Laporan Praktikum Regresi Non-Linear

  I.    COVER

LAPORAN PRAKTIKUM REGRESI NON-LINEAR

Disusun Oleh:

Muhamad Yogie

NPM: 2305102010014

(No Komputer: 29)

Laboran:

Ridwan Saputra S.Pt., M.Si.

LABORATORIUM STATISTIKA DAN SOSIAL
DEPARTEMEN AGRIBISNIS

FAKULTAS PERTANIAN UNIVERSITAS SYIAH KUALA
DARUSSALAM-BANDA ACEH
2025

II. Latar Belakang

    Regresi nonlinier adalah teknik statistik yang digunakan untuk menggambarkan hubungan antara satu variabel independen dan satu variabel dependen ketika hubungan tersebut tidak bisa digambarkan dengan garis lurus. Dalam pendekatan ini, model matematis yang diterapkan melibatkan berbagai fungsi nonlinier, seperti eksponensial, logaritmik, atau polinomial dengan derajat tinggi. Metode ini sangat bermanfaat ketika data menunjukkan pola yang rumit dan tidak mengikuti hubungan linier, sehingga memungkinkan untuk melakukan analisis yang lebih tepat mengenai keterkaitan antara variabel.

    Salah satu pendekatan yang sering digunakan dalam regresi nonlinier adalah metode kuadrat terkecil nonlinier, yang berfokus pada pengurangan jumlah kuadrat dari perbedaan antara nilai yang sebenarnya dengan nilai yang diprediksi oleh model. Berbeda dengan regresi linier, regresi nonlinier sering kali memerlukan proses iteratif dan teknik optimisasi numerik untuk menentukan parameter model yang paling sesuai. Ini karena kompleksitas fungsi nonlinier yang tidak memiliki solusi analitik yang langsung, sehingga teknik numerik menjadi sangat penting dalam proses estimasi parameter.

    Dalam praktiknya, regresi nonlinier banyak digunakan di berbagai bidang, termasuk biologi, ekonomi, dan rekayasa, terutama ketika hubungan antara variabel tidak dapat dijelaskan dengan model linier. Sebagai contoh, dalam penelitian mengenai pertumbuhan populasi yang mengikuti pola eksponensial atau dalam analisis dosis-respons dalam bidang farmakologi. Sangat penting untuk memilih model nonlinier yang sesuai dengan karakteristik data serta memastikan bahwa asumsi dasar, seperti normalitas distribusi residual dan homoskedastisitas, dipenuhi untuk mendapatkan estimasi yang valid dan dapat dipercaya.

II. Tinjauan Pustaka 

    Regresi adalah metode statistik yang digunakan untuk menyelidiki hubungan antara satu atau lebih variabel independen (bebas) dan variabel dependen (terikat). Salah satu jenis regresi yang sering digunakan adalah regresi linear yang dirumuskan sebagai Y = b₀ + b₁X₁ + e, di mana Y adalah variabel dependen, b₀ adalah intersep, b₁ adalah koefisien regresi dari variabel independen X₁, dan e adalah kesalahan (error term). Model regresi linear berlaku dengan baik hanya ketika data menunjukkan hubungan linear antara variabel bebas dan terikat. Jika hubungan tersebut tidak linear, estimasi yang diperoleh dapat menjadi tidak optimal dan menghasilkan kesalahan yang signifikan (Zainudin et al., 2020).

    Sebagai solusi untuk masalah yang timbul dari pendekatan regresi linear, regresi non-linear menjadi metode yang lebih cocok untuk menggambarkan hubungan yang kompleks antara variabel. Regresi non-linear memfasilitasi model yang menggambarkan hubungan yang lebih rumit dalam bentuk non-linear, seperti kurva eksponensial, logaritmik, atau polinomial, sesuai dengan karakteristik data yang tersedia. Hal ini memungkinkan pengobserveran data menunjukkan pola yang tidak dapat dijelaskan dengan regresi linear (Yusuf et al., 2018). Ketepatan dan fleksibilitas yang lebih tinggi pada regresi non-linear menjadi penting, terutama dalam bidang-bidang seperti biologi, ekonomi, dan teknik, di mana hubungan antar variabel sering kali bukan linier (Lestari, 2022).

    Dalam praktiknya, regresi non-linear sering digunakan ketika hubungan antara variabel dependen dan independen tidak mengikuti pola linier seperti yang diasumsikan oleh regresi linear. Bidang-bidang seperti biologi, ekonomi, dan kesehatan sering memiliki data dengan pola yang lebih kompleks, yang dapat dimodelkan lebih efektif dengan pendekatan regresi non-linear. Seiring dengan perkembangan teknologi analisis data, metode regresi non-linear semakin populer di berbagai disiplin ilmu untuk meningkatkan akurasi prediksi dan analisis data (Sari et al., 2021).

IV. DATA

V. Output

VI. Referensi

Lestari, D. P. (2022). "Analisis Regresi Non-linear untuk Data Kesehatan." Jurnal Kesehatan Masyarakat, 15(3), 223-234. 

 Sari, Y., Widodo, A., & Hidayat, T. (2021). "Model Regresi Non-linear dalam Data Lingkungan." Jurnal Lingkungan dan Kesehatan, 14(1), 78-89.

Yusuf, F., Fitriani, E., & Mulyadi, A. (2018). "Pemodelan Non-linear untuk Analisis Data sosial Ekonomi." Jurnal Ekonomi dan Pembangunan, 10(2), 150-162.

Zainudin, M., Prabowo, R., & Hasan, M. (2020). "Keterbatasan Regresi Linear dalam Analisis Data Biomedis." Jurnal Biomedis, 19(2), 101-115.