1
Pengertian Regresi
2
Regresi vs. pola sebaran data
80
60
y
40
20
0
0 3 6 9 12 15
x
4
Pola Sebaran Data Cenderung Nonlinier
300
225
y
150
75
0
0 3 6 9 12 15
x
5
Pola Sebaran Data Cenderung Nonlinier
25
15
5
y
-5 0 2 4 6 8
-15
-25
x
6
Regresi Nonlinier
8
Model Regresi Eksponensial
Uraian Rinci
9
Regresi Nonlinier: Model Eksponensial
Error regresi
(selisih antara nilai data & taksiran fungsi regresi)
adalah:
Error, i = yi – f(xi) = yi – a.ebxi.
dengan i=1..n
10
Error dalam Regresi Non-Linier
1,6
Error, i yi f xi
1,2
y
0,8
0,4
0
0 1 2 3 4 5
x
11
Kriteria Error sbg Syarat Pengepasan
S y ae
2 bxi 2
i i
i1 i1
a a i1 i1 a
S n
2 yi aebx ebx 0
a i1
i
i
b b i1 i1 b
S r
2 yi ae bx aebx xi 0
n
i i
b i1
13
Meminimalkan Jumlah Kuadrat Error
Metode “Least Square”
Hasilnya:
n n
yi e bxi
a e 2bxi 0
i1 i1
n n
ii
y x
i1
e bxi
a i 0
x e 2bxi
i1
Koefisien a dari persamaan 1 bisa disulihkan ke
persamaan 2 sehingga diperoleh persamaan
nonlinier dalam b:
n
bxi
yi e
n
yi x i e bxi i1 n
xie2bxi 0
n
i1 2bxi i1
e
i1 14
Meminimalkan Jumlah Kuadrat Error
Metode “Least Square”
15
Model Regresi Polinomial
Uraian Rinci
16
Regresi Nonlinier: Model Polinomial
dengan i=1..n
17
Error dalam Regresi Non-Linier
1,6
Error, i yi f xi
1,2
y
0,8
0,4
0
0 1 2 3 4 5
x
18
Kriteria Error sbg Syarat Pengepasan
n n
S i yi a0 a1 xi a x ... a x
2 2 m 2
2 i m i
i1 i1
S
2. yi a0 a1xi . . . a m xim (1) 0
n
a0 i1
S
2. yi a 0 a1 xi . . . am xim (xi ) 0
n
a1 i1
...
S
2. yi a0 a1xi . . . am xim ( xim ) 0
n
am i1
20
Meminimalkan Jumlah Kuadrat Error
Metode “Least Square”
atau:
n n n n
0 1i
a a x ... m i yi
a x m
0i 1i
a x a x 2
... m i yi x i
a x m1
...
n n n n
0i 1i
a x m
a x m1
... mi ii
a x 2m
y x m
21
Meminimalkan Jumlah Kuadrat Error
Metode “Least Square”
atau:
22
Meminimalkan Jumlah Kuadrat Error
Metode “Least Square”
n
xi ... i a0 yi
x m
xi ix 2
... xim1 a1 xi y i
... ... ... ... ... ...
2m
i i ... xi a m xi yi
m m1 m
x x
23
Contoh:
Tabel data
Data hubungan koefisien Suhu, Koef. Ekspansi,
ekspansi termal () dg T (oF) (in/(ino
F))
suhu (T) akan diregresi
dengan fungsi polinom 80 6,47E-06
orde-2: 40 6,24E-06
(T) = a0+ a1.T + a2.T2 -40 5,72E-06
karena sebarannya -120 5,09E-06
cenderung kuadratik. -200 4,30E-06
Sarana: Microsoft
-280 3,33E-06
Excel -340 2,45E-06
24
Contoh:
Sebaran data
7,E-06
Koef. ekspansi termal, Alpha (in/in/F)
6,E-06
5,E-06
4,E-06
3,E-06
2,E-06
1,E-06
0,E+00
-400 -300 -200 -100 0 100
Suhu, T (F)
25
Contoh:
Koefisien model
Dalam bentuk matriks:
n T T a0 yi
2
3
i i
T i T Ti
2
i a1 y iTi
Ti 2 T T 3 4
i 2
a y T 2
i i
i
dengan penjumlahan () dilakukan untuk i=1..n.
Matriks lalu bisa diselesaikan untuk memperoleh ai.
26
Contoh:
Koefisien model
Dalam bentuk matriks:
7 -860 258000 a0 3,3600E - 05
-860 258000 - 70472000 a - 2,6978E - 03
1
258000 - 70472000 21363360000a2 8,5013E - 01
a0 6,02163E - 06
28
Contoh:
Data vs. Kurva Regresi
7,E-06
Koef. ekspansi termal, Alpha (in/in/F)
6,E-06
5,E-06
4,E-06
Data
3,E-06 Regresi
2,E-06
1,E-06
0,E+00
-400 -300 -200 -100 0 100
Suhu, T (F)
29
Contoh:
% Error Regresi
1,2
1
% Error Regresi
0,8
0,6
0,4
0,2
0
-400 -300 -200 -100 0 100
Suhu, T (F)
30
Linearisasi
Model Nonlinier
31
Transformasi Data:
Linierisasi Data Nonlinier
32
Transformasi Data:
Linierisasi Data Nonlinier (Eksponensial)
Banyak proses fisik atau kimiawi bisa dimodelkan oleh
persamaan ekponensial:
y aebx
Model nonlinier diubah menjadi linier
ini bisa
melalui transformasi dengan fungsi log:
ln y ln a bx
z a0 a1
z a0 a1x
a0 & a1 selanjutnya bisa ditentukan
Koefisien2 model
dengan regresi linier.
33
Koefisien Model Linier
Koefisien a0
a0
zi xi zi xi xi
2
n xi xi
2 2
Koefisien a1
n zi x i xi zi
a1
n xi xi
2 2
34
Koefisien Model Nonlinier
(Eksponensial)
Setelah koefisien a0 dan a1 diperoleh, nilai
koefisien model nonlinier aslinya
y aebx
bisa ditentukan sebagai:
b a1
a e a0
35
Contoh:
Tabel data
Untuk pemindaian batu t (jam) I (intensitas relatif)
ginjal biasa diinjeksikan
beberapa tetes isotop 0 1
Teknesium-99.
Separonya akan meluruh 1 0,89
tiap 6 jam. Perlu 24 jam
agar radiasinya kembali 3 0,71
ke tingkat alamiahnya.
5 0,56
Sarana: Microsoft
Excel 7 0,45
9 0,36
36
Contoh:
Sebaran data
1
Intensitas Radiasi Relatif, I
0,8
0,6
0,4
0,2
0
0 2 4 6 8 10
Waktu, t (jam)
37
Contoh:
Transformasi data
Proses peluruhan isotop dimodelkan oleh persamaan
ekponensial:
I Aet
Model nonlinier diubah menjadi linier
ini bisa
melalui transformasi dengan fungsi log:
ln I ln A t
z a0 a1
z a0 a1t
a0 & a1 selanjutnya bisa ditentukan
Koefisien2 model
dengan regresi linier.
38
Contoh:
Koefisien Model Linier
Koefisien a0
a0
zi ti zi it ti
2
n ti ti
2 2
Koefisien a1
n z it i t i z i
a1
n ti ti
2 2
39
Contoh: Lembar Kerja Excel
A B C D E
1 i ti zi (ti)^2 ti.zi
2 1 0 =LN(B16) =B2^2 =B2*C2
3 2 1
4 3 3
5 4 5
6 5 7
7 6 9 copy copy copy
8 = =SUM(B2:B7) copy
9 n= =A7
10 a0 = =(C8*D8-E8*B8)/(B9*D8-B8^2)
11 a1 = =(B9*E8-B8*C8)/(B9*D8-B8^2)
12 A= =EXP(B10)
13 Lambda = =B11
Contoh:
Data vs. Kurva Regresi
1
Intensitas Radiasi Relatif, I
0,8
0,6
0,4
I (data)
0,2
Regresi
0
0 2 4 6 8 10
Waktu, t (jam)
41
Contoh:
% Error Regresi
0,8
0,6
% Error
0,4
0,2
0
0 2 4 6 8
Waktu, t (jam)
42