7th Week – Metode Numerik

Analisis Regresi

Fitriyanti Mayasari
Dept. Teknik Elektro
Universitas Hasanuddin
 Outlines
Intros

Metode Kuadrat Terkecil

Regresi Linear

Regresi Non Linear

Persamaan Berpangkat

Fungsi Eksponensial
 Intros
Regresi adalah teknik/metode untuk memperoleh kurva
pendekatan dari titik-titik data

Dalam analisis regresi, akan dibuat kurva atau fungsi

berdasarkan sebaran titik-titik data.
Kurva yang terbentuk diharapkan dapat mewakili titik-
titik data tersebut.

Sering kali setelah kurva terbentuk, dilakukan ekstrapolasi

untuk mendapatkan nilai f(x) atau y, yang berkaitan
dengan nilai x yang berada di luar rangkaian data yang
ada. è Misalnya dalam melakukan forecasting/peramalan
Metode Kuadrat Terkecil
Metode yang digunakan untuk membuat kurva tersebut
adalah metode kuadrat terkecil (Least Square Method),
yang memungkinkan untuk membuat kurva yang paling
mendekati titik-titik data.
Metode Kuadrat Terkecil
Pembuatan kurva yang merupakan fungsi terbaik g(x) yang
digambarkan oleh titik-titik data dengan meminimumkan
perbedaan (selisih) antara titik-titik data dan kurva, metode ini
disebut juga dengan Regresi Kuadrat Terkecil (Least Square
Regression).
 Prosedur
Metode Kuadrat Terkecil
Titik-titik data digambar pada suatu sistem koordinat.
Dari gambar dapat diketahui trend (pola) secara umum,
1
sehingga dapat ditentukan kurva apa yang mewakili, garis
lurus (linear) atau lengkung.

Dipilih suatu fungsi g(x) yang dianggap bisa mewakili f(x)

yang memiliki bentuk umum:
2
g(x) = a0 + a1x + a2x2 + … + arxr
Fungsi ini akan tergantung pada koefisien a0, a1, a2, … , ar

Ditentukan koefisien a0, a1, a2, … , ar

3
sehingga g(x) sedekat mungkin dengan titik-titik data
 Prosedur
Metode Kuadrat Terkecil
Apabila koordinat titik-titik data adalah M(xi, yi) dengan i =
1, 2, …, n. Maka selisih ordinat antara titik-titik tersebut
dengan fungsi g(xi):
4
à Ei = Mi – Gi = yi – g(xi)
= yi – (a0 + a1xi + a2xi2 + … + arxir)

Dipilih suatu fungsi g(x) yang mempunyai kesalahan Ei

terkecil. Jumlah kuadrat dari kesalahan terkecil adalah:
5
 Prosedur
Metode Kuadrat Terkecil
Mencari koefisien a0, a1, a2, … , ar sedemikian rupa,
sehingga D2 adalah minimum. Nilai D2 akan minimum
apabila turunan pertama terhadap a0, a1, a2, … , ar adalah 0,
6 sehingga:

Penyelesaian dari langkah 6 akan memberikan nilai

koefisien a0, a1, a2, … , ar
7
Sehingga diperoleh persamaan kurva terbaik yang
mewakili titik-titik data.
 Regresi Linear
Merupakan bentuk yang paling sederhana karena data
diwakili oleh garis lurus.
Persamaannya:
a = a0
g(x) = a + bx à b=a
1

Jumlah kuadrat dari kesalahan dihitung dengan persamaan:

Agar D2 minimum è diturunkan terhadap a dan b (= nol)

 Regresi Linear
Sehingga:
 Regresi Linear
Pada persamaan pertama (turunan D2 terhadap a):
 Regresi Linear
Pada persamaan pertama (turunan D2 terhadap b):
 Contoh #1
Tentukan persamaan garis yang mewakili data berikut:

x 4 6 8 10 14 16 20 22 24 28
y 30 18 22 28 14 22 16 8 20 8
No xi yi xiyi xi2
1 4 30 120 16
2 6 28 108 36
3 8 22 176 64
4 10 28 280 100
5 14 14 196 196
6 16 22 352 256
7 20 16 320 400
8 22 8 476 484
9 24 20 480 576
10 28 8 242 784
Σ 152 186 2432 2912
Penyelesaian
y = a + bx
 Penyelesaian

Sehingga diperoleh persamaan garisnya:

y = a + bx è y = 28,5849 – 0,6569 x
 Regresi Non Linear
Dalam prakteknya, lebih sering dijumpai sebaran titik
pada sistem yang memiliki kecenderungan (trend) berupa
garis lengkung.

Agar persamaan Regresi Linear dapat digunakan untuk

merepresentasikan kurva lengkung, maka perlu dilakukan
transformasi koordinat, sehingga sebaran titik bisa
diprepresentasikan dalam kurva linear

Dua transformasi data yang biasa digunakan adalah

1. Fungsi Berpangkat
2. Fungsi Eksponensial
Persamaan Berpangkat
Memiliki bentuk:
a2
b2 } Koefisien Konstan
Persamaan tersebut dilinearkan dengan menggunakan fungsi
logaritmik:
log y = log a2 + b2 log x
Persamaan Eksponensial
Memiliki bentuk:
a1
b1 } Koefisien Konstan

Persamaan tersebut dilinearkan dengan menggunakan fungsi

logritma natural (ln):
ln y = ln a1 + b1 x ln e
 Contoh #2
Tentukan persamaan kurva lengkung yang mewakili data
berikut:

x 1 2 3 4 5
y 0,5 1,7 3,4 5,7 8,4
 Penyelesaian
Transformasi Logaritmik
y = a xb
log y = log a + b log x
Dilakukan tranformasi berikut:
log y = p
log a = A
b=B
log x = q
Maka:

p=A+Bq
No xi yi qi = log xi pi = log yi qi pi qi2

1 1 0,5 0 -0,3010 0 0
2 2 1,7 0,3010 0,2304 0,0693 0,0906
3 3 3,4 0,4771 0,5315 0,2536 0,2276
4 4 5,7 0,6020 0,7599 0,4550 0,3624
5 5 8,4 0,6990 0,9243 0,6461 0,4886
Σ 15 19,7 2,0791 2,1411 1,4240 1,1692
 Penyelesaian

Sehingga diperoleh persamaan transformasinya:

p = A + Bq è p = -0,3024 + 1,7572 q
 Penyelesaian
p = -0,3024 + 1,7572 q

Mengingat:
log a = A dan b=B
log a = - 0,3024 b = 1,7572
a = 0,4984
Maka persamaan yang dicari:

y = a xb è y = 0,4984 x1,7572
 Penyelesaian
Transformasi Logaritma Natural
y = a ebx
ln y = ln a + bx ln e
Dilakukan tranformasi berikut:
ln y = p
ln a = A
b=B
ln x = q
Maka:

p=A+Bq
No xi yi qi = ln xi pi = ln yi qi pi qi2

1 1 0,5
2 2 1,7
3 3 3,4
4 4 5,7
5 5 8,4
Σ 15 19,7
Penyelesaian
Penyelesaian
 Penyelesaian
Mana yang terbaik??
Transformasi Logaritmik atau Log Natural (eksponensial)
è Perlu dilakukan perhitungan KOEFISIEN KORELASI (r)

Nilai r berada pada range 0 – 1

(semakin mendekati 1 semakin baik)

Dimana:

dan