PREDICTIONS By CORRELATIONS
KULIAH 11
POPULATIONS, PREDICTORS AND FUNCTIONS
- Pada saat mencari di literatur dan membuat prediksi secara theori tetapi tidak diperoleh hasil yang memuaskan dilakukan estimasi/perkiraan
Korelasi yang baik dan berguna harus mempunyai satu atau lebih property yang diinginkan, yaitu :
1.Penjelasan sebab akibat 2.Ekstrapolasi
3.Informasi yang ringkas
Populations : Families of Similar Substances
• Titik leleh unsur unsur dapat dikelompokkan dalam families gas mulia, logam alkali, dan halogen.
• Korelasi dapat dilakukan dalam satu famili /kelompok
Predictor for a given property
• Langkah yang paling penting untuk membuat korelasi adalah menemukan parameter yang relevan yang mengontrol property
• Identifikasi dari parameter dapat dari teori maupun dari observasi empiris dari percobaan.
Structure Parameters Suggested by Theory
parameter molecular struktur dalam, dibagi menjadi 3 tipe berikut :
1.Parameter elektronik
terdiri dari jumlah electron, jumlah elektron valensi terluar, jumlah orbital, bilangan azimuth kuantum, jari-jari electron dan energi, polarisasi, momen dipole, momen kwatdipol dan energi ionisasi.
Other closely related properties
• Dalam hal Titik Didih/Boiling Point
• Gaya kohesive selain mempengaruhi titik didik juga mempengaruhi antara lain konstanta van der waals, temperature kritis, panas penguapan, indeks cahaya, dan tekanan permukaan.
• Properti ini dapat juga digunakan sebagai prediktor menghasilkan korelasi yang dinamakan Quantitative Property-Property Relations (QPPRs).
Empirical observations and intuitive hypothesis
• Saat kita tidak mengerti sebab dan akibat yang terlibat pada suatu sifat maka, kita tidak mempunyai petunjuk dari parameter yang relevant
• Seringkali korelasi tidak sesuai dan kita perlu mencari variabel yang belum dapat dievaluasi.
• Tapi ketika menemukan korelasi yang baik, seharusnya dapat mewakili untuk penelitian yang lainnya.
Functional Form
• Misal: Sebuah korelasi dimulai dengan hipotesis bahwa boiling point berkorelasi dengan periode elemen pada tabel periodik (prediktor).
• Bentuk korelasinya adalah sebagai berikut : Y = f(x) y Э P
• Fungsi paling sederhana dari sebuah korelasi adalah bentuk linier yaitu :
y = a + bx
Functional Form
• Untuk polinomial sering digunakan untuk hubungan korelasi dan digunakan untuk modifikasi sebuah fungsi yang berbasic linear :
y = a + bx + cx2+ dx3+ ...
• Ketika bentuk fungsi dari sebuah korelasi bisa
Regression with a Single Predictor
• Untuk mencari properti(y) dari suatu sampel(S), yang berkaitan dengan satu prediksi(x).
• Salah satu penggunaan korelasi adalah untuk memudahkan pengambilan nilai-nilai y dalam S, tetapi jauh lebih berguna jika korelasi ini dapat diekstrapolasi ke populasi besar(P) dimana
properti y tidak diketahui.
Simple Linear Regression
Mari kita perhatikan titik didih pada gas mulia dari Helium ke Xenon dan pertanyaannya adalah apa alat prediksi yang baik.
Gambar 5.1 Perbandingan titik didih gas mulia dengan regresi linier
Tabel di atas daftar titik didih dan nilai-nilai prediksi ini untuk gas mulia.
• Korelasi untuk titik didih dari 6 gas mulia dalam bentuk :
• Keterangan:
• y = titik didih (K)
• x = periode dalam periodik tabel
• ε = kesalahan atau (y-y’)
• y’ = perkiraan y, yang sama dengan C +C x
