III. PENCOCOKAN KURVA III. PENCOCOKAN KURVA 3.1 PENDAHULUAN

Slides:



Advertisements
Presentasi serupa
REGRESI NON LINIER (TREND)
Advertisements

Persamaan Kuadrat jika diketahui grafik fungsi kuadrat
ANALISIS REGRESI Pertemuan ke 12.
Hubungan Non Linier Pemahaman fungsi non linier dalam mempelajari ilmu pertanian juga penting meskipun banyak hubungan antara variabel dapat dijelaskan.
Regrasi Polinomial Fata Nidaul Khasanah L
6. PENCOCOKAN KURVA (CURVE FITTING).
MACAM-MACAM FUNGSI Matematika Ekonomi.
PIECE-WISE LINIER INTERPOLATION
INTERPOLASI.
REGRESI LINIER SEDERHANA
Regresi Non-Linier Metode Numerik
Chapter 18 Interpolasi.
Interpolasi.
Regresi Linier Metode Numerik Oleh: Ir. Kutut Suryopratomo, MT., MSc.
Menggambar grafik fungsi aljabar sederhana dan fungsi kuadrat
Interpolasi Newton Oleh: Davi Apriandi
Regresi Berganda Statistika Ekonomi II Pertemuan Ke 10
Metode Interpolasi Pemetaan Langsung
INTERPOLASI Edy Mulyanto.
Persamaan Non Linier (Lanjutan 1)
6. Pencocokan Kurva Regresi & Interpolasi.
Interpolasi Polinomial Metode Numerik
HAMPIRAN NUMERIK FUNGSI
Interpolasi Polinom.
Regresi Linier Berganda
Hampiran Fungsi.
DIFERENSIAL (fungsi sederhana)
INTEGRAL NUMERIK Merupakan limit suatu jumlah luas sampai diperoleh suatu ketelitian yang diijinkan. Contoh : Evaluasi suatu integral dari suatu fungsi.
Regresi Linier Berganda
BAB 4 FUNGSI KUADRAT.
PENDAHULUAN Dalam kehidupan sering ditemukan adanya sekelompok peubah yang diantaranya terdapat hubungan alamiah, misalnya panjang dan berat bayi yang.
PERTEMUAN 6 MATEMATIKA DASAR
BEBERAPA DEFINISI FUNGSI
SOLUSI PERSAMAAN NON LINEAR
Metode Numerik untuk Pencarian Akar
Persamaan dalam dimensi n = f(x,y) = 3x2 + 2y2 –xy -4x – 7y+12 34y
Galat Relatif dan Absolut
Teknik Komputasi Persamaan Non Linier Taufal hidayat MT.
KD. 2.2 Menggambar grafik fungsi Aljabar sederhana dan fungsi kuadrat.
Matematika Kelas X Semester 1
METODE NUMERIK INTERPOLASI.
Laboratorium Fisika UNIKOM
Regresi Kuadrat Terkecil
REGRESI LINEAR oleh: Asep, Iyos, Wati
Pencocokan Kurva / Curve Fitting
Akar Persamaan Tak Linier
METODE NUMERIK INTERPOLASI.
REGRESI 1 1.OBSERVASI 2.PENGAMATAN 3.PENGUKURAN (Xi, Yi)
Regresi Linier Berganda
GARIS LURUS KOMPETENSI
Metode Newton-Raphson Choirudin, M.Pd
Interpolasi Polinom.
ANALISIS REGRESI & KORELASI
FUNGSI Pertemuan III.
Grafiknya sebagai berikut Persamaan grafik: y = x2 , {x|–3<x<3}
A. Sistem Persamaan Linier dan Kuadrat
B. Titik Stasioner dan Kecekungan Kurva
Regresi Nana Ramadijanti.
Peta Konsep. Peta Konsep A. Sistem Persamaan Linier dan Kuadrat.
D. Kecekungan dan Titik Belok Suatu Fungsi
KALKULUS I Sistim Bilangan/fungsi
Gunawan.ST.,MT - STMIK-BPN
C. Persamaan Garis Singgung Kurva
Pertemuan 9&10 Matematika Ekonomi II
Persamaan non Linier Indriati., ST., MKom.
Persamaan Non Linier Metode Tabel Metode Biseksi Metode Regula Falsi
KALKULUS I Fungsi Menaik dan Menurun
Peta Konsep. Peta Konsep A. Sistem Persamaan Linier dan Kuadrat.
C. Persamaan Garis Singgung Kurva
DIFERENSIAL (fungsi sederhana)
Transcript presentasi:

III. PENCOCOKAN KURVA III. PENCOCOKAN KURVA 3.1 PENDAHULUAN 3.2 REGRESI 3.2.1 REGRESI LINIER 3.2.2 REGRESI KUADRATIK 3.3. INTERPOLASI

PENDAHULUAN Umur Panjang (minggu) (cm) 1 2 6 3 8 4 11 5 16 10 12 14 16 Data Pertumbuhan Makhluk hidup Umur Panjang (minggu) (cm) 1 2 6 3 8 4 11 5 16

Bagaimana mendapatkan fungsi/ menggambar kurva dengan baik? 1 2 3 4 5 6 8 10 12 14 16 Regresi Tidak semua titik harus dilalui/ dipenuhi. Memperoleh sebuah fungsi linier, kuadratik, atau kubik. b. Interpolasi Semua titik harus dilalui. Memperoleh sebuah fungsi order ke (n-1), n adalah jumlah data. c. Spline Interpolasi Semua titik harus dilalui. Pada setiap dua titik yang berurutan didapatkan satu fungsi (linier, kuadratik, atau kubik). Untuk n data didapat sebanyak (n-1) fungsi.

Dasar/kriteria pemilihannya: Adalah total kesalahan 1. Regresi Linier: Mendapatkan sebuah garis lurus (fungsi linier) yang dianggap menggambarkan kondisi data. 1 2 3 4 5 6 8 10 12 14 16 Garis lurus mana yang dipilih: atau Dasar/kriteria pemilihannya: Adalah total kesalahan minimum

Definisi Kesalahan: ε1 = y1 - a0 - a1x1 ε5 = y5 - a0 - a1x5 2 3 4 x5 6 8 10 12 14 16 ε5 ε1 = y1 - a0 - a1x1 ε5 = y5 - a0 - a1x5 y5 a0 + a1x5 Bentuk Umum: ε1 a0 + a1x1 εi = yi - a0 - a1xi y1

Regresi Linier Menggunakan Kriteria Kesalahan Kuadrat Terkecil Total Kesalahan sebagai fungsi dari a1 dan a0: 2 Nilai ekstrim:

Diperoleh SPL dalam a0 dan a1:

Contoh xi yi Buatlah regresi linier untuk data dibawah ini: 1 3 4 6 -2 4 7 12 Penyelesaian: Dibuat tabel berikut: xi yi xi2 xiyi -2 1 1 3 4 9 12 4 7 16 28 6 12 36 72 14 21 62 112 Σ

Diperoleh SPL dalam a0 dan a1: a0 = -2.3333 a1 = 2.3333 4 5 6 8 10 12 14 21 112 Solusi SPL ini adalah: a0 = -2.3333 a1 = 2.3333 Regresi liniernya adalah: y = -2.3333 + 2.3333x

y = a0 + a1x + a2 x2 2. Regresi kuadratik Mendapatkan sebuah kurva (fungsi order kedua) yang dianggap menggambarkan kondisi data. y = a0 + a1x + a2 x2 Total Kesalahan sebagai fungsi dari a0, a1 dan a2 :

Nilai ekstrim:

Diperoleh SPL dalam a0 , a1dan a2:

Contoh xi yi Buatlah regresi kuadratik untuk data dibawah ini: 1 2 3 4 5 2 6 8 11 16 Penyelesaian: Dibuat tabel berikut: 1 2 6 4 8 16 12 24 3 9 27 81 72 11 64 256 44 176 5 25 125 625 80 400 x y x2 x3 x4 yx yx2 15 43 55 225 979 162 674

Diperoleh SPL dalam a0 , a1 dan a2: 55a0 + 225 a1 + 979 a2 = 674 15a0 + 55 a1 + 225 a2 = 162 5a0 + 15 a1 + 55 a2 = 43 Solusi SPL ini adalah: a0 = 0,2 a1 = 2,01428 a2 = 0,21428 Regresi kuadratiknya adalah: y = 0,2 + 2,01428 x + 0,21428 x2

INTERPOLASI Mencari nilai antara dua titik data. Tujuan: Mencari nilai antara dua titik data. Metode: Mendapatkan sebuah fungsi eksak (semua titik data dipenuhi) yang memiliki order (n-1), dengan n adalah jumlah data.

1. Dua titik data Persamaan garis lurus f1(x) adalah: Atau: f1(x)

2. Tiga titik data x = x0 : f2(x) x0 x2 f(x0) f(x2) x1 f(x1) x = x1 :

Didefinisikan fungsi siku:

x0 f(x0) 1 x1 f(x1) 2 x2 f(x2) 3 x3 f(x3) i xi f(xi) I II III f[x1,x0] f[x2,x1,x0] f[x3,x2,x1,x0] f[x2,x1] f[x3,x2,x1] f[x3,x2] Contoh: Dapatkan nilai fungsi ketika x = 2,5 jika diketahui titik-titik data dibawah ini yi xi 1 2 3 4 5 2 6 8 11 16

i xi f(xi) I II III IV 1 2 4 -1 0.5 -0.0833 1 2 6 2 0.5 0.166 2 3 8 3 1 3 4 11 5 4 5 16 ( ) 4 3 2 1 0833 , 5 - x (x) f + = dan f4(2,5) = . . . . . . . . .