regresi linier
TRANSCRIPT
![Page 1: REGRESI LINIER](https://reader037.vdocuments.pub/reader037/viewer/2022100112/5572021c4979599169a2f961/html5/thumbnails/1.jpg)
Nama : Lina Marlina
NIM : 109017000039
Kelas : PMTK – 6B1
Tugas Pemrograman Komputer 2
REGRESI LINIER PADA MATLAB
A. Pengertian
Regresi adalah sebuah teknik untuk memperoleh persamaan kurva pendekatan dari
titik-titik data.
Regresi linier merupakan suatu metode yang digunakan untuk menentukan fungsi
linier (garis lurus) yang paling sesuai dengan kumpulan titik data
{( xk , yk ) :k=1 ,…,n } yang diketahui.
Pernyataan matematis untuk fungsi linear tersebut yaitu : y=a0+a1 x+e
dengan e dinamakan galat atau sisa. Sisa adalah selisih antara pengamatan dengan
garis: e= y−a0+a1 x
Gambar Sebaran data dengan kurva linier
Dalam regresi linier ini yang dicari adalah nilai m dan c dari fungsi linier y=mx+c ,
dengan:
1
![Page 2: REGRESI LINIER](https://reader037.vdocuments.pub/reader037/viewer/2022100112/5572021c4979599169a2f961/html5/thumbnails/2.jpg)
m=N∑n=1
N
xn yn−(∑n=1
N
xn)(∑n=1
N
yn)N∑n=1
N
x2−(∑n=1
N
xn)2
c=(∑n=1
N
yn)N
−m(∑n=1
N
xn)N
= y−m x
B. Algoritma Regresi Linier
1) Tentukan N titik data yang diketahui dalam (x i , y i) untuk i=1,2,3,…,N
2) Hitung nilai m dan c dengan menggunakan formulasi dari regresi linier di atas
3) Tampilkan fungsi linier
4) Hitung fungsi linier tersebut dalam range xdan step dxtertentu
5) Tampilkan hasil tabel (xn , y n) dari hasil fungsi linier tersebut.
C. Contoh Program Regresi Linier pada MATLAB
Diberikan data sebagai berikut :
i 1 2 3 4 5 6 7 8 9
x i 1,5 1,8 2,4 3,0 3,5 3,9 4,4 4,8 5,0
y i 4,8 5,7 7,0 8,3 10,9 12,4 13,1 13,6 15,3
Programnya :
clcclear allx=[1.5 1.8 2.4 3.0 3.5 3.9 4.4 4.8 5.0];y=[4.8 5.7 7.0 8.3 10.9 12.4 13.1 13.6 15.3];n=9;sx=sum(x);sy=sum(y);x2=x*x';xy=x*y';m=(n*xy-sx*sy)/(n*x2-sx.^2);c=(sy-m*sx)/n;disp('LINA MARLINA (109017000039)')disp('____________________');disp(' Regresi Linear ');disp('____________________');disp(' x y ');disp('____________________');for xx=1:0.5:n yy=m*xx+c; disp(sprintf(' %4.1f %10.7f ', xx, yy))enddisp('____________________');disp(sprintf('m =%10.6f',m))
2
![Page 3: REGRESI LINIER](https://reader037.vdocuments.pub/reader037/viewer/2022100112/5572021c4979599169a2f961/html5/thumbnails/3.jpg)
disp(sprintf('c =%10.6f',c))disp(sprintf('Jadi, persamaannya, y = %10.7fx +%10.7f',m,c));xx=0:25;yy=m*xx+c;plot(x,y,'*',xx,yy)axis([0 5 0 15])title('data pengamatan')xlabel('x')ylabel('y')grid on
Output pada Command Window :
Grafiknya:
3