Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Scribd
Unggah
50 tayangan

Program Matlab

This MATLAB code performs simple linear regression analysis to predict telephone users in Palembang City based on two factors: population and per capita income. For both factors, the code calculates the regression coefficients, determines whether the regression model is suitable, and if so, generates a predictive model and plot of estimated telephone users over 10 years.

Diunggah oleh

Muammar Riski Ramadan
Hak Cipta
© © All Rights Reserved
Format Tersedia
Unduh sebagai PDF, TXT atau baca online di Scribd
50 tayangan

Program Matlab

This MATLAB code performs simple linear regression analysis to predict telephone users in Palembang City based on two factors: population and per capita income. For both factors, the code calculates the regression coefficients, determines whether the regression model is suitable, and if so, generates a predictive model and plot of estimated telephone users over 10 years.

Diunggah oleh

Muammar Riski Ramadan
Hak Cipta
© © All Rights Reserved
Format Tersedia
Unduh sebagai PDF, TXT atau baca online di Scribd
Anda di halaman 1/ 6

Program Regresi Linear Sederhana untuk Faktor X1 yakni Jumlah Penduduk kota

Palembang
*M-File
disp('PERHITUNGAN PERAMALAN PENGGUNA TELEPON DI PT.TELEKOMUNIKASI
INDONESIA')
disp('DENGAN MENGGUNAKAN METODE REGRESI LINIER')
disp('UNTUK FAKTOR JUMLAH PENDUDUK KOTA PALEMBANG')
disp(' by MONA APRIANI')
disp(' TEKNIK TELEKOMUNIKASI')
disp(' ')
disp(' ')
disp(' ')
X=input('masukan data untuk variabel X = ');
Y=input('masukan data untuk variabel Y = ');
plot(X,Y,'b*')
title('Diagram Pancar')
Xlabel('Jumlah Penduduk')
Ylabel('Jumlah Pengguna Telepon')
b=((length(X))*(sum(X.*Y))-(sum(X))*(sum(Y)))/((length(X))*(sum(X.^2))-
((sum(X))^2));
disp(' ')
a=(mean(Y))-(b*mean(X));
disp(' ')
r=((length(X))*(sum(X.*Y))-
(sum(X))*(sum(Y)))/(sqrt((length(X))*(sum(X.^2))-
((sum(X))^2))*sqrt((length(Y))*(sum(Y.^2))-((sum(Y))^2)));
r2=r^2;
disp('-Uji Kelayakan Model-')
disp(' ')
disp('Uji Hipotesis :')
disp([' Ho : b = 0 (persamaan regresi tidak layak digunakan)'])
disp([' H1 : b tidak sama dengan 0 (persamaan regresi layak digunakan)'])
disp(' ')
disp(['Tingkat signifikansi = 0,05'])
disp(' ')
disp(['Statistik Uji :'])
disp(' ')
mse=(sum(Y.^2)-a*(sum(Y))-b*sum(X.*Y))/(length(Y)-2);
S_b=sqrt(mse/sum((X-(mean(X))).^2));
t_hitung_b=b/S_b;
disp([' t_hitung = ',num2str(t_hitung_b)])
t_tabel = tinv(0.975,length(X)-2);
disp(' ')
disp('Daerah kritik')
disp(['Ho ditolak jika |t_hitung| > t_tabel(',num2str(t_tabel),')'])
disp(' ')
disp('Kesimpulan')
if abs(t_hitung_b) > t_tabel
state1='|t hitung| > t tabel';
d=1;
state2='Ho ditolak, sehingga persamaan regresi linear layak
digunakan.';
else
state1='|t hitung b| < t tabel';
d=0;
state2='Ho tidak ditolak, sehingga persamaan regresi linear tidak layak
digunakan.';
end
disp(['karena ',state1,' maka ',state2])
disp(' ')
disp('-Uji Konstanta-')
disp(' ')
disp(['Uji Hipotesis :'])
disp(['Ho : a = 0 (konstanta tidak signifikan digunakan)'])
disp(['H1 : a tidak sama dengan 0 (konstanta signifikan digunakan)'])
disp(' ')
disp(['Tingkat signifikansi = 0,05'])
disp(' ')
disp(['Statistik Uji :'])
disp(' ')
S_bo=sqrt((sum(X.^2)*mse))/((length(X)+length(Y))*sum((X-(mean(X))).^2));
t_hitung_bo=a/S_bo;
disp([' t hitung = ',num2str(t_hitung_bo)])
disp(' ')
disp('Daerah kritik')
disp(['Ho ditolak jika |t_hitung| > t_tabel(',num2str(t_tabel),')'])
disp(' ')
disp('Kesimpulan')
if abs(t_hitung_bo) > t_tabel
state3='|t hitung| > t tabel';
e=1;
state4='Ho ditolak, konstan layak digunakan ';
else
state3='|t hitung b| < t tabel';
e=0;
state4='Ho tidak ditolak, sehingga konstan tidak layak digunakan.';
end
disp(['karena ',state3,' maka ',state4])
if 'd,e :1';
disp(' ')
disp('MODEL LAYAK DIGUNAKAN')
disp(' ')
disp('kemudian dilakukan perhitungan :')
disp(' ')
disp(['nilai b = ',num2str(b)])
disp(' ')
disp(['nilai a = ',num2str(a)])
disp(' ')
disp('model regresi : ')
disp(['Y = ',num2str(a),' + ',num2str(b),'(X)'])
disp(' ')
disp(['koefisien determinasi= ',num2str(r2)])
disp('Koefisien korelasi')
r = sqrt(r2)
disp(['(Kesimpulan yang dapat diambil adalah variabel X dapat menjelaskan
variabel Y sebesar ',num2str(r2*100),'% )'])
else
disp(' ')
disp('-MODEL TIDAK LAYAK DIGUNAKAN-')
disp(' ')
disp('-SEHINGGA PERHITUNGAN TIDAK DAPAT DILANJUTKAN-')
end
Program Regresi Linear Sederhana untuk Faktor X2 yakni Pendapatan Per-Kapita
kota Palembang
*M-File
disp('PERHITUNGAN PERAMALAN PENGGUNA TELEPON DI PT.TELEKOMUNIKASI
INDONESIA')
disp('DENGAN MENGGUNAKAN METODE REGRESI LINIER')
disp('UNTUK FAKTOR JUMLAH PENDAPATAN PER KAPITA KOTA PALEMBANG')
disp(' by MONA APRIANI')
disp(' TEKNIK TELEKOMUNIKASI')
disp(' ')
disp(' ')
disp(' ')
X=input('masukan data untuk variabel X = ');
Y=input('masukan data untuk variabel Y = ');
plot(X,Y,'b*')
title('Diagram Pancar')
Xlabel('Jumlah Pendapatan Perkapita')
Ylabel('Jumlah Pengguna Telepon')
b=((length(X))*(sum(X.*Y))-(sum(X))*(sum(Y)))/((length(X))*(sum(X.^2))-
((sum(X))^2));
disp(' ')
a=(mean(Y))-(b*mean(X));
disp(' ')
r=((length(X))*(sum(X.*Y))-
(sum(X))*(sum(Y)))/(sqrt((length(X))*(sum(X.^2))-
((sum(X))^2))*sqrt((length(Y))*(sum(Y.^2))-((sum(Y))^2)));
r2=r^2;
disp('-Uji Kelayakan Model-')
disp(' ')
disp('Uji Hipotesis :')
disp([' Ho : b = 0 (persamaan regresi tidak layak digunakan)'])
disp([' H1 : b tidak sama dengan 0 (persamaan regresi layak digunakan)'])
disp(' ')
disp(['Tingkat signifikansi = 0,05'])
disp(' ')
disp(['Statistik Uji :'])
disp(' ')
mse=(sum(Y.^2)-a*(sum(Y))-b*sum(X.*Y))/(length(Y)-2);
S_b=sqrt(mse/sum((X-(mean(X))).^2));
t_hitung_b=b/S_b;
disp([' t_hitung = ',num2str(t_hitung_b)])
t_tabel = tinv(0.975,length(X)-2);
disp(' ')
disp('Daerah kritik')
disp(['Ho ditolak jika |t_hitung| > t_tabel(',num2str(t_tabel),')'])
disp(' ')
disp('Kesimpulan')
if abs(t_hitung_b) > t_tabel
state1='|t hitung| > t tabel';
d=1;
state2='Ho ditolak, sehingga persamaan regresi linear layak
digunakan.';
else
state1='|t hitung b| < t tabel';
d=0;
state2='Ho tidak ditolak, sehingga persamaan regresi linear tidak layak
digunakan.';
end
disp(['karena ',state1,' maka ',state2])
disp(' ')
disp('-Uji Konstanta-')
disp(' ')
disp(['Uji Hipotesis :'])
disp(['Ho : a = 0 (konstanta tidak signifikan digunakan)'])
disp(['H1 : a tidak sama dengan 0 (konstanta signifikan digunakan)'])
disp(' ')
disp(['Tingkat signifikansi = 0,05'])
disp(' ')
disp(['Statistik Uji :'])
disp(' ')
S_bo=sqrt((sum(X.^2)*mse))/((length(X)+length(Y))*sum((X-(mean(X))).^2));
t_hitung_bo=a/S_bo;
disp([' t hitung = ',num2str(t_hitung_bo)])
disp(' ')
disp('Daerah kritik')
disp(['Ho ditolak jika |t_hitung| > t_tabel(',num2str(t_tabel),')'])
disp(' ')
disp('Kesimpulan')
if abs(t_hitung_bo) > t_tabel
state3='|t hitung| > t tabel';
e=1;
state4='Ho ditolak, konstan layak digunakan ';
else
state3='|t hitung b| < t tabel';
e=0;
state4='Ho tidak ditolak, sehingga konstan tidak layak digunakan.';
end
disp(['karena ',state3,' maka ',state4])
if 'd,e :1';
disp(' ')
disp('MODEL LAYAK DIGUNAKAN')
disp(' ')
disp('kemudian dilakukan perhitungan :')
disp(' ')
disp(['nilai b = ',num2str(b)])
disp(' ')
disp(['nilai a = ',num2str(a)])
disp(' ')
disp('model regresi : ')
disp(['Y = ',num2str(a),' + ',num2str(b),'(X)'])
disp(' ')
disp(['koefisien determinasi= ',num2str(r2)])
disp('Koefisien korelasi')
r = sqrt(r2)
disp(['(Kesimpulan yang dapat diambil adalah variabel X dapat menjelaskan
variabel Y sebesar ',num2str(r2*100),'% )'])
else
disp(' ')
disp('-MODEL TIDAK LAYAK DIGUNAKAN-')
disp(' ')
disp('-SEHINGGA PERHITUNGAN TIDAK DAPAT DILANJUTKAN-')
end
Program Matlab untuk perhitungan jumlah telepon berdasarkan jumlah penduduk
disp('Perhitungan Peramalan Pengguna Telepon Untuk 10 Tahun Yang Akan
Datang')
disp('Berdasarkan Faktor Jumlah Penduduk Kota Palembang')
disp(' By MONA APRIANI')
disp(' 6 TA')
disp(' Teknik Telekomunikasi')
disp(' ')
disp(' ')
disp(' ')
disp('X = Jumlah Penduduk Kota Palembang Tahun 2015-2024')
disp(' ')
X=input('masukan data untuk variabel X = ');
disp(' ')
Tahun=[2015 2016 2017 2018 2019 2020 2021 2022 2023 2024]
disp(' ')
disp('Diketahui Persamaan Model Regresi Yang Didapat :')
disp(' ')
disp('Y = 53223.356 + 0.039169(X)')
format long g
Y =53223.356 + 0.039169*(X)
plot(Tahun,Y)
title('Grafik Peramalan Pengguna Telepon Berdasarkan Jumlah Penduduk di
Kota Palembang')
Xlabel('Tahun')
Ylabel('Prediksi Jumlah Pengguna Telepon')
Program Matlab untuk perhitungan jumlah telepon berdasarkan jumlah pendapatan
per kapita
disp('Perhitungan Peramalan Pengguna Telepon Untuk 10 Tahun Yang Akan
Datang')
disp('Berdasarkan Faktor Pendapatan Per-Kapita Kota Palembang')
disp(' By MONA APRIANI')
disp(' 6 TA')
disp(' Teknik Telekomunikasi')
disp(' ')
disp(' ')
disp(' ')
disp('X = Pendapatan Per-Kapita Kota Palembang Tahun 2015-2024')
disp(' ')
X=input('masukan data untuk variabel X = ');
disp(' ')
Tahun= [2015 2016 2017 2018 2019 2020 2021 2022 2023 2024]
disp(' ')
disp('Diketahui Persamaan Model Regresi Yang Didapat :')
disp(' ')
disp('Y = 101834.8022 + 0.00028329(X)')
format long g
Y = 101834.8022 + 0.00028329*(X)
plot(Tahun,Y)
title('Grafik Peramalan Pengguna Telepon Berdasarkan Jumlah Pendapatan Per-
Kapita di Kota Palembang')
Xlabel('Tahun')
Ylabel('Prediksi Jumlah Pengguna Telepon')

Anda mungkin juga menyukai