Institut Teknologi Sepuluh Nopember

Surabaya

METODE NUMERIK 2010

KULIAH 7
ANALISIS REGRESI

Kompetensi:
Mampu mendapatkan persamaan regresi yang sesuai dan
menghitung nilai interpolasi dan ekstrapolasi dari data.

Yuyun Tajunnisa, ST, MT

Email Addres: yuyun_t@ce.its.ac.id
 Pendahuluan Yuyun Tajunnisa, ST, MT
Email Addres: yuyun_t@ce.its.ac.id

 Data yang sering dijumpai di lapangan, sering dalam

bentuk data diskrit yang umumnya disajikan dalam bentuk
tabel. Data ini biasanya diperoleh dari hasil riset di
lapangan atau hasil eksperimen di laboratorium.
Sebagai gambaran, sebuah eksperimen di laboratorium
fisika dasar mengenai hubungan antara jarak tempuh
benda yang jatuh bebas terhadap waktu tempuh
menghasilkan data seperti disajikan dalam Tabel berikut
 Y(meter 10 20 30 40 50 60 70 80 90 100

Pendahuluan t (detik) 1,45 2,0 2,4 2,85 3,0 3,5 3,75 4,0 4,2 4,52

 Problema yang seringkali ditemui pada data di atas

adalah menentukan suatu nilai di antara titik-titik
tersebut yang dapat diketahui tanpa melakukan
pengukuran lagi.
 Misalkan kita ingin mengetahui berapa jarak tempuh
benda ketika waktu tempuhnya 12,5 detik?
Pertanyaan ini tidak secara langsung dapat dijawab,
karena fungsi yang menghubungkan variabel t dan y
tidak diketahui.
 Pendahuluan Yuyun Tajunnisa, ST, MT
Email Addres: yuyun_t@ce.its.ac.id

Salah satu solusinya adalah mencari fungsi yang

mencocokkan (fit) titik-titik dalam tabel di atas.
Pendekatan semacam ini disebut pencocokan kurva
(curve fitting) dan fungsi yang diperoleh dengan pendekatan.
Tentu saja nilai fungsi yang diperoleh juga merupakan nilai
yang hasilnya tidak setepat nilai eksaknya, tetapi cara
pendekatan ini dalam praktek sudah mencukupi karena
formula yang menghubungkan dua variabel sulit
ditemukan.
 Pendahuluan Yuyun Tajunnisa, ST, MT
Email Addres: yuyun_t@ce.its.ac.id

 Disamping untuk menghitung nilai fungsi,

pencocokan kurva juga dapat digunakan untuk
mempermudah perhitungan numerik yang lain,
misalkan menghitung turunan (derivatif) suatu
fungsi atau menghitung nilai integral.
Pendahuluan Yuyun Tajunnisa, ST, MT
Email Addres: yuyun_t@ce.its.ac.id

 Siapa bisa
menyelesaikan
persamaan ini ????

1 ln  2x 1/2
- 4x 2 5


0 1+ 2x 5
dx
 Pendahuluan Yuyun Tajunnisa, ST, MT
Email Addres: yuyun_t@ce.its.ac.id

 Seperti contoh di atas, andaikan kita dihadapkan

pada fungsi yang mempunyai bentuk cukup rumit.
Menghitung turunan fungsi tsb merupakan
pekerjaan yang tidak mudah, apalagi untuk
menghitung turunan yang lebih tinggi ordenya tentu
akan semakin sulit. Di sini diperlukan solusi yang
bersifat pendekatan.
Ada dua hal yang
Yuyun Tajunnisa, ST, MT
diharapkan dari data diskret: Email Addres: yuyun_t@ce.its.ac.id

1. Mencari bentuk kurva

yang dapat mewakili Important: Kedua
data diskret tsb. aplikasi tsb dikenal
2. Mengestimasi nilai dengan CURVE
data pada titik-titik FITTING
diantara nilai-nilai
yang diketahui.
Ada 2 Metode Pendekatan
Yuyun Tajunnisa, ST, MT
dalam Curve Fitting: Email Addres: yuyun_t@ce.its.ac.id

 Interpolasi (gbr b, c)
 Regresi Kuadrat Terkecil

(gbr a, d)

d
 Interpolasi Yuyun Tajunnisa, ST, MT
Email Addres: yuyun_t@ce.its.ac.id

 Dengan cara : membuat kurva atau

Dilakukan sejumlah kurva yang melalui setiap
apabila titik.
data yang  Gambar b menggunakan segmen
diketahui garis lurus atau interpolasi linier
untuk menghubungkan titik-titik
sangat data.
benar
 Gambar c menggunakan kurva
untuk menghubungkan titik-titik
data.
 Regresi Kuadrat Terkecil Yuyun Tajunnisa, ST, MT
Email Addres: yuyun_t@ce.its.ac.id

 Dengan cara : dibuat kurva

tunggal yang mempresetasikan
Dilakukan trend secara umum dari data.
apabila data  Karena data mungkin kurang
menunjukkan benar, maka kurva tidak
adanya dipaksakan untuk melalui setiap
titik.
kesalahan
 Titik A dan B kemungkinan
cukup besar. mempunyai kesalahan yang
besar, karena tidak mengikuti
pola penyebaran titik lainnya.
 Linear regression Yuyun Tajunnisa, ST, MT
Email Addres: yuyun_t@ce.its.ac.id

40

Temperature
26

24

20 22

20

30
20 40
30
10 20
0 10
0 10 20 0 0
 Linear regression Yuyun Tajunnisa, ST, MT
Email Addres: yuyun_t@ce.its.ac.id

40

Temperature
26

24

20 22

20

30
20 40
30
10 20
0 10
0 20 0 0
 Mengingat Prinsip Statistik
1. Nilai rata-rata
y=
 yi
n
2. Deviasi standar : untuk mengukur penyebaran data
2
  yi  y 
2
Regresi kuadrat
D
=  terkecil banyak
n 1 n 1
menggunakan
3. Varian beberapa notasi
dan teori statistik.
  
2
D 2 yi  y
2 = 
n 1 n 1
 Soal:
Berikut tabel debit sungai
Tahun
yi (Debit)
yi-ӯ (yi-ӯ)2
Hitung:
(m3/det)
1971
1972
8,52
3,33
1,486
-3,704
2,208
13,72
A. Nilai rata-rata
1973 7,85 0,816 0,666
1974
1975
7,65
10,91
0,616
3,876
0,379
15,023
B. Deviasi standar
1976 4,17 -2,864 8,202
1977
1978
3,4
8
-3,634
0,966
13,026
0,933
C. Varians
1979 13,4 6,366 40,526
1980 5,4 -1,634 2,67
1981 8,87 1,836 3,371
1982 4,73 -2,304 5,308
1983 7,4 0,366 0,134
1984 6,88 -0,154 0,024
1985 5 -2,034 4,137
Σ 105,51 Σ 110,507
 Jawab:
A. Nilai rata-rata: Tahun
yi (Debit)
(m3/det)
yi-ӯ (yi-ӯ)2
n 15

 yi  yi 105, 51
1971 8,52 1,486 2,208
1972 3,33 -3,704 13,72
y= i 1
 i 1
  7, 034 1973 7,85 0,816 0,666
n 15 15 1974 7,65 0,616 0,379
1975 10,91 3,876 15,023

B. Deviasi standar: 1976

1977
4,17
3,4
-2,864
-3,634
8,202
13,026

  yi  y 
2 1978 8 0,966 0,933
1979 13,4 6,366 40,526
105,507
=   2,810 1980 5,4 -1,634 2,67
n 1 15  1 1981 8,87 1,836 3,371
1982 4,73 -2,304 5,308
C. Varians: 1983 7,4 0,366 0,134

 yi  y 
1984 6,88 -0,154 0,024

2
110,507 1985 5 -2,034 4,137
 
2
  7,893 Σ 105,51 Σ 110,507
n 1 15  1
 Ordinary Least Squares (OLS)/
Regresi Kuadrat Terkecil

Error or “residual”
Observation

Prediction

0
0 20
 Metode Kuadrat Terkecil

Akan dibuat kurva hasil dari percobaan berupa titik-titik.

Cara termudah adalah membuat kurva secara visual
=> tidak memuaskan.
Metode yang lebih pasti dengan membuat kurva yang
meminimumkan selisih antara titik-titik data dan kurva
=> Regresi Kuadrat Terkecil
 Prosedur Metode Kuadrat Terkecil
1. Plot kan titik-titik
data => tahu
trend (pola)
2. Dipilih fungsi g(x)
yang mewakili f(x).
g(x) = a0 + a1x +
a2 x2 + …+ ar xr
Gambar Kurva mewakili titik-titik data
Prosedur Metode Kuadrat Terkecil
3. Tentukan parameter a0, a1… ar
sedemikian sedekat mungkin dg titik –
titik percobaan.
4. Apabila koordinat titik percobaan M
(xi, yi), maka selisih ordinat dengan
g(xi; a0 ,a1,a2 ,…,ar) adalah :
Ei = Mi Gi = y i - g(x i;a0 ,a1,........,ar )
= yi - g(a0 + a1x i + a2 x i2 + a3 x i3 +....+ ar x ir )
Prosedur Metode Kuadrat Terkecil
5. Pilih fungsi dengan kesalahan Ei
terkecil. n n 2

D2 =  Ei2 =  y i + g(x i )
i=1 i=1

6. Dicari parameter a0, a1, a2, …, ar

sedemikian sehingga D2 minimum.
Nilai D2 minimum bila turunan pertama
thd a0 ,a1, a2 ,…, ar adalah nol.
D2 D2 D2
=0 = 0 ... 0
a0 a1 a r
 Metode Kuadrat Terkecil untuk Kurva Linier
g(x) = a + bx Koefisien Korelasi : r = 1 (perkiraan
sempurna,
Dimana: a0 = a dan a1 = b Dt 2  D2
r r = 0 (perkiraan
Dt 2
a  y  bx buruk)
dengan
n  x i yi   x i  yi
 
n 2

b D t   yi  y
2

n xi    xi 
2
2 i 1
n 2

D 2    yi  a 0  a1x 
i 1
Kurva lengkung didekati dengan
beberapa tipe persamaan:
 Y = axb
 Y = aeb
 Y = a0 + a1x + a2x2
 Atau pers lain
 Dari beberapa alternatif tersebut, dipilih pers yang
mempunyai nilai koefisien korelasi terbesar (r = 1)
 Ada 3 Soal Regresi
Contoh
Soal di
Excell
File Name
: REGRESI

4x3

16x9
 Tugas Bab Regresi
1. Buat penurunan rumus Metode Kuadrat Terkecil untuk kurva
linier, tidak linier dan regresi polinomial
2. Kerjakan Ulang semua CONTOH SOAL pada BAB IV REGRESI
dengan cara manual kemudian dibandingkan alat bantu EXCELL
3. Cari soal aplikasi regresi di bidang sipil kemudian dikerjakan,
dibuat presentasinya, minggu depan dijelaskan di muka kelas.
(Satu kelas dibagi 6 kelompok urut absen/kelompok IUT). Waktu
Presentasi dan diskusi tiap kelompok 15 menit.
Tambahan Tugas Individu untuk memperbaiki nilai Evaluasi 1
(Sebagai ganti Minggu ke-5)

Cari soal aplikasi di bidang sipil tentang materi Akar-

akar Persamaan dan Sistem Persamaan Linier kemudian
dikerjakan (diketik dengan computer dan dikerjakan
dengan program bantu computer seperti: Excell), dibuat
presentasinya, 2 minggu lagi dikumpulkan dalam bentuk
laporan dan filenya dikumpulkan dalam 1 CD (untuk 1
kelas).
Syarat: Tidak boleh sama, jika ada yang sama dianggap
batal.
Insya Allah
See You Next Week