MODUL 4

CURVE FITTING DAN OPTIMALISASI

A. Tujuan Praktikum
Tujuan praktikum adalah sebagai berikut:
1. Mahasiswa mengerti dan mampu menggunakan regresi linear dan regresi data geofisika
dan geologi menggunakan bahasa python.

B. Tugas Pendahuluan
1. Carilah Koefisien a dan b dari data yang ada dilatihan linier Curva Fitting!
2. Tentukan Koefisien polinomial dari latihan linier Curva Fitting untuk orde ke-
3
3. Ekstrak algoritma dari latihan dimodul ini!

C. Teori Dasar
Curve Fitting adalah meng-capture trend dari distribusi data melalui suatu model tunggal atau
fungsi tunggal, contohnya pada gambar berikut,

Tujuan dari curve fitting pada data diatas adalah menentukan nilai koefisien atau parameter model
a dan b sehingga f(x) ‘fits’ dengan data. Contoh lainnya adalah pada gambar berikut,
Pertanyaannya apakah garis lurus cocok untuk setiap kasus data diatas?
Linear Curve Fitting (Regresi Linier) yaitu memodelkan dengan menggunakan fungsi linier atau
fungsi polinom derajat 1 sebagai berikut,

Untuk menentukan persamaan garis lurus yang fit dengan data maka syaratnya adalah jarak setiap
data terhadap garis tersebut harus minimum. Oleh karena itu, error atau selisih antara data
observasi dengan hasil kalkulasi melalui fungsi atau model harus minimum.
Jika misalkan Tiobs adalah data observasi dan Tical adalah data hasil kalkulasi (T=a+bz) maka fungsi
objektifnya adalah sebagai berikut,

Jika E minimum maka turunannya terhadap parameter model a dan b sama dengan nol,
Sehingga, solusi akhirnya adalah sebagai berikut,

Polynomial Curve Fitting merupakan pendekatan trend data dengan model polinom. Regresi ini masih
termasuk regresi linier karena hubungan antara data dengan parameter masih linier. Bentuk umum
polynomial curve fitting adalah sebagai berikut,
Bagaimana kita menentukan koefisien sehingga model diatas fit dengan data hasil observasi.
Idenya sama dengan linear curve fitting, yaitu meminimukan fungsi error.

Atau

Dimana n adalah banyaknya data dan j adalah derajat atau order polinom. Deangan cara yang sama
seperti pada linear curve fitting,

Dalam bentuk matriks, dapat direpresentasikan sebagai berikkut,

Tidak peduli berapapun nilai j (derajat polinom), kita akan tetap memperoleh persamaan LINIER
terhadap parameter model atau koefisien. Artinya kita dapat menuliskan sebagai berikut,

1. Regrresi linier
 2. Regrresi polinom

D. Laporan dan Analisis

Tugas yang harus dilampirkan pada laporan berupa:
1. Screenshoot hasil regresi linear dan polynomial yang sudah dilakukan.
2. Menggunakan data observasi yang sama, yang mana dari kedua pendekatan model
tersebut yang lebih baik.

3. Jelaskan pengaruh jumlah data observasi dan derajat polinomial pada hasil
pemodelan.
E. Referensi
[1] Chapra,S.C.,Canale,R.P.,1990, Numerical Method for Engineers.
[2] Press, W.H., Teukolsky, S.A., Vetterling, W.T., Flannery, B.P., 1997,Numerical
Recipes in C, edisi 2.
[3] Raharjo, B.,2006,Pemrograman C++, Informatika:Bandung.
[4] Dahrin, Darharta, dkk. 2007. Modul Praktikum Komputasi ITB. ITB: Bandung
[5] Manash Sharma. http://www.bragitoff.com. Accessed on February 27th , 2018.

~ Selamat Praktikum Ceria~