2022
KELAS (B)
A. REGRESI
Regresi linier merupakan sebuah pendekatan hubungan antara variabel terikat x dan satu atau
lebih variabel bebas (y). Regresi linier sering digunakan untuk melihat nilai prediksi, jika X dan
Y memiliki hubungan maka nilai X yang telah diketahui dapat dipakai untuk memperkirakan Y.
Algoritma dari metode regresi linier adalah sebagai berikut :
a. Masukkan n nilai pasangan data.
b. Hitung nilai
c. Tampilkan 𝑦 = 𝑎𝑥 + 𝑏
d. Tampilkan pasangan data dan persamaan garis dalam grafik
e. Selesai
Soal
SCRIPT
clc;
clear all;
disp('==========================');
disp(' Regresi Linear ');
disp(' Maulina Putri Lestari ');
disp(' NIM M0220052 ');
disp('==========================');
%Soal
%Data x = [75 70 65 60 65 60 65 65 70 65 60 75]
%Data y = [85 85 80 80 80 85 85 85 90 85 80 95]
%Mulai
x=input('Masukkan nilai x : '); %Input x nilai fisika
y=input('Masukkan nilai y : '); %Input y nilai matematika
N=length(x); %Menentukan jumlah data
tabel(:,1)= x';
tabel(:,2)= y';
disp(' X Y');
disp(tabel);
x2=x*x';
xy=x*y';
Sx=sum(x); %Menjumlahkan data xi
Sy=sum(y); %Menjumlahkan data yi
a=(x2*Sy-Sx*xy)/(N*x2-Sx^2); %Menghitung nilai a
b=(N*xy-Sx*Sy)/(N*x2-Sx^2); %Menghitung nilai b
xx=50:100;
KELAS (B)
yy=a+b*xx;
plot(x,y,'o',xx,yy); %Menampilkan grafik
axis([55 80 75 100]);
title('Grafik Regresi Linier')
xlabel('x') %Memberikan label x
ylabel('y') %Memberikan label ya
fprintf('Persamaan Regresi Linear Y=%2.4f + %2.4f x\n',a,b); %Menampilkan
%Selesai
RUN DATA
TAMPILAN GRAFIK
B. INTERPOLASI LINEAR
Interpolasi merupakan suatu cara untuk mencari nilai diantara beberapa titik data yang telah
diketahui. Interpolasi dapat digunakan untuk memperkirakan suatu fungsi yang mana fungsi
tersebut tidak terdefinisi dengan suatu formula, namun terdefinisikan hanya dengan data-data
atau tabel yang tersedia. Terdapat dua jenis interpolasi yaitu interpolasi linier dan interpolasi
kuadrat.
Algoritma
1. Tentukan nilai 𝑥0, 𝑦0, 𝑥1, 𝑑𝑎𝑛 𝑦1
2. Periksa apakah 𝑥0 = 𝑥1. Jika yam aka kembali ke langkah 1 sebab nilai fungsinya tidak
terdefinisi dalam kondisi ini. Jika tidak, maka dilanjutkan ke langkah 3.
3. Masukan nilai x.
4. Periksa apakah min{𝑥0, 𝑥1 } ≤ 𝑥 ≤ max{𝑥0, 𝑥1}. Jika tidak, maka masukkan nilai x yang
lain. Jika iya, maka dilanjutkan langkah 5.
5. Hitung 𝑃 = 𝑦0 + (𝑥 − 𝑥0 ) 𝑦1−𝑦0 𝑥1−𝑥0
6. Periksa apakah 𝑦0 = 𝑦1. Karena jika sama, maka akan siperoleh 𝑃 = 𝑦0.
7. Tulis hasil 𝑦 = 𝑃.
8. Selesai
SCRIPT
clc;
clear all;
disp('==========================');
disp(' Interpolasi Linear ');
disp(' Maulina Putri Lestari ');
disp(' NIM M0220052 ');
disp('==========================');
X=[5 10 15 20 25 ];
Y=[34 46 58 70 82 ];
disp('======================')
disp(' (X) (Y) ')
disp('======================')
fprintf(' %7.2f %9.2f\n',X,Y);
disp('======================')
X0=15;Y0=58; %data sebelum X
X1=20;Y1=70; %data setelah X
X=17; %nilai Y yang dicari
if X0==X1
X1=disp('Masukkan nilai X1 : ');
end
if min(X0,X1)<= X <= max(X0,X1);
P=Y0+(X-X0)*(Y1-Y0)/(X1-X0);
else
X= disp('Masukkan nilai X yang lain: ');
end
if Y0==Y1;
P=Y0;
end
Y=P;
KELAS (B)
RUN DATA
SCRIPT
clc;
clear all;
disp('==========================');
disp(' Interpolasi Kuadrat ');
disp(' Maulina Putri Lestari ');
disp(' NIM M0220052 ');
disp('==========================');
X=[5 10 15 20 25 ];
Y=[34 46 58 70 82 ];
disp('======================')
disp(' (X) (Y) ')
disp('======================')
fprintf(' %7.2f %9.2f\n',X,Y);
disp('======================')
X0=10;Y0=46; %data sebelum X
X1=15;Y1=58; %data sebelum X
X2=20;Y2=70; %data setelah X
X=17; %nilai Y yang dicari
%Periksa
if X0==X1;
X0==X2;
disp('Fungsi Tidak Terdefinisi');
end
if min(X0,X1)<= X <= max(X0,X1);
B1=(Y1-Y0)/(X1-X0);
B2=(((Y2-Y1)/(X2-X1))-((Y1-Y0)/(X1-X0)))/(X2-X0);
P=Y0+(B1*(X-X0))+(B2*(X-X0)*(X-X1));
else
X= disp('Masukkan nilai X yang lain: ');
end
if Y0==Y1;
P=Y0;
end
Y=P;
disp(['Nilai Y dari X = 17 adalah ',num2str(P)]);
KELAS (B)
RUN DATA
Setelah dicari dengan interpolasi linier dan interpolasi kuadrat, seperti yang terlihat pada
keempat gambar diatas, didapatkan nilai y yang sama yaitu 62,8. Dari kedua metode
interpolasi ini diketahui perbedaannya yaitu, pada interpolasi linier digunakan untuk
menentukan titik-titik antara 2 buah titik dengan menggunakan garis lurus. Sedangkan pada
interpolasi kuadrat digunakan untuk mencari titik-titik antara tiga titik dengan menggunakan
pendekatan fungsi kuadrat. Interpolasi kuadrat merupakan perbaikan dari interpolasi linier.
KELAS (B)
KESIMPULAN
1. Metode regresi linier adalah sebuah pendekatan hubungan antara variabel terikat x dan
satu atau lebih variabel bebas (y). Regresi linier sering digunakan untuk melihat nilai
prediksi, jika X dan Y memiliki hubungan maka nilai X yang telah diketahui dapat
dipakai untuk memperkirakan Y. berdasarkan data yang diberikan, diperoleh persamaan
regresi liniernya sebagai berikut :
Y = ax+b
Y=0,5918x + 45,3741
2. Dari percobaan dengan interpolasi linier dan interpolasi kuadrat, seperti yang terlihat
pada keempat gambar diatas, didapatkan nilai y yang sama yaitu 62,8. Dari kedua metode
interpolasi ini diketahui perbedaannya yaitu, pada interpolasi linier digunakan untuk
menentukan titik-titik antara 2 buah titik dengan menggunakan garis lurus. Sedangkan
pada interpolasi kuadrat digunakan untuk mencari titik-titik antara tiga titik dengan
menggunakan pendekatan fungsi kuadrat. Interpolasi kuadrat merupakan perbaikan dari
interpolasi linier