Metode Numerik

“Regresi”

Oleh : Kelompok 3
1. R. Sarida (2103020007)
2. Naswa Hanna Sajidin (2103020010)
3. Dita Meilisa (2103020022)
4. Melani Laras Sati (2103020017)

Dosen Pengampu : Mirta Fera, S.Pd., M.Sc

KELAS A

PROGRAM STUDI PENDIDIKAN MATEMATIKA FAKULTAS

KEGURUAN DAN ILMU PENDIDIKAN UNIVERITAS MARITIM
RAJA ALI HAJI TANJUNG PINANG
2021- 2022
A. REGRESI LINEAR
yi
y = a + bx
y6

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

D2 = (y1- f(x1))2 + (y2- f(x2))2 + …. + (yn- f(xn))2

Dari bentuk regresi

y = a + bx

a dan b harus dibuat sedemikian hingga agar D2 menjadi minimum, sehingga:

∂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 :

1. Buatlah table penolong

x y xy x2
19 15 285 361
27 20 540 729
39 28 1092 1521
47 36 1692 2209
52 42 2184 2704
78 51 3978 6084
85 55 4675 7225
∑x ∑y ∑ xy ∑ x2
413 292 17.416 25.189

2. Menghitung nilai a dan b

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

maka di dapatkanlah persamaan regresi dari data diatas adalah y ¿ 5,267+0,605 x

B. REGRESI KUADRAT

Bentuk umum:

y = ax b

Persamaan (5.4) diubah ke dalam bentuk log.

log y = log a + b log x

Persamaan (5.5) ditransformasikan menjadi:

P = log y B=b
A = log a q = log x

Bentuk persamaan yang baru:

P=A+Bq

Persamaan (5.6) sudah merupakan bentuk persamaan linier, yang kalau

diselesaikan akan diperoleh nilai A dan B.

A dan B selanjutnya diinverse menjadi a dan b:

A = log a a = 10 A
B=b b=B

Nilai a dan b kemudian dimasukkan ke persamaan (5.4) :

y = ax b

Menentukan koefisien korelasi:

5
Dt =∑ ( yi− y )
2 2

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)

Metode Persamaan Terkecil

Σyi = na + b Σxi + c Σxi2 + d Σxi³
Σxiyi = a Σxi + b Σxi2 + c Σxi3 + d Σxi4
Σxi2y = a Σxi2 + b Σxi3 + c Σxi4 + d Σxi5
Σxi3y = a Σxi3 + b Σxi4 + c Σxi5 + d Σxi6

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

No xi yi xi2 xi3 xi4 xi5 xi6 xi yi xi2y xi3y

1 1 6 1 1 1 1 1 6 6 6
2 1 8 1 1 1 1 1 8 8 8
3 1 9 1 1 1 1 1 9 9 9
4 2 15 4 8 16 32 64 30 60 120
5 2 12 4 8 16 32 64 24 48 96
6 2 13 4 8 16 32 64 26 52 104
7 2 13 4 8 16 32 64 26 52 104
8 3 23 9 27 81 243 729 69 207 621
9 3 23 9 27 81 243 729 69 207 621
10 3 20 9 27 81 243 729 60 180 540
11 3 25 9 27 81 243 729 75 225 675
12 4 27 16 64 256 1024 4096 108 432 1728
13 4 29 16 64 256 1024 4096 116 464 1856
14 4 30 16 64 256 1024 4096 120 480 1920
15 5 30 25 125 625 3125 15625 150 750 3750
16 5 33 25 125 625 3125 15625 165 825 4125
17 5 32 25 125 625 3125 15625 160 800 4000
18 5 35 25 125 625 3125 15625 175 875 4375
19 6 37 36 216 1296 7776 46656 222 1332 7992
20 6 37 36 216 1296 7776 46656 222 1332 7992
21 6 36 36 216 1296 7776 46656 216 1296 7776
22 6 35 36 216 1296 7776 46656 210 1260 7560
23 7 38 49 343 2401 16807 117649 266 1862 13034
24 7 36 49 343 2401 16807 117649 252 1764 12348
25 7 36 49 343 2401 16807 117649 252 1764 12348
26 8 38 64 512 4096 32768 262144 304 2432 19456
27 8 36 64 512 4096 32768 262144 288 2304 18432
28 8 39 64 512 4096 32768 262144 312 2496 19968
29 9 39 81 729 6561 59049 531441 351 3159 28431
30 9 38 81 729 6561 59049 531441 342 3078 27702
31 10 40 100 1000 10000 100000 1000000 400 4000 40000
32 10 38 100 1000 10000 100000 1000000 380 3800 38000
33 10 42 100 1000 10000 100000 1000000 420 4200 42000
Σ 172 948 1148 8722 71456 614602 5466848 5833 41759 327697

Metode Persamaan Terkecil

b c d
Σx Σx Σx
Σyi = na + i + i
2
+ i³
a b c d
Σxi Σx Σx Σx Σx
yi = i + i
2
+ i
3
+ i
4

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

Menghitung invers matriks

1,22381 - 0,16272 -
948 = 1 0,85529 9 0,00907
- 0,67418 - 0,00784
5833 = 0,85529 1 0,13603 6
0,16272 - 0,02856 -
41759 = 9 0,13603 9 0,00169
32769 - 0,00784 - 0,00010
7 = 0,00907 6 0,00169 2

Kalikan nilai disebelah kiri dengan hasil invers

a = -
 4,80496
12,13
b = 175
-
c = 1,11512
0,034
d = 403

Diperoleh model regresi

y = a + bx + cx² + dx3
y = -4,80496 + 12,13175x -1,11512x2 + 0,034403x3

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.