LAPORAN

PRAKTIKUM KOMPUTASI BIOMEDIK

REGRESI : LINIER DAN POLINOMIAL

Hari : Senin Tanggal : 14 oktober 2021 Jam : 13.00 –14.40 WIB

Oleh :

Nama : Innaja Atir Rizqi Alfarisa

NIM : 081911733078

Kelas : T2

Dosen Pembimbing : Endah Purwanti, S. Si, M. T

PROGAM STUDI TEKNIK BIOMEDIS

FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS AIRLANGGA
2021
 A. TUJUAN
Menentukan korelasi variable pada suatu fungsi dengan menggunakan metode regresi.

B. DASAR TEORI

Regresi merupakan suatu alat ukur yang juga dapat digunakan untuk mengukur ada atau
tidaknya korelasi antarvariabel. Jika kita memiliki dua buah variabel atau lebih maka sudah
selayaknya apabila kita ingin mempelajari bagaimana variabel-variabel itu berhubungan atau
dapat diramalkan.
Regresi Linier digunakan untuk menentukan fungsi linier yang paling sesuai dengan
kumpulan titik data (xn,yn) yang diketahui. Regresi linier adalah teknik pemodelan di mana
nilai variabel dependen dimodelkan sebagai kombinasi linier pada sekumpulan variabel
penjelas. Variabel dependen merupakan variabel yang dijelaskan atau diestimasi oleh variabel
penjelas. Sedangkan variabel penjelas merupakan variabel yang digunakan untuk
mengestimasi variabel dependen. Regresi linier sederhana mengacu pada model regresi linier
untuk satu variabel penjelas. Sedangkan, model regresi polinomial merupakan perluasan dari
model regresi linier yang memungkinkan variabel dependen dimodelkan untuk dua atau lebih
variabel penjelas.
Dalam pembuatan model regresi linier, tidak tertutup kemungkinan model awal yang
diperoleh masih kurang optimal. Hal ini dilatar belakangi oleh 3 alasan. Alasan pertama
adalah terjadinya overspecified, yaitu terlalu banyak variabel yang dimasukan ke dalam
model. Alasan kedua, model tidak mengandung variabel yang tepat. Alasan ketiga, model
tidak memiliki hubungan matematis yang benar. Terdapat beberapa metode untuk
menyeleksi variabel penjelas yang layak masuk dalam model sehingga diperoleh model
terbaik. Salah satu diantaranya yaitu Best Subset Regression.
Regresi polinomial merupakan regresi linier berganda yang dibentuk dengan
menjumlahkan pengaruh variabel prediktor (X) yang dipangkatkan secara meningkat sampai
orde ke-k. Model regresi polinomial, struktur analisisnya sama dengan model regresi linier
berganda. Artinya, setiap pangkat atau orde variabel prediktor (X) pada model polinomial,
merupakan transformasi variabel awal dan dipandang sebagai sebuah variabel prediktor (X)
baru dalam linier berganda.
Model regresi polinomial bisa mengandung satu, dua atau lebih dari dua variabel bebas.
Jika hanya terdapat satu variabel bebas, maka disebut model regresi polinomial sederhana dan
jika terdapat lebih dari satu variabel bebas maka disebut model regresi polinomial berganda.
 C. HASIL PENGAMATAN DAN PEMBAHASAN

Pada praktikum ini membahas mengenai Regresi: linier dan polynomial. Tujuan
dilakukan praktikum ini antara lain untuk menentukan korelasi variable pada suatu fungsi
dengan menggunakan metode regresi.
TASK :
1. Make a linear regression program based on data as shown below!
X 8 17 20 25 31 42 50 59 65 72 80
Y 100 130 209 276 330 359 420 487 550 645 700

2. Using hemoglobin as a blood substitute: hemoglobin-oxygen binding

Hemoglobin (Hb) is a protein present in red blood cells that is responsible for the
transport of oxygen (O2) from lungs to individual tissues throughout the body and
removal of carbon dioxide (CO2) from the tissue spaces for transport to the lungs.
The hemoglobin molecule is a tetramer and consists of four subunits, two 𝛼 chains,
and two 𝛽 chains. Each 𝛼 or 𝛽 polypeptide chain contains a single iron atom
containing heme group that can bind to one O2 molecule. Thus, a hemoglobin
molecule can bind up to four O2 molecules. The subunits work cooperatively with
each other (allosteric binding), such that the binding of one O2 molecule to one of
the four subunits produces a conformational change within the protein that makes
O2 binding to the other subunits more favourable. The binding equation between
haemoglobin and oxygen is as follows:
𝐻𝐵(𝑂2 )𝑛 ↔ 𝐻𝑏 + 𝑂2 ; 𝑛 = 1, … ,4
The exchange of O2 and CO2 gases between the lungs and tissue spaces via the
blood occurs due to prevailing differences in the partial pressures of pO2 and pCO2,
respectively. The atmospheric air contains 21% O2. The O2 in inspired air exerts a
partial pressure of 158 mmHg (milimeters of mercury), which then reduces to 100
mmHg when the inspired air mixes with the alveolar air, which is rich in CO2.
Venous blood that contacts the alveoli contains O2 at a partial pressure of 40 mmHg.
The large difference in partial pressure drives diffusion of O2 across the alveolar
membranes into blood. Most of the oxygen in blood enters into red blood cells and
binds to haemoglobin molecules to form oxyhemoglobin. The oxygenated blood
travels to various parts of the body and releases oxygen from oxyhemoglobin. The
partial pressure of oxygen in the tissue spaces depends on the activity level of the
tissues and is lower in more active tissues. The high levels of CO2 in the surrounding
tissue drive entry of CO2 into blood and subsequent reactions with water to produce
bicarbonates (HCO3-). Some of the bicarbonates enter the red blood cells and bind
to haemoglobin to form carbaminohemoglobin. At the lungs, the oxygenation of
blood is responsible for the transformation of carbaminohemoglobin to
exyhemoglobin or the dissociation of CO2 from haemoglobin, and conversion of
bicarbonates into CO2 and H2O, resulting in CO2 leaving the blood and entering into
the lungs.
The Hill equation describes a mathematical relationship between the extent of
oxygen saturation of haemoglobin and the partial pressure of O2 in blood. This
equation is derived from the application of the law of mass action to the state of
chemical equilibrium of the reaction

𝐻𝐵(𝑂2 )𝑛 ↔ 𝐻𝑏 + 𝑂2
[𝐻𝑏(𝑂2 )𝑛 ] (𝑝𝑂2 )𝑛
𝑆= = 𝑛 … (1)
[𝐻𝑏(𝑂2 )𝑛 ] + [𝐻𝑏] 𝑝50 + (𝑝𝑂2 )𝑛

Equation (1) is the Hill equation, and accounts for the observed cooperative binding
that produces the characteristic sigmoidal shape of haemoglobin-oxygen
dissociation curve.
The partial pressure of oxygen that results in occupancy of half of the oxygen
binding sites of haemoglobin is denoted by P50.
Biochemical engineers at several universities have explored the use of polymerized
bovine haemoglobin as a possible blood substitute. Monomeric haemoglobin is
small enough to leak out of capillary pores; however, by chemically attaching
several haemoglobin units together, the end of product is large enough to be retained
within the circulatory system. Date collected for tetrameric bovine haemoglobin
binding to oxygen are given in the table.
We first examine the shape of the oxygen dissociation curve by plotting the data .
we wish to determine the best-fit values of P50 and n in the Hill equation for this
data set and compare with the values measured for human haemoglobin. Equation
(1) is nonlinear but can be converted to linear form by first rearranging to:
𝑆 (𝑝𝑂2 )𝑛
= 𝑛 … (2)
1−𝑆 𝑝50
And then taking the logarithm of both sides to obtain:
𝑆 𝑛
𝑙𝑛 = 𝑛 𝑙𝑛(𝑝𝑂2 )𝑛 − 𝑛 𝑙𝑛 𝑝50 … (3)
1−𝑆
 𝑆
Plotting ln (1−𝑆) as a function of ln (𝑝𝑂2 ) produces a line with slope n and intercept

–n ln P50.
Equation (3) is the functional form for the dependency of oxygen saturation of
haemoglobin as a function of the oxygen partial pressure, and is linear in the
regression parameters.
pO2
10 20 30 40 50 60 70 80 90 100 110 120
(mmHg)

S 0.18 0.40 0.65 0.80 0.87 0.92 0.94 0.95 0.95 0.96 0.96 0.97
Table 1. Fractional saturation of haemoglobin as a function of partial pressure
of oxygen in blood.
Questions:
a. Please derive equation (1) to equation (3)!
b. Make a program of linear regression based on the data above by following the
given information! (Remember: the equation is non-linear at first, so its needed
to be linearized first. Then, input the data in the linearized equation to get the
unknown variables.)
c. Find what is n and P50!
d. Plot the data before and after linearization!

3. Make a polynomial regression program to solve a nonlinear data problem!

 1. Task no 1

Hasil

Plot :
 2. Task no 2

Hasil :
Plot :

3. Task no 3
Hasil :

Plot :

Pada praktikum ini menggunakan metode Regresi Linear, dimana diberikan 2 data
yaitu x dan y yang mengandung beberapa elemen data. Analisis regresi mempelajari bentuk
hubungan antara satu atau lebih variabel bebas (X) dengan satu variabel terikat (Y).
Terdapat 3 tugas yakni membuat regresi linear dari data yang diberikan, regresi linear dan
regresi polynomial.
 Pada tugas pertama, nilai x dan y yang diberikan didefinisikan sebagai suatu matriks
x=[8 17 20 25 31 42 50 59 65 72 80] dan y=[100 130 209 276 330 359 420 487 550 645
700]. Setelah itu, diperlukan mencari panjang data matriks yang digunakan yang dalam
kode didefinisikan sebagai m dan n dengan ketentuan bahwa m adalah panjang matriks x
dan n adalah panjang matriks y. Kemudian, diberikan suatu inisiasi dimana nilai Σx, Σx 2 ,
Σy dan Σxy adalah 0, hal ini berfungsi sebagai nilai awal dari perhitungan nilai-nilai
tersebut. Setelah itu, dilakukan perhitungan untuk mencari nilai Σx, Σx 2 , Σy dan Σxy
dengan ketentuan perhitungan dilakukan selama nilai i berada pada rentang 1 hingga
panjang matriks x. Nilai hasil perhitungan itu kemudian digunakan sebagai suatu operasi
matriks baru yakni

Sedangkan pada tugas kedua, diberikan data mengenai tekanan oksigen pada
plasma (PO2) dan banyaknya saturasi oksigen pada hemoglobin (S), data yang diberikan
kemudian diubah kedalam bentuk matriks a (PO2) dan b (S). Sebelum dilakukan
perhitungan regresi, nilai a dan b terlebih dahulu dilinearkan, pada kasus ini cara
melinearkannya melalui persamaan

Kemudian, diberikan suatu inisiasi dimana nilai Σx, Σx 2

, Σy dan Σxy adalah 0, hal ini
berfungsi sebagai nilai awal dari perhitungan nilai-nilai tersebut. Setelah itu, dilakukan
perhitungan untuk mencari nilai Σx, Σx 2 , Σy dan Σxy dengan ketentuan perhitungan
dilakukan selama nilai i berada pada rentang 1 hingga n dimana n bernilai 12. Nilai hasil
perhitungan itu kemudian digunakan sebagai suatu operasi matriks baru yakni
 Dan terakhir pada tugas 3, data yang diberikan menghasilkan suatu persamaan
polynomial derajat 2. Sehingga, pada inisiasi awalnya nilai Σx, Σx 2 , Σx.x 2 , Σ x 2 .x 2 , Σy,
Σxy dan Σ x 2 y adalah 0. Perhitungan dilakukan selama nilai i berada pada rentang 1 hingga
panjang matriks x. sehingga diperoleh persamaan

Berdasarkan hasil praktikum dan analisisnya, jika bentuk umum dari regresi
linear adalah Y=aX+b, dimana X adalah variabel bebas dan Y adalah variabel terikat.
Dengan dua buah titik (X1Y1; X2Y2; XkYk), dapat dibuat dalam beberapa persamaan.
Persamaan tersebut diubah kedalam bentuk matriks. Dihitung sedemikian hingga
didapatkan nilai a dan b.
Berbeda kasus dengan bentuk regresi polynomial derajat 2 dimana bentuk
umumnya Y=aX2+bX+c. dengan 2 titik juga dan masuk hitungan rumit didapatkan nilai a
dan b serta c nya. Grafiknya pun sedikit melengkung sebab memang bukan linier (garis
lurus).

D. KESIMPULAN
Berdasarkan hasil praktikum diatas menunjukkan bahwa korelasi variabel pada suatu
fungsi dapat menggunakan metode Regresi, pada metode regresi mempunyai korelasi
dengan data yang ada, yang diindikasikan dengan terbentuknya grafik regresi linear
maupun polynomial. Terbukti dengan didapat nilai akhir berupa besar a dan b, serta c jika
merupakan polynomial 2 derajat.

E. DAFTAR PUSTAKA
Eaton, J. W. 2002. GNU Octave Manual, Network Theory Limited. Boston: Free
Software Foundation.
King M.R. and Mody N.A. 2010. Numerical and Statistical Method for Bioengineering.
 New York: Cambridge University Press
S. Attaway. 2009. Matlab: A practical Introduction to Programming and
Problem Solving. Boston University: Boston.