Pendekatan Fungsi

dan Regresi

TF2102 Probabilitas & Statistik 2022

Program Studi Teknik Fisika

Fakultas Teknologi Industri

Institut Teknologi Bandung
Tujuan Pendekatan Fungsi
◼ Tujuan f(x)
❑ Menyelidiki hubungan
antara dua variabel
◼ Formulasi
❑ Hubungan antara dua
variabel dinyatakan dalam
formulasi
y = f (x )
◼ Visualisasi Pendekatan
❑ Grafik yang paling Fungsi x
mendekati titik data dengan
jumlah penyimpangan
terkecil

2
Penggunaan & Metode Pendekatan
Fungsi
◼ Penggunaan f(x)
❑ Pada data
eksperimental yang
umumnya mengandung
kesalahan inheren
◼ Metode
❑ Kuadrat Terkecil
Pendekatan
(Least Square) Fungsi x

3
Metode Kuadrat Terkecil untuk
Polinom
◼ Konsep
❑ Untuk n pasangan data (xi, yi), i = 1,2, …, n akan
dicari polinom berderajat m < n yang paling
mendekati seluruh data dengan jumlah kuadrat
simpangan terkecil menurut persamaan:

Y = k0 + k1 x +  + km x m
❑ Simpangan pada titik (xi, yi) adalah:
 i = yi − Yi

4
Metode Kuadrat Terkecil untuk
Polinom
❑ Jumlah kuadrat penyimpangan :
S =   i =  ( yi − Yi ) =  (Yi − yi )
2 2 2


=  ( k0 + k1 xi + )− y 
2
+k x m
m i i

❑ S terkecil diperoleh jika :

S
= 0, j = 0,1, 2, ,m
k j

5
Metode Kuadrat Terkecil untuk
Polinom
 S
 k =  2 
( k 0 + k 1 xi + + k m xi
m

) − yi = 0
 0
 S
 k  i 0 1 i
= 2 x ( k + k x + + k x m

m i ) − yi = 0
 1
 Dari m+1,

 S =  2 x m ( k + k x + + k x m ) − y = 0
persamaan
 km i  0 1 i m i  i k0 – km dapat
atau dicari

 nk0 + k1  xi + + km  xim =  yi

 k0  xi + k1  xi + + km  xi =  xi yi
2 m +1



 k  x m + k  x m +1 + + k  x 2 m =  x m y
 0 i 1 i m i i i

6
Metode Kuadrat Terkecil untuk
Sistem Linier
◼ Minimisasi galat
 de 
N 2  N  dk 
min  e (k ) →
dS
=  2e (k )
de
0
=0
k 0 , k1  i =1  dki i =1  
 dk1 

S
=  2 ( k0 + k1 xi ) − yi  = 0
k0 nk0 + k1  xi =  yi
S k0  xi + k1  xi 2 =  xi yi
=  2 xi ( k0 + k1 xi ) − yi  = 0
k1

7
Metode Kuadrat Terkecil untuk
Sistem Linier
◼ Penyelesaian persamaan linier
   
 n  xi  k0    yi 
   =  
 2   k1   
 xi  i
x  i i 
x y
   

−1
   
k0   n  xi    yi 
k  =    
 1 2  
 xi  xi   xi yi 
   
8
Metode Kuadrat Terkecil untuk
Sistem Linier
◼ Penyelesaian persamaan linier

  
  xi −  xi    yi 
2

  
  
 0   −  x i n    x y
i i
k
=  
k  2
 1  
n xi −   xi 
2

 

9
Metode Kuadrat Terkecil untuk
Sistem Linier
◼ Penyelesaian persamaan linier

 i  yi −  xi  xi yi
x 2
− xi  yi + n xi yi
k0 = 2
, k1 = 2
   
n xi −   xi 
2
n xi −   xi 
2

   

10
Contoh

◼ Diberikan pasangan data

x 1 2 3 4 nk0 + k1  xi =  yi
k 0  xi + k1  xi =  xi yi
2
y 0 2 12 20
cari pendekatan fungsi linier

y = f ( x) = k0 + k1 x
 x = 1 + 2 + 3 + 4 = 10
i

dengan metode kuadrat

terkecil
 y = 0 + 2 + 12 + 20 = 34
i

 x = 1 + 4 + 9 + 16 = 30
2
i

 x y = 0 + 4 + 36 + 80 = 120
i i

11
Contoh

Sistem persamaan linier

◼
4k0 + 10k1 = 34
10k0 + 30k1 = 120

12k0 + 30k1 = 102

◼ Didapatkan:
10k0 + 30k1 = 120−

2k0 = −18, k0 = −9, k1 = 7

Y = −9 + 7 x
12
Metoda Kuadrat Terkecil
untuk Fungsi Transenden
◼ Pendekatan fungsi dengan fungsi transenden sering
dilakukan.
❑ Contoh :
Y = axb atau Y = aebx

◼ Untuk memperoleh sistem persamaan linier seperti

pada pendekatan fungsi dengan polinom, maka
persamaan transenden harus dimodifikasi dulu.

13
Metoda Kuadrat Terkecil
untuk Fungsi Transenden
◼ Contoh Y = axb
❑ Ambil logaritma natural pada kedua ruas
ln Y = ln a + b ln x
❑ Definisikan penyimpangan titik data
 i = ln yi − ln Yi
 i = ln yi − (ln a + b ln xi )
❑ Jumlah kuadrat penyimpangan adalah :
S =   i =  ln yi − (ln a + b ln xi )
2 2

=  ln a + b ln xi − ln yi 
2

14
Metoda Kuadrat Terkecil
untuk Fungsi Transenden

❑ untuk mencari S terkecil

S
=  2 ln a + b ln xi − ln yi  = 0
 ln a
S
=  2 ln xi ln a + b ln xi − ln yi  = 0
b
❑ atau
n ln a + b ln xi =  ln yi
ln a  ln xi + b ( ln xi ) =  ln xi ln yi
2

15
Metoda Kuadrat Terkecil
untuk Fungsi Transenden

❑ sehingga didapat
  ln yi  (ln xi )2 −  ln xi  ln xi ln yi 
a = exp  
n (ln xi ) − ( ln xi )
2 2
 
n ln xi ln yi −  ln xi  ln yi
b=
n (ln xi ) − ( ln xi )
2 2

❑ untuk pendekatan fungsi

Y = axb

16
 Hubungan Variansi, Kovariansi,
dan Koefisien Regresi
 (x − x )( y − y )
◼ k1 dapat pula ditulis sbb.
(buktikan!) i i

k1 =
(
 ix − x )2

◼ Bandingkan dengan variansi

dan kovariansi sampel berikut:

 (x − x ) 2
 (y − y) 2
 ( x − x )( y − y )
s 2
x = ,s 2
y = , s xy =
n n n

17
Hubungan Variansi, Kovariansi,
dan Koefisien Regresi
◼ Maka didapat
s xy
k1 = 2
sxy = simpangan baku
s x estimasi nilai y
sebagai fungsi dari x.
s xy
r(X ,Y ) =
Penggunaannya
◼ dan analog dengan
sx s y simpangan baku sx.

(
s xy2 = s y2 1 − r 2 ) yest  sxy → 68% data
yest  2sxy → 95% data
yest  3sxy → 99,7% data

 ( y − y )2

s xy = est

18
Hubungan Variansi, Kovariansi,
dan Koefisien Regresi
 ( y − y ) 2
=  ( y − y est ) 2
+  est
( y − y ) 2

Koefisien
variasi total variasi yg tak variasi yg dpt korelasi
= + menyatakan
dpt dijelaskan dijelaskan ukuran
kelinieran
hubungan
variasi yg dpt antara y dan x.

r =
2  est
( y − y ) 2

=
dijelaskan |r|  1 → linier

 ( y − y ) 2
variasi total

19
Hubungan Variansi, Kovariansi,
dan Koefisien Regresi
◼ Koefisien korelasi:
cov ( X , Y )
r ( X ,Y ) =
var ( X ) var (Y )
cov ( X , Y )
=
 XY

20
Hubungan Variansi, Kovariansi,
dan Koefisien Regresi
◼ Tinjau fungsi pendekatan y = k 0 + k1 x

nk0 + k1  xi =  yi
◼ Dari sistem persamaan
linier k0  xi + k1  xi =  xi yi
2

◼ didapatkan −  xi  yi + n xi yi
k1 = 2
 
n xi −   xi 
2

 
21
Kapan Menggunakan
Pendekatan Linier?
◼ Jika kuadrat koefisien korelasi r2(X, Y)
r2(X,Y)  0,95
◼ Ketika r2(X,Y) ≥ 0,95, maka |r| (X,Y) ≥ 0,975
di mana data berada pada interval persentil 2,5%~97,5%
◼ r dapat bernilai positif maupun negatif
◼ Titik-titik (X, Y) yang dapat membentuk garis lurus
100% memiliki |r| =1

22
Contoh – Efek Farmakodinamik
Protein
◼ Koefisien korelasi:
Protein (x)
cov ( X , Y )
r ( X ,Y ) = 80
var ( X ) var (Y ) 70
60
cov ( X , Y )
= 50
 XY 40
= 0,869 30
◼ Tidak cocok diestimasi 20
menggunakan regresi linier
◼ Gunakan fungsi pendekatan
0 1 2 3 4 5 6 7 8
polinom orde lebih tinggi atau
fungsi pendekatan transenden

23
Catatan

◼ Regresi menunjukkan hubungan antara dua

variabel, bukan sebab-akibat.
◼ Hubungan merupakan syarat perlu untuk
menentukan sebab-akibat, tetapi harus dilengkapi
dengan:
❑ Variabel penyebab harus lebih dahulu muncul
sebelum variabel akibat (dalam domain waktu).
❑ Ada teori yang menjelaskan hubungan antarkedua
variabel
❑ Variabel penyebab yang berlawanan efeknya harus
dieliminasi

24
Kuis Online

❑ Himpunan ❑ Variansi
❑ Probabilitas ❑ Simpangan Baku
❑ Rerata ❑ Kovariansi
❑ Median ❑ Koefisien Korelasi
❑ Modus ❑ Regresi Linier
❑ Rank ❑ Regresi Nonlinier
❑ Persentil

25