LAPORAN PRAKTIKUM SENSOR

“DATA FITTING”

Dosen Pembimbing :
Sumarna, M.Si., M.Eng.

Disusun Oleh:

Nama :Firda Fahrinal Azmia

NIM : 22302241046
Kelas :Pendidikan Fisika A 2022

DEPARTEMEN PENDIDIKAN FISIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
ALAMUNIVERSITAS NEGERI YOGYAKARTA
2024
I. Tujuan
1. Mem-fitting data dengan program MATHLAB
2. Merepresentasikan data tak-linier menjadi bentuk linier
3. Membiasakan dengan pem-fitting-an data secara linier

II. Alat dan Bahan

1. Laptop
2. Aplikasi MATHLAB R2015b

III. Langkah Percobaan

Menyusun program MATLAB untuk :
1. Men-fitting data dalam bentuk least square.
2. Data dimasukkan dari tombol kunci (key board).
3. Masukan Program

IV. Hasil Data dan Pembahasan

A. Data Percobaan
Program Least Square Data Fitting pada MATHLAB

disp ('Program Least Square Data Fitting');

disp ('Masukkan data sekitar garis lurus');

ntitik = input ('Masukkan titik data [x,y]: ');

for ii = 1:ntitik
wadah = input ('Masukkan pasangan [x,y]: ');
x(ii) = wadah (1);
y(ii) = wadah (2);
end

sumx = 0;
sumy = 0;
sumx2 = 0;
sumxy = 0;
for ii = 1:ntitik
sumx = sumx + x(ii);
sumy = sumy + y(ii);
sumx2 = sumx2 + x(ii)^2;
sumxy = sumxy + x(ii)*y(ii);
end
xrerata = sumx/ntitik;
yrerata = sumy/ntitik;
miring = (sumxy - sumx*yrerata)/(sumx2 - sumx*xrerata);
ypotong = yrerata - miring*xrerata;

disp ('Koefisien regresi garis least square :');

fprintf ('Kemiringan (m) = %8.3f\n', miring);
fprintf ('Perpotongan (b) = %8.3f\n', ypotong);
fprintf ('Cacah Titik = %8d\n', ntitik);

plot (x,y,'bo');
hold on;
xmin = min (x);
xmax = max (x);
ymin = miring * xmin + ypotong;
ymax = miring * xmax + ypotong;
plot ([xmin xmax],[ymin ymax],'r-','lineWidth',2);
hold off;

title ('\bfLeast Square Fitting');

xlabel ('\bf\itx');
ylabel ('\bf\ity');
legend ('Data Masukan','Garis Fitting');
grid on

Grafik Awal
1. Hiperbolik
Program Least Square Data Fitting
Masukkan data sekitar garis lurus
Masukkan jumlah titik data [x,y]: 5
Masukkan pasangan [x,y]: [1 5]
Masukkan pasangan [x,y]: [2 2.5]
Masukkan pasangan [x,y]: [4 1.25]
Masukkan pasangan [x,y]: [5 1]
Masukkan pasangan [x,y]: [10 0.5]
Koefisien regresi garis least square :
Kemiringan (m) = -0.409
Perpotongan (b) =3.848
Nomor Titik = 5

(grafik hiperbolik)

Hiperbolik Dipaksa Linear

Program Least Square Data Fitting
Masukkan data sekitar garis lurus
Masukkan jumlah titik data [p,y]: 5
Masukkan pasangan [p,y]: [1 5]
Masukkan pasangan [p,y]: [0.5 2.5]
Masukkan pasangan [p,y]: [0.25 1.25]
Masukkan pasangan [p,y]: [0.2 1]
Masukkan pasangan [p,y]: [0.1 0.5]
Koefisien regresi garis least square :
Kemiringan (m) = 5.000
Perpotongan (b) = 0.000
Nomor Titik = 5
 (grafik hiperbolik dipaksa linear)

2. Eksponensial (y=2ex)
Program Least Square Data Fitting
Masukkan data sekitar garis lurus Masukkan
titik data [x,y]: 5 Masukkan pasangan [x,y]:
[1 5.43656]
Masukkan pasangan [x,y]: [1.4 8.1104]
Masukkan pasangan [x,y]: [1.8 12.09929]
Masukkan pasangan [x,y]: [2.2 18.05003]
Masukkan pasangan [x,y]: [2.6 26.92748]
Koefisien regresi garis least square :
Kemiringan (m) = 13.230
Perpotongan (b) = -9.690
Cacah Titik =5

(grafik x dan y eksponensial)

 Eksponensial Dipaksa Linear
Program Least Square Data Fitting
Masukkan data sekitar garis lurus
Masukkan titik data [x,y]: 5
Masukkan pasangan [x,y]: [1 1.693]
Masukkan pasangan [x,y]: [1.4 2.093]
Masukkan pasangan [x,y]: [1.8 2.493]
Masukkan pasangan [x,y]: [2.2 2.893]
Masukkan pasangan [x,y]: [2.6 3.293]
Koefisien regresi garis least square :
Kemiringan (m) = 1.000
Perpotongan (b) = 0.643
Cacah Titik = 5

(grafik x dan p eksponensial dipaksa linear)

3. Bilangan Berpangkat (y=4 x)

Program Least Square Data Fitting
Masukkan data sekitar garis lurus
Masukkan titik data [x,y]: 5
Masukkan pasangan [x,y]: [1 4]
Masukkan pasangan [x,y]: [2 16]
Masukkan pasangan [x,y]: [3 64]
Masukkan pasangan [x,y]: [4 256]
Masukkanpasangan [x,y]: [5 1024]
Koefisien regresi garis least square
Kemiringan (m) =228.000
Perpotongan (b) = -411.200
Cacah Titik =5
 (grafik x dan y bilangan berpangkat)

Bilangan Berpangkat Dipaksa Linear

Program Least Square Data Fitting
Masukkan data sekitar garis lurus
Masukkan titik data [x,y]: 5
Masukkan pasangan [x,y]: [1 0.60206]
Masukkan pasangan [x,y]: [2 1.20412]
Masukkan pasangan [x,y]: [3 1.80618]
Masukkan pasangan [x,y]: [4 2.40824]
Masukkan pasangan [x,y]: [5 3.0103]
Koefisien regresi garis least square:
Kemiringan (m) = 0.602
Perpotongan (b) = -0.000
Nomor Titik = 5

(grafik x dan p bilangan berpangkat dipaksa linear)

4. Logaritmis (y=4 log x)
Program Least Square Data Fitting
Masukkan data sekitar garis lurus
Masukkan titik data [x, y]:5
Masukkan pasangan [x,y]: [0 0]
Masukkan pasangan [x,y]: [1 4]
Masukkan pasangan [x,y]: [2 8]
Masukkan pasangan [x,y]: [3 12]
Masukkan pasangan [x,y]: [4 16]
Koefisien regresi garis least square
Kemiringan (m) = 4.000
Perpotongan (b) = 0.000
Nomor Titik = 5

(grafik x dan y logaritmis)

Logaritmis Dipaksa Linear

Program Least Square Data Fitting
Masukkan data sekitar garis lurus
Masukkan titik data [x,y]: 5
Masukkan pasangan [x,y]: [1 0]
Masukkan pasangan [x,y]: [10 4]
Masukkan pasangan [x,y): [100 8]
Masukkan pasangan [x,y]: [1000 12]
Masukkan pasangan [(x,y): [10000 16]
Koefisien regresi garis least square:
Kemiringan (m) = 0.001
Perpotongan (b) = 5.556
Nomor Titik = 5
 (grafik p dan y logaritmis dipaksa linear)

B. Pembahasan
Telah dilakukan percobaan melalui simulasi mathlab yaitu pemfittingan data yang
memiliki tujuan untuk memfitting data dengan menggunakan matlab serta mengubah
data yang tidak linear menjadi bentuk linear. Saat melakukan percobaan hal yang
pertama dilakukan yaitu membuat data masukan mathlab dengan masing-masing
fungsi. Disini kita menggunakan 4 fungsi yaitu hiperbolik, eksponensial, bilangan
berpangkat, dan logaritmis.

Fitting data linear yaitu proses untuk menemukan garis lurus yang paling sesuai
dengan data yang dimasukkan. Ini dilakukan dengan mencari parameter yang
membuat kesalahan antara garis yang dihasilkan dan data sekecil mungkin, sering kali
menggunakan metode kuadrat terkecil. Metode ini menghitung jarak vertikal antara
setiap titik data dengan garis yang di estimasi, dan tujuan kita adalah untuk
menemukan garis yang memiliki jarak terkecil.

Persamaan hiperbolik, eksponensial, bilangan berpangkat, dan logaritmis diubah ke

persamaan linear y = mx + b, dengan m merupakan kemiringan/gradien dan b adalah
titik potong. Dengan mengubah persamaan hiperbolik, eksponensial, bilangan
berpangkat, dan logaritmis menjadi persamaan linear, maka akan didapatkan grafik
linearisasi.

Percobaan pertama yaitu mem-fitting data hiperbolik, dengan menggunakan rumus

(y=5/x) , memasukkan 5 pasang data yang menghasilkan grafik dengan nilai
kemiringan (m)=-0,409 ; dan nilai perpotongan (b)=3,848 . Kemudian dipaksa agar
linear dengan rumus y=5p menghasilkan grafik dengan nilai kemiringan (m)=5,000 ;
dan nilai perpotongan (b)=0,000

Percobaan kedua yaitu mem-fitting data eksponensial, dengan menggunakan rumus

(y=2e^{x}) memasukkan 5 pasang data sehingga menghasilkan grafik dengan nilai
kemiringan (m)=13,230 ; dan nilai perpotongan (b)=-9,690 . Kemudian dipaksa linear
dengan rumus p=x+0,643 yang menghasilkan grafik dengan nilai kemiringan
(m)=1,000 ; dan nilai perpotongan (b)=0.693
 Percobaan ketiga yaitu mem-fitting data bilangan berpangkat, dengan menggunakan
rumus (y=4^{x}) , memasukkan 5 pasang data sehingga menghasilkan grafik dengan
nilai kemiringan (m)=228,000 dan nilai perpotongan (b)=-411,200 Kemudian
dilinearisasikan menggunakan rumus px(0,30103) menghasilkan grafik dengan nilai
kemiringan (m)=0,602 ; dan nilai perpotongan (b)=-0,000

Percobaan keempat yaitu mem-fitting data logaritmis dengan rumus (y=4 Log x) ,
memasukkan 5 pasang data sehingga menghasilkan grafik dengan nilai kemiringan
(m)=4,000 dan nilai perpotongan (b)=0,000 Kemudian dilinearisasikan menggunakan
rumus px(0,30103) menghasilkan grafik dengan nilai kemiringan (m)=0,001 ; dan
nilai perpotongan (b)=5,556

V. Kesimpulan
1. Fitting data pada simulasi mathlab ini menggunakan fungsi hiperbolik,
eksponenesial, bilangan berpangkat, dan logairitmis.
2. Dari proses pem-fitting-an data dapat mempresentasikan data yang bentuknya
tidak linear menjadi linear.
3.Pemahaman dan penggunaan fitting data secara linear berguna untuk
menghasilkan model yang akurat dan berguna.

VI. Daftar Pustaka

Sumarna.2024. Percobaan Pem-fitting-an Data (Simulasi). Jurdik Fisika FMIPA UNY
Elis, E. 2022. Pem-fitting-an Data (Simulasi). Yogyakarta: Universitas Negeri Yogyarta
Johnson, M & Faunt, L. 1992. Parameter Estimation by Least-Squares Methods. Academic
Press (Vol.210, 1-37)
Handayani, S, dkk. (2015). Persamaan Garis Singgung Pada Hiperbola. KARISMATIKA-
ISSN: 2443-0366.