dengan: µ
sf
[X
i
] = nilai keanggotaan solusi fuzzy sampai aturan ke-i µ
kf
[X
i
] = nilai keanggotaan konsekuen fuzzy aturan ke-i c. Metode Probabilistik OR probor
Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukan product
terhadap semua output daerah fuzzy. Secara umum dituliskan: µ
sf
[X
i
] = µ
sf
[X
i
]+ µ
kf
[X
i
] - µ
sf
[X
i
] µ
kf
[X
i
] 2.8
dengan: µ
sf
[X
i
] = nilai keanggotaan solusi fuzzy sampai aturan ke-i µ
kf
[X
i
] = nilai keanggotaan konsekuen fuzzy aturan ke-i 4. Penegasan defuzzifikasi
Pada metode mamdani ini akan digunakan metode Centroid Composite Moment
seperti yang telah dijelaskan sebelumnya.
2.2 Analisis Regresi Linear Berganda
2.2.1 Pengertian Regresi
Regresi pertama kali dipergunakan sebagai konsep statistika oleh Sir Francis Galton 1822 – 1911. Beliau memperkenalkan model peramalan, penaksiran, atau
pendugaan, yang selanjutnya dinamakan regresi, sehubungan dengan penelitiannya terhadap tinggi badan manusia. Galton melakukan suatu penelitian
di mana penelitian tersebut membandingkan antara tinggi anak laki-laki dan tinggi badan ayahnya. Galton menunjukkan bahwa tinggi badan anak laki-laki dari ayah
yang tinggi setelah beberapa generasi cenderung mundur regressed mendekati nilai tengah populasi. Dengan kata lain, anak laki-laki dari ayah yang badannya
sangat tinggi cenderung lebih pendek dari pada ayahnya, sedangkan anak laki-laki dari ayah yang badannya sangat pendek cenderung lebih tinggi dari ayahnya, jadi
seolah-seolah semua anak laki-laki yang tinggi dan anak laki-laki yang pendek bergerak menuju kerata-rata tinggi dari seluruh anak laki-laki yang menurut istilah
Universitas Sumatera Utara
Galton disebut dengan “regression to mediocrity”. Dari uraian tersebut dapat disimpulkan bahwa pada umumnya tinggi anak mengikuti tinggi orangtuanya
Sudjana, 1996.
Istilah “ regresi” pada mulanya bertujuan nutuk membuat perkiraan nilai satu variabel tinggi badan anak terhadap satu variabel yang lain tinggi badan
orang tua. Pada perkembangan selanjutnya analisis regresi dapat digunakan sebagai alat untuk membuat perkiraan nilai suatu variabel dengan menggunakan
beberapa variabel lain yang berhubungan dengan variabel tersebut Algafari, 2000.
Jadi prinsip dasar yang harus dipenuhi dalam membangun suatu persamaan regresi adalah bahwa antara suatu variabel tidak bebas dependent
variable dengan variabel-variabel bebas independent variable lainnya memiliki
sifat hubungan sebab akibat hubungan kausalitas, baik didasarkan pada teori, hasil penelitian sebelumnya, maupun yang didasarkan pada penjelasan logis
tertentu Algafari, 2000.
2.2.2 Analisis Regresi Linear
Perubahan nilai suatu variabel tidak selalu terjadi dengan sendirinya, namun perubahan nilai variabel itu dapat disebabkan oleh berubahnya variabel lain yang
berhubungan dengan variabel tersebut. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh variabel lain diperlukan alat analisis yang
memungkinkan untuk membuat perkiraan prediction nilai variabel tersebut pada nilai tertentu variabel yang mempengaruhinya Algafari, 2000.
Teknik yang umum digunakan untuk menganalisis hubungan antara dua atau lebih variabel adalah analisis regresi. Analisis regresi regression analisis
merupakan suatu teknik untuk membangun persamaan garis lurus dan menggunakan persamaan tersebut untuk membuat perkiraan Algafari, 2000.
Universitas Sumatera Utara
Analisis regresi merupakan teknik yang digunakan dalam persamaan matematik yang menyatakan hubungan fungsional antara variabel-variabel. Analisis regresi
linier atau regresi garis lurus digunakan untuk: 1.
Menentukan hubungan fungsional antar variabel dependen dengan independen. Hubungan fungsional ini dapat disebut sebagai persamaan
garis regresi yang berbentuk linier. 2.
Meramalkan atau menduga nilai dari satu variabel dalam hubungannya dengan variabel yang lain yang diketahui melalui persamaan garis
regresinya. Analisis regresi tediri dari dua bentuk yaitu :
1. Analisis Regresi Linear Sederhana
2. Analisis Regresi Linear Berganda
Analisis regresi sederhana adalah bentuk regresi dengan model yang bertujuan untuk mempelajari hubungan antara dua variabel, yakni variabel
dependent terikat dan variabel independent bebas. Sedangkan analisis regresi
berganda adalah bentuk regresi dengan model yang memiliki hubungan antara satu variabel dependent dengan dua atau lebih variabel independent Sudjana,
1996.
Variabel independent adalah variabel yang nilainya tidak tergantung dengan variabel lainnya, sedangkan variabel dependent adalah variabel yang
nilainya tergantung dari variabel yang lainnya Algafari, 2000.
Analisis regresi linear dipergunakan untuk menelaah hubungan antara dua variabel atau lebih, terutama untuk menelusuri pola hubungan yang modelnya
belum diketahui dengan baik, atau untuk mengetahui bagaimana variasi dari beberapa variabel independen mempengaruhi variabel dependen dalam suatu
fenomena yang komplek. Jika X
1
, X
2
, ..., X
k
adalah variabel-variabel independent
dan Y adalah variabel dependent, maka terdapat hubungan fungsional antara X dan Y, dimana variasi dari X akan diiringi pula oleh variasi dari Y.
Universitas Sumatera Utara
Sujana, 1996. Jika dibuat secara matematis hubungan itu dapat dijabarkan sebagai berikut:
Dimana : Y = f X
1
, X
2
, ..., X
k
, e 2.9
Y adalah variabel dependen tak bebas X adalah variabel independen bebas
e adalah variabel residu disturbace term
2.2.3 Analisis Regresi Linier Sederhana
