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.
y 89.18 128.76 130.34 152.92 146.5 207.08 219.66 177.24 267.82 214.4
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
14
Dihitung dengan LINEST
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
17
3.3.2. Finding the Coefficients of a Best-Fit Exponential Curve
18
3.3.3. Fitting a Power Function to Data
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
21
c
c
22
c
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