You are on page 1of 5

PEMODELAN DATA SATU DIMENSI

A. Pendahuluan
Pemodelan data dapat disamakan dengan interpolasi dan ekstrapolasi pada bab
sebelumnya, tetapi dengan tingkat akurasi yang jauh lebih baik, karena didasarkan
pada kriteria penyimpangan minimal dengan pengujian – pengujian statistik.
Pada bab ini, yang dimaksudkan dengan pemodelan data 1 – D adalah
menyatakan atau mereprentasikan data yang mempunyai 1 peubah bebas dan 1
peubah tidak bebas dalam bentuk fungsi 1 – D dengan 1 peubah bebas dan 1 peubah
tak bebas.
Sebagai ilustrasi diberikan data nilai kadar air dari perconto yang diambil dari
kedalaman tertentu. Dalam hal ini, kedalaman merupakan peubah bebas ( x ) dan
kadar air ( y ) merupakan peubah tidak bebas.

Tabel 1.1 : Kadar Air Perconto Lumpur Resen di Lusiana
( Sumber : Davis, 1973 )

n x=kedalaman ( ft ) y=kadar air ( % ) ( y – y ) 2
1 0 124 5814
2 5 78 915
3 10 54 39
4 15 35 163
5 20 30 315
6 25 21 716
7 30 22 663
8 35 18 885
jumlah 47.75 9509.50

B. Pemodelan Data 1 – D dengan Polinomial
Secara umum polinomial derajat tinggi dapat dinyatakan sebagai berikut :
y
i
=b
0
+b
1
x
i
+b
2
x
i
2
+ b
3
x
i
3
+b
4
x
i
4
........................ b
n
x
i
n

1. Model Polinimial Orde Nol ( Model Konstan )
Pemodelan data 1 – D yang paling sederhana berdasar persamaan ( 1.1 ) adalah
model polinomial orde nol atau model konstan yang dinyatakan sebagai berikut
y
i =
b
o
Atau jika memakai data contoh diatas, maka :
y
i =
y
Berikut ini diberikan beberapa parameter statistik untuk mengukur tingkat akurasi
model. Sum of squares to deviation ( SS
D
)
SS
D
= ( y
i
– y
i
)
2

SS
D
menggambarkan jumlah total simpangan atau defiasi kuadrat antara data
model dan data aktual. SS
D
merupakan salah satu ukuran akurasi model. Total
sum quarses ( SS
T
) adalah jumlah total simpangan atau defiasi kuadrat antara data
aktual dan data rata – rata. SS
T
dapat dinyatakan dan mempunyai rumus sebagai
berikut :
SS
T
= y
i
2

2
= ( y
i
– y )
2

Varians data aktual dinyatakan sebagai berikut :
S
2
aktual = SS
T
= n y
i
2

2
n – 1
n ( n – 1 )

¿
=
=
n i
i 1
A
A
A
¿
=
=
n i
i 1 n
1
(
¸
(

¸

¿
=
=
n i
i 1
¿
=
=
n i
i 1
¿
=
=
n i
i 1
(
¸
(

¸

¿
=
=
n i
i 1
¿
=
=
n i
i 1
¿
=
=
n i
i 1
Sum Of Square to regression ( SS
R
) dihitung dengan :
SS
R
= SS
T
SS
D

Googness of fit menyatakan kecocokan model dalam mempresentasikan data
aktual yang dinyatakan sebagai berikut :
R
2
= SS
R

SS
T

Semakin dekat harga ggodness of fit dengan satu, maka model semakin baik
mempresentasikan data aktual. Multipe correlation coefficient dapat dinyatakan
dan mempunyai harga sebagai berikut :
R = SS
R

SS
T

Harga ini sama dengan corellation coefficient atau koefisien korelasi yang
dinyatakan sebagai berikut :
r = SS
xy

SS
x
. SS
y


2. Model Polinomial Orde Satu ( model linier )
Pemodelan data 1-D linier berdasar persamaan ( 1.1 ) adalah model linier
data 1-D yang direpresentasikan denga persaman linier sebagai berikut:
y
i =
b
o +
b
1
xi
dalam materi ini terbentuklah garis lurus. Garis lurus terbaik adalah garis
lurus dengan jumlah deviasi kuadrat terkecil.
Deviasi yaitu perbedaan antara data model an data aktual, dapat ditentukan
dengan 3 cara yaitu: deviasi dalam arah sumbu x (garis A), tegak lurus kurva
II (garis B) serta dalam arah sumbu y (garis C). Agar diperoleh garis lurus
terbaik , maka harga sum of squares to devitatio atau jumlah deviasi kuadrat
harus minimumatau terkecil dan dapat diyatakan sebagai berikut:
SS
D
= ( y
i
– y
i
)
2
= minimum
A
¿
=
=
n i
i 1
A
Permasalahan nilai minimum dan maksimum melibatkan analisis kalkulus
yang cukup rumit. Pada kesempatan ini hanya diberikan hasil akhirnya saja
berupa persamaan normal yang dinyatakan sebagai berikut :
y
i
= b
0
n + b
1
x
i


x
i
y
i
= b
0
x
i
+ b
1
x
i
2

dengan manipulasi selanjutnya pada persamaan maka di dapatkan
b
1
= x
i
y
i
x
i
y
i


xi
2
_
2
=

b
0
= y
i
x
i
= y – b
1
x

apabila persamaan simultan linier dengan b
0
dan b
1
sebagai nilai yang tidak
diketahui dinyatakan sebagai
[

∑ ∑

] (

) = (


)

Model Polinomial Orde Dua (Model Nonlinear)








¿
=
=
n i
i 1
¿
=
=
n i
i 1
¿
=
=
n i
i 1
¿
=
=
n i
i 1
¿
=
=
n i
i 1
¿
=
=
n i
i 1 n
1
¿
=
=
n i
i 1
¿
=
=
n i
i 1
¿
=
=
n i
i 1
n
1
n
1
(
¸
(

¸

¿
=
=
n i
i 1
¿
=
=
n i
i 1 n
b1
¿
=
=
n i
i 1