eksponensial & pangkat
-
Upload
piand-ending -
Category
Documents
-
view
266 -
download
11
Transcript of eksponensial & pangkat
CURVE FITTING
CURVE FITTING (PENCOCOKAN KURVA)
Data seringkali diberikan untuk nilai-nilai diskrit sepanjang suatu rangkaian kesatuan atau Data dijumpai dalam bentuk yang berupa angka dalam tabel.
Dari data-data tersebut Kita dapat :
Mencari nilai / menaksir data pada titik-titik diantara (intermediate values) dari nilai-nilai yang diketahui. Menghitung nilai-nilai fungsi pada sejumlah nilai diskrit
sepanjang rentang yang diamati Membuat fungsi untuk analisis gejala baik melalui
interpolasi maupun ekstrapolasi
Metode ini dikenal sebagai Curve Fitting (pencocokan Kurva)
Metode Prakomputer untuk pencocokan kurva :
Mem-plot titik-titik data dan kemudian membuat sketsa garis yang secara visual bersesuaian terhadap data.
Regresi kuadrat terkecil (least square method) : Apabila data yang diolah masih mungkin mengandung kesalahan.
Dua metode pendekatan yang didasarkan pada jumlah kesalahan yang terjadi pada data.
Interpolasi : Untuk data yang boleh diyakini tidak mengandung kesalahan
ANALISIS REGRESI
Contoh :
Dalam percobaan mendorong sebuah benda uji untuk
mendapatkan hubungan antara besaran gaya dorong
dan jarak perpindahan, diperoleh data sebagai berikut.
Proses penentuan suatu fungsi dekatan
menggambarkan kecenderungan data dengan
simpangan minimum antara nilai fungsi dengan data,
disebut regresi.
Jika absis (x) menyatakan perpindahan dan ordinal (y) sebagai besaran gaya dorong, maka persamaan y = f(x) merupakan fungsi kurva untuk menyatakan hubungan x dan y. Konstanta fungsi dapat ditentukan sehingga analisis kurva dapat diuji ketelitiannya sebagai rumusan pendekatan hubungan antara gaya dan perpindahannya.
Pengamatan
Gaya dorong [ton] Jarak pindah [m]
7.7
10.0
18.5
23.9
28.5
2.4
3.4
7.0
11.1
19.6
Metode ini berasumsi bahwa kurva terbaik yang
dihasilkan adalah kurva yang mempunyai jumlah total
kuadrat kesalahan minimum (least square error) dari
data. Misal data :(x1,y1), (x2,y2) , ..., (xn,yn), adalah
variable bebas dan variable terikat. pencocokan Kurva
mempunyai deviasi (error) e dari setiap titik data e1=y1-
f(x1), e2=y2-f(x2), ..., en=yn-f(xn).
REGRESI KUADRAT TERKECIL
∏ = (e1)2+(e2)
2+…………+(en)2 =
minimum
dimana f(x) merupakan suatu polinomial pendekatan :
Y= a0 + a1.X +a2.X2 + ... + an.X
n
dimana n : derajat dari polinomial yang dipergunakan
f(x)= a0 + a1.X bentuk linier
f(x)= a0 + a1.X + a2.X2 bentuk kurva derajat dua
f(x)= a0 + a1.X + a2.X2 + a3.X
3 bentuk kurva derajat tiga
Menurut metode ini, kurva terbaik mempunyai karakteristik:
Untuk mengetahui derajat kesesuaian dari persamaan
yang didapat, dihitung nilai koefisien korelasi yang
berbentuk:
KOEFISIEN KORELASI
Dimana r : koefisien korelasi
Koefisien korelasi ini juga dapat
digunakan untuk memilih suatu
persamaan dari beberapa
alternatif yang ada, terutama di
dalam regresi garis tidak lurus.
Untuk perkiraan yang sempurna
nilai r = 1. Apabila r = 0 perkiraan
suatu fungsi sangat jelek.
Metode ini memakai Suatu garis lurus f(X) = a + b.X
REGRESI LINIER
Untuk menentukan harga pendekatan terhadap
sekumpulan data: (x1,y1), (x2,y2) , ...., (xn,yn) dengan n
Yi = a + b . Xi + ξi untuk i = 1 sampai n
ξi = Yi – a – b . Xi untuk i = 1 sampai n
Minimumkan kuadrat kesalahan :
∏=
N
i
i
1
2 min).(
1
2
N
i
ii XbaY
N
i
ii XfY1
2)}({
dimana a dan b adalah koefisien yang tidak diketahui.
Untuk memperoleh kesalahan kuadrat terkecil maka
koefisien a dan b harus menghasilkan turunan pertama
NOL.
N
i
i
N
i
i
N
i
i
XX
XN
1
2
1
1
N
i
ii
N
i
i
YX
Y
1
1
a
b
Selanjutnya a dan b dapat ditentukan dengan
menggunakan persamaan :
Nilai a dapat juga dihitung dari persamaan
n . a + ∑xi . b = ∑yi
a = 1/n (∑yi - ∑xi . b)
sehingga
Sebuah studi yang dilakukan untuk menentukan lebar
jalur yang aman untuk pengendara sepeda serta
jaraknya dari lalu-lintas kendaraan umum. Data yang
dikumpulkan dari sepuluh jalan adalah :
Lebar jalur sepeda x(ft) Jarak dari lalu-lintas
5 4
10 8
7 5
7.5 8
7 6
6 6
10 10
9 10
5.54 5
15 7
Contoh :
Gambarkan kurva dari data dan dari hasil persamaan
regresi linear dalam satu grafik. Jika jarak minimum jalur
sepeda dari lalu-lintas umum adalah 6 ft, berapakah
lebar jalur sepeda yang aman.
NO X Y X.Y X2
1 5 4 20 25
2 10 8 80 100
3 7 5 35 49
4 7.5 8 60 56.25
5 7 6 42 49
6 6 6 36 36
7 10 10 100 100
8 9 10 90 81
9 5.54 5 27.7 30.6916
10 15 7 105 225
jumlah 82.04 69 595.7 751.9416
Pertanyaan:
b = 296.24 / 788.8544 = 0.3755
a = 6.9 - 0.3755 x 8.204 = 3.819398
persamaan garis:
Y = 3.819398 + 0.3755 X
untuk Y = 6 ft , maka
X = 5.807195739
Dt2 = 38,9 dan D2 = 27,775278
r = 0,5222
Algoritma Regresi Linier
Inisialisasi JumX=0, JumY=0, JumXY=0, JumX2=0 Untuk I = 1 , N JumX = JumX + X[I] JumY = JumY + Y[I] JumXY= JumXY + X[I].Y[I] JumX2= JumX2 + X[I].X[I] XRata = JumX / N YRata = JumY / N b=(N.JumXY – JumX.JumY)/(N.JumX2 – JumX.JumX) a= Yrata – b . XRata Selesai
LINIERISASI KURVA TIDAK LINIER
Data tidak cocok untuk linier Garis Lengkung lebih cocok
Tiga (3) bentuk non-linier yang dapat dibuatkan
pendekatan linier, agar dapat diselesaikan melalui
regressi linier.
Diberikan dalam bentuk: Y = a. e bx dimana a dan b adalah konstanta, Persamaan tersebut
menjadi ln Y = ln a + ln e . b. X ;
karena ln e = 1, maka : ln Y = ln a + b.x
FUNGSI EKSPONENSIAL
22 )().(
)ln.()ln..(
XXN
YXYXNb
XbYa .lnln
N
YY
lnln N
XX
aea ln
Algoritma Fungsi Eksponensial
Inisialisasi JumX=0, JumlnY=0, JumXlnY=0, JumX2=0 Untuk I = 1 , N JumX = JumX + X[I] JumlnY = JumlnY + ln Y[I] JumXlnY = JumXlnY + X[I].ln Y[I] JumX2 = JumX2 + X[I].X[I] XRata = JumX / N lnYRata = JumlnY / N b=(N.JumXlnY – JumX.JumlnY)/(N.JumX2 – JumX.JumX) lna= lnYrata – b . Xrata a = e**lna Selesai
Diberikan dalam bentuk Y = a . X b Dimana a dan b adalah konstanta Persamaan tersebut
menjadi log Y = log a + b. log X
FUNGSI PANGKAT (Power Model)
22 )log())(log.(
)log.log()log.log.(
XXN
YXYXNb
XbYa log.loglog
N
YY
loglog
N
XX
loglog
aa log10
Buat persamaan dengan pola eksponensial
dan pangkat
Pengamatan gaya aksial
[ton]
Pengamatan perpanjangan
[mm]
7.7
10.0
18.5
23.9
28.5
2.4
3.4
7.0
11.1
19.6
contoh :
Dengan Pola Eksponensial :
NO X Y Q=X P=Ln Y Q2 Q.P
1 7.7 2.4 7.7 0.875469 59.29 6.7411113
2 10 3.4 10 1.223775 100 12.23775
3 18.5 7 18.5 1.94591 342.25 35.999335
4 23.9 11.1 23.9 2.406945 571.21 57.5259855
5 28.5 19.6 28.5 2.97553 812.25 84.802605
jumlah 88.6 9.427629 1885 197.306787
rerata 17.72 1.8855258
b =
= (986.533934 - 835.2879294) / (9425 - 7849.96) =
= 151.2460046 / 1575.04 = 0.09602677
ln a =
Persamaan yang dicari adalah b = B = 0.09602677
karena: a = eln a maka a = 1.20193
sehingga persamaan:
Y = a . e bx Y = 1.20193. e 0.09602677.X
x Y data Y hitungan
0.0 1.201934
7.7 2.4 2.517681
10.0 3.4 3.139928
18.5 7.0 7.102364
23.9 11.1 11.929000
28.5 19.6 18.554190
Data dan fungsi eksponensial pada skala linear
Dengan Pola Pangkat :
NO X Y Q=logX P=Log Y Q2 Q.P
1 7.7 2.4 0.8865 0.3802 0.7859 0.33705
2 10 3.4 1 0.5315 1 0.53150
3 18.5 7 1.2672 0.8451 1.6058 1.07091
4 23.9 11.1 1.3784 1.0453 1.9000 1.44084
5 28.5 19.6 1.4548 1.2923 2.1164 1.88004
jumlah 5.9869 4.0944 7.4081 5.26034
rerata 1.1974 0.8189
b = 1.78893664 / 1.19752839 = 1.493857
log a = 0.8189 – 1.493857 . 1.1974 = - 0.969844
Persamaan yang dicari adalah b = 1.493857
karena: a = 10log a maka a = 0.10719
sehingga persamaan:
Y = a . X b Y = 0.10719. X 1.493857
2)9869,5()4081,7).(5(
)0944,4).(9869,5()26034,5).(5(
b
x Y data Y hitungan
0.0 0
7.7 2.4 2.26175
10.0 3.4 3.34204
18.5 7.0 8.37775
23.9 11.1 12.28241
28.5 19.6 15.97660
0
0
0
0
0
0
Algoritma Fungsi Pangkat
Inisialisasi JumlogX=0, JumlogY=0, JumlogXlogY=0, JumlogX2=0 Untuk I = 1 , N JumlogX = JumlogX + log X[I] JumlogY = JumlogY + log Y[I] JumlogXlogY = JumlogXlogY + log X[I].log Y[I] JumlogX2 = JumlogX2 + log X[I].log X[I] logXRata = JumlogX / N logYRata = JumlogY / N b=(N.JumlogXlogY – JumlogX.JumlogY)/(N.JumlogX2 – JumlogX.JumlogX) loga= logYrata – b . logXrata a = 10**loga Selesai
Diberikan dalam bentuk
Dimana a dan b adalah konstanta Persamaan tersebut
menjadi
PERSAMAAN LAJU PERTUMBUHAN JENUH
(Saturation growth-rate)
Xb
XaY
Xa
b
aYX
Xb
aY
1.
11.
11
22 )
1())
1(.(
)1
.1
()1
.1
.(
XXN
YXYXN
a
b
Xa
b
Ya
111
N
Y
Y
11
N
X
X
11
a
a1
1
Tabel Pola Pertumbuhan Jenuh :
NO X Y 1/X 1/Y (1/X)2 1/X.1/Y
jumlah
rerata
Algoritma Fungsi Laju Pertumbuhan Jenuh
Inisialisasi Jum1PX=0, Jum1PY=0, Jum1PX1PY=0, Jum1PX2=0 Untuk I = 1 , N Jum1PX = Jum1PX + 1 / X[I] Jum1PY = Jum1PY + 1 / Y[I] Jum1PX1PY = Jum1PX1PY + 1 / X[I] . 1 / Y[I] Jum1PX2 = Jum1PX2 + 1 / X[I] . 1 / X[I] PXRata = Jum1PX / N PYRata = Jum1PY / N b/a=(N.Jum1PX1PY – Jum1PX.Jum1PY)/(N.Jum1PX2 – Jum1PX.Jum1PX) 1/a= PYrata – b/a . PXrata a = 1 / (1/a) Selesai
Latihan Penggunaan Model Eksponensial
Menurunnya tingkat pencurian pengguna kelistrikan di PLN Cabang Kubu-Raya akibat operasi OPAL, dapat dinyatakan melalui tabel berikut :
Lama Operasi (bulan)
1
2
2,5
4
6
Jumlah Pencurian Kelistrikan
78
61
54
37
22
Berapa jumlah pencurian pada bulan ke-5 dan bulan keberapa dari operasikah dapat menekan jumlah pencurian kelistrikan tinggal 50 ?
Latihan Penggunaan Model Pangkat
Kenaikan tegangan pada suatu instalasi tergantung pengaturan tegangan melalui posisi tapping trafonya yang dinyatakan melalui tabel berikut :
Posisi Tapping
1
2
3
4
5
Tegangan (Volt)
176
195
203
207
209
Berapa Tegangan yang dihasilkan pada posisi tapping 2,5 dan pada posisi tapping ke-berapakah tegangan mencapai 210 Volt ?
Latihan Penggunaan Model Jenuh
Efek lama promosi untuk produk Nokia terbaru serie-007 terhadap penjualannya dinyatakan melalui tabel berikut :
Lama Promosi (minggu)
2
2,5
4
7
10
Jumlah Penjualan
(unit)
15
17
23
32
40
Berapa Jumlah unit yang terjual bila promosi dilakukan dalam 3 minggu, dan membutuhkan berapa minggu promosikah agar jumlah unit yang terjual jumlahnya 30 ?