You are on page 1of 10

MATEMATIKA TERAPAN : Model Matematika

March 13, 2009 · Leave a Comment 1. Regresi Linear

Pada Santosa (2005) dijelaskan sebagai berikut :

Model persamaan matematis regresi linear yang dirancang adalah : Y = a0 + a1 X ………………………………………………………………………(1)

Penyelesaian nilai a0 dan a1 dalam dua persamaan simultan (2) dan (3) dengan dua nilai yang tidak diketahui, yaitu a0 dan a1. n . a0 +  Xi . a1 =  Yi …………………………………………………….(2)  Xi .a0 +  Xi2 . a1 =  Xi Yi ………………………………………………..(3)

dengan n adalah banyaknya pasangan data (X,Y).

Untuk mendapatkan hasil regresi yang paling bagus dari data yang tersedia ialah dengan meminimalkan jumlah kuadrat residual. Untuk keabsahan (validasi) model, dilakukan perhitungan koefisien determinasi r2, dengan formula : r2 = (St – Sr) / St …………………………………………………………………………….(4)

(8)  Xi .Y). disajikan pada persamaan(8).. 3. yaitu a0. Regresi Parabolik Pada Santosa (2005) dijelaskan sebagai berikut : Model matematika untuk regresi parabolik adalah : Y = a0 + a1 X + a2 X2 ……………………………………………………………(7) Penyelesaian regresi parabolik ini adalah berupa sekumpulan tiga persamaan simultan dengan tiga nilai yang tidak diketahui. a0 +  Xi . a1 +  Xi 2 . dan (10). (9). sedangkan Sr merupakan jumlah kuadrat residual di sekitar garis regresi tersebut.a0 +  Xi2 .St merupakan jumlah penyebaran pada peubah tak bebas yang terjadi sebelum dilakukan regresi. a2 =  Xi Yi ………………………………(9)  Xi 2 ..a0 +  Xi3 . Pada model regresi linear : St =  (Yi – YM)2 …………………………………………………………………….. Fungsi Perpangkatan . n .(6) 2. a1 dan a2.(5) dengan YM adalah nilai rata-rata Y. a1 +  Xi 4 . a1 +  Xi 3 .. Sr =  (Yi – ao – a1 Xi )2 ………………………………………………………. a2 =  Xi 2 Yi ……………………………(10) dengan n adalah banyaknya pasangan data (X. a2 =  Yi …………………………………….

Pada Santosa (2005) dijelaskan sebagai berikut : Pada fungsi perpangkatan..(14) . maka diperoleh suatu bentuk persamaan garis linear : Y’ = ’ +  X’ ……………………………………………………………………. hubungan antara peubah bebas X dan peubah tak bebas Y adalah : Y = X……………………………………………………………………………………. Regresi Kubik Pada Santosa (2005) dijelaskan sebagai berikut : Bentuk persamaan matematika yang menggambarkan regresi kubik adalah : Y = a0 + a1 X + a2 X2 + a3 X3 …………………………………………………………. log = ’ .log Y = log  +  log X ……………………………………………………….(13) Dengan demikian maka nilai prediksi  didapat melalui antilog’. . sedangkan nilai pada persamaan (12) tetap merupakan nilai pada fungsi perpangkatannya. yang nilainya didasarkan pada data hasil pengukuran.(11) dengan  dan  adalah parameter penduga. Pada model fungsi perpangkatan ini diasumsikan bahwa nilai X selalu positif. dan log X = X’. 4. Untuk mengestimasi nilai  dan  dilakukan transformasi logaritma persamaan (11) sehingga menjadi persamaan (12).(12) Dengan memisalkan bahwa log Y = Y’ .

a1 +  Xi 5 . Regresi Linear Berganda dengan Dua Peubah Bebas Pada Santosa (2005) dijelaskan sebagai berikut : Bentuk persamaan matematika yang menggambarkan regresi linear berganda dengan dua peubah bebas adalah : Y = a0 + a1 X1 + a2 X2 …………………………………………………………………. a2 +  Xi 6 . (21).(17)  Xi 3 . n ..(16)  Xi 2 ..(18) dengan n adalah banyaknya pasangan data (X. a2 dan a3 koefisien yang diperoleh dari hasil regresi. Penyelesaian regresi kubik ini adalah berupa sekumpulan empat persamaan simultan dengan empat nilai yang tidak diketahui. a2 +  Xi 3 . (16).(19) dengan a0. a3 =  Yi …………………. 5. a2 +  Xi 4 . a1 . a0 +  X1i . a3 =  Xi 2 Yi …………….. dan (22).(15)  Xi . ……(20) . a0 +  Xi . a1 +  Xi 4 .. a2 =  Yi ………………. n . a1 +  Xi 2 . a1.dengan a0. a2 +  Xi 5 .a0 +  Xi2 .. a1 +  X2i . dan a2 adalah koefisien yang diperoleh dari hasil regresi. a3 =  Xi 3 Yi ……………. disajikan dalam persamaan (20). a1.Y). Penyelesaian dari persamaan tersebut berupa sekumpulan tiga persamaan simultan dengan tiga nilai yang tidak diketahui yaitu a0. (17) dan (18). disajikan pada persamaan (15). a1 dan a2.a0 +  Xi4 .a0 +  Xi3 . a2 dan a3. yaitu a0. a3 =  Xi Yi …………….. a1 +  Xi 3 .

a3 =  X2i Yi ………(26)  X3i . dan a3 adisajikan dalam persamaan (24).a1 +  X2i X1i . X2.. a1 +  X2i .(23) dengan a0. (25). a2 dan a3 adalah koefisien yang diperoleh dari hasil regresi.(22) dengan n adalah banyaknya pasangan data (X1.a1 +  X2i X1i . 7. a3 =  X1i Yi …. a2 +  X3i X2i . a2.(25)  X2i .(21)  X2i .. a2 =  X2i Yi ……………. X3. a1..a1 +  X3i X2i . X1i . a3 =  X3i Yi ………. a0 +  X1i . n . a2 +  X32i . (26) dan (27).a0 +  X12 i . a2 +  X3i X1i .a0 +  X3i X1i .a1 +  X22i .a1 +  X22i .a0 +  X2i X1i . Penyelesaian dari persamaan tersebut berupa sekumpulan empat persamaan simultan dengan empat nilai yang tidak diketahui yaitu a0. Y). a2 =  X1i Yi ………………. a1 .a0 +  X12 i .(27) dengan n adalah banyaknya pasangan data (X1.a0 +  X2i X1i .Regresi Linear Berganda dengan Tiga Peubah Bebas Pada Santosa (2005) dijelaskan sebagai berikut : Bentuk persamaan matematika yang menggambarkan regresi linear berganda dengan tiga peubah bebas adalah : Y = a0 + a1 X1 + a2 X2 + a3 X3 ……………………………………………………. 6. Persamaan Eksponensial . a3 =  Yi …………(24)  X1i . Y). a2 +  X3i . X2.

7183. Estimasi nilai dan dari bentuk fungsi eksponensial tersebut dapat dilakukan dengan mentransformasikan model tersebut ke bentuk linearnya melalui logarithma sebagai berikut : dari Y = e X maka : ln Y = ln  +  ln e  ln Y = ln  +X ……………………………………………………………………(29) Di bawah ini disajikan program persamaan eksponensial dalam bentuk : Y =P eQ X ……………………………………………………………………(30) dari sekelompok data pasangan (X.Y). sedangkan e adalah bilangan logarithma natural.(31) .(28) Dengandanadalah parameter yang akan diduga nilainya. Setelah dilakukan transformasi logaritma diperoleh : ln Y = ln P + Q X …………………………………………………………………. yaitu 2.Pada Santosa (2005) dijelaskan sebagai berikut : Persamaan matematis yang menggambarkan model eksponensial adalah : Y = e X …………………………………………………………………….

Berarti : P = anti ln A = eA Q=B 8.(32) Dengan demikian diperoleh nilai A dan B. maka diperoleh persamaan regresi linear : Y = A + B .(33) dengan memisalkan V = ln X.. A = ln P. dan B = Q. X …………………………………………………………………………….. Fungsi Transformasi Semi-Log Pada Santosa (2005) dijelaskan sebagai berikut : Bentuk fungsi transformasi semi-log adalah : Y = a + b ln X …………………………………………………………………………….Dengan memisalkan : F = ln Y. maka dapat dibuat persamaan garis regresi linear : F = A + B .(34) maka dapat diperoleh nilai konstanta A dan B. V ……………………………………………………………………………. Rangkuman (1) Model persamaan matematis regresi linear adalah : Y = a0 + a1 X .

a0 +  Xi . Untuk mengestimasi nilai  dan  dilakukan transformasi logaritma sehingga diperoleh persamaan : .. (3) Pada fungsi perpangkatan. Pada model fungsi perpangkatan ini diasumsikan bahwa nilai X selalu positif. a1 dan a2.Y). a1 =  Yi  Xi . a1 +  Xi 4 . a1 +  Xi 3 . a0 +  Xi . disajikan pada persamaan berikut : n . yaitu a0. a2 =  Yi  Xi . yang nilainya didasarkan pada data hasil pengukuran.a0 +  Xi3 . a1 =  Xi Yi dengan n adalah banyaknya pasangan data (X.a0 +  Xi2 . hubungan antara peubah bebas X dan peubah tak bebas Y adalah : Y = X dengan  dan  adalah parameter penduga. a2 =  Xi Yi  Xi 2 . a2 =  Xi 2 Yi dengan n adalah banyaknya pasangan data (X. yaitu a0 dan a1 sebagai berikut : n .a0 +  Xi2 .Penyelesaian nilai a0 dan a1 dalam dua persamaan simultan dengan dua nilai yang tidak diketahui. (2) Model matematika untuk regresi parabolik adalah : Y = a0 + a1 X + a2 X2 Penyelesaian regresi parabolik ini adalah berupa sekumpulan tiga persamaan simultan dengan tiga nilai yang tidak diketahui. a1 +  Xi 2 .Y).

log Y = log  +  log X (4) Bentuk persamaan matematika yang menggambarkan regresi kubik adalah : Y = a0 + a1 X + a2 X2 + a3 X3 dengan a0. (7) Persamaan matematis yang menggambarkan model eksponensial adalah : Y = e X ..a1 +  X22i . a1. dan a2 adalah koefisien yang diperoleh dari hasil regresi. Penyelesaian dari persamaan tersebut berupa sekumpulan tiga persamaan simultan dengan tiga nilai yang tidak diketahui yaitu a0.a0 +  X2i X1i . a0 +  X1i . a1 +  X2i . a2 =  X2i Yi dengan n adalah banyaknya pasangan data (X1. X2. a2 =  X1i Yi  X2i . (5) Bentuk persamaan matematika yang menggambarkan regresi linear berganda dengan dua peubah bebas adalah : Y = a0 + a1 X1 + a2 X2 Dengan a0. Y). a2 =  Yi  X1i . a2 dan a3 adalah koefisien yang diperoleh dari hasil regresi. a1. a1 dan a2. (6) Bentuk persamaan matematika yang menggambarkan regresi linear berganda dengan tiga peubah bebas adalah : Y = a0 + a1 X1 + a2 X2 + a3 X3 dengan a0.a0 +  X12 i . sebagai berikut : n . a2 dan a3 koefisien yang diperoleh dari hasil regresi. a1.a1 +  X2i X1i .

Estimasi nilai dan dari bentuk fungsi eksponensial tersebut dapat dilakukan dengan mentransformasikan model tersebut ke bentuk linearnya melalui transformasi logarithma. . (8) Bentuk fungsi transformasi semi-log adalah : Y = a + b ln X dengan memisalkan V = ln X.V maka dapat diperoleh nilai konstanta A dan B.dengandanadalah parameter yang akan diduga nilainya.7183. maka diperoleh persamaan regresi linear : Y=A+B. yaitu 2. sedangkan e adalah bilangan logarithma natural.