TEKNIK RAMALAN DAN ANALISIS REGRESI
Perhatikan tabel disamping, yang menunjukkan suatu data dari suatu hasil pengukuran. Berapa harga y untuk x = 12.
No x y
1 1 0,6
2 2 0,8
3 3 1,8
4 4 2,2
5 5 2,4
6 6 2,7
7 7 3,5
8 8 4,1
9 9 4,8
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5
11
x
PERSAMAAN REGRESI LINEAR
Persamaan garis regresi linear dapat dinyatakan sebagai berikut :
Y = a + b X
Contoh
Sebuah pengukuran kekerasan pada sebuah logam yang telah dilakukan perlakuan panas hasilnya dapat dilihat pada tabel. Dimana x adalah jarak dari ujung awal logam yang masuk ke oli sampai 50 mm di atas permukaan oli. Tentukan harga kekerasan pada x = 45 mm.
No 1 2 3 4 5 6 7
Jarak (mm) 10 30 50 70 90 110 130
HBN 450 440 425 400 395 390 388
Penyelesaian
x
b
y
a
x
x
y
y
x
x
b
No
x
y
1 10 450 -60,00 37,43 -2245,71 3600,00
2 30 440 -40,00 27,43 -1097,14 1600,00
3 50 425 -20,00 12,43 -248,571 400,00
4 70 400 0,00 -12,57 0 0,00
5 90 395 20,00 -17,57 -351,429 400,00
6 110 390 40,00 -22,57 -902,857 1600,00
7 130 388 60,00 -24,57 -1474,29 3600,00
Jumlah 490 2888 0 0,00 -6320 11200
x
= 45 mm
y =
425,1
x
x
y
y
x
x
y
y
x
x
2
11200
0
,
6
6320
2
x
x
y
y
x
x
b
07
,
452
70
6
,
0
57
,
412
y
b
x
a
70
7
490
n
x
x
412
,
57
7
2888
REGRESI LINEAR UNTUK TIGA VARIABEL
Seringkali kita berhadapan lebih dari dua variable, misalnya hubungan kekerangan logam dengan temperature pemanasan dan jenis pendingin yang digunakan dalam suatu proses perlakuan panas. Hasil percobaan seperti ini, bila didekati dengan persamaan liniear adalah sebagai berikut :
Y1 = b0 + b1X11 + b2X12
Y2 = b0 + b1X21 + b2X22 Regresi linear
Dengan metode kuadrat terkecil (least square method) diperoleh :
Dalam bentuk metrik menjadi
Penyelesaian persamaan dalam bentuk matrik tersebut adalah :
Adalah invers matriks Untuk menghitung b0 ; b1 dan b2 dapat digunakan persamaan berikut :
Dimana :
= determinan A
= determinan A3 = determinan A2 = determinan A1
Contoh
Dalam suatu penelitian pelapisan khrom (hard chrome) waktu pelapisan, temperature pelapisan berpengaruh terhadap kekerasan hasil pelapisan. Tabel di bawah menunjukkan hasil pengukuran tersebut. Untuk waktu 360 menit dan temperature 500C pelapisan , berapa kekerasan yang diperoleh :
Kekerasan (BHN) 550 450 400 425 525 475 450 535 510 410 485 490
Waktu (menit) 300 90 60 75 285 255 240 300 260 60 90 100
Temperatur. (0C) 60 55 40 45 50 45 40 55 60 50 55 60
n BHN Menit
0C
x1 y x2 y x1 x2 y2 x
12 x22
y x1 x2
1 550 300 60 165000 33000 18000 302500 90000 3600
2 450 90 55 40500 24750 4950 202500 8100 3025
3 400 60 40 24000 16000 2400 160000 3600 1600
4 425 75 45 31875 19125 3375 180625 5625 2025
5 525 285 50 149625 26250 14250 275625 81225 2500
6 475 255 45 121125 21375 11475 225625 65025 2025
7 450 240 40 108000 18000 9600 202500 57600 1600
8 535 300 55 160500 29425 16500 286225 90000 3025
9 510 260 60 132600 30600 15600 260100 67600 3600
10 410 60 50 24600 20500 3000 168100 3600 2500
11 485 90 55 43650 26675 4950 235225 8100 3025
12 490 100 60 49000 29400 6000 240100 10000 3600
Jumlah 5705 2115 615 1050475 295100 110100 2739125 490475 32125
Selanjutnya susun persamaan berikut
Diperoleh 12 b0 + 2115 b1 + 615 b2 = 5705 2115 b0 + 490475 b1 + 110100 b2 = 1050475 615 b0 + 110100 b1 + 32125 b2 = 295100
Dalam bentuk matriks
Dimana :
= 821377500
= 193027131250
=
271481250
= 2919431250
Selanjutnya didapat
Persamaan garis regresi
y =
235
+
0,33
x
1+
3,55
x
2Untuk waktu 360 menit dan temperatur 500C diperkirakan kekerasannya 531,3
KORELASI DAN KOEFISIEN KORELASI
1. Korelasi linear sederhana antara a. y dengan x1
b. y dengan x2
c. x1 dengan x2
Koefisien korelasi linear sederhana
Korelasi tiga variabel y ; x1 dan x2 adalah :
2. Korelasi linear berganda
antara y ; x1 dan x2
Koefisien korelasi linear berganda
Koefisien Penentuan (coefficient of determination), yaitu suatu nilai untuk mengukur besarnya sumbangan (share) dari beberapa variabel x terhadap variasi y. Koefisien Penentuan dihitung dengan rumus :
3. Koefisien Korelasi parsial adalah korelasi tiga variabel dengan salah satu variabel konstan.
a. Koefisien korelasi parsial x1 dan y, dengan x2 konstan
b. Koefisien korelasi parsial x2 dan y, dengan x1 konstan
c. Koefisien korelasi parsial x1 dan x2, dengan y konstan
Contoh
Dalam suatu penelitian pelapisan khrom (hard chrome) waktu pelapisan, temperature pelapisan berpengaruh terhadap kekerasan hasil pelapisan. Tabel di bawah menunjukkan hasil pengukuran tersebut. Seberapa besar pengaruh waktu dan temperatur terhadap kekerasan ? Dan hitung koefisien korelasi partial untuk x1 konstan dan x2 konstan
Kekerasan (BHN) 550 450 400 425 525 475 450 535 510 410 485 490
Waktu (menit) 300 90 60 75 285 255 240 300 260 60 90 100
Temperatur. (0C) 60 55 40 45 50 45 40 55 60 50 55 60
2
22 1 1
2 1 1
2 1
2
1
1
x yx x
x x y x y
x yx
x
r
r
r
r
r
r
2
22 1
2 1
2 1 2
1
1
1
x yx y
y x y x x
x y
x x
r
r
r
r
r
r
No BHN Mnit
0C
y x1 x2
1 550 300 60 74,58 123,75 8,75 9229,69 652,60 1082,81 5562,67 15314,06 76,56
2 450 90 55 -25,42 -86,25 3,75 2192,19 -95,31 -323,44 646,01 7439,06 14,06
3 400 60 40 -75,42 -116,25 -11,25 8767,19 848,44 1307,81 5687,67 13514,06 126,56
4 425 75 45 -50,42 -101,25 -6,25 5104,69 315,10 632,81 2541,84 10251,56 39,06
5 525 285 50 49,58 108,75 -1,25 5392,19 -61,98 -135,94 2458,51 11826,56 1,56
6 475 255 45 -0,42 78,75 -6,25 -32,81 2,60 -492,19 0,17 6201,56 39,06
7 450 240 40 -25,42 63,75 -11,25 -1620,31 285,94 -717,19 646,01 4064,06 126,56
8 535 300 55 59,58 123,75 3,75 7373,44 223,44 464,06 3550,17 15314,06 14,06
9 510 260 60 34,58 83,75 8,75 2896,35 302,60 732,81 1196,01 7014,06 76,56
10 410 60 50 -65,42 -116,25 -1,25 7604,69 81,77 145,31 4279,34 13514,06 1,56
11 485 90 55 9,58 -86,25 3,75 -826,56 35,94 -323,44 91,84 7439,06 14,06
12 490 100 60 14,58 -76,25 8,75 -1111,98 127,60 -667,19 212,67 5814,06 76,56
Jml 5705 2115 615 0 0 0 44968,75 2718,75 1706,25 26872,92 117706,25
606,2 5
Penyelesaian
Harga rata-rata
Dari perhitungan sebelumnya diperoleh
Persamaan garis regresi
y =
235
+
0,33
x
1+
3,55
x
242
,
475
n
y
y
1
1
176
,
25
n
x
x
2
2
51
,
25
n
x
x
235
0
Dengan harga KP = 0,69 atau 69%, maka waktu dan
temperatur memiliki
pengaruh terhadap
kekerasan hasil proses khrom sebesar 69%
Dengan mengatur temperatur konstan, waktu memiliki pengaruh 91% terhadap kekerasan hasil proses khrom
Dengan mengatur waktu konstan, temperatur memiliki pengaruh 87% terhadap kekerasan hasil proses khrom
1
0
,
91
1
2 22 1 2
2 1 2
1 2
1
x x
y x
x x y x y
x yx
x
r
r
r
r
r
r
1
87
1
2 22 1 1
2 1 1
2 1
2
x x
y x
x x y x y
x yx
x
r
r
r
r
GARIS TREND
TREND PARABOLA
Garis trend pada dasarnya adalah garis regresi.
Pada pembahasan ini kita akan bahas tentang garis regresi (trend) non linear, yakni fungsi parabola, eksponensian dan logaritma dan trend logistik
Persamaan garis trend parabola
didefinisikan sebagai berikut : Y = a + b X + c X2
Dengan pendekatan seperti pada problem linear
berganda (x2 = X2), diperoleh
Ditulis secara matriks menjadi
TREND EKSPONENSIAL DAN LOGARITMA
Persamaan garis trend
eksponensial didefinisikan :
Log y = Log a + x Log b
Dengan demikian dapat
didekati dengan Y = a + b X
Y =
Log y
a= Log a
b= Log b
Koefisien a dan b dapat dicari seperti sebelumnya
Contoh 1
Sebuah perusahaan yang memproduksi HP berdiri pada tahun 1999 di Tangerang dengan kapasitas terpasang 500.000 produk per tahun. Dari tahun 2000 sampai 2006 produksi per tahunnya seperti ditunjukkan pada tabel di bawah. Anda sebagai Direktur Produksi diminta memberikan usulan perkiraan penambahan/perluasan pendirian pabrik baru itu kapan bila kapasitas produksi maksimum yang dapat dicapai oleh pabrik yang ada hanya 80% dari kapasitas terpasang.
Tahun (ribuan unit)Produksi
2000 50
2001 60
2002 80
2003 120
2004 170
2005 230
2006 290
x
ab
Tahun (ribuan unit)Produksi
X Y x2 x3 x4 xy x2 y
2000 -3 50 9 -27 81 -150 450
2001 -2 60 4 -8 16 -120 240
2002 -1 80 1 -1 1 -80 80
2003 0 120 0 0 0 0 0
2004 1 170 1 1 1 170 170
2005 2 230 4 8 16 460 920
2006 3 290 9 27 81 870 2610
Jumlah 0 1000 28 0 196 1150 4470
Penyelesaian
7 a + 0 + 28 c = 1000 0 + 28 b + 0 = 1150 28 a + 0 + 196 c = 4470
y
x
x
c
x
b
x
a
xy
x
c
x
b
x
a
y
x
c
x
b
n
a
2 4
3 2
3 2
2
7 a + 0 + 28 c = 1000 0 + 28 b + 0 = 1150 28 a + 0 + 196 c = 4470
28 a + 112 c = 4000 28 a + 196 c = 4470
− 84 c = − 470 a = 120,46
Persamaan garis regresinya adalah :
y
= 120,46 + 41,07
x
+ 5,6
x
2Selanjutnya dari
400
= 120,46 + 41,07
x
+ 5,6
x
2Diperoleh x = 4,3 Berdasarkan data tersebut dan dengan asumsi
permintaan masih seperti tahun-tahun
sebelumnya, maka pada tahun 2008 produksi lebih dari 400.000 unit. Dengan demikian perlu adanya pendirian unit produksi baru
07
,
41
28
1150
b
6
,
5
84
470
PENDAHULUAN
ANALISIS DATA BERKALA
Data berkala (time series data) adalah data yang dikumpulkan dari waktu ke waktu untuk menggambarkan perkembangan suatu kegiatan (perkembangan produksi, harga, hasil penjualan dll).
Pada suatu bidang perawatan sekarang ini time series data memegang peranan penting.
Variasi data berkala dikelompokkan dalam 4 kelompok, yaitu :
1. Gerakan trend jangka panjang (long term movements or secular trend), yaitu suatu gerakan yang menunjukkan arah perkembangan secara umum
2. Gerakan siklis (cyclical movements or variations), adalah gerakan yang berulang dalam jangka waktu tertentu.
3. Gerakan musiman (seasonal movements) adalah gerakan yang mempunyai pola tetap pada waktu-waktu tertentu.
4. Gerakan yang tidak teratur (irregular or random movements) adalah gerakan yang sifatnya tidak memiliki keteraturan.
METODE TANGAN BEBAS
Langkah-langkah untuk menentukan garis trend dengan menggunakan metode tangan bebas (free hand method), sebagai berikut :
1. Buat sistem koordinat x-y
2. Plot data pada sistem koordinat x-y tersebut
3. Buat garis trend yang dapat mewakili semua data tersebut.
Sangat subyektif, karena sangat tergantung dari penafsiran yang membuat garis trend
METODE RATA-RATA SEMI
Cara ini memerlukan langkah-langkah sebagai berikut :
1. Data dikelompokkan menjadi dua. Masing-masing kelompok harus memiliki jumlah data yang sama. Jika jumlah data ganjil, ada satu data yang tidak masuk dalam kelompok data tersebut.
2. Hitung harga rata-rata masing-masing kelompok data tersebut.
3. Tentukan titik absis (variabel x). Cara penentuannya yaitu dipilih yang berada di tengah masing-masing kelompok.
4. Buat garis trend berdasarkan persamaan y = a + b x, dimana a dan b dihitung dari harga rata-rata dan harga tengah masing-masing kelompok. Maksudnya persamaan y = a + b x tersebut pada saat x = harga tengah kelompok ; y = harga rata-rata.
METODE RATA-RATA BERGERAK
Kalau kita memiliki data sebanyak n, y1 ; y2 ... Yn, maka rata-rata bergerak (moving average) didefinisikan sebagai urutan rata-rata dari kelompok data yang merupakan bagian dari data asli. Pengelompokan data sebagai berikut :
y
1y
2y
3y
4y
5y
6y
7y
8y
9... y
nY1 Y2 Y3 Y4 ...Yk
4
...
...
...
...
4
4
4
2 1
6 5
4 3
5 4
3 2
4 3
2 1
n k
k
k
y
y
y
y
y
y
y
y
y
y
y
y
y
y
y
y
k 3
2 1
Y
Y
Secara general, bila terdapat
n
data asliy
, dikelompokkan menjadik
kelompok dengan data pada setiap kelompok (sebaiknya dibuat sama)m
, maka Yi dapat ditulis sebagai berikut :i
= 1, 2 , ..., k
Metode ini sebetulnya merupakan PEMULUSAN DATA BERKALA
untuk mengurangi variasi data aslinya
m
y
y
y
i
i1
...
im1
i
METODE KUADRAT TERKECIL
x
1Y1
e
1y
1Garis trend Y = a + b X
x
y
Metode kuadrat terkecil (least square method) untuk mencari garis trend dimaksudkan suatu perkiraan mengenai nilai a dan b dari persamaan garis trend Y = a + b X yang didasarkan atas data hasil observasi y dan x
sedemikian rupa sehingga
dihasilkan kesalahan kuadrat minimum.
GERAKAN MUSIMAN
Suatu gerakan pada umumnya mengandung empat komponen yaitu gerakan trend (T), siklis (C), musiman (S) dan irreguler (I).
Pengaruh komponen musiman terhadap gerakan umumnya dinyatakan dengan angka indeks dan disebut ANGKA INDEKS MUSIMAN
Terdapat beberapa metode untuk menghitung angka indeks musiman, antara lain metode rata-rata sederhana (simple average method), metode relatif tersambung (link relative method), metodee rasio terhadap trend (ratio to trend method) dan metode rasio terhadap rata-rata bergerak (ratio to moving average method)
METODE RATA-RATA SEDERHANA
Bulan 2000 2001 2002 2003 Jumlah Rata-rata Prosentase MusimaIndeks n
1 2 3 4 5 6 7 8 9
Januari 259,00 278,00 276,00 267,00 1080,00 270,00 8,78 105,32
Pebruari 244,00 259,00 276,00 239,00 1018,00 254,50 8,27 99,28
Maret 268,00 274,00 278,00 250,00 1070,00 267,50 8,70 104,35
April 236,00 250,00 268,00 230,00 984,00 246,00 8,00 95,96
Mei 251,00 248,00 263,00 236,00 998,00 249,50 8,11 97,33
Juni 244,00 238,00 238,00 229,00 949,00 237,25 7,71 92,55
Juli 246,00 256,00 263,00 252,00 1017,00 254,25 8,26 99,18
Agustus 254,00 267,00 272,00 262,00 1055,00 263,75 8,57 102,89
Septembe
r 228,00 255,00 250,00 241,00 974,00 243,50 7,92 94,99
Oktober 245,00 280,00 257,00 238,00 1020,00 255,00 8,29 99,47
Nopember 243,00 273,00 263,00 257,00 1036,00 259,00 8,42 101,03
Desember 273,00 283,00 280,00 268,00 1104,00 276,00 8,97 107,66
METODE RELATIF TERSAMBUNG
Bulan 2000
2001 2002 2003
Rata-rata relatif bersambung
Relatif berantai
Indeks musiman
Belum disesuaikan
Sudah disesuaikan
1 2 3 4 5 7 8 9 10
Januari - 101,83 97,53 95,36 98,24 100,00 100,00 105,58
Pebruari 94,21 93,17 100,00 89,51 94,22 94,22 94,14 99,39
Maret 109,84 105,79 100,72 104,60 105,24 99,16 98,99 104,51
April 88,06 91,24 96,40 92,00 91,93 91,15 90,90 95,97
Mei 106,36 99,20 98,13 102,61 101,57 92,59 92,25 97,40
Juni 97,21 95,97 90,49 97,03 95,18 88,12 87,70 92,59
Juli 100,82 107,56 110,50 110,04 107,23 94,49 93,99 99,23
Agustus 103,25 104,30 103,42 103,97 103,73 98,02 97,43 102,87
Septemb 89,76 95,51 91,91 91,98 92,29 90,47 89,79 94,80
Oktober 107,46 109,80 102,80 98,76 104,70 94,72 93,96 99,21
Nopemb 99,18 97,50 102,33 107,98 101,75 96,38 95,53 100,87
Desemb 112,35 103,66 106,46 104,28 106,69 102,83 101,90 107,58
Januari* 101,02 100,10
METODE RASIO TERHADAP TREND
Dalam metode ini, data asli untuk setiap bulan dinyatakan sebagai persentase dari nilai trend bulanan.
Perhatikan contoh berikut :
Tahun 1992 1993 1994 1995 1996 1997 1998 1999
Rata-rata bulanan 273,7 293,5 315,0 336,8 364,4 394,8 424,2 458,7
Tahun X Y XY X2
1992 -7 273,7 -1915,9 49
1993 -5 293,5 -1467,5 25
1994 -3 315 -945 9
1995 -1 336,8 -336,8 1
1996 1 364,4 364,4 1
1997 3 394,8 1184,4 9
1998 5 424,2 2121 25
1999 7 458,7 3210,9 49
Jumlah 0 2861,1 2215,5 168
Seperti perhitungan garis regresi linear Y = a + b X diperoleh :
a = 357, 64 b = 13,19 Y = 357,64 + 13,19 X
Bulan 1992 1993 1994 1995 1996 1997 1998 1999
Januari 253,2 279,6 306,0 332,4 358,7 385,1 411,5 437,9
Pebruari 255,4 281,8 308,2 334,6 360,9 387,3 413,7 440,1
Maret 257,6 284,0 310,4 336,8 363,1 389,5 415,9 442,3
April 259,8 286,2 312,6 339,0 365,3 391,7 418,1 444,5
Mei 262,0 288,4 314,8 341,2 367,5 393,9 420,3 446,7
Juni 264,2 290,6 317,0 343,4 369,7 396,1 422,5 448,9
Juli 266,4 292,8 319,2 345,5 371,9 398,3 424,7 451,1
Agustus 268,6 295,0 321,4 347,7 374,1 400,5 426,9 453,3
September 270,8 297,2 323,6 349,9 376,3 402,7 429,1 455,5
Oktober 273,0 299,4 325,8 352,1 378,5 404,9 431,3 457,7
Nopember 275,2 301,6 328,0 354,3 380,7 407,1 433,5 459,9
Desember 277,4 303,8 330,2 356,5 382,9 409,3 435,7 462,1