1,-1,-1) :
x[i] = A[i][n]/A[i][i]
for k in range(i-1,-1,-1) :
A[k][n] -= A[k][i] * x[i]
return x
# Memasukkan Data Pada Orde 2
A =
[[6,3.35,2.7679,3.147],[3.35,2.7679,2.596817,1.07246],[2.7679,2.596817,2.61139
6,0.6752736]]
# Jumlah data
n = len(A)
# Menghitung Solusi
x = gauss(A,n)
# Cetak Hasil
print("Maka, Hasil dari x1, x2, dan x3 adalah")
for i in range(0,n) :
str(x[i])
# Tabel
from texttable import Texttable
l = [["x1", "x2", "x3"]]
m = [[x[i-2],x[i-1],x[i]]]
table = Texttable()
table.set_cols_width([20,20,20])
table.add_rows(l)
print(table.draw())
table.add_rows(m)
print(table.draw())
Input : Langsung memasukkan data pada program, yaitu nilai x dan nilai y
Output: x1, x2, x3
Source code gauss diatas dijalankan sesuai dengan fungsi gauss , yaitu dengan algoritma:
Pada program gaus diatas digunakan untuk mencari pencocokan kurva dengan metode gauss.
Untuk matriksnya sendiri diinput manual melalui variabel A dan disesuaikan dinnput dara orde 2,
nilai pada matriks yang diinput pada variabel A terlebih dahulu dicari menggunakan excel ( excel
akan dijelaskan dibawah).
Untuk programnya sendiri yaitu, pertama membuat prosedur untuk mencetak matriks ke layar.
Dilanjutkan dengan fungsi gauss, langkah pertama mencari nilai maksimum dari kolom saat ini,
lalu mencari baris mkasimum dengan baris saat ini kolom demi kolom, setelah itu menukar baris
maksimum dengan baris saat ini dan ditampilkan, lalu selanjutnya membuat semua baris dibawah
baris ini dan kolom ini menjadi 0. Selanjutnya mencetak matriks setelah ditubah nilainya, dan
dilakukan iterasi mencetak matriks baru sampai secukupnya dan akan mereturn nilai X.
Penyelesaian X :
X1 = 0.9983036412874231
X2= -1.053896374438875
X3= 0.24846671001325643
B. Screenshot hasil program
C. Excel
BAB III
PENUTUP
A. Kesimpulan
Metode Kuadrat Terkecil (Least Square Method) linier adalah suatu metode yang
digunakan untuk menentukan hubungan linier dari suatu data agar dapat diprediksi nilai-nilainya
yang mana nilai tersebut tidak terdapat pada data-data yang kita miliki; terkadang proses yang
melibatkan metode kuadrat terkecil untuk menentukan hubungan dua variabel data berupa fungsi
linier disebut sebagai regresi linier. Penyelesaian dari masalah ini dikerjakan dengan cara mengcari
nilai matriks terlebih dahulu menggunakan excel, lalu melanjutkan perhitungan menggunakan
program Gauss pada coding bahasa python.
Hasil Penyelesaian X :
X1 = 0.9983036412874231
X2= -1.053896374438875
X3= 0.24846671001325643
DAFTAR PUSTAKA
Priyo Sidik. 2014. Modul Praktikum Metode Numerik. Semarang: Jurusan Ilmu Komputer/
Informatika, Fakultas Sains dan Matematika, Universitas Diponegoro.