LAPORAN PRAKTIKUM

KOMPUTASI GEOFISIKA

TG2240

“CURVE FITTING DAN OPTIMALISASI”

Oleh:

Fedy Darma Wijaya Waruwu 118120144

Asisten :

Nugroho Prasetyo 12116155

Hayatun Nufus Hukama 12117031

Novia Purnama Suci 12117035

Ardi Muhammad 12117078

Rafiqh Perdana Latif 12117118

Michael Febrian Mardongan 12117128

Muhammad Ichsan 12117143

Dafa Febriansyah 12117144

Fira Pratiwi Darsono 12117151

PROGRAM STUDI TEKNIK GEOFISIKA

JURUSAN TEKNOLOGI PRODUKSI DAN INDUSTRI

 INSTITUT TEKNOLOGI SUMATERA

II. TUJUAN PRAKTIKUM

Tujuan praktikum adalah sebagai berikut:
Mahasiswa mengerti dan mampu menggunakan regresi linear dan regresi data
geofisika dan geologi menggunakan bahasa python.

III. DASAR TEORI

Curve fitting artinya membuat sebuah kurva dari rentetan titik. Kurva yang
dihasilkan berupa persamaan linear ataupun non linear (matlab menyediakan
quadratic hingga polinomial pangkat sembilan).
Curve Fitting adalah meng-capture trend dari distribusi data melalui suatu model
tunggal atau fungsi tunggal, contohnya pada gambar berikut,

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,

Polynomial Curve Fitting merupakan pendekatan trend data dengan model

polinom. Regresi ini masih termasuk regresi linier karena hubungan antara data
dengan parameter masih linier. Bentuk umum polynomial curve fitting 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

IV. LANGKAH-LANGKAH PENGERJAAN

1. Regrresi linier

MULAI

Input nilai x,y

Print nilai x,y

X sum = 0
Y sum = 0
X2 sum = 0
Jlh = 0

For i in range (n)

Y [i] = 0
Y [i] = a* x (1) + b

Print linear fitting y(i)

Print fungsi linear fitting

SELESAI
2. Regrresi polinom

MULAI

Input data
Input nilai x,y

Print x,y
Print data input

Polinom derajat

Print persamaan 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.

VII. DAFTAR PUSTAKA

 Chapra,S.C.,Canale,R.P.,1990, Numerical Method for Engineers.
 Dahrin, Darharta, dkk. 2007. Modul Praktikum Komputasi ITB. ITB:
Bandung.
 Suhendi, Cahli. dan Firdaus, Ruhul. 2020. Modul Praktikum Komputasi
ITERA. ITERA: Lampung Selatan.