“Regresi”
Oleh : Kelompok 3
1. R. Sarida (2103020007)
2. Naswa Hanna Sajidin (2103020010)
3. Dita Meilisa (2103020022)
4. Melani Laras Sati (2103020017)
KELAS A
y5
kesalahan, D = ( yi – f(xi) )
y4
y3
f(xi)
y2
y1
x1 x2 x3 x4 x5 x6
Metode yang digunakan dalam regresi linier adalah Metode Kuadrat Terkecil. Tujuan dari
metode ini adalah untuk membuat kesalahan yang terjadi sekecil mungkin, seperti terlihat
dalam gambar diatas. Caranya adalah dengan mengkuadratkan kesalahan (D2), dimana
y = a + bx
∂D2
=0
∂a
∂D2
=0
∂b
sehingga:
b=n
∑ xi y i−¿ ∑ x i ∑ y i ¿
2
n ∑ x i 2− ( ∑ x i )
Setelah didapat a dan b, lalu masukkan ke persamaan regresi y = a + bx
Untuk memprediksi apakah garis regresi yang kita buat sudah mempunyai kesalahan yang
sekecil mungkin, maka perlu dihitung suatu koefisien yang dinamakan koefisien korelasi
(r).
Koefisien korelasi mempunyai harga dari 0 – 1. Semakin mendekati nilai 1 maka r nya
semakin baik.
Rumus untuk menghitung r adalah:
Dimana
r=
√ D t 2− D 2
Dt
2
n
D t 2 =∑ ( y i− y )2
i=1
n
D =∑ ( y i−a−b x i )2
2
i=1
Contoh Soal :
Carilah persamaan garis regresi y=a+bx dari data dibawah ini!
X 19 27 39 47 52 66 78 85
Y 15 20 22 36 42 45 51 55
Penyelesaian :
a=
∑ y−b ∑ x
n ∑ xy−∑ x ∑ y n
b=
n ∑ x 2−( ∑ x )
2
292−0,605 × 413
¿
8
8× 17.416−413 ×292
¿ 292−249,87
8 ×25.189−170.569 ¿
8
42,13
¿
8 regresi y=a+bx
3. Masukkan nilai a dan b kedalam persamaan
y=a+bx
y ¿ 5,267+0,605 x
B. REGRESI KUADRAT
Bentuk umum:
y = ax b
P = log y B=b
A = log a q = log x
P=A+Bq
A = log a a = 10 A
B=b b=B
y = ax b
i=1
5
2
D 2=∑ ( y i−ax ib )
i=1
r=
√ Dt 2−D2
Dt
2
C. REGRESI KUBIK
Analisis regresi merupakan suatu analisis antara variable independent (X) dengan variabel
dependent (Y), dimana diasumsikan bahwa X mempengaruhi Y secara
exponensial,kuadratik , kubik, geometric, hiperbola dan lainnya.
Regresi non linier merupakan salah satu metode untuk memperoleh model non linier yang
menyatakan variabel dependent dan independent. Apabila hubungan fungsi antara variabel
bebas x dan variabel tidak bebas Y bersifat non linier, yaitu penyebaran data Xi dan Yi tidak
mengikuti garis lurus .
MODEL PERSAMAAN
y = a + bx + cx² + dx3
Keterangan:
y = Variabel Response atau Variabel Akibat (Dependent)
x = Variabel Predictor atau Variabel Faktor Penyebab (Independent)
a = konstanta
b dan c = koefisien regresi (kemiringan)
Tabel Bantu
No xi yi
1 1 6
2 1 8
3 1 9
4 2 15
5 2 12
6 2 13
7 2 13
8 3 23
9 3 23
10 3 20
11 3 25
12 4 27
13 4 29
14 4 30
15 5 30
16 5 33
17 5 32
18 5 35
19 6 37
20 6 37
21 6 36
22 6 35
23 7 38
24 7 36
25 7 36
26 8 38
27 8 36
28 8 39
29 9 39
30 9 38
31 10 40
32 10 38
33 10 42
45
40
35
30
25
20
15
10
5
0
1 3 5 7 9 11 1 3 1 5 1 7 19 2 1 2 3 25 27 2 9 31 33
xi yi
a b c d
Σxi2 Σx Σx Σx Σx
y = i
2
+ i
3
+ i
4
+ i
5
a b c d
Σxi 3
Σx Σx Σx Σx
y = i
3
+ i
4
+ i
5
+ i
6
Sehingga:
94 33 17 114 8722
8 = a + 2b + 8c + d
11
58 17 48 872 7145
33 = 2a + b + 2c + 6d
41 11 87
75 48 22 714 6146
9 = a + b + 56c + 02d
32 87 71 614
76 22 45 602 5466
97 = a + 6b + c + 848d
D. REGRESI POLINOMIAL
Bentuk umum :
2 3 n
y=a0 +a 1 x+ a2 x +a 3 x +…+ an x
n
Persamaan errornya : D =∑ ¿¿
2
i=1
Nilai x dan y sudah diketahui dari data.
Yang perlu dicari adalah nilai a 0 , a 1 , a2 , … an sedemikian rupa sehingga harga D2 menjadi
minimum.
Bentuk penyelesaian :
Persamaan berikut merupakan persamaan simultan yang dapat diselesaikan dengan Gauss
Elimination, Gaus Jordan, Iterasi maupun yang lainnya. Yang didapat dari persamaan diatas
adalah nilai daria 0 , a 1 , a2 , … an . Selanjutnya masukkan a 0 , a 1 , a2 , … an ke persamaan awal.
Koefisien korelasi ( r ) dapat dihitung sebagai berikut :
n
Dt 2=∑ ¿¿
i=1
n
D =∑ ¿¿
2
i=1
√
2
2−¿ D
Dt
r= ¿
Dt 2
Notasi a 0 , a 1 , a2 , … anmenyatakan order polinonial yang akan dihitung.
Polinomial order 1 menghitung a sampai a1
Polinomial order 2 menghitung a sampai a2
Polinomial order 3 menghitung a sampai a3
Demikian seterusnya.