1 / 15

Regresi

Regresi. Nana Ramadijanti. Penghitungan Error. Untuk menentukan seberapa bagus fungsi hampiran mencocokkan data dapat diukur dengan error RMS (Root-Mean-Square error) Semakin kecil nilai E RMS semakin bagus fungsi hampiran mencocokkan titik2 data.

greg
Download Presentation

Regresi

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Regresi Nana Ramadijanti

  2. Penghitungan Error • Untuk menentukan seberapa bagus fungsi hampiran mencocokkan data dapat diukur dengan error RMS (Root-Mean-Square error) • Semakin kecil nilai ERMS semakin bagus fungsi hampiran mencocokkan titik2 data

  3. Contoh Pencocokan Kuadrat Terkecil sebuah Garis

  4. Contoh Soal : • Tentukan persamaan garis lurus yang mencocokkan data pada tabel dibawah ini. • Kemudian perkirakan nilai y untuk x = 1.0 • Penyelesaian :

  5. Contoh Soal : • Diperoleh Sistem Persamaan Linier • a = 0.2862 b = 1.7645 • Pers grs regresi f(x) = 0.2862 + 1.7645x

  6. Contoh Soal • Perbandingan antara nilai yi dan f(xi) • Taksiran nilai y untuk x = 1.0 adalah 2.0507 • ERMS = (0.085637/6)1/2

  7. Linearisasi Persamaan Nonlinear Regresi Nonlinear Data yang tidak cocok dengan bentuk linear Transformasi Linear (jika mungkin)

  8. Pelinearan Pers Pangkat Sederhana • Misalkan kita akan mencocokkan data dengan fungsi : • Lakukan Pelinieran sbb : • Lakukan pengubahan dari (xi,yi) menjadi (ln(xi),ln(yi)) lalu hitung a dan b dengan cara regresi linier. • Dari pers a = ln(C) maka kita dapat menghitung nilai C = ea. • Masukkan nilai b dan C ke dalam pangkat y=Cxb

  9. Contoh Soal : • Cocokkan data berikut dengan f(x) = Cxb • Diperoleh sistem persamaan linier

  10. Contoh Soal : • a = 1.8515 b = 0.1981 • Hitung C = ea = e1.8515 = 6.369366 • Jadi f(x) = 6.369366x0.1981

  11. xy log x log y • 0.5 0 -0.301 • 1.7 0.301 0. 226 • 3.4 0.477 0.534 • 5.7 0.602 0.753 • 8.4 0.699 0.922 log a2 = – 0.300 a2 = 10-0.3 = 0.5 Contoh Linearisasi Regresi linearpada (log x, log y) log y = 1.75 log x – 0.300 b2 = 1.75 y = 0.5x1.75

  12. Pelinieran Model Eksponensial y = Cebx • Misalkan kita akan mencocokkan data dg fungsi : y = Cebx • Lakukan pelinieran sbb : • y = Cebx • ln(y)=ln(C)+bxln(e) • ln(y)=ln(C)+bx  ln(e)=1 • Definisikan : • Y=ln(y) • a=ln(C) • X=x • Persamaan Regresi Liniernya : Y = a + bX • Lakukan pengubahan (xi,yi)  (xi,ln(yi)) lalu hitung a dan b • Dari persamaan a=ln(C) di dapat C=ea • Masukkan nilai b dan C dalam persamaan eksponensial y = Cebx

More Related