Dasar-Dasar Komputasi | Magister Teknik Sistem | FT UGM | Semester II 2020/2021

Kuliah 5
CURVE FITTING

Joko Wintoko
Departemen Teknik Kimia, FT, UGM
 jwintoko@ugm.ac.id  081328527309
 www.chemeng.ugm.ac.id
Image by PIRO4D from Pixabay
Isi materi
1. Linear regression in Excel: trend lines, LINEST, Solver
2. Polynomial regression
3. Nonlinear regression by linearization
4. Multiple linear regression
5. General nonlinear regression

2
3.1. Linear regression
• Persamaan
umum:
• Kuantifikasi
Kesalahan • standard deviation:
Regresi Linier:
• coefficient of • the sum of the squares of error:
determination

3
Contoh 3.1.1
• Misalkan kita memiliki kumpulan data di bawah ini, dan kita ingin
dengan cepat menentukan kemiringan dan perpotongan y dari garis
yang paling cocok melaluinya.

x 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2

y 89.18 128.76 130.34 152.92 146.5 207.08 219.66 177.24 267.82 214.4

x 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9

y 276.98 320.56 347.14 268.72 347.3 311.88 369.46 414.04 376.62

https://engineerexcel.com/linear-regression-in-excel-3-alternative-methods/
4
3.1.1.
Memakai
fungsi
Trendline

Persamaan berupa
teks, jika akan
digunakan harus ditulis
ulang secara manual

5
3.1.2. Memakai fungsi LINEST
• Fungsi LINEST melakukan ini dengan sempurna. Diketahui dua kumpulan data, x
dan y, ini akan mengembalikan nilai kemiringan (m) dan titik potong (b) yang
melengkapi persamaan y =mx + b
• Sintaks fungsinya adalah sebagai berikut:
LINEST(known_y’s, [known_x’s], [const], [stats])
• Dimana:
known_y adalah data y yang Anda coba paskan
known_x adalah data x yang Anda coba paskan
Const adalah nilai logika yang menentukan apakah intersep dipaksa ke nol (FALSE) atau tidak
(TRUE)
Stats adalah nilai logis yang menentukan apakah statistik regresi dikembalikan

6
 Jalankan dengan
menekan tombol
CTRL+SHIFT+ENTER

7
8
3.1.3. Regresi Menggunakan Excel Solver
a. Ambil nilai tebakan untuk m dan b, dan hitung y_cal = mx+b

9
b. Hitung error = y – y_calc

10
c. Hitung the sum of the square of error = SUMSQ

11
d. Kita akan menggunakan Solver untuk meminimalkan nilai sumsq
(jumlah kesalahan kuadrat).

12
e. Diperoleh nilai m dan b sama dengan metode lain.

13
3.2. Polynomial regression
• Diketahui data percobaan sebagaimana tercantum dalam tabel di
bawah ini. Hitunglah koefisien dari persamaan pendekatan yang
berbbentuk polynomial order 3.

x 0 1 2 3 4 5

y 2.1 7.7 13.6 27.2 40.9 61.1

14
 Dihitung dengan LINEST

Dihitung dengan Trend Line

15
3.3. Nonlinear regression by linearization
1. Fitting a Logarithmic Curve to Data
2. Finding the Coefficients of a Best-Fit Exponential Curve
3. Fitting a Power Function to Data

16
3.3.1. Fitting a Logarithmic Curve to Data

Dihitung dengan Trend Line

17
3.3.2. Finding the Coefficients of a Best-Fit Exponential Curve

Dihitung dengan Trend Line

18
3.3.3. Fitting a Power Function to Data

Dihitung dengan Trend Line

19
3.4. Multiple linear regression
• Gunakan regresi linier berganda untuk mendapatlan persamaan
pendekatan untuk data ini:

x1 x2 y
0 0 5
2 1 10
2.5 2 9
1 3 0
4 6 3
7 2 27

20
EXCEL SOLVER

Nilai tebakan awal

21
 c

c
22
 c

Jadi nilai a0 = 5, a1 = 4, dan a2 = -3

23
3.5. General nonlinear regression
• Pasangkan fungsi berikut ini ke data dalam tabel.
Fungsi: 𝑦 =𝑎 0
( 1 − 𝑒 −𝑎 𝑥
1
)

Data: x y
0.25 0.28
0.75 0.57
1.25 0.68
1.75 0.74
2.25 0.79

24
Penyelesaian dengan SOLVER seperti pada contoh-contoh sebelumnya.

25
Life is a math equation. In order to gain the most, you have to know
how to convert the negatives into positives.
Author unknown

26