1
Pengertian Regresi
2
Regresi vs. pola sebaran data
80
60
40
y
20
0
0 3 6 9 12 15
x
4
Pola Sebaran Data Cenderung Nonlinier
300
225
y
150
75
0
0 3 6 9 12 15
x
5
Pola Sebaran Data Cenderung Nonlinier
25
15
5
y
-5 0 2 4 6 8
-15
-25
x
6
Regresi Nonlinier
Model exponensial f x ae bx
Model pangkat f x ax b
8
Model Regresi Eksponensial
Uraian Rinci
9
Regresi Nonlinier: Model Eksponensial
Error regresi
(selisih antara nilai data & taksiran fungsi regresi)
adalah:
Error, i = yi – f(xi) = yi – a.ebxi.
dengan i=1..n
10
Error dalam Regresi Non-Linier
1,6
Error , i yi f xi
1,2
y
0,8
0,4
0
0 1 2 3 4 5
x
11
Kriteria Error sbg Syarat Pengepasan
n n
S i yi ae bxi 2
2
i 1 i 1
i
2 2
y ae bxi
yi ae bxi
a a i 1 i 1 a
S
n
2 yi ae bxi ebxi 0
a i 1
i
2 2
y ae bxi
yi ae bxi
b b i 1 i 1 b
S r
n
2 yi ae bxi ae bxi xi 0
b i 1
13
Meminimalkan Jumlah Kuadrat Error
Metode “Least Square”
Hasilnya:
n n
yi e bxi
a e 2bxi 0
i 1 i 1
n n
yi xi e
i 1
bxi
a xi e 2bxi 0
i 1
Koefisien a dari persamaan 1 bisa disulihkan ke
persamaan 2 sehingga diperoleh persamaan
nonlinier dalam b:
n
bxi
n
yi e n
i 1
y i xi e
bxi
n
xi e
2bxi
0
i 1 2bxi i 1
e
i 1 14
Meminimalkan Jumlah Kuadrat Error
Metode “Least Square”
15
Contoh:
16
Lembar Kerja Excel
copy copy
copy
Model Regresi Polinomial
Uraian Rinci
18
Regresi Nonlinier: Model Polinomial
19
Error dalam Regresi Non-Linier
1,6
Error , i yi f xi
1,2
y
0,8
0,4
0
0 1 2 3 4 5
x
20
Kriteria Error sbg Syarat Pengepasan
n n
S i yi a0 a1 xi a x ... a x
2 2 m 2
2 i m i
i 1 i 1
S
n
2. yi a0 a1 xi . . . am xim (1) 0
a0 i 1
S
n
2. yi a0 a1 xi . . . am xim ( xi ) 0
a1 i 1
...
S
n
2. yi a0 a1 xi . . . am xim ( xim ) 0
am i 1
22
Meminimalkan Jumlah Kuadrat Error
Metode “Least Square”
atau:
n n n n
0 1i
a
i 1
a x ... m i yi
a
i 1
x m
i 1 i 1
n n n n
0i 1i
a x
i 1
a x 2
... m i yi xi
i 1
a x m 1
i 1 i 1
...
n n n n
0i 1i
a x
i 1
m
a x m 1
...
i 1
mi ii
a x 2m
y x m
i 1 i 1
23
Meminimalkan Jumlah Kuadrat Error
Metode “Least Square”
atau:
a0 n a1 xi ... am xim yi
a0 xi a1 xi2 ... am xim 1 yi xi
a0 xi2 a1 xi3 ... am xim 2 yi xi2
...
a0 xim a1 xim 1 ... am xi2 m yi xim
24
Meminimalkan Jumlah Kuadrat Error
Metode “Least Square”
n
xi ... i a0 yi
x m
m 1
xi x 2
... xi 1 xi yi
a
i
... ... ... ... ... ...
2m
i
x m
i
x m 1
... xi am xi yi
m
25
Contoh:
Tabel data
Data hubungan koefisien Suhu, Koef. Ekspansi,
ekspansi termal () dg o
T ( F) (in/(in
o
F))
suhu (T) akan diregresi
dengan fungsi polinom 80 6,47E-06
orde-2:
40 6,24E-06
(T) = a0+ a1.T + a2.T2 -40 5,72E-06
karena sebarannya -120 5,09E-06
cenderung kuadratik. -200 4,30E-06
Sarana: Microsoft
-280 3,33E-06
Excel -340 2,45E-06
26
Contoh:
Sebaran data
7,E-06
Koef. ekspansi termal, Alpha (in/in/F)
6,E-06
5,E-06
4,E-06
3,E-06
2,E-06
1,E-06
0,E+00
-400 -300 -200 -100 0 100
Suhu, T (F)
27
Contoh:
Koefisien model
Dalam bentuk matriks:
n
T T i i
a0 yi
2
3
Ti T Ti
2
i a1 yiTi
Ti 2 T T yiTi
4 2
i
3
i a2
28
Contoh:
Koefisien model
Dalam bentuk matriks:
7 - 860 258000 a0 3,3600E - 05
- 860 258000 - 70472000 a - 2,6978E - 03
1
258000 - 70472000 2136336000 0 a2 8,5013E - 01
a0 6,02163E - 06
30
Contoh:
Data vs. Kurva Regresi
7,E-06
Koef. ekspansi termal, Alpha (in/in/F)
6,E-06
5,E-06
4,E-06
Data
3,E-06
Regresi
2,E-06
1,E-06
0,E+00
-400 -300 -200 -100 0 100
Suhu, T (F)
31
Contoh:
% Error Regresi
1,2
1
% Error Regresi
0,8
0,6
0,4
0,2
0
-400 -300 -200 -100 0 100
Suhu, T (F)
32
Linearisasi
Model Nonlinier
33
Transformasi Data:
Linierisasi Data Nonlinier
34
Transformasi Data:
Linierisasi Data Nonlinier (Eksponensial)
Banyak proses fisik atau kimiawi bisa dimodelkan oleh
persamaan ekponensial:
y ae bx
Model nonlinier diubah menjadi linier
ini bisa
melalui transformasi dengan fungsi log:
ln
y ln
a b x
z a0 a 1
z a0 a1 x
a0 & a1 selanjutnya bisa ditentukan
Koefisien2 model
dengan regresi linier.
35
Koefisien Model Linier
Koefisien a0
zi xi zi xi xi
2
a0
n xi xi
2 2
Koefisien a1
n zi xi xi zi
a1
n xi xi
2 2
36
Koefisien Model Nonlinier
(Eksponensial)
Setelah koefisien a0 dan a1 diperoleh, nilai
koefisien model nonlinier aslinya
y ae bx
bisa ditentukan sebagai:
b a1
a e a0
37
Contoh:
Tabel data
Untuk pemindaian batu t (jam) I (intensitas relatif)
ginjal biasa diinjeksikan
beberapa tetes isotop 0 1
Teknesium-99.
Separonya akan meluruh 1 0,89
tiap 6 jam. Perlu 24 jam
agar radiasinya kembali 3 0,71
ke tingkat alamiahnya.
5 0,56
Sarana: Microsoft
Excel 7 0,45
9 0,36
38
Contoh:
Sebaran data
1
Intensitas Radiasi Relatif, I
0,8
0,6
0,4
0,2
0
0 2 4 6 8 10
Waktu, t (jam)
39
Contoh:
Transformasi data
Proses peluruhan isotop dimodelkan oleh persamaan
ekponensial:
I Ae t
Model nonlinier diubah menjadi linier
ini bisa
melalui transformasi dengan fungsi log:
ln
I ln
A
t
z a0 a1
z a0 a1t
a0 & a1 selanjutnya bisa ditentukan
Koefisien2 model
dengan regresi linier.
40
Contoh:
Koefisien Model Linier
Koefisien a0
zi ti zi ti ti
2
a0
n ti ti
2 2
Koefisien a1
n zi ti ti zi
a1
n ti ti
2 2
41
Contoh: Lembar Kerja Excel
A B C D E
1 i ti zi (ti)^2 ti.zi
2 1 0 =LN(B16) =B2^2 =B2*C2
3 2 1
4 3 3
5 4 5
6 5 7
7 6 9 copy copy copy
8 = =SUM(B2:B7) copy
9 n= =A7
10 a0 = =(C8*D8-E8*B8)/(B9*D8-B8^2)
11 a1 = =(B9*E8-B8*C8)/(B9*D8-B8^2)
12 A= =EXP(B10)
13 Lambda = =B11
Contoh:
Data vs. Kurva Regresi
1
Intensitas Radiasi Relatif, I
0,8
0,6
0,4
I (data)
0,2
Regresi
0
0 2 4 6 8 10
Waktu, t (jam)
43
Contoh:
% Error Regresi
0,8
0,6
% Error
0,4
0,2
0
0 2 4 6 8 10
Waktu, t (jam)
44