Anda di halaman 1dari 23

S1- TEK NIK KOMPUTER

ANALISIS SISTEM
KOMPUTER DAN
JARINGAN

Materi-08

MEMBANGUN MODEL
DENGAN LINEAR REGRESSION

S1- TEK NIK KOMPUTER

MODEL?
Model adalah rencana, representasi, atau deskripsi

yang menjelaskan suatu objek, sistem, atau konsep


yang seringkali berupa penyederhaan atau idealisasi.
Bentuknya dapat berupa:
Model Fisik (Maket, Prototipe)
Model Citra (Gambar rancangan, Citra komputer)
Rumusan Matematis

S1- TEK NIK KOMPUTER

MODEL?
Contoh:
Pengaruh biaya promosi terhadap banyaknya barang

yang terjual Rumusan Matematis.


Durasi nyala lampu lalu lintas otomotis berdasarkan

tingkat kemacetan kendaraan. Prototype.

S1- TEK NIK KOMPUTER

Variabel bebas/ Variabel tak bebas?

LINEAR REGRESSION
Linear regression : Salah satu teknik yang dapat

digunakan untuk melihat hubungan antara 2/ lebih


variabel/ sample pada suatu model.
Estimasi terhadap pola dari data sample/ variabel yang

cenderung linear.
Memungkinkan peramalan nilai suatu variabel tak

bebas dari nilai variabel bebas.

S1- TEK NIK KOMPUTER

LINEAR REGRESSION (2)


y

Garis regresi linier, dengan persamaan model line

S1- TEK NIK KOMPUTER

Garis Regresi Linier


dengan persamaan
Dimana: y = a + bx
dimanatak bebas (predicted
= variabel
a = konstanta
response)
b = koefisiensi regresi

x = variabel bebas (predictor


variable)
b0 dan b1 = parameter regresi yang
ditentukan dari sample data
x

LINEAR REGRESSION (3)


Digunakan observasi sebanyak n dengan pasangan (x1,

y1), . . . , (xn, yn) maka parameter regresi didefinisikan


oleh persamaan:

Dimana:
= nilai rata-rata dari variabel bebas/ predictor variable
= nilai rata- rata dari variabel tak bebas/ predicted
response

S1- TEK NIK KOMPUTER

LINEAR REGRESSION (4)


Garis Regresi merupakan Garis linear yang

menunjukan pola hubungan antara variabel/ sample.


Sebenarnya hanya merupakan garis taksiran yang
dipakai untuk mewakili pola sebaran data
tersebut .

S1- TEK NIK KOMPUTER

CONTOH:
Telah dibuat suatu prototype mengenai Pengendaliaan
Lampu Lalu Lintas Otomatis. Dimana, tingkat kemacetan
kendaraan akan mempengaruhi durasi nyala lampu lalu
lintas. Hasil pengujian ditunjukan pada tabel. Tentukan
model linear dari durasi nyala lampu lalu lintas
berdasarkan tingkat
kemacetan kendaraan.
Panjang kemacetan
Durasi Nyala Lampu

S1- TEK NIK KOMPUTER

kendaraan (cm)

lintas (sec)

14

16

27

42

39

10

50

13

83

20

CONTOH:
Jawab:

Sehigga model linear dari sistem adalah:


Durasi Nyala Lampu = -0.0083 + 0.2438 Panjang
Kemacetan
Kendaraan .

S1- TEK NIK KOMPUTER

Plotting dari linear model :

S1- TEK NIK KOMPUTER

MATLAB
% Linear Regression
x = [14 16 27 42 39 50 83]; % Predictor/variable
y = [2 5 7 9 10 13 20]; % Response
a = (x.*y);
b=x.^2;
c=y.^2;
d = sum(x); %sigma x
e = sum(x.^2); %sigma x^2
f = sum(y); % sigma y
g = sum(y.^2); % sigma y^2
h = sum(x.*y); % sigma xy
mean_x = mean(x);
mean_y = mean(y);
n=6;
% Regression parameters
b1 = (h - n*mean_x*mean_y)/(e - n*mean_x^2);
b0=mean_y- b1*mean_x;

S1- TEK NIK KOMPUTER

MATLAB
% estimation
y_hat = b0 + b1*x
sigma_y_hat = sum(y_hat)
error = y - y_hat
sigma_error = sum(error)
error2 = error.^2
sigma_error2 =sum(error2)
%Plot
x_minimum = min(x) - 0.2*min(x);
x_maximum = max(x) + 0.2*max(x);
x_hat_plot = x_minimum:x_maximum;
y_hat_plot = b0 + b1*x_hat_plot;
plot(x,y, 'r*')
hold on
plot(x_hat_plot,y_hat_plot, 'r--')
xlabel('Jumlah I/O disk');
ylabel('Waktu CPU dalam ms');

S1- TEK NIK KOMPUTER

INTERVAL KEPERCAYAAN UNTUK


PARAMETER REGRESI
Parameter b0 dan b1 merupakan parameter regresi

dari variabel/sampel. Jadi apabila kita menggunakan


sampel yang berbeda mungkin akan menghasilkan
nilai yang berbeda pula.
Kita dapat menggunakan interval kepercayaan

untuk memberikan estimasi terhadap populasi


yang sesungguhnya (model yang sebenarnya).

S1- TEK NIK KOMPUTER

INTERVAL KEPERCAYAAN UNTUK


PARAMETER REGRESI (2)
Jadi, model yang sebenarnya didefinisikan

sebagai:

Parameter regresi b0 dan b1 adalah statistik dari


parameter populasi 0 dan 1.

S1- TEK NIK KOMPUTER

INTERVAL KEPERCAYAAN UNTUK


PARAMETER REGRESI (3)
Standar deviasi dari b0 dan b1 dapat dihitung

dengan rumusan:

dimana se adalah standar deviasi dari error

S1- TEK NIK KOMPUTER

INTERVAL KEPERCAYAAN UNTUK


PARAMETER REGRESI (4)
Maka inverval kepercayaan 100(1-)% untuk b0 dan

b1 dapat dihitung dengan t[1-/2; n-2] adalah:

S1- TEK NIK KOMPUTER

CONTOH
Dari contoh sebelumnya suatu prototype mengenai

Pengendaliaan Lampu Lalu Lintas Otomatis. Dimana,


tingkat kemacetan kendaraan akan mempengaruhi durasi
nyala lampu lalu lintas didapatkan bahwa:
(standar deviasi dari error = 1.0834)

S1- TEK NIK KOMPUTER

Dari nilai tersebut kita dapatkan standar deviasi dari b 0 dan b1


adalah:

Maka dari tabel pada C didapatkan t-variate dengan 5 derajad


kebebasan dari interval kepercayaan 90% adalah 2.015

S1- TEK NIK KOMPUTER

S1- TEK NIK KOMPUTER

Sehingga interval kepercayaan 90% dari b 0 adalah:

Dan interval kepercayaan 90% dari b1 adalah:

S1- TEK NIK KOMPUTER

TUGAS
Tabel berikut merupakan
hasil pengujian pada
perancangan sistem tracking
cahaya matahari berbasis
sensor cahaya untuk
optimasasi kinerja panel
surya.
Pengujian yang dilakukan
untuk mengetahui derajat
putaran motor servo dari
panel surya berdasarkan
derajat posisi kemiringan
matahari terhadap garis
azimut bumi.

S1- TEK NIK KOMPUTER

Derajat
Kemiringan
Matahari

Derajat
Putaran
Motor
Servo

11

10

TUGAS
Tentukan:
1. Nilai b0 dan b1.
2. Model liniear dari derajat putaran motor servo berdasarkan

derajat posisi kemiringan matahari.


3. Jika derajat kemiringan matahari adalah 3,5o, Maka

berapakah derajat putaran motor servo panel surya?


4. Interval nilai b0 dan b1 pada model sesungguhnya

(populasi), dengan level kepercayaan= 95% dan standar


deviasi dari error = 1.

S1- TEK NIK KOMPUTER