LAPORAN AKHIR

PRAKTIKUM FISIKA DASAR

METODE KUADRAT TERKECIL

(M – 2)

Nama : Hilman Zata Amani

NPM : 200110200152

Partner : Seno,Ilham,Hilman,Theresa,Calvin
Nabila,Rizki,Fathin,Ridwan,Zaky
NPM : 143,149,152,150,145,148,144,147,146,151
Fakultas / Departemen : Peternakan
Kelas / Kelompok : B/4

Tanggal : 6,Oktober 2020

Hari / Jam : Selasa/ 13.30-15.30

Nama Asisten : M Taufik H

LABORATORIUM FISIK A DASAR

PUSAT PELAYANAN BASIC SCIENCE
FAK ULTAS MATEMATIK A DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS PADJADJARAN
2020
 2020
LEMBAR PENGESAHAN

LAPORAN AKHIR
PRAKTIKUM FISIKA DASAR

METODE KUADRAT TERKECIL

(M – 2)

NAMA : Hilman Zata Amani

NPM : 200110200152
PARTNER : Seno,Ilham,Hilman,Theresa,Calvin
Nabila,Rizki,Fathin,Ridwan,Zaky
NPM : 143,149,152,150,145,148,144,147,146,151
DEPARTEMEN/FAKULTAS : Peternakan
JADWAL PRAKTIKUM : …………………………………..

KOLOM NILAI

Speaken Lap. Pendahuluan Praktikum Lap. Akhir

Jatinangor, ………………………
Asisten

___________________________
NPM
 ABSTRAK

Dalam menyajikan dan menganalisis data perlu ditampilkan grafik suatu besaran
(variabel terikat) yang berubah terhadap besaran lain (variabel bebas). 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.
Metode Kuadrat Terkecil ditemukan oleh Carl F. Gauss (matematikawan dan
fisikawan ternama asal Jerman, abad ke-17) ketika ia masih berumur 18 tahun, dan karyanya
ini masih dipakai sampai saat ini sebagai metode yang paling baik untuk menentukan
hubungan linier dari dua variabel data. Dengan metode kuadrat terkecil, kita dapat
menyajikan data dengan lebih berguna.
 BAB I PENDAHULUAN

1.1 Latar Belakang

Least Square Method atau yang biasa di kenal sebagai metode kuadrat
terkecil/regresi linear adalah suatu metode pendekatan atau pembentukan persamaan
garis lurus dari titik-titik data.

Persamaan Garis
𝑦 = 𝑎𝑥 + 𝑏

Pada metode kuadrat terkecil nilai a dan nilai b yang merupakan suatu konstanta,
akan dihitung dari sebaran data yang kita miliki.

dan

1.2 Tujuan Percobaan

1.2.1 Praktikan dapat menentukan koefisien korelasi dari beberapa pasangan data
1.2.2 Praktikan dapat mengetahui dan menggambar grafik dengan baik dan benar
 BAB II METODE PENELITIAN

2.1 Alat Percobaan dan Fungsinya

2.1.1 Kalkulator
Untuk menghitung data yang diberikan.

2.2 Prosedur Percobaan

2.2.1 Menentukan Parameter 𝑎 dan 𝑏 beserta sesatannya
1) Mendapatkan data
Pada praktikum kali ini data sudah diberikan yaitu :

2) Perkiraan fungsi data yang di minta

Dengan rumus untuk mendapatkan konstanta 𝑎 dan 𝑏

3) Menentukan fungsi yang paling memenuhi data berdasarkan nilai koefisien
korelasi, dengan rumus koefisien korelasi :

4) Membuat grafik linearisasi dari masing-masing data tersebut dengan

metode kuadrat terkecil.
 BAB III HASIL DAN PEMBAHASAN

3.1. Data Percobaan

Tabel 3.1.1 Data yang diberikan untuk diolah

Σ 𝑥 𝑦1 𝑦2 𝑦3
55 149.28 463.49 221.07

3.2 Pengolahan Data

3.2.1 Menentukan parameter 𝑎 dan 𝑏
 Parameter 𝑎
Σx𝑦1 × 𝑁 − Σx × Σ𝑦1 992,47 × 10 − 55 × 149,28
𝑎1 = 2 = = 2,07
Σ𝑥2 × 𝑁 − (Σx) 385 × 10 − 3025
 Σx𝑦2 × 𝑁 − Σx × Σ𝑦2 3564,55 × 10 − 55 × 463,49
𝑎2 = 2 = = 12,3
Σ𝑥2 × 𝑁 − (Σx) 385 × 10 − 3025

Σx𝑦3 × 𝑁 − Σx × Σ𝑦3 1660,13 × 10 − 55 × 221,07

𝑎3 = 2 = = 5,38
Σ𝑥2 × 𝑁 − (Σx) 385 × 10 − 3025

 Parameter b

Σ𝑥2 × Σ𝑦1 − Σx × Σx𝑦1 385 × 149,28 − 55 × 992,47

𝑏1 = 2 = = 3,49
Σ𝑥2 × 𝑁 − (Σx) 385 × 10 − 3025

Σ𝑥2 × Σ𝑦2 − Σx × Σx𝑦2 385 × 463,49 − 55 × 3564,55

𝑏2 = 2 = = −21,34
Σ𝑥2 × 𝑁 − (Σx) 385 × 10 − 3025

Σ𝑥2 × Σ𝑦3 − Σx × Σx𝑦3 385 × 221,07 − 55 × 1660,13

𝑏3 = 2 = = −7,50
Σ𝑥2 × 𝑁 − (Σx) 385 × 10 − 3025

3.2.2 Menentukan Sesatan 𝑎 dan 𝑏

𝑁
1
𝑆𝑦 = √ ∑{𝑦𝑖 − (𝑎𝑡 𝑥𝑖 + 𝑏𝑡 )}2
𝑁−1
𝑖=1

1
𝑆𝑦 = √ × (149,28 − (2,07 × 55 + 3,49))2 = 10,64
10 − 1

 Sesatan 𝑎

𝑁 10
Δ𝑎 = 𝑆𝑦 √ = 10,64√ = 1,17
𝑁 × ∑ 𝑥2 − (∑ 𝑥)2 10 × 385 − 3025
  Sesatan 𝑏

385
= 10,64√ = 7,26
10 × 385 − 3025

3.2.3 Menentukan Koefisien Korelasi

10×992,47−55×149,28
 𝑟1 = = 1,17
√[10×385−(3025)][2587,64−22284,51]

10×3564,55−55×463,49
 𝑟2 = = 1,9
√[10×385−(3025)][34546,36−214822,98]

10×1660,13−55×221,07
 𝑟3 = = 1,8
√[10×385−(3025)][7440,94−48871,94]
 3.2.4 Menghitung nilai yt pada setiap percobaan dengan menggunakan rumus :
1. yt = atx + bt
2. yt = atx² + btx
3. yt = atx² + bt

3.2.4.1 Data 1

 y= atx + bt

1) y=5,56

2) y=7,63

3) y=9,7

4) y=11,77

5) y=13,84

6) y=15,91

7) y=17,98

8) y=20,05

9) y=22,12

10) y=24,19

 y= 𝑎𝑡𝑥 2 +btx

1) y=5,56

2) y=15,26

3) y=29,1

4) y=47,08

5) y=69,2

6) y=95,46

7) y=125,86
8) y=160,4

9) y=199,08

10) y=241,9

 yt = atx² + bt

1) y=5,56

2) y=11,77

3) y=22,12

4) y=36,61

5) y=55,24

6) y=78,01

7) y=104,92

8) y=135,97

9) y=171,16

10) y=210,49

3.2.4.2 Data 2

 y= atx + bt

1) y=-9,04

2) y=3,26

3) y=15,56

4) y=27,86

5) y=40,16

6) y=52,46

7) y=64,76
8) y=77,06

9) y=89,36

10) y=101,66

 y= 𝑎𝑡𝑥 2 +btx

1) y=-9,04

2) y=6,52

3) y=46,68

4) y=111,44

5) y=200,8

6) y=314,76

7) y=453,32

8) y=616,48

9) y=804,24

10) y=1016,6

 yt = atx² + bt

1) y=-9,04

2) y=27,86

3) y=89,36

4) y=175,46

5) y=286,16

6) y=421,46

7) y=581,36

8) y=765,86

9) y=974,96

10) y=1208,66
 3.2.4.2 Data 3

 y= atx + bt

1) y=-2,12

2) y=3,26

3) y=8,64

4) y=14,02

5) y=19,4

6) y=24,78

7) y=30,16

8) y=35,54

9) y=40,92

10) y=46,3

 y= 𝑎𝑡𝑥 2 +btx

1) y=-2,12

2) y=6,52

3) y=25,92

4) y=56,08

5) y=97

6) y=148,68

7) y=211,12

8) y=284,32

9) y=368,28

10) y=463
  yt = atx² + bt

1) y=-2,12

2) y=14,02

3) y=40,92

4) y=78,58

5) y=127

6) y=186,18

7) y=256,12

8) y=336,82

9) y=428,28

10) y=530,5
3.2.5 Membuat Grafik Liniearisasi Untuk Masing-masing data

 Data Pertama

Y =AX+B
30
25
20
SB. Y

15 y = 2.0779x + 3.4993
10 R² = 0.9917
5
0
0 2 4 6 8 10 12
SB. X

Y = AX 2 +BX
8

6
y = -0.2646x + 4.5666
SB. Y

4 R² = 0.618

0
0 2 4 6 8 10 12
SB. X

Y =AX 2 +B
30
25
20
SB. Y

15
10 y = 0.1804x + 7.9838
R² = 0.952
5
0
0 20 40 60 80 100 120
SB. X
 Data Kedua

Y =AX+B
140
120
100
80
60
y = 12.307x - 21.341
40 R² = 0.9565
20
0
-20 0 2 4 6 8 10 12

Y =AX 2 +BX
14
12
10
8
6 y = 0.9478x + 1.7928
R² = 0.9865
4
2
0
0 2 4 6 8 10 12

Y =AX 2 +B
140
120
100
80
y = 1.1142x + 3.4509
60 R² = 0.9988
40
20
0
0 20 40 60 80 100 120
 Data Ketiga

Y =AX+B
60
50
40
30
y = 5.3848x - 7.5093
20 R² = 0.9367

10
0
0 2 4 6 8 10 12
-10

Y =AX 2 +BX
6
5
4
3 y = 0.2047x + 2.5866
R² = 0.3766
2
1
0
0 2 4 6 8 10 12

Y =AX2+B
60

50

40

30 y = 0.4923x + 3.1532
R² = 0.9975
20

10

0
0 20 40 60 80 100 120
3.3 Analisa Data
Pada praktikum M-2 ini bertujuan untuk mengetahui dan menggambar
grafik dari data yang diberikan. Berdasarkan percobaan, ada 3 pasang data yang
di berikan, yaitu data (𝑥, 𝑦1 ), (𝑥, 𝑦2 ) dan (𝑥, 𝑦3 ). Dari ketiga data tersebut di
hitunhlah parameter a dan b, sesatan a dan b, menentukan koefisien korelasi dan
membuat grafik dari pasangan data-data yang diberikah.
Pada perhitungan parameter a, didapat nilai a1 yaitu 2,07; a2 yaitu 12,3;
a3 yaitu 5,38. Pada perhitungan parameter b, didapat nilai b1 yaitu 3,49; b2 yaitu
-21,34; b3 yaitu -7,50. Pada perhitungan sesatan, didapat nilai sesatan a yaitu
1,17; nilai sesatan b yaitu 7,26. Lalu didapat koefisien korelasi r1,r2,r3. Dengan
koefisien korelasi r1 yaitu 1,27; r2 yaitu 1,9; r3 yaitu 1,8.
 BAB IV KESIMPULAN

4.1 Menghitung Parameter 𝑎 dan 𝑏

 Parameter 𝑎
a) 𝑎1 = 2,07
b) 𝑎2 = 12,5
c) 𝑎3 = 5,38

 Parameter 𝑏
a) 𝑏1 = 3,14
b) 𝑏2 = -21,34
c) 𝑏3 = -7,50

4.2 Menghitung Sesatan 𝑎 dan 𝑏

 Sesatan 𝑎 = 1,17
 Sesatan 𝑏 = 7,26

4.3 Menghitung Koefisien Korelasi

 Koefisien Korelasi
a) 𝑟1 = 1,17
b) 𝑟2 = 1,9
c) 𝑟3 = 1,8
 DAFTAR PUSTAKA
[1] Prof.Dr.Eng Camellia Panatarani,dkk.2020. Buku Panduan Praktikum Daring Fisika
Dasar. Jatinangor : Pusat Penerbitan Universitas Padjadjaran
[2] Hidayat,Anwar.2012. Analisis Regresi Korelasi.
https://www.statistikian.com/2012/08/analisis-regresi-korelasi.html