Professional Documents
Culture Documents
“DATA FITTING”
Dosen Pembimbing :
Sumarna, M.Si., M.Eng.
Disusun Oleh:
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;
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;
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)
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
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.
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.