PENGHAMPIRAN FUNGSI

PENCOCOKAN
1. Vini Fitria Khairani (145050110)
2. Hafiza Riviani (145050092)
3. Mentari N. S. N (145050075)
4. Nurnini (145050069)
5. Lisna Adisti (145050065)
6. Nur Fatimah (145050064)
7. Novia Tiarsa Lugita (145050063)
 Pencocokan Kurva pada Data Hasil
Pengukuran

Pendekatan terbaik ialah dengan meninjau

fungsi dengan sedikit parameter bebas dan
menentukan nilai parameter tersebut sedemikian
sehingga simpangan fungsi dari titik-titik data sekecil
mugkin. Peminimuman simpangan dicapai dengan
menggunakan metode kuadrat terkecil.
 Regresi Linear

Andaikan kita ingin mencari suatu

fungsi linear yang mencocoki data dalam
tabel, dengan simpangan sekecil mungkin.
Fungsi linear dapat dinyatakan oleh g(x) = a + bx
dengan a dan b konstanta yang akan ditentukan.
Simpangan garis dari masing – masing titik data
didefinisikan oleh :
di = yi – g(xi) = yi – (a + bxi), i = 1,2,3,…,L
Dengan L banyaknya titik data. Total kuadrat
simpangan :
𝐿 𝐿
D = 𝑖=1(di) = 𝑖=1(yi − a − bxi)2
σ 2 σ
Akan dicari a dan b sedemikian sehingga D
sekecil mungkin. Nilai minimum untuk D terjadi
jika turunan – turunan parsial D terhadap a dan
b menjadi nol :
𝜕𝐷
= −2 σ𝐿𝑖=1(yi − a − bxi) = 0
𝜕𝑎
𝜕𝐷
= −2 σ𝐿𝑖=1 xi (yi − a − bxi) = 0
𝜕𝑏
Setelah dibagi -2 dapat dituliskan sebagai :
La + σ xib = σ yi
σ xi a + σ xi2 b = σ xi yi
Dengan penjumlahan berjalan untuk i dari 1
sampai dengan L. Selesaiannya adalah
L σ xi yi − ( σ xi )( σ yi )
b= Dalam bentuk matriks di dapat
L σ xi2 −( σ xi )2 bentuk sebagai berikut :
( σ yi −b σ xi ) 𝐿 σ xi 𝑎 σ yi
a= 2 =
σ xi σ x i 𝑏 σ x i yi
L
 Perhitungan Error
• Untuk menentukan seberapa bagus fungsi
hampiran mencocokkan data, dapat diukur
dengan eror RMS (Root–Mean–Square error).
1
1 2 2
ERMS = σL𝑖=1 di
L

• Semakin kecil nilai ERMS semakin bagus fungsi

hampiran mencocokkan titik-titik data.
Contoh soal :
Himpuan data hasil pengukuran

Tentukan garis regresi untuk data dalam tabel di atas.

Penyelesaian :
Koefisien – koefisien untuk sistem persamaan adalah
L=5 σ xi = 39,69 σ yi = 26,16
σ xi2 = 392,3201 σ xi yi = 238,7416
Sehingga persamaan – persamaan menjadi :
5 a + 39,69 b = 26,16
39,69 a + 392,3201 b = 238,7416

Selesaiannya adalah a = 2,0384 dan b = 0,4023

Garis regresinya g(x) = 2,0384 + 0,4023 x
Dalam tabel di bawah dicantumkan simpangan dan
garis yang dicocokan :
i x y g = a + bx di ( d i )2
1 2,10 2,90 2,88323 0,01677 0,0002812329
2 6,22 3,83 4,54071 -0,71071 0,505108704
3 7,17 5,98 4,92289 1,05711 1,117481552
4 10,52 5,71 6,27059 -0,56059 0,314261148
5 13,68 7,34 7,54187 -0,20186 0,040747459

Dengan galat / error :

1 1
1 2 2 1 2
ERMS = σL𝑖=1 di = (1,977880096)
L 6
= 0,574148658.
 Pencocokan Kurva Dengan Polinom
Berderajat Lebih Tinggi
Regresi garis yang dijelaskan sebelumnya
bekerja dengan baik jika data hasil pengukuran
hampir linear atau rentang absis kecil. Namun
untuk kasus-kasus lain, hasil yang lebih baik
dapat diperoleh dengan mencocokkan suatu
polinom berderajat pada himpunan data
tersebut .
 Prinsip kuadrat terkecil dapat meratakan untuk
mencocoki suatu polinom berderajat tertentu pada
data hasil pengukuran.
Polinom berderajat N dituliskan sebagai :
g(x) = a0 + a1x + a2x2 + … + aNxN
Simpangan kurva dari masing-masing titik data
adalah :
Di = yi – g (xi) , i = 1, 2, … , L
Jumlah kuadrat simpangan-simpangan :
D = σ𝐿𝑖 =1(𝑑𝑖 )2 atau setara dengan

σ𝑁 σ 𝐿 𝑛+𝑘 σ 𝐿 𝑘
[
𝑛 =0 𝑖=1 1𝑥 ] 𝑎 𝑛 = 𝑖=1 𝑥𝑖 𝑦𝑖 untuk k = 0,1,….,N

Yang secara lebih gamblang dapat ditulis dalam bentuk persamaan matriks
sebagai :

Koefisien-koefisien ai , i = 0,1,2,…,N ditentukan dengan metode

eliminasi Gauss.
 CONTOH SOAL
Cocokan polinom kuadrat untuk data pada tabel
berikut :

x 0.0 0.2 0.4 0.7 0.9 1.0

y 1.016 0.768 0.648 0.401 0.272 0.193
Penyelesaian :
L=6
∑𝑥𝑖 = 3.2 ∑𝑦𝑖 = 3.298
∑𝑥𝑖 2 = 2.50 ∑𝑥𝑖 𝑦𝑖 = 1.1313
∑𝑥𝑖 3 = 2.144 ∑𝑥𝑖 2 𝑦𝑖 = 0.74421
∑𝑥𝑖 4 = 1.9234
Persamaan untuk koefisien-koefisien dalam bentuk
matriks menjadi
6 3.2 2.5 𝑎0 3.298
3.2 2.5 2.144 𝑎1 = 1.1313
2.5 2.144 1.9234 𝑎2 0.7442
Hasil yang diperoleh setelah diselesaikan memakai
metode eliminasi gauss adalah :
𝑎0 = 0.99886 𝑎1 = -1.006 𝑎2 = 0.2103
sehingga polinom kuadrat yang dicari adalah
Y = 0.9986 – 1.006𝑥 + 0.2103𝑥 2
Evaluasi galat diperlihatkan dalam tabel berikut

𝒊 𝒙𝒊 𝒚𝒊 polinom simpangan
1 0.0 1.016 0.9986 0.0174
2 0.2 0.768 0.8058 -0.0378
3 0.4 0.648 0.6298 0.0182
4 0.7 0.401 0.3974 0.0036
5 0.9 0.272 0.2635 0.0085
6 1.0 0.193 0.2029 0.0099
PERBANDINGAN REGRESI & INTERPOLASI