ANALISIS

REGRESI
Analisis Numerik Pertemuan ke – 09
 04
Regresi
Polinomial
Analisis Numerik – Analisis
Regresi
Di dalam materi terdahulu dijelaskan penurunan persamaan
garis lurus dengan menggunakan metode kuadrat terkecil.
Untuk kurva lengkung persamaannya dapat diturunkan
dengan melakukan transformasi data asli ke dalam bentuk
lain yang sesuai. Selain dengan transformasi persamaan
kurva lengkung juga dapat diturunkan dengan
menggunakan regresi polinomial. Penurunan persamaan
dilakukan dengan menggunakan metode kuadrat terkecil
Persamaan polinomial order r mempunyai bentuk:
𝒚 = 𝒂𝟎 + 𝒂𝟏 𝒙 + 𝒂𝟐 𝒙𝟐 + ⋯ + 𝒂𝒓 𝒙𝒓
Jumlah kuadrat dari kesalahan adalah:
𝑛
2
𝐷2 = 𝑦𝑖 − (𝒂𝟎 + 𝒂𝟏 𝒙𝒊 + 𝒂𝟐 𝒙𝟐𝒊 + ⋯ + 𝒂𝒓 𝒙𝒓𝒊 )
𝑖=1
Dengan cara seperti pada materi sebelumnya, persamaan di atas
diturunkan terhadap tiap koefisien dari polinomial dan kemudian
disama dengankan nol sehingga diperoleh:
𝜕𝐷2 𝑛
= −2 𝑖=1 𝑦𝑖 − 𝒂𝟎 + 𝒂𝟏 𝒙𝒊 + 𝒂𝟐 𝒙𝟐𝒊 + ⋯ + 𝒂𝒓 𝒙𝒓𝒊 =0
𝜕𝑎0
𝜕𝐷2 𝑛
= −2 𝑖=1 𝑥𝑖 𝑦𝑖 − 𝒂𝟎 + 𝒂𝟏 𝒙𝒊 + 𝒂𝟐 𝒙𝟐𝒊 + ⋯ + 𝒂𝒓 𝒙𝒓𝒊 =0
𝜕𝑎1
𝜕𝐷2 𝑛 2
= −2 𝑖=1 𝑥𝑖 𝑦𝑖 − 𝒂𝟎 + 𝒂𝟏 𝒙𝒊 + 𝒂𝟐 𝒙𝟐𝒊 + ⋯ + 𝒂𝒓 𝒙𝒓𝒊 =0
𝜕𝑎2 8.18
.
.
.
𝜕𝐷2 𝑛 𝑟
𝜕𝑎𝑟
= −2 𝑖=1 𝑥𝑖 𝑦𝑖 − 𝒂𝟎 + 𝒂𝟏 𝒙𝒊 + 𝒂𝟐 𝒙𝟐𝒊 + ⋯ + 𝒂𝒓 𝒙𝒓𝒊 =0
Persamaan (8.18) dapat ditulis dalam bentuk:
𝑛 Σ𝑥𝑖 Σ𝑥𝑖2 … Σ𝑥𝑖𝑟 𝑎0 Σ𝑦𝑖
Σ𝑥𝑖 Σ𝑥𝑖2 Σ𝑥𝑖3 … Σ𝑥𝑖𝑟+1 𝑎1 Σ𝑥𝑖 𝑦𝑖
Σ𝑥𝑖2 Σ𝑥𝑖3 Σ𝑥𝑖4 … Σ𝑥 𝑟+2 𝑎2 Σ𝑥𝑖2 𝑦𝑖
𝑖
. . . . . = .
. 8.19
. . . . . .
.
. . . . . .
𝑟
.
Σ𝑥𝑖 Σ𝑥𝑖𝑟+1 Σ𝑥 𝑟+2 … Σ𝑥 𝑟+𝑟 𝑎𝑟 Σ𝑥𝑖𝑟 𝑦𝑖
𝑖 𝑖

Dengan semua penjumlahan adalah dari 𝑖 = 1 sampai 𝑛. Dari 𝑟 + 1

persamaan tersebut akan dicari bilangan tak diketahui 𝑎0 , 𝑎1 , 𝑎2 , … , 𝑎𝑟
dengan metode yang telah dibicarakan dalam Bab sebelumnya.
Koefisien matriks dari persamaan tersebut biasanya sangat padar
(sangat sedikit koefisien nol) dan masing-masing koefisien sangat
berbeda. Namun demikian biasanya nilai 𝑟 adalah sangat kecil
sehingga sistem persamaan tersebut masih mudah diselesaikan.
CONTOH 8.3:
Cari persamaan kurva polinomial order dua
yang mewakili data berikut:

𝑥𝑖 0 1 2 3 4 5

𝑦𝑖 2,1 7,7 13,6 27,2 40,9 61,1

 Penyelesaian Contoh 8.3:
Persamaan polinomial orde 2 mempunyai bentuk:
𝑔 𝑥 = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2
𝐸𝑖 = 𝑦𝑖 − 𝑔(𝑥)
2 2 2 (1)
𝐸𝑖 = Σ 𝑦𝑖 − 𝑎0 − 𝑎1 𝑥 − 𝑎2 𝑥
𝐷2 = Σ𝐸𝑖2
Untuk polinomial orde dua, diferensial dari 𝐷2 terhadap tiap koefisien
dari polinomial dan kemudain disama-dengankan nol menghasilkan
bentuk:
𝑛 Σ𝑥𝑖 Σ𝑥𝑖2 𝑎0 Σ𝑦𝑖
Σ𝑥𝑖 Σ𝑥𝑖2 Σ𝑥𝑖3 𝑎1 = Σ𝑥𝑖 𝑦𝑖 (2)

Σ𝑥𝑖2 Σ𝑥𝑖3 Σ𝑥𝑖4 𝑎2 Σ𝑥𝑖2 𝑦𝑖

Tabel 8.6. Hitungan regresi polinomial order dua

No 𝑥𝑖 𝑦𝑖 𝑥𝑖2 𝑥𝑖3 𝑥𝑖4 𝑥𝑖 𝑦𝑖 𝑥𝑖2 𝑦𝑖

1 0 2,1 0 0 0 0 0
2 1 7,7 1 1 1 7,7 7,7
3 2 13,6 4 8 16 27,2 54,4
4 3 27,2 9 27 81 81,6 244,8
5 4 40,9 16 64 256 163,6 654,4
6 5 61,1 25 125 625 305,5 1527,5
15 152,6 55 225 979 585,6 2488,8

Dengan melakukan hitungan dalam Tabel 8.6. maka sistem persamaan

(2) menjadi:
6𝑎0 + 15𝑎1 + 55𝑎2 = 152,6
(3)
15𝑎0 + 55𝑎1 + 225𝑎2 = 585,6
55𝑎0 + 225𝑎1 + 979𝑎2 = 2488,8
Sistem persamaan (3) dapat diselesaikan dengan metode Gauss-Jordan
Hasilnya adalah 𝑎0 = 2,4786,
𝑎1 = 2,3593, dan 𝑎2 = 1,8607.
70

Dengan demikian persamaan kurva 60

y = 1,8607x2 + 2,3593x + 2,4786

adalah: 50 R² = 0,9985

𝑦 = 1,8607𝑥 2 + 2,3593𝑥 + 2,4786 40

Software Excel juga digunakan 30
untuk menyelesaikan persamaan
20
dengan mudah. Hanya dengan
memasukkan data hubungan x-y 10

dapat ditampilkan gambar sebaran 0

0 1 2 3 4 5 6
data dan kurva yang mewakilinya.
Dipilih kurva polinomial
05
Regresi Linier
dengan Banyak
Variabel
Analisis Numerik
Pertemuan ke - 09
“ Metode regresi linier yang telah dipelajari di depa n
dapat dikembangkan untuk kasus dimana y adalah
fungsi linier dari dua atau lebih variabel . Misalnya, y
merupakan fungsi linier terhadap 𝑥1 dan 𝑥2 dalam
bentuk:
𝑦 = 𝑎0 + 𝑎1 𝑥1 + 𝑎2 𝑥2
Persamaan tersebut dapat digunakan untuk
mempresentasikan data pengamatan dimana

”
variabel yang dipelajari merupakan fungsi dari dua
variabel

—Someone Famous
Seperti telah diberikan di depan, nilai terbaik dari koefisien 𝑎0 ,
𝑎1 , dan 𝑎2 dperoleh dengan mencari kuadrat dari kesalahan
yang dihitung dengan persamaan berikut:
𝑛
2
𝐷2 = 𝑦𝑖 − (𝑎0 + 𝑎1 𝑥1,𝑖 + 𝑎2 𝑥2,1 )
𝑖=1
Dengan cara seperti dalam sub bab terdahulu, persamaan di
atas diturunkan terhadap tiap koefisien dari polinomial dan
kemudian disamadengankan nol, sehingga diperoleh bentuk
berikut:
𝑛𝑎0 + Σ𝑥1,𝑖 𝑎1 + Σ𝑥2,𝑖 𝑎2 = Σ𝑦𝑖
2
Σ𝑥1,𝑖 𝑎0 + Σ𝑥1,𝑖 𝑎1 + Σ𝑥1,𝑖 𝑥2,𝑖 𝑎2 = Σ𝑥1,𝑖 𝑦𝑖
2
Σ𝑥2,𝑖 𝑎0 + Σ𝑥1,𝑖 𝑥2,𝑖 𝑎1 + Σ𝑥2,𝑖 𝑎2 = Σ𝑥2,𝑖 𝑦𝑖
Atau dalam bentuk matriks menjadi:
𝑛 Σ𝑥1,𝑖 Σ𝑥2,𝑖 𝑎0 Σ𝑦𝑖
2
Σ𝑥1,𝑖 Σ𝑥1,𝑖 Σ𝑥1,𝑖 𝑥2,𝑖 𝑎1 = Σ𝑥1,𝑖 𝑦𝑖 8.20
Σ𝑥2,𝑖 Σ𝑥1,𝑖 𝑥2,𝑖 2
Σ𝑥2,𝑖 𝑎2 Σ𝑥2,𝑖 𝑦𝑖
 Sistem persamaan (8.20) dapat diselesaikan dengan
menggunakan metode penyelesaian sistem persamaan
linier untuk mendapatkan koefisien 𝑎0 , 𝑎1 , dan 𝑎2 .
Secara umum persamaan regresi linier dengan m
variabel mempunyai bentuk berikut:
𝑦 = 𝑎0 + 𝑎1 𝑥1 + 𝑎2 𝑥2 + ⋯ + 𝑎𝑚 𝑥𝑚
Dimana koefisien 𝑎0 , 𝑎1 , 𝑎2 sampai 𝑎𝑚 dapat dihitung dari
sistem persamaan berikut:
𝑛 Σ𝑥1,𝑖 Σ𝑥2,𝑖 … Σ𝑥𝑚,𝑖 𝑎0 Σ𝑦𝑖
Σ𝑥1,𝑖 2
Σ𝑥1,𝑖 Σ𝑥1,𝑖 𝑥2,𝑖 … Σ𝑥1,𝑖 𝑥𝑚,𝑖 𝑎1 Σ𝑥1,𝑖 𝑦𝑖
Σ𝑥2,𝑖 Σ𝑥2,𝑖 𝑥1,𝑖 2
Σ𝑥2,𝑖 … Σ𝑥2,𝑖 𝑥𝑚,𝑖 𝑎2 Σ𝑥2,𝑖 𝑦𝑖
. . . . . . = .
. . . . . . .
. . . . . . .
Σ𝑥𝑚,𝑖 Σ𝑥𝑚,𝑖 𝑥1,𝑖 Σ𝑥𝑚,𝑖 𝑥2,𝑖 … 2 𝑎𝑟 2
Σ𝑥𝑚,𝑖 Σ𝑥𝑚,𝑖 𝑦𝑖
Koefisien korelasi dapat hitihung dengan Persamaan
8.13
CONTOH 8.4:
Buat persamaan kurva yang mewakili data
berikut:

𝑥1 0 2 2,5 1 4 7

𝑥2 0 1 2 3 6 2

𝑦 5 10 9 0 3 27
 Penyelesaian Contoh 8.4:
Penyelesaian dilakukan dengan menggunakan tabel 8.7:
Tabel 8.7. Hitungan regresi linier dengan banyak variabel

n 𝒚 𝒙𝟏 𝒙𝟐 𝒙𝟐𝟏 𝒙𝟐𝟐 𝒙𝟏 𝒙𝟐 𝒙𝟏 𝒚 𝒙𝟐 𝒚

1 5 0 0 0 0 0 0 0
2 10 2 1 4 1 2 20 10
3 9 2,5 2 6,25 4 5 22,5 18
4 0 1 3 1 9 3 0 0
5 3 4 6 16 36 24 12 18
6 27 7 2 49 4 14 189 54
54 16,5 14 76,25 54 48 243,5 100
 Penyelesaian Contoh 8.4:
Nilai-nilai yang diperoleh dalam tabel 8.7 dimasukkan dalam sistem
persamaan, sehingga diperoleh:
6 16,5 14 𝑎0 54
(1)
16,5 76,25 48 𝑎1 = 243,5
14 48 54 𝑎2 100
Persamaan (1) dapat diselesaikan dengan metode yang diberikan
dalam bab penyelesaian sistem persamaan linier dan hasilnya adalah
𝑎0 = 5, 𝑎1 = 4, dan 𝑎2 = −3. Persamaan kurva yang dihasilkan
adalah:
𝑦 = 5 + 4𝑥1 − 3𝑥2
Dimana :
𝑌 = Y perhitungan rumus yang didapatkan
𝑌 = rata-rata Y
 SOAL
LATIHAN 09
ANALISIS
NUMERIK
1. Diberikan data hubungan antara nilai 𝒙 dan 𝒚 berikut ini.
Gambarkan sebaran titik data tersebut dalam sistem
koordinat 𝒙 − 𝒚. Pelajari bentuk kurva yang sesuai
berdasarkan sebaran titik data tersebut, dan buatlah
persamaan garis yang dapat mewakilinya dengan
persamaan polinomial.

x 0,05 0,4 0,8 1,2 1,6 2,0 2,4

y 550 750 1000 1400 2000 2700 3750
2. Buatlah kurva regresi linier dengan banyak variabel yang
dapat mempresentasikan data berikut ini.

𝑥1 0 1 2 0 1 2

𝑥2 2 2 4 4 6 6

𝑦 19 12 11 24 22 15
Thanks!

CREDITS:
This presentation template
was created by Slidesgo,
including icons by Flaticon,
infographics & images by Freepik
and illustrations by Stories

Please keep this slide for attribution