KOMPUTASI GEOFISIKA
TG2240
Oleh:
Asisten :
Tujuan dari curve fitting pada data diatas adalah menentukan nilai koefisien atau
parameter model a dan b sehingga f(x) ‘fits’ dengan data.
Linear Curve Fitting (Regresi Linier) yaitu memodelkan dengan menggunakan
fungsi linier atau fungsi polinom derajat 1 sebagai berikut,
Untuk menentukan persamaan garis lurus yang fit dengan data maka syaratnya
adalah jarak setiap data terhadap garis tersebut harus minimum. Oleh karena itu,
error atau selisih antara data observasi dengan hasil kalkulasi melalui fungsi atau
model harus minimum. Jika misalkan Tiobs adalah data observasi dan Tical adalah
data hasil kalkulasi (T=a+bz) maka fungsi objektifnya adalah sebagai berikut,
Bagaimana kita menentukan koefisien sehingga model diatas fit dengan data hasil
observasi. Idenya sama dengan linear curve fitting, yaitu meminimukan fungsi
error.
Atau
MULAI
X sum = 0
Y sum = 0
X2 sum = 0
Jlh = 0
Y [i] = 0
Y [i] = a* x (1) + b
SELESAI
2. Regrresi polinom
MULAI
Input data
Input nilai x,y
Print x,y
Print data input
Polinom derajat
SELESAI
V. HASIL DAN PEMBAHASAN
1. Regrresi linier
2. Regrresi polinom
PEMBAHASAN
Dari 2 pendekatan diatas, menurut saya pendekatan model regrresi polinom lebih
baik karena disertai dengan kurva dan pengoperasiannya simple. Pada Regresi
Linier digunakan untuk menentukan fungsi linier yang paling sesuai dengan
kumpulan titik data (xn,yn) yang diketahui. Regresi Polynomial digunakan untuk
menentukan fungsi p y gp g g polinomial yang paling sesuai dengan kumpulan titik
data (xn,yn) yang diketahui.
Pada regresi polynomial, yang dimulai dengan menentukan N titik data yang
diketahui dalam (xi,yi) untuk i = 1,2,3,..,N. Lalu dilanjutkan dengan mengubah nilai
y menjadi z dengan z = ln y. Lalu, mengitung nilai a dan b dengan menggunakan
formulasi dari dengan menggunakan formulasi dari regresi linier (seperti mencari
m dan c). Diakhiri dengan didapatkan hasil dari hasil fungsi eksponensial tersebut.
Pengaruh jumlah data observasi dan derajat polinomial pada hasil pemodelan, yaitu
dapat mempengaruhi bentuk kurvanya
VI. KESIMPULAN
Setelah melakukan praktikum SOLUSI SPL :INTERPOLASI dapat di simpulkan
bahwa :
1) Mengerti dan mampu menggunakan regresi linear dan regresi data geofisika
dan geologi menggunakan bahasa python.
2) Pada regrresi linier kita dapat mengoperasikan data dalam jumlah banyak
dalam kedalaman dan temperature.
3) Pada regrresi polinom kita dapat mengoperasikan data dan hasilnya disertai
dengan kurva.
4) Regresi Linier digunakan untuk menentukan fungsi linier yang paling sesuai
dengan kumpulan titik data (xn,yn) yang diketahui.
5) Regresi Polynomial digunakan untuk menentukan fungsi p y gp g g polinomial
yang paling sesuai dengan kumpulan titik data (xn,yn) yang diketahui.