Professional Documents
Culture Documents
• Curve Fitting
• Regresi Linier
• Regresi Eksponensial
• Regresi Polynomial
Regresi 1
Curve Fitting: Kasus 1
Diberikan data berupa kumpulan titik-titik diskrit.
Diperlukan estimasi / perkiraan untuk
mendapatkan nilai dari titik-titik yang berada
di antara titik-titik diskrit tersebut
f(x0)
f(x0)
x0 x0
Regresi 2
Curve Fitting: Kasus 2
Dari kumpulan titik yang membentuk data, dapat
dibuat sebuah persamaan fungsi sederhana.
Regresi 3
Curve Fitting: Regresi
Jika data menunjukkan sebuah derajat kesalahan
atau noise, dapat dibuat kurva tunggal untuk
merepresentasikan trend data tersebut.
Regresi 4
Curve Fitting: Interpolasi
Jika data yang disediakan sudah sangat presisi,
pendekatan yang dilakukan adalah dengan
membuat kurva atau urutan kurva yang sesuai
yang melalui masing-masing titik.
Regresi 5
Regresi Linier
Regresi Linier digunakan untuk menentukan fungsi linier
yang paling sesuai dengan kumpulan titik data (xn,yn)
yang diketahui.
N
⎛ N ⎞⎛ N ⎞
N ∑ xn yn − ⎜ ∑ xn ⎟⎜ ∑ yn ⎟
m = n =1 ⎝ n =1 ⎠⎝ n =1 ⎠
2
N
⎛ N
⎞
N ∑ xn − ⎜ ∑ xn ⎟
2
n =1 ⎝ n =1 ⎠
N N
∑y n ∑x n
c= n =1
−m n =1
= y − mx
N N
Regresi 7
Contoh Penyelesaian Regresi Linier
Carilah persamaan kurva linier jika diketahui data untuk
x dan y sebagai berikut:
N=7 ∑x y = 119.5
∑
n n
∑ n ∑ =
xn yn 2
1 0.5 x = 28 y n = 24 .0 x n 140
2 2.5 28 24
x= =4 y= = 3.428571
3 2.0 7 7
4 4.0 7 x119.5 − 28 x 24
m= = 0.8392857
5 3.5 7 x140 − 28 2
Regresi 9
Algoritma Regresi Linier
Regresi 10
Regresi Eksponensial
Regresi Eksponensial digunakan untuk menentukan fungsi
eksponensial yang paling sesuai dengan kumpulan
titik data (xn,yn) yang diketahui.
Regresi Eksponensial
merupakan pengembangan dari
regresi linier dengan
memanfaatkan fungsi logaritmik
Untuk fungsi y = e ax +b
dapat di logaritma-kan menjadi
atau
(
ln y = ln e ax +b )
ln y = ax + b
jika z = ax + b maka: z = ln y
Regresi 11
Contoh Penyelesaian Regresi Eksponensial
Carilah persamaan kurva eksponensial jika diketahui data
untuk x dan y sebagai berikut:
0.685 x −1.069
4.93 15 y=e
b= − 0.685 x = −1.069
5 5
Regresi 12
Tabel data hasil regresi
i x y
1 1 0.6811
2 1.5 0.9593
3 2 1.3512
4 2.5 1.9031
5 3 2.6805
6 3.5 3.7754
7 4 5.3175
8 4.5 7.4895
9 5 10.5487
10 5.5 14.8574
0.685 x −1.069
Kurva eksponensial y=e
Regresi 13
Algoritma Regresi Eksponensial
Regresi 14
Regresi Polynomial
Regresi Polynomial digunakan untuk menentukan fungsi
polinomial yang paling sesuai dengan kumpulan
titik data (xn,yn) yang diketahui.
Fungsi Pendekatan :
y = a0 + a1 x + a2 x 2 + .. + an x n
Untuk persamaan polinomial orde 2
didapatkan hubungan :
⎧ n n n
⎪na0 + (i∑ xi )a1 + ( ∑ xi )a 2 = ∑ yi
2
=1 i =1 i =1
⎪
⎪ n n n n
⎨( ∑ xi )a0 + ( ∑ xi )a1 + ( ∑ xi )a 2 = ∑ ( xi yi )
2 3
⎪ i =1 i =1 i =1 i =1
⎪ n 2 n n n
⎪( ∑ x i ) a 0 + ( ∑ x 3
i ) a 1 + ( ∑ x 4
i ) a 2 = ∑ ( x 2
i yi )
⎩ i =1
Regresi i =1 i =1 i =1 15
Contoh Penyelesaian Regresi Polinomial
Carilah persamaan kurva polinomial jika diketahui data
untuk x dan y sebagai berikut:
∑ xi yi = 585.6 ∑ i yi = 2488.8
2
xi yi n=6 x
0 2.1 ∑ xi = 15 ∑ yi = 152.6 x = 2.5 y = 25.433
1 7.7
∑ x = 55 ∑ x = 225 ∑ i = 979
3 4
2 13.6
2
i i
x
3 27.2
⎡6 15 55 ⎤ ⎧a0 ⎫ ⎧152.6 ⎫
4 40.9 ⎢15 55 225 ⎥ ⎪a ⎪ = ⎪585.6 ⎪
5 61.1 ⎢ ⎥⎨ 1 ⎬ ⎨ ⎬
⎢⎣55 225 979⎥⎦ ⎪⎩a 2 ⎪⎭ ⎪⎩2488.8⎪⎭
⎧a0 ⎫ ⎧2.47857 ⎫ sehingga
⎪ ⎪ ⎪ ⎪
⎨a1 ⎬ = ⎨2.35929 ⎬ 2
⎪a ⎪ ⎪1.86071 ⎪ y=2.47857+2.35929x+1.86071x
⎩ 2⎭ ⎩ ⎭ Regresi 16
Tabel data hasil regresi
i x y
1 1 6.69857
2 1.5 10.2041
3 2 14.64
4 2.5 20.0062
5 3 26.3028
6 3.5 33.5298
7 4 41.6871
8 4.5 50.7748
9 5 60.7928
Kurva polinomial 10 5.5 71.7411
y=2.47857+2.35929x+1.86071x2
Regresi 17
Algoritma Regresi Polinomial